[发明专利]物理机制引导深度学习的洪水-水库映射关系模拟方法

权利要求书

1.一种物理机制引导深度学习的洪水-水库映射关系模拟方法，其特征在于，包括以下步骤：

步骤1，根据“洪水不确定性-水库防洪库容”映射关系固有特征，选定用以刻画该映射关系的深度学习模型；

步骤2，根据入库洪水特性分析，筛选描述洪水不确定性特征的参数，归一化整理后作为模型输入，根据深度学习模型模拟水库应预留的防洪库容值

步骤3，在样本容量N中随机抽样筛选出2/3的样本作为深度学习模型的训练集，选定目标函数训练模型参数，以步骤2中筛选的描述洪水不确定性特征的参数值为输入、模拟的水库应预留防洪库容值为输出，并在模型目标函数中加入惩罚项用于考虑水库调洪演算过程中物理机制；

步骤4，将剩余的1/3的样本作为深度学习模型的验证集，用于验证模型的拟合效果，并得到对应不同洪水量级、不同洪水预报误差的水库应预留防洪库容值及可行区间；

步骤3中所述目标函数计算公式如下：

min G＝α₁·MSE₁+α₂·MSE₂+α₃·MSE₃ (2)

式中，G为目标函数值；MSE₁为深度学习模型模拟的水库预留防洪库容值的均方误差；α₁为MSE₁的权重系数；N为计算样本数；MSE₂为深度学习模型应对洪水量级单调性约束的均方误差惩罚项；α₂为MSE₂的权重系数；MSE₃为深度学习模型应对洪水预报误差单调性约束的均方误差惩罚项；α₃为MSE₃的权重系数；

步骤3中深度学习模型应对洪水量级单调性约束采用如下公式计算：

式中：用于筛选出在不考虑预报误差情景下，不满足水库预留防洪库容值对应洪水量级单调性的误差项，用于筛选出不满足水库预留防洪库容下限值对应洪水量级单调性的误差项，用于筛选出不满足水库预留防洪库容上限值对应洪水量级单调性的误差项；

深度学习模型应对洪水预报误差单调性约束采用如下公式计算：

式中：用于筛选出不满足水库预留防洪库容上、下限逻辑关系对应洪水预报误差单调性的误差项，用于筛选出不满足水库预留防洪库容可行区间宽度对应洪水量级单调性的误差项。

2.根据权利要求1所述的一种物理机制引导深度学习的洪水-水库映射关系模拟方法，其特征在于：

步骤2中所述描述洪水不确定性特征的参数包括两部分：其一是关于洪水过程本身的随机性的设计频率P、洪峰流量值Q_p、最大3、7、15天洪量值W_iD、多场不同类型典型年的洪水样本Y_k其中k＝1,2,…,m，其中i＝3,7,15，m为典型年样本数量；其二是刻画洪水预报的不确定性的洪水预报误差σ，洪水预报误差σ用于表征洪水预报精度的水平，所述模拟的水库应预留防洪库容值及其可行区间如下式：

式中，X为归一化处理后的输入数据，根据所述描述洪水过程本身的不确定性特征的参数推求得来，包括设计频率P、洪峰流量值Q_p、最大3、7、15天洪量值W_iD(i＝3,7,15)、多场不同类型典型年的洪水样本Y_k；σ为洪水预报误差；和分别代表水库应预留防洪库容值的上、下阈值；f(·)为深度学习方法的模拟函数，若仅考虑洪水过程本身的不确定性对水库预留防洪库容的影响，可将模拟函数简化为