[发明专利]一种河流凌汛冰塞险情智能诊断方法

权利要求书

1.一种河流凌汛冰塞险情智能诊断方法，依次包括下列步骤：

Ⅰ、凌汛冰塞险情诊断样本制作

(1)、诊断样本划分、诊断指标体系构建及实测数据标准化处理

①、根据所研究河段地理位置和河势走向，将所研究河段平均划分为若干个小尺度诊断样本，上述诊断样本的划分原则为诊断样本内弯道需保持完整、河段长度为河宽的3～5倍；

②、建立目标层A、准则层B与指标层C三层递阶的凌汛冰塞险情诊断指标体系，上述目标层A即指凌汛冰塞易发风险度；准则层B包括热力环境B1、动力因素B2和边界条件B3；指标层C则由热力环境B1、动力因素B2和边界条件B3的各项诊断指标构成，热力环境B1诊断指标为凌汛期平均气温C1、累积负气温C2、凌汛周期C3、最大冰厚C4；动力因素B2诊断指标为凌峰流量C5、单位河长槽蓄水增量C6、平滩流量C7；边界条件B3诊断指标为单位河长泥沙淤积量C8、河相系数C9、底坡比降C10、河槽弯曲系数C11、平滩河宽间距C12、桥梁工程C13；

③、收集并整理研究河段历年凌汛期实测的水文、气象及河道工程数据，以不同类型数据的多年平均值对步骤Ⅰ(1)②所述指标层C各项诊断指标赋值，构建诊断样本矩阵X_N×M＝(x_ij)_N×M，式中N为诊断样本数量、M为各诊断样本对应诊断指标数量、x_ij为第i个诊断样本对应的第j项诊断指标值，利用极差变换标准化处理方法对上述诊断样本矩阵进行数据标准化处理；

(2)、由主客观组合评价确定诊断指标权重

①、根据层次分析法重要性比例标度规则，结合专家经验打分，构造步骤Ⅰ(1)②所述不同诊断指标对应的递阶层次判断矩阵A_n×n＝(a_ij)_n×n，式中n为当前指标层对应诊断指标的数量，a_ij为第i项诊断指标与第j项诊断指标相对于上层诊断指标的重要性比例标度，且A_n×n满足一致性检验标准；

②、根据变异系数法、层次分析法、模糊层次分析法和熵权法，计算步骤Ⅰ(1)②所述指标层C对应各项诊断指标的权重；

(3)、凌汛冰塞易发风险度计算

将步骤Ⅰ(2)②所得诊断指标权重与步骤Ⅰ(1)③所得数据标准值对应加权求和，得到步骤Ⅰ(1)①各诊断样本的凌汛冰塞险情数据，即凌汛冰塞易发风险度；

(4)、凌汛冰塞易发风险度等级划分

采用K-means聚类算法和手肘法对步骤Ⅰ(3)所得的凌汛冰塞易发风险度进行等级划分；

(5)、绘制凌汛冰塞险情分布图，构造凌汛冰塞险情诊断样本集

根据步骤Ⅰ(4)凌汛冰塞易发风险度等级划分结果，基于GIS平台赋予步骤Ⅰ(1)①各诊断样本对应的凌汛冰塞险情等级属性绘制凌汛冰塞险情分布图，直观地反映凌汛冰塞易发河段位置及其险情等级的空间分布特征，从而构造由诊断指标体系标准值及其对应凌汛冰塞险情等级组成的凌汛冰塞险情诊断样本集；

II、凌汛冰塞险情诊断样本的智能诊断

(1)、凌汛冰塞险情诊断样本训练与参数设定

根据步骤Ⅰ(5)构造的凌汛冰塞险情诊断样本集，基于python构建随机森林(RF)凌汛冰塞险情诊断模型，随机森林中弱学习器最大迭代次数或分类树数目n＝50，每个决策树随机选择的诊断指标数量为4，同时建立支持向量机(SVM)、决策树(DT)、先验为高斯分布的朴素贝叶斯(GNB)、先验为多项式分布的朴素贝叶斯(MNB)、K最邻近(KNN)、自适应增强(ADA)和梯度提升(GB)的凌汛冰塞险情诊断模型，用于对比论证随机森林(RF)凌汛冰塞险情诊断模型的合理性和可靠性，随机抽取70％的样本进行训练，30％的样本用于模型测试；

(2)、凌汛冰塞险情诊断样本的智能诊断

利用步骤II(1)诊断样本训练后的八种凌汛冰塞险情诊断模型，对测试样本进行凌汛冰塞险情等级诊断，采用精确率P、召回率R和综合指标F1，计算并评判诊断精度；

(3)、凌汛冰塞险情诊断指标的重要性排序

根据随机森林基尼指数，计算不同诊断指标对凌汛冰塞险情的贡献度，同时考虑模型样本训练产生的误差影响，通过样本集中不同凌汛冰塞险情等级对应各诊断指标均值之间的变异系数，以“诊断指标贡献度与变异系数乘积越大，指标越重要”为原则，结合凌汛冰塞灾害的主要成因分析，综合确定凌汛冰塞险情诊断指标的重要性排序。