[发明专利]一种基于机器学习的平原河网地区洪水过程预报方法

权利要求书

1.一种基于机器学习的平原河网地区洪水过程预报方法，其特征在于，包括以下步骤：

获取预报目标站点及周边降雨监测站点的历史、实时、预报降雨过程数据，并采用反距离权重插值算法计算预报目标站点的历史、实时、预报面降雨过程数据；将实时面降雨过程数据和预报面降雨过程数据进行拼接，生成实时和预报面降雨过程数据；

采用连续无降雨划分方法，将历史面降雨过程数据、实时和预报面降雨过程数据，划分为历史面降雨子过程数据、实时和预报面降雨子过程数据；

利用预报目标站点的历史面降雨子过程数据和相应的历史洪水子过程数据，构建包括起涨点先验判定模型、洪峰水位回归模型和峰现历时回归模型的洪水过程预报模型；

其中起涨点先验判定模型的构建方法具体包括：

设定预报目标站点各历史洪水子过程中水位由平或缓慢上涨转为明显上涨的点作为起涨点；

利用历史面降雨子过程数据和预报目标站点相应的历史洪水子过程数据，识别可接受起涨点子集和不可接受起涨点子集，构建训练集和验证集；

构建以历史水位过程一阶导数和时段累积雨量作为约束条件的起涨点判定模型，利用训练集对起涨点判定模型进行有监督分类训练，并利用验证集进行先验验证；

洪峰水位回归模型的构建方法为：

获取与预报目标站点各历史洪水子过程相对应的上游站点的洪峰流量、最大连续3小时平均流量、最大连续6小时平均流量数据，并分析与预报目标站点洪峰水位的相关性；

获取与预报目标站点各历史洪水子过程相对应的下游站点的初始时刻水位，并分析与预报目标站点洪峰水位的相关性；

获取各历史面降雨子过程在计算起涨点时刻之后的累积雨量和计算起涨点时刻预报目标站点的水位，并分析与预报目标站点洪峰水位的相关性；

选择所述相关性较大的特征，利用历史面降雨子过程数据和预报目标站点相应的历史洪水子过程数据建立训练集和验证集，采用机器学习方法进行训练，构建预报目标站点洪峰水位与目标站点计算起涨点时刻水位、本地区面降雨、上游站点洪水流量及下游站点初始时刻水位相关的回归模型；

峰现历时回归模型的构建方法为：

计算各历史洪水子过程计算起涨点至洪峰的历时作为峰现历时；

设置系列百分比，计算各历史面降雨子过程总累积雨量，并与系列百分比相乘获得系列百分比累积雨量；

获取各历史面降雨子过程中累积雨量不小于且与系列百分比累积雨量最接近的系列连续降雨过程；

选择所述系列连续降雨过程中历时最短且最早出现的过程，分析该过程的累积雨量和历时与峰现历时的相关关系；

选取相关关系最大的连续降雨过程作为该历史洪水子过程的主降雨过程；

基于主降雨过程的累积雨量和总历时、历史洪水子过程的峰现历时，建立训练集和验证集，采用机器学习方法进行训练，构建峰现历时回归模型；

利用起涨点先验判定模型，基于预报目标站点的实时和预报面降雨子过程数据和相应的实时水位子过程数据，识别起涨点并修正得到计算起涨点；

利用洪峰水位回归模型，预报目标站点的洪峰水位；

利用峰现历时回归模型，识别实时和预报面降雨子过程数据中的主降雨过程数据，预报目标站点的峰现历时；

以计算起涨点为起始时刻，基于预报目标站点的预报洪峰水位和峰现历时、计算起涨点后的实时水位数据，计算预报目标站点的预报洪水上涨过程。

2.根据权利要求1所述的基于机器学习的平原河网地区洪水过程预报方法，其特征在于，所述采用连续无降雨划分方法，将历史面降雨过程数据、实时和预报面降雨过程数据，划分为历史面降雨子过程数据、实时和预报面降雨子过程数据具体包括：

将历史面降雨过程数据、实时和预报面降雨过程数据中连续24小时无降雨作为划分条件；

根据划分条件，将历史面降雨过程数据、实时和预报面降雨过程数据划分至少一个历史面降雨子过程数据、实时和预报面降雨子过程数据。