[发明专利]一种基于深度学习和物理模型的河湖生态流量预报预警方法

权利要求书

1.一种基于深度学习和物理模型的河湖生态流量预报预警方法，其特征在于，包含以下步骤：

1)获得历史河湖断面日尺度径流数据，对河湖生态流量进行核定，获得生态流量核定值；

2)根据生态流量核定值确定生态流量控制断面预警阈值并划分预警等级；

3)获得历史流域内降水和蒸发日尺度数据，将河湖断面日尺度径流数据根据预警阈值确定相应的预警等级，通过深度学习XGBoost模型，以降水和蒸发数据作为输入，以生态流量预警等级作为输出,得到生态流量预警预报模型；

4)利用生态流量预警预报模型对生态流量等级进行预测，当预报结果显示预警信息时，通过增加上游水库出库流量进行调控，并采用物理模型计算断面流量，以判断调控方案是否可行。

2.根据权利要求1所述的基于深度学习和物理模型的河湖生态流量预报预警方法，其特征在于，步骤1)中对河湖生态流量进行核定的方法具体是：采用逐月最小生态流量法和流量历时曲线法分别计算河湖断面的生态流量，取二者的平均值作为生态流量核定值；所述的逐月最小生态流量法取天然月均流量系列中逐月流量系列的最小值作为河湖断面的生态流量，所述的流量历时曲线法选取95％历时点流量作为河湖断面的生态流量。

3.根据权利要求1所述的基于深度学习和物理模型的河湖生态流量预报预警方法，其特征在于，步骤2)中所述的预警阈值为生态流量核定值的120％～110％、110％～100％和小于100％，分别对应预警等级为蓝色、黄色和红色预警。

4.根据权利要求1所述的基于深度学习和物理模型的河湖生态流量预报预警方法，其特征在于，步骤3)中在训练模型时，选用主成分分析法，将前期3天的实测降雨和蒸发作为模型的输入因子，生态流量预警信息为模型输出值。

5.根据权利要求1所述的基于深度学习和物理模型的河湖生态流量预报预警方法，其特征在于，步骤4)中所述的物理模型采用新安江模型。