[发明专利]渠道参数预测方法、装置、计算机设备及介质

说明书

本发明提供了一种渠道参数预测方法、装置、计算机设备及介质。其中，渠道参数预测方法，包括：获取渠道观测数据和多个当前渠道参数，并生成观测数据集合和当前渠道参数集合，当前渠道参数与渠道水流动力学模型中的模型参数相对应，渠道水流动力学模型用于表征渠道水流运动过程；根据观测数据集合、当前渠道参数集合和渠道水流动力学模型，利用集合卡尔曼滤波框架交替更新各当前渠道参数，得到渠道参数优化值。通过本发明，利用卡尔曼滤波框架交替更新渠道参数得到渠道参数优化值，提高渠道输配水参数同化过程中的稳定性和预测精度。

技术领域

本发明实施例涉及计算机领域，尤其涉及一种渠道参数预测方法、装置、计算机设备及介质。

背景技术

渠道是水量调度的重要载体，其主要物理参数包括糙率、入渗参数等。获取准确的参数值，提升水动力过程模拟仿真精度，从而实现输配水及排水工程合理设计，对水资源综合科学利用具有重要意义。糙率通常用来表征各类因素对水流运动阻力，入渗参数通常用来表征渠道的总体入渗能力，糙率和入渗参数均是不可直接观测的物理量，通常都是基于实测数据反演得到。

数据同化方法应用于渠道输配水参数的实时反演方法正在不断发展中。其中的集合卡尔曼滤波方法将模型状态变量和参数同时更新，当未知模型状态和参数的数量较多时，系统的自由度增加，使得参数同化过程中状态和参数产生突变而导致计算的不稳定性，同时降低预测精度。

发明内容

为提高渠道输配水参数同化过程中的稳定性和预测精度，本发明提出了一种渠道参数预测方法、装置、计算机设备及介质。

第一方面，本发明提供了一种渠道参数预测方法，方法包括：

获取渠道观测数据和多个当前渠道参数，并生成观测数据集合和当前渠道参数集合，当前渠道参数与渠道水流动力学模型中的模型参数相对应，渠道水流动力学模型用于表征渠道水流运动过程；

根据观测数据集合、当前渠道参数集合和渠道水流动力学模型，利用集合卡尔曼滤波框架交替更新各当前渠道参数，得到渠道参数优化值。

通过本方法，为避免传统的集合卡尔曼滤波方法中渠道状态变量和模型参数在同时更新后产生突变进而导致计算过程中的不稳定和低预测精度，在利用集合卡尔曼滤波框架时，分别交替更新渠道参数，在更新过程中每次对各参数逐个进行同化，不会导致模型状态变量发生突变，同时降低更新后各参数出现同化一致性的可能性，提高渠道输配水参数同化过程中的稳定性和预测精度。

结合第一方面，在第一方面的第一实施例中，生成观测数据集合和当前渠道参数集合，包括：

通过向观测数据和当前渠道参数分别添加高斯白噪声，生成观测数据集合和当前渠道参数集合。

结合第一方面，在第一方面的第二实施例中，利用集合卡尔曼滤波框架交替更新各当前渠道参数，包括：

在同一时刻对渠道参数中的每个渠道参数逐个进行更新。

通过上述实施例，在同一时刻对每个渠道参数逐个进行优化，相较于集合卡尔曼滤波方法中同时优化多个模型参数的方法，降低参数变量在同化时出现一致性问题的可能性，提高了参数优化精度。

结合第一方面的第二实施例，在第一方面的第三实施例中，根据观测数据集合、当前渠道参数集合和渠道水流动力学模型，利用集合卡尔曼滤波框架交替更新各当前渠道参数，得到渠道参数优化值，包括：

根据当前渠道参数集合生成渠道参数集合的预测值集合；

当有观测数据时，根据预测值集合得到渠道参数集合的分析值集合，分析值集合的均值即为渠道参数优化值。

结合第一方面或第一方面的第三实施例，在第一方面的第四实施例中，将渠道参数优化值作为当前渠道参数，返回获取渠道观测数据和多个当前渠道参数，并生成观测数据集合和当前渠道参数集合的步骤。