一种气象水文预报的方法及系统与流程

本技术涉及气象水文预报，具体涉及一种气象水文预报的方法及系统。

背景技术：

1、目前，流域的日流量是洪水调度、水电站水库运行方式制定、灾害预警的重要组成部分，对流域的日流量进行准确的预测可以实现水资源的高效利用，从而可以显著提高发电效益、减少洪旱灾害带来的损失。但由于流域内的水文过程涉及的影响因素众多，而传统的水文预报方式不考虑流域基准状态的影响，且降水预报往往采用wrf模式等较为单一的方案进行预报，导致预报结果不够准确。

技术实现思路

1、有鉴于此，本技术实施例提供一种气象水文预报的方法及系统。旨在提升水文预报的准确性。

2、本技术实施例第一方面提供了一种气象水文预报的方法，所述方法包括：

3、根据目标流域的气候数据，确定目标流域的降水预报数据序列；

4、将所述降水预报数据序列、目标流域前滞期的气象水文数据输入至目标水文预报模型进行处理，获得目标流域的流量预报数据序列；

5、将所述降水预报数据序列和所述流量预报数据序列与构建的三维数字模型进行叠加，以通过所述三维数字模型对目标流域的预报数据序列进行三维可视化显示。

6、可选的，根据目标流域的气候数据，确定目标流域的降水预报数据序列，包括：

7、通过天气预报模型的各种参数化方案对气候数据进行模拟，确定各种参数化方案下目标流域的初始降水预报数据序列；

8、通过参数化方案筛选算法对各种参数化方案下的初始降水预报数据序列进行计算，确定目标数量的代表性方案；

9、通过融合算法对各个代表性方案下目标流域当前日期的初始降水预报数据序列进行融合，获得目标流域的降水预报数据序列。

10、可选的，通过参数化方案筛选算法对各种参数化方案下的初始降水预报数据序列进行计算，确定目标数量的代表性方案，包括：

11、根据所有参数化方案的初始降水预报数据序列和实测降水数据序列，确定平均降水差值数据序列；

12、将距离所述平均降水差值数据序列最近的降水差值数据序列对应的参数化方案，确定为第一代表性方案；

13、将距离所述第一代表性方案的降水差值数据序列最远的降水差值数据序列对应的参数化方案，确定为第二代表性方案；

14、计算剩余的单个参数化方案的降水差值数据序列分别与各个代表性方案的降水差值数据序列的第一距离；

15、将所述剩余的单个参数化方案对应的所有第一距离中最小的第一距离确定为所述单个参数化方案的目标距离；

16、根据剩余的各个参数化方案的目标距离，确定最大的目标距离对应的参数化方案为下一个代表性方案，以获得目标数量的代表性方案。

17、可选的，通过融合算法对各个代表性方案下目标流域当前日期的初始降水预报数据序列进行融合，获得目标流域的降水预报数据序列，包括：

18、通过将各个代表性方案下目标流域当前日期的初始降水预报数据序列带入融合算法进行计算，获得目标流域的降水预报数据序列，融合算法的表达式为：

19、

20、其中，p[y(t)|o(t)]表示降水预报数据序列中第t天的降水预报数据，p[y(t)|fi(t),o(t)]表示第i个代表性方案下初始降水预报数据序列中的第t天初始降水预报数据，wi(t)表示第i个代表性方案下初始降水预报数据序列中的第t天对应的权重值，n表示代表性方案的总数。

21、可选的，将所述降水预报数据序列、目标流域前滞期的气象水文数据输入至目标水文预报模型进行处理，获得目标流域的流量预报数据序列，包括：

22、根据目标流域的目标气象水文数据类型的前滞期，将前滞期内的所述目标气象水文数据类型的气象水文数据输入至所述目标水文预报模型中的各个目标水文预报子模型；

23、根据所述降水预报数据序列中降水预报数据对应的预报时间，将所述降水预报数据输入至与所述预报时间对应的目标水文预报子模型；

24、根据输入数据，所述各个目标水文预报子模型预测获得各自对应的预报时间下的流量预报数据；

25、将所有目标水文预报子模型预测获得的所有流量预报数据，确定为目标流域的流量预报数据序列。

26、可选的，确定目标气象水文数据类型，包括：

27、确定从第一时刻开始目标流域的流量在第一时长内的第一月数据序列；

28、确定从第二时刻开始的气象水文数据类型在第一时长内的第二月数据序列，第二时刻为与第一时刻存在预设时长间隔，且位于第一时刻之前的时刻；

29、通过对所述第一月数据序列和第二月数据序列进行相关性计算，获得与所述预设时长间隔对应的相关性取值；

30、通过将所述气象水文数据类型在不同预设时长间隔下的相关性取值绝对值分别与设定阈值进行对比，获得对比结果；

31、在所述对比结果表征所有相关性取值绝对值中存在大于或等于设定阈值的相关性取值绝对值的情况下，将所述气象水文数据类型确定为目标气象水文数据类型。

32、可选的，确定目标气象水文数据类型的前滞期，包括：

33、确定流量与目标气象水文数据类型在不同预设时长间隔下的相关性取值绝对值中的最大相关性取值绝对值；

34、将所述最大相关性取值绝对值对应的预设时长间隔确定为所述目标气象水文数据类型的前滞期。

35、可选的，所述方法还包括：

36、将流量预报数据序列与丰水极值进行对比，获得第一对比结果；

37、根据所述第一对比结果，确定会发生洪水事件的目标预报时间，并进行对应的预警；

38、将流量预报数据序列与枯水极值进行对比，获得第二对比结果；

39、根据所述第二对比结果，确定会发生干旱事件的目标预报时间，并进行对应的预警。

40、可选的，气象水文数据类型包括：降水量、蒸发量、流量、土壤含水量。

41、可选的，所述目标水文预报模型为双向长短时记忆神经网络。

42、可选的，根据所述第一对比结果，确定会发生洪水事件的目标预报时间，并进行对应的预警，包括：

43、在第一对比结果为流量预报数据序列中存在流量预报数据大于或等于丰水极值的情况下，将大于或等于所述丰水极值的各个流量预报数据所对应的预报时间，确定为目标预报时间，进行对应的预警；

44、所述根据所述第二对比结果，确定会发生干旱事件的目标预报时间，并进行对应的预警，包括：

45、在第二对比结果为流量预报数据序列中一天的流量预报数据和该天之前的多天的日流量平均值小于枯水极值的情况下，确定该天为目标预报时间，进行对应的预警。

46、本技术实施例第二方面提供了一种气象水文预报的系统，所述系统包括降水预报模块、水文预报模块和本体数字模块；

47、所述降水预报模块，用于根据目标流域的气候数据，确定目标流域的降水预报数据序列；

48、所述水文预报模块，用于将所述降水预报数据序列、目标流域前滞期的气象水文数据输入至目标水文预报模型进行处理，获得目标流域的流量预报数据序列；

49、所述本体数字模块，用于将所述降水预报数据序列和所述流量预报数据序列与构建的三维数字模型进行叠加，以通过所述三维数字模型对目标流域的预报数据序列进行三维可视化显示。

50、可选的，所述本体数字模块包括：

51、流域数据模块，用于基于目标流域的地理数据，构建所述三维数字模型；

52、气象水文监测模块，用于监测获得目标流域的气象水文数据。

53、可选的，所述系统还包括数据交互模块和预警上报模块；

54、所述数据交互模块，用于存储气象水文数据，以及将预测获得的降水预报数据序列和流量预报数据序列发送至预警上报模块进行告警。

55、可选的，预警上报模块包括：

56、预报数据上报模块，用于对预测获得的降水预报数据序列和流量预报数据序列进行上报；

57、灾害预警模块，用于在对预测获得的流量预报数据序列进行分析确定存在灾害风险的情况下，进行预警。

58、可选的，所述系统还包括智能光储电源模块，所述智能光储电源模块包括太阳能充电控制模块、短信通讯模块、蓄电池和控制器模块；

59、所述太阳能充电控制模块，用于将太阳能电池板产生的电压转为蓄电池充电电压；

60、短信通讯模块，用于定时接收用户端发送的远程指令并进行回复；

61、蓄电池，用于进行电能存储和电能释放；

62、控制器模块，用于根据用户端的指令信息，检测蓄电池的电量存储状态，以及，用于控制所述太阳能充电控制模块和蓄电池之间的电能传输，以及用于控制智能电源的休眠和唤醒。

63、本技术提供的一种气象水文预报的方法具有以下优点：

64、本技术实施例提供的一种气象水文预报的方法，首先根据目标流域的气候数据，确定目标流域的降水预报数据序列；将降水预报数据序列、目标流域前滞期的气象水文数据输入至目标水文预报模型进行处理，获得目标流域的流量预报数据序列；将降水预报数据序列和流量预报数据序列与构建的三维数字模型进行叠加，以通过三维数字模型对目标流域的预报数据序列进行三维可视化显示。由此，本技术首先预测目标流域在未来多天的降水预报数据，以此组成降水预报数据序列，然后基于预测获得的降水预报数据序列和当前过去一段时间的气象水文数据来预测目标流域未来多天的流量预报数据，在此流量预测过程中同时考虑了降水预报数据和过去一段时间的气象水文数据，因此可以有效提升对水文预报的准确性。