一种引水渠道水温迭代预测方法与流程

本发明涉及水温预测领域，尤其涉及一种引水渠道水温迭代预测方法。

背景技术：

水温是渠道冰情发展的重要热力因素，影响着渠道冰情的生消演变。冬季水温降到0℃后进一步的冷却致水体处于过冷却状态，水体结冰；春季水温回升，冰层逐渐解体至完全消融。因此，冬季水温的变化对渠道冰情的发展有着至关重要的作用，通过精准预测水温，提前预判冰情发展情况，可以保证冬季渠道输水的安全运行。

目前，行业技术人员致力于开展冬季水温的变化分析和预测研究工作，以获得冰情的演化规律，防止冰害等对工程的影响。通常采取理论研究或人工智能方法，其涉及的理论繁杂、多参数难以确定，以至于实用价值不高或预测精度不够。所以，提出简捷实用的水温预测模型，能够对渠道冬季水温进行高精度预测，以更好地为冰情预报服务，成为亟待解决的问题。

技术实现要素：

本发明提供一种引水渠道水温迭代预测方法，用以解决现有水温预测方法涉及理论繁杂导致构建的水温预测模型复杂的问题，以及，多参数参与预测导致预测结果易受某一参数变化左右导致预测不准确的问题。

为了实现上述目的，本发明技术方案提供了一种引水渠道水温迭代预测方法，包括：获取水体从初始断面运动至目标断面后的热量差；根据热量差得到水体的热量散失表达式，热量散失表达式中包括水面温度、断面温度、平均气温；

根据热量散失表达式构建迭代法水温预测模型：

其中，为第n+i日水体断面的预测水温；为第n日水体断面的实测水温；为天气预报第n+i日的最低气温；为天气预报第n+i日的气温极差；i为自然数。

作为上述技术方案的优选，较佳的，根据断面温度获取水体从初始断面运动至目标断面后的热量差：其中，c为水体的比热容，j/(kg·℃)；ρ为水体密度，kg/m³；v为水体流速，m/s；b为过流断面的水面宽度，m；h为过流断面的水深，m；为第n日水体在初始运动断面的温度，℃；为第n+i日水体运动到达目标断面的温度，℃。

作为上述技术方案的优选，较佳的，仅考虑水体与大气的热量交换，在获取热量差之前，获取水体表面的接触热交换数值qα、蒸发热交换数值qβ和辐射散热数值qy：

α为接触传热系数，w/m²；为水面平均温度，℃；为平均气温，℃；a为水体与空气的接触/蒸发面积，m²；β为蒸发系数，mm/(d×hpa)；γw为水的汽化潜热，j/kg；ρ为水的密度，kg/m³；ps为水面水体温度相应的蒸汽压力，hpa；pα为水面上1.5m处的空气蒸汽压力，hpa；a为水体的蒸发面积，m²；ε为水面辐射系数，0.97；σ为stafan-boltzman常数，5.67×10^-8w/(m²·℃⁴)。

作为上述技术方案的优选，较佳的，根据所述热量差得到所述水体的热量散失表达式：

根据波温比能够得到：

则得到热量散失表达式：

其中，f(δ)为包含qy中部分热量的热量变化。

作为上述技术方案的优选，较佳的，构建以最低气温和气温极差为参数因子的平均气温表达式：为水温预测期间的平均气温，为预测日的最低气温，为预测日的气温极差。

作为上述技术方案的优选，较佳的，构建以水体初始断面温度和目标断面温度为参数因子的水面温度表达式：为水体运动期间水面的平均温度，为第n日水体的断面温度，为第n+i日水体的断面温度。

作为上述技术方案的优选，较佳的，根据运动至目标断面的热量差、热量散失表达式、平均气温表达式和所述水面温度表达式构建所述水体热量平衡表达式：

式中包含第n日水体断面温度、第n+i日水体断面温度、第n+i日最低气温和第n+i日气温极差4个参数因子。

作为上述技术方案的优选，较佳的，利用回归分析法结合水体热量平衡表达式构建以第n日的实测断面水温、天气预报第n+i日的最低气温和气温极差为参数因子的水温预测迭代方程：

作为上述技术方案的优选，较佳的，获取修正三系数：获取在最低气温和气温极差保持不变的条件下，实测水温变化一个单位，预测水温将平均发生x大小的变动；获取在实测水温和气温极差保持不变的条件下，最低气温变化一个单位，预测水温将平均发生y大小的变动；获取在实测水温和最低气温保持不变的条件下，气温极差变化一个单位，预测的水温将平均发生z大小的变动；x、y、z的值随着数据容量的增加趋于稳定。

作为上述技术方案的优选，较佳的，第n日实测水温这一参数因子具体为迭代变量，能够实现对水温的迭代预测。

本发明技术方案提供了一种引水渠道水温迭代预测方法，获取水体从初始断面运动至目标断面后的热量差，根据热量差得到水体的热量散失表达式。根据热量散失表达式构建迭代法水温预测模型，并使用此模型进行水温预测。

本发明的优点是：水温迭代预测方法科学高效，采用回归分析和迭代预测相结合的方式实现渠道冬季水温短期预测。本模型选取的最低气温和气温极差参数数据，可以利用天气预报数据直接获取，实用性强，能够为冰情预测提供准确信息。由于采用的参数简捷且易获得，减少预测过程中由于参数变化对预测结果的干扰，提升预测效率。本发明提供的预测模型中的修正三系数能够随着数据量的增大不断校准，使模型预测精度更高，预测结果更加准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的模型构建过程的流程图。

图2是某渠道建立的冬季水温预测模型实测水温与预测水温的时间变化趋势图。

图3为采用本发明提供的水温预测模型对某渠道水温预测值和实测值进行回归分析的评估结果图。

图4为基于图3中所示模型残差数据得到的残差散点图。

图5为基于图3中所示模型残差数据得到的残差分布直方图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的流程示意图，如图1所示：

忽略水体与大地的热量交换，只考虑水体与大气的热量交换：

步骤101、计算水体表面的接触热交换数值。

其中，α为接触传热系数，w/m²；为水面平均温度，℃；为平均气温，℃；a为水体与空气的接触/蒸发面积，m²。

步骤102、计算水体的蒸发热交换数值。

qβ＝1.157×10^-8βγwρ(ps-pα)a(2)

其中，β为蒸发系数，mm/(d×hpa)；γw为水的汽化潜热，j/kg；ρ为水的密度，kg/m³；ps为水面水体温度相应的蒸汽压力，hpa；pα为水面上1.5m处的空气蒸汽压力，hpa；a为水体的蒸发面积，m²。

步骤103、计算水体的辐射散热数值。

其中，qγ为辐射散热值，ε为水面辐射系数，0.97；σ为stafan-boltzman常数，5.67×10^-8w/(m²·℃⁴)。

步骤104、根据断面温度获取水体在运动过程中的热量差。

具体的，根据测量的断面温度获取水体从初始断面运动至目标断面后的热量差δq。

其中，c为水体的比热容，j/(kg·℃)；ρ为水体密度，kg/m³；v为水体流速，m/s；b为过流断面的水面宽度，m；h为过流断面的水深，m；为第n日水体在初始运动断面的温度，℃；为第n+i日水体运动到达目标断面的温度，℃。

步骤105、构建水体的热量散失表达式。

具体的，水体在运动过程中产生的热量散失即为水体与大气的热交换，包括接触热交换、蒸发热交换和辐射散热。

所以能够得到，δq＝qα+qβ+qγ(5)

由于，波温比：

其中，c2为经验系数；为水面平均温度，℃；为平均气温，℃；ps″为水面水体温度相应的蒸汽压力，hpa；pα为水面上1.5m处的空气蒸汽压力，hpa；p为大气压强，hpa。

进一步得到：

从而得到热量散失表达式：

其中，f(δ)为包含qγ中部分热量的热量变化。

步骤106、构建平均气温表达式。

其中，为水温预测期间的平均气温，为预测日的最低气温，为预测日的气温极差。

由于在日常天气预报中，通常使用的预报参数是气温，对于其他气象参数(如太阳辐射、风速风向、大气压力、相对湿度等)的预报数据通常难以获取。大气与水体的热交换，影响着水温的变化，究其原因，主要是太阳辐射强度的变化引起其它一系列因素的变化。冬季水温变化的直接原因是气象因素起主导作用，气象变化的直接原因又是太阳辐射强度，由于地球的自转引起的白天、黑夜现象，使得太阳辐射强度在数学意义上成了间断函数。在夜间，太阳辐射强度维持在非常低的水平(接近0)，但在此期间，气温和水温均有比较大的变化，与太阳辐射强度相关性、规律性不强。

经过对水温、气温、太阳辐射强度、地温、风速、气压、相对湿度、水深、流速、流量等影响因子进行数理统计分析发现，气温和地温对水温的变化影响显著。其中气温受到太阳辐射和地温综合影响，同时在日常天气预报中，日最高气温和日最低气温是常规的预报参数，日平均气温可以用日最高气温和日最低气温表示。同时考虑到本模型主要用于冬季水温预测，所以最低气温和降温幅度对水温的影响是关键因素，因此采用“最低气温”和“气温极差”(最高气温与最低气温之差)这两个能够明确反映冬季寒冷强度的因子作为模型主要的参数，也间接地考虑了太阳辐射和地温的影响。

步骤107、构建水面温度表达式。

其中，为水体运动期间水面的平均温度，为第n日水体的断面温度，为第n+i日水体的断面温度。

由于负积温的变化对水温和冰情影响巨大，它是用来表示冬季寒冷的强度和持续程度的非常重要的气象因子。在构建水温预测模型中，需考虑到负积温这一因素。当前水温是受到各气象因素和水力因素以及负积温因素的综合影响的结果，因此，将历史实测水温作为另一重要参数因子构建水面温度表达式并引入模型中，能够将所有影响因素综合对水温的作用结果直接体现。

步骤108、构建水体热量平衡表达式。

具体的，根据步骤104-步骤105中的热量差表达式和热量散失表达式构建水体热量平衡表达式：

根据公式(1)至公式(6)，可知水温的变化受到多重因素的影响，包括气象因素(气温、太阳辐射强度、地温、风速、风向、气压、相对湿度)和水力条件(水深、流速、流量)等，这些因子均对渠道水温的变化起着不同程度的作用。然而在水体运动期间，这些因素都是随着时间和空间变化的函数，故该热量平衡方程(公式11)仅能采用数值法进行求解。

再根据步骤106-步骤107中的平均气温表达式和水面温度表达式，将水体热量平衡表达式表示为：

式(12)中包含第n日水体断面温度、第n+i日水体断面温度、第n+i日最低气温和第n+i日气温极差4个参数因子。

步骤109、构建水温迭代预测模型。

本步骤中利用回归分析方法结合上述水体热量平衡表达式构建以第n日的实测断面水温、天气预报第n+i日的最低气温和气温极差为参数因子的水温预测迭代方程。

其中，为第n+i日水体断面的预测水温；为第n日水体断面的实测水温；为天气预报第n+i日的最低气温；为天气预报第n+i日的气温极差；i为自然数。为了保证模型精度，通常i≤14，但作为模型预测来说，i可以为任一自然数，代表未来任意天的水温均可依据天气预报来计算获取。所以，i≤14是满足天气预报精度要求下的一般条件，不是模型适用的条件。第n日的实测水温(相当寸)这一参数因子，为本模型中的迭代变量，采用此迭代变量对未来冬季水温进行短期预测。具体的，利用本水温预测模型预测得出第n+i日水温值，将该值作为下一预测周期水温预测模型的“实测水温”参数，进而预测下一周期的水温值，以此类推，不断利用预测水温作为旧值递推新值，实现水温的迭代预测。

具体的，现以n取1，i取6为例对本水温迭代预测方法的预测周期进行说明：根据式(13)，原则上可以预测7日内的水温。采用近6日水体断面实测水温、7日天气预报的最低气温和气温极差作为参数因子，进一步假设得到第2日至第7日内的水温预测数值为t2，t3，......，t7。根据第2日至第7日的水温进行下一周期的预测，可以预测第8日至第13日的水温：分别采用第2日至第7日的水温预测值t2，t3，......，t7作为实测水温、再利用15日天气预报的第8日至第13日的最低气温和气温极差作为参数因子，从而得到第8日至第13日的水温预测值。

本发明提供的迭代预测方法去掉时间变量的影响，可实现不断利用预测水温作为旧值递推新值，实现水温的迭代预测，达到高效预测的效果，提升了预测精准度。

步骤110、对水温预测模型中的各系数给予修正。

利用补充和延展的数据，对模型中x，y，z系数进行修正。

获取在最低气温和气温极差保持不变的条件下，实测水温变化一个单位，预测水温将平均发生x大小的变动；获取在实测水温和气温极差保持不变的条件下，最低气温变化一个单位，预测水温将平均发生y大小的变动；获取在实测水温和最低气温保持不变的条件下，气温极差变化一个单位，预测的水温将平均发生z大小的变动。

随着数据容量的增加，x、y、z的值具有渐近无偏性、渐近有效性和一致性的特性。

上述模型具有明确的物理意义，水温预测值受历史水温的影响，实际上包括了近期低温的强度和历史变化状况，间接地反映了气象和水力各因素，以及负积温对水温的综合影响。另外两个参数“最低气温”和“气温极差”分别反映了预测日的寒冷强度和气温变化幅度。步骤109中模型的三个预测参数是日常生活中较易获取的气象数据和运行数据，只要获取了某部位的水温观测值，再结合天气预报数据，即可高效地预测水温，特别是当寒潮来临时，这种预测结果对运行调度具有很高的实用价值。

图2是某渠道建立的冬季水温预测模型实测水温与预测水温的时间变化趋势图。利用2016～2020年度四个冬季水温观测数据建立模型，利用预测模型分别计算2016～2017年度、2017～2018年度、2018～2019年度、2019～2020年度的水温预测结果，进而分析水温观测值与预测值的时间变化趋势的一致性。图2为任意选取的其中两个年度(2016～2017和2018～2019年度)的分析结果：可知预测值紧贴在观测值附近，对于每次实测水温的趋势变化(水温升高或降低)，该模型均能及时捕捉；且对于每个变化趋势的转换点位置，预测值与观测值也有较好的符合性。

图3为采用本发明提供的水温预测模型对某渠道水温预测值和实测值进行回归分析的评估结果图。利用2016～2020年度四个冬季渠道水温的观测值，和基于观测值及本发明提供水温迭代模型得到的预测值综合绘制散点图，对预测水温值与实测水温值进行回归分析，评估模型对捕捉数据变化趋势的敏感性：可知利用该水温预测模型进行预测的水温结果和实际观测水温值的回归效果是非常显著的，水温观测值和预测值呈线性变化，拟合二者的关系曲线y＝1.0026x-0.0084，预测值和实际值的相关系骜二者趋势的符合性极度一致。

通过图2和图3分析，说明本发明提供的预测模型能够较灵敏地捕捉到数据的变化趋势。

图4和图5为该模型残差的散点图和分布图检验实例。图4和5所示是基于图3所示的结果，通过分析水温预测模型在2016～2020年度四个冬季渠道水温的预测值与观测值的残差的分布情况，验证模型的合理性及评价模型的预测精度：得出无论水温观测值的大小如何变化，残差均围绕y＝0上下浮动，呈水平带状分布；残差分布直方图中间高，两边低，满足正态分布；该模型的均方根误差(rmse)为0.225；残差值分布在【-0.25，0.25】区间的频率为81.7％；残差值分布在【-0.30，0.30】区间的频率为86.2％；残差值分布在【-0.50，0.50】区间的频率为97.4％。

通过图4和图5分析，证明本发明提供的预测模型合理，预测效果准确。

本发明提供的预测模型参数因子选取简捷，易获取，数据无需复杂计算，便于计算机编程，预测精度高，能够预测短期水温变化，有助于提前预判冰情发展情况，保证冬季渠道正常输水和安全运行。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。