一种基于同步数据流压缩的径流实时预测方法

本发明属于水文水资源应用领域，更为具体地讲，涉及一种基于同步数据流压缩的径流实时预测方法。

背景技术：

1、水资源是人类社会发展所需要的最基础、最重要的自然资源，是人类社会经济和生态环境可持续发展中所需要的源泉和不竭动力。其中径流等淡水资源是水资源的重要构成，是人类日常所需的饮用水、生活用水和工业用水等的主要来源。同时，径流是流域水循环的重要环节，径流的演化规律是流域防汛防旱、流域水资源可持续开发、利用、规划与管理的重要依据。随着社会经济的快速发展，许多流域修建了大量的水利工程、交通工程等，同时城镇化率的不断提升、流域下垫面发生的显著变化，直接影响了流域的产汇流规律，以及蓄水、用水和耗水条件。在全球变暖背景下，各地气温也有不同程度的升高，不同地区的降水也呈现出或增或减的趋势性变化。此外，近些年来频繁出现的极端天气事件如干旱、暴雨洪水等对各个流域内的正常水循环产生了极大影响。干旱预测、洪水预警、洪峰流量预测等任务与工农业生产和人们生活息息相关。进行准确的径流预测对这些任务有重要意义与价值，也是实现变化环境下水资源管理、水资源优化配置和水资源可持续性开发利用、保障社会经济快速稳定发展等方面的重要科学支撑。

2、传统的径流模拟预测方法，多以静态数据的处理方式进行：首先，依据一定的历史数据率定给定的水文模型的参数；其次，通过使用校准模型对未来周期的径流进行相应预测。这种方式的前提假设是影响因子与径流之间的关系是相对稳定的。然而，由于气候变化和人类活动的影响，气候、人类活动和径流的关系常随时间不断地变化。如何在变化环境下对径流进行准确地模拟预测是当前水文水资源领域关注的热点问题。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于同步数据流压缩的径流实时预测方法，以实现对变化环境下的径流进行准确的预测。

2、为实现上述发明目的，本发明基于同步数据流压缩的径流实时预测方法，其特征在于，包括以下步骤：

3、(1)、收集研究流域内各个气象站点与径流密切相关的特征

4、(2)、数据预处理，统计各个站点收集到的数据，并对缺失值进行补全

5、(3)、初始化一个由一定条数历史径流影响因子与径流量记录组成的代表性样本数据集。

6、(4)、对于获取到的当前的径流影响因子的特征，在代表性样本集合当中找到距离最近的k个邻居，使用这k条记录构建lasso线性回归模型，并利用该模型对当前的径流进行预测。在获取到真实径流值之后，将该记录插入代表性样本集合当中。

7、(5)、动态数据集维护：当有新的待预测径流被预测且获取到该时刻的真实径流值之后，基于预测偏差对代表性样本数据集合中的样本权重进行更新。当预测相对误差小于一定阈值时，认为对该点的预测正确，参与预测的k个最近邻居数据的权重增加；反之，参与预测的k个最近邻居数据的权重降低。在每次更新完权重之后，将代表性样本集合当中权重较小的点移除掉。

8、如果代表性样本数据集规模超出指定大小，这里阈值大小可以根据运行系统的硬件能力确定，采用基于同步数据流压缩方法进行压缩：将每条影响因子记录视为特征向量空间的一点或一个对象，利用同步原理，模拟对象间的相互作用关系，最终使得相似的对象聚集在一个聚集点，利用该聚集点代替所有相似的径流影响因子记录，即该聚集点为一条径流影响因子记录，所有相似的径流影响因子记录的平均径流为该聚集点的真实径流值，删除所有相似的影响因子记录，以更新代表性样本数据集，从而达到压缩的目的。

9、由于气候变化及人类活动的不断变化，径流影响因子与径流的关系模式也会随之动态改变，导致当前径流模式可能与历史径流模式有很大不同。因此，在这种条件下，使用新来的径流影响因子记录进行径流的预测不能基于历史数据，需要进行概念漂移检测，从而维护代表当前径流影响因子与径流关系的动态数据集。

10、同时，采用基于统计控制过程的概念漂移检测方法，检测代表性样本数据集中的径流影响因子与径流的关系模式是否发生了演变；具体而言，对径流影响因子记录，动态维护并记录一个最近时间段内连续数据块内的预测误差，数据块的大小根据具体应用而定；对该数据块每条数据的预测误差lossi进行统计，计算出误差均值μ和标准差σ。如果当前时刻对径流的预测误差超过规定的阈值，则认为径流影响因子与径流的关系模式发生了演变，则清空代表性样本数据集，然后按照步骤(3)进行初始化，再按照步骤(4)进行径流预测。

11、本发明的目的是这样实现的。

12、本发明基于同步数据流压缩的径流实时检测方法，通过收集流域内与径流相关的影响因子特征，然后构建代表性样本数据集以及代表整体的数据，这样，通过与待预测样本最近的k条记录构建线性回归模型，并对待预测样本进行径流预测，提高了径流预测的准确性。同时，考虑到气候与人类活动的影响在不断的变化，使得径流影响因子与径流的关系模式在不断发生变化，本发明采用基于统计控制过程的概念漂移检测方法检测径流影响因子数据，看其是否发生了演变，如果发生了演变，则重新初始化一个数据集，这样进一步提高了预测的准确性。此外，本发明采用同步数据流压缩，降低了比较过程的计算量，从而实现了对径流实时的预测。

技术特征：

1.一种基于同步数据流压缩的径流实时预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的径流实时预测方法，其特征在于，步骤(4)中，所述的选取代表性样本集合进行径流的实时预测，和步骤(5)中，所述的对代表性样本集合进行动态数据集维护：

技术总结
本发明公开了一种基于同步数据流压缩的径流实时预测方法，首先通过收集流域内与径流相关的影响因子特征，然后构建代表性样本数据集以及代表整体的数据，这样，通过与待预测样本最近的K条记录构建线性回归模型，并对待预测样本进行径流预测，提高了径流预测的准确性。同时，考虑到气候与人类活动的影响在不断的变化，使得径流影响因子与径流的关系模式在不断发生变化，本发明采用基于统计控制过程的概念漂移检测方法检测径流影响因子数据，看其是否发生了演变，如果发生了演变，则重新初始化一个数据集，这样进一步提高了预测的准确性。此外，本发明采用同步数据流压缩，降低了比较过程的计算量，从而实现了对变化环境下径流的实时准确预测，为水资源管理利用提供了技术支持。

技术研发人员：杨勤丽,陈东子,邵俊明
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：
技术公布日：2024/1/15