本发明涉及一种水位流量关系影响因素的识别方法、存储介质及计算机设备,属于水文测验。
背景技术:
1、水位流量关系是指河道中的某一断面的流量与相应水位之间的关系。水位流量关系是由各种水力因素决定的,可由圣维南方程组描述。完整的圣维南方程无解析解,河道水位流量关系仅能通过简化函数式、经验曲线或其他间接映射关系描述。天然河流中的水位与流量之间有时呈稳定的单值函数关系,有时受多种因素影响,如洪水涨落、变动回水等,呈绳套曲线关系。
2、水位流量关系是水文资料整编的关键,其精度与合理性直接影响着水文资料整编的可靠性,目前,绘制水位流量关系主要由水文专家结合测站特性、水情情况、水位落差等信息绘制,其主要依赖于水文专家的水文学识与经验,准确性较低。同时水位流量关系的绘制一般要结合整个洪水涨落过程、上下游洪水过程等,一般在年底才能最终确定,时效性较差。
技术实现思路
1、本发明目的在于克服现有技术中的不足,提供一种水位流量关系影响因素的识别方法、存储介质及计算机设备,基于svm模型对大量数据的学习,自动提取特征和关联规律,对当前时刻的水位流量关系影响因素进行分类识别处理,能够更快速、更准确地实现水位流量关系影响因素的实时识别与分类,可以提高水位流量关系曲线的准确性和适用性。
2、为达到上述目的,本发明是采用下述技术方案实现的:
3、第一方面,本发明提供了一种水位流量关系影响因素的识别方法,包括:
4、获取目标站点和上下游相邻站点的当前时刻和前两个时刻的水位流量数据;
5、将所述当前时刻和前两个时刻的水位流量数据进行预处理,得到预处理结果;所述预处理结果包括:目标站点当前时刻的水位、涨落率和单一曲线相对误差,以及上下游相邻站点的水位;
6、利用训练好的svm模型,基于所述预处理结果对当前时刻的水位流量关系影响因素进行分类识别处理,获取当前时刻水位流量关系影响因素的识别结果。
7、可选的,得到目标站点当前时刻的涨落率的方法,包括:
8、基于所述当前时刻和前两个时刻的水位流量数据,获取目标站点当前时刻和前一时刻的水位数据;
9、对所述目标站点当前时刻和前一时刻的水位数据,进行线性拟合,得到目标站点当前时刻的涨落率。
10、可选的,得到目标站点当前时刻单一曲线相对误差的方法,包括:
11、基于所述当前时刻和前两个时刻的水位流量数据,获取当前时刻和前两个时刻目标站点水位的相关数据,所述相关数据包括lnz(t)、(lnz(t))2、(lnz(t))3;
12、基于所述当前时刻和前两个时刻的水位流量数据,计算当前时刻和前两个时刻的目标站点分别与上下游相邻站点的水位差;
13、将当前时刻和前两个时刻目标站点水位的相关数据和目标站点分别与上下游相邻站点的水位差,输入训练好的lstm模型,得到当前时刻的计算流量qt;
14、将当前时刻和前两个时刻目标站点水位的相关数据,输入训练好的lstm模型得到当前时刻的单一曲线流量q0;
15、基于当前时刻的计算流量qt和单一曲线流量q0,计算当前时刻单一曲线相对误差。
16、可选的,所述计算当前时刻单一曲线相对误差s的公式如下:
17、
18、其中:qt为当前时刻的计算流量,q0为当前时刻的单一曲线流量。
19、可选的,所述训练好的lstm模型的获取方法包括:
20、获取一段时间内目标站点和上下游相邻站点的水位流量数据;
21、基于所述一段时间内目标站点和上下游相邻站点的水位流量数据,获取各时刻目标站点水位z(t)的相关数据;
22、基于所述一段时间内目标站点和上下游相邻站点的水位流量数据,计算各时刻目标站点分别与上下游相邻站点的水位差δz(t);
23、获取实测流量q(t);
24、基于实测流量q(t)、目标站点水位z(t)的相关数据和水位差δz(t),对lstm模型进行训练,得到训练好的lstm。
25、可选的,所述训练好的svm模型的获取方法,包括:
26、获取三年内目标站点和上下游相邻站点的水位流量数据;
27、基于三年内目标站点和上下游相邻站点的水位流量数据,确定目标站点的每一时刻的涨落率;
28、基于三年内目标站点和上下游相邻站点的水位流量数据,将三年内目标站点的水位流量数据进行多项式拟合得到单一曲线,并计算每一时刻单一曲线相对误差;
29、基于所述目标站点的每一时刻的涨落率和每一时刻单一曲线相对误差,对每一时刻水位流量关系影响因素进行分类识别处理,获取每一时刻水位流量关系影响因素;
30、将三年内每一时刻目标站点和上下游相邻站点的水位、目标站点的每一时刻的涨落率与每一时刻单一曲线相对误差作为输入特征,每一时刻水位流量关系影响因素作为标签,划分训练集和测试集后,输入svm模型进行训练,获取训练好的svm模型。
31、可选的,所述对每一时刻水位流量关系影响因素进行分类识别处理,包括:
32、设置阈值t;
33、将单一曲线相对误差小于阈值t的时刻分为稳定关系段,所述稳定关系段不受洪水涨落和变动回水影响;
34、对于单一曲线相对误差大于阈值t的时刻,将目标站点流量大于单一曲线对应流量,且涨落率为正的时刻分为洪水涨落涨水段;将目标站点流量小于单一曲线对应流量,且涨落率为负的时刻分为洪水涨落落水段;将目标站点流量小于单一曲线对应流量,且涨落率为正的时刻分为变动回水涨水段;将目标站点流量大于单一曲线对应流量,且涨落率为负的时刻分为变动回水落水段。
35、可选的,利用训练好的svm模型,基于所述预处理结果对当前时刻的水位流量关系影响因素进行分类识别处理,获取当前时刻水位流量关系影响因素的识别结果,包括:
36、将目标站点当前时刻的水位、涨落率和单一曲线相对误差,以及上下游相邻站点的水位输入训练好的svm模型;
37、基于所述对每一时刻水位流量关系影响因素进行分类识别处理的过程,对当前时刻的水位流量关系影响因素进行分类识别处理,获取当前时刻水位流量关系影响因素的识别结果。
38、第二方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现第一方面所述的水位流量关系影响因素的识别方法的步骤。
39、第三方面,本发明提供了一种计算机设备,其特征在于,包括:
40、存储器,用于存储指令;
41、处理器,用于执行所述指令,使得所述设备执行实现第一方面所述的水位流量关系影响因素的识别方法。
42、与现有技术相比,本发明所达到的有益效果:
43、本发明提出一种水位流量关系影响因素的识别方法、存储介质及计算机设备,基于svm模型对大量数据的学习,自动提取特征和关联规律,对当前时刻的水位流量关系影响因素进行分类识别处理,能够更快速、更准确地实现水位流量关系影响因素的实时识别与分类,可以提高水位流量关系曲线的准确性和适用性。