基于水面线预测的库区淹没预报调度方法及系统与流程

本技术涉及库区淹没预报调度方法，尤其是一种基于水面线预测的库区淹没预报调度方法及系统。

背景技术：

1、统筹好上下游的防洪目标，在实施防洪调度减轻中下游防洪压力的同时，确保库区人民的生命财产安全。在实际调度中，水库调度面临复杂来水条件，涉及跨地域、跨部门、多目标的问题，如何及时计算水面线、准确评估库区土地线、移民线的淹没风险，避免可能的灾害损失，有助于在水库优化调度的同时尽可能降低对库区回水淹没影响，对提升库区学调度水平，充分发挥水库综合效益，及时响应社会关切问题均意义重大。

技术实现思路

1、本技术实施例的目的在于提供一种基于水面线预测的库区淹没预报调度方法及系统，能及时计算水面线、准确评估库区土地线、移民线的淹没风险，避免可能的灾害损失，有助于在水库优化调度的同时尽可能降低对库区回水淹没影响，能够提升库区科学调度水平，充分发挥水库综合效益。

2、为实现上述目的，本技术提供如下技术方案：

3、第一方面，本技术实施例提供一种基于水面线预测的库区淹没预报调度方法，包括如下步骤：

4、步骤s1、收集库区各个水位站点的高程系统资料，得到坐标系预选集合，对坐标系预选集合进行筛选，得到标准坐标系，收集库区水位站点主汛期与蓄水期发生洪水时的实测数据，将收集到的实测数据通过标准坐标系进行转化，得到坐标系统一的本底数据库；

5、步骤s2、构建库区水面线动态预测模型，率定模型参数，检验水面线动态预测模型模拟精度；

6、步骤s3、从本底数据库中提取库区上游来水、区间降雨、下游水位和坝前初始水位数据，将提取出的库区上游来水、区间降雨、下游水位和坝前初始水位数据进行四维联合概率分布，随机抽样获取预定m个情景，m为自然数；

7、步骤s4、构建库区淹没预报优化调度模型，并耦合水面线动态预测模型，输入获取的海量情景进行模拟计算与求解，获得海量情景下库区淹没预报调度方案样本集；

8、步骤s5、基于不同情景下库区淹没预报调度方案样本，提炼最优调度策略的规律性信息，制定库区淹没预报调度规则。

9、所述步骤s1进一步为：

10、步骤s11、收集库区各个水位站点的高程系统资料，得到库区各个水位站点的高程坐标系，将得到的所有高程坐标系整理得到坐标系预选集合；

11、步骤s12、从坐标系预选集合中筛选出一个基本坐标系，将其他坐标系通过转换矩阵与筛选出的基本坐标系结合，得到标准坐标系；

12、步骤s13、收集库区水位站点主汛期与蓄水期发生洪水时的实测数据，将收集到的实测数据通过标准坐标系进行转化，得到坐标系统一的本底数据库。

13、所述步骤s2进一步为：

14、步骤s21、针对每一库区构建库区水面线动态预测模型，包括产汇流模型以及库区水面线计算模型，并采集当前坝前水位数据；

15、步骤s22、收集建库以来的水雨情和调度工况情况，并以此为边界，率定模型参数，输入提取的发生洪水时库区上游来水、区间降雨、下游水位、坝前初始水位数据以及库区调度情况，模拟计算得到水面线变化数据，记为仿真值，将模拟计算得到的水面线变化数据与从本底数据库中提取的水面线变化数据进行对比，检验水面线模拟精度。

16、所述步骤s21进一步为：

17、步骤s21a、收集最新的库区地形测量数据以及库区沿线支流来水特性，基于所收集的库区地形测量数据和库区沿线支流来水特性构建半分布式新安江模型，将其用来计算产汇流过程，记为产汇流模型；

18、步骤s21b、选用cjh模型构建库区水面线计算模型；

19、步骤s21c、将产汇流模型与库区水面线计算模型进行耦合，得到库区水面线动态预测模型。

20、所述步骤s3进一步为：

21、步骤s31、分别拟合上游来水、区间降雨、下游水位和坝前初始水位的边际分布，并对拟合效果进行交叉检验，选取拟合度最高的分布分别作为上游来水、区间降雨、下游水位和坝前初始水位的边际分布，并采用极大似然估计方法确定所选分布的参数；

22、步骤s32、采用kendall相关系数、spearman相关系数、pearson相关系数交叉验证上游来水、区间降雨、下游水位和坝前初始水位分析边缘函数间相关性，分析建立联合概率分布函数的置信水平；

23、步骤s33、构建上游来水、区间降雨、下游水位和坝前初始水位的最优copula函数；

24、步骤s34、采用dream-a算法以上游来水、区间降雨、下游水位和坝前初始水位四维联合概率分布为先验分布，对其组合进行随机抽样，获得m个情景，m为自然数。

25、所述步骤s33进一步为：

26、步骤s33a、采用clayton copula、gumbel-hougaard copula、frank copula、t-copula、guassian copula五种分布函数来构建上游来水、区间降雨、下游水位和坝前初始水位的四维联合概率分布，并采用极大似然估计确定相应的参数；

27、步骤s33b、在确定五种copula函数的参数值后，分别计算各自的理论联合概率值，计算上游来水、区间降雨、下游水位和坝前初始水位的经验联合概率值，将计算得到的理论联合概率值与经验联合概率值绘制散点图，对五种copula函数的拟合效果图进行比较，通过直观的比较理论联合概率值和经验联合概率值的拟合的优劣程度；

28、步骤s33c、对cupula函数进行初步拟合优度评价；同时，基于经验copula函数，考察五种分布函数的均方根误差rmse，最终确定最优copula函数。

29、所述步骤s4进一步为：

30、步骤s41、按上游来水、区间降雨、下游水位、坝前初始水位的超越概率对获得的m个情景进行分类；

31、步骤s42、针对每一类情景设置库区淹没预报调度的整体优化目标，以目标函数的形式表达，并以移民迁移线、移民迁建线、土地征用线作为基本约束条件；

32、步骤s43、针对每一类情景分别设置库区淹没预报调度运行模块中的目标函数，并以库区淹没调度自身特征参数值设置相应的约束条件；

33、步骤s44、以m个情景为输入，对库区淹没预报优化调度模型进行模拟计算，并耦合水面线动态预测模型对库区淹没预报优化调度模型迭代求解，获得m个情景下库区淹没预报优化调度方案样本集。

34、所述步骤s44进一步为：

35、步骤s44a、以m个情景为驱动，对整体模拟模型进行模拟计算，模拟结果作为库区淹没预报优化调度模型的输入，驱动优化调度模型；

36、步骤s44b、采用多种多目标遗传算法nsga-ⅱ、svr-nsga-ii、nsga-ⅱ、constrained nsga-iii、ensga-iii、rvea对构建起的库区淹没预报优化调度模型联合求解，获得非劣解集合；

37、步骤s44c、采用理想点法、模糊优选法、模糊物元法对非劣解集联合决策，优选出库区淹没预报优化调度模型最优解；

38、步骤s44d、采集最优解对应的调度方案作为本次情景下的调度方案样本。

39、所述步骤s5进一步为：

40、步骤s51、设置决策变量和状态变量，状态变量包括上游来水、区间降雨、下游水位、坝前初始水位、水面线，决策变量包括移民迁移线、移民迁建线、土地征用线；

41、步骤s52、构建用于提取库区淹没预报调度规则的bp人工神经网络模型，并采用bp人工神经网络模型从优化调度方案样本集中提取库区淹没预报调度规则，获得最终调度规则；

42、所述步骤s52进一步为：

43、步骤s52a、根据状态变量设置bp人工神经网络的输入层，根据决策变量设置bp人工神经网络的输出层，隐含层数选定为1，采用robert hecht-nielsen公式给定隐含层节点数的初值，激励函数选取sigmoid函数，自适应学习效率初值取a，a为0到1的正数，构建水工程集群多目标调度规则提取的bp人工神经网络；

44、步骤s52b、将m个情景与对应的优化调度方案样本整理成bp神经网络的训练、校验样本，为提高网络的训练效率，将样本输入系列和输出系列进行归一化处理；

45、步骤s52c、将前三分之二的样本用作bp人工神经网络训练，后三分之一的样本用作bp人工神经网络校验，调整bp人工神经网络参数直至训练和校验阶段模拟结果与实际结果结果满足相关性大于0.7，纳什效率系数大于0.6；

46、步骤s52d、采用训练和校验好的bp人工神经网络训练，基于不同情景下优化调度方案样本，提取库区淹没预报调度规则。

47、第二方面，本技术实施例提供一种基于水面线预测的库区淹没预报调度系统，包括：

48、至少一个处理器；以及

49、与至少一个所述处理器通信连接的存储器；其中，

50、所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现如上所述的基于水面线预测的库区淹没预报调度方法。

51、与现有技术相比，本发明的有益效果是：

52、本技术采用基于水面线预测的库区淹没预报调度方法，解决目前存在的上述问题，在水库优化调度的同时尽可能降低对库区回水淹没影响，提升科学调度水平，充分发挥水库综合效益。