一种多模式山洪灾害现地预警阈值动态划定方法及系统与流程

本发明涉及山洪灾害预警领域，尤其涉及一种多模式山洪灾害现地预警阈值动态划定方法及系统。

背景技术：

1、山洪灾害是指在短时间内因强降雨等气象因素导致的山地河流迅速上涨，从而引发的重大自然灾害，随着全球气候变化和水文循环发生了显著变化，山洪灾害的发生频率和强度逐渐增加，如何迅速、准确地划定山洪灾害的预警阈值对于加强灾害监测与预警，提升应对能力至关重要。

2、目前大多数山洪灾害预警体系依赖于固定阈值进行监测和预警，往往受到多种因素影响导致预警效果不佳，并且现有的监测设备和技术大多依赖定点观测，无法实现对雨量、流量的实时动态监测。

3、本发明提出多模式山洪灾害现地预警阈值动态划定方法及系统，解决目前存在的上述问题，提高预警准确性、增强应急反应能力、促进科学治理、助力可持续发展。

技术实现思路

1、本发明提供了一种多模式山洪灾害现地预警阈值动态划定方法及系统，以解决现有技术存在的上述问题。

2、本发明是通过以下技术方案来实现的：一种多模式山洪灾害现地预警阈值动态划定方法，包括如下步骤：

3、步骤s1、收集研究区资料，基于研究区地形数据设置dem精度，将研究区网格化并自动识别研究区内河流，识别栅格异常点，将研究区划分为n个子流域，得到各个子流域的面积，n为正整数；

4、步骤s2、提取研究区历史降雨数据，基于历史降雨的先验分布构建降雨情景随机构造模型，生成若干个研究区降雨情景；

5、步骤s3、将若干个研究区降雨情景输入预构建的分布式水文模型，模拟得到若干个研究区降雨情景对应的产流过程，并计算对应的汇流时间，基于降雨笼罩范围和各个子流域的面积计算得到集雨面积；

6、步骤s4、构建山洪预报模型，将若干个研究区降雨情景输入构建的山洪预报模型，模拟并提取致灾情景，作为预构建的seq2seq模型的目标序列，分别以雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速、雨量与水位与涨速作为输入序列，训练seq2seq模型；

7、步骤s5、收集研究区历史山洪数据，将研究区历史山洪情景分别输入构建的七种预警组合对应的seq2seq模型中，分别模拟得到山洪灾害过程，计算七种预警组合的预警阈值，组合得到山洪灾害现地预警阈值。

8、具体地，所述步骤s1进一步为：

9、步骤s11、收集研究区数字高程栅格数据，基于研究区地形数据采用自适应分辨率数字高程模型构建法设置dem精度并将研究区按dem精度划分为若干个网格，得到研究区的数字高程栅格数据；

10、步骤s12、读取研究区的数字高程栅格数据，构建监测窗口，监测得到相邻窗口高程高低关系，得到最速下降向量，并确定每个栅格的下降方向，即水流方向；

11、步骤s13、每个栅格沿其下降方向将向量延长，直至与河流交汇，则该栅格隶属于与其交汇的第一条河流；

12、步骤s14、扫描所有栅格，将与周围所有栅格都不同属于同一河流的栅格识别为异常栅格，分别计算异常栅格和其周边8个栅格的下降梯度，下降梯度最大的栅格所隶属的河流即为该异常栅格隶属的河流；

13、步骤s15、将研究区分为n个子流域，分别计算得到每个子流域的面积，n为正整数。

14、具体地，所述步骤s11进一步为：

15、步骤s11a、收集研究区数字高程栅格数据并生成基础dem；

16、步骤s11b、采用小波变换法分析dem中的不同频率成分，识别研究区地形的空间特征并提取研究区地形特征；

17、步骤s11c、基于研究区地形的空间特征和地形特征分别设定不同区域的自适应分辨率，基于特征强度采用自适应网格生成算法生成动态网格，得到研究区的数字高程栅格数据。

18、具体地，所述步骤s12进一步为：

19、步骤s12a、采用gis软件读取高程栅格数据，设置窗口大小并将窗口在dem中滑动监测相邻栅格的高度关系；

20、步骤s12b、循环遍历每个栅格，并在窗口内收集周围栅格的高程值；

21、步骤s12c、基于栅格的高程值计算每个栅格和周围8个栅格的高度差，并基于该栅格和周围8个栅格的高度差计算得到最速下降向量；

22、步骤s12d、基于最速下降向量确定每个栅格的下降方向，即水流方向。

23、具体地，所述步骤s2进一步为：

24、步骤s21、收集研究区降雨资料，采用改进的荟萃分析法循环识别降雨指标并筛选，构建降雨的定量指标集；

25、步骤s22、基于研究区历史降雨资料，分别计算每个历史降雨事件中每个降雨的定量指标值，基于每个历史降雨事件中每个降雨的定量指标值拟合各个降雨的定量指标的概率分布；

26、步骤s23、基于各个降雨的定量指标的概率分布构建所有降雨的定量指标的多维联合分布，随机抽样得到若干个降雨情景。

27、具体地，所述步骤s21进一步为：

28、步骤s21a、收集研究区降雨资料，采用改进的荟萃分析法识别出降雨指标，构建初始降雨指标集；具体地包括如下步骤：

29、步骤s21a1、收集研究区降雨资料，采用关键字和数据库搜索筛选文献，基于筛选的文献提取出与降雨相关的指标；

30、步骤s21a2、采用贝叶斯模型估计每个与降雨相关的指标的效应，并设置置信区间；

31、步骤s21a3、将筛选的文献中每个文献识别的降雨指标的山洪风险概率视为一个先验分布，采用马尔可夫链蒙特卡洛法进行后验推断，得到每个文献识别的降雨指标的后验分布并基于置信区间筛选出降雨指标，构建初始降雨指标集；

32、步骤s21b、统计每个初始降雨指标出现次数计算出现频率和平均频率，将出现频率高于平均频率的初始降雨指标识别为降雨指标，采用k-means算法识别相似的降雨指标并进行聚类，构建降雨指标集；

33、步骤s21c、提取降雨指标集的关键词并基于关键词再次采用改进的荟萃分析法识别新的降雨指标，并耦合降雨指标集构建降雨的定量指标集；具体包括如下步骤：

34、步骤s21c1、依次计算降雨指标集中每个降雨指标的tf-idf值，并将tf-idf值转换为数值特征，基于数值特征将降雨指标集分为m类，每一类有各自的分类关键词，m为大于2的正整数；

35、步骤s21c2、基于m类的分类关键词再次采用改进的荟萃分析法识别得到新的降雨指标，并计算新的降雨指标的频率值；

36、步骤s21c3、依次对比每个新出现的降雨指标和频率值最小的降雨指标之间的频率值大小，将不小于降雨指标集中降雨指标频率值最小值的新降雨指标归类到降雨指标集中，得到的新的降雨指标集即为降雨的定量指标集。

37、具体地，所述步骤s3进一步为：

38、步骤s31、构建分布式水文模型；

39、步骤s32、将若干个研究区降雨情景输入分布式水文模型，模拟得到若干个研究区降雨情景对应的产流过程和汇流时间；

40、步骤s33、计算若干个降雨情景对应的降雨笼罩范围，并分别与每个子流域面积求并集，得到的并集即为若干个降雨情景对应的集雨面积。

41、具体地，所述步骤s4进一步为：

42、步骤s41、构建一、二维水动力模型，并耦合已构建的分布式水文模型，得到山洪预报模型；

43、步骤s42、将若干个研究区降雨情景输入山洪预报模型，模拟得到山洪灾害预报；

44、步骤s43、将山洪灾害预报提取致灾情景作为预构建的seq2seq模型的目标序列，以雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速、雨量与水位与涨速分别作为输入序列，训练构建的lstm模型，得到七种lstm模型；具体包括如下步骤：

45、步骤s43a、构建seq2seq模型；

46、步骤s43b、基于山洪灾害预报提取致灾情景，收集雨量和水位数据，基于水位变化计算涨速，得到雨量、水位和涨速各自的数据集，生成雨量、水位和涨速各自的序列数据，将雨量、水位和涨速及其两两组合、三者组合，得到雨量与水位组合、水位与涨速组合、雨量与涨速组合以及雨量与水位与涨速组合对应的序列数据；

47、步骤s43c、依次将雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速以及雨量与水位与涨速共七种预警组合各自的序列数据按照时间顺序划分为训练集和验证集，其中前70%为训练集，后30%为验证集；

48、步骤s43d、依次采用雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速以及雨量与水位与涨速各自的训练集分别训练seq2seq模型，得到预测结果并反标准化后将预测值映射回原始数据范围，绘制预测值和验证集的对比图，评估模型性能并基于预测值和验证集的对比结果优化模型参数和超参数直至预测值和验证集的差别小于阈值，停止迭代，得到七种预警组合对应的seq2seq模型。

49、具体地，所述步骤s5进一步为：

50、步骤s51、收集研究区历史山洪数据，包括：历史山洪情景数据、汇流时间、集雨面积和山洪灾害过程；

51、步骤s52、将研究区历史山洪情景分别输入构建的七种预警组合对应的seq2seq模型中，分别模拟得到山洪灾害过程；

52、步骤s53、设置模型拟合置信区间，分别计算七种预警组合对应的seq2seq模型模拟得到的山洪灾害过程与真实研究区历史山洪灾害过程相似度，对七种seq2seq模型分别提取相似度在置信区间内的研究区历史山洪情景，则该seq2seq模型对应的预警组合为所提取的研究区历史山洪情景的最佳预警组合；

53、步骤s54、分别统计每个seq2seq模型所提取的研究区历史山洪情景对应的汇流时间和集雨面积，以其中的最大值作为该seq2seq模型对应的预警组合的预警阈值，得到山洪灾害现地预警阈值即为七种预警组合的预警阈值。

54、本发明还公开了一种多模式山洪灾害现地预警阈值动态划定系统，该系统包括以下单元：

55、划分研究区单元：收集研究区资料，基于研究区地形数据设置dem精度，将研究区网格化并自动识别研究区内河流，识别栅格异常点，将研究区划分为n个子流域，得到各个子流域的面积，n为正整数；

56、生成降雨情景单元：提取研究区历史降雨数据，基于历史降雨的先验分布构建降雨情景随机构造模型，生成若干个研究区降雨情景；

57、构建分布式水文模型单元：将若干个研究区降雨情景输入预构建的分布式水文模型，模拟得到若干个研究区降雨情景对应的产流过程，并计算对应的汇流时间，基于降雨笼罩范围和各个子流域的面积计算得到集雨面积；

58、构建山洪预报模型单元：构建山洪预报模型，将若干个研究区降雨情景输入构建的山洪预报模型，模拟并提取致灾情景，作为预构建的seq2seq模型的目标序列，分别以雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速、雨量与水位与涨速作为输入序列，训练seq2seq模型；

59、模拟计算预警阈值单元：收集研究区历史山洪数据，将研究区历史山洪情景分别输入构建的七种预警组合对应的seq2seq模型中，分别模拟得到山洪灾害过程，计算七种预警组合的预警阈值，组合得到山洪灾害现地预警阈值。

60、本发明还提供了一种多模式山洪灾害现地预警阈值动态划定系统，其特征在于，该系统包括以下单元：

61、划分研究区单元：收集研究区资料，基于研究区地形数据设置dem精度，将研究区网格化并自动识别研究区内河流，识别栅格异常点，将研究区划分为n个子流域，得到各个子流域的面积，n为正整数；

62、生成降雨情景单元：提取研究区历史降雨数据，基于历史降雨的先验分布构建降雨情景随机构造模型，生成若干个研究区降雨情景；

63、构建分布式水文模型单元：将若干个研究区降雨情景输入预构建的分布式水文模型，模拟得到若干个研究区降雨情景对应的产流过程，并计算对应的汇流时间，基于降雨笼罩范围和各个子流域的面积计算得到集雨面积；

64、构建山洪预报模型单元：构建山洪预报模型，将若干个研究区降雨情景输入构建的山洪预报模型，模拟并提取致灾情景，作为预构建的seq2seq模型的目标序列，分别以雨量、水位、涨速、雨量与水位、水位与涨速、雨量与涨速、雨量与水位与涨速作为输入序列，训练seq2seq模型；

65、模拟计算预警阈值单元：收集研究区历史山洪数据，将研究区历史山洪情景分别输入构建的七种预警组合对应的seq2seq模型中，分别模拟得到山洪灾害过程，计算七种预警组合的预警阈值，组合得到山洪灾害现地预警阈值。

66、本发明的有益效果如下：采用多模式山洪灾害现地预警阈值动态划定方法，提高预警准确性、增强应急反应能力、促进科学治理、助力可持续发展。