基于数据驱动模型的季节性河流洪水预警研究.pdf
《基于数据驱动模型的季节性河流洪水预警研究.pdf》由会员分享,可在线阅读,更多相关《基于数据驱动模型的季节性河流洪水预警研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、第4期2023年8 月D0I:10.19364/j.1674-9405.2023.04.008基于数据驱动模型的季节性河流洪水预警研究水利信息化Water Resources InformatizationNO.4Aug.2023冯公伟,蒋东进(1.昌吉水文勘测局,新疆昌吉8 3110 0;2.水利部南京水利水文自动化研究所,江苏南京2 10 0 12)摘要:为提升季节性河流洪水预警精度,实现洪水灾害的防治,提出基于数据驱动模型的季节性河流洪水预警方法。利用径流曲线法计算河床汇流率,将汇流率作为辅助函数,采用BP神经网络和数据驱动相结合的方法搭建季节性河流洪水预警模型,将季节性河流洪水的时间序
2、列输入模型中,得到季节性河流洪水预警结果。以传统的季节性河流洪水预警方法作为对比对象,通过实验得出基于数据驱动模型的季节性河流洪水预警方法在预警精度上优于传统预警方法,预警结果具有较高的可靠性,能够对季节性河流进行精准的洪水预警,在河流洪水预警领域具有重要的应用价值,可为洪水灾害的防范提供理论与实践指导。关键词:数据驱动模型;季节性河流;洪水预警;河床汇流率;BP神经网络中图分类号:P3380引言随着全世界范围内各种洪水灾害的愈加频繁与严重,各种洪水预警方法研究也在不断推进-2 。对洪水灾害进行及时有效的预警,提高全社会的抗洪水平,保证周边居住地区的防洪安全是建立河流洪水预警系统的主要目的。传
3、统的河流洪水预警方法(以下简称传统预警方法)通常根据气象参数、气象报告、洪水特性、水文条件及河流径流量等实现预警,被广泛应用于水文预报业务中3。传统预警方法一般利用集中式4 和分布式的水文预测模型5,通过对降雨量、河道汇流、下垫面渗透率的预测计算,模拟得到河流的渗流情况,进而推断出洪水出现时机及持续时间,实现季节性河流洪水预警。传统预警方法比较依赖水文站点的历史水文数据资料,虽然在一定程度上可以对洪水进行预警,但由于各地区水文条件的不同,降雨量和地表径流量通常具有多变性,难以精准预测和把握变化趋势,因此传统预警方法预测出的水位变幅值与实际值存在一定的差距,导致预警精度下降。且传统预警方法需要利
4、用大量的历史水文洪水数据进行统计分析,计算过程中涉及的参数较多,导致计算量较大,计算速度和模拟精度通常不高,计算过程中还容易受到不确定可变因素的影响,无法对季节性河流的洪水情况进行精准预测和预警,预估洪水等级时容易出错,进而影响防洪决策。收稿日期:2 0 2 2-0 8-13作者简介:冯公伟(19 8 6 一),男,山东聊城人,工程师,从事水文勘测方面的工作。E-mail:a n g n g j e n g 16 3.c o m文献标识码:A文章编号:16 7 4-9 40 5(2 0 2 3)0 4-0 0 46-0 4数据驱动模型通过建立非线性映射函数,可对洪水等级进行精准预估,提高预警准
5、确率。因此为保证预警精度,将数据驱动模型应用于实际的季节性河流洪水预警方法设计中,提出一种基于数据驱动模型的季节性河流洪水预警方法(以下简称本研究预警方法),为流域预报等工作提供参考7 。1本研究预警方法分析1.1河床汇流率计算河床汇流指季节性河流在河床内部的集中过程。河床汇流率是单位时间内通过河道某一截面的水量,受到降雨量、地貌、植被覆盖、土壤类型等因素的影响。在水文学中,河床汇流率是评估水资源利用、洪水预测和水文模型建立的重要指标之一。计算汇流率,可以掌握季节性河流的地表与地下径流情况,为洪水预警提供数据基础。利用径流曲线法(SCS法)可计算洪水过程中的地表径流,其中降雨历时t,与洪水洪峰
6、延时t之间的关系表达式如下:t,=5.5tdo一般情况下,汇水区在固定面积内因降水产生的地表径流的洪峰流量与延时之间的关系表达式为(2)AAm式中:A为单位流域汇水面积;Qm为标准情况下的洪峰流量值;C,为洪峰系数,一般取0.8 5;Q为始(1)第4期冯公伟等:基于数据驱动模型的季节性河流洪水预警研究47雨量;t。代表不同时间段之间的间隔;x与的取末出流量之间的差值;Am为河流的横截面面积。根据SCS法,可以求出河流洪峰峰值与峰值时间之间的关系,具体关系表达式为Qm=AQ+V式中:V为河道容积;tz为峰值时间。tz可用固定面积内的降水历时与洪水的洪峰延时表示,具体表达式为t,=-P+ta2则河
7、床汇流率R,计算公式如下:R,-(Qm).式中:i表示降雨时段。=1表示降雨时段第一时间点。根据式(1)(5)可求得季节性河流的河床汇流率,将该汇流率作为辅助函数,即可构建神经网络水文模型9。1.2预警模型构建本研究以数据驱动模型为基础进行季节性河流洪水预警,数据驱动模型具体工作原理图如图1所示。利用SCS法计算河床汇流率将汇流率作为辅助函数输入利用BP神经预测值J数据网络构建水文X预警模型数据驱动实际值机器学习图1数据驱动模型工作原理图通过图1工作原理可知,数据驱动模型通过数据驱动构建对应的模型,并通过机器学习不断减少实际值与预测值之间的误差,因此对于解决季节性河流洪水预测类的问题具有较大优
8、势。BP神经网络模型作为数据驱动模型中的一种,可广泛应用于洪水预警中。在利用数据驱动模型对季节性河流洪水进行预测之后,可利用BP神经网络构建水文预警模型10 。假设季节性河流洪水的时间序列输入向量为x,且满足xER(R表示河床汇流率d个参数集合),则BP神经网络输出层可用高斯函数激活,将河床汇流率作为辅助函数,具体公式如下:R,(x)=exp(a l x-c;Rpl),(3)式中:R,(x)为神经元数量为i时的输出值;c;为高斯函数的稳定系数;为激活次数。对BP神经网络输出层进行加权求和,具体公式(4)如下:(5)式中:h为隐藏节点的实际个数;wi为从隐藏层到输入层的参数权重;y为输入节点个数
9、为j时的输入值;q为隐藏节点的初始个数。采用希尔特函数缩小误差,具体公式如下:ymin=oE(yj)x,式中:为权重向量的方差;Jmin为加权求和误差的最小值;E(y)表示相对误差函数。构建极限向量误差模型输出量o,具体公式如下:0,-2g(ym*x+b),(9)式中:j的取值范围为1,m,下标j和y,的下标j的取值范围一致;g(x)为激活函数;b,为神经元个数为i时的偏差值。将偏差值作为目标函数,即可构建神经网络水文预警模型,具体公式如下:Q(t)=F,P,(to),P,(t-xt),Q(y t),(10)使预测值输出之间的误与实际值差最小(6)(7)(8)式中:Q为洪水流量;P.为季节性河
10、流流域内的降预警结果值范围为xE1,0,yE1,0;F,为非线性激活映射函数。根据式(6)(10)可构建基于数据驱动的水文预警模型,对模型进行求解,计算季节性河流的预警值。为便于直观展示预警结果,需要设定洪水预警规则。采用传统的洪水预警信号规则进行规划,用蓝、黄、红表示严重程度不同的洪水预警等级,其中:蓝色代表洪水等级最低,危害最小;红色代表洪水等级最高,危害程度最严重;黄色代表中度洪水等级。将3种预警信号参数分别设置为-3,-3,0 ,-1,0,1,0,3,3,其中0,1,3分别表示利用构建的基于数据驱动的水文预警模型得到的预警值,预警值越高,预警等级越高。具体预警隶属效果图如图2 所示。4
11、81.00.80.60.40.203一蓝色预警一一-黄色预警图2 季节性河流预警输出分类及隶属函数效果图分析图2 可知,通过确定不同预警信号的隶属度,可得到相关的预警值,并及时输出预警结果,以保证季节性河流洪水预警的效率。至此,完成基于数据驱动模型的季节性河流洪水预警方法设计。2试验验证为更好地说明本研究预警方法的实际应用效果,进行试验测试,对实际预警效果进行分析。2.1试验环境描述本次试验以某市主干道河流右岸的一条支流为试验对象。该支流流向为东北到西南,发源于临市海拔8 40 m的高山,整条河流长度为56 km,流域面积在50 0 km以上,沿岸有6 条支流汇入。上游河谷较为狭窄,下游河谷较
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数据 驱动 模型 季节性 河流 洪水 预警 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。