一种基于气象水文大模型的流域防汛一体化监测预警方法及系统与流程
本技术属于水利信息化与防汛指挥,具体涉及一种基于气象水文大模型的流域防汛一体化监测预警方法及系统。
背景技术:
1、在流域防汛工作中,暴雨洪水的时空演变极为复杂,受气候、地形及下垫面等多重因素影响,汛情发展具有高度不确定性和快速联动特征。现有技术中,防汛相关的气象监测、水文监测、水库调度及淹没分析分别由不同职能部门使用各自独立的业务系统完成。各部门系统独立运行,数据格式、时间分辨率和空间基准不统一,预报人员需人工切换多系统进行信息比对,导致信息流转存在明显时滞。同时,现有洪水预报模型以单一维度为主:水文学模型可模拟断面流量过程但难以刻画洪水二维漫溢路径,水动力学模型虽能实现二维演进模拟但计算耗时较长,难以在暴雨发生后黄金预警窗口内完成多方案推演。此外,防汛决策高度依赖少数资深专家的经验判断,缺乏系统化的联合调度方案推演与多目标优化能力,难以满足大范围复杂流域防汛指挥的实际需求。
2、因此,亟需一种能够融合多源异构数据、耦合气象水文水动力一体化模型、具备智能调度优化与语义交互能力,并支持三维数字孪生可视化的流域防汛监测预警方法。
技术实现思路
1、第一方面,本技术实施例提供一种基于气象水文大模型的流域防汛一体化监测预警方法,包括如下步骤:
2、s1.采集多源数据,并进行时空基准对齐;所述多源数据包括:气象观测数据、水文监测数据、水利工程数据、土壤墒情数据、地形与下垫面数据、无人机巡查数据、卫星遥感数据;经过处理后的多源数据以网络通用数据格式的文件存储;
3、s2.将处理后的多源数据输入气象水文耦合大模型,进行推演并输出未来七十二小时的淹没水深和流速分布;所述气象水文耦合大模型包括气象降尺度预报子模型、分布式水文子模型、二维水动力学子模型,三个子模型采用离线参数传递在线动态耦合的方式级联运行;
4、s3.根据未来七十二小时淹没水深和流速分布,结合下垫面信息进行防汛风险研判,生成包含预警等级分布、堤防薄弱段与漫溢危险段位置、蓄滞洪区启用建议以及推荐调度方案的流域态势评估报告;
5、s4.部署本地化大语言模型作为语义交互引擎,接收用户以自然语言输入的指令,并输出对应的回复结果;所述指令包括:防汛查询指令、调度推演指令、报告生成指令;
6、s5.构建流域三维可视化场景,并发布至多终端上报现场险情,以供指挥人员及时处置。
7、进一步地,步骤s1具体步骤如下:
8、s11.采集多源数据,所述气象观测数据包括:通过流域内布设的地面气象站和区域自动气象站采集的小时降雨量、气温、湿度、风向和风速,多普勒天气雷达的基数据,以及静止气象卫星的全圆盘云图;
9、所述水文监测数据包括:干流及主要支流把口站的水位和流量,以及沿程库坝的水位和出库流量;
10、所述水利工程数据包括:各水库的实时库水位、蓄水量、入库流量、出库流量、泄洪闸门开度和泄流能力曲线;
11、所述土壤墒情数据包括:通过流域内布设的土壤水分自动观测站上传的不同深度的体积含水率;
12、所述地形与下垫面数据包括:数字高程模型、堤防堤顶高程和走向矢量线、蓄滞洪区边界、居民分布点、河道大断面测量数据;
13、所述无人机巡查数据包括:通过部署在重点河段的固定翼和多旋翼无人机按预设航线自动巡航拍摄采集的可见光视频和红外热成像;
14、所述卫星遥感数据包括:通过sar卫星获取的洪水淹没范围、通过光学卫星获取的河势变化影像;
15、s12.对采集的多源数据进行时空基准对齐:时间对齐方面,以北京时间为统一时间基准,对各数据的时间标签进行毫秒级时间戳转换,对非整点采集的数据采用线性插值或最近邻赋值方法重采样至整点时刻;空间对齐方面,将所有空间类型数据统一转换至预设坐标系和预设投影方式;降雨量站点的点状观测数据采用距离反比加权插值方法生成面雨量栅格场;天气雷达的基数据经过地物杂波剔除和衰减订正后,采用z-r关系转换为定量降雨估计场,再与雨量站面雨量栅格场进行卡尔曼滤波融合订正,得到最优降雨量估计场;将水文站流量数据与数字高程模型进行耦合,提取各河段的水面比降;
16、s13.将处理后的多源数据以网络通用数据格式存储,所述网络通用数据格式文件包括:时间维度、经度维度、纬度维度和变量维度,所述变量维度包括:降雨量、水位、流量、气温、土壤含水率物理量;所述网络通用数据格式文件按小时滚动生成。
17、进一步地,步骤s2具体步骤如下:
18、s21.从全球数值预报产品中提取流域子区域预报场,将流域子区域预报场以及步骤s1生成的最优降雨量估计场输入气象降尺度预报子模型,输出未来七十二小时逐小时的降雨量预报场;所述气象降尺度预报子模型采用convlstm网络结构;
19、s22.将步骤s1生成的最优降雨量估计场和步骤s21输出的降雨量预报场输入分布式水文子模型,所述分布式水文子模型包括:新安江模型和二维坡面汇流模型;分布式水文子模型将流域按预设网格划分,利用输入数据在每个网格内运行新安江模型计算产流量,并通过二维坡面汇流模型将产流沿最陡坡度方向向河道汇流,将各网格的产流和坡面汇流计算结果汇集至河道网格,河道网格采用一维圣维南方程进行河道洪水演算,输出河道各断面流量过程,所述流量过程包括河道各断面在不同时刻的流量值;
20、s23.将步骤s22输出的河道各断面流量过程作为二维水动力学子模型的输入边界条件,采用二维浅水方程计算输出未来七十二小时逐小时的淹没水深、流速和洪水到达时间分布;其中,所述二维浅水方程的控制方程包括连续方程和两个方向的动量方程,所述控制方程采用基于非结构三角形网格的有限体积法离散求解,所述非结构三角形网格在堤防、蓄滞洪区边界和重要防护对象周边进行加密。
21、进一步地,步骤s3具体步骤如下:
22、s31.提取未来七十二小时逐小时淹没水深大于预设阈值的区域,与居民分布点数据叠加,统计各居民点的最大淹没水深,按照预设分级规则将居民点划分为四个预警等级;
23、s32.根据步骤s2输出的淹没水深,叠加数字高程模型,提取堤防沿线各里程桩的预测最高水位,与堤防堤顶高程相减得到堤顶超高;将堤顶超高小于第一预设阈值的堤段标记为薄弱段,将预测水位超过堤顶高程的堤段标记为漫溢危险段;
24、s33.针对蓄滞洪区,根据步骤s22输出的蓄滞洪区所在河段断面的流量过程和步骤s1采集的蓄滞洪区当前水位,结合蓄滞洪区的水位-库容关系曲线进行水量平衡演算,预测未来各时刻的蓄滞洪区水位;当所述预测水位超过蓄滞洪区启用水位且入湖流量仍呈上涨趋势时,判定需要启用蓄滞洪区进行分洪;
25、s34.针对各个水库,结合步骤s2输出的入库洪水过程以及步骤s1采集的当前库水位和泄流能力曲线,预演不同泄洪方案下的库水位变化,输出各方案的最高库水位和最大出库流量,并采用多目标优化方法生成各水库的推荐调度方案;
26、s35.将以上所有研判结果汇总为流域态势评估报告,所述流域态势评估报告包括:各预警等级涉及的居民点数量与名称列表、堤防薄弱段与漫溢危险段的里程范围与具体桩号、蓄滞洪区分洪启用建议及各水库推荐调度方案。
27、进一步地,步骤s34采用多目标优化方法生成各水库的推荐调度方案,所述多目标优化方法具体的优化目标为最大化削减下游洪峰流量和最小化库区淹没损失,决策变量为各时段泄洪闸门开度,约束条件包括:最大下泄流量不超过下游河道安全泄量、库水位不超过校核洪水位、闸门开度变化速率不超过允许值。
28、进一步地,步骤s34采用的多目标优化方法,具体采用nsga-ii多目标遗传算法,得到帕累托最优方案集,取最接近理想点的方案作为推荐调度方案。
29、进一步地,步骤s4具体步骤如下:
30、s41.部署本地化大语言模型作为语义交互引擎,采用模型量化技术将大语言模型参数压缩后部署于多台gpu服务器上,通过模型并行方式将模型层分布到多张gpu上,模型服务通过推理服务器提供高并发推理api;
31、s42.语义交互引擎接收用户以自然语言输入的指令,进行意图识别和槽位填充;意图的类别包括:暴雨查询、洪水查询、水库调度、淹没分析、预警统计、调度方案推演、报告生成;槽位参数包括:时间槽、地点槽、要素槽、方案槽;
32、s43.语义交互引擎根据用户输入指令回复用户:
33、当用户输入的指令为防汛查询指令时,语义交互引擎将解析后的意图和槽位参数转化为对步骤s35生成的流域态势评估报告的检索条件,从流域态势评估报告中提取对应信息并以自然语言形式回复用户;
34、当用户输入的指令为调度推演指令时,语义交互引擎解析指令中的调度控制参数,传递给步骤s23中的二维水动力学子模型,修改其边界条件,触发新一轮推演;推演完成后,将新的未来七十二小时内逐小时的淹没水深分布输入步骤s3重新进行风险研判,生成更新后的流域态势评估报告,并通过语义交互引擎以自然语言向用户报告推演结果的变化情况;
35、当用户输入的指令为报告生成指令时,语义交互引擎按照预设报告模板,从最新流域态势评估报告中提取对应的结构化数据,将数据转换为自然语言描述段落,插入对应的报告章节位置,并进行连贯性润色,生成防汛会商报告,以文本形式输出。
36、进一步地,所述语义交互引擎的大语言模型采用deepseek大语言模型。
37、进一步地,步骤s5具体步骤如下:
38、s51.以步骤s1中获取的数字高程模型、堤防矢量线、蓄滞洪区边界、居民分布点和河道大断面数据作为三维可视化场景的构建基础,叠加光学卫星正射影像作为地表纹理,基于所述数字高程模型生成地形瓦片,所述地形瓦片采用量化网格格式,采用cesium引擎构建三维可视化场景;
39、s52.将步骤s2输出的未来七十二小时逐小时的淹没水深和流速分布动态映射至三维地形表面,淹没边界随预报时间推进而动态扩展;
40、将步骤s3生成的研判结果以可视化标识在三维场景中标注;
41、若步骤s43生成防汛会商报告,以悬浮面板的形式展示在三维场景侧方;
42、s53.将三维场景帧渲染为视频编码流,通过实时通信协议推送至多终端;
43、s54.移动终端上报的现场险情信息上传后实时显示在三维场景的对应地理坐标位置,所述险情信息包含gps坐标、文字描述、现场照片和视频;三维场景中响应于对险情的触发操作展示险情详情并生成处置指令,所述处置指令通过消息推送通道发送至前线指挥人员移动终端,以供指挥人员及时处置。
44、第二方面,本技术实施例还提供一种基于气象水文大模型的流域防汛一体化监测预警系统,包括:多源数据融合模块、一体化推演模块、智能研判模块、语义交互模块、三维孪生呈现模块;
45、所述多源数据融合模块,用于采集多源数据并进行时空基准对齐;所述多源数据包括:气象观测数据、水文监测数据、水利工程数据、土壤墒情数据、地形与下垫面数据、无人机巡查数据、卫星遥感数据;经过处理后的多源数据以网络通用数据格式的文件存储;
46、所述一体化推演模块,用于将处理后的多源数据输入气象水文耦合大模型,进行推演并输出未来七十二小时的淹没水深和流速分布;所述气象水文耦合大模型包括气象降尺度预报子模型、分布式水文子模型、二维水动力学子模型,三个子模型采用离线参数传递在线动态耦合的方式级联运行;
47、所述智能研判模块,用于根据未来七十二小时淹没水深和流速分布,结合下垫面信息进行防汛风险研判,生成包含预警等级分布、堤防薄弱段与漫溢危险段位置、蓄滞洪区启用建议以及推荐调度方案的流域态势评估报告;
48、所述语义交互模块,用于部署本地化大语言模型作为语义交互引擎,接收用户以自然语言输入的指令,并输出对应的回复结果;所述指令包括:防汛查询指令、调度推演指令、报告生成指令;
49、所述三维孪生呈现模块,用于构建流域三维可视化场景,并发布至多终端上报现场险情,以供指挥人员及时处置。
50、从以上技术方案可以看出,本技术具有以下优点:
51、本技术提供的基于气象水文大模型的流域防汛一体化监测预警方法及系统中,通过构建多源数据统一接入与时空融合处理步骤,将气象、水文、工程、遥感、无人机等多类型数据在统一时空基准下融合,消除了传统模式下数据结构不统一、坐标系不一致导致的数据孤岛和人工切换多系统带来的衔接时滞,为后续模型推演提供了一致可靠的数据基座;通过气象水文耦合大模型驱动的暴雨洪水一体化推演步骤,将气象降尺度预报、分布式水文产汇流和水动力演进耦合为端到端的级联计算链路,避免了传统单一维度模型无法刻画二维漫溢路径、以及多系统间离线数据传递带来的时间延迟问题,推演效率满足防汛预警黄金窗口期要求;通过流域态势智能研判与语义交互步骤,实现了从淹没水深数据到预警等级、薄弱堤段、调度方案的系统化自动研判,解决了传统决策依赖少数资深专家人工经验的局限;通过数字孪生三维可视化与多终端联动,解决了传统二维图表信息呈现不直观、前后方协同不畅的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com