强人工调控平原流域径流模拟方法、设备和计算机程序

摘要: 本发明属于水文模拟与水资源管理,具体涉及强人工调控平原流域径流模拟方法、设备和计算机程序。背景技术:1、圩区是指通过筑堤围护、依靠人工排灌设施调控水位的低平地区...
强人工调控平原流域径流模拟方法、设备和计算机程序

本发明属于水文模拟与水资源管理,具体涉及强人工调控平原流域径流模拟方法、设备和计算机程序。

背景技术:

1、圩区是指通过筑堤围护、依靠人工排灌设施调控水位的低平地区,通常分布于河湖密集、地势平坦且易受洪涝影响的区域。圩区水文系统以人工调控为主导,自然过程与工程措施高度耦合,水文过程涵盖降水下渗、地表径流、河网调蓄、排灌调度。除降水、潜在蒸散发等气候因子外,泵站、灌溉、水位调度等人类活动大幅改变水分时空分布与运移路径,远复杂于自然流域。

2、以往参数化水文模型(hbv、gr等)大多基于坡地产汇流机制构建,适用于山地丘陵区域,而在地势平缓、人工干预强烈的平原圩区模拟问题较大(napiorkowski et al.,2022)。为此,yan等人(2021)基于walrus模型本土化改良,嵌入泵站等人工调控机制,构建圩区水文与氮素模拟系统phns。但圩区调度行为带来水文过程强非线性、突变性,调控参数获取难度大,phns仍存在模拟偏差,精度有待提升。机器学习(rf、lstm、svr、xgboost、gpr)具备强非线性拟合能力,可挖掘多源、多过程水文数据复杂关联,在径流模拟领域应用广泛,但普遍存在泛化性不足、黑箱可解释性差等缺陷。将水文模型和机器学习耦合,可以充分利用水文模型的可解释性与机器学习模型的灵活智能性,提升对圩区水文过程的精细化表征水平。

3、现有技术缺少适配平原河网圩区的机理-数据耦合完整建模框架,未形成有效的机器学习输入特征筛选、模型择优、多情景水文响应分析成套方案。

技术实现思路

1、本发明目的在于提供强人工调控平原流域径流模拟方法、设备和计算机程序,通过构建phns水文模型与多种机器学习方法耦合的水文循环模拟框架,实现圩区水文过程的高精度模拟,并系统分析人类活动与气候变化情景下的水文响应变化。

2、为实现上述目的,本发明采用如下技术方案:

3、一种强人工调控平原流域径流模拟方法,所述方法包括:

4、利用phns水文模型模拟圩区径流过程,获得水文模型模拟流量时间序列;

5、构建所述水文模型模拟流量时间序列与实测流量时间序列的残差序列;

6、以所述残差序列作为机器学习模型的输出变量,以残差序列中每个残差对应时刻的气候特征参数、模拟流量以及表征人工水管理设施运行状态的人工调控参数作为输入变量,训练所述机器学习模型,获取误差预测模型;其中,所述机器学习模型建立输入变量和输出变量之间的非线性映射关系;

7、利用所述水文模型模拟圩区径流过程,预测过程中利用所述误差预测模型校正模拟结果,获取最终模拟结果。

8、在本发明的一些实施例中,所述气候特征参数为降水、气温和潜在蒸散发;所述模拟流量包括当前时刻模拟流量和前一时刻模拟流量。

9、在本发明的一些实施例中,所述人工调控参数选自稻田适宜水深下限hqmin1、稻田适宜水深上限hqmax1、水稻耐淹水深上限hqflood1、地表水排水启动水位和地表水排水停止水位中的一种或几种。

10、在本发明的一些实施例中,所述人工调控参数为稻田适宜水深下限hqmin1、水稻耐淹水深上限 hqflood1和地表水排水启动水位。

11、在本发明的一些实施例中,所述机器学习模型选用高斯过程回归模型。

12、在本发明的一些实施例中,所述获取最终模拟结果包括:

13、利用训练好的高斯过程回归模型预测残差,得到预测残差;

14、将所述phns水文模型的模拟流量与所述预测残差相加,得到修正流量。

15、在本发明的一些实施例中,所述方法还包括情景模拟分析步骤:

16、通过调整所述人工调控参数的取值或移除预设的人工调控参数,构建不同人类活动情景或气候变化情景;

17、不同情景对应的输入数据输入所述水文模型进行模拟,并利用所述误差修正模型修正模拟结果,获取不同情景下的最终模拟结果,以评估人类活动或气候变化对圩区径流过程的影响。

18、本发明进一步提供一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现上述方法的步骤。

19、本发明进一步提供一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现权上述方法的步骤。

20、本发明进一步提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述方法的步骤。

21、本发明具有如下有益效果:

22、(1)本发明通过构建phns模型与多种机器学习方法耦合的水文模拟框架,利用机器学习拟合phns在强人工调控下的偏差,在保持物理模型可解释性的基础上,显著提升了强人工调控平原流域的降雨-径流模拟精度,实验表明,较原始phns模型,耦合模型率定期和验证期的模型评价指标均有不同程度的明显提升。

23、(2)本发明将表征人工水管理设施运行状态的关键人工调控参数引入机器学习残差校正过程,并通过多组输入特征方案对比确定最优输入组合。实验结果表明,去除冗余参数(稻田适宜水深上限、地表水排水停止水位)后,模型在率定期和验证期的综合性能均优于包含全部参数的方案,说明筛选关键调控参数能够减少冗余信息并提高强人工调控条件下的径流模拟精度。

24、(3)本发明基于最优耦合模型开展多情景分析,能够定量评估灌溉、泵站运行等人类活动以及未来气候变化对圩区水文过程的影响,为平原河网圩区的防洪排涝、灌溉规划等水资源管理提供科学依据。

1.一种强人工调控平原流域径流模拟方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述气候特征参数为降水、气温和潜在蒸散发;所述模拟流量包括当前时刻模拟流量和前一时刻模拟流量。

3.根据权利要求1所述的方法,其特征在于,所述人工调控参数选自稻田适宜水深下限hqmin1、稻田适宜水深上限hqmax1、水稻耐淹水深上限hqflood1、地表水排水启动水位和地表水排水停止水位中的一种或几种。

4.根据权利要求3所述的方法,其特征在于,所述人工调控参数为稻田适宜水深下限hqmin1、水稻耐淹水深上限 hqflood1和地表水排水启动水位。

5.根据权利要求1所述的方法,其特征在于,所述机器学习模型选用高斯过程回归模型。

6.根据权利要求1所述的方法,其特征在于,所述获取最终模拟结果包括:

7.根据权利要求1所述的方法,其特征在于,所述方法还包括情景模拟分析步骤:

8.一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7任一项所述方法的步骤。

9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-7任一项所述方法的步骤。

10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-7任一项所述方法的步骤。