一种水文多要素在线感知智能预警方法与流程

本发明属于水文要素预警，涉及到一种水文多要素在线感知智能预警方法。

背景技术：

1、翻斗式雨量计作为现场降水观测中应用较广的计量装置，因结构简单、部署方便、维护成本较低，长期承担着分钟级和小时级降水记录任务，在常规降雨条件下能够较好满足流域监测、城市排涝和气象预报等基础需求。与此同时，降雨强度作为表征短时降水过程的核心参数，不仅影响地表汇流过程，也直接关系到山洪预警、内涝研判及水文模型的输入可靠性，因此对降雨过程的持续观测和稳定记录具有重要意义。

2、需要注意的是，翻斗式雨量计的计量特性与降雨强度存在明显关联：在小到中等雨强条件下，其翻转动作较为平稳，记录结果通常能够反映降水变化；但当暴雨强度持续抬升时，翻斗翻转频率随之增大，斗内雨水在快速倾泻过程中容易发生飞溅、挂壁和短时未满斗翻转等现象，使得高雨强区间的计量结果出现偏小趋势。尤其在峰值雨强出现阶段，这种偏差往往会放大，对后续洪水峰值研判和风险等级判断形成潜在影响。由此可见，翻斗式雨量计在极端降雨场景下的记录结果与实际降水过程之间，往往存在需要进一步校正的差异。

3、然而，现有监测方式多以固定分辨率和常规工况作为校准基础，主要面向匀速或中低强度降雨场景建立计量规则，对翻斗在高频翻转条件下的非线性损失关注不足。现有数据处理通常直接采用单次翻转对应的固定雨量值进行汇总，缺少对瞬时雨强变化、连续翻转稳定性以及不同强度区间损失特征的联动分析，因此在暴雨突发、强度跃迁或持续高雨强过程中，容易出现累计雨量偏低、峰值识别滞后以及小时雨强失真的情况。上述问题使得翻斗式雨量计在极端工况下的数据可用性受到限制，也使得基于该类数据形成的暴雨研判结果难以充分反映真实降水过程。

技术实现思路

1、鉴于以上现有技术存在的问题，本发明提供一种水文多要素在线感知智能预警方法，用于解决上述技术问题。

2、为了实现上述目的及其他目的，本发明采用的技术方案如下：

3、本发明提供了一种水文多要素在线感知智能预警方法，该方法包括：

4、获取水文监测断面的翻斗式雨量计触发的翻转时间点序列，提取翻转时间点序列中的相邻时间间隔，通过将预设翻水量除以相邻时间间隔求取瞬时雨强；

5、响应于瞬时雨强超出临界阈值，依据预置的雨强损失映射曲线匹配与瞬时雨强对应的基础补偿系数，并将基础补偿系数与瞬时雨强进行乘法运算得到基础修正雨量；

6、提取连续多个相邻时间间隔计算波动方差；

7、若波动方差小于预设紊动阈值，将基础修正雨量设定为待汇算的真实暴雨强度；

8、若波动方差大于等于预设紊动阈值，提取同一监测断面内的土壤含水率、水位标高以及地表水流速；

9、基于土壤含水率计算流域入渗饱度，结合基础修正雨量按照预设产流映射关系进行转换输出预测径流增量；

10、同步依照水位标高与地表水流速进行截面流场运算提取出实际径流增量；

11、计算实际径流增量与预测径流增量的比值构建动态协同系数，将基础修正雨量与动态协同系数相乘进行二次补偿获取真实暴雨强度；

12、将获取的真实暴雨强度、水位标高、地表水流速以及土壤含水率输入预警判别矩阵，汇算提取预测水位峰值并生成多要素预警信号。

13、如上所述，本发明提供的一种水文多要素在线感知智能预警方法，至少具有以下有益效果：

14、本发明通过获取翻斗式雨量计的翻转时间点序列，并提取相邻时间间隔来计算瞬时雨强，当瞬时雨强超出临界阈值时，依据预置的雨强损失映射曲线匹配对应的基础补偿系数，对瞬时雨量进行乘法修正得到基础修正雨量；同时，本发明利用连续多个翻转时间间隔计算波动方差，以此识别降雨过程的紊动剧烈程度。这种将瞬时雨强动态补偿与时间序列波动特征相结合的方式，使得对暴雨强度的初次校正不再依赖于固定的经验折算系数，而是能够根据降雨强度的瞬变特征自动适配补偿力度，从而有效避免传统翻斗式雨量计在高强度、非平稳降雨条件下因机械惯性、溅水损失等引入的系统性低估。在此基础上，通过波动方差与预设紊动阈值的比较，将平稳降雨与紊动降雨进行区分处理：在波动方差较低时，直接以基础修正雨量作为真实暴雨强度，极大简化了计算链路并保证了平稳降雨时监测数据的高时效性；而在紊动显著时则触发更深层次的多要素协同校正机制，这为后续径流动态修正提供了精准的触发判据，显著提升了复杂气象条件下暴雨强度测报的鲁棒性和自适应性。

15、本发明在波动方差超出紊动阈值的情况下，进一步引入同一监测断面的土壤含水率、水位标高和地表水流速，基于土壤含水率计算流域入渗饱度，并通过映射转换输出预测径流增量，同时依照水位标高与地表水流速进行截面流场运算提取实际径流增量，然后将实际径流增量与该预测径流增量的比值构建动态协同系数，对基础修正雨量进行二次补偿，从而得到最终的真实暴雨强度。利用实际产生的径流增量反向约束和校正雨量测量值，使得最终的暴雨强度能够动态反映土壤前期含水量变化、地表饱和状况及汇流非线性效应带来的影响。由此，即使面对突发性特大暴雨导致翻斗动作紊乱或土壤入渗能力骤变的极端情形，仍可极大压缩降雨强度反演的偏差，保证真实暴雨强度数据的物理一致性。进而，当这些被高度修正的真实暴雨强度与水位标高、地表水流速及土壤含水率一并输入预警判别矩阵后，所汇算出的预测水位峰值能够更准确地预判洪水风险，生成的多要素预警信号也兼具更高的时效性和可信度，显著降低了因暴雨强度估算失真而引发的误警和迟报风险，为山洪灾害防御和城市内涝预警提供了坚实的数据基石。

1.一种水文多要素在线感知智能预警方法，其特征在于，包括：

2.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，基于土壤含水率计算流域入渗饱度，结合基础修正雨量按照预设产流映射关系进行转换输出预测径流增量，包括：

3.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，同步依照水位标高与地表水流速进行截面流场运算提取出实际径流增量，包括：

4.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，计算实际径流增量与预测径流增量的比值构建动态协同系数，将基础修正雨量与动态协同系数相乘进行二次补偿获取真实暴雨强度，包括：

5.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，提取连续多个相邻时间间隔计算波动方差，包括：

6.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，方法还涉及获取累计降水量对预置的雨强损失映射曲线进行自适应迭代更替的过程，该过程包括：

7.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，将获取的真实暴雨强度、水位标高、地表水流速以及土壤含水率输入预警判别矩阵，汇算提取预测水位峰值并生成多要素预警信号，包括：

8.根据权利要求7所述的一种水文多要素在线感知智能预警方法，其特征在于，将深层净雨集结合水动汇集层状态导入流域时延演进测算表推演计算未来目标时间节点的预测水位峰值，包括：

9.根据权利要求1所述的一种水文多要素在线感知智能预警方法，其特征在于，提取翻转时间点序列中的相邻时间间隔，通过将预设翻水量除以相邻时间间隔求取瞬时雨强，包括：