具有自适应产流机制的可微混合洪水预报方法、装置及系统
本发明属于水文水资源工程、防灾减灾及人工智能交叉,具体涉及一种具有自适应产流机制的可微混合洪水预报方法、装置及系统。
背景技术:
1、洪水灾害是全球范围内发生频率高、影响范围广、破坏性强的自然灾害之一。随着极端气候事件的增多,洪水过程呈现出突发性强、致灾机理复杂等特点,对流域防洪减灾、水资源调度及水利工程安全运行提出了更高要求。因此,构建精度高、稳定性强且具有良好适应性的洪水预报模型,是水文水资源领域长期关注的核心问题之一。现有洪水预报方法总体上可分为基于物理机理的水文模型和基于数据驱动的统计或深度学习模型两大类。
2、基于物理机理的水文模型通常通过对降雨、下渗、产流、汇流等水文过程进行概念化或半物理化描述来实现流量模拟,例如新安江模型、hbv模型等。该类模型具有较好的物理可解释性,参数含义明确,在资料条件较好且模型假设与流域实际水文过程相匹配的情况下,能够取得较为稳定的预报效果。然而,此类模型通常依赖单一或固定的产流机理假设。例如,新安江模型以蓄满产流为主要假设,在湿润地区表现良好,但在以超渗产流为主的干旱、半干旱流域,其模拟精度和稳定性明显下降。这种对流域产流机理空间异质性刻画不足的问题,限制了传统物理模型在大范围、多类型流域中的适用性。
3、随着遥感观测和计算能力的发展,基于数据驱动的洪水预报方法,尤其是深度学习模型(如长短期记忆网络等)能够从大量历史数据中自动提取非线性映射关系,在一定程度上弥补传统模型结构简化带来的误差。然而,纯数据驱动模型通常缺乏对水文物理过程的显式约束,其内部计算过程难以解释,模型参数不具备明确物理意义。当应用于资料稀缺流域、跨区域外推或极端气候情景时,模型的泛化能力和鲁棒性往往显著下降,且难以输出具有物理意义的中间水文状态变量。
4、为综合发挥物理模型与数据驱动模型的优势,近年来出现了一类混合水文模型,通过引入机器学习方法对传统水文模型的参数或局部过程进行优化。尽管该类方法在一定程度上提升了模型性能,但多数混合模型仍然沿用单一、固定的物理过程结构,仅对参数进行学习或修正,模型结构本身缺乏自适应调整能力,难以刻画不同气候区、不同下垫面条件下产流机理的差异性。这种结构刚性问题在跨流域、大样本应用场景中尤为突出。
5、因此,如何在保持水文物理一致性的前提下,引入具有可微特性的学习机制,使模型能够根据流域特征自动表征和适配不同产流机理,并实现端到端联合优化,仍是当前洪水预报领域亟需解决的关键技术问题。
技术实现思路
1、针对上述问题,本发明提出一种具有自适应产流机制的可微混合洪水预报方法、装置及系统,在保持良好物理可解释性的同时,显著提升了跨区域、异质性流域洪水预报的精度与泛化能力。
2、为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
3、第一方面,本发明提了一种具有自适应产流机制的可微混合洪水预报方法,其特征在于,包括:
4、将获取到的目标流域的水文气象强迫数据及流域静态属性数据,送入预先训练好的可微混合水文模型,得到目标流域出口断面的模拟流量;
5、基于模拟流量进行洪水预报;
6、其中,所述可微混合水文模型包括依次设置的产流模式识别神经网络、参数推断神经网络、多机制物理产流骨架和自适应汇流模块,其被配置为对接收到的数据执行以下步骤:
7、利用产流模式识别神经网络,根据流域静态属性数据,计算目标流域在不同产流模式下的概率分布,并依据概率最大原则自适应确定出目标流域的优势产流模式;
8、利用参数推断神经网络,将流域静态属性数据映射为物理水文参数,并通过激活函数将物理水文参数约束在物理合理范围内;
9、基于确定出目标流域的优势产流模式和物理水文参数,利用多机制物理产流骨架对所述水文气象强迫数据进行逐时步计算,得到径流;
10、利用自适应汇流模块基于流域静态属性生成具有物理约束的汇流核,并基于所述汇流核将所述径流转化为目标流域的出口断面模拟流量。
11、第二方面,本发明提供了一种具有自适应产流机制的可微混合洪水预报装置,包括:
12、模拟流量预测模块,用于将获取到的目标流域的水文气象强迫数据及流域静态属性数据,送入预先训练好的可微混合水文模型,得到目标流域出口断面的模拟流量;
13、洪水预报模块,用于基于模拟流量进行洪水预报;
14、其中,所述可微混合水文模型包括依次设置的产流模式识别神经网络、参数推断神经网络、多机制物理产流骨架和自适应汇流模块,其被配置为对接收到的数据执行以下步骤:
15、利用产流模式识别神经网络,根据流域静态属性数据,计算目标流域在不同产流模式下的概率分布,并依据概率最大原则自适应确定出目标流域的优势产流模式;
16、利用参数推断神经网络,将流域静态属性数据映射为物理水文参数,并通过激活函数将物理水文参数约束在物理合理范围内;
17、基于确定出目标流域的优势产流模式和物理水文参数,利用多机制物理产流骨架对所述水文气象强迫数据进行逐时步计算,得到径流;
18、利用自适应汇流模块基于流域静态属性生成具有物理约束的汇流核,并基于所述汇流核将所述径流转化为目标流域的出口断面模拟流量。
19、第三方面,本发明提供了一种具有自适应产流机制的可微混合洪水预报系统,包括存储介质和处理器;
20、所述存储介质用于存储指令;
21、所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
22、与现有技术相比,本发明的有益效果:
23、本发明利用流域静态属性数据,通过产流模式识别神经网络自适应判别出目标流域的优势产流模式,并结合参数推断神经网络在物理约束下动态推断物理水文参数,构建包含超渗产流、蓄满产流及混合产流的多机制物理产流骨架。同时,引入具有物理一致性约束的自适应汇流模块,实现从径流到流域出口断面的模拟流量的端到端可微计算,在保持良好物理可解释性的同时,显著提升了跨区域、异质性流域洪水预报的精度与泛化能力,可有效应用于实时洪水预报、防洪调度及无资料或少资料流域的水文分析,具有较高的工程应用价值和推广前景。
24、进一步地,本发明通过包含多尺度误差项与物理约束正则项的复合损失函数对可微混合水文模型进行联合训练,能够大大提高预报精度。
1.一种具有自适应产流机制的可微混合洪水预报方法,其特征在于,包括:
2.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于:确定优势产流模式采用的公式为:
3.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于:将流域静态属性数据映射为物理水文参数时,采用的计算公式为:
4.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于,当优势产流模式为超渗产流模式时,计算径流采用的公式为:
5.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于:当优势产流模型为蓄满产流模式时,计算径流采用的公式为:
6.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于:当优势产流模块为混合产流模式时,计算径流采用的公式为:
7.根据权利要求1所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于,自适应汇流模块采用的是受物理约束的汇流参数映射网络,所述出口断面模拟流量的计算公式为:
8.根据权利要求7所述的一种具有自适应产流机制的可微混合洪水预报方法,其特征在于:所述可微混合水文模型在训练过程中采用的复合损失函数包含多尺度误差项和物理约束正则项,所述复合损失函数的表达式为:
9.一种具有自适应产流机制的可微混合洪水预报装置,其特征在于,包括:
10.一种具有自适应产流机制的可微混合洪水预报系统,其特征在于,包括存储介质和处理器;
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