基于水利大数据的流域洪水径流预报方法

技术领域

本发明涉及洪水预报技术领域，具体为基于水利大数据的流域洪水径流预报方法。

背景技术

受气候变暖的影响，厄尔尼诺现象出现的频率增多，导致不同区域的降雨逐渐变得剧烈且频繁，在山地中容易引发洪水灾害，严重威胁和损害了受灾区域的基础设施和人民财产安全，制约着受灾地区的社会可持续发展和经济发展为了防范洪水灾害，需要对不同区域洪水灾害特征进行统计分析，使洪水灾害特征统计系统设计方法成为研究的热点，当前洪水灾害特征统计系统设计方法存在统计效率低和统计精准度低的问题，需要对洪水灾害特征统计系统设计方法进行研究，目前在流域洪水预报方面，传统洪水预报模式是通过在水系流域埋设传感器，建设遥测站收集雨量及水文数据，并通过通讯系统把数据传回中心站进行分析处理，再根据分析结果进行洪水预报，目前，流域洪水预报正朝着基于遥感大数据预报的方向发展，应用基于遥感大数据的理论方法，结合山洪灾害防治调查评价项目建设成果，完成流域洪水预报模型的建立是项目研究的重点和难点，所以本发明提出基于水利大数据的流域洪水径流预报方法。

发明内容

本发明的目的在于提供基于水利大数据的流域洪水径流预报方法，以解决现上述问题，本发明是通过以下技术方案实现的：

本发明为基于水利大数据的流域洪水径流预报方法，包括如下步骤：

步骤S1：数据收集，建立数据库，云端获取目标流域的气象数据，卫星遥感影像数据等，收集目标流域历年洪水数据，包括历年的降雨预报和实测降雨，淹没深度，淹没范围等，建立目标流域的洪水大数据；

步骤S2：数据分析，基于机器的深度学习，对目标流域的数据进行清洗，设计数据库统一数据格式和要求，根据DEM数据生成精细化的目标流域的水系图，根据地貌数据、土地利用数据、全球影像数据等自动分析目标流域的水文参数；

步骤S3：计算洪峰流量的设计净雨和降雨历时，采用PDF匹配法订正雷达估测、卫星反演降水的系统性偏差；

步骤S4：建立基于大数据算法的目标流域洪水模型；

步骤S5，模型实验结果与分析，根据不同时段的降雨预报或者不同预警级别的降雨量，按照基于大数据的目标流域洪水模型，进行目标流域洪水预测，为目标流域洪水预警和应急处置提供支撑。

优选的：所述S1收集的数据包括公开的气象水文、地形地貌、土壤植被、土地利用、水利工程、历史洪涝灾害、社会经济等多行业数据，以及收集整理已出版的暴雨洪水手册，相关区域洪水预报研究成果。

优选的：所述遥感影像的空间分辨率要求为0.5米以上，至少包括R、G、 B三个波段，包括WorldView-2遥感卫星数据、中国高景一号遥感卫星数据。

优选的：所述S4水库计算采用聚合水库蓄满模拟方法。

优选的：所述S4无资料地区河道径流演算采用动态马斯京根法与水动力学方法。

优选的：所述S3采用BMA方法将雷达估测和卫星反演降水产品结合形成背景场，并通过OI方法融入地面观测数据，生成0.05°分辨率降水融合产品，使用高分辨率X波段全极化测雨雷达进行降雨估计与预测。

与现有技术相比，本发明的有益效果是：

本发明以实时多源降水数据和土壤含水量为驱动，以调查评价小流域拓扑关系及基础属性为基础，以多类水文单元水力关系为核心，以历史暴雨洪水和率定参数为先验知识，以机器学习和并行计算为手段，基于人工智能和大数据技术，构建以小流域为计算单元，集成模型库、人工智能算法库、参数库和先验知识库为一体的新一代分布式水文模型，建立基于水利大数据算法的洪水模型，从而达到基于水利大数据的流域洪水径流及时预报预警的过程。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明为基于水利大数据的流域洪水径流预报方法，包括如下步骤：

步骤S1：数据收集，建立数据库，云端获取目标流域的气象数据，卫星遥感影像数据等，收集目标流域历年洪水数据，包括历年的降雨预报和实测降雨，淹没深度，淹没范围等，建立目标流域的洪水大数据；

步骤S2：数据分析，基于机器的深度学习，对目标流域的数据进行清洗，设计数据库统一数据格式和要求，根据DEM数据生成精细化的目标流域的水系图，根据地貌数据、土地利用数据、全球影像数据等自动分析目标流域的水文参数；

步骤S3：计算洪峰流量的设计净雨和降雨历时，采用PDF匹配法订正雷达估测、卫星反演降水的系统性偏差；

步骤S4：建立基于大数据算法的目标流域洪水模型；

步骤S5，模型实验结果与分析，根据不同时段的降雨预报或者不同预警级别的降雨量，按照基于大数据的目标流域洪水模型，进行目标流域洪水预测，为目标流域洪水预警和应急处置提供支撑。

在暴雨推求结果的基础上对洪水进行设计，设计降雨历时的长短对设计净雨历时的长短、净雨深和降雨量产生直接影响，同时也对设计洪水总量和洪峰流量产生影响[9]。在洪峰流量公式特点的基础上根据暴雨洪水的特点考虑大小流域面积的设计洪水总量和洪峰流量的控制，通过以下公式对洪峰流量设计净雨历时和降雨历时进行计算。

山丘平原混合区、山丘地区的计算公式为：

t＝2.04F

式中：t为推求洪峰流量对应的设计降雨历时，F为流域面积。

各类地区的计算公式为：

式中，tc为推求洪峰流量对应的设计净雨历时；Rt为Ht产生的净雨深；Ht为推求洪峰流量对应的设计流域平均降水量。

S4产流模型建立过程中，在一个方程和两个假定的基础上建立SCS产流模型：

式中：Pt为流域在t时刻的产流量；P为t时刻对应的积累降雨量；S为最大土壤蓄水量；Ia为初损量。

设置无量纲参数CN构建流域特征与最大土壤蓄水量S之间的关系式为：

式中：CN为曲线数值，对流域下垫面对应的综合性参数进行反映。

S4汇流模型建立，利用一条单位线对SCS汇流进行表示，设UP代表的是单位线峰值，其计算公式为：

式中：A为流域面积；C为转换常数；TP为单位线峰现时间，其计算公式为：

式中：tlag为滞时，是洪峰发生时间与净雨中心之间存在的时距。

S4河道演进计算模型的建立，通过马斯京根法进行流量验算，即在槽蓄方程和水量平衡方程的基础上进行时段差分，获得对应的流量验算表达式：

Q

C

式中：Q2为河道中下断面出流量；I2为河道终上断面入流量；Q1为河道起下断面出流量；I1为河道起上断面入流量；C0、C1、C2分别为系数；K为槽蓄曲线对应的坡度；x为流量比重因子。

本发明工程基于水利大数据的流域洪水径流预报方法原理如下：以实时多源降水数据和土壤含水量为驱动，以调查评价小流域拓扑关系及基础属性为基础，以多类水文单元水力关系为核心，以历史暴雨洪水和率定参数为先验知识，以机器学习和并行计算为手段，以降雨蒸发、产汇流、河道演进、水库调蓄等水文过程为主线，基于人工智能和大数据技术，构建以小流域为计算单元，集成模型库、人工智能算法库、参数库和先验知识库为一体的新一代分布式水文模型，建立基于水利大数据算法的洪水模型，从而达到基于水利大数据的流域洪水径流及时预报预警的过程。

以上内容是结合具体实施方式对本发明作进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。