[发明专利]一种基于图计算的水文模型并行率定方法和系统

说明书

本发明涉及一种基于图计算的水文模型并行率定方法和系统，将水文模型分解成子流域模型，进而将模型率定过程转化成有向图表达，并利用Pregel算法在Spark集群中实现模型率定并行模拟。本发明能快速实现水文并行率定。

技术领域

本发明涉及水文率定技术领域，特别是一种基于图计算的水文模型并行率定方法和系统。

背景技术

水文模型是对自然界中复杂水文现象在计算机中的抽象和概化，是认识复杂水文循环过程和机理的有效手段，同时也是解决诸多实际水文问题的有力工具。在遥感技术和共他传感器技术发展推动下，用于构建水文模型的数据越来越丰富，水文模型研究正逐步向大数据时代发展。在大数据效应的作用下，水文建模的时空范围不断延伸、尺度也越来越细，且人类对水文过程认知水平提高及不断增长的研究应用需求也使得模型中物理、化学和生物过程的描绘也更为精细全面，两者综合作用下模型运行所需的计算资源和时间也随之增长。

同时，模型参数通常无法直接测算得到，需要通过多次将模型模拟结果与观测值进行对比，然后从中优选出一组能够表征所研究流域的模型参数(即所谓的模型率定)。模型率定需要大量的模型迭代模拟，产生了海量的计算需求。解决水文模型率定过程的海量计算问题，已经成为了水文学研究的关键难题。尽管，前人就此开展了大量研究工作，一定程度解决了水文模型率定计算难题，但以图计算作为切入点来解决此问题的方法和装置尚未见报导。有鉴于此，设计出一种基于图计算，能快速实现水文并行率定的方法和装置是非常必要的。

发明内容

有鉴于此，本发明的目的是提出一种基于图计算的水文模型并行率定方法和系统，能快速实现水文并行率定。

本发明采用以下方案实现：一种基于图计算的水文模型并行率定方法，将水文模型分解成子流域模型，进而将模型率定过程转化成有向图表达，并利用Pregel算法在Spark集群中实现模型率定并行模拟。

进一步地，在将水文模型分解成子流域模型之前还包括步骤：依据用户定义的模型率定参数范围和模型迭代模拟次数，对水文模型的参数进行采样，生成与用户指定迭代次数一致的模型参数组。

进一步地，所述对水文模型的参数进行采样具体为：

根据用户指定参与率定的参数及其取值区间、模型模拟的次数，首先将率定参数取值区间分成与模型模拟的次数一致的等分线段，其次随机排列各率定参数线段，再次在每个线段值区间内随机取一个数据，最后按垂直方向对率定参数进行组合生成率定参数组。

进一步地，所述将水文模型分解成子流域模型具体为：

按照流域的汇流关系，将原流域模型划分成两个以上的子流域模型，子流域模型之间的汇流关系通过点源进行表征，即把上级子流域的模拟输出当作下游子流域的点状输入源。

进一步地，所述将模型率定过程转化成有向图表达具体为：

将每个子流域当作有向图中的节点，依据子流域汇流关系，生成模型的有向图，将迭代模拟的模型当作有向图的一个子集，并添加一个虚拟节点将多次迭代模拟的有向图子集连接在一起，形成模型率定过程的有向图表达。

进一步地，有向图中每个节点均包括三个信息，分别为M1、M2以及M3；其中M1为该节点所代表的子流域的唯一标识，M2为与该节点所代表的子流域直接连接的上游子流域的个数，M3为与该节点所代表的子流域直接连接的上游子流域模型已经完成模拟的个数。

进一步地，所述利用Pregel算法在Spark集群中实现模型率定并行模拟具体包括以下步骤：

步骤S41：向每个节点发送值为0的初始信息；

步骤S42：每个节点将所有接收信息与本节点M3的值合并，即将所有信息值及M3的值累加在一起，然后将新值更新到本节点的M3中；