[发明专利]基于动态系统响应曲线和LSTM的山洪预报实时校正方法

说明书

本发明提出一种基于动态系统响应曲线和LSTM的山洪预报实时校正方法，其步骤为：首先，构建蓄满‑超渗兼容模型，并利用人工蜂群算法率定蓄满‑超渗兼容模型的参数，输出模拟径流量；其次，根据实测径流量和模拟径流量计算误差时间序列，并输入LSTM网络中进行训练，获得LSTM模型；再根据实时降雨监测数据、实时径流量和蓄满‑超渗兼容模型计算实时误差，并利用动态系统响应曲线方法进行修正，重新计算实时误差；最后，将重新获得的实时误差输入LSTM模型中，输出下一时段误差，并利用下一时段误差对下一时段的径流量的预测值进行校正，得出下一时段误差校正的径流量。本发明利用反演修正模型参数，综合机器学习的方法，实现山洪预报实时校正。

技术领域

本发明涉及山洪预报校正技术领域，特别是指一种基于动态系统响应曲线和LSTM的山 洪预报实时校正方法。

背景技术

洪涝灾害是我国最严重的天气灾害之一，造成生命和财产的严重损失。如果洪水可以提 前准确预报，那么就可以采取适当的预警和准备措施来减轻财产和生命损失。山区地形陡峭， 暴雨经常导致灾难性的山洪暴发，在暴雨过后的短时间内提供可靠的河流水位预报，可以提 前规划适当的防洪措施，对防洪减灾有非常重要的作用。

洪水预报是利用水文模型进行模拟，概念性水文模型是根据流域目前的下垫面条件(土壤 湿度、径流等)和模型的输入(降水等)计算流域出口流量曲线。降雨径流过程受降水、地表等 多种因素的影响，导致洪水预报准确性降低。洪水预报的误差来自预报的各个过程，包括流 域的初始状态、模型的输入、模型的结构和模型参数的误差。

水文模型是对流域自然过程的概化，而模型的参数通常反映流域的下垫面条件，与流域 植被覆盖状况、土壤、地形地貌和地质、地理位置和气候条件有关。模型参数对于各种模型 来说都非常重要，决定了模型在洪水预报中的效果。在变化环境下，水文模型的参数也随之 变化。由于人们对洪水过程物理机制认识和水文观测手段的发展水平限制，水文模型的参数 大部分不能直接获得，需要通过参数率定的方式确定。传统水文模型，通过参数率定确定参 数，并采用静态参数，但是土壤的水文物理特性以及植被覆盖等存在季节性变化和年际变化， 静态的参数不能反映变化环境下流域下垫面的真实状态，水文模型的参数应随着时间和流域 特征的变化而变化。静态参数造成洪水预报结果误差较大，精确度降低。目前对参数误差校 正的方法，多是对模型参数优化算法的改进，得到相对更合理的参数，但仍为静态参数。对 模型初始状态误差常采用卡尔曼滤波器来修正状态变量和模型参数，但其对于多参数的校正 耗时较长。

洪水预报的误差来自模型的各个环节：降雨观测误差、模型结构误差、模型计算过程状 态变量误差等。只对模型的参数进行动态校正不能消除整体误差，而各环节误差校正耗时较 长，不能涉及误差的每个环节，同时由于对各环节不确定性还不能量化，以及各环节的作用 机制认识有限，从而进行整体校正的难度较大。

发明内容

针对现有模型的参数校正耗时、难以整体校正的技术问题，本发明提出了一种基于动态 系统响应曲线和LSTM的山洪预报实时校正方法，解决了现有模型静态参数问题，根据实时 信息对参数进行实时校正，动态调整模型参数，同时利用机器学习的方法，对模型输出的最 终误差进行校正。

本发明的技术方案是这样实现的：

一种基于动态系统响应曲线和LSTM的山洪预报实时校正方法，其步骤如下：

S1、统计水文站历史资料作为数据集，并根据水文站历史资料构建蓄满-超渗兼容模型， 其中，水文站历史资料是指完整汛期1小时内的降水量、蒸发量和洪水量；

S2、将数据集分为率定期数据集、校验期数据集；

S3、将率定期数据集输入步骤S1中的蓄满-超渗兼容模型，并利用人工蜂群算法率定蓄 满-超渗兼容模型的参数，完成参数率定；

S4、将校验期数据集输入参数率定后的蓄满-超渗兼容模型中，输出模拟径流量；