[发明专利]一种基于反演数据和实测数据融合的水文预报方法及系统

权利要求书

1.一种基于反演数据和实测数据融合的水文预报方法，其特征在于，包括以下步骤：

采集实测数据并根据实测数据构建MIKE-SHE水文模型；

基于MIKE-SHE水文模型得到反演数据；

将实测数据和反演数据融合，得到融合数据；

基于融合数据构建多个机器学习模型；

基于综合评价法对各机器学习模型赋权，开展实时组合水文预报。

2.根据权利要求1所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述采集实测数据并根据实测数据构建MIKE-SHE水文模型这一步骤，其具体包括：

采集研究区域的降雨、蒸发、流量、水位数据和洪水数据；

根据洪水数据中洪水过程线的起涨点和退水终止点划分出洪水场次，并将相关降雨、蒸发、流量和水位数据按照洪水场次划分；

将划分好的洪水场次按照7:3划分为训练数据和测试数据；

基于训练数据构建MIKE-SHE水文模型；

基于测试数据验证MIKE-SHE水文模型。

3.根据权利要求2所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述基于MIKE-SHE水文模型得到反演数据这一步骤，其具体还包括：

设定不同重现期降雨或干旱条件的特殊工况；

将特殊工况下的水文数据作为率定参数输入至MIKE-SHE水文模型，得到水位和流量数据；

将水位和流量数据按照洪水场次进行数据划分，得到划分后的反演数据。

4.根据权利要求3所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述将实测数据和反演数据融合，得到融合数据这一步骤，其具体包括：

采用SOM算法对实测数据和反演数据的所有洪水场次进行分类，得到分类后的数据；

利用DeepLearning算法对分类后的数据进行融合，得到融合数据。

5.根据权利要求4所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述基于融合数据构建多个机器学习模型这一步骤，其具体包括：

基于融合数据分别训练多层前馈式神经网络机器学习模型、局部回归神经网络机器学习模型和神经网络LSTM机器学习模型；

输入实测数据并基于多层前馈式神经网络机器学习模型、局部回归神经网络机器学习模型和神经网络LSTM机器学习模型得到对应的水文预报结果。

6.根据权利要求5所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述基于综合评价法对各机器学习模型赋权，开展实时组合水文预报这一步骤，其具体包括：

选择指标对水文预报结果进行评价，得到指标评价结果；

基于指标评价结果确定各机器学习模型权重，并开展实时组合水文预报。

7.根据权利要求6所述一种基于反演数据和实测数据融合的水文预报方法，其特征在于，所述指标包括：

评价对洪峰预报准确相关的洪峰流量相对误差和峰现时间误差指标；

评价对洪量预报准确相关的总洪量相对平衡误差指标；

评价径流过程预报准确性的纳什系数指标。

8.一种基于反演数据和实测数据融合的水文预报系统，其特征在于，包括以下模块：

水文模型构建模块，用于采集实测数据并根据实测数据构建MIKE-SHE水文模型；

数据反演模块，基于MIKE-SHE水文模型得到反演数据；

数据融合模块，用于将实测数据和反演数据融合，得到融合数据；

多机器学习模块构建模块，基于融合数据构建多个机器学习模型；

预报模块，基于综合评价法对各机器学习模型赋权，开展实时组合水文预报。