[发明专利]一种基于物联网的水文预报方法

权利要求书

1.一种基于物联网的水文预报方法，其特征在于，包括以下步骤：

采集与水患灾害对应的水文数据；

基于与水患灾害对应的水文数据，进行水患灾害的物理成因分析，获得水患灾害特征因子集合；

基于水患灾害特征因子集合，建立水文预测模型；

采集与水患灾害对应的大气数值，构建大气数值模型，其中，所述大气数值包括降雨值、温度值、蒸发值和风速值；

统一大气数值模型与水文预测模型中陆面过程模型的参数，构建大气数值模型与水文预测模型的双向耦合关系；

基于大气数值模型与水文预测模型的双向耦合关系，大气数值模型将与水文数据同时段的气象数据反馈至水文预测模型；

水文预测模型进行水文预测，输出水文预报结果。

2.如权利要求1所述的一种基于物联网的水文预报方法，其特征在于，还包括：

基于大气数值模型与水文预测模型的双向耦合，水文预测模型将预测结果中的土壤湿度、径流量反馈至大气数值模型，大气数值模型根据反馈的信息实时修正初始边界条件，适应水文预测模型的数据环境，便于向水文模型提供下一步长的气象输出。

3.如权利要求1所述的一种基于物联网的水文预报方法，其特征在于，所述基于与水患灾害对应的水文数据，进行水患灾害的物理成因分析，获得水患灾害特征因子集合的步骤，包括：

根据与水患灾害对应的水文数据内的数据类型，分析得到各类型数据的变化特性；

根据各类型数据的变化特性，统计各类型数据之间的相互关系；

根据各类型数据在相互关系中出现所占的比重，提取各类型数据，得到若干个水患灾害的物理成因；

若干个水患灾害的物理成因构成水患灾害特征因子集合。

4.如权利要求1所述的一种基于物联网的水文预报方法，其特征在于，所述基于水患灾害特征因子集合，建立水文预测模型的步骤，包括：

利用数据挖掘算法对水患灾害特征因子集合进行训练，获得不同水患灾害特征因子作用下量值和过程形态相似的多组场次洪水过程集合；

基于水患灾害特征因子和多组场次洪水过程集合，采用深度学习算法获得对应不同模型和方法的多组参数方案的集合，建立水文预测模型。

5.如权利要求4所述的一种基于物联网的水文预报方法，其特征在于，所述数据挖掘算法包括多维欧式距离聚类方法和推土机距离聚类方法；

所述多维欧式距离聚类方法：针对不同历史洪水过程计算不同预报因子的欧式距离，以确定不同分类的所述量值相似的历史洪水过程；

所述推土机距离聚类方法：计算不同历史洪水过程中所述过程形态相似的场次洪水，并标记为一类。

6.如权利要求1所述的一种基于物联网的水文预报方法，其特征在于，所述大气数值模型选择ARW模型，所述ARW模型根据动力框架的特征，求解描写天气演变过程的流体力学和热力学的方程组，预测得到未来一定时段的大气运动状态和天气现象。

7.如权利要求1所述的一种基于物联网的水文预报方法，其特征在于，所述与水患灾害对应的水文数据，包括：全流域的地理环境数据、全流域的自然资源数据和全流域的生态环境数据。