[发明专利]一种水文序列增强及预测方法

权利要求书

1.一种水文序列增强及预测方法，其特征在于：包括如下步骤：

步骤S1.收集待预测站点所处区域上游入口流量数据、下游出口水位数据的流量水位实测数据以及水下地形数据，拟合上游入口流量数据和下游出口水位数据，确定入口流量—出口水位关系，同时进行上游入口洪水频率分析，确定80%频率对应的流量值，构建水动力模型并进行水动力模型的参数率定与验证；

步骤S2.采用时间序列生成对抗网络模型生成与上游入口流量数据分布相似的边界合成数据，选取边界合成数据中大于80%频率对应的流量值的系列数据，并根据入口流量—出口水位关系确定与大于80%频率对应的流量值的系列数据对应的下游水位值，基于该系列数据的流量值和对应的下游水位值作为边界合成数据条件下驱动水动力模型进行研究区域内的水动力模拟，获得待预测站点在该边界合成数据条件下水动力模型模拟的流量水位模拟数据；

步骤S3.利用时间序列生成对抗网络模型生成与待预测站点流量水位实测数据分布相似的流量水位合成数据，并进行待预测站点流量水位合成数据的精度评价；

步骤S4.整合步骤S2中流量水位模拟数据、步骤S3中流量水位合成数据和步骤S1中流量水位实测数据共同构成待预测站点的增强数据集；利用深度学习模型门控循环单元训练流量水位之间的对应关系，然后进行水位的预测及精度评价；

步骤S1中确定入口流量—出口水位关系，具体为：

采用一元线性回归模型，其计算公式为：

（1）；

式中，y_wl为出口水位，单位为m，x_flow 为入口流量，单位为m³/s,a、b分别为斜率和截距；

步骤S1中进行上游入口洪水频率分析，具体为：

收集多年长时间序列流量数据，采用P-Ⅲ型频率曲线线型，初步估算统计参数，再根据经验频率点据和选定的频率曲线线型，通过调整统计参数使频率曲线线型与经验频率点据拟合最优，最终确定频率曲线线型的统计参数；

步骤S1中构建水动力模型，具体为：

二维非恒定浅水方程组为：

（2）；

（3）；

（4）；

式中，h为总水深，；t为时间， 、为沿总水深平均的x, y方向上的流速，，，x, y为笛卡尔坐标系坐标，S为源项，u, v分别为x, y方向上的速度分量，为水位，d为静止水深；

f是哥氏力系数，，g为重力加速度，ρ为水的密度，为参考水密度，为大气压强，、、分别为沿x方向上表面风应力，沿x方向上底部风应力，沿y方向上表面风应力，沿y方向上底部风应力，表示作用在垂直于x轴平面的x方向的剩余动量流，称作辐射应力在x方向上的主分量；表示作用在垂直于x轴平面的y方向的动量流，称作辐射应力在垂直于x轴平面上的切向分量；表示作用在垂直于y轴平面的x方向的动量流，称作辐射应力在垂直于y轴平面上的切向分量；表示作用在垂直于y轴平面的y方向的剩余动量流，称作辐射应力在y方向上的主分量；、、分别为水平粘滞应力项中的粘性力、紊流应力和水平对流；为源项S在x, y方向上的水流流速，为地球自转角速度，为地理纬度；

步骤S1中进行水动力模型的参数率定与验证，具体为：

采用流量水位实测数据对水动力模型模拟结果进行率定；当水动力模型模拟的流量水位模拟数据与流量水位实测数据的相对误差大于5%时，调整糙率参数继续运行水动力模型，获得调整糙率参数后的水动力模型流量水位模拟结果，对比流量水位模拟结果与流量水位实测数据的差异，通过不断调整糙率参数，直至水动力模型的流量水位模拟结果与流量水位实测数据达到合适进度，确定此时的糙率参数为水动力模型的最优糙率参数取值。