本發(fā)明涉及水文預(yù)測，特別是一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法。

背景技術(shù)：

1、渠池的水位預(yù)測關(guān)系河渠的輸水調(diào)度安全與供水效益，高精度的水位預(yù)測模型能夠輔助調(diào)度決策人員提前制定有利的措施，規(guī)避輸水安全隱患提高供水效益。近年來，大量的機理驅(qū)動預(yù)測模型與數(shù)據(jù)驅(qū)動預(yù)測模型被應(yīng)用于河渠水位預(yù)測，其中以一維水動力學(xué)模型為代表的機理驅(qū)動預(yù)測模型被廣泛用于河渠水面線預(yù)測，但是構(gòu)建過程復(fù)雜且精度受制于參數(shù)校準，而以深度學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動模型也逐漸被用于河渠水位預(yù)測，預(yù)測速度快，但是缺乏解釋性且模型訓(xùn)練時間通常較長。這兩類模型通常以單一模型形式出現(xiàn)，也有研究采用二者的耦合模型，雖然進一步地提高了水位預(yù)測精度，而且改善了數(shù)據(jù)驅(qū)動模型不可解釋性地缺陷，但是模型的構(gòu)建與訓(xùn)練過程則更為復(fù)雜，往往占據(jù)了大量的計算資源。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服上述不足，提供一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，針對現(xiàn)有的河渠水位預(yù)測模型的不足，考慮采用計算高效的積分時滯模型作為機理驅(qū)動模型，預(yù)測河渠的下游水位并作為相似預(yù)測的相關(guān)性下游水位序列，采用時間序列相似分析模型進一步預(yù)測上游水位序列，提升預(yù)測模型的解釋性和預(yù)測精度。

2、為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，它包括以下步驟：

3、步驟1：利用歷史數(shù)據(jù)集構(gòu)建相似預(yù)測歷史序列組集；

4、步驟2：構(gòu)建積分時滯模型預(yù)測未來時段內(nèi)的渠池下游水位；

5、步驟3：將積分時滯預(yù)測模型得到渠池下游水位序列結(jié)果作為相似分析模型的相關(guān)性下游水位序列，通過曼哈頓距離構(gòu)建相似預(yù)測模型，預(yù)測歷史最相似的渠池下游水位，確定歷史同期場景，并預(yù)測歷史同場景下的渠池上游水位。

6、進一步地，所述步驟1具體包括以下內(nèi)容：

7、首先對歷史河渠輸水數(shù)據(jù)進行清洗，包括河渠的上游流量、下游流量、分水流量、下游水位數(shù)據(jù)，確保每一個時間點的數(shù)據(jù)的完整性與準確性，獲得總時間長度為l的上游流量、下游流量、分水流量、下游水位序列集；

8、定義相似預(yù)測模型的歷史相似場景的相關(guān)序列時間長度為p，選擇渠池的上游水位、下游水位長序列歷史數(shù)據(jù)作為相似預(yù)測歷史數(shù)據(jù)集，將上游水位、下游水位長序列歷史數(shù)據(jù)均按照p逐步長劃分為n個相似預(yù)測歷史序列組集合，其中每個序列組均包含長度為p的上游水位序列、下游水位序列；

9、相似預(yù)測序列組的總數(shù)目計算方式如下：

10、n＝l-p+1；

11、式中，l為歷史數(shù)據(jù)集的總時間長度。

12、進一步地，所述步驟2具體包括以下內(nèi)容：

13、以未來時段內(nèi)的p+1個上游流量、下游流量、分水流量以及初始下游水位為輸入，預(yù)測后p個下游水位，得到長度為p的渠池下游水位序列；具體預(yù)測公式如下：

14、

15、式中，s(t)為t時刻渠池下游水深hd(t)相對于初始時刻下游水深hd(0)的增量，qin(t-τ)為(t-τ)時刻渠池入流流量qin(t-τ)相對于初始時刻入流流量qin(0)的增量，qout(t)表示t時刻渠池出流流量qout(t)相對于初始時刻出流流量qout(0)的增量，d(t)表示t時刻渠池分水口流量d(t)相對于初始時刻分水口流量d(0)的增量，參數(shù)回水面積a與遲滯時間τ由水動力學(xué)模型辨識得到。

16、進一步地，所述步驟3具體包括以下內(nèi)容：

17、以積分時滯模型預(yù)測得到的下游水位序列作為相似分析模型的相關(guān)性下游水位序列數(shù)據(jù)，計算相關(guān)性下游水位序列與相似預(yù)測歷史序列組集中每組下游水位序列的曼哈頓距離，以曼哈頓距離最小的歷史下游水位序列作為歷史最相似下游水位序列；曼哈頓距離計算公式如下：

18、

19、式中，ld,i為積分時滯結(jié)果序列中的第i時間節(jié)點的下游水位，l'd,i為歷史序列組集中任意序列組中的第i時間節(jié)點的下游水位；

20、通過歷史最相似下游水位序列計算歷史最相似上游水位序列，計算公式如下：

21、

22、式中，為歷史序列組集中的最相似下游水位序列的第i時間節(jié)點的下游水位，為歷史序列組集中的最相似上游水位序列的第i時間節(jié)點的上游水位；

23、通過歷史最相似上游水位預(yù)測河渠的上游水位，計算公式如下：

24、

25、式中，lu,i為河渠的上游水位預(yù)測結(jié)果，β為上游水位的預(yù)測校正系數(shù)。

26、更進一步地，所述上游水位的預(yù)測校正系數(shù)計算公式如下：

27、

28、本發(fā)明有益效果：本發(fā)明針對現(xiàn)有的河渠水位預(yù)測模型的不足，考慮采用計算高效的積分時滯模型作為機理驅(qū)動模型，預(yù)測河渠的下游水位并作為相似預(yù)測的相關(guān)性下游水位序列，采用時間序列相似分析模型進一步預(yù)測上游水位序列，充分利用了積分時滯模型預(yù)見性與相似預(yù)測模型高效性的優(yōu)勢，克服了相似預(yù)測模型相關(guān)序列偏差的不確定性，顯著提高了渠池上游水位的預(yù)測精度。

技術(shù)特征：

1.一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，其特征在于：它包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，其特征在于：所述步驟1具體包括以下內(nèi)容：

3.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，其特征在于：所述步驟2具體包括以下內(nèi)容：

4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，其特征在于：所述步驟3具體包括以下內(nèi)容：

5.根據(jù)權(quán)利要求4所述的一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，其特征在于：所述上游水位的預(yù)測校正系數(shù)計算公式如下：

技術(shù)總結(jié)
本發(fā)明公開一種基于數(shù)據(jù)機理融合模型的渠池上游水位預(yù)測方法，它包括以下步驟：步驟1：利用歷史數(shù)據(jù)集構(gòu)建相似預(yù)測歷史序列組集；步驟2：構(gòu)建積分時滯模型預(yù)測未來時段內(nèi)的渠池下游水位；步驟3：將積分時滯預(yù)測模型得到渠池下游水位序列結(jié)果作為相似分析模型的相關(guān)性下游水位序列，通過曼哈頓距離構(gòu)建相似預(yù)測模型，預(yù)測歷史最相似的渠池下游水位，確定歷史同期場景，并預(yù)測歷史同場景下的渠池上游水位；本發(fā)明克服了相似預(yù)測模型相關(guān)序列偏差的不確定性，顯著提高了渠池上游水位的預(yù)測精度。

技術(shù)研發(fā)人員：曾志強,李暉,曹輝,張海榮,崔良,楊旭,高奉先,劉楊合,袁曉輝,夏浩順
受保護的技術(shù)使用者：中國長江電力股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15