一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统

摘要

本发明公开了基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法，包括以下步骤：（1）确定逆向预测分期、水位目标；（2）采用多维情景构建和数模试验相结合的方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律；（3）确定水位安全阈值；（4）构建关联规则模型，挖掘预降水位前期关联规则；（5）根据步骤（4）挖掘得到的关联规则和步骤（2）挖掘得到的预降水位后期湖泊水位响应规律，识别未来情景下预降期内水利工程调控方式。本发明综合关联规则模型和数值模拟技术的优点，攻克了传统技术手段在中长期水位模拟预报中对于预报降雨资料的依赖这一核心难点，为基于特定目标的浅水湖泊水位调控提供了具有实际操作性的技术手段。

说明书

技术领域

本发明涉及一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统，涉及水利技术与数据挖掘领域。

背景技术

大型浅水湖泊是河网地区洪水和水资源的调蓄中心，湖泊水位是流域旱涝情势重要的指示指标。科学预测湖泊水位，用以指导复杂河网水利工程群的联合调度，进而调控湖泊水位，对于保障平原河网地区水安全，特别是防洪安全具有十分重要的现实意义。近年来，随着气候变化和强降雨等极端天气气候事件频发，以及湖泊水位研究的深入和防洪调度实践积累，汛前湖泊水位目标确定和中长期预测(超过15天，视较为准确的降雨预报周期而定，下同)已经成为流域防洪调度的必然需要。

目前，与流域洪水管理相关的水位调控研究主要以水库为研究对象，水库水位主要由上游少数几条入库河流来水和坝址泄水量决定，通过水库控制性工程调节下泄水量实现水库水位调控目标。数值模拟技术是湖泊水位预测和调控研究中常用的技术之一，然而浅水湖泊中长期水位预测难点在于无法事先获得未来较长时间尺度的准确降雨资料，因此无法直接运用传统的数值模拟技术进行水位模拟预测，且实际进出水量与支流进出水量及出入湖控制性工程调控能力有关，因此，平原河网地区浅水湖泊水位预测和调控机制相比较于水库而言，更为复杂多变，是浅水湖泊水位中长期预测的核心难点和亟需突破的关键技术。

尽管近年来少数平原区浅水湖泊开展了汛前预降水位的尝试，但均是运用传统的预测和调控方法，且主要依赖经验判断和多次试错，对于是否能够实现预降湖泊水位至特定目标要求存在较大不确定性。

发明内容

发明目的：本发明针对浅水湖泊水位预测技术的核心难点，提出一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统，将基于数据挖掘技术的关联规则模型与数值模拟技术相结合，用于实现汛前浅水湖泊水位精准预测和调控，具有很强的可操作性。

技术方案：第一方面，提供了一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法，该方法包括以下步骤：

(1)、确定逆向预测分期、水位目标；

(2)、采用多维情景构建和数模试验相结合的方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律；

(3)、确定水位安全阈值；

(4)、构建关联规则模型，挖掘预降水位前期“流域降雨-湖泊水位”关联规则；

(5)、根据步骤(4)挖掘得到的关联规则和步骤(2)挖掘得到的预降水位后期湖泊水位响应规律，确定未来情景下预降期内水利工程调控方式。

在第一方面的一些可实现方式中，步骤(1)进一步包括：

(1-1)、划分逆向预测分期：将预测时段划分为预降水位前期、预降水位后期，其中，预降水位前期包括预降前期起始时间T

(1-2)、确定水位目标：所述预降前期起始时间T

在第一方面的一些可实现方式中，步骤(2)进一步包括：

(2-1)、构建预降水位后期多维情景集S：选取obje_Z

为每个驱动因子构建增量序列Δx

X

定义一个包含所有驱动因子的一个序列的矩阵为一个情景，由此生成M个多维情景：

(2-2)、建立河网水动力模型，水动力模型基本原理如下：

连续方程

动力方程

式中：x为距离，m；t为时间，s；A为过水面积，m

(2-3)、采用数模试验方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律：将各情景下的驱动因子序列输入水动力模型，通过模型数值模拟得到各情景下的Z

在第一方面的一些可实现方式中，步骤(3)在满足Z

式中，M′为满足Z

在第一方面的一些可实现方式中，步骤(4)进一步包括：

(4-1)、离散化降雨、水位数据：根据Z

(4-2)、构建“流域降雨-湖泊水位”关联规则模型：X、Y是某些项组成的非空集合，则形如

通过构建关联模型，挖掘预降水位前期“流域降雨-湖泊水位”关联规则；根据挖掘得到的关联规则，为实现使Z

式中：D为交易集；

在第一方面的一些可实现方式中，步骤(5)进一步为：

(5-1)、基于步骤(4)挖掘得到的关联规则，根据未来情景下湖泊水位z′

Z′

式中，Z′

(5-2)、根据Z

第二方面，提出一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测系统，该系统包括：用于确定逆向预测分期、水位目标的第一模块(前置模块)；用于挖掘预降水位后期多驱动因子下湖泊水位响应规律的第二模块(数模分析模块)；用于确定水位安全阈值的第三模块(阈值分析模块)；用于挖掘预降水位前期“流域降雨-湖泊水位”关联规则的第四模块(关联规则挖掘模块)；以及用于根据第四模块挖掘得到的关联规则、及第二模块挖掘得到的预降水位后期湖泊水位响应规律，以确定未来情景下预降期内水利工程调控方式的第五模块(决策支持模块)，如图2所示。

第一模块(前置模块)进一步用于划分逆向预测分期：将预测时段划分为预降水位前期、预降水位后期，其中，预降水位前期包括预降前期起始时间T

确定水位目标：所述预降前期起始时间T

第二模块(数模分析模块)进一步用于构建预降水位后期多维情景集S：选取obje_Z

为每个驱动因子构建增量序列Δx

X

定义一个包含所有驱动因子的一个序列的矩阵为一个情景，由此生成M个多维情景：

建立河网水动力模型，水动力模型基本原理如下：

连续方程

动力方程

式中：x为距离，m；t为时间，s；A为过水面积，m

采用数模试验方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律：将各情景下的驱动因子序列输入水动力模型，通过模型数值模拟得到各情景下的Z

第三模块(阈值分析模块)进一步在满足Z

式中，M′为满足Z

第四模块(关联规则挖掘模块)进一步用于离散化降雨、水位数据：根据Z

构建“流域降雨-湖泊水位”关联规则模型：X、Y是某些项组成的非空集合，则形如

通过构建关联模型，挖掘预降水位前期“流域降雨-湖泊水位”关联规则；根据挖掘得到的关联规则，为实现使Z

式中：D为交易集；

第五模块(决策支持模块)进一步基于第四模块挖掘得到的关联规则，根据未来情景下湖泊水位z′

Z′

式中，Z′

根据Z

第三方面，提供了一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测设备，该设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行计算机程序指令时实现第一方面或第一方面的一些可实现方式中的方法。

第四方面，提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面或第一方面的一些可实现方式中的方法。

有益效果：本发明提出了一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统，综合了关联规则模型和数值模拟技术的优点，关联规则模型用于水位预测时，主要基于历史数据而不依赖于水位预报所需的降雨数据，实现在中长期尺度上对湖泊水位变化进行预测；数值模拟技术主要用于在较短时间尺度上(视较为准确的降雨预报周期而定，例如14天、7天)对湖泊水位过程进行模拟预测。本发明攻克了传统技术手段在较长时间尺度水位模拟预报中对于预报降雨资料的依赖这一核心难点，为基于特定目标的浅水湖泊水位预测和调控提供了具有实际操作性的技术手段。

附图说明

图1是本发明的技术流程图。

图2是本发明系统架构图。

图3是本发明实施例一河网及水工建筑物概化拓扑结构图。

图4是本发明实施例一河网水动力模型概化图。

图5是本发明实施例三太湖水位过程。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

申请人认为，尽管近年来少数平原区浅水湖泊开展了汛前预降水位的尝试，但均是运用传统的预测和调控方法，且主要依赖经验判断和多次试错，对于是否能够实现预降湖泊水位至特定目标要求存在较大不确定性。

为此，针对现有技术的不足，有必要提出一种在无法准确获得中长期预报降雨数据的情况下，面向特定水位目标的浅水湖泊水位逆向预测和调控方法。

实施例一：

本实施例以太湖为例，应用本发明提出的一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法和系统来挖掘多驱动因子下湖泊水位响应规律，并确定水位安全阈值，结合附图，其具体步骤如下：

步骤1，确定逆向预测分期、水位目标：

(1-1)逆向预测分期划分：根据1988～2017年太湖流域降雨、太湖水位历史资料，太湖多年平均水位自年初至4月初呈现较为明显的上升趋势。4月1日至6月15日为流域前汛期，因此，将1月1日～4月1日作为太湖水位逆向预测的研究周期，考虑到目前降雨预报周期限制，将其划分为“预降水位前期”和“预降水位后期”，其中，预降水位前期为1月1日～3月15日，预降水位后期为3月16日～4月1日。1月1日太湖水位、3月15日太湖水位、4月1日太湖水位分别记为Z

(1-2)水位目标确定：4月1日太湖水位预降目标记为obje_Z

步骤2，采用多维情景构建和数模试验相结合的方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律：

(2-1)构建预降水位后期多维情景集S：选取obje_Z

Z

PP

U＝{U

式中：Z

水利工程调控方式集合U构建时主要针对太湖最主要的两条出入湖河道，即望虞河工程、太浦河工程。对于不同的太湖底水、预期降雨量，统筹考虑预降难度，在望虞河工程、太浦河工程常规调度的基础上，构建基于提前预降太湖水位目的的望虞河、太浦河工程调控策略集，构成水利工程调控方式集合，如表1所示。需要说明的是，构建集合U时考虑实际可能性，例如望虞河工程“适当排水”、太浦河工程“常规调度”等组合实际发生可能较小，故不考虑此类组合。

表1 基于提前预降太湖水位目的水利工程调控方式集

(2-2)基于太湖流域水量水质数模平台，建立河网水动力模型，具体如下：

产汇流模块概化：概化水文计算单元，主要涉及雨量站权重方案、蒸发站信息、下垫面信息、汇流时段分配系数及产汇流计算相关的其他参数；

河网概化：引入河道中心线shapefile文件，提取河道中心线并派生模型，并校核河网拓扑关系；

断面概化：将实测或概化的河道断面数据标准化，形成标准格式的dat文件，河道大断面资料和河道中心线shapefile文件中河道位置一一对应，引入标准化后的断面数据文件，生成一维河道；

湖泊概化：本实施例中将湖泊概化为零维调蓄节点，将收集的湖泊shapefile文件和湖底高程数据整理成标准的dat格式一般地形文件，并引入模型，由于湖泊具有调蓄作用，需设置每个湖泊的水位(或水深)～面积(或容积)关系，并通过节点或堰闸将零维湖泊与河网建立联系；

水工建筑物及调度条件概化：水工建筑物(包括涵、闸、泵站等)在模型中概化为联系要素，其过流流量采用水动力学方法模拟，建筑物的上下游设节点，通过节点与概化河道连接(如图2所示)，节点间的水位及流量取决于堰流公式及水工建筑物运行方式，水工建筑物运行方式概化为一系列的逻辑语句；

边界条件概化：边界条件主要是外部潮位边界，将实测潮位站的特征潮位资料插值为整点潮位，并且进一步插值到所有概化河道对应的外边界口门。

水动力模型概化图见图4。

(2-3)开展预降水位后期多维情景下的太湖水位调控数模试验，将各情景下的驱动因子序列输入水动力模型，通过模型数值模拟得到各情景下的Z

表2 部分情景下太湖水位响应结果(未全部列出)

步骤3，确定水位安全阈值：本发明中关键问题之一是合理确定3月15日太湖水位阈值thre_Z

实施例二：

本实施例在实施例一的基础上，进一步应用本发明提出的一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法和系统来挖掘预降水位前期“流域降雨-湖泊水位”关联规则，结合附图，其具体步骤如下：

(4-1)降雨、水位数据离散化：构建关联规则模型时，首先将历史水位、降雨数据离散化处理。将Z

(4-2)构建“流域降雨-湖泊水位”关联规则模型：本实施例中，关联规则模型采用GRI算法，设置最小支持度为10％，最小置信度设为50％，挖掘得到7条关联规则，如表3所示。

表3 Z

根据表1的关联规则，为使Z

表4 预降水位前期环太湖主要水利工程调度建议

实施例三：

实施例三：

本实施例在实施例二的基础上，进一步应用本发明提出的一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法和系统来进行中长期湖泊水位预测和调控，结合附图，其具体步骤如下：

基于实施例二步骤(4)挖掘得到的关联规则，根据未来情景下湖泊水位Z′

进一步根据Z

以上具体实施方式及实施例是对本发明提出的一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法技术思想的具体支持，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在本技术方案基础上所做的任何等同变化或等效的改动，均仍属于本发明技术方案保护的范围。