CN107609707B - 一种洪水预报、防灾决策方法及系统 - Google Patents

Abstract

本发明涉及一种洪水预报、防灾决策方法及系统。包括用于存储历史洪水信息的历史洪水经验库、在平台上以事件形式直观地展现历史洪水的全过程的历史洪水分析展示平台、为用户提供及时及全方位的实时水文监测信息及实时洪水特征信息的实时信息查询平台、对照着当前实时条件寻找相似历史洪水事件以实现洪水预报的历史洪水相似性分析模块、对洪水预报实时校正的洪水预报实时校正模块、基于相似历史事件的防灾调度的防灾调度分析平台。本发明在充分利用历史经验数据，实现洪水预报基于多维度、实时校正的经验相似性分析，利用相似历史洪水事件对当前洪水情况进行预报分析，为防灾调度决策提供依据，加强防灾能力。

Description

一种洪水预报、防灾决策方法及系统

技术领域

本发明涉及防汛领域，具体为一种基于多维度、实时校正的经验相似性分析的洪水预报、防灾决策方法及系统。

背景技术

在防汛领域，常常需要对水库河道进行洪水预报调度，根据不同的条件选择不同的预报模型，常用的洪水预报模型有降雨径流相关图法、相应水位(流量)法、经验单位线模型、新安江模型、水箱模型等，这些模型都有一定的应用场景范围。

现有技术方案介绍如下：

(1)降雨径流相关图法

如图1所示，降雨径流相关图法是国内广大水文工作者在长期工作实践中总结建立起来的一种简便实用并具有较高精度的洪水预报方法。

使用P～Pa～R关系曲线进行净雨量计算是根据洪水初的土壤含水量Pa值，把时段雨量序列变成累积雨量序列，用累积雨量查出累积净雨，由累积净雨再转化成时段净雨量序列。

(2)相应水位(流量)法

相应水位(流量)预报是根据天然河道里洪水波运动原理，分析洪水波在运动过程中，波的任一位相水位(相当于水位过程线上任一时刻的水位)自上站传播到下站时的相应水位及其传播速度的变化规律，即研究河段上下游断面相应水位间和水位与传播速度之间的定量规律，建立相应水位间和关系，据此进行预报的一种简便方法。相应水位(流量)预报，简要地说就是用某时刻上站的水位(流量)预报一定时间(如传播时间)后下站的水位(流量)。

(3)经验单位线模型

如图2所示，流域上分布均匀的1单位净雨直接径流产流量，所形成的直接径流过程线称为单位线。单位线法假定净雨在面上分布均匀，将流域作为整体，不考虑内部的不均匀性；又假定净雨与其形成的流量过程之间的关系满足倍比、叠加原理，将汇流视为线性时不变系统。单位线的概念由谢尔曼在1932年提出，几十年来得到了非常广泛的应用。在我国也是一种简明易用，效果较好的流域汇流方法。

单位线方法属于一种“黑箱子”方法，是由输入、输出的实测资料反演的。对于每一次降雨径流过程，均可推求出一条单位线，推求的唯一原则是输入通过单位线转换得到的系统响应误差最小(亦即过程线合理)。常用的推求方法有分析法、图解法、试错法或最小二乘法。流域“综合单位线”一般用流域多次洪水分别求出的单位线的综合平均值。

(4)新安江模型

如图3所示，新安江模型是河海大学赵人俊等于1973年在作新安江水库入库径流预报工作时提出来的降雨径流流域模型，主要适用于湿润地区与半湿润地区。最初的新安江模型为两水源模型，20世纪80年代初期，提出了三水源新安江模型，中期提出了四水源新安江模型。

新安江模型属于基于物理机制的水文模型，主要把全流域分成若干单元流域，对每个单元流域进行产汇流计算，得出单元流域的出口流量过程，再进行出口以下的河道洪水演算，求得流域出口的流量过程，把每个单元流域的出流过程相加，即可求得流域出口的总出流过程。

新安江模型的结构设计主要分为：蒸散发计算，产流计算，分水源计算和汇流计算四个层次结构。常用的三水源新安江模型蒸散发计算采用三层模型；产流计算采用蓄满产流模型；用自由水蓄水库结构将总径流划分为地表径流、壤中流和地下径流三种；流域汇流计算采用线性水库。

(5)水箱模型

水箱模型是由日本东京国立防灾科学技术中心研制的。模型的基本结构是水箱。将降雨径流过程模拟为若干个水箱的调蓄作用，分为湿润地区的简单水箱模型和非湿润地区的并联水箱模型两种。水箱模型的一个重要特性是改变模型参数值确实能够改变模型的结构。但因模型的结构基本上属于不定，参数与流域汇流的物理过程没有建立直接关系，所以，确定参数主要靠试算。

传统的洪水预报模型能够解决常规的洪水预报问题，然而面对呈网状，且受潮汐倒灌影响的河道洪水预报，由于涉及的水文机理复杂，导致预报困难，且现有传统方式计算出来的预报结果精准度不高，预报成果参考性较差。

发明内容

本发明的目的在于提供一种洪水预报、防灾决策方法及系统，在充分利用历史经验数据，实现洪水预报基于多维度、实时校正的经验相似性分析，利用相似历史洪水事件对当前洪水情况进行预报分析，为防灾调度决策提供依据，加强防灾能力。

为实现上述目的，本发明的技术方案是：一种洪水预报、防灾决策方法，包括如下步骤，

S1、历史数据准备：获取整理水文数据资料，形成水文预报历史洪水经验库；

S2、生成历史洪水分析展示平台及实时信息查询平台，在平台上以事件形式直观地展现一场洪水的全过程，以及为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

S3、历史洪水相似分析：生成历史洪水相似性分析引擎，通过历史洪水经验库查找与当前实时条件相似的历史洪水事件，进行直观展现，与当前洪水特征值形成对比，从而判断未来洪水趋势，达到洪水预估报的目的；

S4、实时预报校正分析：生成洪水预报实时校正引擎，实现对洪水预报实时校正；

S5、防灾调度分析：生成防灾调度分析平台，基于步骤S3、S4获取的相似历史洪水事件，对照查询在相似洪水事件下的防灾调度处置方法，同时查看在该处置方式下的灾情情况信息；而后，开展当前的调度工作进行判断分析，快速拟定调度方案，并在事件过后，对灾情情况进行统计分析，并在平台上形成记录，补充完成到历史洪水经验库中，形成新的历史洪水事件。

在本发明一实施例中，所述历史洪水经验库，用于存储历史洪水信息；该历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据。

在本发明一实施例中，所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

在本发明一实施例中，所述步骤S3具体实现如下，

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与w个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于 w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与m个B_yi相似程度，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d₁,d₂,d₃,…,d_k1]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S₁,S₂,S₃,…,S_k1]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d₁,d₂,d₃,…,d_k2]、d_q相似＝[d₁,d₂,d₃,…,d_k3]、d_l相似＝[d₁,d₂,d₃,…,d_k4]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组Ss_相似＝[S₁,S₂,S₃,…,S_k2]、S_q相似＝[S₁,S₂,S₃,…,S_k3]、S_l相似＝[S₁,S₂,S₃,…,S_k4]。

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似4中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

在本发明一实施例中，所述步骤S4的洪水预报实时校正引擎，即在步骤S3获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用 Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

在本发明一实施例中，对于数组A＝[a₁,a₂,a₃,a₄,a₅,…,a_n]，B＝[b₁,b₂,b₃,b₄,b₅,…,b_n]，所述 Tanimoto系数算法公式如下，

其中，d为计算系数，其值范围[0,1]，完全重叠时为1，无重叠项时为0，越接近1说明数组A、B越相似。

本发明还提供了一种洪水预报、防灾决策系统，包括历史洪水经验库、历史洪水分析展示平台、实时信息查询平台、历史洪水相似性分析模块、洪水预报实时校正模块、防灾调度分析平台；

所述历史洪水经验库，用于存储历史洪水信息；

所述历史洪水分析展示平台在平台上以事件形式直观地展现历史洪水的全过程；

所述实时信息查询平台为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

所述历史洪水相似分析模块对照着当前实时条件，去历史洪水经验库寻找相似历史洪水事件，实现洪水预报；

所述洪水预报实时校正模块实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性；

所述防灾调度分析平台实现基于相似历史事件的防灾调度，提高防灾预判能力。

在本发明一实施例中，所述历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据；所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

在本发明一实施例中，所述历史洪水相似分析模块实现功能如下：

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与w个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于 w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与m个B_yi相似程度，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d₁,d₂,d₃,…,d_k1]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S₁,S₂,S₃,…,S_k1]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d₁,d₂,d₃,…,d_k2]、d_q相似＝[d₁,d₂,d₃,…,d_k3]、d_l相似＝[d₁,d₂,d₃,…,d_k4]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组Ss_相似＝[S₁,S₂,S₃,…,S_k2]、S_q相似＝[S₁,S₂,S₃,…,S_k3]、S_l相似＝[S₁,S₂,S₃,…,S_k4]。

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似4中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

在本发明一实施例中，所述洪水预报实时校正模块实现功能为：在历史洪水相似分析模块获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

相较于现有技术，本发明具有以下有益效果：

1、摒弃复杂的水文机理研究，采用更简单的方式进行洪水预报，为洪水预报提供新的思路；

2、本发明的预报成果为一个区间，而非一个数值，对于实际的防汛调度工作，区间范围的预报成果更具有参考价值，用户能够根据预报出来的区间范围进行合理判断；

3、实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性。

附图说明

图1为降雨径流相关图法。

图2为经验单位线模型。

图3为新安江模型结构。

图4为本发明方法步骤流程图。

图5为本发明模块组成图。

图6为本发明历史-现在-未来洪水事件关系图。

图7为本发明历史洪水信息内容说明图。

图8为本发明相似历史洪水查找过程图。

图9为本发明二次相似性分析过程图。

图10为本发明实时与历史洪水过程对比分析图。

图11为本发明实时校正后的预报结果图。

图12为本发明防灾调度分析平台过程图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明的一种洪水预报、防灾决策方法，包括如下步骤，

S1、历史数据准备：获取整理水文数据资料，形成水文预报历史洪水经验库；

S2、生成历史洪水分析展示平台及实时信息查询平台，在平台上以事件形式直观地展现一场洪水的全过程，以及为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

S3、历史洪水相似分析：生成历史洪水相似性分析引擎，通过历史洪水经验库查找与当前实时条件相似的历史洪水事件，进行直观展现，与当前洪水特征值形成对比，从而判断未来洪水趋势，达到洪水预估报的目的；

S4、实时预报校正分析：生成洪水预报实时校正引擎，实现对洪水预报实时校正；

S5、防灾调度分析：生成防灾调度分析平台，基于步骤S3、S4获取的相似历史洪水事件，对照查询在相似洪水事件下的防灾调度处置方法，同时查看在该处置方式下的灾情情况信息；而后，开展当前的调度工作进行判断分析，快速拟定调度方案，并在事件过后，对灾情情况进行统计分析，并在平台上形成记录，补充完成到历史洪水经验库中，形成新的历史洪水事件。

所述历史洪水经验库，用于存储历史洪水信息；该历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据。所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

所述步骤S3具体实现如下，

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与w个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于 w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与m个B_yi相似程度，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d₁,d₂,d₃,…,d_k1]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S₁,S₂,S₃,…,S_k1]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d₁,d₂,d₃,…,d_k2]、d_q相似＝[d₁,d₂,d₃,…,d_k3]、d_l相似＝[d₁,d₂,d₃,…,d_k4]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组Ss_相似＝[S₁,S₂,S₃,…,S_k2]、S_q相似＝[S₁,S₂,S₃,…,S_k3]、S_l相似＝[S₁,S₂,S₃,…,S_k4]。

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似4中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

所述步骤S4的洪水预报实时校正引擎，即在步骤S3获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

对于数组A＝[a₁,a₂,a₃,a₄,a₅,…,a_n]，B＝[b₁,b₂,b₃,b₄,b₅,…,b_n]，所述Tanimoto系数算法公式如下，

其中，d为计算系数，其值范围[0,1]，完全重叠时为1，无重叠项时为0，越接近1说明数组A、B越相似。

本发明还提供了一种洪水预报、防灾决策系统，包括历史洪水经验库、历史洪水分析展示平台、实时信息查询平台、历史洪水相似性分析模块、洪水预报实时校正模块、防灾调度分析平台；

所述历史洪水经验库，用于存储历史洪水信息；

所述历史洪水分析展示平台在平台上以事件形式直观地展现历史洪水的全过程；

所述实时信息查询平台为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

所述历史洪水相似分析模块对照着当前实时条件，去历史洪水经验库寻找相似历史洪水事件，实现洪水预报；

所述洪水预报实时校正模块实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性；

所述防灾调度分析平台实现基于相似历史事件的防灾调度，提高防灾预判能力。

所述历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据；所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

所述历史洪水相似分析模块实现功能如下：

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与w个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于 w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与m个B_yi相似程度，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d₁,d₂,d₃,…,d_k1]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S₁,S₂,S₃,…,S_k1]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d₁,d₂,d₃,…,d_k2]、d_q相似＝[d₁,d₂,d₃,…,d_k3]、d_l相似＝[d₁,d₂,d₃,…,d_k4]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组Ss_相似＝[S₁,S₂,S₃,…,S_k2]、S_q相似＝[S₁,S₂,S₃,…,S_k3]、S_l相似＝[S₁,S₂,S₃,…,S_k4]。

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似4中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

所述洪水预报实时校正模块实现功能为：在历史洪水相似分析模块获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

以下为本发明的具体实现过程。

本发明的一种洪水预报、防灾决策方法，旨在充分利用历史经验数据，实现洪水预报基于多维度、实时校正的经验相似性分析，利用相似历史洪水事件对当前洪水情况进行预报分析，为防灾调度决策提供依据，加强防灾能力，主要流程步骤如图4所示，

步骤S1，历史数据准备：整编近10年的水文数据资料，形成水文预报历史经验库，整编不同历史洪水情境下，当时的水库及河道水位雨量信息、调度信息、洪峰流量、灾情数据等历史数据，用户能够快速调出不同历史洪水时期水库及河道的参考信息，辅助洪水期间水库调度指挥决策。

步骤S2，历史事件查询：系统能够以历史事件为主线，以图表形式展示历史洪水事件信息，包括历史洪水起因、历史洪水过程特征情况、历史调度情况以及最终灾害结果。

步骤S3，实时信息查询：查询了解气象信息、实时雨水情信息、出入库流量信息等。

步骤S4，历史洪水相似分析：基于实时水文监测信息，在历史经验库中搜索查询与当前最为相近的历史信息，找出对应的洪水事件，并将查找出来的历史洪水事件与当前洪水情况进行对比分析，用户可通过可视化图形方式判断当前洪水与历史哪个洪水事件最为相近，从而对未来洪水情况进行预估测。

步骤S5，实时预报校正分析：系统提供洪水实时预报校正分析功能，随着时间推移，不断生成新的水文监测信息和新的洪水特征值信息，基于新生成的数据，对预报成果进行实时校正，对相似事件进行不断的经验调整，提高洪水预报准确性。

步骤S6，防灾调度分析：在历史洪水相似分析和实时预报校正分析基础上，用户可调取对应相似历史洪水事件的历史调度信息、历史灾情信息，为用户进行当前的防灾调度决策提供依据，辅助领导进行决策分析。在当前洪水事件过后，用户可对本次洪水事件的调度过程、灾情情况进行记录，形成历史经验，进入历史经验库中。

本发明还提供了一种洪水预报、防灾决策系统，其主要模块如图5所示，包括历史洪水经验库、历史洪水分析展示平台、实时信息查询平台、历史洪水相似分析引擎、洪水预报实时校正引擎、防灾调度分析平台。历史洪水经验库，用于存储历史洪水信息；历史洪水分析展示平台在平台上以事件形式直观地展现历史洪水的全过程；实时信息查询平台为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；历史洪水相似分析引擎对照着当前实时条件，去历史洪水经验库寻找相似历史洪水事件，实现洪水预报；洪水预报实时校正引擎实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性；防灾调度分析平台实现基于相似历史事件的防灾调度，提高防灾预判能力。

本发明的实现原理如图6所示，对洪水事件的历史-现在-未来关系进行说明：基于现在的洪水条件情况，去寻找相似历史洪水事件，通过分析相似历史洪水事件的发展过程变化，对未来的洪水事件发展进行预判，并借助历史调度经验和历史灾情结果，快速拟定洪水调度方案，对洪水进行提前防治，达到防灾减灾目的。在当前洪水过后，将实际洪水过程线与预报出来的过程线进行对比分析，并反馈灾情结果。将该洪水事件纳入到历史洪水经验库中，对历史洪水经验库做进一步补充和完善。

本发明方法具体实现如下：

在步骤S1中：

如图7所示，生成历史洪水经验库，用于存储历史洪水信息。历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息。其中历史水文监测信息为成因类数据，历史洪水特征值为表现类数据；历史调度信息为过程类数据；历史灾情信息为结果类数据。

历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

在步骤S2中：

生成历史洪水分析展示平台，在平台上以事件形式直观地展现一场洪水的全过程。通过该平台，用户可以直接了解：是什么样的气象水文条件造成这场洪水；这场洪水是什么样的；当时情况下防汛人员如何进行事件处置；这场洪水造成损害情况如何。

在步骤S3中：

生成实时信息查询平台，为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息。在平台上直观展现当前的水文现状情况，包括实时雨情信息、实时水情信息、实时气象信息、实时流量信息。同时展示实时洪水特征值统计信息，包括水库流域面雨量、降雨历时、入库总水量、出库总水量、入库洪峰、洪峰出现时间、最高水位出现时间等实时洪水特征信息。

展示形式上与步骤S2中历史洪水分析展示平台的类似，并形成一一对应关系。

在步骤S4中：

生成历史洪水相似分析引擎，对照着当前实时条件，去历史洪水经验库寻找相似历史洪水事件，并进行直观展现，和现有洪水特征值形成对比。用户通过比较现在和过去，从而判断未来洪水趋势，达到洪水预估报的目的。

1、历史洪水相似分析引擎

如图8、9所示，系统提供实时水文监测信息，并与历史洪水事件的水文监测信息进行初次相似性对比分析，找出与该时刻水文监测信息最为相近的历史洪水事件。对筛选出来的相似历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与筛选后的历史洪水事件洪水特征值进行对比分析，选出最为相近的6个(个数可根据用户需求做设定和调整)相似历史洪水事件。

相似性历史洪水查找过程用到计算两个数组相似度的Tanimoto系数(TanimotoCoefficient)，通过Tanimoto系数度量两个集合之间的相似程度。

对数组A、B进行相似性分析，数组A＝[a₁,a₂,a₃,a₄,a₅,…,a_n]，B＝[b₁,b₂,b₃,b₄,b₅,…,b_n]，Tanimoto 系数算法公式如下，

其中，d为计算系数，其值范围[0,1]，完全重叠时为1，无重叠项时为0，越接近1说明数组A、B越相似。

在本发明中，

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与m个B_yi相似程度，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d₁,d₂,d₃,…,d_k1]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S₁,S₂,S₃,…,S_k1]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d₁,d₂,d₃,…,d_k2]、d_q相似＝[d₁,d₂,d₃,…,d_k3]、d_l相似＝[d₁,d₂,d₃,…,d_k4]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组Ss_相似＝[S₁,S₂,S₃,…,S_k2]、S_q相似＝[S₁,S₂,S₃,…,S_k3]、S_l相似＝[S₁,S₂,S₃,…,S_k4]。

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似4中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

2、实时与历史洪水过程对比分析

如图10所示，将实时洪水过程与筛选出来的相似历史洪水事件以图表形式在平台上同时展现出来，用户通过对相似历史洪水事件的分析，对当前洪水过程进行预判。系统通过后台计算，给出当前洪水预报范围区间，给出洪水预报两条包络线(最低、最高)，判断针对当前洪水事件，水位(或流量)可能变化范围，为用户决策提供参考。同时，平台也可接入常规洪水预报结果，进行对比分析，使得洪水预报进行更为准确的分析。

在步骤S5中：

如图11所示，生成洪水预报实时校正引擎，实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性。

设在t1时刻调用步骤S4中历史洪水相似分析引擎进行相似分析，得到6组最为相似的历史洪水事件。在t2时刻，根据新补充进来的实时水文监测数据、洪水特征值信息，再次利用 Tanimoto系数算法对相似的历史洪水事件做相似校验分析，符合步骤S4中相似条件的保留，不符合条件的剔除，并重新进行相似洪水事件补充增加，重新计算调整包络线。

在t3时刻，t4时刻，……tn时刻，重复以上步骤。

在步骤S6中：

如图12所示，生成防灾调度分析平台，基于步骤S4，S5中获取的相似历史洪水事件，用户对照查询在相似洪水事件下的防灾调度处置方法，同时查看在该处置方式下的灾情情况信息。用于在此情况下，对如何开展当前的调度工作进行判断分析，快速拟定调度方案，并执行。在事件过后，对灾情情况进行统计分析，并在平台上形成记录，补充完成到历史经验库中，形成新的历史洪水事件。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (8)

1.一种洪水预报、防灾决策方法，其特征在于：包括如下步骤，

S1、历史数据准备：获取整理水文数据资料，形成水文预报历史洪水经验库；

S2、生成历史洪水分析展示平台及实时信息查询平台，在历史洪水分析展示平台上以事件形式直观地展现一场洪水的全过程，以及在实时信息查询平台为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

S3、历史洪水相似分析：生成历史洪水相似性分析引擎，通过历史洪水经验库查找与当前实时条件相似的历史洪水事件，进行直观展现，与当前洪水特征值形成对比，从而判断未来洪水趋势，达到洪水预估报的目的；

S4、实时预报校正分析：生成洪水预报实时校正引擎，实现对洪水预报实时校正；

S5、防灾调度分析：生成防灾调度分析平台，基于步骤S3、S4获取的相似历史洪水事件，对照查询在相似历史洪水事件下的防灾调度处置方式，同时查看在该处置方式下的灾情情况信息；而后，开展当前的调度工作并进行判断分析，快速拟定调度方案，并在事件过后，对灾情情况进行统计分析，并在平台上形成记录，补充完成到历史洪水经验库中，形成新的历史洪水事件；

所述步骤S3具体实现如下，

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与k个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与B_yi的相似程度，其中，i＝1,2,3,……,m，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d_1y,d_2y,d_3y,…,d_k1y]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S_1y,S_2y,S_3y,…,S_k1y]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d_1s,d_2s,d_3s,…,d_k2s]、d_q相似＝[d_1q,d_2q,d_3q,…,d_k3q]、d_l相似＝[d_1l,d_2l,d_3l,…,d_k4l]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组S_s相似＝[S_1s,S_2s,S_3s,…,S_k2s]、S_q相似＝[S_1q,S_2q,S_3q,…,S_k3q]、S_l相似＝[S_1l,S_2l,S_3l,…,S_k4l]；

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

2.根据权利要求1所述的一种洪水预报、防灾决策方法，其特征在于：所述历史洪水经验库，用于存储历史洪水信息；该历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据。

3.根据权利要求2所述的一种洪水预报、防灾决策方法，其特征在于：所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

4.根据权利要求1所述的一种洪水预报、防灾决策方法，其特征在于：所述步骤S4的洪水预报实时校正引擎，即在步骤S3获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

5.根据权利要求1或4所述的一种洪水预报、防灾决策方法，其特征在于：对于数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]，B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]，所述Tanimoto系数算法公式如下，

其中，d为计算系数，其值范围[0,1]，完全重叠时为1，无重叠项时为0，越接近1说明数组A_y、B_yi越相似。

6.一种洪水预报、防灾决策系统，其特征在于：包括历史洪水经验库、历史洪水分析展示平台、实时信息查询平台、历史洪水相似分析模块、洪水预报实时校正模块、防灾调度分析平台；

所述历史洪水经验库，用于存储历史洪水信息；

所述历史洪水分析展示平台在平台上以事件形式直观地展现历史洪水的全过程；

所述实时信息查询平台为用户提供及时、全方位的实时水文监测信息及实时洪水特征信息；

所述历史洪水相似分析模块对照着当前实时条件，去历史洪水经验库寻找相似历史洪水事件，实现洪水预报；

所述洪水预报实时校正模块实现对洪水预报实时校正，实现滚动预报，提高洪水预报准确性；

所述防灾调度分析平台实现基于相似历史洪水事件的防灾调度，提高防灾预判能力；

所述历史洪水相似分析模块实现功能如下：

将当前水文监测信息与历史洪水经验库中历史洪水事件的水文监测信息进行初次相似性对比分析，找出与当前时刻水文监测信息相近的k个历史洪水事件；对筛选出来的k个历史洪水事件做二次相似性对比分析，通过将当前洪水特征值与k个历史洪水事件的洪水特征值进行对比分析，选出最为相近的w个相似历史洪水事件；其中，k、w均为大于1的自然数，且k大于w；

初次相似性对比分析：

令数组A_y＝[a₁,a₂,a₃,a₄,a₅,…,a_n]为t₁,t₂,t₃…，t_n时刻的雨情信息；

数组B_yi＝[b₁,b₂,b₃,b₄,b₅,…,b_n]为第i个历史洪水事件对应历史雨情信息，共计m个历史洪水事件，i＝1、2、……、m；

利用Tanimoto系数算法，分别计算A_y与B_yi的相似程度，其中，i＝1,2,3,……,m，得出系数组d_y＝[d₁,d₂,d₃,…,d_m]，实现实时雨情信息与历史雨情信息的相似性分析，选出d_y＝[d₁,d₂,d₃,…,d_m]中要素d_i>0.6的值，组成新数组d_y相似＝[d_1y,d_2y,d_3y,…,d_k1y]，表示有k1个历史洪水事件的历史雨情信息与当前实时雨情相似，实现对雨情信息的历史相似查找；对对应的历史洪水事件进行标记，生成事件数组S_y相似＝[S_1y,S_2y,S_3y,…,S_k1y]；

同理，分别实现对水情信息、气象预报信息、实时流量信息的相似查找，分别生成数组d_s相似＝[d_1s,d_2s,d_3s,…,d_k2s]、d_q相似＝[d_1q,d_2q,d_3q,…,d_k3q]、d_l相似＝[d_1l,d_2l,d_3l,…,d_k4l]；分别表示有k2个历史洪水事件的历史水情信息与当前实时水情相似，有k3个历史洪水事件的气象预报信息与当前气象预报信息相似，表示有k4个历史洪水事件的历史流量信息与当前实时流量相似；对对应的历史洪水事件进行标记，分别生成事件数组S_s相似＝[S_1s,S_2s,S_3s,…,S_k2s]、S_q相似＝[S_1q,S_2q,S_3q,…,S_k3q]、S_l相似＝[S_1l,S_2l,S_3l,…,S_k4l]；

在此基础上，找出S_y相似、S_s相似、S_q相似、S_l相似中交集的部分，形成新的事件数组S_相似＝[S₁,S₂,S₃,…,S_k]，S_相似表示同时符合雨情相似、水情相似、气象预报相似、流量相似的历史洪水事件，总共有k个；

二次相似性对比分析：

将当前洪水特征值与筛选后的k个历史洪水事件的洪水特征值做相似分析，原理与初次相似性对比分析相同，筛选出W个相似历史洪水事件，再根据计算出来的系数d，按从大到小进行排序，选出w组最为相似的历史洪水事件。

7.根据权利要求6所述的一种洪水预报、防灾决策系统，其特征在于：所述历史洪水信息包括历史水文监测信息、历史洪水特征值、历史调度信息、历史灾情信息4个方面的信息；其中，历史水文监测信息为成因类数据，历史洪水特征值为表现类数据，历史调度信息为过程类数据，历史灾情信息为结果类数据；所述历史水文监测信息包括雨情信息、水情信息、气象信息、流量信息；历史洪水特征值包括进出流量、水位过程线、最大洪峰流量、最高水位、洪水总量；历史调度信息包括人员调度、物资调度；历史灾情信息包括居民房屋损失、家庭财产损失、农业损失。

8.根据权利要求6所述的一种洪水预报、防灾决策系统，其特征在于：所述洪水预报实时校正模块实现功能为：在历史洪水相似分析模块获取的w组最为相似的历史洪水事件的条件下，根据实时补充的水文监测数据、洪水特征值信息，利用Tanimoto系数算法对w组最为相似的历史洪水事件作相似性校验分析剔除，同时，对历史洪水经验库中的历史洪水事件采用Tanimoto系数算法进行相似的历史洪水事件添加，完成洪水预报实时校正。

Images