CN109299830B - 一种基于墒情监测的水文预报系统及方法 - Google Patents
一种基于墒情监测的水文预报系统及方法 Download PDFInfo
- Publication number
- CN109299830B CN109299830B CN201811258065.0A CN201811258065A CN109299830B CN 109299830 B CN109299830 B CN 109299830B CN 201811258065 A CN201811258065 A CN 201811258065A CN 109299830 B CN109299830 B CN 109299830B
- Authority
- CN
- China
- Prior art keywords
- actual
- soil
- flow
- forecast
- water content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 188
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 154
- 238000012937 correction Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 230000010365 information processing Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 7
- 238000005273 aeration Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 238000013277 forecasting method Methods 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 claims 5
- 230000002596 correlated effect Effects 0.000 claims 1
- 239000010410 layer Substances 0.000 description 19
- 239000002356 single layer Substances 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 239000002344 surface layer Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于墒情监测的水文预测系统和方法，该系统包括采集模块、传输模块、处理模块、计算模块、实时校正单元以及预测模块，采集模块，用以采集各代表性区域站点的实际土壤体积湿度信息，将实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值，洪水预报模型对实际土壤体积湿度参数值进行参数率定，洪水预报模型通过计算模块将前期土壤含水量的可用数据进行计算生成土壤实际含水量，实时校正单元根据土壤实际含水量对洪水预报模型中预报数据进行实时修正。本发明可以提高水文预报精度。
Description
技术领域
本发明涉及水文预报技术领域，特别是涉及一种基于墒情监测的水文预报系统及方法。
背景技术
水文预报技术的发展由30、5O年代“马斯京根法”、“综合单位线”、“瞬时单位线”的预报方法，到现在的新安江模型、陕北模型、水箱模型；基于DEM的分布式水文模型。但由于模拟水文预报模型绝大多数是着眼于水文现象客观规律的揭示，难以考虑模型参数的时变特性和随机因素的影响，随着计算机技术和控制论理论的发展，实时水文预报技术相继出现，并得到了迅猛发展，但是随着人类活动对土壤含水量影响日益增大，径流量和径流系数等具有较为显著的下降趋势，尤其对于年度首场洪水及长期干旱后的来水，人类活动干预下的土壤实际含水量与水文模型以天然状态计算的数值差别较大，极大影响来水预报精度。
发明内容
针对现有技术的缺陷，本发明的目的在于解决现有水文预报系统中得出的土壤实际含水量与水文预报模型以天然状态计算下的数值差别较大问题，避免极大影响来水预报精度。
为解决上述问题，一方面，本发明的提供一种基于墒情监测的水文预报系统，包括采集模块、传输模块、处理模块、计算模块、实时校正单元以及预测模块；采集模块，用以采集各代表性区域站点的实际土壤体积湿度信息；采集模块与遥测站的遥测终端机连接，将接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；遥测终端机通过传输模块与数据信息处理中心站连接，根据传输模块将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；水调自动化系统与测报中心站数据库服务器连接，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；水调自动化系统中的洪水预报模型通过处理模块对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；洪水预报模型通过计算模块将前期土壤含水量的可用数据进行计算生成土壤实际含水量；实时校正单元根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；预测模块根据修正后的预报数据来预测未来对来水的影响，通过影响调整预报来水过程的洪水预报技术。这样，通过采集模块实时采集各代表性区域站点的实际土壤体积湿度信息，采集模块将采集到的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将采集到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值，根据传输模块将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内，水调自动化系统与测报中心站数据库服务器连接，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值，水调自动化系统中的洪水预报模型通过处理模块对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据，洪水预报模型通过计算模块将前期土壤含水量的可用数据进行计算生成土壤实际含水量，通过实时校正单元将土壤实际含水量与洪水预报模型中相应的预报数据进行对比，洪水预报模型中最后得出最接近土壤实际含水量的的预报数据，通过预侧模块将校正后的预报数据来预测未来对来水的影响，通过影响调整预报来水过程的洪水预报技术，有效提高预报精度，缓解水库的防洪风险，增加水电站发电效益，为工程提供了安全保障，为下游洪水提供了可靠的源泉、为社会创造巨大的防洪减灾效益。还可以采集模块通过土壤墒情传感器与遥测站的遥测终端机连接，将采集到的各代表性区域站点的实际土壤体积湿度信息通过土壤墒情传感器发送到遥测终端机上，通过遥测终端机将采集到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值。还可以传输模块为无线通讯。
另一方面，本发明提供一种基于墒情监测的水文预报方法，包括以下步骤：
步骤1：采集各代表性区域站点的实际土壤体积湿度信息；
步骤2：在接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；
步骤3：用以将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；
步骤4：根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；
步骤5：水调自动化系统中的洪水预报模型对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；
步骤6：洪水预报模型将前期土壤含水量的可用数据进行计算生成土壤实际含水量；
步骤7：根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；
步骤8:根据修正后的预报数据来预测未来对来水的影响，通过未来对来水的影响调整预报来水过程的洪水预报技术。
附图说明
图1是根据本发明的基于墒情监测的水文预报系统结构示意图。
图2是根据本发明的基于墒情监测的水文预报系统中实时校正单元结构示意图。
图3是根据本发明的基于墒情监测的水文预报方法流程示意图。
具体实施方式
如图1所示，这种基于墒情监测的水文预报系统，包括采集模块、传输模块、处理模块、计算模块、实时校正单元以及预测模块；采集模块，用以采集各代表性区域站点的实际土壤体积湿度信息；采集模块与遥测站的遥测终端机连接，将接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；遥测终端机通过传输模块与数据信息处理中心站连接，根据传输模块将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；水调自动化系统与测报中心站数据库服务器连接，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；水调自动化系统中的洪水预报模型通过处理模块对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；洪水预报模型通过计算模块将前期土壤含水量的可用数据进行计算生成土壤实际含水量；实时校正单元根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；预测模块根据修正后的预报数据来预测未来对来水的影响，通过影响调整预报来水过程的洪水预报技术。水调自动化系统中的洪水预报模型为现有技术。
优选地，如图2所示，通过水位站人工测量出实际流量，预报数据包括预报流量，实时校正单元包括输入端、修正模块、输出端及反馈端，输入端与输出端分别与修正模块连通，输出端通过反馈端与输入端连通，第一次的实际流量通过输入端进入修正模块内与预报流量进行对比，预报流量根据第一次的实际流量对比差值进行修正后通过输出端输出后由反馈端再次反馈到输入端，通过输入端再此进入修正模块内，与第二次的实际流量进行对比，预报流量根据第二次的实际流量对比差值进行修正后通过输出端输出后由反馈端再次反馈到输入端，通过输入端再此进入修正模块内，与第三次的实际流量进行对比，以此类推，循环对比修正后，最终得到与实际流量接近的预报流量值。这样，实时校正单元包括输入端、校正模块、输出端及反馈端，一次降雨过程中，通过人工在预报站测量出实际流量，第一次的实际流量通过输入端进入校正模块与预测流量进行对比，利用对比差校正预测流量，校正后的预测流量通过输入端输出，输出后通过反馈端进入输入端，通过输入端再次进入校正模块，第二次的实际流量也通过输入端进入校正模块，第二次的实际流量与校正后的预报流量进行对比，利用对比差再次校正预测流量，再次校正后的预测流量通过输出端输出，输出后通过反馈端再次进入输入端，通过输入端再次进入校正模块，第三次的实际流量也通过输入端进入校正模块，第三次的实测流量与再次校正后的预报流量进行对比，利用对比差再次校正，以此类推，循环对比修正后，最终得到与实际流量最接近的预报流量值。
图3为本发明实施例提供的一种基于墒情监测的水文预报方法流程示意图，如图3所示，包括步骤1至步骤8。
步骤1：采集各代表性区域站点的实际土壤体积湿度信息；
步骤2：在接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；
步骤3：用以将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；
步骤4：根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；
步骤5：水调自动化系统中的洪水预报模型对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；
步骤6：洪水预报模型将前期土壤含水量的可用数据进行计算生成土壤实际含水量；
步骤7：根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；
步骤8:根据修正后的预报数据来预测未来对来水的影响，通过未来对来水的影响调整预报来水过程的洪水预报技术。这样，采集各代表性区域站点的实际土壤体积湿度信息，采集到的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将采集到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值，将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内，水调自动化系统与测报中心站数据库服务器连接，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值，水调自动化系统中的洪水预报模型通过处理模块对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据，洪水预报模型将前期土壤含水量的可用数据进行计算生成土壤实际含水量，将土壤实际含水量与洪水预报模型中相应的预报数据进行对比，洪水预报模型中最后得出最接近土壤实际含水量的的预报数据，将校正后的预报数据来预测未来对来水的影响，通过影响调整预报来水过程的洪水预报技术，有效提高预报精度，缓解水库的防洪风险，增加水电站发电效益，为工程提供了安全保障，为下游洪水提供了可靠的源泉、为社会创造巨大的防洪减灾效益。
优选地，前期土壤含水量的可用数据包括t日降水量以及t日蒸散发量。这样，前期土壤实际含水量的计算，用以计算出不同的降水量和蒸散发量条件下的前期土壤实际含水量参数，以及模拟前期土壤实际含水量的变化过程，然后，径流生成模块把土壤中的水(以土壤实际含水量表示)。前期土壤实际含水量通常指包气带的土壤实际含水量，根据土壤水分蒸散发特征，包气带的土壤水可分为土壤结合水和自由水两部分，土壤结合水主要受土壤颗粒的分子力的支配，土壤从空气中吸附的水量，其最大的吸附水量为最大吸湿量。自由水主要受毛管力和重力支配，它分为悬着水、支持毛管水和自由重力水三部分，现有的水文预报模型分为蓄满产流和超渗产流两种机制，分别通过蓄水容量曲线和下渗能力曲线计算出前期土壤实际含水量的变化过程和未来来水过程。
优选地，通过公式(1)来计算土壤实际含水量；
Wo，t+1＝Wo,t+Pt-Rt-Et (1)
其中，W0，t：t日流域内土壤含水量，单位为毫米；
W0，t+1：t+1日流域内土壤含水量，单位为毫米；
Pt：t日降水量，单位为毫米；
Rt：Pt产生的径流深，单位为毫米；
Et：t日蒸散发量，单位为毫米
t日蒸散发量与t日流域内土壤含水量成正比，公式(2)为：
这样，t日降水量和t日蒸散发量均为前期土壤实际含水量的可用数据，t日降水量和t日蒸散发量均为实测的数据，或者有实测的t日降水量和流域的降雨径流关系，则只要有t日蒸散发量就可以计算出t日流域内土壤实际含水量了，t日流域内土壤实际含水量也就是t日流域蓄水量，而前期土壤实际含水量的计算又分为单层、双层和三层三种，单层技术时，土壤蒸散发与土壤实际含水量成正比，单层技术最主要的缺陷是不能考虑土壤水分在垂直剖面中的分布情况，当久旱期间降小雨时会使计算的土壤蓄水量(土壤实际含水量)产生较大的计算误差，双层计算的基本假定是将流域包气带蓄水容量(土壤实际含水量)分为表层容量和下层容量两部分。按下渗规律，降雨首先补充表层，表层蓄满后再补充下层。表层蒸散发等于蒸散发能力。表层水分蒸散发完后，下层水分再行蒸散发，下层蒸散发按与土壤实际含水量成正比的规律消退。单层和双层计算的共同点是规定蒸散发与包气带蓄水量成正比，这样随着蓄水量趋于零，蒸散发量也必趋于零。事实上，当下层蓄水量低于某下限值后，深层含水量(三层土壤实际含水量)也会以薄膜水或汽态水形式向上移动，供蒸散发消耗，层次是人为设定，单层时仅计算一层，双层时在上层蒸散发计算为负值时，计算下层。
优选地，对各代表性区域站点垂向测点分为三层进行实际土壤体积湿度信息采集。这样，对各代表区域的站点土壤的采集分层次采集，其中深度分别是10cm、20cm和40cm处进行取样采集。
优先地，通过土壤墒情传感器将采集到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上。这样，通过土壤墒情传感器可以有效快速及时将的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，使遥测终端机可以实时采集到实际土壤体积湿度信息。
优先地，洪水预报模型为新安江三水源模型。这样，在新安江三水源模型的基础上，根据土壤实际含水量对新安江三水源模型中对相应的预报数据进行实时校正，相应的预报数据为土壤预测含水量。并通过实时校正后的土壤实际含水量对小水库、塘坝的蓄滞影响来预测对未来来水的影响，结合影响进一步调整预报来水过程的洪水预报技术。
优先地，通过水位站人工测量出实际流量，预报数据包括预报流量，根据实际流量对洪水预报模型中预报流量进行实时校正，第一次的实际流量与预报流量进行对比，预报流量根据第一次的实际流量对比差值校正后再次与第二次的实际流量进行对比，预报流量根据第二次的实际流量对比差值校正后再次与第三次的实际流量进行对比，以此类推，循环对比校正后，最终得到与实际流量接近的预报流量值。这样，一次降雨过程中，通过人工在预报站测量出实际流量，第一次的实际流量与预测流量进行对比，利用对比差校正预测流量，校正后的预测流量输出反馈再次与第二次的实际流量进行对比，利用对比差再次校正预测流量，再次校正后的预测流量输出反馈再次与第三次的实际流量进行对比，利用对比差再次校正，以此类推，循环对比修正后，最终得到与实际流量最接近的预报流量值。
优先地，通过反馈模拟实时校正算法将实际流量对预报流量进行修正。
反馈模拟实时校正算法：
已知实际流量Qob(i)(i＝1,2,……,N)和预报流量Qf(i) (i＝1,2,……,LAP)。首先对实际流量与预报流量进行相关分析，计算出相关系数Rc和确定性系数Dy，
实际流量的平均流量为
与实际流量对应的预报流量的平均流量为
相关系数为
确定性系数为
求相邻时刻实际流量间的差值
DQob(i)＝Qob(i)-Qob(i-1) (3-5)
式中，i＝1,2,……,N，对于i＝1，设DQob(1)＝0，
求预报流量间的差值
DQf(i)＝Qf(i)-Qf(i-1) (3-6)
式中，，i＝1,2,……,LAP，对于i＝1，设DQf(1)＝0，
计算相邻两个时段实际流量差值之和与预报流量差值之和的比值FACT 因子，其表达式为
或
求F(i,j)，其表达式为
F(i,j)＝FACT(i)0.75**j (3-9)
(j＝1,2,……,6)
用DQf(i)≥0或DQf(i)<0把流量过程分为涨水段和退水段，进行反馈模拟实时校正。
这样，实际流量通过反馈模拟实时校正算法对预报流量进行校正，不仅可以提高作业预报能力，而且使作业预报获得较高的精度。
上述仅对本发明中的几种具体实施例加以说明，但并不能作为本发明的保护范围，凡是依据本发明中的设计精神所作出的等效变化或修饰或等比例放大或缩小等，均应认为落入本发明的保护范围。
Claims (8)
1.一种基于墒情监测的水文预报系统，其特征在于，该系统包括采集模块、传输模块、处理模块、计算模块、实时校正单元以及预测模块；
采集模块，用以采集各代表性区域站点的实际土壤体积湿度信息；
采集模块与遥测站的遥测终端机连接，将接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；
遥测终端机通过传输模块与数据信息处理中心站连接，根据传输模块将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；
水调自动化系统与测报中心站数据库服务器连接，根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；
水调自动化系统中的洪水预报模型通过处理模块对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；前期土壤实际含水量为包气带的土壤实际含水量；
洪水预报模型通过计算模块将前期土壤含水量的可用数据进行计算生成土壤实际含水量；
实时校正单元根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；
预测模块根据修正后的预报数据来预测未来对来水的影响，通过未来对来水的影响调整预报来水过程的洪水预报技术；
前期土壤含水量的可用数据包括t日降水量以及t日蒸散发量；通过公式(1)来计算土壤实际含水量；
Wo,t+1＝Wo,t+Pt-Rt-Et (1)
其中，Wo,t：t日流域内土壤含水量，单位为毫米；
Wo,t+1：t+1日流域内土壤含水量，单位为毫米；
Pt：t日降水量，单位为毫米；
Rt：Pt产生的径流深，单位为毫米；
Et：t日蒸散发量，单位为毫米；
t日蒸散发量与t日流域内土壤含水量成正比，公式(2)为：
2.根据权利要求1所述的一种基于墒情监测的水文预报系统，其特征在于：通过水位站人工测量出实际流量，预报数据包括预报流量，实时校正单元包括输入端、修正模块、输出端及反馈端，输入端与输出端分别与修正模块连通，输出端通过反馈端与输入端连通，第一次的实际流量通过输入端进入修正模块内与预报流量进行对比，预报流量根据第一次的实际流量对比差值进行修正后通过输出端输出后由反馈端再次反馈到输入端，通过输入端再此进入修正模块内，与第二次的实际流量进行对比，预报流量根据第二次的实际流量对比差值进行修正后通过输出端输出后由反馈端再次反馈到输入端，通过输入端再此进入修正模块内，与第三次的实际流量进行对比，以此类推，循环对比修正后，最终得到与实际流量接近的预报流量值。
3.一种基于墒情监测的水文预报方法，其特征在于该方法包括以下步骤：
步骤1：采集各代表性区域站点的实际土壤体积湿度信息；
步骤2：在接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上，通过遥测终端机将接收到的实际土壤体积湿度信息转换为实际土壤体积湿度参数值；
步骤3：用以将实际土壤体积湿度参数值发送到数据信息处理中心站，数据信息处理中心站内设有测报中心站数据库服务器，实际土壤体积湿度参数值储存到测报中心站数据库服务器内；
步骤4：根据水调自动化系统在测报中心站数据库服务器内获取实际土壤测量参数值；
步骤5：水调自动化系统中的洪水预报模型对实际土壤体积湿度参数值与洪水预报模型中的相应的预报数据进行参数率定，最终得出洪水预报模型中的前期土壤含水量的可用数据；前期土壤实际含水量为包气带的土壤实际含水量；
步骤6：洪水预报模型将前期土壤含水量的可用数据进行计算生成土壤实际含水量；
步骤7：根据土壤实际含水量对洪水预报模型中相应的预报数据进行实时修正；
步骤8:根据修正后的预报数据来预测未来对来水的影响，通过未来对来水的影响调整预报来水过程的洪水预报技术；
前期土壤含水量的可用数据包括t日降水量以及t日蒸散发量；通过公式(1)来计算土壤实际含水量；
Wo,t+1＝Wo,t+Pt-Rt-Et (1)
其中，Wo,t：t日流域内土壤含水量，单位为毫米；
Wo,t+1：t+1日流域内土壤含水量，单位为毫米；
Pt：t日降水量，单位为毫米；
Rt：Pt产生的径流深，单位为毫米；
Et：t日蒸散发量，单位为毫米；
t日蒸散发量与t日流域内土壤含水量成正比，公式(2)为：
4.根据权利要求3所述的一种基于墒情监测的水文预报方法，其特征在于：对各代表性区域站点垂向测点分为三层进行实际土壤体积湿度信息采集。
5.根据权利要求3所述的一种基于墒情监测的水文预报方法，其特征在于：通过土壤墒情传感器将接收到的各代表性区域站点的实际土壤体积湿度信息发送到遥测终端机上。
6.根据权利要求3所述的一种基于墒情监测的水文预报方法，其特征在于：洪水预报模型为新安江三水源模型。
7.根据权利要求3所述的一种基于墒情监测的水文预报方法，其特征在于：通过水位站人工测量出实际流量，预报数据包括预报流量，根据实际流量对洪水预报模型中预报流量进行实时修正，第一次的实际流量与预报流量进行对比，预报流量根据第一次的实际流量对比差值修正后再次与第二次的实际流量进行对比，预报流量根据第二次的实际流量对比差值修正后再次与第三次的实际流量进行对比，以此类推，循环对比修正后，最终得到与实际流量接近的预报流量值。
8.根据权利要求7所述的一种基于墒情监测的水文预报方法，其特征在于：通过反馈模拟实时校正算法将实际流量对预报流量进行修正，
反馈模拟实时校正算法：
已知实际流量Qob(i)(i＝1,2,……,N)和预报流量Qf(i)(i＝1,2,……,N)，首先对实际流量与预报流量进行相关分析，计算出相关系数Rc和确定性系数Dy，
实际流量的平均流量为
与实际流量对应的预报流量的平均流量为
相关系数为
确定性系数为
求相邻时刻实际流量间的差值
DQob(i)＝Qob(i)-Qob(i-1) (3-5)
式中，i＝2,……,N，对于i＝1，设Qob(1)＝0，
求预报流量间的差值
DQf(i)＝Qf(i)-Qf(i-1) (3-6)
式中，i＝2,……,N，对于i＝1，设DQf(1)＝0，
计算相邻两个时段实际流量差值之和与预报流量差值之和的比值FACT因子，其表达式为
或
求F(i,j)，其表达式为
F(i,j)＝FACT(i)0.75*j (3-9)
(j＝1,2,……，6)
用DQf(i)≥0或DQf(i)＜0把流量过程分为涨水段和退水段，进行反馈模拟实时校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811258065.0A CN109299830B (zh) | 2018-10-26 | 2018-10-26 | 一种基于墒情监测的水文预报系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811258065.0A CN109299830B (zh) | 2018-10-26 | 2018-10-26 | 一种基于墒情监测的水文预报系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109299830A CN109299830A (zh) | 2019-02-01 |
| CN109299830B true CN109299830B (zh) | 2022-05-20 |
Family
ID=65158681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811258065.0A Active CN109299830B (zh) | 2018-10-26 | 2018-10-26 | 一种基于墒情监测的水文预报系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109299830B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110231455A (zh) * | 2019-06-14 | 2019-09-13 | 吉林省墒情监测中心 | 一种提高墒情监测仪器监测精度方法 |
| CN110413668B (zh) * | 2019-06-19 | 2023-08-11 | 成都万江港利科技股份有限公司 | 一种水利信息化数据智能处理系统 |
| CN111369766A (zh) * | 2020-04-15 | 2020-07-03 | 中科星图(深圳)数字技术产业研发中心有限公司 | 一种水利预警入户通知系统及方法 |
| CN113049650B (zh) * | 2021-03-25 | 2023-08-18 | 河北工业大学 | 一种土壤湿度传感器智能校准系统及其校准方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103542891A (zh) * | 2013-10-24 | 2014-01-29 | 北京科百宏业科技有限公司 | 土壤墒情监测系统 |
-
2018
- 2018-10-26 CN CN201811258065.0A patent/CN109299830B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103542891A (zh) * | 2013-10-24 | 2014-01-29 | 北京科百宏业科技有限公司 | 土壤墒情监测系统 |
Non-Patent Citations (3)
| Title |
|---|
| 三峡上游洪水预报实时校正方法应用比较;李允军等;《水电自动化与大坝监测》;20091220;第33卷(第6期);第73-75页 * |
| 新安江模型在仙衣滩水电站短期洪水预报中应用;吕源等;《红水河》;20170430;第36卷(第2期);第7-10页 * |
| 新安江模型在土壤墒情预报中的应用;邓海鹰等;《中国水利水电科学研究院学报》;20120331;第10卷(第1期);第59-62页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109299830A (zh) | 2019-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299830B (zh) | 一种基于墒情监测的水文预报系统及方法 | |
| Chang et al. | Assessing the impact of climate variability and human activities on streamflow variation | |
| Dawadi et al. | Changing climatic conditions in the Colorado River Basin: Implications for water resources management | |
| Wang et al. | Effects of land‐use changes on hydrological processes in the middle basin of the Heihe River, northwest China | |
| CN111914432B (zh) | 一种基于大数据的水文预报方法 | |
| CN108983325B (zh) | 降雨径流预报方法 | |
| CN109242336B (zh) | 多情景模式下山洪灾害临界雨量预警方法 | |
| CN102314554B (zh) | 一种基于陆气耦合的小流域洪水预报方法及系统 | |
| CN107679021B (zh) | 一种河流入湖库流量计算方法 | |
| CN109345105B (zh) | 一种多水源灌区灌溉用水量复核方法 | |
| JP2006201024A (ja) | 雪氷水資源の分布型評価方法 | |
| Pengtao et al. | Water yield reduction due to forestation in arid mountainous regions, northwest China | |
| Collet et al. | Integrated modelling to assess long-term water supply capacity of a meso-scale Mediterranean catchment | |
| CN106600060A (zh) | 基于相似日晴朗系数修正的太阳辐照量预测方法 | |
| CN104091040B (zh) | 一种土壤入渗性能计算方法 | |
| CN112686426A (zh) | 一种基于水电站流域关键点的来水量预警方法及系统 | |
| CN106709181A (zh) | 一种基于并行编程和模块法的分布式水文模型率定方法 | |
| Gholami et al. | Hydrological stream flow modeling in the Talar catchment (central section of the Alborz Mountains, north of Iran): Parameterization and uncertainty analysis using SWAT-CUP | |
| CN109816154A (zh) | 一种小流域山洪预报方法 | |
| Hou et al. | Simulating runoff generation and its spatial correlation with environmental factors in Sancha River Basin: The southern source of the Wujiang River | |
| CN111680429A (zh) | 水箱主动调蓄方法及系统、电子设备、存储介质 | |
| Ruelland et al. | Sensitivity analysis of hydrological modelling to climate forcing in a semi-arid mountainous catchment | |
| CN109002946B (zh) | 一种河湖补水的“两库—两站”系统水资源优化调度方法 | |
| CN110852525A (zh) | 基于预报误差越级设防的水库防洪限制水位动态调节方法 | |
| CN116993030A (zh) | 变化条件下水库压咸补淡调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |