CN109978263B - 一种园林水系水位预警方法 - Google Patents

一种园林水系水位预警方法 Download PDF

Info

Publication number
CN109978263B
CN109978263B CN201910237353.6A CN201910237353A CN109978263B CN 109978263 B CN109978263 B CN 109978263B CN 201910237353 A CN201910237353 A CN 201910237353A CN 109978263 B CN109978263 B CN 109978263B
Authority
CN
China
Prior art keywords
water level
garden
early warning
water system
water
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
Application number
CN201910237353.6A
Other languages
English (en)
Other versions
CN109978263A (zh
Inventor
徐建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Landscape Architecture Design & Research Institute Co ltd
Original Assignee
Shanghai Landscape Architecture Design & Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Landscape Architecture Design & Research Institute Co ltd filed Critical Shanghai Landscape Architecture Design & Research Institute Co ltd
Priority to CN201910237353.6A priority Critical patent/CN109978263B/zh
Publication of CN109978263A publication Critical patent/CN109978263A/zh
Application granted granted Critical
Publication of CN109978263B publication Critical patent/CN109978263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了本实施例提供一种园林水系水位预警方法，预警方法如下步骤：确立若干园林水系水位的影响因素；收集影响因素的历史信息；基于收集到的历史信息，建立水位预测模型；基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测；判断预定时间后的水位是否需要预警。本发明的有益效果为现有园林水系报警系统基本没有预警能力，应用本方法后，实现自动化运行，提前报警，园林环境下报警判断准确率高。

Description

一种园林水系水位预警方法
技术领域
本发明属于园林领域，具体涉及一种园林水系水位预警方法。
背景技术
现代园林水系不仅具有传统景观应有的观赏性，还需具备调节城市生态环境、承载人文情怀、防洪抗旱等功能；水位预警对可能发生的堵塞、汛情、险情、灾情进行提前预报，及时采取预防与补救措施，保障人民生命财产安全具有重要作用；对于湿地公园，水位预警预测能够综合监控整体环境，既有利于生态保护，也有利于对湿地公园的合理开发。
因此，需要设计一种园林水系水位预警方法。
发明内容
针对现有技术中存在的问题，本发明提供一种园林水系水位预警方法，本发明能够动化运行，提前报警，园林环境下报警判断准确率高。
为实现上述目的，本发明采用以下技术方案：
一种园林水系水位预警方法，所述预警方法如下步骤：确立若干园林水系水位的影响因素；收集影响因素的历史信息；基于收集到的历史信息，建立水位预测模型；基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测；判断预定时间后的水位是否需要预警。
优选地，所述影响因素包括一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位、园林水系的排水流速、园林水系的输入流速。
优选地，所述影响因素中一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位作为线性影响因素，所述影响因素中园林水系的排水流速、园林水系的输入流速作为非线性影响因素。
优选地，所述建立水位预测模型包括：对影响因素进行归一化处理，形成一天内园林范围的天气预报降雨量
Figure DEST_PATH_IMAGE002
、园林土壤含水量/>
Figure DEST_PATH_IMAGE004
、园林水系水位/>
Figure DEST_PATH_IMAGE006
、园林水系的排水流速
Figure DEST_PATH_IMAGE008
、园林水系的输入流速/>
Figure DEST_PATH_IMAGE010
；设一天后的园林水系水位为/>
Figure DEST_PATH_IMAGE012
，则/>
Figure 466534DEST_PATH_IMAGE012
满足如下计算式组：
Figure DEST_PATH_IMAGE014
；其中，/>
Figure DEST_PATH_IMAGE016
、c、h基于收集到的历史信息通过机器学习算法求得。
优选地，所述机器学习算法为Boosting算法。
优选地，所述基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测包括：每十五分钟进行一次预测。
优选地，所述判断预定时间后的水位是否需要预警包括：将预测获得的园林水系水位
Figure 622184DEST_PATH_IMAGE012
与设定报警值比较大小，若/>
Figure 647909DEST_PATH_IMAGE012
大于所述设定报警值则报警。
本发明还提供一种园林水系水位预警系统，所述预警系统包括：收集单元，所述收集单元收集园林水系水位的影响因素的历史信息；预测单元，所述预测单元与所述收集单元连接，所述预测单元内置基于所述影响因素的预测算式，所述预测单元接收所述历史信息，根据所述历史信息确立预测算式中的常量；报警单元，所述报警单元与所述预测单元连接，所述报警单元判断预定时间后的水位是否需要预警。
与现有技术相比，本发明的有益效果为：
1、现有园林水系报警系统基本没有预警能力，应用本方法后，实现自动化运行，提前报警，园林环境下报警判断准确率高；
2、每十五分钟更新一次，使得预警效果更好；
3、采用机器学习算法确立预测模型，使得预测准确度进一步提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本实施例提供一种园林水系水位预警方法，预警方法如下步骤：确立若干园林水系水位的影响因素；收集影响因素的历史信息；基于收集到的历史信息，建立水位预测模型；基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测；判断预定时间后的水位是否需要预警。
影响因素包括一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位、园林水系的排水流速、园林水系的输入流速。
影响因素中一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位作为线性影响因素，影响因素中园林水系的排水流速、园林水系的输入流速作为非线性影响因素。
建立水位预测模型包括：对影响因素进行归一化处理，形成一天内园林范围的天气预报降雨量
Figure 118205DEST_PATH_IMAGE002
、园林土壤含水量/>
Figure 769635DEST_PATH_IMAGE004
、园林水系水位/>
Figure 641776DEST_PATH_IMAGE006
、园林水系的排水流速/>
Figure 323555DEST_PATH_IMAGE008
、园林水系的输入流速/>
Figure 281147DEST_PATH_IMAGE010
；设一天后的园林水系水位为/>
Figure 221421DEST_PATH_IMAGE012
，则/>
Figure 931757DEST_PATH_IMAGE012
满足如下计算式组：
Figure 564864DEST_PATH_IMAGE014
；其中，/>
Figure 497834DEST_PATH_IMAGE016
、c、h基于收集到的历史信息通过机器学习算法求得。
归一化处理是指，对某组待归一化的数据，做如下处理：
每个数据归一化后的数值=（该数据的当前值-整组数据中最小值）/（整组数据中的最大值-整组数据中的最小值）。每种数据单独进行归一化，例如x1只通过所有x1的历史测量值进行。
归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。例如，滤波器中各个频率值以截止频率作归一化后，频率都是截止频率的相对值，没有了量纲。阻抗以电源内阻作归一化后，各个阻抗都成了一种相对阻抗值，“欧姆”这个量纲也没有了。等各种运算都结束后，反归一化一切都复原了。信号处理工具箱中经常使用的是nyquist频率，它被定义为采样频率的二分之一，在滤波器的阶数选择和设计中的截止频率均使用nyquist频率进行归一化处理。例如对于一个采样频率为500hz的系统，400hz的归一化频率就为400/500=0.8，归一化频率范围在[0，1]之间。如果将归一化频率转换为角频率，则将归一化频率乘以2*pi，如果将归一化频率转换为hz，则将归一化频率乘以采样频率的一半。
具体的，影响因素是一组具有时间维度的数值，如2015年1月1日12点整，
Figure 976220DEST_PATH_IMAGE002
是指从该时间点起至2015年1月2日12点整的预报累计降雨量累加值，通过网络获得项目实际地域对应的降雨量数据；/>
Figure 822953DEST_PATH_IMAGE004
是指该时间点通过土壤含水量检测仪器获得数值；/>
Figure 610650DEST_PATH_IMAGE006
是指该时间点下通过水位仪测得的园林水位数值；/>
Figure 542834DEST_PATH_IMAGE008
是指园林水系溢流口的仪器测得排出流速；/>
Figure 575643DEST_PATH_IMAGE010
是指园林水系外部向圆林内部水系流入的速度，通过人工获取或自动仪器获取，如果不能精确到每15分钟一个输入量，用当前时间段的流速信息代替，如输入是每个小时的外部流速，则该小时内4个预测时刻均用该小时的流速信息。参数x1~x5 和对应的24小时后的水位y值，共6个参数作为一组，在历史信息中选择典型的数据对（已经发生的y和其对应的x），根据已知数据，求解未知参数的方法为纯数学求解过程，可以通过程序调用对应的库函数完成，不限于Boosting方法。
机器学习算法为Boosting算法。
Boosting方法是一种用来提高弱分类算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将他们组合成一个预测函数。他是一种框架算法，主要是通过对样本集的操作获得样本子集，然后用弱分类算法在样本子集上训练生成一系列的基分类器。他可以用来提高其他弱分类算法的识别率，也就是将其他的弱分类算法作为基分类算法放于Boosting 框架中，通过Boosting框架对训练样本集的操作，得到不同的训练样本子集，用该样本子集去训练生成基分类器;每得到一个样本集就用该基分类算法在该样本集上产生一个基分类器，这样在给定训练轮数 n 后，就可产生 n 个基分类器，然后Boosting框架算法将这 n个基分类器进行加权融合，产生一个最后的结果分类器，在这 n个基分类器中，每个单个的分类器的识别率不一定很高，但他们联合后的结果有很高的识别率，这样便提高了该弱分类算法的识别率。在产生单个的基分类器时可用相同的分类算法，也可用不同的分类算法，这些算法一般是不稳定的弱分类算法，如神经网络(BP)，决策树(C4.5)等。
基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测包括：每十五分钟进行一次预测。
判断预定时间后的水位是否需要预警包括：将预测获得的园林水系水位
Figure 276883DEST_PATH_IMAGE012
与设定报警值比较大小，若/>
Figure 986213DEST_PATH_IMAGE012
大于设定报警值则报警。
本实施例还提供一种园林水系水位预警系统，基于前述的预警方法，预警系统包括：收集单元，收集单元收集园林水系水位的影响因素的历史信息；预测单元，预测单元与收集单元连接，预测单元内置基于影响因素的预测算式，预测单元接收历史信息，根据历史信息确立预测算式中的常量；报警单元，报警单元与预测单元连接，报警单元判断预定时间后的水位是否需要预警。常量即前述
Figure 389381DEST_PATH_IMAGE016
、c、h。
尽管上述实施例已对本发明作出具体描述，但是对于本领域的普通技术人员来说，应该理解为可以在不脱离本发明的精神以及范围之内基于本发明公开的内容进行修改或改进，这些修改和改进都在本发明的精神以及范围之内。

Claims (5)

1.一种园林水系水位预警方法，其特征在于，所述预警方法如下步骤：
确立若干园林水系水位的影响因素；
收集影响因素的历史信息；
基于收集到的历史信息，建立水位预测模型；
所述建立水位预测模型包括：
对影响因素进行归一化处理，形成一天内园林范围的天气预报降雨量x1、园林土壤含水量x2、园林水系水位x3、园林水系的排水流速x4、园林水系的输入流速x5；
设一天后的园林水系水位为
Figure FDA0004132814200000011
则/>
Figure FDA0004132814200000012
满足如下计算式组：
Figure FDA0004132814200000013
f1(x)＝θ0+θ1x1+θ2x2+θ3x3；
f2(x)＝θ4K(x4，c)+θ5K(x５，c)；
Figure FDA0004132814200000014
其中，θ0～θ5、c、h基于收集到的历史信息通过机器学习算法求得；
基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测；
判断预定时间后的水位是否需要预警。
2.根据权利要求1所述的园林水系水位预警方法，其特征在于，所述机器学习算法为Boosting算法。
3.根据权利要求2所述的园林水系水位预警方法，其特征在于，所述基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测包括：
每十五分钟进行一次预测。
4.根据权利要求3所述的园林水系水位预警方法，其特征在于，所述判断预定时间后的水位是否需要预警包括：
将预测获得的园林水系水位
Figure FDA0004132814200000021
与设定报警值比较大小，若/>
Figure FDA0004132814200000022
大于所述设定报警值则报警。
5.一种用于实现权利要求1-4任意一项所述的园林水系水位预警方法的预警系统，其特征在于，所述预警系统包括：
收集单元，所述收集单元收集园林水系水位的影响因素的历史信息；
预测单元，所述预测单元与所述收集单元连接，所述预测单元内置基于所述影响因素的预测算式，所述预测单元接收所述历史信息，根据所述历史信息确立预测算式中的常量；
报警单元，所述报警单元与所述预测单元连接，所述报警单元判断预定时间后的水位是否需要预警。
CN201910237353.6A 2019-03-27 2019-03-27 一种园林水系水位预警方法 Active CN109978263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910237353.6A CN109978263B (zh) 2019-03-27 2019-03-27 一种园林水系水位预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910237353.6A CN109978263B (zh) 2019-03-27 2019-03-27 一种园林水系水位预警方法

Publications (2)

Publication Number Publication Date
CN109978263A CN109978263A (zh) 2019-07-05
CN109978263B true CN109978263B (zh) 2023-06-09

Family

ID=67080914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910237353.6A Active CN109978263B (zh) 2019-03-27 2019-03-27 一种园林水系水位预警方法

Country Status (1)

Country Link
CN (1) CN109978263B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110824586B (zh) * 2019-10-23 2021-11-19 上海理工大学 基于改进决策树算法的降水预测方法
CN112034896A (zh) * 2020-09-14 2020-12-04 广东生太修复科技有限公司 鱼塘水位控制方法及相关装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09256338A (ja) * 1996-03-22 1997-09-30 Mitsubishi Heavy Ind Ltd 河川水位予測装置
JP2001215119A (ja) * 2000-01-31 2001-08-10 Sony Corp 水位計算装置、水位予測システム及び水位予測方法
JP2015113587A (ja) * 2013-12-10 2015-06-22 三菱電機株式会社 ダム下流河川流量予測システム
CN206706983U (zh) * 2017-03-10 2017-12-05 国网河南夏邑县供电公司 变电站水位预警排水装置
CN108681848A (zh) * 2018-08-25 2018-10-19 黄河水利委员会黄河水利科学研究院 一种“三位一体”小型水库或淤地坝汛期预警方法
CN108921345A (zh) * 2018-06-28 2018-11-30 杭州市水文水资源监测总站 降水预报与支持向量机耦合的河道洪峰水位实时预报方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09256338A (ja) * 1996-03-22 1997-09-30 Mitsubishi Heavy Ind Ltd 河川水位予測装置
JP2001215119A (ja) * 2000-01-31 2001-08-10 Sony Corp 水位計算装置、水位予測システム及び水位予測方法
JP2015113587A (ja) * 2013-12-10 2015-06-22 三菱電機株式会社 ダム下流河川流量予測システム
CN206706983U (zh) * 2017-03-10 2017-12-05 国网河南夏邑县供电公司 变电站水位预警排水装置
CN108921345A (zh) * 2018-06-28 2018-11-30 杭州市水文水资源监测总站 降水预报与支持向量机耦合的河道洪峰水位实时预报方法
CN108681848A (zh) * 2018-08-25 2018-10-19 黄河水利委员会黄河水利科学研究院 一种“三位一体”小型水库或淤地坝汛期预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机器学习的赤水河中下游水位预警研究;管杰;《中国优秀硕士学位论文全文数据库》;20180915;I140-24 *
濮城油田沙三上5-10低渗透油藏剩余油分布及挖潜研究;姬彦庆等;《内蒙古石油化工》;20121230;155-156 *

Also Published As

Publication number Publication date
CN109978263A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN112070286B (zh) 复杂地形流域的降水预报预警系统
CN106021970B (zh) 通过降雨预报预测城市积水的方法及系统
Li et al. Hydrological drought class transition using SPI and SRI time series by loglinear regression
CN109978263B (zh) 一种园林水系水位预警方法
CN112686426B (zh) 一种基于水电站流域关键点的来水量预警方法及系统
CN103177301A (zh) 一种台风灾害风险预估方法
CN110309608B (zh) 一种针对时滞不确定信息的高炉铁水硅含量预报方法
CN110298480B (zh) 一种山洪灾害临界雨量指标计算方法及系统
CN107180270A (zh) 客流预测方法及系统
CN111639810B (zh) 一种基于防汛需求的降雨预报精度评估方法
CN114442198B (zh) 一种基于加权算法的森林火险气象等级预报方法
CN117809439B (zh) 一种基于多种环境因素中河流流量异常预警系统
CN115014299B (zh) 基于物联网和大数据的洪峰预警方法
CN115860279B (zh) 南美白对虾养殖投苗作业窗口期的气象风险预测方法
CN113807545A (zh) 一种基于深度学习和物理模型的河湖生态流量预报预警方法
CN109816154A (zh) 一种小流域山洪预报方法
CN109118721B (zh) 基于临界雨量推求复合预警指标的方法、装置及预警方法
CN115859577A (zh) 基于气象预报的水华预警方法、装置、介质及设备
CN117371337A (zh) 一种基于数字孪生的水利模型构建方法及系统
CN115630337A (zh) 基于大尺度气候遥相关的极端降雨归因的定量评估方法及系统
CN117093822B (zh) 基于产业知识图谱的产业大脑数据分析平台
CN117469603A (zh) 一种基于大数据学习的多水厂供水系统压力优化控制方法
CN108828332A (zh) 一种计算雷电定位系统探测效率的方法
CN117057490A (zh) 湿胁迫热浪-洪水复合灾害的预测方法、系统及电子设备
CN209785224U (zh) 一种园林内部水位预警系统

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