CN114021793A - 洪水预测方法及电子设备 - Google Patents

洪水预测方法及电子设备 Download PDF

Info

Publication number
CN114021793A
CN114021793A CN202111255019.7A CN202111255019A CN114021793A CN 114021793 A CN114021793 A CN 114021793A CN 202111255019 A CN202111255019 A CN 202111255019A CN 114021793 A CN114021793 A CN 114021793A
Authority
CN
China
Prior art keywords
flood
weight coefficient
related parameters
target
initial weight
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.)
Pending
Application number
CN202111255019.7A
Other languages
English (en)
Inventor
吕群
程大恒
王滨
陈维强
孙永良
李建伟
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.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech 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 Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN202111255019.7A priority Critical patent/CN114021793A/zh
Publication of CN114021793A publication Critical patent/CN114021793A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

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

本公开提供洪水预测方法及电子设备。包括:周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;通过所述当前洪水预测值,得到洪水预测结果。故此,可以提前预测是否有洪水发生,提高洪水发生时的应急指挥效率。

Description

洪水预测方法及电子设备
技术领域
本发明涉及洪水预测技术领域,特别涉及一种洪水预测方法及电子设备。
背景技术
我国夏季汛期容易发生洪涝灾害,对区域财产安全与经济发展产生巨大的威胁。因此在汛期提前判断水库的水势情况,并采取相应的决策措施是应急指挥能力的一大体现。如何利用自然因素和社会因素预测水库水情的发展状况,提前判断洪水的发生并生成有用的洪水预测信息,以此来提升洪水发生时的应急指挥效率是本领域的一大难题。
发明内容
本公开示例性的实施方式中提供一种洪水预测方法及电子设备,用于提前预测是否有洪水发生,以提升洪水发生时的应急指挥效率。
本公开的第一方面提供一种洪水预测方法,所述方法包括:
周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
通过所述当前洪水预测值,得到洪水预测结果。
本实施例中通过将指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值来确定出目标权重系数,然后基于确定出的目标权重系数和当前的洪水相关参数确定出当前洪水预测值,以此得到洪水预测结果。由此,本实施例可以提前预测是否有洪水发生,提高洪水发生时的应急指挥效率。
在一个实施例中,所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,包括:
利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值;
基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差;
通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,并将第一循环次数与第一预设阈值相加,得到更新后的第一循环次数;
判断所述第一循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值的步骤,直至所述第一循环次数大于所述第二预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
本实施例通过利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值,然后通过各第一历史洪水结果预测值和各历史洪水结果值得到第一预测误差,并利用该第一预测误差对初始权重系数进行调整,以此得到目标权重系数。由此,使得确定出的目标权重系数更加准确。
在一个实施例中,所述利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值,包括:
将所述各洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第一中间矩阵,并将所述第一中间矩阵中的各参数分别输入至预设函数中,得到所述各第一历史洪水结果预测值;
所述基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差,包括:
将所述各历史洪水结果值所组成的矩阵与所述各第一历史洪水结果预测值相减,得到所述各第一预测误差;
所述通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,包括:
将所述洪水相关参数所组成的矩阵的转置矩阵与第三预设阈值相乘后,再与所述各第一预测误差所组成的矩阵相乘,得到第二中间矩阵,并将所述第二中间矩阵与所述初始权重系数所组成的矩阵相加,得到所述更新后的初始权重系数。
在一个实施例中,通过以下方式确定所述更新后的初始权重系数:
W=W01DTE;
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α1为所述第三预设阈值,DT为所述洪水相关参数所组成的矩阵的转置矩阵,E为各第一预测误差所组成的矩阵。
在一个实施例中,所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,包括:
从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
判断所述第二循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值的步骤,直至所述第二循环次数大于所述第二预设阈值后,将第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
判断第三循环次数是否大于第四预设阈值,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数的步骤,直至所述第三循环次数大于所述第四预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
本实施例通过从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,并通过选取的洪水相关参数和预设的初始权重系数,得到第二历史洪水结果预测值,然后利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差,并通过第二预测误差对初始权重系数进行调整,以得到目标权重系数。由此,本实施例中仅使用部分数据即可确定出目标权重系数,以此减少计算量,提高计算效率。
在一个实施例中,所述基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值,包括:
将所述目标洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第三中间矩阵,并将所述第三中间矩阵中的各参数相加,得到总参数,并将所述总参数输入至预设函数中,得到所述第二历史洪水结果预测值;
所述利用与所述目标洪水相关参数相对应的历史洪水结果值以及第二历史洪水结果预测值,得到第二预测误差,包括:
将与所述目标洪水相关参数相对应的历史洪水结果值与所述第二历史洪水结果预测值相减,得到所述第二预测误差;
所述通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,包括:
将所述第二预测误差、目标系数以及所述目标洪水相关参数所组成的矩阵相乘后,再与所述初始权重系数相加,得到所述更新后的初始权重系数,其中所述目标权重为基于所述第二循环次数和所述第三循环次数确定出的。
在一个实施例中,通过以下方式确定出所述更新后的初始权重系数:
W=W02eDindex
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α2为所述目标系数,e为所述第二预测误差,Dindex为所述目标洪水相关参数所组成的矩阵。
在一个实施例中,所述利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值,包括:
将所述目标权重系数所组成的矩阵的转置矩阵与所述当前洪水相关参数所组成的矩阵相乘,目标参数值;
将所述目标参数值输入至预设函数中,得到所述当前洪水预测值。
在一个实施例中,所述通过所述当前洪水预测值,得到洪水预测结果,包括:
若所述当前洪水预测值大于预设极值,则确定所述洪水预测结果为有洪水发生;
若所述当前洪水预测值不大于所述预设极值,则确定所述洪水预测结果为不会有洪水发生。
本公开第二方面提供一种电子设备,包括存储单元和处理器,其中:
所述存储单元,被配置为存储各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值;
所述处理器,被配置为:
周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
通过所述当前洪水预测值,得到洪水预测结果。
在一个实施例中,所述处理器执行所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,具体被配置为:
利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值;
基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差;
通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,并将第一循环次数与第一预设阈值相加,得到更新后的第一循环次数;
判断所述第一循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值的步骤,直至所述第一循环次数大于所述第二预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
在一个实施例中,所述处理器执行所述利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值,具体被配置为:
将所述各洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第一中间矩阵,并将所述第一中间矩阵中的各参数分别输入至预设函数中,得到所述各第一历史洪水结果预测值;
所述基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差,包括:
将所述各历史洪水结果值所组成的矩阵与所述各第一历史洪水结果预测值相减,得到所述各第一预测误差;
所述通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,包括:
将所述洪水相关参数所组成的矩阵的转置矩阵与第三预设阈值相乘后,再与所述各第一预测误差所组成的矩阵相乘,得到第二中间矩阵,并将所述第二中间矩阵与所述初始权重系数所组成的矩阵相加,得到所述更新后的初始权重系数。
在一个实施例中,所述处理器,还被配置为:
通过以下方式确定所述更新后的初始权重系数:
W=W01DTE;
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α1为所述第三预设阈值,DT为所述洪水相关参数所组成的矩阵的转置矩阵,E为各第一预测误差所组成的矩阵。
在一个实施例中,所述处理器执行所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,具体被配置为:
从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
判断所述第二循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值的步骤,直至所述第二循环次数大于所述第二预设阈值后,将第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
判断第三循环次数是否大于第四预设阈值,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数的步骤,直至所述第三循环次数大于所述第四预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
在一个实施例中,所述处理器执行所述基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值,具体被配置为:
将所述目标洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第三中间矩阵,并将所述第三中间矩阵中的各参数相加,得到总参数,并将所述总参数输入至预设函数中,得到所述第二历史洪水结果预测值;
所述利用与所述目标洪水相关参数相对应的历史洪水结果值以及第二历史洪水结果预测值,得到第二预测误差,包括:
将与所述目标洪水相关参数相对应的历史洪水结果值与所述第二历史洪水结果预测值相减,得到所述第二预测误差;
所述通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,包括:
将所述第二预测误差、目标系数以及所述目标洪水相关参数所组成的矩阵相乘后,再与所述初始权重系数相加,得到所述更新后的初始权重系数,其中所述目标权重为基于所述第二循环次数和所述第三循环次数确定出的。
在一个实施例中,所述处理器,还被配置为:
通过以下方式确定出所述更新后的初始权重系数:
W=W02eDindex
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α2为所述目标系数,e为所述第二预测误差,Dindex为所述目标洪水相关参数所组成的矩阵。
在一个实施例中,所述处理器执行所述利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值,具体被配置为:
将所述目标权重系数所组成的矩阵的转置矩阵与所述当前洪水相关参数所组成的矩阵相乘,目标参数值;
将所述目标参数值输入至预设函数中,得到所述当前洪水预测值。
在一个实施例中,所述处理器执行所述通过所述当前洪水预测值,得到洪水预测结果,具体被配置为:
若所述当前洪水预测值大于预设极值,则确定所述洪水预测结果为有洪水发生;
若所述当前洪水预测值不大于所述预设极值,则确定所述洪水预测结果为不会有洪水发生。
根据本公开实施例提供的第三方面,提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行如第一方面所述的方法。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本公开一个实施例中的适用场景示意图;
图2为根据本公开一个实施例的洪水预测方法的流程示意图之一;
图3为根据本公开一个实施例的确定目标权重系数的流程示意图之一;
图4为根据本公开一个实施例的确定目标权重系数的流程示意图之二;
图5为根据本公开一个实施例的洪水预测方法的流程示意图之二;
图6为根据本公开一个实施例的洪水预测装置;
图7为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
我国夏季汛期容易发生洪涝灾害,对区域财产安全与经济发展产生巨大的威胁。因此在汛期提前判断水库的水势情况,并采取相应的决策措施是应急指挥能力的一大体现。如何利用自然因素和社会因素预测水库水情的发展状况,提前判断洪水的发生并生成有用的洪水预测信息,以此来提升洪水发生时的应急指挥效率是本领域的一大难题。
因此,本公开提供一种洪水预测方法,通过将指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值来确定出目标权重系数,然后基于确定出的目标权重系数和当前的洪水相关参数确定出当前洪水预测值,以此得到洪水预测结果。由此,本实施例可以提前预测是否有洪水发生,提高洪水发生时的应急指挥效率。下面,结合附图对本公开的方案详细的进行介绍。
如图1所示,一种洪水预测方法的应用场景,该应用场景中包括多个终端设备110和服务器120,图1中是以三个终端设备110为例,实际上不限制终端设备110的数量。终端设备110可为手机、平板电脑和个人计算机等。服务器120可以通过单个服务器实现,也可以通过多个服务器实现。服务器120可以通过实体服务器实现,也可以通过虚拟服务器实现。
在一种可能的应用场景中,服务器120周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;然后服务器120基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;并利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;最后服务器120通过所述当前洪水预测值,得到洪水预测结果,并将所述洪水预测结果发送至终端设备110中进行显示。
如图2所示,为本公开的洪水预测方法的流程示意图,可包括以下步骤:
步骤201:周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
需要说明的是:本实施例中的单位时间可为每天、每小时、每周等,可根据具体需求进行设置,本实施例在此并不进行限定。
步骤202:基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
步骤203:利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
在一个实施例中,步骤203可具体实施为:将所述目标权重系数所组成的矩阵的转置矩阵与所述当前洪水相关参数所组成的矩阵相乘,目标参数值;将所述目标参数值输入至预设函数中,得到所述当前洪水预测值。其中,可通过公式(1)确定出所述当前洪水预测值σ(z):
Figure BDA0003323788000000121
其中,e为自然常数,z为目标参数值。
步骤204:通过所述当前洪水预测值,得到洪水预测结果。
在一个实施例中,通过以下方式得到所述洪水预测结果:
若所述当前洪水预测值大于预设极值,则确定所述洪水预测结果为有洪水发生;若所述当前洪水预测值不大于所述预设极值,则确定所述洪水预测结果为不会有洪水发生。
例如,预设极值为0.5,若当前洪水预测值为0.3,则确定洪水预测结果为不会有洪水发生。若当前洪水预测值为0.8,则确定洪水预测结果为有洪水发生。
在确定出洪水预测结果之后,若确定出的洪水预测结果为有洪水发生,则会自动生成应急指挥的方案,以方便指挥人员根据该方案处理该洪水事件。生成的方案中主要包括发短信、视频会商、app(应用程序,application)消息以及电话群呼等手段与各相关单位联合救援指挥。
其中,生成应急指挥方案的具体方式本实施例在此并不进行限定,现有技术中生成应急指挥的方案均可。
为了确保洪水预测的结果更加准确,在一个实施例中,可通过以下两种方式确定出目标权重系数,其中:
方式一:如图3所示,可包括以下步骤:
步骤301:利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值;
其中,本实施例中初始系数权重中各参数均为1。
在一个实施例中,可通过以下方式确定所述第一历史洪水结果预测值:
将所述各洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第一中间矩阵,并将所述第一中间矩阵中的各参数分别输入至预设函数中,得到所述各第一历史洪水结果预测值;其中,可通过公式(2)确定出第一历史洪水结果预测值:
需要说明的是:本实施例中的预设函数为S型生长曲线Sigmoid函数,该函数对应的公式为公式(1)。
步骤302:基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差;
在一个实施例中,通过以下方式确定第一预测误差:
将所述各历史洪水结果值所组成的矩阵与所述各第一历史洪水结果预测值相减,得到所述各第一预测误差。其中,可通过公式(2)确定所述第一预测误差:
E=L-H……(2);
其中,E为各第一预测误差对应的矩阵,L为各历史洪水结果值所组成的矩阵,H为各第一历史洪水结果预测值。
步骤303:通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,并将第一循环次数与第一预设阈值相加,得到更新后的第一循环次数;
在一个实施例中,通过以下方式得到更新后的第一循环次数:
将所述洪水相关参数所组成的矩阵的转置矩阵与第三预设阈值相乘后,再与所述各第一预测误差所组成的矩阵相乘,得到第二中间矩阵,并将所述第二中间矩阵与所述初始权重系数所组成的矩阵相加,得到所述更新后的初始权重系数。其中,可通过以下公式(3)确定所述更新后的初始权重系数:
W=W01DTE……(3);
其中,W为更新后的初始权重系数,W0为初始权重系数,α1为第三预设阈值,DT为所述洪水相关参数所组成的矩阵的转置矩阵,E为各第一预测误差所组成的矩阵。
步骤304:判断所述第一循环次数是否大于第二预设阈值,若是,则执行步骤305;若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回执行步骤301;
其中,本实施例中的第一预设阈值、第二预设阈值和第三预设阈值可根据实际情况来进行设置,本实施例在此并不进行限定。
步骤305:将当前得到的更新后的初始权重系数确定为所述目标权重系数。
方式二:如图4所示,可包括以下步骤:
步骤401:从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
步骤402:基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
在一个实施例中,通过以下方式确定第二历史洪水结果预测值:
将所述目标洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第三中间矩阵,并将所述第三中间矩阵中的各参数相加,得到总参数,并将所述总参数输入至预设函数中,得到所述第二历史洪水结果预测值;
步骤403:利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
在一个实施例中,将与所述目标洪水相关参数相对应的历史洪水结果值与所述第二历史洪水结果预测值相减,得到所述第二预测误差;
步骤404:通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
在一个实施例中,将所述第二预测误差、目标系数以及所述目标洪水相关参数所组成的矩阵相乘后,再与所述初始权重系数相加,得到所述更新后的初始权重系数,其中所述目标权重为基于所述第二循环次数和所述第三循环次数确定出的。可通过公式(4)确定所述更新后的初始权重系数W:
W=W02eDindex……(4);
其中,W0为所述初始权重系数,α2为所述目标系数,e为所述第二预测误差,Dindex为所述目标洪水相关参数所组成的矩阵。
步骤405:判断所述第二循环次数是否大于第二预设阈值,若是,则执行步骤406,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回执行步骤402;
步骤406:将第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
步骤407:判断第三循环次数是否大于第四预设阈值,若是,则执行步骤408,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回执行步骤401;
需要说明的是:本实施例中的第四预设阈值可根据实际情况进行设置,本实施例在此并不进行限定。
步骤408:将当前得到的更新后的初始权重系数确定为所述目标权重系数。
为了进一步的了解本公开的技术方案,下面结合图5进行详细的说明,可包括以下步骤:
步骤501:周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
步骤502:从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
步骤503:基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
步骤504:利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
步骤505:通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
步骤506:判断所述第二循环次数是否大于第二预设阈值,若是,则执行步骤507,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回执行步骤503;
步骤507:第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
步骤508:判断第三循环次数是否大于第四预设阈值,若是,则执行步骤509,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回执行步骤502;
步骤509:将当前得到的更新后的初始权重系数确定为所述目标权重系数;其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
步骤510:利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
步骤511:判断所述当前洪水预测值是否大于预设极值,若是,则执行步骤512,若否,则执行步骤513;
步骤512:确定所述洪水预测结果为有洪水发生;
步骤513:确定所述洪水预测结果为不会有洪水发生。
基于相同的构思,本公开如上所述的洪水预测方法还可以由一种洪水预测装置实现。该洪水预测装置的效果与前述方法的效果相似,在此不再赘述。
图6为根据本公开一个实施例的洪水预测装置的结构示意图。
如图6所示,本公开的洪水预测装置600可以包括获取模块610、目标权重系数确定模块620、当前洪水预测值确定模块630和洪水预测结果确定模块640。
获取模块610,用于周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
目标权重系数确定模块620,用于基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
当前洪水预测值确定模块630,用于利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
洪水预测结果确定模块640,用于通过所述当前洪水预测值,得到洪水预测结果。
在一个实施例中,所述目标权重系数确定模块620,具体用于:
利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值;
基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差;
通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,并将第一循环次数与第一预设阈值相加,得到更新后的第一循环次数;
判断所述第一循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值的步骤,直至所述第一循环次数大于所述第二预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
在一个实施例中,所述目标权重系数确定模块620执行所述利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值,具体用于:
将所述各洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第一中间矩阵,并将所述第一中间矩阵中的各参数分别输入至预设函数中,得到所述各第一历史洪水结果预测值;
所述目标权重系数确定模块620执行所述基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差,具体用于:
将所述各历史洪水结果值所组成的矩阵与所述各第一历史洪水结果预测值相减,得到所述各第一预测误差;
所述目标权重系数确定模块620执行所述通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,具体用于:
将所述洪水相关参数所组成的矩阵的转置矩阵与第三预设阈值相乘后,再与所述各第一预测误差所组成的矩阵相乘,得到第二中间矩阵,并将所述第二中间矩阵与所述初始权重系数所组成的矩阵相加,得到所述更新后的初始权重系数。
在一个实施例中,所述目标权重系数确定模块620,还被配置为:
通过以下方式确定所述更新后的初始权重系数:
W=W01DTE;
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α1为所述第三预设阈值,DT为所述洪水相关参数所组成的矩阵的转置矩阵,E为各第一预测误差所组成的矩阵。
在一个实施例中,所述目标权重系数确定模块620,具体用于:
从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
判断所述第二循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值的步骤,直至所述第二循环次数大于所述第二预设阈值后,将第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
判断第三循环次数是否大于第四预设阈值,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数的步骤,直至所述第三循环次数大于所述第四预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
在一个实施例中,所述目标权重系数确定模块620执行所述基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值,具体用于:
将所述目标洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第三中间矩阵,并将所述第三中间矩阵中的各参数相加,得到总参数,并将所述总参数输入至预设函数中,得到所述第二历史洪水结果预测值;
所述目标权重系数确定模块620执行所述利用与所述目标洪水相关参数相对应的历史洪水结果值以及第二历史洪水结果预测值,得到第二预测误差,具体用于:
将与所述目标洪水相关参数相对应的历史洪水结果值与所述第二历史洪水结果预测值相减,得到所述第二预测误差;
所述目标权重系数确定模块620执行所述通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,具体用于:
将所述第二预测误差、目标系数以及所述目标洪水相关参数所组成的矩阵相乘后,再与所述初始权重系数相加,得到所述更新后的初始权重系数,其中所述目标权重为基于所述第二循环次数和所述第三循环次数确定出的。
在一个实施例中,所述目标权重系数确定模块620,还被配置为:
W=W02eDindex
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α2为所述目标系数,e为所述第二预测误差,Dindex为所述目标洪水相关参数所组成的矩阵。
在一个实施例中,所述当前洪水预测值确定模块630,具体用于:
将所述目标权重系数所组成的矩阵的转置矩阵与所述当前洪水相关参数所组成的矩阵相乘,目标参数值;
将所述目标参数值输入至预设函数中,得到所述当前洪水预测值。
在一个实施例中,所述洪水预测结果确定模块640,具体用于:
若所述当前洪水预测值大于预设极值,则确定所述洪水预测结果为有洪水发生;
若所述当前洪水预测值不大于所述预设极值,则确定所述洪水预测结果为不会有洪水发生。
在介绍了本公开示例性实施方式的一种洪水预测方法及设备之后,接下来,介绍根据本公开的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中,计算机存储介质存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的洪水预测方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-204。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用电子设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理器701、上述至少一个计算机存储介质702、连接不同系统组件(包括计算机存储介质702和处理器701)的总线703。
总线703表示几类总线结构中的一种或多种,包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质702可以包括易失性计算机存储介质形式的可读介质,例如随机存取计算机存储介质(RAM)721和/或高速缓存存储介质722,还可以进一步包括只读计算机存储介质(ROM)723。
计算机存储介质702还可以包括具有一组(至少一个)程序模块724的程序/实用工具725,这样的程序模块724包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备700也可以与一个或多个外部设备704(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口705进行。并且,电子设备700还可以通过网络适配器706与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器706通过总线703与用于电子设备700的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本公开提供的一种洪水预测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的洪水预测方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本公开的实施方式的洪水预测的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本公开方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。

Claims (10)

1.一种洪水预测方法,其特征在于,所述方法包括:
周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
通过所述当前洪水预测值,得到洪水预测结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,包括:
利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值;
基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差;
通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,并将第一循环次数与第一预设阈值相加,得到更新后的第一循环次数;
判断所述第一循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值的步骤,直至所述第一循环次数大于所述第二预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
3.根据权利要求2所述的方法,其特征在于,所述利用所述各洪水相关参数以及预设的初始权重系数,得到各第一历史洪水结果预测值,包括:
将所述各洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第一中间矩阵,并将所述第一中间矩阵中的各参数分别输入至预设函数中,得到所述各第一历史洪水结果预测值;
所述基于与所述各洪水相关参数对应的各历史洪水结果值和所述各第一历史洪水结果预测值,得到各第一预测误差,包括:
将所述各历史洪水结果值所组成的矩阵与所述各第一历史洪水结果预测值相减,得到所述各第一预测误差;
所述通过所述各第一预测误差、所述初始权重系数以及所述各洪水相关参数,得到更新后的初始权重系数,包括:
将所述洪水相关参数所组成的矩阵的转置矩阵与第三预设阈值相乘后,再与所述各第一预测误差所组成的矩阵相乘,得到第二中间矩阵,并将所述第二中间矩阵与所述初始权重系数所组成的矩阵相加,得到所述更新后的初始权重系数。
4.根据权利要求3所述的方法,其特征在于,通过以下方式确定所述更新后的初始权重系数:
W=W01DTE;
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α1为所述第三预设阈值,DT为所述洪水相关参数所组成的矩阵的转置矩阵,E为各第一预测误差所组成的矩阵。
5.根据权利要求1所述的方法,其特征在于,所述基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,包括:
从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数;
基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值;
利用与所述目标洪水相关参数相对应的历史洪水结果值以及所述第二历史洪水结果预测值,得到第二预测误差;
通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,并将第二循环次数与第一预设阈值相加,得到更新后的第二循环次数;
判断所述第二循环次数是否大于第二预设阈值,若否,则将所述更新后的初始权重系数确定为所述初始权重系数后,返回基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值的步骤,直至所述第二循环次数大于所述第二预设阈值后,将第三循环次数加上第一预设阈值后,得到更新后的第三循环次数;
判断第三循环次数是否大于第四预设阈值,若否,则将当前得到的更新后的初始权重系数确定为所述初始权重系数后,返回从各单位时间分别对应的各洪水相关参数中随机选取一个单位时间所对应的洪水相关参数,将选取的所述洪水相关参数确定为目标洪水相关参数的步骤,直至所述第三循环次数大于所述第四预设阈值,则将当前得到的更新后的初始权重系数确定为所述目标权重系数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标洪水相关参数与预设的初始权重系数,得到第二历史洪水结果预测值,包括:
将所述目标洪水相关参数所组成的矩阵与所述初始权重系数所组成的矩阵相乘,得到第三中间矩阵,并将所述第三中间矩阵中的各参数相加,得到总参数,并将所述总参数输入至预设函数中,得到所述第二历史洪水结果预测值;
所述利用与所述目标洪水相关参数相对应的历史洪水结果值以及第二历史洪水结果预测值,得到第二预测误差,包括:
将与所述目标洪水相关参数相对应的历史洪水结果值与所述第二历史洪水结果预测值相减,得到所述第二预测误差;
所述通过所述第二预测误差、所述初始权重系数以及所述目标洪水相关参数,得到更新后的初始权重系数,包括:
将所述第二预测误差、目标系数以及所述目标洪水相关参数所组成的矩阵相乘后,再与所述初始权重系数相加,得到所述更新后的初始权重系数,其中所述目标权重为基于所述第二循环次数和所述第三循环次数确定出的。
7.根据权利要求6所述的方法,其特征在于,通过以下方式确定出所述更新后的初始权重系数:
W=W02eDindex
其中,W为所述更新后的初始权重系数,W0为所述初始权重系数,α2为所述目标系数,e为所述第二预测误差,Dindex为所述目标洪水相关参数所组成的矩阵。
8.根据权利要求1所述的方法,其特征在于,所述利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值,包括:
将所述目标权重系数所组成的矩阵的转置矩阵与所述当前洪水相关参数所组成的矩阵相乘,目标参数值;
将所述目标参数值输入至预设函数中,得到所述当前洪水预测值。
9.根据权利要求1所述的方法,其特征在于,所述通过所述当前洪水预测值,得到洪水预测结果,包括:
若所述当前洪水预测值大于预设极值,则确定所述洪水预测结果为有洪水发生;
若所述当前洪水预测值不大于所述预设极值,则确定所述洪水预测结果为不会有洪水发生。
10.一种电子设备,其特征在于,包括存储单元和处理器,其中:
所述存储单元,被配置为存储各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值;
所述处理器,被配置为:
周期获取指定时间段内各单位时间对应的各洪水相关参数以及与所述各洪水相关参数相对应的各历史洪水结果值,其中,所述洪水相关参数包括天气信息、水库水位信息、水库需水量以及是否存在上报的水库事件中的至少一个,且所述历史洪水结果值用于表示是否发生过洪水;
基于所述各洪水相关参数以及所述各历史洪水结果值,确定出目标权重系数,其中所述目标权重系数为任意一个单位时间所对应的洪水相关参数中各参数的权重;
利用所述目标权重系数以及当前的洪水相关参数,得到当前洪水预测值;
通过所述当前洪水预测值,得到洪水预测结果。
CN202111255019.7A 2021-10-27 2021-10-27 洪水预测方法及电子设备 Pending CN114021793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111255019.7A CN114021793A (zh) 2021-10-27 2021-10-27 洪水预测方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111255019.7A CN114021793A (zh) 2021-10-27 2021-10-27 洪水预测方法及电子设备

Publications (1)

Publication Number Publication Date
CN114021793A true CN114021793A (zh) 2022-02-08

Family

ID=80058138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111255019.7A Pending CN114021793A (zh) 2021-10-27 2021-10-27 洪水预测方法及电子设备

Country Status (1)

Country Link
CN (1) CN114021793A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117198000A (zh) * 2023-09-04 2023-12-08 浙江安澜工程技术有限公司 一种山洪灾害预报预警方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117198000A (zh) * 2023-09-04 2023-12-08 浙江安澜工程技术有限公司 一种山洪灾害预报预警方法及系统
CN117198000B (zh) * 2023-09-04 2024-06-18 浙江安澜工程技术有限公司 一种山洪灾害预报预警方法及系统

Similar Documents

Publication Publication Date Title
Zhao et al. Unified stochastic and robust unit commitment
CN104809051B (zh) 用于预测计算机应用中的异常和故障的方法和装置
CN108509325B (zh) 系统超时时间的动态确定方法与装置
CN111181757B (zh) 信息安全风险预测方法、装置以及计算设备、存储介质
GB2496027A (en) Event prediction and preemptive action for a networked computing environment
US11461210B2 (en) Real-time calculation of data center power usage effectiveness
CN112886922B (zh) 一种光伏电站损失电量的计算方法、装置及存储介质
CN112508695A (zh) 基于市场风险的金融风险预测方法、装置和电子设备
CN114548756A (zh) 基于主成分分析的综合能源项目综合效益评价方法及装置
CN114021793A (zh) 洪水预测方法及电子设备
US20200372367A1 (en) Cognitive methods and systems for responding to computing system incidents
CN113011664B (zh) 物流时效监控方法、装置、电子设备及存储介质
CN107092551A (zh) 一种服务器系统性能优化方法及装置
CN112488484B (zh) 人员可靠性评估方法、系统、计算机设备及存储介质
CN115600770B (zh) 基于时序饱和预测的无线信号设备故障预警方法和系统
CN113254191A (zh) 用于运行应用的方法、电子设备和计算机程序产品
CN116521358A (zh) 一种实时系统运行电力边缘计算芯片的方法及装置
CN115269176A (zh) 任务分配方法、装置、计算机设备、存储介质和产品
CN112398172A (zh) 一种源网荷协调运行控制方法及相关装置
CN115080197A (zh) 计算任务调度方法、装置、电子设备和存储介质
CN114138452A (zh) 一种边缘计算中高能效的计算节点选择方法及装置
CN113779800B (zh) 柔直配电系统的可靠性确定方法、装置、设备及介质
CN110674992A (zh) 预测渠道能力的合同结算系统、方法及设备
CN110298742B (zh) 数据处理方法和装置
CN114924895A (zh) 系统进程的内存检测方法及电子设备

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