CN114860815A - 水库水动力特性的分区方法、装置、设备及介质 - Google Patents

水库水动力特性的分区方法、装置、设备及介质 Download PDF

Info

Publication number
CN114860815A
CN114860815A CN202210794679.0A CN202210794679A CN114860815A CN 114860815 A CN114860815 A CN 114860815A CN 202210794679 A CN202210794679 A CN 202210794679A CN 114860815 A CN114860815 A CN 114860815A
Authority
CN
China
Prior art keywords
hydrodynamic
reservoir
sections
water level
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.)
Granted
Application number
CN202210794679.0A
Other languages
English (en)
Other versions
CN114860815B (zh
Inventor
蒋定国
刘伟
翟俨伟
戴会超
赵汗青
翟然
邹鹏
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.)
China Three Gorges Corp
China Three Gorges University CTGU
Original Assignee
China Three Gorges Corp
China Three Gorges University CTGU
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 China Three Gorges Corp, China Three Gorges University CTGU filed Critical China Three Gorges Corp
Priority to CN202210794679.0A priority Critical patent/CN114860815B/zh
Publication of CN114860815A publication Critical patent/CN114860815A/zh
Application granted granted Critical
Publication of CN114860815B publication Critical patent/CN114860815B/zh
Priority to EP22207143.3A priority patent/EP4303790A1/de
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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Remote Sensing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种水库水动力特性的分区方法、装置、设备及介质。水库水动力特性的分区方法包括：在指定水情条件下，读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，并基于每一个断面在指定时间区间内不同时刻下的水位数据，对第一数量的断面进行聚类处理，得到第二数量的水动力特征区域。基于每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域对应的区域类型。采用本发明，能够对水库沿程河道实现自动分区，且不依靠经验参数，更具有客观性和稳定性，可为水库实际运行调度提供技术支撑。

Description

水库水动力特性的分区方法、装置、设备及介质
技术领域
本发明涉及水利工程技术领域，具体涉及一种水库水动力特性的分区方法、装置、设备及介质。
背景技术
河道型水库是指在河道上拦河筑坝形成的人工水库，具有防洪、发电、灌溉、航运等多种功能。由于河道型水库的河道区与湖泊区之间的界限会随着水库的运行条件的变化而变化。因此，准确识别河道型水库的河道区和湖泊区之间的动态边界，对水库平稳调度和安全运行有重要作用。
在现有的相关技术中，河道型水库的河道区与湖泊区边界之间的界定依赖于经验参数，所得到的分区结果受人为主观性影响较大。以坝前水位为基准，通过比较河道型水库的库尾断面处河道地形与坝前水位之间的关系，定性给出固化的静态边界或过渡区，进而区分河道型水库的河道区和湖泊。
但采用该种方式区分河道型水库与湖泊之间的界限，容易与实际河道型水库的运行情况存在偏差，并且分区结果随着经验参数的变化具有很大的波动范围，难以满足精细化调度的现实需求。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中对河道型水库的水动力特性分区客观性、稳定性不足的缺陷，提供一种水库水动力特性的分区方法、装置、设备及介质。
根据第一方面，本发明提供一种水库水动力特性的分区方法，所述方法包括：
在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据，其中，每一组沿程水面线数据包括所述第一数量的断面在同一时刻下分别对应的水位数据；
基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，其中，每一个水动力特征区域包括多个断面；
根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围；
根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
在该方式中，在指定水情条件下，基于水库库区范围内的第一数量的断面在不同时刻下的水位数据，通过聚类处理，将沿程河道划分成第二数量的水动力特征区域，明确各个水动力特征区域，能够实现对水库沿程河道的自动分区，且不依靠经验参数，更具有客观性和可参考性，从而有助于后续对水库的平稳调度和安全运行提供重要技术支撑。
结合第一方面，在第一方面的第一实施例中，所述基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，包括：
获取由第二数量的高斯分布模型构成的高斯混合模型，其中，不同的高斯分布模型用于确定不同的水动力特征区域；
基于每一个断面在指定时间区间内不同时刻下的水位数据，采用所述高斯混合模型对所述第一数量的断面进行聚类处理，得到所述第二数量的水动力特征区域。
在该方式中，基于各断面在不同时刻下的水位变化，对各断面进行聚类处理，有助于避免人为分区的主观性干扰，使得到的分区结果更有助于贴合水库沿程河道的水情，进而使得到的水动力特征区域的预测结果更客观性和更具有合理性。
结合第一方面的第一实施例，在第一方面的第二实施例中，所述基于每一个断面在指定时间区间内不同时刻下的水位数据，采用所述高斯混合模型对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，包括：
逐个选择所述第二数量的高斯分布模型中的任一高斯分布模型作为目标高斯分布模型；
基于每一个断面在指定时间区间内不同时刻下的水位数据，采用目标高斯分布模型计算分别计算每一个断面的高斯分布概率，确定所述第一数量的断面在所述目标高斯分布模型下的高斯分布情况；
根据所述高斯分布情况，确定所述第一数量的断面中待聚合至目标水动力特征区域中的多个目标断面，所述目标水动力特征区域为与所述目标高斯分布模型相对应的动力特征区域；
将所述多个目标断面聚合至所述目标水动力特征区域中，得到所述目标水动力特征区域。
结合第一方面，在第一方面的第三实施例中，所述方法还包括：
根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记；
根据每一个断面的空间位置信息以及对应的标记，得到并输出所述水库的水动力特征区域分布图。
结合第一方面的第三实施例，在第一方面的第四实施例中，所述根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记，包括：
根据每一组沿程水面线数据的读取时刻，从所述多组沿程水面线数据中获取第一沿程水面线数据和第二沿程水面线数据，其中，所述第一沿程水面线数据为所述多组沿程水面线数据中读取时刻最早的沿程水面线数据，所述第二沿程水面线数据为所述多组沿程水面线数据中读取时刻最晚的沿程水面线数据；
根据每一个断面所属的水动力特征区域，分别在所述第一沿程水面线数据中标记每一个断面，在所述第二沿程水面线数据中标记每一个断面。
结合第一方面，在第一方面的第五实施例中，所述方法还包括：
从第三数量的水情条件中选择其中一个水情条件作为所述指定水情条件，其中，所述水情条件至少包括指定坝前水位以及指定来流流量数据。
结合第一方面的第五实施例，在第一方面的第六实施例中，所述方法还包括：
根据目标水动力特征区域在所述第三数量中的每一个水情条件下的空间位置范围，确定所述目标水动力特征区域在所述第三数量的水情条件下的空间位置范围变化；
根据所述空间位置范围变化，调节所述目标水动力特征区域在所述水库沿程河道的空间位置范围。
结合第一方面，在第一方面的第七实施例中，所述区域类型包括：河道区、过渡区、湖泊区中的至少一种。
根据第二方面，本发明提供还一种水库水动力特性的分区装置，所述装置包括：
读取单元，用于在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据，其中，每一组沿程水面线数据包括所述第一数量的断面在同一时刻下分别对应的水位数据；
聚类单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，其中，每一个水动力特征区域包括多个断面；
第一确定单元，用于根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围；
第二确定单元，用于根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
结合第二方面，在第二方面的第一实施例中，所述聚类单元包括：
第一获取单元，用于获取由第二数量的高斯分布模型构成的高斯混合模型，其中，不同的高斯分布模型用于确定不同的水动力特征区域；
聚类子单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，采用高斯混合模型对所述第一数量的断面进行聚类处理，得到所述第二数量的水动力特征。
结合第二方面的第一实施例，在第二方面的第二实施例中，所述聚类子单元包括：
模型选取单元，用于逐个选择所述第二数量的高斯分布模型中的任一高斯分布模型作为目标高斯分布模型；
第三确定单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，采用目标高斯分布模型计算分别计算每一个断面的高斯分布概率，确定所述第一数量的断面在所述目标高斯分布模型下的高斯分布情况；
第四确定单元，用于根据所述高斯分布情况，确定所述第一数量的断面中待聚合至目标水动力特征区域中的多个目标断面，所述目标水动力特征区域为与所述目标高斯分布模型相对应的动力特征区域；
聚合单元，用于将所述多个目标断面聚合至所述目标水动力特征区域中，得到所述目标水动力特征区域。
结合第二方面，在第二方面的第三实施例中，所述装置还包括：
标记单元，用于根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记；
输出单元，用于根据每一个断面的空间位置信息以及对应的标记，得到并输出所述水库的水动力特征区域分布图。
结合第二方面的第三实施例，在第二方面的第四实施例中，所述输出单元包括：
第二获取单元，用于根据每一组沿程水面线数据的读取时刻，从所述多组沿程水面线数据中获取第一沿程水面线数据和第二沿程水面线数据，其中，所述第一沿程水面线数据为所述多组沿程水面线数据中读取时刻最早的沿程水面线数据，所述第二沿程水面线数据为所述多组沿程水面线数据中读取时刻最晚的沿程水面线数据；
输出子单元，用于根据每一个断面所属的水动力特征区域，分别在所述第一沿程水面线数据中标记每一个断面，在所述第二沿程水面线数据中标记每一个断面。
结合第二方面，在第二方面的第五实施例中，所述装置还包括：
条件筛选单元，用于从第三数量的水情条件中选择其中一个水情条件作为所述指定水情条件，其中，所述水情条件至少包括指定坝前水位以及指定来流流量数据。
结合第二方面的第五实施例，在第二方面的第六实施例中，所述装置还包括：
第五确定单元，用于根据目标水动力特征区域在所述第三数量中的每一个水情条件下的空间位置范围，确定所述目标水动力特征区域在所述第三数量的水情条件下的空间位置范围变化；
调节单元，用于根据所述空间位置范围变化，调节所述目标水动力特征区域在所述水库沿程河道的空间位置范围。
结合第二方面，在第二方面的第七实施例中，所述区域类型包括：河道区、过渡区、湖泊区中的至少一种。
根据第三方面，本发明实施方式还提供一种计算机设备，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面及其可选实施方式中任一项的水库水动力特性的分区方法。
根据第四方面，本发明实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面及其可选实施方式中任一项的水库水动力特性的分区方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据一示例性实施例提出的一种水库水动力特性的分区方法的流程图。
图2是根据一示例性实施例提出的一种沿程水面线示意图。
图3是根据一示例性实施例提出的另一种沿程水面线示意图。
图4是根据一示例性实施例提出的又一种沿程水面线示意图。
图5是根据一示例性实施例提出的再一种沿程水面线示意图。
图6是根据一示例性实施例提出的另一种水库水动力特性的分区方法的流程图。
图7是根据一示例性实施例提出的一种水动力特征区域分布图的示意图。
图8是根据一示例性实施例提出的一种水动力特征区域分布图的示意图。
图9是根据一示例性实施例提出的另一种水动力特征区域分布图的示意图。
图10是根据一示例性实施例提出的又一种水动力特征区域分布图的示意图。
图11是根据一示例性实施例提出的一种水库水动力特性的分区装置的结构框图。
图12是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明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做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。
相关技术中，河道型水库的河道区与湖泊边界之间的界定主要依据水库运行调度管理经验进行预测。以坝前水位为基准，通过比较河道型水库的库尾断面处河道地形与坝前水位之间的关系，定性给出固化的静态边界或过渡区，进而区分河道型水库的河道区和湖泊。
但采用该种方式区分河道型水库与湖泊之间的界限，容易与实际河道型水库的运行情况存在偏差，难以满足精细化调度的现实需求。
为解决上述问题，本发明实施例中提供一种水库水动力特性的分区方法，用于计算机设备中，需要说明的是，其执行主体可以是水库水动力特性的分区装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部，其中，该计算机设备可以是终端或客户端或服务器，服务器可以是一台服务器，也可以为由多台服务器组成的服务器集群，本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。
本实施例中的计算机设备，应用于预测河道型水库与湖泊之间界限的使用场景。通过本发明提供的水库水动力特性的分区方法，通过在指定水情条件下，基于水库库区范围内的第一数量的断面的水位数据在指定时间区间内不同时刻下的变化，对第一数量的断面进行聚类处理，将水库划分为第二数量的水动力特征区域，进而根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型，从而有助于后续对水库的平稳调度和安全运行提供重要技术支撑。
图1是根据一示例性实施例提出的一种水库水动力特性的分区方法的流程图。如图1所示，水库水动力特性的分区方法包括如下步骤S101至步骤S104。
在步骤S101中，在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据。
在本发明实施例中，水库坐落于大型河流中的干流。在库区范围内从上游至下游，水深逐渐增大、流速逐渐变缓，水动力特性沿程逐渐变化。上游水深较浅的区域性质与天然河道相似，坝前水深较大的区域性质类似与湖泊，二者之间为逐渐过渡的区域。在水库的库区范围内的包括第一数量的断面。断面指的是河道中垂直于水流方向的河道断面。第一数量的数值是根据断面需求选择的总数量。
因此，为确定在指定水情条件下，库区范围内的各断面的水位变化，则分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据。其中，每一组沿程水面线数据包括第一数量的断面在同一时刻下分别对应的水位数据。指定水情条件可以理解为是用于分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据的条件，可以至少包括指定坝前水位以及指定来流流量数据。在一例中，指定时间区间可以是以年为单位的一段时间区间。例如：指定时间区间可以2015-2021年。
在一例中，可以通过预先构建的适用于该水库的一维水动力模型进行模拟计算，然后读取每一个断面的水位数据。在另一例中，可以基于水库的水文、气象数据，确定指定水情条件。例如：收集指定年限区间的水库地形断面资料、来流流量、坝前水位等数据，确定该水库的坝前水位调节范围为正常蓄水位175m、最低消落水位145m，来流流量范围为5000m3/s -50000m3/s，进而确定所需的指定水情条件。
在一实施例中，可以预先设置第三数量的水情条件中选择其中一个水情条件作为指定水情条件。来流流量数据可以为：固定的来流流量数据、或者来流流量时间序列。其中，指定水情条件还可以包括来流流量的属性信息或者坝前水位的属性信息。来流流量的属性信息可以包括：来流流量的变化状态、变化周期、流量振幅以及持续时间。坝前水位的属性信息可以包括：坝前水位的变化状态、变化周期、坝前水位振幅以及持续时间。
由于在不同指定水情下，同一断面在不同时刻下对应的水位可能会发生变化。因此，在不同时刻下，读取到的断面的水位数据可以为多个，分别用于表示该断面在不同时刻下对应的水位数据。进而在指定水情条件下，根据各断面在不同时刻下对应的水位高程，通过数值模拟可以得到多组沿程水面线数据。
如图2所示，在该指定水情下，同一库区沿程距离下的断面，对应多个水位数据。其中，图2中的纵轴为水位高程（m），横轴为库区沿程距离（m）。通过图2可知，库区沿程距离越近，断面在不同时刻下的水位数据越分散，库区沿程距离越远，断面在不同时刻下的水位数据越相近。指定水情条件可以为：坝前水位175米（m），来流平均流量每秒5000立方米（5000m3/s），来流流量周期性变化，周期为1天，流量振幅1000m3/s，持续5天（d）。
如图3所示，在该指定水情下，同一库区沿程距离下的断面，对应多个水位数据。其中，图3中的纵轴为水位高程（m），横轴为库区沿程距离（m）。通过图3可知，库区沿程距离越近，断面在不同时刻下的水位数据越分散，库区沿程距离越远，断面在不同时刻下的水位数据越相近。其中，在库区沿程距离为A点的断面，在不同时刻下的水位数据相近。该指定水情条件可以为：坝前水位175m，来流平均流量50000m3/s来流流量周期性变化，周期为1天，流量振幅10000m3/s，持续5d。
如图4所示，在该指定水情下，同一库区沿程距离下的断面，对应多个水位数据。其中，图4中的纵轴为水位高程（m），横轴为库区沿程距离（m）。通过图4可知，库区沿程距离越近，断面在不同时刻下的水位数据越相近；库区沿程距离越远，断面在不同时刻下的水位数据越分散。该指定水情条件可以为：坝前平均水位145m，来流流量50000m3/s，坝前水位周期性变化，周期为1天，坝前水位振幅1m，持续5d。
如图5所示，在该指定水情下，同一断面在不同时刻下对应的水位数据跨度较大，进而在该指定水情下，模拟得到的多组水面线数据跨度较大。其中，图5中的纵轴为水位高程（m），横轴为库区沿程距离（m）。该指定水情条件可以为：坝前水位145m，来流流量50000m3/s-95000m3/s-50000m3/s，在4周内变化，1周稳定时间。
在步骤S102中，基于每一个断面在指定时间区间内不同时刻下的水位数据，对第一数量的断面进行聚类处理，得到第二数量的水动力特征区域。
在本发明实施例中，通过读取相邻断面在不同时刻下的水位数据，能够根据获取的相邻断面的水动力特征，确定相邻断面的水动力特征是否突然发生变化，从而确定不同水动力特征区域之间的转折点。
因此，基于每一个断面在指定时间区间内不同时刻下的水位数据，对第一数量的断面进行聚类处理，确定各断面之间的关联关系，进而得到第二数量的水动力特征区域。其中，每一个水动力特征区域包括多个断面。第二数量可以理解为待划分区域类型的数量。
在步骤S103中，根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围。
在本发明实施例中，根据每一个水动力特征区域中所包括的多个断面的空间位置信息，能够确定每一个水动力特征区域的坐标跨度区间，进而确定每一个水动力特征区域的空间位置范围。
在步骤S104中，根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
在本发明实施例中，根据每一个水动力特征区域的空间位置范围，可以确定每一个水动力特征区域对应的库区沿程距离（m）范围，进而确定每一个水动力特征区域对应的区域类型。其中，区域类型包括：河道区、过渡区、湖泊区中的至少一种。
通过上述实施例，在指定水情条件下，基于水库库区范围内的第一数量的断面在不同时刻下的水位数据，通过聚类处理，将水库划分成第二数量的水动力特征区域，并根据各水动力特征区域的空间位置范围，确定各水动力特征区域对应的区域类型，以使区域划分后的结果更具有客观性和可参考性，从而有助于后续对水库的平稳调度和安全运行提供重要技术支撑。
在一实施例中，可以基于多个断面的水位数据、与库尾之间的距离以及流量实测数据，率定水库的断面糙率，对预先构建的一维水动力模型作参数修正。
在一实施场景中，率定结果可以如表1所示，表1是根据一示例性实施例提出的一种一维水动力模型参数修正表。其中，率定水库的断面糙率可通过糙率值表示。
表1
Figure 433865DEST_PATH_IMAGE001
图6是根据一示例性实施例提出的另一种水库水动力特性的分区方法的流程图。如图6所示，水库水动力特性的分区方法包括如下步骤。
在步骤S601中，在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据。
在步骤S602中，基于每一个断面在指定时间区间内不同时刻下的水位数据，对第一数量的断面进行聚类处理，得到第二数量的水动力特征区域。
在步骤S603中，根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围。
在步骤S604中，根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
在步骤S605中，根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记。
在本发明实施例中，为便于确定每一个断面所属的水动力特征区域，则根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记。
在一实施例中，为便于快速输出，且避免水动力特征区域分布图中的数据过多，干扰用户查看，则根据每一组沿程水面线数据的读取时刻，从多组沿程水面线数据中获取第一沿程水面线数据和第二沿程水面线数据。其中，第一沿程水面线数据可以理解为是多组沿程水面线数据中，读取时刻最早的沿程水面线数据，第二沿程水面线数据可以理解为是多组沿程水面线数据中读取时刻最晚的沿程水面线数据。根据每一个断面所属的水动力特征区域，分别在第一沿程水面线数据中标记每一个断面，在第二沿程水面线数据中标记每一个断面。
在步骤S606中，根据每一个断面的空间位置信息以及对应的标记，得到并输出水库的水动力特征区域分布图。
在本发明实施例中，根据每一个断面的空间位置信息以及对应的标记，能够确定每一个水动力特征区域在库区范围内的分布位置，进而将分布情况采用水动力特征区域分布图的方式进行输出，有助于用户能够直观且快速的确定每一个水动力特征区域在库区范围内的分布情况。
在一实施场景中，结合图2所示的沿程水面线示意图，通过对多组沿程水面线进行聚类处理，得到并输出的水动力特征区域分布图可以如图7所示。图7是根据一示例性实施例提出的一种水动力特征区域分布图的示意图。其中，纵轴为水位高程（m），横轴为库区沿程距离（m）。为便于展示，以第二数量为3为例，不同水动力特征区域对应不同的区域类型，区域类型包括：河道区、过渡区、湖泊区。在一示例中，为便于用户明确各水动力特征区域对应的区域类型，可以采用不同的颜色进行标注（图中未示出）。其中，不同水动力特征区域对应的颜色不同。
在另一实施场景中，结合图3所示的沿程水面线示意图，通过对多组沿程水面线进行聚类处理，得到并输出的水动力特征区域分布图可以如图8所示。图8是根据一示例性实施例提出的一种水动力特征区域分布图的示意图。其中，纵轴为水位高程（m），横轴为库区沿程距离（m）。为便于展示，以第二数量为3为例，不同水动力特征区域对应不同的区域类型，区域类型包括：河道区、过渡区、湖泊区。在一示例中，为便于用户明确各水动力特征区域对应的区域类型，可以采用不同的颜色进行标注（图中未示出）。其中，不同水动力特征区域对应的颜色不同。
在又一实施场景中，结合图4所示的沿程水面线示意图，通过对多组沿程水面线进行聚类处理，得到并输出的水动力特征区域分布图可以如图9所示。图9是根据一示例性实施例提出的另一种水动力特征区域分布图的示意图。其中，纵轴为水位高程（m），横轴为库区沿程距离（m）。为便于展示，以第二数量为3为例，不同水动力特征区域对应不同的区域类型，区域类型包括：河道区、过渡区、湖泊区。在一示例中，为便于用户明确各水动力特征区域对应的区域类型，可以采用不同的颜色进行标注（图中未示出）。其中，不同水动力特征区域对应的颜色不同。
在又一实施场景中，结合图5所示的沿程水面线示意图，通过对多组沿程水面线进行聚类处理，得到并输出的水动力特征区域分布图可以如图10所示。图10是根据一示例性实施例提出的又一种水动力特征区域分布图的示意图。其中，纵轴为水位高程（m），横轴为库区沿程距离（m）。由于在图5对应的指定水情下，同一断面在不同时刻下的水位数据跨度较大，进而通过聚类处理后，得到两条聚合后的沿程水面线。由于两条聚合后的沿程水面线在不同水动力特征区域之间的转折点均相同，因此，在图10中，仅展示在图5对应的指定水情下，对应的水动力特征区域分布情况。为便于展示，以第二数量为3为例，不同水动力特征区域对应不同的区域类型，区域类型包括：河道区、过渡区、湖泊区。在一示例中，为便于用户明确各水动力特征区域对应的区域类型，可以采用不同的颜色进行标注（图中未示出）。其中，不同水动力特征区域对应的颜色不同。
在又一实施场景中，为便于区分第一数量的断面在不同沿程水面线上的聚类情况，则在针对不同沿程水面线进行标记时，可以采用不同的颜色进行标记。可以理解为在当前沿程水面线中标记每一个断面所属的水动力特征区域时所使用的颜色，与在下一个沿程水面线中标记每一个断面所属的水动力特征区域时所使用的颜色完全不相同，以便采用输出的水动力特征区域分布图，能够更直观的体现出每一个断面在不同时刻下的所属的水动力特征区域。
通过上述实施例，每一个断面的空间位置信息以及对应的标记，采用图像输出的方式，输出第二数量的水动力特征区域在水库沿程河道的区域分布情况，有助于用户能够直观且快速的确定每一个水动力特征区域在库区范围内的分布情况，进而有助于提升用户的使用体验。
在一实施例中，为提高区域划分的准确性，使得到的结果更合理、稳定以及可靠，则根据目标水动力特征区域在每一个水情条件下的空间位置范围，分别确定目标水动力特征区域在第三数量中的每一个水情条件下的空间位置范围，进而确定目标水动力特征区域在不同水情条件下的空间位置范围变化，从而对目标水动力特征区域在水库沿程河道的空间位置范围进行针对性调节。
在一实施场景中，结合图7至图10所示的水动力特征区域分布图，可以确定各个水动力特征区域的划分情况。各水动力特征区域对应的区域类型从左到右的顺序均为河道区、过渡区以及湖泊区。其中，过渡区在不同水情条件下，分别对应的空间位置范围为47200m-150600m、74500m-154390m、149400m-399396m以及144085m- 345090m。通过对比，在坝前水位175m时，湖泊区从150km至坝前；随着来流流量的增大，河道区下边界从47km逐渐演进至74km处。在坝前水位145m时，湖泊区最大可延伸至345km处；在流量固定、水位波动时，湖泊区从坝前延伸至390km，相较于流量波动缩短5km；河道区基本稳定于自库尾至149km处，进而无需人为干预，有助于提高水动力特征区域的划分有效性和合理性。
在一实施例中，可以采用高斯混合模型，对第一数量的断面进行聚类处理，进而得到第二数量的水动力特征区域的过程。
具体的，由于在进行聚类处理时，需要基于每一个断面在指定时间区间内不同时刻下的水位数据进行聚合，因此，优选的，可以用高斯分布模型进行聚类处理，以便能够提高聚类有效性以及准确性。因此，为便于快速完成聚类，得到第二数量的高斯分布模型，则利用无监督学习的高斯混合模型对第一数量的断面进行聚类处理。其中，高斯混合模型由第二数量的高斯分布模型构成，不同的高斯分布模型用于确定不同的水动力特征区域，且不同的高斯分布模型对应的参数不同。采用第二数量的高斯分布模型，分别对第一数量的断面进行聚类处理，进而得到第二数量的水动力特征区域。其中，高斯混合模型中高斯分布模型的数量取决于水动力特征区域的待聚类数量。即，水动力特征区域的待聚类数量与高斯混合模型中高斯分布模型的数量相同。例如：若需要将水库划分为3种区域类型不同的水动力特征区域，则高斯分布模型的数量即为3。在一例中，为提高数据有效性，则可将每一个断面在不同时刻下的水位数据经过预处理后，再采用高斯混合模型中第二数量的高斯分布模型进行聚类处理。其中，预处理包括数据清洗、归一化、标准化处理等，在本发明中不进行限定。
在一实施例中，在聚类的过程中，逐个选择第二数量的高斯分布模型中的任一高斯分布模型作为目标高斯分布模型。基于每一个断面在指定时间区间内不同时刻下的水位数据，采用目标高斯分布模型计算分别计算每一个断面的高斯分布概率，确定第一数量的断面在目标高斯分布模型下的高斯分布情况，进而根据高斯分布情况，确定第一数量的断面中待聚合至目标水动力特征区域中的多个目标断面。其中，目标水动力特征区域为与目标高斯分布模型相对应的动力特征区域。将多个目标断面聚合至目标水动力特征区域中，得到目标水动力特征区域。
在一实施场景中，以第二数量为3为例，获取三种参数不同的高斯分布模型。每一个高斯分布模型均可采用下述公式进行表示：
Figure 374839DEST_PATH_IMAGE002
，
其中，x表示当前断面，i表示当前断面的其中一个水位数据，p(x)为当前断面的水 位数据由当前高斯分布模型生成的概率，均值
Figure 685735DEST_PATH_IMAGE003
、方差
Figure 612103DEST_PATH_IMAGE004
以及该高斯分布对应的权重系 数
Figure 957633DEST_PATH_IMAGE005
均为当前高斯分布模型的参数，并且，
Figure 468511DEST_PATH_IMAGE006
。
将每一个断面在不同时刻下的水位数据逐个输入至第二数量的高斯分布模型中的任一高斯分布模型进行聚类处理，计算每一个断面的水位数据由当前高斯分布模型生成的概率，基于生成的概率改进每一个高斯分布模型的参数，直至第二数量中的每一个高斯分布模型的参数均不再变化或者变化值减少，进而停止聚类处理。根据聚类结果，确定第一数量的每一个断面在每一个高斯分布模型下的高斯分布情况，进而确定每一个断面对应的目标水动力特征区域。
通过上述实施例，基于各断面在不同时刻下的水位变化，能够根据获取的相邻断面的水动力特征，确定相邻断面的水动力特征是否突然发生变化，进而对各断面进行聚类处理，有助于避免人为分区的主观性干扰，从而使得到的水动力特征区域的区域划分结果更客观性和更具有合理性。
在一实施场景中，预测水库沿程河道的各水动力特征区域的过程可以如下：
首先，根据水库的地形数据和水文气象数据，确定水库的库区范围与坝前水位调节范围，确定正常蓄水位、防洪限制水位、枯水期最低消落水位等特征水位值，并收集水库的地形断面资料，历年来流流量、坝前水位等数据，确定待读取沿程水面线数据的第三数量的水情条件。
其次，建立适用于水库的一维水动力模型，以便在第三数量的水情条件中的每一个水情条件下，基于恒定流条件，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据。并利用多个断面的水位数据、流量实测数据，率定该模型的断面糙率，对一维水动力模型作参数修正。
然后，通过高斯混合模型中第二数量的高斯分布模型，依次对每一个水情条件下读取的第一数量的断面在指定时间区间内不同时刻下的水位数据进行聚类处理，得到针对每一个水情条件下的第二数量的水动力特征区域。
其中，针对当前水情条件，根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围，进而确定每一个水动力特征区域对应的区域类型。
并采用水动力特征区域分布图将第二数量的水动力特征区域在沿程河道的分区结果进行展示。
最后，将每一个水情条件对应的水动力特征区域分布图进行综合对比，确定水库库区范围内的各水动力特征区域在不同水情条件下的变化。
通过上述实施例，能够利用一维水动力模型，得到在不同坝前水位和来流流量条件下的水面线变化过程，并通过对结果进行无监督学习，给出河道、湖泊及其过渡区的动态变化范围，将水库的沿程河道从上游至下游划分为三个区域：河道区、过渡区、湖泊区。
采用本发明提供的水库水动力特性的分区方法，既可针对任一水情条件下的水库进行有效的水动力特征区域划分，也可动态比较各水动力特征区域随外边界条件的变化而产生的改变及其影响范围，进而解决了传统静态河道区和湖泊区带来的库容不匹配、洪水过程不准确等问题，为水库的平稳调度和安全运行提供重要技术支撑。
基于相同发明构思，本发明还提供一种水库水动力特性的分区装置。
图11是根据一示例性实施例提出的一种水库水动力特性的分区装置的结构框图。如图11所示，水库水动力特性的分区装置包括读取单元1101、聚类单元1102、第一确定单元1103和第二确定单元1104。
读取单元1101，用于在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据，其中，每一组沿程水面线数据包括第一数量的断面在同一时刻下分别对应的水位数据；
聚类单元1102，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，对第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，其中，每一个水动力特征区域包括多个断面；
第一确定单元1103，用于根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围；
第二确定单元1104，用于根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
在一实施例中，聚类单元1102包括：第一获取单元，用于获取由第二数量的高斯分布模型构成的高斯混合模型，其中，不同的高斯分布模型用于确定不同的水动力特征区域。聚类子单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，采用高斯混合模型对第一数量的断面进行聚类处理，得到第二数量的水动力特征区域。
在另一实施例中，聚类子单元包括：模型选取单元，用于逐个选择第二数量的高斯分布模型中的任一高斯分布模型作为目标高斯分布模型。第三确定单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，采用目标高斯分布模型计算分别计算每一个断面的高斯分布概率，确定第一数量的断面在目标高斯分布模型下的高斯分布情况。第四确定单元，用于根据高斯分布情况，确定第一数量的断面中待聚合至目标水动力特征区域中的多个目标断面，目标水动力特征区域为与目标高斯分布模型相对应的动力特征区域。聚合单元，用于将多个目标断面聚合至目标水动力特征区域中，得到目标水动力特征区域。
在又一实施例中，装置还包括：标记单元，用于根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记。输出单元，用于根据每一个断面的空间位置信息以及对应的标记，得到并输出水库的水动力特征区域分布图。
在另一实施例中，输出单元包括：第二获取单元，用于根据每一组沿程水面线数据的读取时刻，从多组沿程水面线数据中获取第一沿程水面线数据和第二沿程水面线数据，其中，第一沿程水面线数据为多组沿程水面线数据中读取时刻最早的沿程水面线数据，第二沿程水面线数据为多组沿程水面线数据中读取时刻最晚的沿程水面线数据。输出子单元，用于根据每一个断面所属的水动力特征区域，分别在第一沿程水面线数据中标记每一个断面，在第二沿程水面线数据中标记每一个断面。
在另一实施例中，装置还包括：条件筛选单元，用于从第三数量的水情条件中选择其中一个水情条件作为指定水情条件，其中，水情条件至少包括指定坝前水位以及指定来流流量数据。
在另一实施例中，装置还包括：第五确定单元，用于根据目标水动力特征区域在第三数量中的每一个水情条件下的空间位置范围，确定目标水动力特征区域在第三数量的水情条件下的空间位置范围变化。调节单元，用于根据空间位置范围变化，调节目标水动力特征区域在水库沿程河道的空间位置范围。
在另一实施例中，区域类型包括：河道区、过渡区、湖泊区中的至少一种。
上述水库水动力特性的分区装置的具体限定以及有益效果可以参见上文中对于水库水动力特性的分区方法的限定，在此不再赘述。上述各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图12是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图12所示，该设备包括一个或多个处理器1210以及存储器1220，存储器1220包括持久内存、易失内存和硬盘，图12中以一个处理器1210为例。该设备还可以包括：输入装置1230和输出装置1240。
处理器1210、存储器1220、输入装置1230和输出装置1240可以采用总线或者其他方式连接，图12中以采用总线连接为例。
处理器1210可以为中央处理器（Central Processing Unit，CPU）。处理器1210还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1220作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的业务管理方法对应的程序指令/模块。处理器1210通过运行存储在存储器1220中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种水库水动力特性的分区方法。
存储器1220可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据、需要使用的数据等。此外，存储器1220可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器1220可选包括相对于处理器1210远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1230可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键信号输入。输出装置1240可包括显示屏等显示设备。
一个或者多个模块存储在存储器1220中，当被一个或者多个处理器1210执行时，执行如图1-图10所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1-图10所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的认证方法。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（RandomAccess Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (11)

1.一种水库水动力特性的分区方法，其特征在于，所述方法包括：
在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据，其中，每一组沿程水面线数据包括所述第一数量的断面在同一时刻下分别对应的水位数据；
基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，其中，每一个水动力特征区域包括多个断面；
根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围；
根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
2.根据权利要求1所述的方法，其特征在于，所述基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，包括：
获取由第二数量的高斯分布模型构成的高斯混合模型，其中，不同的高斯分布模型用于确定不同的水动力特征区域；
基于每一个断面在指定时间区间内不同时刻下的水位数据，采用所述高斯混合模型对所述第一数量的断面进行聚类处理，得到所述第二数量的水动力特征区域。
3.根据权利要求2所述的方法，其特征在于，所述基于每一个断面在指定时间区间内不同时刻下的水位数据，采用所述高斯混合模型对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，包括：
逐个选择所述第二数量的高斯分布模型中的任一高斯分布模型作为目标高斯分布模型；
基于每一个断面在指定时间区间内不同时刻下的水位数据，采用目标高斯分布模型计算分别计算每一个断面的高斯分布概率，确定所述第一数量的断面在所述目标高斯分布模型下的高斯分布情况；
根据所述高斯分布情况，确定所述第一数量的断面中待聚合至目标水动力特征区域中的多个目标断面，所述目标水动力特征区域为与所述目标高斯分布模型相对应的动力特征区域；
将所述多个目标断面聚合至所述目标水动力特征区域中，得到所述目标水动力特征区域。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记；
根据每一个断面的空间位置信息以及对应的标记，得到并输出所述水库的水动力特征区域分布图。
5.根据权利要求4所述的方法，其特征在于，所述根据每一个断面所属的水动力特征区域，分别对每一个断面进行标记，包括：
根据每一组沿程水面线数据的读取时刻，从所述多组沿程水面线数据中获取第一沿程水面线数据和第二沿程水面线数据，其中，所述第一沿程水面线数据为所述多组沿程水面线数据中读取时刻最早的沿程水面线数据，所述第二沿程水面线数据为所述多组沿程水面线数据中读取时刻最晚的沿程水面线数据；
根据每一个断面所属的水动力特征区域，分别在所述第一沿程水面线数据中标记每一个断面，在所述第二沿程水面线数据中标记每一个断面。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从第三数量的水情条件中选择其中一个水情条件作为所述指定水情条件，其中，所述水情条件至少包括指定坝前水位以及指定来流流量数据。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据目标水动力特征区域在所述第三数量中的每一个水情条件下的空间位置范围，确定所述目标水动力特征区域在所述第三数量的水情条件下的空间位置范围变化；
根据所述空间位置范围变化，调节所述目标水动力特征区域在所述水库沿程河道的空间位置范围。
8.根据权利要求1所述的方法，其特征在于，所述区域类型包括：河道区、过渡区、湖泊区中的至少一种。
9.一种水库水动力特性的分区装置，其特征在于，所述装置包括：
读取单元，用于在指定水情条件下，分别读取水库库区范围内的第一数量的断面在指定时间区间内不同时刻下的水位数据，得到多组沿程水面线数据，其中，每一组沿程水面线数据包括所述第一数量的断面在同一时刻下分别对应的水位数据；
聚类单元，用于基于每一个断面在指定时间区间内不同时刻下的水位数据，对所述第一数量的断面进行聚类处理，得到第二数量的水动力特征区域，其中，每一个水动力特征区域包括多个断面；
第一确定单元，用于根据每一个水动力特征区域中所包括的多个断面的空间位置信息，确定每一个水动力特征区域的空间位置范围；
第二确定单元，用于根据每一个水动力特征区域的空间位置范围，确定每一个水动力特征区域对应的区域类型。
10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-8中任一项所述的水库水动力特性的分区方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的水库水动力特性的分区方法。
CN202210794679.0A 2022-07-07 2022-07-07 水库水动力特性的分区方法、装置、设备及介质 Active CN114860815B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210794679.0A CN114860815B (zh) 2022-07-07 2022-07-07 水库水动力特性的分区方法、装置、设备及介质
EP22207143.3A EP4303790A1 (de) 2022-07-07 2022-11-14 Verfahren, vorrichtung, ausrüstung und medium zum unterteilen der hydrodynamischen eigenschaften eines reservoirs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210794679.0A CN114860815B (zh) 2022-07-07 2022-07-07 水库水动力特性的分区方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114860815A true CN114860815A (zh) 2022-08-05
CN114860815B CN114860815B (zh) 2022-09-09

Family

ID=82626166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210794679.0A Active CN114860815B (zh) 2022-07-07 2022-07-07 水库水动力特性的分区方法、装置、设备及介质

Country Status (2)

Country Link
EP (1) EP4303790A1 (zh)
CN (1) CN114860815B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115713165A (zh) * 2022-11-28 2023-02-24 中国长江电力股份有限公司 一种考虑动库容影响的水库超短期水位预测方法、系统及存储介质
CN116304482A (zh) * 2023-05-18 2023-06-23 四川新迎顺信息技术股份有限公司 一种基于电站水库水位监测及库容计算算法
CN117474192A (zh) * 2023-09-14 2024-01-30 清华大学 水库水储量变化序列生成方法、装置、计算机设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118428277B (zh) * 2024-07-01 2024-09-10 珠江水文水资源勘测中心 一种基于源代码swmm模型的明渠水面线模拟方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930157A (zh) * 2012-10-30 2013-02-13 中国长江三峡集团公司 河道型水库支流库湾水体水动力特性分区方法
US20170364795A1 (en) * 2016-06-15 2017-12-21 Akw Analytics Inc. Petroleum analytics learning machine system with machine learning analytics applications for upstream and midstream oil and gas industry
CN107563647A (zh) * 2017-09-05 2018-01-09 郑州大学 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930157A (zh) * 2012-10-30 2013-02-13 中国长江三峡集团公司 河道型水库支流库湾水体水动力特性分区方法
US20170364795A1 (en) * 2016-06-15 2017-12-21 Akw Analytics Inc. Petroleum analytics learning machine system with machine learning analytics applications for upstream and midstream oil and gas industry
CN107563647A (zh) * 2017-09-05 2018-01-09 郑州大学 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴迪等: "复式断面河道"Y"型交汇河口水流水力特性", 《水利水电科技进展》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115713165A (zh) * 2022-11-28 2023-02-24 中国长江电力股份有限公司 一种考虑动库容影响的水库超短期水位预测方法、系统及存储介质
CN115713165B (zh) * 2022-11-28 2024-01-02 中国长江电力股份有限公司 一种考虑动库容影响的水库超短期水位预测方法、系统及存储介质
CN116304482A (zh) * 2023-05-18 2023-06-23 四川新迎顺信息技术股份有限公司 一种基于电站水库水位监测及库容计算算法
CN116304482B (zh) * 2023-05-18 2023-08-29 四川新迎顺信息技术股份有限公司 一种基于电站水库水位监测及库容计算算法
CN117474192A (zh) * 2023-09-14 2024-01-30 清华大学 水库水储量变化序列生成方法、装置、计算机设备

Also Published As

Publication number Publication date
CN114860815B (zh) 2022-09-09
EP4303790A1 (de) 2024-01-10

Similar Documents

Publication Publication Date Title
CN114860815B (zh) 水库水动力特性的分区方法、装置、设备及介质
CN108960694B (zh) 配送区域确定方法和装置
Vu et al. Assessing the impact of sea level rise due to climate change on seawater intrusion in Mekong Delta, Vietnam
CN105634971B (zh) 一种分配流量的方法及装置
Vieira et al. Water resources sustainability index for a water-stressed basin in Brazil
CN106407627A (zh) 一种风速概率分布建模的方法和系统
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN117469603B (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
CN110896761B (zh) 一种温室的灌溉决策方法及系统
WO2024098950A1 (zh) 水动力模型参数优化、水位流量变化过程模拟方法及装置
CN116542021B (zh) 一种水文-水动力学耦合的河道型水库调洪演算方法
Van Oel et al. Downstreamness: a concept to analyze basin closure
CN106484845B (zh) 基于电子地图的信息点区域确定方法及装置
Zhang et al. Short-term forecasting of daily crop evapotranspiration using the ‘Kc-ETo’approach and public weather forecasts
CN107368687A (zh) 一种气象单产模型的优选方法及装置
CN108132984B (zh) 管网降雨重现期渲染方法、装置及计算机可读存储介质
CN107315671A (zh) 应用状态监控方法、装置及其设备
CN116993030A (zh) 变化条件下水库压咸补淡调度方法及系统
US9275481B2 (en) Viewport-based contrast adjustment for map features
CN108599976B (zh) 网络质量评估模型构建方法、装置及计算机设备
CN109408604B (zh) 输电线路关联天气因素数据网格化处理方法、装置及系统
KR101872646B1 (ko) 기저유출에 기초한 유출량 산정 방법 및 이에 관한 장치
CN111861836B (zh) 山地土地立体规划方法、装置、存储介质和计算机设备
CN111080115B (zh) 一种基于供水水力模型的用水量分配方法及装置
CN103247224B (zh) 一种基于舞动日的舞动分布图的绘制方法及其装置

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