一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法

技术领域

本发明属于生态流域预报预警技术领域，尤其是涉及一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法。

背景技术

河湖中的水资源不仅可以促进社会经济的发展，还可以为有机物和一些生物提供良好地生长环境，维护河流生态健康，改善人类生存环境。然而，由于经济快速发展、人口增长和气候变化，社会对水资源的需求急剧增加，其中生态用水和经济用水的不平衡发展导致河湖基本生态环境的恶化。解决这一问题的关键是合理有序地开发河湖水资源，建立河湖生态流量预报预警机制，使河流生态系统满足生态可持续发展的要求。

近年来，我国各地积极开展河湖生态流量满足状况评价工作，但是对于生态流量的预报预警机制尚缺乏研究，仅仅通过生态流量评价工作无法有效地制定地区生态流量保障管理措施，进一步改善河湖生态环境。同时，对于集水面积较小的流域，生态流量预警阈值之间的数值差距很小，采用传统的物理模型很难达到较高的预报准确性。

发明内容

本发明的目的在于针对现有河湖生态流量预报预警机制研究的不足，提供一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法，通过结合熵值法和人工神经网络模型，提高河湖生态流量预报预警的预报精度，为流域水资源保护监督管理提供参考依据。

为实现上述目标，本发明采用的技术方案如下：

一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法，包含以下步骤：

(1)获取流域断面日尺度流量数据，确定河湖断面的生态流量核定值。具体的，采用逐月最小流量频率曲线法，根据历史逐月平均流量序列，利用P-III型曲线进行统计分析，在95％保证率的情况下，将其最小月平均流量值作为生态流量核定值。

(2)根据流域内水利工程调度能力、生态需水量需求特征及水文特征等因素，拟定对河道内生态流量的达标状态设置预警等级和阈值，将生态基流目标要求值(即步骤1)确定的生态流量核定值)的120％～110％、110％～100％和小于100％分别对应预警等级为蓝色、黄色和红色预警；

(3)获取流域断面日尺度降水、蒸发和水利工程调度数据，采用熵值法计算各个数据的权重值。熵值法是根据各个特征信息量的大小来确定特征权重的客观赋权法，本发明通过该方法来确定流域内水文、气象和水利工程调度等数据的特征权重，为后续模型输入做准备。所述水利工程调度数据包括上游相关水库的出流量等。

(4)基于长短期记忆神经网络(LSTM)模型，将流域断面日尺度降水、蒸发和水利工程调度数据作为模型输入因子，对生态流量进行预报并评估其预报效果。长短期记忆神经网络(LSTM)是由输入层、隐藏层和输出层组成的人工神经网络，其中每个神经单元由遗忘门、输入门和输出门3部分组成，模型结构如图1所示。LSTM相关计算方法如下：

遗忘门：ft

输入门：i

候选细胞：

细胞单元：

输出门：o

隐藏层：h

其中，W

本发明中设置纳什效率系数(NSE)和百分比偏差(Bias％)为模型预报性能评价指标，其中NSE越接近1表示预测效果越好，Bias％越接近0表示预测效果越好。其公式如下所示：

式中，

根据《水文情报预报规范(GBT224822-2008)》,当生态流量预警预报结果与实际结果一致时，为合格预报。本发明中将合格预报次数与预报总次数之比的百分数为合格率，表示多次预报总体的精度水平。合格率计算公式如下所示：

式中，FR为合格率，n为合格预报次数，m为预报总次数。

通过采用上述手段，本发明的有益效果为：

(1)本发明通过逐月最小流量频率曲线法计算河湖断面生态流量核定值，根据流域内水利工程调度能力、生态需水量需求特征及水文特征等因素，拟定对河道内生态流量的达标状态设置预警等级和阈值，建立合理的河湖生态流量预警机制。

(2)本发明基于熵值法，利用日尺度降雨、蒸发和水利工程调度数据，确定各输入因子的特征权重，为后续预报模型输入做准备。

(3)本发明基于LSTM模型，建立一种新的河湖生态流量预报预警方法，完善河湖生态流量预报预警机制，提高模型的预报精度，为流域水资源保护和监管提供决策依据。

附图说明

图1为本发明的LSTM模型结构图；

图2为本发明的一个流程示意图；

图3为本发明的一个具体实例的逐月最小流量的P-III型频率曲线图；

图4为本发明的一个具体实例的预报模型验证期实测—模拟流量过程线；

具体实施方式

下面通过实例，并结合附图，对本发明的技术方案做进一步详细说明。为了突出本发明的优势，利用本发明建立河湖生态流量预报预警模型，进而提高模型的预报精度。

如图2所示，本发明的一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法，包括如下步骤：

(1)生态流量核定值计算：基于流域内水文站点2011-2019年的实测日流量数据生成月尺度径流流量，通过逐月最小流量频率曲线法计算该流域断面生态流量，得出2011-2019年最枯月流量表，见表1：

表1某流域断面最枯月流量

根据表1流域断面逐年最枯月流量，采用P-III型曲线进行统计分析，结果如图3所示。在95％保证率的情况下，其最枯月平均流量结果为6.21m

(2)预警等级和预警阈值设置：根据步骤1计算出的流域生态流量核定值，结合流域内水利工程调度能力、生态需水量需求特征及水文特征等因素，拟定对河道内生态流量的达标状态设置预警等级和阈值，将生态基流目标要求值的120％～110％、110％～100％和小于100％设置蓝色、黄色和红色预警，具体如表2所示：

表2生态流量预警等级信息

(3)模型输入因子权重计算：获取流域断面日尺度降水、蒸发和水利工程调度数据，采用熵值法计算各个数据的权重值，计算结果如表3所示。结合该流域的水文特性，上游两座大中型水库对断面生态流量影响较大，因此将两座水库的日出库流量纳入预报模型的输入中。

表3模型各输入因子权重值

(4)生态流量预警预报模型建立：首先根据步骤3求得的各输入因子的权重值，对LSTM模型的输入因子进行分配。对于权重值最大的降雨选用7个输入因子，分别为：P

将LSTM模型模拟结果，代入评价指标公式，从数值结果上体现模型的拟合效果，具体计算方程式如下：

式中，

表4 LSTM模型模拟效果分析

根据我国《水文情报预报规范》规定，确定性系数大于0.90为精度甲等级，本模型验证期纳什效率为0.91，与此同时，百分比偏差(2.55％)符合小于15％的指标，说明本发明方法中LSTM模型的模拟效果很好，可用于该流域断面水文站点的生态流量预报，验证期LSTM模型实测—模拟流量过程线如图4所示。

根据《水文情报预报规范(GBT224822-2008)》,当生态流量预警预报结果与实际结果一致时，为合格预报。合格预报次数与预报总次数之比的百分数为合格率，表示多次预报总体的精度水平。合格率计算公式如下所示：

式中，FR为合格率，n为合格预报次数，m为预报总次数。根据预报断面生态流域预警等级信息分别对不同预报等级结果进行验证，对于某流域断面生态流量预警预报合格率均超过90％，说明本发明模型具有较高的预报精度，可用于实际生态流量管理和调度中，具体结果如表5所示：

表5 LSTM模型预报预警合格率分析

以上所述仅对本发明的实例实施而已，并不用于限制本发明，发明中LSTM模型可以根据不同的研究区域进行调正参数和模型训练。凡是在本发明的权利要求限定范围内，所做的任何修改、等同替换、改进等，均应在本发明的保护范围之内。