无水文资料地区中小流域洪水降雨量阈值模型创建方法

1.本发明涉及洪水降雨量阈值模型创建方法，尤其涉及无水文资料地区中小流域不同重现期洪水降雨量阈值模型创建方法。


背景技术：

2.洪涝灾害是我国最主要的气象灾害之一。洪水监测预报预警是防洪减灾重要的非工程措施。洪水致灾临界面雨量阈值是洪水灾害监测预警的重要指标，中小河流由于水文站点分布密度低，常常缺乏足够的水文信息和数据，而这些地区又往往是各地开展防洪避洪工作的重点对象。
3.目前对于洪水预报中确定洪水致灾临界面雨量阈值的方法主要用参数化的方法对流域建立以物理机制或者物理概念为基础的传统水文模型，但模型操作难度大，参数调整复杂，对于水文资料匮乏的中小流域，水文模型的应用更加困难。同时，中小流域的气象水文、地形高程、土地利用类型、植被类型等条件复杂多样，导致流域的产汇流过程也复杂多样，传统水文模型不再能满足目前水文预报的发展需求。随着科学信息的进步获取数据的方式逐渐多样化，基于数据驱动技术的水文过程模拟和预测方法也日益得到发展。
4.对于利用传统方法估算无水文资料地区中小流域洪水致灾面雨量阈值困难或误差较大的问题，利用深度学习技术可以更好地考虑流域的降水和下垫面特征的空间变异性，考虑植被、土壤等关联因子，比较准确的估算中小河流洪水致灾临界面雨量阈值。


技术实现要素：

5.本发明的目的在于提出了一种无水文资料地区中小流域不同重现期洪水降雨阈值模型创建方法，可用于估算无水文资料地区中小流域不同重现期洪水致灾临界面雨量阈值。
6.为实现上述目的，本发明采用了如下技术方案：
7.本发明提供了一种无水文资料地区中小流域不同重现期洪水降雨量阈值模型创建方法，依次包括如下步骤：
8.步骤1、流域数据库建立：获取无水文资料地区流域的降雨量栅格数据集、不同等级子流域栅格数据、不同重现期洪水降雨量阈值数据和下垫面数据；所述不同等级子流域栅格数据集是用arcgis的水文分析工具箱，基于流域三级、四级、五级流域的河网汇流累积量阈值分别得到三种不同等级流域对应的子流域栅格数据集。
9.步骤2、模型输入输出确定：模型的输入为流域的下垫面特征包括6种因子数字高程模型dem数据、坡度数据、坡向数据、土地利用数据、归一化植被指数和温度植被干旱指数作为的流域的特征变量x，输出为不同等级子流域各重现期洪水降雨量阈值作为目标变量y。
10.步骤3、创建模型样本数据集：模型的输入为流域的下垫面特征，输出为不同等级子流域各重现期洪水降雨量阈值，对流域的样本数据集进行标准化处理后进行样本采集；
11.步骤4、样本训练集和测试集划分：将采集的样本数据集划分为训练集和测试集；
12.步骤5、模型网络构建：基于卷积神经网络squeeze net构建流域不同重现期洪水降雨量阈值预测模型；
13.步骤6、模型训练：用训练数据集训练模型得到模型参数，建立不同重现期洪水降雨量阈值预测模型；
14.步骤7、模型测试和评价：将测试样本输入训练后的模型，计算评价指标评价测试模型的精度；
15.步骤8、最优模型：根据模型评价指标，修改模型参数，通过反复训练和测试，得到流域不同重现期致洪临界面雨量模拟的最优深度学习模型。
16.进一步的，步骤1中，所述不同等级子流域栅格数据集是用arcgis的水文分析工具箱，基于流域数字高程模型，输入流域三级、四级、五级流域的河网汇流累积量阈值分别得到三种不同等级流域对应的子流域栅格数据集。
17.进一步的，步骤1中，所述流域不同重现期洪水降雨量阈值数据是使用gis flood tool工具以流域数字高程模型和降雨量栅格数据为基础数据，通过水文分析和区域回归方程估算流域对应三种不同等级子流域的不同重现期洪水降雨量阈值数据集。
18.进一步的，步骤2中，所述流域下垫面数据包括流域数字高程模型dem数据、坡度数据、坡向数据、土地利用类型数据、landset8 oli遥感数据，其中土地利用类型数据转化为土地利用程度，在envi5.3中基于landset8 oli数据计算得到流域的归一化植被指数ndvt和温度植被干旱指数tvdi分别来代表流域植被覆盖和土壤湿度的情况。
19.进一步的，步骤3中，首先对流域的6种不同因子x进行标准化处理到0-100之间。然后基于流域标准化处理后的6种不同因子x、不同等级子流域栅格数据b和不同重现期洪水降雨量阈值数据y,通过程序进行样本采集。
20.进一步的，步骤3中，实现三种样本采集方式：整体采样、相同流域的多重现期随机采样、不同流域的多重现期随机采样。
21.进一步的，步骤3中，所述样本数据集包括三种样本采集方式得到的数据集，每种采样形式下都包括单流域—单重现期、单流域—多重现期、多流域—单重现期、多流域—多重现期四种组合情况。
22.进一步的，步骤5中，所述构建模型采用卷积神经网络squeeze net构建模型，包含输入层、隐含层和输出层，所述的隐含层包括卷积层、池化层、全连接层、softmax层、分类层，修改了网络的输入层和首个卷积层通过识别样本图像行列数作为输入网络的行列数，以确保输入层的输入大小和通道数可以根据输入图像特征进行自定义，使得首个卷积层通道数与图像波段数保持一致，并修改全连接层、softmax层和分类层，使得全连接层输出大小为1，将softmax层与分类层用回归层代替，然后将训练样本输入模型进行反复迭代，获得训练模型。
23.进一步的，步骤6中，所述模型参数包括：最大世代数、学习率、最小批量数、求解器。
24.进一步的，步骤7中，所述模型评价指标包括：均方根误差、相对偏差、平均绝对误差、相关系数四种指标。
25.本发明的有益效果为：基于arcgis和深度学习技术，提出一种无水文资料地区中
小流域不同重现期洪水降雨量阈值模型创建方法，可以更好地考虑中小流域的降水和下垫面特征的空间变异性，考虑植被、土壤等关联因子，比较准确的估算中小河流洪水致灾临界面雨量阈值。
26.(1)本发明利用深度学习技术提取流域下垫面特征，综合考虑植被、土壤、土地利用程度等关联因子对不同重现期洪水降雨量阈值的影响。
27.(2)本发明利用深度学习技术可以解决无资料地区中小流域数量多，数据处理速度慢和处理过程复杂等问题。
附图说明
28.图1：本发明模型创建流程图。
具体实施方式
29.下面结合附图对本发明作更进一步说明：
30.如图1所示，本发明包括如下步骤：
31.(1)流域数据库建立：
32.获取无水文资料地区流域的降雨量栅格数据集、不同等级子流域栅格数据、不同重现期洪水降雨量阈值数据和下垫面数据。其中降雨量栅格数据集和下垫面数据可分别由中国科学院资源环境科学与数据中心和地理空间数据云网站下载直接获取，不同等级子流域栅格数据和不同重现期洪水降雨量阈值数据分别通过arcgis的水文分析工具箱和gis flood tool工具处理分析间接获取。降雨量栅格数据为流域各气象站点多年平均降雨量栅格数据，下垫面数据包括流域数字高程模型dem数据、坡度数据、坡向数据、土地利用类型数据、landset8 oli遥感数据，其中土地利用类型数据转化为土地利用程度，在envi5.3中基于landset8 oli数据计算得到流域的归一化植被指数ndvt和温度植被干旱指数tvdi。不同等级子流域栅格数据用arcgis的水文分析工具箱，基于流域三级、四级、五级流域的河网汇流累积量阈值分别得到三种不同等级流域对应的子流域栅格数据集。不同重现期洪水降雨量阈值数据使用gis flood tool工具以流域数字高程模型dem和降雨量栅格数据为基础数据，通过水文分析和区域回归方程估算流域对应三种不同等级子流域的不同重现期洪水降雨量阈值数据集。其中重现期包括7种，分别为5年一遇、10年一遇、15年一遇、20年一遇、30年一遇、50年一遇、100年一遇。
33.(2)模型输入输出确定：
34.模型的输入为流域的下垫面特征包括6种因子数字高程模型dem数据、坡度数据、坡向数据、土地利用数据、归一化植被指数和温度植被干旱指数作为的流域的特征变量x，输出为不同等级子流域各重现期洪水降雨量阈值作为目标变量y。
35.(3)创建模型样本数据集：
36.确定模型的输入为流域的下垫面特征，输出为不同等级子流域各重现期洪水降雨量阈值。首先对流域的6种不同因子x进行标准化处理到0-100之间,栅格数据类型都转化为浮点型。然后基于流域标准化处理后的6种不同因子x、不同等级子流域栅格数据b和不同重现期洪水降雨量阈值数据y，通过程序进行样本采集。实现三种样本采集方式为：整体采样、相同流域的多重现期随机采样、不同流域的多重现期随机采样。每种采样形式下包括单流
域—单重现期、单流域—多重现期、多流域—单重现期、多流域—多重现期四种组合方式，保证样本数量的同时，考虑流域不同地形、植被、土地利用程度等因子的影响。
37.首先加载数据集6种流域特征因子x、三种等级子流域栅格数据集b、三种等级子流域对应的不同重现期降雨量阈值数据y，其中x和b数据类型为栅格格式，y数据为excel表格格式，每个表格里包括7种重现期降雨量阈值。单流域时选择一个流域与对应的表格，多流域时选择多个流域与表格，q输入1为单重现期，输入2为多重现期，每种采样方式都对应四种组合方式。
38.(4)样本训练集和测试集划分：
39.将上步得到的三种采样方式下所有样本数据集分别划分为训练集和测试集，训练集和测试集的划分比例为8:2。
40.(5)模型构建：
41.建立基于深度学习的流域不同重现期洪水降雨量阈值模拟模型。所述构建模型采用卷积神经网络squeeze net构建模型，包含输入层、隐含层和输出层，所述的隐含层包括卷积层、池化层、全连接层、softmax层、分类层。修改了网络的输入层和首个卷积层通过识别样本图像行列数作为输入网络的行列数，以确保输入层的输入大小和通道数可以根据输入图像特征进行自定义，使得首个卷积层通道数与图像波段数保持一致，并修改全连接层、softmax层和分类层，使得全连接层输出大小为1，将softmax层与分类层用回归层代替，然后将训练样本输入模型进行反复迭代，获得训练模型。
42.(6)模型训练：
43.用训练数据集训练模型，得到模型参数，建立不同重现期洪水降雨量阈值模拟模型。
44.(7)模型测试和评价：
45.将测试样本输入训练后的模型，计算评价指标评价测试模型的精度。对模型预测结果的评价选用了3个统计指标，分别为均方根误差rmse、相对偏差bias和平均绝对误差mae。具体计算公式如下：
[0046][0047][0048][0049]
erms表示预测值与实际值偏差大小，取值范围为(0，+∞)，越接近0表示预测效果越好。bias描述的是预测值偏离实际值的大小，取值范围为-100％～100％，越接近0表示预测偏离实际的程度越小。mae是绝对误差的平均值，范围[0,+∞)，当预测值与真实值完全吻合时等于0，即完美模型；误差越大，该值越大。mae的值越小，说明预测模型拥有更好的精确度。
[0050]
(8)最优模型：
[0051]
根据模型评价指标，修改模型参数，通过反复训练和测试，得到流域不同重现期致
洪临界面雨量模拟的最优深度学习模型。

技术特征：
1.一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于包括以下步骤：步骤1、流域数据库建立：获取无水文资料地区流域的降雨量栅格数据集、不同等级子流域栅格数据、不同重现期洪水降雨量阈值数据和下垫面数据；步骤2、模型输入输出确定：模型的输入为流域的下垫面特征包括6种因子数字高程模型dem数据、坡度数据、坡向数据、土地利用数据、归一化植被指数和温度植被干旱指数作为的流域的特征变量x，输出为不同等级子流域各重现期洪水降雨量阈值作为目标变量y。步骤3、创建模型样本数据集：模型的输入为流域的下垫面特征，输出为不同等级子流域各重现期洪水降雨量阈值，对流域的样本数据集进行标准化处理后进行样本采集；步骤4、样本训练集和测试集划分：将采集的样本数据集划分为训练集和测试集；步骤5、模型网络构建：基于卷积神经网络squeeze net构建流域不同重现期洪水降雨量阈值预测模型；步骤6、模型训练：用训练数据集训练模型得到模型参数，建立不同重现期洪水降雨量阈值预测模型；步骤7、模型测试和评价：将测试样本输入训练后的模型，计算评价指标评价测试模型的精度；步骤8、最优模型：根据模型评价指标，修改模型参数，通过反复训练和测试，得到流域不同重现期致洪临界面雨量模拟的最优深度学习模型。2.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤1中，所述不同等级子流域栅格数据集是用arcgis的水文分析工具箱，基于流域数字高程模型，输入流域三级、四级、五级流域的河网汇流累积量阈值分别得到三种不同等级流域对应的子流域栅格数据集。3.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤1中，所述流域不同重现期洪水降雨量阈值数据是使用gis flood tool工具以流域数字高程模型和降雨量栅格数据为基础数据，通过水文分析和区域回归方程估算流域对应三种不同等级子流域的不同重现期洪水降雨量阈值数据集。4.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤2中，所述流域下垫面数据包括流域数字高程模型dem数据、坡度数据、坡向数据、土地利用类型数据、landset8 oli遥感数据，其中土地利用类型数据转化为土地利用程度，在envi5.3中基于landset8 oli数据计算得到流域的归一化植被指数ndvt和温度植被干旱指数tvdi分别来代表流域植被覆盖和土壤湿度的情况。5.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤3中，首先对流域的6种不同因子x进行标准化处理到0-100之间。然后基于流域标准化处理后的6种不同因子x、不同等级子流域栅格数据b和不同重现期洪水降雨量阈值数据y，通过程序进行样本采集。6.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤3中，实现三种样本采集顺序方式为：整体采样、相同流域的多重现期随机采样、不同流域的多重现期随机采样。7.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方
法，其特征在于：步骤3中样本数据集包括三种样本采集方式得到的数据集，每种采样形式下都包括单流域—单重现期、单流域—多重现期、多流域—单重现期、多流域—多重现期四种组合情况。8.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤5中，所述构建模型采用卷积神经网络squeeze net构建模型，包含输入层、隐含层和输出层，所述的隐含层包括卷积层、池化层、全连接层、softmax层、分类层，修改了网络的输入层和首个卷积层通过识别样本图像行列数作为输入网络的行列数，以确保输入层的输入大小和通道数可以根据输入图像特征进行自定义，使得首个卷积层通道数与图像波段数保持一致，并修改全连接层、softmax层和分类层，使得全连接层输出大小为1，将softmax层与分类层用回归层代替，然后将训练样本输入模型进行反复迭代，获得训练模型。9.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤6中，所述模型参数包括：最大世代数、学习率、最小批量数、求解器。10.根据权利要求1所述的一种无水文资料地区中小流域洪水降雨量阈值模型创建方法，其特征在于：步骤7中，所述模型评价指标包括：均方根误差、相对偏差、平均绝对误差、相关系数4指标。

技术总结
本发明提供了一种无水文资料地区中小流域不同重现期洪水降雨阈值模型创建方法，方法包括以下步骤：步骤1、流域数据库建立；步骤2、模型输入输出确定；步骤3、创建模型样本数据集；步骤4、模型网络构建；步骤5、样本训练集和测试集划分；步骤6、模型训练；步骤7、模型测试和评价；步骤8、最优模型。针对无水文资料地区的中小流域，应用传统水文方法估算致洪临界面雨量阈值难度大的问题，提出一种无水文资料地区中小流域不同重现期洪水降雨量阈值模型创建方法，为无资料地区中小流域水文预报提供了行之有效的技术方法。行之有效的技术方法。行之有效的技术方法。


技术研发人员：王毅勇 张金瑕 张翀 成爱芳 周超凡
受保护的技术使用者：宝鸡文理学院
技术研发日：2022.02.24
技术公布日：2023/9/23