(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110390930.2 (22)申请日 2021.04.12 (65)同一申请的已公布的文献号 申请公布号 CN 113051833 A (43)申请公布日 2021.06.29 (73)专利权人 长江水利委员会长江科 学院 地址 430010 湖北省武汉市黄浦大街23号 (72)发明人 张晓琦　刘攀　许继军　陈进　 王永强　洪晓峰　袁喆　谢帅　 (74)专利代理 机构 武汉楚天专利事务所 421 13 代理人 孔敏 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 111/04(2020.01)G06F 111/08(2020.01) G06F 113/08(2020.01) (56)对比文件 CN 112396152 A,2021.02.23 审查员 吴雪薇 (54)发明名称 物理机制引导深度学习的洪水-水库映射关 系模拟方法 (57)摘要 本发明提供一种物理机制引导深度学习的 洪水‑水库映射关系模拟方法， 包括以下步骤： 步 骤1， 选定用以构建 “洪水不确定性 ‑水库防洪库 容”映射关系的深度学习模型； 步骤2， 筛选描述 洪水不确定性特征的参数并归一化处理； 步骤3， 随机抽样筛选 出2/3的样 本作为深度学习模型的 训练集， 并设定优化目标函数； 步骤4， 剩余1/3的 样本验证深度学习模型的模拟效果。 本发明能够 利用深度学习理论方法对大样本数据处理的优 势， 将“洪水不确定性 ”与“水库调度 ”之间的物理 联系通过数据驱动的方式进行的合理的描述， 从 而在考虑径流不确定性的情景下更好地指导水 库调度决策的制定， 可广泛应用于水库汛期预报 调度中， 为科学制定调度决策提供依据和技术支 撑。 权利要求书2页 说明书5页 附图2页 CN 113051833 B 2022.04.05 CN 113051833 B 1.一种物 理机制引导深度 学习的洪水 ‑水库映射关系 模拟方法， 其特征在于， 包括以下 步骤： 步骤1， 根据 “洪水不确定性 ‑水库防洪库容 ”映射关系固有特征， 选定用以刻画该映射 关系的深度学习模型； 步骤2， 根据入库洪水特性分析， 筛选描述洪水不确定性特征的参数， 归一化整理后作 为模型输入， 根据深度学习模型模拟水库应预留的防洪库容 值 步骤3， 在样本容量N中随机抽样筛选出2/3的样本作 为深度学习模型的训练集， 选定目 标函数训练模型参数， 以步骤2中筛选的描述洪水不确定性特征的参数值为输入、 模拟的水 库应预留防洪库容值 为输出， 并在模型目标函数中加入惩罚项用于考虑水库调洪演算过 程中物理机制； 步骤4， 将剩余的1/3的样本作 为深度学习模型的验证集， 用于验证模型的拟合效果， 并 得到对应不同洪水量级、 不同洪水 预报误差的水库应预留防洪库容 值 及可行区间； 步骤3中所述目标函数计算公式如下： min G＝α1·MSE1+α2·MSE2+α3·MSE3       (2) 式中， G为目标函数值； MSE1为深度学习模型模拟的水库预留防洪库容值的均方误差； α1 为MSE1的权重系数； N为计算样本数； MSE2为深度学习模型应对洪水量级单调性约束的均 方 误差惩罚项； α2为MSE2的权重系数； MSE3为深度学习模 型应对洪水预报误差单调性约束的均 方误差惩罚项； α3为MSE3的权重系数； 步骤3中深度学习模型应对洪水量级单调性约束采用如下公式计算： 式中： 用于筛选出在不考虑预报误差情景下， 不满足水库预留 防洪库容值对应洪水量级单调性的误差项， 用于筛选出不满 足水库预留防洪库容下限值对应洪水量级单调性 的误差项， 用于筛选出不满足水库预留防洪库容上限值对应洪水量级单调性的误差项； 深度学习模型应对洪水 预报误差单调性约束采用如下公式计算：权　利　要　求　书 1/2 页 2 CN 113051833 B 2式中： 用于筛选出不满足水库预留防洪库容上、 下限逻辑关 系对应洪水预报误差单调性的误差项， 用于筛选出不满足水库预留防洪库容可 行区间宽度对应洪水量级单调性的误差项。 2.根据权利要求1所述的一种物理机制引导深度学习的洪水 ‑水库映射关系模拟方法， 其特征在于： 步骤2中所述描述洪水不确定性特征的参数包括两部分： 其一是关于洪水过程本身的 随机性的设计频率P、 洪峰流量值Qp、 最大3、 7、 15天洪量值WiD、 多场不同类型典型年的洪水 样本Yk其中k＝1,2, …,m， 其中i＝3,7,15， m为典型年样本数量； 其二是刻画洪水预报的不 确定性的洪水预报误差σ， 洪水预报误差σ用于表征洪水预报精度的水平， 所述模拟的水库 应预留防洪库容 值 及其可行区间 如下式： 式中， X为归一化处理后的输入数据， 根据 所述描述洪水过程本身的不确定性特征的参 数推求得来， 包括设计频率P、 洪峰流量值Qp、 最大3、 7、 15天洪量值WiD(i＝3,7,15)、 多场不 同类型典型年的洪水样本Yk； σ 为洪水预报误差； 和 分别代表水库应预留防洪库容值的 上、 下阈值； f( ·)为深度学习方法的模拟函数， 若仅考虑洪水过程本身的不确定性对水库 预留防洪库容的影响， 可将模拟函数简化 为 权　利　要　求　书 2/2 页 3 CN 113051833 B 3