CN119418508A 一种基于深度学习的实时河流水位监测预警方法及系统 （长江水利委员会长江科学院）

一种基于深度学习的实时河流水位监测预本申请涉及一种基于深度学习的实时河流水位监测预警方法及系统。该方法包括以下步基于水流量时序演化特征对动态拓扑演变网络2步骤S1：获取目标流域遥感影像及多监测点实时水文步骤S2：对目标流域遥感影像进行流域结构动态变化步骤S3：对多监测点实时水文数据进行多尺度时序趋步骤S4：基于水流量时序演化特征对动态拓扑演变网络进行演化特征空间位置映射，步骤S6：基于预设的水位风险评估标准对水位趋势预测曲线进行动态水位风险分析，根据网格单元连接数据对多条水流路径进行水流流向逻辑分析，基于水流路径流向逻辑数据对水流路径空间拓扑分布数据进行全局路径拓扑连通可3根据功率谱非平稳变量值对水流量多尺度功率谱进行趋势转向点标步骤S43：基于演化特征空间位置将水流量时序演化特征对动态拓扑演变网络进行演4流向拓扑模块，用于获取目标流域遥感影像及多监测点实态势演变模块，用于对目标流域遥感影像进行流域结构动态变化特征分结构动态变化数据；基于流域结构动态变化数据对水流拓扑网络进行拓扑态势演变拟合，水文演化模型模块，用于基于水流量时序演化特征对动态拓扑演水位趋势预测模块，用于对流域水文动力模拟数据进行水位趋势预水位风险预警模块，用于基于预设的水位风险评估标准对水位趋势5[0002]随着城市化进程的加速，洪涝灾害给人们的生活和财产[0004]为实现上述目的，本发明提供一种基于深度学习的实时[0011]本发明通过对目标流域遥感影像进行水流流向拓扑分析根据影像中的地形和水67[0027]基于水流路径流向逻辑数据对水流路径空间拓扑分布数据进行全局路径拓扑连[0028]本发明通过对纹理增强遥感图像进行水流路径边缘轮廓识别提取出水流路径边8态演变规律对水流拓扑网络进行拓扑态势演变拟合将流域结构的动态变化与水流拓扑网[0040]本发明通过对多监测点实时水文数据进行异常缺失值检测识别出数据中存在的[0047]本发明通过对多监测点阶段水流量参数进行多时频分解将水流量数据分解为不趋势转向点标记确定功率谱中趋势的转向点，趋势转向点揭示水流量的变化趋势的转折9[0051]步骤S43：基于演化特征空间位置将水流量时序演化特征对动态拓扑演变网络进将演化特征空间位置映射到三维水文演化模型中，展现水文演化的空间分布和拓扑变化，[0056]步骤S52：对多个时间点的水位分布数据进行水位趋势预测，生成水位趋势预测[0060]本发明通过对流域水文动力模拟数据进行不同时点水位分布分析了解不同时间[0063]步骤S62：基于水位趋势变化率进行水位峰值定量分析，以得到水位峰值趋势数[0064]步骤S63：基于预设的水位风险评估标准对水位峰值趋势数据进行动态水位风险[0071]时序趋势演化模块，用于对多监测点实时水文数据进行多尺度时序趋势演化分[0075]本发明通过获取目标流域遥感影像和多监测点实时水文数据提供流域的空间信量时序演化特征对动态拓扑演变网络进行演化特征空间位置映射将水文数据与拓扑网络基于预设的水位风险评估标准对水位趋势预测曲线进行动态水位风险分析评估水位的风[0076]图1为本发明一种基于深度学习的实时河流水位监测预警方法的步骤流程示意于深度学习的实时河流水位监测预警方法及系统的执行主体包括但不限于搭载该系统的：[0089]本发明通过对目标流域遥感影像进行水流流向拓扑分析根据影像中的地形和水[0118]基于水流路径流向逻辑数据对水流路径空间拓扑分布数据进行全局路径拓扑连和表征出流域结构演变的潜在规律性，得到能够描述流域结构动态演变机理的模型或参[0142]步骤S43：基于演化特征空间位置将水流量时序演化特征对动态拓扑演变网络进[0147]步骤S52：对多个时间点的水位分布数据进行水位趋势预测，生成水位趋势预测[0154]步骤S62：基于水位趋势变化率进行水位峰值定量分析，以得到水位峰值趋势数[0155]步骤S63：基于预设的水位风险评估标准对水位峰值趋势数据进行动态水位风险[0162]时序趋势演化模块，用于对多监测点实时水文数据进行多尺度时序趋势演化分[0166]本发明通过获取目标流域遥感影像和多监测点实时水文数据提供流域的空间信量时序演化特征对动态拓扑演变网络进行演化特征空间位置映射将水文数据与拓扑网络基于预设的水位