(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 202111207276.3 (22)申请日 2021.10.18 (65)同一申请的已公布的文献号 申请公布号 CN 113641733 A (43)申请公布日 2021.11.12 (73)专利权人 长江水利委员会水文局 地址 430010 湖北省武汉市江岸区解 放大 道1863号 (72)发明人 梅军亚　香天元　赵昕　张亭　 牟芸　邓山　陈瑜彬　吴琼　张莉　 朱子园　 (74)专利代理 机构 北京中北知识产权代理有限 公司 11253 代理人 吴静(51)Int.Cl. G06F 16/2458(2019.01) G06F 16/28(2019.01) G06F 16/29(2019.01) G06K 9/62(2006.01) G06N 20/00(2019.01) G06Q 50/26(2012.01) G06Q 50/06(2012.01) 审查员 周勇攀 (54)发明名称 一种河道断面 流量实时智能推求方法 (57)摘要 本发明提供了一种河道断面流量实时智能 推求方法， 包括建立水文要素标准化样本集、 确 定水文特征要素组合、 将本断面历史水位流量关 系线上所有流量点一一对应的所述水文特征要 素组合 建立数据仓库D、 计算数据仓库D并 分配至距离最短的聚类簇、 在簇内求解与水文特 征要素组合距离最短的水文特征要素组合样本 点， 通过分析和确定影 响河道断面流量实时推求 的水文特征要素组合， 对水位历年变幅进行分 级， 为水资源监督管理和水旱灾害防御提供更及 时和精确的流 量数据支持。 权利要求书4页 说明书10页 附图1页 CN 113641733 B 2022.01.07 CN 113641733 B 1.一种河道断面 流量实时智能推求方法， 其特 征在于： S1、 建立水文要素标准化样本集： 收集历史水文资料， 分析和识别可能影响河道断面流 量推求的河道断面和断面所在河段的各类水文 要素样本集U； 考虑到各水文要素之间数值大小与量纲的不同， 对所有流量点相应的水文要素原始数 据X进行标准化处理， 形成标准化变量 ， 以消除变量间变异程度上的差异， 标准化之后的 水文要素样本集为 ； 为一个n维向量， 所述河道断面所有历史水位流量关系线上的流 量点一一对应的 作为新的样本集 W； 式中， Q为流量； X为流量对应的某一水文要素； m为X的均值； s为X标准差； n为水文要素 的数量， N 为历史水文资料中流 量点的总个数； S2、 确定水文特 征要素组合 ： 采用包装法建立水文要素 特征子集模型， 在所述样本 集 中选取不同的特征子集， 利用历史水文数据， 对所述特征子集进行机器学习的数据 训练； 以流量推求误差最小作为衡量所述特征子集好坏的标准， 每次选择多个特征组成所述 特征子集， 经过反复比较选出最好的所述特征子 集， 即为所述水文特征要素组合 ； 实质为一个t维向量， t<n； S3、 将断面历史水位流量关系线上所有流量点一一对应的所述水文特征要素组合 建立数据仓库D， 采用K均值聚类算法对D进行分类， 将每个流量点对应的样本数据作为对 象， 随机假定K个质心， 每个质心初始的代表一个簇的中心， 形成K个聚类中心， 聚类个数K的 选择采用肘部法则； S4、 计算数据仓库D中每一个对象与各簇中心的距离， 并赋予最近的簇， 得到新的K个聚 类 ， 重新计算每个簇的水文特征要素组合样本的平均值， 更新为新 的簇中心， 每一个对象到每一个聚类中心的距离度量采用欧式距离； 为提高距离度量的适配性， 在所述欧式距离 中引入所述S2中得到的各水文特征要素的 权重系数 ， 得到加权后的所述欧式距离； 类簇中心就是类簇 内所有对象在各个维度加权 后的均值C； 权　利　要　求　书 1/4 页 2 CN 113641733 B 2式中， 表示 个类簇中第 个对象； 表示第 个聚类中心的质心， ， 表示第i个对象的第t个属性， ， 表示第j个聚类中心的第t个属性； 表示第 个 聚类的中心； ， 表示第 个类簇中对象的个数， ； S5、 不断重复所述S4， 反复迭代进行分配点和更新类簇中心点的步骤， 直至类簇中心点 的变化很小， 得到最终聚类 ， 各类簇中心为 ， 是一个与所述水文特征要素 组合 相同的n维向量， 为确保流量推求精度不低于单次流量测验误差， C聚类中组与组 之间的误差应不大于10%； S6、 根据当前河道断面水位 ， 提取当前所述水文特征要素组合 的样本数据 ， 是一个n维向量； 逐一求解与最终聚类 中各聚类中心 的欧式距 离， 以最短欧式距离d作为约束条件， 确定 归属最终聚类中的簇类S； 遍历聚类中心， 继续 求解与 欧式距离最短的所述水文特 征要素组合 ； 当 最小且小于阈值 时， 相当于 两个组合相似度U最高， 视为匹配成功； 否则， 视为匹配失败； 其中， 阈值 根据社会需求的单次测验误差要求确定； 为距离最短水文特征要素组 合对应的流 量值； S7、 若匹配成功， 则根据相似度 最高的所述水文特征要素组合 找出对应的流量值， 并建立与该河道断面传统流 量实时推求方法结果优选模型； S8、 若匹配不成功， 将当前所述水文特征要素组合 作为新的组合， 与对应的流量点组 成新的样本， 纳入水文特 征要素聚类数据仓库D中。 2.根据权利要求1所述的一种河道断面流量实时智能推求方法， 其特征在于， 所述确定 水文特征要素组合 具体包括以下步骤： S21、 建立Wrapp er包装法模型， 选择递归特征消除法作为所述Wrapper包装法模型中的权　利　要　求　书 2/4 页 3 CN 113641733 B 3