(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210610006.5 (22)申请日 2022.05.31 (71)申请人 水利部南京水利水文自动化研究所 地址 210000 江苏省南京市雨 花台区铁心 桥街95号 申请人 水利部交通 运输部国家能源局南京 水利科学研究院 (72)发明人 方卫华　钟华　徐孟启　肖城　 戴佳琦　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶涓涓 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06T 7/62(2017.01) G06N 3/04(2006.01) G06F 30/28(2020.01) G01D 21/02(2006.01) (54)发明名称 一种天然河道水位流量同步同化方法及智 能系统 (57)摘要 针对天然河道流量和水位监测断面自动化 成本高、 流量流速模型率定困难和关系式不稳定 等问题， 本发 明公开了一种天然河道水位流量同 步同化方法及智能系统， 根据河流断面及其演化 情况， 采用生成对抗网络动态获取整个河段的水 下地形从而获得任意断面的过流面积， 采用水动 力学方程结合神经网络实现对水位和流量的同 步同化， 同化精度可以根据需要通过增加断面实 测数据的方式实现。 本发明技术先进、 可操作性 强， 对防汛抗旱和水资源保护均具有十分重要的 意义。 权利要求书2页 说明书12页 附图5页 CN 115471679 A 2022.12.13 CN 115471679 A 1.一种天然河道水位 流量同步同化方法， 其特 征在于， 包括如下步骤： 步骤一， 确定需要同化的河段 步骤二， 典型断面水 上水下地形测量及同化段整体河 床地形生成 获取水面以下地形， 建立水位/水深和断面 面积关系； 步骤三， 河道水流模型选择 根据同化河段的稳定性、 规则性和同化 时段水流的均匀性和平稳性选择相应的数学模 型； 对于顺 直规则河道， 当流速稳定时采用圣维南方程组进行 数据同化； 步骤四， 在同化河段 上游设置水位、 流速监测仪器采集数据 根据精度要求确定采样断面数量， 在选定的断面布置水位、 流速传感器、 嵌入式设备和 计算服务中心并组成同化系统； 并采用传感器获取断面上水深与流量作为模型的边界条 件； 步骤五， 神经网络水位 流量同化方法， 包括如下步骤： 步骤1， 神经网络同化模型构建， 采用物理信息神经网络构建以圣维南方程组、 采样断 面水位、 流 量为约束条件的同化模型； 包括如下步骤： 描述河道渐 变非恒定水流 运动的一维圣维南方程组为： 连续方程： 动力方程： 式中， x， t分别为流程和时间； A为断面面积； Q为流过断面的流量； BT表示调蓄宽度； Z为 水位； qL为旁侧入流， 入流为正， 出流为负； vx为旁侧入流qL沿水流方向的速度分量； g为重力 加速度； K为 流量模数， R为水力半径， n 为糙率； 使用物理信息神经网络解圣维南方程， 采用单网双输出结构， 共享网络参数， 预测值对 自变量的偏导数 将边界处抽样的i个输入点 及对应的单宽水深 h、 单宽流量q用于训练边界约束， 表示神经网络预测值与理论值的差距， 为单宽水深预测值， 为单宽流量预测值， 将定义域内由拉丁超立方体抽样得到的输入j个 用于连续方程与动力 方程约束， 进行边界约束的抽样点同样进行了方程约束， 微分 项分别按照连续方程与动力方程约束 线性组合， 构造损失函数如下： 式中， MSE表示在计算损失时使用均方误差函数， Nf与Nu表示作用范围， λ表示加入的平 衡权重系数； 寻找神经网络参数， 使损失函数最小； 步骤2， 根据四点差分法检验上述同化模型的正确性， 如正确则进入步骤4， 否则返回步权　利　要　求　书 1/2 页 2 CN 115471679 A 2骤3优化同化模型； 步骤3， 将检验合格的模型完成现场部署， 更新在嵌入式系统中， 应用于水位 流量同化； 步骤4， 根据上游确定断面的水位、 流量， 基于神经网络同化模型实时得出下游任意断 面的水位、 流 量。 2.根据权利要求1所述的天然河道水位流量同步同化方法， 其特征在于， 所述步骤1的 神经网络中网络 输入层加入时空映射缩放输入尺度， 将输入映射到一个更密集的区间。 3.根据权利要求1所述的天然河道水位流量同步同化方法， 其特征在于， 所述步骤1中 使用3层隐藏层， 每层20 0个神经元的全连接结构 构造神经网络 。 4.根据权利要求1所述的天然河道水位流量同步同化方法， 其特征在于， 所述步骤4中 至少选定一个断面结合嵌入式设备测得的水位、 流 量作为边界条件。 5.根据权利要求1所述的天然河道水位流量同步同化方法， 其特征在于， 所述步骤二包 括如下过程： 选取典型断面采用水上无人机携带激光雷达－水下采用超声波无人船结合的方式进 行水上水下地形测量， 当河床时空变化比较大时， 就选择相应的断面进 行测量； 当下一个断 面与已量测断面的相似度≤0.9时， 则需要重新进 行断面形状测量； 实现整个同化河段河床 三维地形的重建。 6.根据权利要求5所述的天然河道水位流量同步同化方法， 其特征在于， 所述相似性采 用以下步骤计算： (1)对两个过 水断面图形均进行 各向等比例缩放进行面积归一 化； (2)分别找到 两个图形的几何中心， 并通过不旋转的平 移拖动使几个中心重合； (3)此时两个图形的重合 面积即为相似度。 7.根据权利要求5所述的天然河道水位流量同步同化方法， 其特征在于， 所述同化河段 河床三维地形的重建采用如下步骤： 采用运用Wasserstein距离与插值误差之和作为损失函数， 引入了基于Wasserstein生 成对抗网络三维地形数据插值算法； 现有高分辨率DEM数据集合上一步生成地形三维数据 为基础， 从地形特征入手， 构建并训练了由地形特征生成局部河床地形的Terrain ‑CGANs， 在生成器G中包含一个由5层的卷积层和5层的逆 卷积层构成的 “编码‑解码”模块， 用以提取 可能的深度地理空间知识； 判别器D 中， 首先将采样河床地形图和对应的完整图进行拼接， 再通过卷积输出二分类的判定结果。 8.一种天然河道水位流量同步同化智能系统， 包括水位、 流速传感器、 嵌入式设备以及 设置在嵌入式设备中的软件系统， 其特征在于： 其中软件系统包括地形测量模块、 断面数据 采集模块、 神经网络同化模 型构建模块、 模型验证模块、 模 型部署模块、 水位流量输出模块； 所述地形测量模块用于联动无人机/无人船配置GNSS导航系统实现权利要求1 ‑7中任意一 项所述的天然河道水位流量同步同化方法中步骤二中的内容， 所述断面数据采集模块用于 采用传感器实现步骤四中的内容， 所述神经网络同化模型构建模块用于实现步骤五 ‑1中的 内容， 所述模型验证模块用于实现步骤五 ‑2中的内容， 所述模型部署模块用于实现步骤五 ‑ 3中的内容， 将模 型部署入嵌入式设备中； 所述水位流量输出模块用于实现步骤五 ‑4中的内 容， 最终输出 下游任意断面的水位、 流 量。权　利　要　求　书 2/2 页 3 CN 115471679 A 3