基于语义相似的水文时间序列相似性挖掘——以太湖流域大浦口站水位数据为例

利用数据挖掘技术从长期观测的数据序列中发现蕴藏的规律是当前研究热点之一。相似性挖掘是时间序列挖掘的基础,提出一种基于语义相似的水文时间序列相似性查询方法。首先利用小波变换将时间序列进行平滑处理,在此基础上进行极值点分段并符号化,每个符号代表一种语义模式,从而选取语义相似的子序列作为候选集,再将候选集中子序列通过动态时间弯曲距离进行精确匹配从而得到相似子序列(以太湖流域大浦口站水位数据为例),实验证明,该方法能够在大幅度降低时间复杂度的基础上较准确地查找出相似子序列。     

多度量水文时间序列相似性分析

多度量组合可以提高相似性分析的准确性,基于该思想,提出多度量水文时间序列相似性分析方法,首先,使用多个单一相似度量分别计算相似时间子序列,然后,采用改进BORDA投票法对各度量分析得到的相似子序列进行组合和排序,得到最终的相似时间子序列。为了证明提出方法的可行性和有效性,以淮河流域王家坝水闸洪水过程相似性分析为例进行了验证。分析结果表明,基于改进BORDA投票法的多度量水文时间序列相似性度量方法可以提高相似查询的准确性。     

基于完全遥感的湖泊湿地水文特征参数综合反演

湖泊水文特征参数在水资源合理配置、规划、灾害预警中发挥了重要的作用。在总结现有的水文特征参数遥感提取方法的基础上,依据多源多时相遥感数据,构建基于完全遥感的湖泊水文特征参数综合反演技术框架体系。首先,通过多光谱遥感影像完成水域面积参数的时间序列遥感提取;然后选取测高卫星ICESat GLAS的有效激光雷达点云数据,对湖泊水位高程信息进行反演;进一步根据湖盆数据对湖泊水资源量估算,并通过"面积—水位—水量"关系模型构建,实现湖泊水文特征参数的高动态模拟。实验表明:该方法反演的水文参数与实测数据一致性较好,误差较小,结果可信度高;体现了遥感在水资源综合监测中的技术优势,可为区域水资源调查与监测提供技术参考。     

地学时序大数据的相似性度量与索引方法综述

地学时序大数据具有多传感器、多目标、多分辨率、多类型的多源异构特征,是地学领域机器学习与数据挖掘的重要数据来源,分为基于时点和基于时段的两大类时序数据。现有时序数据的相似性度量与索引研究主要聚焦在前者。时序数据表达方法的核心思想是降维处理,是相似性度量与索引方法的基础,主要包括基于域变换和模型的表达方法和基于极限分段思想的表达方法。相似性度量的核心是相似性距离计算,主要分为锁步度量和弹性度量。它为时序数据索引中索引项的聚合与划分提供了基本准则。多源异构地学时序大数据的高效相似性度量与分布式索引方法是地学大数据领域未来的重要研究方向。     

水文时间序列相似性查询的分析与研究——以漯河站、何口站汛期降雨量相似性查询为例

水文时间序列相似性查询可用于雨洪过程预测、环境演变分析、水文过程规律分析等方面.最为直接的应用是回答防汛指挥中经常问到的"当前水文过程相当于历史上哪一时期的同类过程"等问题.由于水文数据数量大、类型复杂,仅使用水文学的理论和传统统计方法加以分析,往往因为计算能力、存储能力以及算法的复杂而造成预测时间较长.在水文领域引入数据仓库和数据挖掘的理论与技术,为解决水文科学研究面临的问题提供了新的思路.     

单因子水文预报方程算法及实例分析

作为单因子水文预报模型中长期水文预报应用相对广泛,本文利用平稳时间序列模型。利用Gass消去法、Gass-Seidel迭代两种方法计算水文预报方程组,并进行单站的实例计算和两种计算结果的对比分析,误差为18％,可以作为实用的预报方案使用。水文预报方程是建立在线性函数关系基础上的,因而只要是具有某种线性关系的连续系列都可以利用该方法进行预报。并可作为下年水量状况的参考数据,尤其连续的洪、旱灾年,本方法将更为精确。     

水文时间序列趋势和跳跃分析的再抽样方法研究

用再抽样方法估计水文时间序列趋势或跳跃的显著性水平,可通过分块的方法消除水文时间序列自相关性的干扰,具有直接、精确的优点。介绍了再抽样方法在水文时间序列趋势和跳跃分析中的原理与方法;针对黄河三门峡水文站1919～1989年实测年径流量资料,采用几种常用的参数和非参数统计量,用再抽样方法进行了实例研究,其中采用滑动分块自助法以消除自相关性的干扰,该方法为估计水文时间序列的趋势、跳跃的显著性水平给出了新的思路与途径。     

面向水文数据整合的一体化水文索引模型研究

随着水文行业信息化程度的不断提高,对数据的需求逐渐从单一、具体化向多源、综合化方向发展。当前,在水文行业内,对数据按照大类分而治之的管理模式已渐与用户需求脱节,给数据的综合利用带来困难。针对该问题,梳理了现有数据结构与管理模式,提出一种水文数据整合与索引模型(Hydrological Data Integration and Index Model, HDIIM),利用该模型在多个水文数据库与水文应用之间搭建水文数据整合层,建立多库统一的一体化水文索引,实现对多库信息的整合与快速查询。该方法有效屏蔽了多个水文数据库之间的异构性,支持跨库的数据检索与应用,从而提高水文数据的获取与使用效率。实验证明,HDIIM能够有效提高水文数据的检索效率,特别是针对批量检索操作,HDIIM的表现较现有方法更加高效和稳定。     

基于相似性的无资料地区模型参数确定

基于新安江模型,利用GIS技术和相似性分析开展流域无资料情况下的水文模拟。在提取流域特征值的基础上,通过相关分析、聚类分析等方法判定相似流域,有效地分析了模型参数与流域特征的关系,重点论证了相似流域参数移植的可行性。通过相似性分析,发现相似流域的水文参数在几何空间上距离较近。基于此结论,本文对无资料地区进行了水文模型参数的确定,并取得了较好的模拟结果。     

水文序列小波分析中分解层数选择方法

小波分解层数的合理选择是水文序列小波分析结果的重要影响因素。在详细分析和定量描述不同类型噪声的能量分布规律的基础上,依据水文序列中确定成分和噪声成分的能量分布规律的差异,提出了一个小波分解层数选择方法。通过对不同类型模拟序列和不同特性实测水文序列进行分析,验证了所提方法的有效性和实用性。结果表明:序列组成、噪声含量等因素对小波分解层数的选择结果有较大影响,但噪声类型对小波分解层数选择结果影响较小;应用该方法确定小波分解层数的同时,还可以有效地识别和区分各层上是确定成分或是噪声成分,进而可为序列模拟预测提供依据。由于所提方法基于水文序列不同成分变化特性的差异建立,因此有较好的物理依据且分析结果合理可靠。     

数据挖掘技术在水文预报中的应用及水文预报发展趋势研究

数据挖掘作为知识发现过程中的重要步骤,是从大型数据库中提取未知的、有价值的和可操作性的关系、模式和趋势用于决策支持的过程。我国目前在防洪领域存在着大量水文数据,如何充分有效地利用各种智能算法对这些数据进行分析与挖掘,以形成相应的水文预报模型进行准确的水文预报是防洪决策支持系统完善和发展的重要方面。本文首先全面地介绍数据挖掘的功能分类及以数据挖掘为基础的水文预报体系,然后对数据挖掘技术在水文预报中的应用进行了探讨和研究。     

基于非线性相关性和复杂网络的径流相似性分区

径流相似性分区对径流资料插补移用和区域洪水频率分析具有重要意义。为准确识别水文站网中各站径流特征的相似性和差异性, 提高径流相似性分区结果的准确性, 引入Copula熵方法估算基于互信息的R统计量, 以度量各径流序列间的非线性相关性。在此基础上, 应用复杂网络理论构建以水文站为节点、以对应径流序列间R统计量是否大于给定阈值为节点间连边存在判别依据的径流相似性分区模型, 采用基于边介数的社团检测算法(GN算法)进行径流相似性分区。以鄱阳湖水系的水文站网为实例, 研究结果表明: 径流相似性分区模型具有较高的稳定性和效率; R统计量阈值为0.80时, 径流相似性分区结果最优, 此时水文站网划分为南北两部分共12类分区, 其中北部仅含1类分区; 相比于K均值聚类方法, 复杂网络方法表现更优, 其最优分区结果更为合理。     

构建考虑煤矿采空区特殊下垫面的水文模型并在山西省小流域应用

随着中国经济的快速发展,能源需求的增加,作为中国最主要的煤矿开采省份,山西省的煤矿开采量也一直在增加。但长期以来不合理和不科学的煤层开采,导致全省许多地区出现了煤矿采空区和伴生的地表裂隙。同时山西省内许多流域观测资料显示河道径流明显减少,水库存储量下降。认识煤矿开采,这一重要人类活动对水文过程影响,并在此基础上发展考虑煤矿采空区特殊下垫面的水文模型意义重大。收集山西省几个典型小流域的煤炭开采、遥感、水文资料,经过调查和分析发现煤炭采空区引起的裂隙和塌陷在山坡上会增加地表优先流,在河道上会导致明显渗漏现象。基于以上对煤炭开采对水文过程影响的认识,发展了考虑煤矿采空区特殊下垫面的水文模型,并在山西芦庄小流域进行了模型验证与应用研究。此研究方法对认识人类活动可能引起水文过程的变化有一定的借鉴意义,发展的模型也可以推广到具有类似水文过程的地区,对由于不合理的煤炭开采受到影响的流域进行水文分析和预报。     

An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia

Flooding is one of the most destructive natural hazards that cause damage to both life and property every year, and therefore the development of flood model to determine inundation area in watersheds is important for decision makers. In recent years, data mining approaches such as artificial neural network (ANN) techniques are being increasingly used for flood modeling. Previously, this ANN method was frequently used for hydrological and flood modeling by taking rainfall as input and runoff data as output, usually without taking into consideration of other flood causative factors. The specific objective of this study is to develop a flood model using various flood causative factors using ANN techniques and geographic information system (GIS) to modeling and simulate flood-prone areas in the southern part of Peninsular Malaysia. The ANN model for this study was developed in MATLAB using seven flood causative factors. Relevant thematic layers (including rainfall, slope, elevation, flow accumulation, soil, land use, and geology) are generated using GIS, remote sensing data, and field surveys. In the context of objective weight assignments, the ANN is used to directly produce water levels and then the flood map is constructed in GIS. To measure the performance of the model, four criteria performances, including a coefficient of determination (R ²), the sum squared error, the mean square error, and the root mean square error are used. The verification results showed satisfactory agreement between the predicted and the real hydrological records. The results of this study could be used to help local and national government plan for the future and develop appropriate (to the local environmental conditions) new infrastructure to protect the lives and property of the people of Johor.     

On retrieving patterns in environmental sensor data

As many sensor networks are currently being deployed for environmental monitoring, there is a growing need to develop systems and applications for managing, processing and retrieving massive amounts of data generated from those networks. In this research, a query answering system with pattern mining techniques is investigated specifically for marine sensor data. We consider three applications of pattern mining: similar pattern search, predictive query and query by clustering. In pattern mining for query answering, we adopt the dynamic time warping (DTW) method for similarity measurement. We also propose the use of a query relaxation approach that recommends users change parameters of a given query to get an answer. Finally, we show implementation results of pattern query answering in a marine sensor network deployed in the South East of Tasmania, Australia. Pattern query answering system benefits in accessing and discovering knowledge from sensor data for decision making purposes.     

集成极限学习机的中小河流洪水预报方法研究

为利用水文现象相似性和极限学习机(ELM)集成学习提高洪水预报精度,提出了一种基于相似度匹配的集成ELM洪水预报方法(SM-ELM)。方法首先从多个ELM模型中,为每一个训练样本找到最优的ELM模型,然后从训练集中,为测试样本匹配出最相似的前k个训练样本,最后利用这k个训练样本分别对应的最优ELM模型,对测试样本采用加权平均法进行集成预报。为证明提出方法的可行性和有效性,以昌化流域的历史洪水为例进行了验证。结果表明,相对于单个ELM,集成ELM模型能有效地提高预测精度。从均方根误差上看,集成ELM模型性能比单个ELM模型提升了10%~15%。在三种集成方法中,SM-ELM能够以较少的模型数量获得较高且稳定的预报精度。     

考虑有效不透水下垫面的城市雨洪模拟模型——Ⅱ.雨洪模拟及水文响应分析

为了分析有效不透水下垫面在城市雨洪模拟中的水文响应机理, 以常州市双桥浜径流小区为研究区域, 构建考虑有效不透水下垫面的城市雨洪模型。利用实测资料先确定屋顶中有效不透水面积的比例, 再率定模型其余参数。采用不同的方法表征不透水性, 设置不同的模拟方案, 分析有效不透水面积及总不透水面积的水文响应。结果表明: 与正确使用有效不透水面积的模拟结果相比, 用总不透水面积表征模型不透水性且直接移用有效不透水面积模型参数, 会高估洪峰流量及洪量; 使用总不透水面积表征不透水性, 进而率定模型, 低重现期时洪峰流量偏大, 高重现期时洪峰流量偏低, 并且会低估洪量。