买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国长江电力股份有限公司

摘要：本发明公开一种基于降雨空间分布的图像相似水情挖掘及预报方法，包括：S1、收集流域的降雨径流数据并划分场次；S2、插值测站观测数据，制作降雨空间分布样本图集；S3、对样本图集进行预处理，划分训练集和测试集；S4、改进残差网络模型，将全连接层改进为全局平均池化层，并将预训练的权重和参数移植到改进的残差网络模型，构建输入输出层，计算降雨空间分布图的特征向量，计算特征向量的欧氏距离并作为相似度，构建完整的栅格降雨相似判别模型；S5、使用S4中构建的模型查找历史相似降雨过程，将对应的径流过程根据相似度加权作为预报的径流过程；本发明可对未来水情变化进行预测，为洪水灾害的预测提供更为重要的预报信息。

主权项：1.一种基于降雨空间分布的图像相似水情挖掘及预报方法，其特征在于：它包括下列步骤：S1、收集流域的降雨径流数据并划分场次降雨径流过程；S2、插值测站观测数据，制作降雨空间分布样本图集；S3、对样本图集进行预处理，划分训练集和测试集；S4、基于开放数据库，获取预训练的残差网络模型；改进残差网络模型，将全连接层改进为全局平均池化层，并将预训练的权重和参数移植到修改的残差网络模型，构建输入输出层，计算降雨空间分布图的特征向量，计算特征向量间欧氏距离并作为相似度，并利用S3中训练集和测试集更新模型参数，构建完整的栅格降雨相似判别模型；S5、使用S4中构建的模型查找历史相似降雨过程，将对应的径流过程根据相似度加权作为预报的径流过程；所述步骤S2具体包括：S201、根据降雨观测站经度、纬度、观测值，分别采用三样条插值、反距离权重插值、双线性插值计算三种栅格数据，将三种栅格数据均值作为最终降雨栅格数据；其中，假设存在n个观测站点，其经度、纬度、观测值分别为xi,yi,zi，i＝1,2,...,n，栅格数据的横纵坐标为u，v，栅格的宽度为w，高度为h，将经纬度坐标转换为栅格坐标的计算公式为： 使用三种插值方法计算的栅格数据分别为f1u,v、f2u,v、f3u,v，最终栅格数据fu,v为： 1三次样条插值的计算公式为： 其中，Niu,v是三次样条基函数，zi是观测站点i的观测值；2反距离权重插值的计算公式为： 其中，zi表示第i个观测点的值，wiu,v表示第i个观测点对待插值点的权重，通常用距离的倒数表示，其计算公式为： 其中，du,v,ui,vi表示待插值点u,v和第i个观测点ui,vi之间的距离，p是一个可调参数；3双线性插值的计算公式为： 其中，zij是最近邻观测站点ui,vi的观测值，wij是根据栅格点u,v与最近邻观测站点之间的距离计算出来的权重，计算公式为： 其中，离栅格点u,v最近的观测站点中，横坐标和纵坐标不大于u和v时，经纬度为x0,y0，不小于u和v时，经纬度为x1,y1；S202、定义图像的颜色映射，根据降雨量绘制等值线，对等值线划分区域进行填色，生成降雨空间分布样本图集；所述步骤S4具体包括：S401、基于开放的大型可视化ImageNet数据库，获取预训练的残差网络ResNet模型；S402、改进ResNet模型层结构，ResNet模型的全连接层替换为全局平均池化层，保留ResNet模型的卷积层与池化层，并将S401中预训练的权重和参数移植到改进的ResNet模型；其中，全局平均池化层对提取特征图的每一个通道所有像素值求平均值，输出图像的特征向量，具体方法为：假设特征图为F，其中H表示高度，W表示宽度，C表示通道数，全局平均池化层对每个通道的特征图FC执行如下操作，输出该通道的特征向量vc： 其中，Fc,i,j表示特征图F在第i行、第j列、第c个通道上的像素值，全局平均池化层输出为v＝[v1,v2,...,vC]，表示图像的特征向量；S403、构建输入为两张图像的输入层，复制S402中ResNet模型，将输入分别应用到两个ResNet模型，提取每个模型输出；S404、构建指数函数为输出层，计算S403中输出向量的欧氏距离并输入至输出层，输出层输出作为图像相似度的一维向量；其中，欧氏距离的计算方法为：假设两个样本的特征向量为X1、X2，其中Xi＝{X1i,X2i,......,Xni,}，n表示特征向量的维度，特征向量间的欧氏距离D定义为： 其中，以similarity表示相似度值，指数函数的计算方法为：similarity＝e-DS405、以S403和S404中定义的模型作为栅格降雨相似判别模型，使用S3中训练集对栅格降雨相似判别模型进行训练，利用对比损失函数计算损失值，反向传播更新网络参数；其中，对比函数计算损失值LC，其计算公式如下： 其中,D为欧式距离，Y为样本对应的标签值，m的取值需要大于样本间欧氏距离的最大值；S406、使用S3中测试集对训练的栅格降雨相似判别模型进行测试，计算测试集的召回率，精度没有达到规定要求则重复训练，达到精度要求则作为最终的栅格降雨相似判别模型；其中，召回率的计算公式为： 其中，TP为被正确地预测为正样本的正样本数量，FN为被错误地预测为负样本的正样本数量。

全文数据：

权利要求：

百度查询： 中国长江电力股份有限公司 一种基于降雨空间分布的图像相似水情挖掘及预报方法