[0001] 本发明属于水文模拟及预报技术领域，具体涉及基于水文模型与LSTM双重耦合的取用水活动影响下的水文预报方法及系统。

[0002] 流域水文过程受到降水、辐射等气象驱动过程和取水、供水、用水、耗水、排水等人工取用水过程的双重影响。在当前强人类活动影响下，社会取用水对流域水文过程的影响越来越大，我国北方的许多流域人为干扰导致的水资源通量甚至超过了天然过程的实测通量。社会取水过程中，不同水源和取用水主体的取用水总量、过程与时空分布等多个要素均存在很大的不确定性，在循环路径和循环特性方面深刻影响着流域水资源系统。社会取用水活动影响下的流域水文过程研究仍面临着诸多亟待突破和解决的关键科学问题。

[0003] 目前考虑人类取用水活动的水文模拟主要有两种方法：(1)统计值输入，即基于区域年统计取用水总量输入，在模型中通过时间和空间上的均匀插值，将取用水量的时空尺度与模型计算尺度相匹配，作为模型输入；(2)定额法估计，统计区域人口及地区生产总值，基于单位人口用水额度、单位地区生产总值耗水量，通过定额法对研究区域用水量进行估计，继而作为水文模型输入，构建取用水活动下的水文过程模拟模型。

[0004] 然而由于近年来随着社会对于水资源的可持续发展、水生态保护的意识逐渐加强，为了保障下游的生态流量，社会取用水量方案的制定也受到自然水资源状态的影响。因此，仅基于社会经济条件对区域总取用水量进行估计，忽略了取用水的时空差异性以及自然水资源量状态，无法满足当下水文过程模拟对于人类取用水活动数据的需求。

[0005] 在大多数的取用水量预测研究只是利用预测模型，根据用水量历史数据内在规律建立预测模型进行预测，而且采用的用水量数据多为年尺度，无法与用水量的现实影响因素相结合，不符合客观规律，同时预测的时空尺度也无法满足应用需求。在用水过程中，受到区域水资源的影响，社会用水需求在水资源匮乏区域无法得到满足。水资源的分布不均，社会发展导致的水资源过度开发，以及气候变化，导致一些地区的可用水量不能满足社会用水需求。水文气候的变化会造成短期的水资源量变化，而社会经济因素对于长期用水量影响较大。

[0063] 以下结合附图对本发明涉及的基于水文模型与LSTM双重耦合的取用水活动影响下的水文预报方法及系统进行详细地说明。

[0064] <实施例一>

[0065] 如图1所示，本实施例所提供的基于水文模型与LSTM双重耦合的取用水活动影响下的水文预报方法包括以下步骤：

[0066] 步骤1、根据预报流域的范围，构建分布式水文模型，在区域范围内将流域及划分为网格单元，基于数字水系划分子流域。然后，收集历史资料，对预报流域构建的水文模型进行参数率定，率定模型产汇流参数。

[0067] 研究区域历史资料有：日尺度气象数据，包括：降雨、风速、温度、相对湿度、日照时长；流域下垫面资料，包括：地理高程(DEM)，土地利用类型；取用水户基本信息，包括：取用水户取水来源、用水类型、日取用水量监测值；水文资料，包括土壤湿度。

[0068] 本实施例中，水文模型的构建与参数率定工作具体为，对预报流域的下垫面资料进行水文分析，划分参数分区和计算单元，推求各单元不同雨量站点的权重，进行水文模型建模。根据历史雨水情数据，采用多目标优化算法，率定各单元的产汇流参数。水文模型的率定目标函数选择的是纳什效率系数(NSE)。其中NSE的计算公式为：

[0069]

[0070] 式中：Qsim,t和Qobs,t分别是第t时间步长的模拟值及实测值，m3/s； 为实测值的3
平均，m/s；n代表时间序列长度。NSE的最大值为1，二者的值越接近1，代表模型模拟效果越好。

[0071] 步骤2、根据取用水户地理位置，将各取用水户与水文模型中的网格与子流域进行一一对应。

[0072] 步骤3、对取用水影响因子进行时空插值，对流域属性资料进行空间插值，获得每个网格对应的所有影响因子数据。

[0073] 影响因子为：日尺度气象数据，包括：降雨、风速、温度、相对湿度、日照时长；水文资料，包括土壤湿度；社会经济发展情况，包括：人口密度、国内生产总值(GDP)、夜间灯光指数、灌溉面积；流域下垫面资料，包括：地理高程(DEM)，土地利用类型；取用水户基本信息，包括：取用水户取水来源、用水类型、日取用水量监测值。

[0074] 步骤4、将所有影响因子资料与日取用水量经过归一化处理之后，选取每个取用水户的影响区域范围内的影响因子均值，作为LSTM的输入，以取用水户的取用水量作为目标值，开始对LSTM模型进行训练。

[0075] 归一化计算公式为：

[0076]

[0077] 式中：Xi为样本集当中某一变量数据；Ximax为样本集当中第i列数据中最大值；Ximin为样本集当中第i列数据中最大值；Xi′为样本集Xi数据归一化后结果；数据经过归一化处理之后，Xi的范围变成了[0，1]。

[0078] 本实施例中，LSTM模型训练参数设置为：训练迭代次数为600，隐藏层层数为2层，隐藏层节点数为32，学习率为0.005，批样本数量为365。本实例中使用均方根误差作为损失函数，tanh作为激活函数，以Adam算法作为优化器。

[0079] 步骤5、耦合LSTM模型与分布式水文模型。基于水资源状况与其他影响因子，通过LSTM模型已训练的网络对取用水量进行预测；考虑预测的取用水量，基于具有物理机制的分布式水文模型对水资源量进行预测，预测所得的水资源量又成为下一个时间步长的取用水量预测的影响因子。以此滚动预测，形成取用水量与水资源的相互反馈，构建人类取用水活动影响下的分布式水文模型。

[0080] A、将预测日当天的影响因子数据和预测日前三天的日取用水量经过步骤S2当中所述的归一化处理之后，作为LSTM的输入，利用训练完成的LSTM网络对预测日的日用水量进行预测，并输出预测取用水量结果至分布式水文模型；

[0081] B、在分布式水文模型的产汇流过程考虑取用水活动的影响，将取水方式区分为地表取水和地下取水，用水方式区分为农业用水和非农业用水，识别将LSTM模型预测的取用水过程；

[0082] C、图2为模型耦合示意图。本实例中分布式水文模型将流域划分为网格形式，在网格内以水量平衡和能量平衡的原理进行水文模拟，并考虑取用水活动对径流的影响。分布式水文模型的输入是日降水量P、日温度T(包括日平均温度，日最低温度，日最高温度)、日照时长、相对湿度、地表2m风速等气象数据M，以及DEM、土壤类型、土地利用类型等流域属性相关数据B。土壤层(土壤含水量SM)和地下含水层(地下水量SG)中的存储水量是模型状态变量。流域出口处的日径流Q为分布式水文模型的输出。LSTM模型的输入变量包括气象因子M、流域属性因子B、社会经济因子E以及水资源量因子(H)。气象因子、流域属性因子以及社会经济因子为外部输入，分布式水文模型模拟的流域出口径流Q及土壤含水量SM作为水资源量因子输入(H)，共同输入到LSTM网络，基于已训练的取用水预测网络，预测下一时间步t+1长取用水户的取用水量WW 。

[0083] LSTM取用水滚动预测模型在运行过程中需要输入所需的气象数据，以及相关流域属性数据。除此之外，LSTM取用水滚动预测模型需要设定t0时刻取用水量初始值。模型在运行过程中，首先基于t0时刻的取用水量，以及当前时间步长的气象驱动数据，模拟流域内水文状况，包括Q与SM：

[0084] Qt＝φ(B,Mt,WWt)

[0085] SMt＝g(B,Mt,SMt‑1,WWt)

[0086] 式中：φ和g分别代表改进WetSpa模型在气象数据、下垫面资料以及取用水数据的驱动下对流域径流、土壤含水量的模拟过程，φ和g分别对应流域径流、土壤含水量。而后在下一时间步长，基于已经训练LSTM取用水预测网络f(X)、前一日分布式水文模型所模拟的t t+1 t+1水文状况(H)以及当前时间步长的气象因子(M )、社会经济因子(E )，预测t+1时刻的取水量WW：

[0087] WWt+1＝f(B,Et,Mt,SMt,Qt)

[0088] 由此，在气象数据、下垫面资料以及社会经济数据的驱动下，该耦合模型对流域内水资源状况与取用水量进行滚动模拟计算，实现在对水资源约束下的取用水量的预测，以及对社会取用水影响下流域径流的模拟。

[0089] 在以上过程中，是两个模型耦合：水文模型模拟水资源量，水资源量作为影响因子预测取用水量，取用水量作为水文模型的一个输入，继而可以模拟下一个时间步长的水资源量，以此循环迭代。采用分布式水文模型预测得到下一个时间步(t+1)的影响因子，进而将影响因子输入到LSTM模型，预测下一个时间步的取用水量，基于这个取用水量，在水文模型中考虑取用水活动进行水文模拟，模拟(t+2)步长的径流等。可以实现在缺少水文资料和取用水数据情况下，对取用水活动下的径流预测与取用水量预测。

[0090] 本实施例中，在渭河流域构建模型，实施了上述本发明方法。设置2017年9月1日至2017年12月31日为模型预热期，对2018年的流域出口径流进行预测。径流模拟结果如图3所示，本发明方法所构建的模型(耦合模型)的流量模拟值相较于最先进的现有技术方法(改进wetspa模型)，更贴合实际流量。基于模拟值与实测值的统计指标纳什效率系数(NSE)来说，耦合模型模拟结果的NSE相较于原模型模拟结果的NSE，由0.68提升至0.82，说明本发明方法可提升对于人类取用水活动影响下的径流模拟精度。

[0091] 综上，本发明能够实现对取用水活动影响下的径流过程的模拟，以及对缺水文资料地区的用水量模拟或是对未来取用水量进行准确、可靠预测。

[0092] <实施例二>

[0093] 进一步，本实施例二提供能够自动实现上述方法的基于水文模型与LSTM双重耦合的取用水活动影响下的水文预报系统，该系统包括数据集构建部、静态网络建立部、动态网络建立部、模型构建部、识别部、输入显示部以及控制部。

[0094] 水文模型构建部能够执行上文步骤1所描述的内容，根据预报流域的范围，构建分布式水文模型，划分子流域，并进行参数率定。

[0095] 取用水户对应部能够执行上文步骤2所描述的内容，根据取用水户的地理位置，将各取用水户与水文模型中的网格单元与子流域进行一一对应。

[0096] 取用水影响因子获取部能够执行上文步骤3所描述的内容，获得每个网格对应的所有取用水影响因子数据。

[0097] LSTM模型训练部能够执行上文步骤4所描述的内容，对LSTM模型进行训练。

[0098] 耦合模型构建部能够执行上文步骤5所描述的内容，耦合LSTM模型与分布式水文模型构建耦合预报模型。

[0099] 输入显示部用于让用户输入操作指令，并根据操作指令对相应部的输入、输出和中间处理数据以文字、表格、图形、静态或动态模型方式进行显示。

[0100] 控制部与水文模型构建部、取用水户对应部、取用水影响因子获取部、LSTM模型训练部、耦合模型构建部、输入显示部均通信相连，控制它们的运行。

[0101] 以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的基于水文模型与LSTM双重耦合的取用水活动影响下的水文预报方法及系统并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。