专利摘要

本发明公开了一种基于遥感解译技术提取河流监测断面水面宽度的方法，包括：构建Bi‑LSTM模型，得到河道流量数据；构建河道水面宽水力模型：并基于遥感检测和线性拟合方法进行水面宽水力模型的系数求解，得到最优的水面宽水力模型，求得高精度的河道断面水面宽表达式。相比于传统直接利用遥感技术采集河道断面水面宽，本发明采用线性拟合，有效去除误差较大的数据，提高计算精度，并真实反映了河流断面水面宽与流量之间的水力函数关系。

权利要求

1.一种基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于，包括：

S1、获取河道及其上下游若干年的历史流量数据，并对历史流量数据进行预处理，得到关于流量数据的时间序列数据；

S2、将时间序列数据作为输入数据进行监督学习，得到训练样本数据和测试样本数据；

S3、根据训练样本数据和测试样本数据构建Bi-LSTM模型，并基于测试样本数据对Bi-LSTM模型进行测试，获取作为预测输出结果的河道流量数据；

S4、根据步骤S3中得到的预测输出结果河道流量数据Q和河道断面水面宽w之间的水力函数关系，构建河道水面宽水力模型：

W＝α*Q*β

其中，α、β均为河道水面宽水力模型系数；

S5、基于遥感实时测量监测获取河道断面水面宽W0，将遥感所测河道断面水面宽W0作为输出，预测所得的河道流量数据Q作为输入带入河道水面宽水力模型中，得到N组系数αi、βi，其中，αi、βi分别为求解得到的第i组系数，i＝1、2、…N，N≥70000；

S6、在N组系数αi、βi中随机选取M组系数αj、βj，j＝1、2、…M，1000≤M≤N，将M组系数分别带入水面宽水力模型W＝αj*Q*βj中，并随机选取预测所得的河道流量数据Q作为输入带入W＝αj*Q*βj中，计算得到河道断面水面宽测试值；

S7、将河道断面水面宽测试值与其对应的遥感所测河道断面水面宽进行线性拟合：

y＝ax+b

其中，令y为河道断面水面宽测试值，x为河道断面水面宽真实值，设定遥感实时测量监测河道断面水面宽即为河道断面水面真实值，a、b为待定参数；

S8、设定河道断面水面宽测试值的偏差加权平方和最小为目标函数D：

其中，yi为第i组计算得到的河道断面水面宽测试值，xi为第i组通过遥感实时测量监测河道断面水面宽，即为河道断面水面宽真实值；

对参数a、b分别求取一阶偏导：

对参数a、b分别求取二阶偏导：

令一阶偏导为0：

解得参数a、b分别为：

其中，为河道断面水面宽真实值的平均值，为河道断面水面宽测试值的平均值；为河道断面水面宽真实值的平均值与河道断面水面宽测试值平均值的乘积，为河道断面水面宽真实值与河道断面水面宽测试值乘积的均值，为河道断面水面宽真实值平方的均值；

S9、将参数a、b带入拟合方程，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线；

S10、根据线性拟合曲线，去除河道断面水面宽测试值和遥感所测河道断面水面宽真实值之间相对误差大于0.01对应的河道水面宽水力模型系数α、β；选取相对误差小于等于0.01对应的河道水面宽水力模型系数αk、βk，其中，1≤k≤m；

S11、分别计算系数αk、βk的均值系数α’、β’，并将均值系数α’、β’作为最优系数带入，得到河道断面水面宽的最优解：

W＝α’*Q*β’。

2.根据权利要求1所述的基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于，所述步骤S1中对历史流量数据进行预处理包括：

采用minmaxscaler算法对历史流量数据进行归一化处理，补充流量数据缺失值。

3.根据权利要求1所述的基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于，所述步骤S2中通过训练样本数据进行Bi-LSTM神经网络训练之前，设置与Bi-LSTM神经网络训练相关的Bi-LSTM神经网络超参数，包括：采用Keras搭建Bi-LSTM神经网络，确定Bi-LSTM的层数包括输入层、Bi-LSTM层、输出层的节点数，并选择MAE作为损失函数，选择adam作为优化器，relu函数作为激活函数。

4.根据权利要求1所述的基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于：所述步骤S2中训练样本数据和测试样本数据之间的比例为5:2。

5.根据权利要求1所述的基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于，所述步骤S5中基于遥感采集河道断面水面宽W0包括：

选取河流断面，建设河流标识点作为遥感影像识别特征点以及断面位置标识点；

利用得到的高精度遥感影像并结合地面增强标识点的尺寸辨识河流该断面的水面宽，并沿着被监测河床断面提取河道断面水面宽W0。

6.根据权利要求1所述的基于遥感解译技术提取河流监测断面水面宽度的方法，其特征在于，所述步骤S9基于Matlab平台进行拟合曲线的线性拟合，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线。

说明书

技术领域

本发明属于水资源的技术领域，具体涉及一种基于遥感解译技术提取河流监测断面水面宽度的方法。

背景技术

随着河流水资源开发利用加快，河流生态与环境问题日益凸显，生态流量的概念也被广泛应用。由于研究者的视角及重点不同，出现了与生态流量相关的诸多概念，如“水生态需水”、“水生态基流”“最小下泄流量”和“河道生态环境需水量”等。在澳大利亚和南非，生态流量基本含义是维持河流生态完整性和生物多样性的流量状况，或者说，生态流量就是留给河流自身用水需求的水量。世界自然保护联盟采纳的生态流量定义为“在用水矛盾突出、且用水量可以进行调度的河流、湿地和沿海区域，为维持正常的生态系统及功能所拥有的水量”。而我国制定的生态流量定义为“满足水电工程下游河段保护目标生态需水基本要求的流量及过程”。

河流流量重要的水力参数之一为河流断面水面宽，其对河流流量具有重要的影响。现有存在多种河流断面水面宽的检测方法，基本是利用遥感技术如无人机或雷达电磁波直接进行测量所得，而遥感所得河流断面水面宽仅仅为参考值，其与真实值具有一定的误差，且不能真实反映河流断面水面宽与流量之间的关系。

发明内容

本发明的目的在于针对现有技术中的上述不足，提供一种基于遥感解译技术提取河流监测断面水面宽度的方法，以解决现有采用遥感监测河流断面水面宽误差较大，且不能真实反映河流断面水面宽与流量之间关系的问题。

为达到上述目的，本发明采取的技术方案是：

一种基于遥感解译技术提取河流监测断面水面宽度的方法，其包括：

S1、获取河道及其上下游若干年的历史流量数据，并对历史流量数据进行预处理，得到关于流量数据的时间序列数据；

S2、将时间序列数据作为输入数据进行监督学习，得到训练样本数据和测试样本数据；

S3、根据训练样本数据和测试样本数据构建Bi-LSTM模型，并基于测试样本数据对Bi-LSTM模型进行测试，获取作为预测输出结果的河道流量数据；

S4、根据步骤S3中得到的预测输出结果河道流量数据Q和河道断面水面宽w之间的水力函数关系构建河道水面宽水力模型：

W＝α*Q*β

其中，α、β均为河道水面宽水力模型系数；

S5、基于遥感实时测量监测获取河道断面水面宽W0，将遥感所测河道断面水面宽W0作为输出，预测所得的河道流量数据Q作为输入带入河道水面宽水力模型中，得到N组系数αi、βi，其中，αi、βi分别为求解得到的第i组系数，i＝1、2、…N，N≥70000；

S6、在N组系数αi、βi中随机选取M组系数αj、βj，j＝1、2、…M，1000≤M≤N，将M组系数分别带入水面宽水力模型W＝αj*Q*βj中，并随机选取预测所得的河道流量数据Q作为输入带入W＝αj*Q*βj中，计算得到河道断面水面宽测试值；

S7、将河道断面水面宽测试值与其对应的遥感所测河道断面水面宽进行线性拟合：

y＝ax+b

其中，令y为河道断面水面宽测试值，x为河道断面水面宽真实值，设定遥感实时测量监测河道断面水面宽即为河道断面水面宽真实值，a、b为待定参数；

S8、设定河道断面水面宽测试值的偏差加权平方和最小为目标函数D：

其中，yi为第i组计算得到的河道断面水面宽测试值，xi为第i组通过遥感实时测量监测河道断面水面宽，即为河道断面水面宽真实值；

对参数a、b分别求取一阶偏导：

对参数a、b分别求取二阶偏导：

令一阶偏导为0：

解得参数a、b分别为：

其中， 为河道断面水面宽真实值的平均值， 为河道断面水面宽测试值的平均值； 为河道断面水面宽真实值的平均值与河道断面水面宽测试值平均值的乘积， 为河道断面水面宽真实值与河道断面水面宽测试值乘积的均值， 为河道断面水面宽真实值平方的均值；

S9、将参数a、b带入拟合方程，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线；

S10、根据线性拟合曲线，去除河道断面水面宽测试值和遥感所测河道断面水面宽真实值之间相对误差大于0.01对应的河道水面宽水力模型系数α、β；选取相对误差小于等于0.01对应的河道水面宽水力模型系数αk、βk，其中，1≤k≤m；

S11、分别计算系数αk、βk的均值系数α’、β’，并将均值系数α’、β’作为最优系数带入，得到河道断面水面宽的最优解：

W＝α’*Q*β’。

优选地，步骤S1中对历史流量数据进行预处理包括：

采用minmaxscaler算法对历史流量数据进行归一化处理，补充流量数据缺失值。

优选地，步骤S2中通过训练样本数据进行Bi-LSTM神经网络训练之前，设置与Bi-LSTM神经网络训练相关的Bi-LSTM神经网络超参数，包括：采用Keras搭建Bi-LSTM神经网络，确定Bi-LSTM的层数包括输入层、Bi-LSTM层、输出层的节点数，并选择MAE作为损失函数，选择adam作为优化器，relu函数作为激活函数。

优选地，步骤S2中训练样本数据和测试样本数据之间的比例为5:2。

优选地，步骤S5中基于遥感采集河道断面水面宽W0包括：

选取河流断面，建设河流标识点作为遥感影像识别特征点以及断面位置标识点；

利用得到的高精度遥感影像并结合地面增强标识点的尺寸辨识河流该断面的水面宽，并沿着被监测河床断面提取河道断面水面宽W0。

优选地，步骤S9基于Matlab平台进行拟合曲线的线性拟合，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线。

本发明提供的基于遥感解译技术提取河流监测断面水面宽度的方法，具有以下有益效果：

本发明基于水文监测站的历史流量数据构建Bi-LSTM模型，并基于遥感检测和线性拟合方法进行水面宽水力模型的系数求解，得到最优的水面宽水力模型，进而求得高精度的河道断面水面宽。本发明相比于传统直接利用遥感技术采集河道断面水面宽，本发明采用线性拟合，有效去除误差较大的数据，提高计算精度，并真实反映了河流断面水面宽与流量之间的水力函数关系。

附图说明

图1为线性拟合曲线图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

根据本申请的一个实施例，本方案的基于遥感解译技术提取河流监测断面水面宽度的方法，包括：

S1、获取河道及其上下游若干年的历史流量数据，并对历史流量数据进行预处理，得到关于流量数据的时间序列数据。

基于水文监测站进行数据的获取，预处理包括采用minmaxscaler算法对历史流量数据进行归一化处理，补充流量数据缺失值。

S2、将时间序列数据作为输入数据进行监督学习，得到训练样本数据和测试样本数据。

训练样本数据进行Bi-LSTM神经网络训练之前，需要设置与Bi-LSTM神经网络训练相关的Bi-LSTM神经网络超参数，包括：用Keras搭建Bi-LSTM神经网络，确定Bi-LSTM的层数包括输入层、Bi-LSTM层、输出层的节点数，并选择MAE作为损失函数，选择adam作为优化器，选择relu函数作为激活函数。

其中，训练样本数据和测试样本数据之间的比例可以根据实际使用的需要进行设置，本实施例训练样本数据和测试样本数据的比例为5:2。

S3、根据训练样本数据和测试样本数据构建Bi-LSTM模型，并基于测试样本数据对Bi-LSTM模型进行测试，获取作为预测输出结果的河道流量数据。

测试样本数据的作用为训练估计模型，将测试样本数据作为Bi-LSTM模型的输入，得到作为预测输出结果的河道流量数据。

S4、根据步骤S3中得到的预测输出结果河道流量数据Q和河道断面水面宽w之间的水力函数关系构建河道水面宽水力模型：

河道断面水面宽W、平均流速V、平均水深D和水流量Q之间的水力要素之间的函数关系为：

W＝α*Q*β

D＝cQ f

V＝kQ m

其中，α,c,k,β,f,m均为系数。

S5、基于遥感实时测量监测获取河道断面水面宽W0，将遥感所测河道断面水面宽W0作为输出，预测所得的河道流量数据Q作为输入带入河道水面宽水力模型中，得到N组系数αi、βi，其中，αi、βi分别为求解得到的第i组系数，i＝1、2、…N，N≥70000。

其中，基于遥感技术如无人机或雷达电磁波采集河道断面水宽，包括选取河流断面，建设河流标识点，作为遥感影像识别特征点以及断面位置标识点。

利用得到的高精度遥感影像并结合地面增强标识点的尺寸辨识河流该断面的水面宽，并沿着被监测河床断面提取河道断面水面宽W0。

S6、在N组系数αi、βi中随机选取M组系数αj、βj，j＝1、2、…M，1000≤M≤N，将M组系数分别带入水面宽水力模型W＝αj*Q*βj中，并随机选取预测所得的河道流量数据Q作为输入带入W＝αj*Q*βj中，计算得到河道断面水面宽测试值；

S7、将河道断面水面宽测试值与其对应的遥感所测河道断面水面宽进行线性拟合：

y＝ax+b

其中，令y为河道断面水面宽测试值，x为河道断面水面宽真实值，除此为便于修正参数a、b，设定遥感实时测量监测河道断面水面宽即为河道断面水面真实值。

S8、设定河道断面水面测试值的偏差加权平方和最小为目标函数D：

其中，yi为第i组计算得到的河道断面水面宽测试值，xi为第i组通过遥感实时测量监测河道断面水面宽，即为河道断面水面真实值；

对参数a、b分别求取一阶偏导：

对参数a、b分别求取二阶偏导：

令一阶偏导为0：

解得参数a、b分别为：

其中， 为河道断面水面真实值的平均值， 为河道断面水面宽测试值的平均值； 为河道断面水面真实值的平均值与河道断面水面宽测试值平均值的乘积， 为河道断面水面真实值与河道断面水面宽测试值乘积的均值， 为河道断面水面真实值平方的均值；

同时，线性拟合方程的相关系数r为：

S9、将参数a、b带入拟合方程，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线。

基于Matlab平台进行拟合曲线的线性拟合，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线。

S10、根据线性拟合曲线，去除河道断面水面宽测试值和遥感所测河道断面水面宽真实值之间相对误差大于0.01对应的河道水面宽水力模型系数α、β；选取相对误差小于等于0.01对应的河道水面宽水力模型系数αk、βk，其中，1≤k≤m。

S11、分别计算系数αk、βk的均值系数α’、β’，并将均值系数α’、β’作为最优系数带入，得到河道断面水面宽的最优解：

W＝α’*Q*β’。

根据本申请的一个实施例，参考图1，按照本发明步骤S1-步骤S11方法在Matlab平台进行拟合曲线的线性拟合，得到河道断面水面宽测试值和遥感实时测量监测河道断面水面宽真实值之间的线性拟合曲线。

以构建的Bi-LSTM模型计算得到河道流量数据Q，将河道流量数据Q作为已知值带入河道水面宽水力模型W＝αj*Q*βj中，并将遥感采集的河道断面水面宽W0同样带入河道水面宽水力模型W＝αj*Q*βj中，计算得到若干组系数αi、βi，i＝1、2、…N，N≥70000。

随机选取多组得到的系数αi、βi，将其分别带入河道水面宽水力模型中，再次以河道流量数据Q作为已知值带入，得到若干组河道断面水面宽测试值。

为便于修正系数αi、βi，将遥感实时测量监测获取河道断面水面宽W0作为真实值，进行线性拟合y＝ax+b，并令y为河道断面水面宽测试值，x为河道断面水面宽真实值。

基于S8计算求得参数a、b，并得到线性拟合方程的相关系数r为：

参考图1，为计算得到的r2＝0.992时的线性拟合曲线，从图1中明显可得，部分测试值数据明显偏离真实值数据，为提高最后的计算精度，则需要去除测试值和真实值之间相对误差大于0.01对应的河道水面宽水力模型系数α、β；选取相对误差小于等于0.01对应的河道水面宽水力模型系数αk、βk，其中，1≤k≤m。

将得到系数进行均值计算，进一步提高系数求取精度，得到均值系数α’、β’，并将均值系数α’、β’作为最优系数带入，得到河道断面水面宽的最优解：

W＝α’*Q*β’

同时得到河道断面水面宽与其对应的流量的水力函数关系。

本发明基于水文监测站的历史流量数据构建Bi-LSTM模型，并基于遥感检测和线性拟合方法进行水面宽水力模型的系数求解，得到最优的水面宽水力模型，进而求得高精度的河道断面水面宽。本发明相比于传统直接利用遥感技术采集河道断面水面宽，本发明采用线性拟合，有效去除误差较大的数据，提高计算精度，并真实反映了河流断面水面宽与流量之间的水力函数关系。

虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

一种基于遥感解译技术提取河流监测断面水面宽度的方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。