基于结构化支持向量机的泄洪联动设计.docVIP

基于结构化支持向量机的泄洪联动设计 　　摘要：国民经济的现代化建设离不开水利现代化的保障，而水利信息化是水利现代化的基本标志和重要内容。针对洪涝灾害这一问题，本文提出了用于泄洪的基于结构化支持向量机（Structured Support Vector Machine）的联动技术。通过历史的洪涝信息训练学习模型，并根据观测到的水文信息对洪涝灾害进行预测，生成各水泵的工作策略向量。并根据该向量通过远程监控系统进行水泵的控制与调度，尽可能预防洪涝灾害。 中国论文网 /8/view-7184413.htm 　　关键词：水泵；远程控制；物联网 　　中图分类号：TP391.41 　　文献标识码：A 　　DOI：10.3969/j.issn.1003-6970.2015.09.017 　　0 引言 　　由于我国的地理位置情况，我国的气候受季风影响较大，降水量的地区、时间分布不均匀，从而导致河流的流量和水位变化较大。以我国秦岭淮河以北、黄河流域下游地区为例，每年七八月份，由于亚热带季风影响，降雨量骤升，河流水量剧增，水位快速上升，从而会引发洪涝灾害，从而导致大量的生命、财产损失。产生洪涝的原因除了降雨之外，还有一些其他的气象和水文因素，例如：温度、湿度、降水间隔、水流流速、风速、风向等。而随着气象技术、传感器技术的发展与成熟，人类已经可以获取到持续的气象和水文数据；同时，随着大数据时代的到来，大数据处理和分析技术的成熟，对长期的气象、水文数据进行数据分析和挖掘已经成为了可能，从历史的信息中挖取和洪涝灾害有关的信息，从而进行防洪预警已经成为了当前的研究热点。 　　气象与水文是洪涝灾害的客观原因，同时，洪涝灾害往往也由一些人为原因造成，比如排水能力差，排水不及时，防洪工程响应不及时，质量不过关等因素。针对质量不过关等问题，政府需要加强对水利T程质量的监管力度。而针对响应不及时等问题，即可通过数据分析、预测方法配合防洪设备的远程控制等技术来解决。以泵站为例，可用本论文设计的泵站远程监控系统来实现水泵的远程启动与调整，调整排水量，从而减轻洪涝灾害的影响。 　　针对洪涝灾害这一问题，本文提出了基于结构化支持向量机（Structured Support Vector Machine）的泄洪联动技术研究。通过历史的洪涝信息训练学习模型，并根据观测到的水文信息对洪涝灾害进行预测，生成各水泵的工作策略向量。并根据该向量通过远程监控系统进行水泵的控制与调度，尽可能预防洪涝灾害。 　　1 基于结构化支持向量机的泄洪联动设计 　　防洪泄洪作为水利水文监控系统的重要功能需求之一，如何准确地进行洪涝信息的预测预警，实现其智慧化是目前国内外的研究热点。目前较为经典应用较广的洪水预测调度模型主要包括流域水文模型（如新安江模型）、河道演算水文学和水力学模型（如Muskingum Method、动力波演进模型）和据流域特制模型（如陕北模型、河北雨模型）。在“新安江模型”中检测站实时监测流域温度、相对湿度、河流径流量等；然后对所采集监测数据进行数据挖掘处理，通过各种拟合方法确定该地区植被覆盖面积、土壤渗透系数、饱和蓄水量等相关水文参数的置信区间；最后在已确立的模型基础上对水文数据（如降水量、水位等）进行演算，修正模型参数。目前来说，国外的河流代表模型有TOPMODEL模型（Topography BasedHydrological Model）和SWAT模型（Soiland WaterAssessment Tool）等。 　　结构化支持向量机（Structured Support VectorMachine）是一种机器学习算法，它泛化了机器学习中支持向量机（Support Vector Machine）的分类器（classifier），从而使得其可以预测复杂的结构。结构化支持向量机可以用于预测树状结构（Tree），有序表结构（Sequence），当然也可以用于预测向量（Vector）。在实际的水文信息分析中，往往需要考虑到众多的影响因素，比如上文提到的降雨量、降雨间隔、水位、湿度、温度等，这些影响因素也被成为分析问题的指标。 　　而对于气象和水文信息而言，这些指标往往存在以下两大特征： 　　指标规模庞大： 　　对于水文数据而言，由于每时每刻的气象和水文情况都在改变，即每时每刻都有新数据产生，数据规模庞大。而且对于气象和水文信息而言，一段较长时间内的数据才对分析工作有着重要作用，往往需要分析一年，十年甚至一世纪的数据才能得到有效分析结果，因此，对于指标而言，数据规模庞大是一个明显的特征。 　　指标之间存在重叠： 　　水文数据指标间往往不是独立的，而是存在重叠的，比如降雨指标会影响水位指标，也会影响湿度指标。这些重叠的指标一方面会导致分析问题变难，分析工