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：天津大学

摘要：本发明公开了一种凌汛期堤防渗流险情演化过程预测方法，辨识凌汛期堤防渗流险情随时间的演化机制；揭示凌汛期堤防渗流险情变化规律及其关键驱动因子；建立凌汛期堤防渗流险情演化过程数值仿真模型；验证凌汛期堤防险情演化过程模拟精度；构建凌汛期堤防渗流险情演化过程预测样本集合；建立基于物理‑数据双驱动的凌汛期堤防渗流险情演化过程智能预测模型；凌汛期堤防渗流险情演化过程预测应用。第一步。与现有技术相比，本发明实现了基于物理‑数据双驱动实现凌汛期堤防渗流险情演化过程预测，该方法由于使用丰富的样本数据，因而具有预测精度高的特点。

主权项：1.一种凌汛期堤防渗流险情演化过程预测方法，其特征在于，该方法具体包括以下步骤：步骤1、基础资料规范化整编：根据来自于不同险工段的凌汛期堤防渗流险情原型监测数据规范整理堤防险情数据，所述堤防险情相关数据至少涉及浸润线与边坡位移、河道水位、气温和不同深度土壤温度指标；步骤2、辨识凌汛期堤防渗流险情随时间的演化机制：采用重标极差分析法RS计算凌汛期所述堤防险情数据的Hurst指数和分形维数，分析凌汛期的流凌期、封河期、开河期时段浸润线与边坡位移、河道水位、气温和不同深度土壤温度随时间的变化趋势、波动性及长程相关性，以挖掘所述堤防险情数据的各类指标的非线性动态变化特征与多尺度自相似特性，探明堤防渗流险情演化的分维动力机制；通过分时段、分区域对比分析，辨识凌汛期堤防渗流险情及水文气象指标的时空分异特征；步骤3、揭示凌汛期堤防渗流险情变化规律及其关键驱动因子：以细粒度时间尺度建立凌汛期不同险工段堤防浸润线、边坡位移与河道水位、土壤温度的变化关联关系，并量化分析气温变化对土体冻融深度的影响，结合步骤2所得的凌汛期堤防渗流险情随时间的演化机制进行分析，揭示凌汛期堤防渗流险情多指标时间序列互动性差异特征及其动态变化规律，得到堤防险情演化的关键驱动因子；步骤4、建立凌汛期堤防渗流险情演化过程数值仿真模型：采用冻土堤防渗透系数分区分层优化方法，对堤防断面进行网格剖分，结合堤防土体材料与冻融情况设置计算参数，依据地下水的渗流模拟、建筑地基在上部荷载作用下的地基应力应变模拟与边坡稳定性分析建立凌汛期不同冻土条件下堤防渗流稳定性流固耦合计算模型；步骤5、验证凌汛期堤防险情演化过程模拟精度：考虑凌汛期堤防渗流险情演化的关键驱动因子，以河道水位作为变化条件，模拟典型险工段堤防渗流险情演化过程，通过原型监测的典型凌汛洪水与堤防渗流险情变化过程的对比计算结果与步骤3的原型监测数据分析结论，反复调试模型参数，反演验证模型计算精度，得到模拟误差范围及其适用条件；步骤6、构建凌汛期堤防渗流险情演化过程预测样本集合：考虑气候变化对凌汛洪水过程与土体冻融强度的影响与凌汛期堤防渗流险情多关键驱动因子的耦合作用，设定不同涨落梯度洪水变化过程与不同冻土条件即冻土深度及分层渗透系数的多种组合计算方案；基于凌汛期堤防渗流险情演化过程数值仿真模型模拟凌汛期不同洪水过程、不同冻土条件下堤防险工段渗流场、位移场和应力场的动态演变过程；分析不同方案堤防渗流、背水侧边坡滑塌即边坡位移险情以及安全系数的时空x,y,t演化特征，基于原型监测与数值模拟构建凌汛期堤防渗流险情演化过程预测样本集合{X输入条件,Y输出险情值}；步骤7、建立基于物理-数据双驱动的凌汛期堤防渗流险情演化过程智能预测模型：将基于物理机制仿真结果构建的堤防渗流险情演化预测样本集合{X,Y}作为数据驱动，运用时空图卷积神经网络对多因子耦合驱动下堤防渗流险情演化机制进行学习训练和深度识别，利用注意力机制优化时空图卷积神经网络建立基于物理-数据双驱动的凌汛期堤防渗流险情时空演化过程的智能预测模型FX；根据堤防渗流险情预测结果，分析凌汛期堤防渗流险情演化过程的预测精度，获取预测精度最优的模型参数；同一堤防剖面不同网格单元抽象成一张有向图G＝q,V,A用于凌汛期堤防渗流险情演化过程预测，其中q表示网格单元对应的堤防渗流险情指标取值，V表示网格单元集，A表示网格单元间的邻接矩阵；采用基于注意力机制优化的时空图卷积神经网络实现堤防剖面渗流险情短时变化特性和长时变化规律的自动学习，Xt为t时刻模型输入向量，包括凌汛水位、堤防冻土深度、分层渗透系数等，Yt为t时刻模型输出向量，包括堤防浸润线高程、渗流速率、坡降、位移和安全系数等；步骤8、凌汛期堤防渗流险情演化过程预测应用：按照预测模型样本集合的输入条件X格式要求，准备凌汛期堤防渗流险情对应的关键驱动因子数据，将其作为模型输入条件，运行模型，即可输出对应的凌汛期堤防险情时空动态变化过程，从而实现预测模型应用。

全文数据：

权利要求：

百度查询： 天津大学 一种凌汛期堤防渗流险情演化过程预测方法