(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210906884.1 (22)申请日 2022.07.29 (71)申请人 黄河水利委员会黄河水利科 学研究 院 地址 450000 河南省郑州市顺河路45号 (72)发明人 孙龙飞　江恩慧　王远见　颜小飞　 郭秀吉　王婷　马怀宝　曲少军　 李昆鹏　李新杰　李洁玉　张翎　 王强　唐凤珍　王欣　张世安　 李丽珂　石华伟　陈琛　任智慧　 闫振峰　王子路　张戈　郑佳芸　 刘彦晖　黎思恒　 (74)专利代理 机构 郑州市华翔专利代理事务所 (普通合伙) 41122 专利代理师 张爱军(51)Int.Cl. G06Q 50/26(2012.01) G06N 20/20(2019.01) (54)发明名称 一种水库出库泥沙不同组分的实时估算方 法 (57)摘要 本发明涉及一种水库出库泥沙不同组分的 实时估算方法， 包括水库泥沙数据采集仪、 集成 控制器、 水库出库泥沙组分实时监控端、 数据库 及应用服务器四部分。 本发明方法结合不同机器 学习算法： 极限梯度提升 XGBoost、 支持向量回归 SVR、 K最邻近算法KNN、 随机森林RF、 多层感知机 MLP、 高斯过程回归GPR， 建立众多因素与出库泥 沙各组分的估算模型， 实现出库泥沙不同粒径组 分： 粗沙、 细沙、 中沙的准确估算。 本发明方法可 以为水库的科学管理与优化调度， 提供有力的理 论依据和技术支撑， 具有较强的适用性和推广 性。 权利要求书2页 说明书6页 附图2页 CN 115272033 A 2022.11.01 CN 115272033 A 1.一种水库出库泥沙不同组分的实时估算方法， 其特征在于， 包括水库泥沙数据采集 仪、 集成控制器、 水库出库泥沙组分实时监控端、 数据库及应用服 务器四部分； 所述水库泥沙数据采集仪负责采集水库泥沙数据， 并由集成控制器实时接收采集到的 数据； 所述集 成控制器中嵌入有基于Python语 言编写的极限梯度提升XGBoost、 支持向量回 归SVR、 K最邻近算法KNN、 随机森林RF、 多层感知机MLP、 高斯过程回归GPR六种机器学习算 法， 基于机器学习算法可以实现水库出库泥沙不同组分的准确估算； 所述水库出库泥沙组 分实时监控端负责接收由集成控制器发送过来的数据， 并将数据发送到数据库及应用服务 器中； 所述数据库及应用服务器负责接收并存储由水库出库泥沙组分实时监控端发送的所 有数据， 对所有的采集数据及计算结果进行统计整理。 2.如权利要求1所述的方法， 其特征在于， 所述水库泥沙数据采集仪包括雷达水位计、 多普勒流量计、 含沙量测量仪、 激光粒度分析仪四部 分； 各部分设备分别用于采集不同的水 库泥沙数据， 其中雷达水位计用于实时采集水库的坝前水位ZW； 多普勒流量计用于实时采 集水库的入库流量Q1及出库流量Q2； 含沙量测量仪用于实时采集水库的入库含沙量S1及出 库含沙量S2； 激光粒度分析仪用于采集入库泥沙粗沙百分比Pc、 入库泥沙细沙百分比Ps。 3.如权利要求2所述的方法， 其特征在于， 所述粗沙的粒径为0.05mm以上； 细沙的粒径 为0.025m m以下。 4.如权利要求1所述的方法， 其特征在于， 所述集成控制器的主要部件为数据控制器， 数据控制器通过RS485接口分别 实时获取水库泥沙数据采集仪采集得到的坝前水位ZW、 入 库流量Q1、 出库流量Q2、 入库含沙量S1、 出库含沙量S2、 入库泥沙粗沙百分比Pc、 入库泥沙细沙 百分比Ps， 以及数据的实时采集时间t； 并进一步基于机器学习算法， 建立出库泥沙组分估算模型， 代入数据ZW、 Q1、 Q2、 S1、 S2、 Pc、 Ps， 分别计算得到出库泥沙粗沙百分比估算值Pc′、 细沙百分比估算值Ps′， 再进一步计算 得到中沙百分比估算 值Pm′。 5.如权利要求 4所述的方法， 其特 征在于， 所述出库泥沙组分估算模型的建立方法为： (1)收集整理现有的水库水沙系列数据； (2)对现有的水沙系列数据进行 预处理； (3)对预处 理后的数据进行分割， 分别得到训练数据和 测试数据； (4)将训练数据分别代入不同的机器学习算法： XGB oost、 SVR、 KNN、 RF、 MLP、 GPR当中， 以 ZW0、 Q10、 Q20、 S10、 S20、 Pc0、 Ps0这7个变量作为输入变量， 将现有数据中出库泥沙粗沙百分比 Pc0′、 现有数据中出库泥沙细沙百分比Ps0′分别作为唯一输出变量， 建立综合考虑各影响因 素的出库泥沙不同组分估算模型， 形式如下： P'c0＝f(ZW0,Q10,Q20,S10,S20,Pc0,Ps0) P's0＝f(ZW0,Q10,Q20,S10,S20,Pc0,Ps0) 式中， f()为回归函数； ZW0为现有数据中坝前水位； Q10为现有数据中入库流量； Q20为现 有数据中出库流量； S10为现有数据中入库含沙量； S20为现有数据中出库含沙量； Pc0为现有 数据中入库泥沙粗沙百分比； Ps0为现有数据中入库泥沙细沙百分比； Pc0′为现有数据中出 库泥沙粗沙百分比； Ps0′为现有数据中出库泥沙细沙百分比； (5)将测试数据代入模型， 得到估算的出库 泥沙粗沙百分比Pct′和出库泥沙细沙百分比 Pst′；权　利　要　求　书 1/2 页 2 CN 115272033 A 2(6)以测试数据所得出库泥沙不同组分百分比估 算值Pt'与现有数据中出库泥沙组分百 分比P0， 两者间的决定系数R2、 平均绝对误差EMAE以及均方根误差ERMSE作为评估指标， 对比分 析不同模型估算结果的误差， 选择精度最高、 误差最小的算法模型； 决定系数R2、 平均绝对误差 EMAE以及均方根 误差ERMSE计算式如下： 式中， n为测试数据样本数； Pt'为测试数据估算的出库泥沙组分百分比， 代表Pct′或 Pst′； P0为现有数据中出库泥沙组分百分比， 代表Pc0′或Ps0′； 为现有数据中出库泥沙组分 百分比的平均值。 6.如权利要求5所述的方法， 其特征在于， 采用归一化处理方法对现有的水沙系列 数据 进行预处理， 计算方法如下： 式中， ω'为归一 化后数据； ω为原 始数据； 为原始数据平均值； σ 为原 始数据标准差 。 7.如权利要 求4所述的方法， 其特征在于， 所述出库泥沙中沙百分比估算值Pm′的计算公 式如下： P′m＝1‑P′c‑P′s 式中， Pm′、 Pc′和Ps′分别为出库泥沙中沙、 粗沙和细沙百分比估算 值。 8.如权利要求1所述的方法， 其特征在于， 在监控开始前， 操作人员通过水库出库泥沙 组分实时监控端设定当前水库基本信息、 主要管理部门及计划的水库排沙时间周期， 并将 这些信息通过Inter net网络存入 数据库及应用服务器 当中， 供后续应用； 在监控过程中， 系 统界面可实时显示估算的出库泥沙不同组分百分比P ′随时间t的变化过程线。权　利　要　求　书 2/2 页 3 CN 115272033 A 3