(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111373720.9 (22)申请日 2021.11.19 (65)同一申请的已公布的文献号 申请公布号 CN 114118754 A (43)申请公布日 2022.03.01 (73)专利权人 河南省鹤壁水文水资源勘测 局 地址 458000 河南省鹤壁市淇滨区兴鹤大 街299号 (72)发明人 郭安强　李家煜　裴东亮　李希伟　 何军　赵清虎　张婧　董晓兵　 李金亮　於彤旸　杨琦　郑娇丽　 杨万婷　白盈盈　梁靖航　杜梦珂　 陈鹏飞　张海霞　刘强　(74)专利代理 机构 无锡苏元专利代理事务所 (普通合伙) 32471 专利代理师 吴忠义 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) 审查员 王金萍 (54)发明名称 一种基于机器学习的水文水资源监测方法 及系统 (57)摘要 本发明公开了一种基于机器学习的水文水 资源监测方法及系统， 根据基础信息获得第一监 测水域的监测点位置信息； 获得第一位置关系构 建结果； 获得历史监测点水位数据集合， 根据第 一位置关系构建结果和历史监测点水位数据集 合进行监测点位置的影 响系数构建， 获得第一影 响系数构建集合； 根据第一环 境变化信息获得第 一影响参数的环境影响因子； 根据历史监测点水 位数据集合、 环境影响因子构建水文水资源分析 模型； 根据监测点位置信息获得实时监测数据， 将实时监测数据输入水文水资源分析模型， 获得 第一监测结果。 解决了 现有技术中存在对水文水 资源监测不能深度结合环境信息进行监测点数 据变化关联， 导致监测结果不够智能准确的技术 问题。 权利要求书2页 说明书13页 附图5页 CN 114118754 B 2022.07.29 CN 114118754 B 1.一种基于机器学习的水文水资源监测方法， 其特征在于， 所述方法应用于一水文水 资源智能监测系统， 所述系统与第一水位 监测设备通信连接， 所述方法包括： 获得第一监测水域的基础信 息， 根据所述基础信 息获得所述第 一监测水域的监测点位 置信息； 根据所述 监测点位置信息进行监测点 位置关系构建， 获得第一 位置关系构建结果； 根据所述监测点位置信 息基于所述第 一水位监测设备获得历史监测点水位数据集合， 其中， 所述历史监测点水位 集合中的每 个水位数据均带有各自的位置标识信息； 根据所述第一位置关系构建结果和所述历史监测点水位数据集合进行监测点位置的 影响系数构建， 获得第一影响系数构建集 合； 获得第一环境变化信 息， 根据所述第一环境变化信 息获得所述第 一影响系数的环境影 响因子； 将所述历史监测点水位数据集合作为输入数据， 所述第一影响系数集合作为标识数 据， 所述环境影响因子作为调整参数构建水文水资源分析模型； 根据所述监测点位置信 息基于所述第 一水位监测设备获得实时监测数据， 将所述实时 监测数据输入所述水文水资源分析模型， 获得第一 监测结果； 其中， 所述根据 所述第一位置关系构建结果和所述历史监测点水位数据集合进行监测 点位置的影响系数构建， 获得第一影响系数构建集 合， 还包括： 获得第一位置和第 二位置， 根据所述第 一位置关系构建结果获得所述第 一位置和所述 第二位置的位置关系； 获得所述第一位置和所述第二位置的历史监测数据集合， 其中， 所述历史监测数据集 合中的每一 监测数据均具有时间和位置标识； 根据所述第一 位置和所述第二 位置的位置关系获得第一映射方向参数； 根据所述第一映射方向参数和所述历史监测数据集 合获得第一时间滞后系数； 根据所述第一时间滞后系数获得 所述第一影响系数构建集 合； 其中， 所述方法还 包括： 根据所述第一映射方向参数和所述历史监测数据集 合获得第一水位变化影响系数； 对所述第一水位变化影响系数和所述第一时间滞后系数进行关联， 获得第一关联结 果； 根据所述第一关联 结果获得 所述第一影响系数构建集 合。 2.如权利要求1所述的方法， 其中， 所述获得第一环境变化信息， 根据所述第一环境变 化信息获得 所述第一影响系数的环境影响因子， 所述方法还 包括： 根据所述第一环境变化信息， 获得第一环境自然变化信息； 根据所述第 一环境自然变化信 息进行水位关联影响情况评估， 获得第 一自然环境变化 影响因子； 根据所述第一环境变化信息， 获得第一环境非自然变化信息； 根据所述第 一环境非自然变化信 息进行水位关联影响情况评估， 获得第 一非自然环境 变化影响因子； 根据所述第一自然环境变化影响因子和所述第一非自然环境变化影响因子获得所述 第一影响系数的环境影响因子 。权　利　要　求　书 1/2 页 2 CN 114118754 B 23.如权利要求2所述的方法， 其中， 所述方法还 包括： 获得第一天气变化信息； 根据所述基础信息获得 所述第一 监测水域的水域堤坝的基础信息； 根据所述第 一天气变化信 息对所述水域堤坝的影响进行评估， 根据评估结果获得所述 第一自然环境变化影响因子 。 4.如权利要求3所述的方法， 其中， 所述方法还 包括： 根据所述水域堤坝的基础信 息进行水域堤坝 分布区域防护评级， 获得第 一区域等级集 合； 根据所述第 一天气变化信 息和所述第 一区域等级集合进行匹配度评估， 获得第 一匹配 度评估结果； 根据所述第一匹配度评估结果进行 所述第一 监测水域的水域堤坝预警。 5.如权利要求 4所述的方法， 其中， 所述方法还 包括： 获得第一预设匹配度阈值； 判断所述第一匹配度评估结果是否均满足所述第一预设匹配度阈值； 当所述第一匹配度评估结果存在不满足所述第 一预设匹配度阈值的结果 时， 获得第 一 匹配度异常集 合； 根据所述第一匹配度异常集 合进行水资源流动影响评估， 获得第一影响评估结果； 根据所述第一影响评估结果进行第一 监测水域的监测预警。 6.一种基于 机器学习的水文水资源监测系统， 其特 征在于， 所述系统包括： 第一获得单元， 所述第一获得单元用于获得第一监测水域的基础信息， 根据所述基础 信息获得 所述第一 监测水域的监测点 位置信息； 第二获得单元， 所述第 二获得单元用于根据 所述监测点位置信 息进行监测点位置关系 构建， 获得第一 位置关系构建结果； 第三获得单元， 所述第 三获得单元用于根据 所述监测点位置信 息基于第 一水位监测设 备获得历史监测点水位数据集合， 其中， 所述历史监测点水位集合中的每个水位数据均带 有各自的位置标识信息； 第四获得单元， 所述第四获得单元用于根据 所述第一位置关系构建结果和所述历史监 测点水位数据集 合进行监测点 位置的影响系数构建， 获得第一影响系数构建集 合； 第五获得单元， 所述第五获得单元用于获得第一环境变化信息， 根据所述第一环境变 化信息获得 所述第一影响系数的环境影响因子； 第一构建单元， 所述第一构建单元用于将所述历史监测点水位数据集合作为输入数 据， 所述第一影响系 数集合作为标识数据， 所述环境影响因子作为调整参数构建水文水资 源分析模型； 第六获得单元， 所述第六获得单元用于根据 所述监测点位置信 息基于所述第 一水位监 测设备获得实时监测数据， 将所述实时监测数据输入所述水文水资源分析模型， 获得第一 监测结果。 7.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其中， 所述处 理器执行所述程序时实现权利要求1 ‑5任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114118754 B 3