本技术公开了一种咸潮上溯盐度预报模型构建方法及装置,用于解决现有的咸潮上溯盐度预报技术无法实现快速预报的技术问题。方法包括获取水文气象实测数据集,并对水文气象实测数据集进行预处理,生成目标水文气象实测数据集;基于目标水文气象实测数据集,构建水文气象训练数据集、水文气象测试数据集和水文气象观测数据集;对初始长短期记忆模型进行模型训练,确定中间长短期记忆模型;采用预置沙普利可加性解释模型和中间长短期记忆模型根据水文气象测试数据集,得到多个目标长短期记忆模型;采用水文气象测试数据集和水文气象观测数据集对各目标长短期记忆模型进行筛选,确定咸潮上溯盐度预报模型。
背景技术
咸潮上溯是一种在河口地区发生的自然现象,即海水因潮汐作用逆流而上,致使淡水河流口或河口附近水域盐度升高。这一现象是由多种因素引起的,其中河流流量减少、潮汐变化、风向风力、海平面上升等都与之相关。特别是在枯水期,河流淡水流量下降,而大潮期间潮水上涨,这种情况下海水就容易倒灌入河,进而形成咸潮。
咸潮上溯会对河口区淡水资源利用、工农业生产及水生生境系统造成巨大负面影响。根据国家供水标准,饮用水源氯化物含量不宜超过250mg/L,长期饮用氯化物含量超标的水将严重危害人体健康。
现有的咸潮上溯盐度预报技术大多基于盐度变化动力学过程建立水动力盐度数值模型。该模型构建与参数验证需大量径流、潮汐、风、河床地形等边界或初始条件的详细信息,其过程机理复杂且计算耗时较长,无法实现快速盐度预报。
实现思路