申请/专利权人：奥格科技股份有限公司

申请日：2021-12-17

公开（公告）日：2024-06-07

公开（公告）号：CN114254561B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06Q10/04;G06Q50/26;G06F18/214;G06F18/2411;G06N20/10;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2022.04.15#实质审查的生效;2022.03.29#公开

摘要：本发明涉及水文预测技术，具体为内涝预测方法、系统及存储介质，其方法包括：获取基础数据，进行流域和水工设施概化，率定模型参数；构建SVM模型，预测城市内涝时空范围和内涝淹没深度；构建研究区域的管网水动力模型作为AGswmm模型，结合地形数据模拟研究区域的内涝情况；利用AGswmm模型生成的模拟结果数据训练SVM模型，实现模型耦合，得到城市内涝降雨径流预测模型；数据同化，以实测及预测降雨量为输入条件，运算所述预测模型，将实测数据与所述预测模型的预测数据进行误差分析得到剩余误差，修正剩余误差，获得最接近真实值的预测结果。本发明减少模型误差，在保证内涝模拟精度的同时，缩短对海量水文数据的处理计算时间。

主权项：1.一种内涝预测方法，其特征在于，包括以下步骤：S1、获取基础数据，进行流域和水工设施概化，对模型参数进行率定；S2、构建SVM模型，实现城市内涝时空范围和内涝淹没深度的预测；采用AGswmm模型对研究区域进行模型构建，并结合地形数据，模拟研究区域的内涝情况；S3、利用AGswmm模型所生成的模拟结果数据训练SVM模型，实现AGswmm模型与SVM模型的耦合，得到城市内涝降雨径流预测模型；所述AGswmm模型采用ArcGIS与传统暴雨洪水管理模型SWMM计算引擎，耦合一维管网模型、一维河道模型及二维地表水淹没扩散模型，实现城市排水水动力模型构建；S4、数据同化，以实测及预测降雨量为输入条件，运算t-1时刻到t时刻的城市内涝降雨径流预测模型，将实测数据与城市内涝降雨径流预测模型的预测数据进行误差分析得到剩余误差，再修正剩余误差，多次执行预报与修正的过程，最终获得最接近真实值的预测结果；步骤S3根据AGswmm模型的模拟结果，得到降雨场景与其相应的内涝情况，并作为SVM模型的训练数据样本，实现AGswmm模型与SVM模型的耦合，具体包括以下步骤：S31、选取用于训练和测试SVM模型的样本数据；S32、训练和测试SVM模型，耦合SVM模型与AGswmm模型，构建城市内涝降雨径流预测模型；S33、构建随机森林模型对城市内涝降雨径流预测模型的参数进行率定；步骤S32在训练和测试SVM模型时使用非线性函数将输入数据映射至高维空间后在特征空间应用线性SVM函数，引入惩罚参数C和松弛变量δi对线性SVM函数进行修正和优化，得到优化后的线性SVM函数；然后将线性SVM函数通过拉格朗日乘子法转换成拉格朗日函数所表达的对偶问题，并用核函数替换对偶问题里的两个实例间的内积实现非线性变换，求解得到非线性SVM函数；对于拉格朗日函数，求解满足AGswmm模型边界条件的拉格朗日乘子αi；其中AGswmm模型的边界条件包括地形、实测降雨数据，以及AGswmm模型根据实测降雨数据所预测得到的管网点水位数据和管网点溢出水量；步骤S4包括：S41、以实测降雨数据及预测降雨量为输入条件，运算t-1时刻到t时刻的城市内涝降雨径流预测模型；S42、将监测系统中的实测数据与城市内涝降雨径流预测模型的预测数据进行比较，得出模型预测值与实测值之间的剩余误差；S43、重新设置城市内涝降雨径流预测模型在t-n时刻的初始水位计算条件，其中，n是纠正城市内涝降雨径流预测模型的上游初始条件与下游实测数据之间的系统计算延迟时间；S44、对剩余误差进行修正，城市内涝降雨径流预测模型重新以修正后的参数对t-n时刻到t时刻进行水力模拟计算；S45、城市内涝降雨径流预测模型以t时刻的修正后的参数为计算初始条件，得出准确的预测结果；其中，城市内涝降雨径流预测模型以地形、实测降雨数据以及AGswmm模型预测的管网点水位数据、管网点溢出水量作为输入，进行二维耦合计算，得到地表积水面积和深度，作为预测结果输出。

全文数据：

权利要求：

百度查询： 奥格科技股份有限公司 一种内涝预测方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD