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：江苏省水利勘测设计研究院有限公司

摘要：本发明公开了一种基于水文水动力学模型的平原河网地区洪涝灾害预报预警方法及系统。其首先从水文资料中提取被监控站点集合的降雨量的集合，接着，构造所述被监控站点集合的站点间空间拓扑矩阵，然后，对所述降雨量的集合进行时序排列和特征分析以得到全域降雨量关联特征向量，接着，对所述站点间空间拓扑矩阵进行空间分布特征提取以得到站点间空间拓扑特征矩阵，然后，使用基于深度神经网络的水文水动力学模型对所述站点间空间拓扑特征矩阵和所述全域降雨量关联特征向量进行处理以得到水文动力学语义特征，最后，基于所述水文动力学语义特征，确定洪涝灾害预警等级标签。这样，可以提高洪涝灾害预警的准确性和可靠性，减小洪涝灾害危害。

主权项：1.一种基于水文水动力学模型的平原河网地区洪涝灾害预报预警方法，其特征在于，包括：获取水文资料；从所述水文资料中提取被监控站点集合的降雨量的集合；构造所述被监控站点集合的站点间空间拓扑矩阵，其中，所述站点间空间拓扑矩阵中非对角线位置上各个位置的值用于表示相应两个被监控站点之间的海拔关系；对所述降雨量的集合进行时序排列和特征分析以得到全域降雨量关联特征向量；对所述站点间空间拓扑矩阵进行空间分布特征提取以得到站点间空间拓扑特征矩阵；使用基于深度神经网络的水文水动力学模型对所述站点间空间拓扑特征矩阵和所述全域降雨量关联特征向量进行处理以得到水文动力学语义特征向量作为水文动力学语义特征；以及基于所述水文动力学语义特征，确定洪涝灾害预警等级标签；所述方法还包括训练步骤：用于对基于一维卷积层的站点间降雨量关联特征提取器、基于卷积神经网络模型的空间分布特征提取器、基于深度神经网络的水文水动力学模型和基于分类器的洪涝灾害预报预警器进行训练；所述训练步骤，包括：训练数据获取，所述训练数据包括训练水文资料，以及，洪涝灾害预警等级标签的真实值；从所述训练水文资料中提取训练被监控站点集合的训练降雨量的集合；构造所述训练被监控站点集合的训练站点间空间拓扑矩阵，其中，所述训练站点间空间拓扑矩阵中非对角线位置上各个位置的值用于表示相应两个训练被监控站点之间的海拔关系；将所述训练降雨量的集合按照样本维度排列为训练全域降雨量输入向量后通过所述基于一维卷积层的站点间降雨量关联特征提取器以得到训练全域降雨量关联特征向量；将所述训练站点间空间拓扑矩阵通过所述基于卷积神经网络模型的空间分布特征提取器以得到训练站点间空间拓扑特征矩阵；使用所述基于深度神经网络的水文水动力学模型对所述训练站点间空间拓扑特征矩阵和所述训练全域降雨量关联特征向量进行处理以得到训练水文动力学语义特征向量；将所述训练水文动力学语义特征向量通过所述基于分类器的洪涝灾害预报预警器以得到分类损失函数值；以及以所述分类损失函数值对所述基于一维卷积层的站点间降雨量关联特征提取器、所述基于卷积神经网络模型的空间分布特征提取器、所述基于深度神经网络的水文水动力学模型和所述基于分类器的洪涝灾害预报预警器进行训练，其中，在每次所述训练水文动力学语义特征向量通过分类器进行分类迭代训练时，对于所述训练水文动力学语义特征向量进行特征聚合优化；在每次所述训练水文动力学语义特征向量通过分类器进行分类迭代训练时，对于所述训练水文动力学语义特征向量进行特征聚合优化，包括：以如下公式对于所述训练水文动力学语义特征向量进行特征聚合优化以得到优化训练水文动力学语义特征向量；其中，所述公式为： ；其中，是所述训练水文动力学语义特征向量，是所述训练水文动力学语义特征向量的第个位置的特征值，是所述训练水文动力学语义特征向量的1范数的平方，是所述训练水文动力学语义特征向量的2范数的平方根的倒数，是所述训练水文动力学语义特征向量的长度，且是缩放超参数，表示以2为底的对数函数值，是所述优化训练水文动力学语义特征向量的第个位置的特征值。

全文数据：

权利要求：

百度查询： 江苏省水利勘测设计研究院有限公司 一种基于水文水动力学模型的平原河网地区洪涝灾害预报预警方法及系统