CN109165795A - 一种基于群智能算法的集合径流预测系统与方法 - Google Patents

一种基于群智能算法的集合径流预测系统与方法 Download PDF

Info

Publication number
CN109165795A
CN109165795A CN201811184440.1A CN201811184440A CN109165795A CN 109165795 A CN109165795 A CN 109165795A CN 201811184440 A CN201811184440 A CN 201811184440A CN 109165795 A CN109165795 A CN 109165795A
Authority
CN
China
Prior art keywords
module
precipitation
runoff
processing host
intelligence algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811184440.1A
Other languages
English (en)
Inventor
吕莉
王家园
王晖
孙辉
赵嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanchang Institute of Technology
Original Assignee
Nanchang Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanchang Institute of Technology filed Critical Nanchang Institute of Technology
Priority to CN201811184440.1A priority Critical patent/CN109165795A/zh
Publication of CN109165795A publication Critical patent/CN109165795A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开的属于径流预测技术领域，具体为一种基于群智能算法的集合径流预测系统与方法，该基于群智能算法的集合径流预测系统包括定位模块、地貌勘探记录模块、降雨速率检测组件、电源模块、处理主机、三维模拟图建立模块和显示模块，所述定位模块、地貌勘探记录模块、降雨速率检测组件的数据输出端与处理主机的数据输入端连接，能够较为准确的判定集合径流的集合点；通过结合信息化的智能预测方式，能够减少人力和提高测定的准确性；通过显示模块直接将建立的数据通过图像的方式显示，能够更加直观的展示。

Description

一种基于群智能算法的集合径流预测系统与方法
技术领域
本发明涉及径流预测技术领域，具体为一种基于群智能算法的集合径流预测系统与方法。
背景技术
径流是指降雨及冰雪融水或者在浇地的时候在重力作用下沿地表或地下流动的水流。径流有不同的类型，按水流来源可有降雨径流和融水径流以及浇水径流；按流动方式可分地表径流和地下径流，地表径流又分坡面流和河槽流。此外，还有水流中含有固体物质(泥沙)形成的固体径流，水流中含有化学溶解物质构成的离子径流(见化学径流)等。
流域产流是径流形成的第一环节。同传统的概念相比，产流不只是一个产水的静态概念，而是一个具有时空变化的动态概念。包括产流面积在不同时刻的空间发展及产流强度随降雨过程的时程变化。同时，产流又不只是一个水量的概念，而是一个包括产水、产沙和溶质输移的多相流的形成过程.此外，产流主要发生在流域坡面上，对不同大小的流域而言，坡面面积所占的比重不同，坡面上各种影响产流的因素、包括植被、土壤、坡度、土地利用状况及坡面面积和位置等在不同大小的流域表现不同。
在水文上，通常对降水进行引用或者对降水引流，避免造成水灾害，对于集合径流的判定集合点的判定方式不够准确，为此，我们提出了一种基于群智能算法的集合径流预测系统与方法。
发明内容
本发明的目的在于提供一种基于群智能算法的集合径流预测系统与方法，以解决上述背景技术中提出的对于集合径流的判定集合点的判定方式不够准确的问题。
为实现上述目的，本发明提供如下技术方案：一种基于群智能算法的集合径流预测系统，该基于群智能算法的集合径流预测系统包括定位模块、地貌勘探记录模块、降雨速率检测组件、电源模块、处理主机、三维模拟图建立模块和显示模块，所述定位模块、地貌勘探记录模块、降雨速率检测组件的数据输出端与处理主机的数据输入端连接，所述电源模块与处理主机连接，所述处理主机的输出端与三维模拟图建立模块连接，所述三维模拟图建立模块的输出端通过数据线与显示模块连接；
所述定位模块对测试地点定位，测试地点的定位信息作为建立局域地图的大环境依据；
所述地貌勘探记录模块对测试地点的地表环境进行测定，测定对象包括地面的高低起伏情况、地表植被情况、土壤成分，通过测定的地面的高低起伏情况、地表植被情况、土壤成分作为测试地点的地表小环境依据；
所述降雨速率检测组件包括降雨量测量设备和计时设备，降雨量测量设备用于对测试地点的降雨量测试，计时设备计时降雨量测量设备对测试地点的降雨量测试的时间，获取测试地点的降雨速率；
所述处理主机分别接收定位模块、地貌勘探记录模块、降雨速率检测组件的采集信息，并对采集信息进行分析、处理，计算的集合径流的集合点，所述处理主机将棘手的信息输出至三维模拟图建立模块；
所述电源模块为处理主机提供电能；
所述三维模拟图建立模块通过接收定位模块、地貌勘探记录模块采集的大环境依据和小环境依据建立三维模拟地表图；
所述显示模块接收三维模拟图建立模块建立的三维模拟地表图并进行显示，所述处理主机将计算得的集合径流的集合点通过显示模块显示。
优选的，所述定位模块、地貌勘探记录模块均通过无线传输的方式与处理主机建立网络传输连接关系。
优选的，所述无线传输采用ZigBee或者蓝牙的无线传输方式。
优选的，所述降雨量测量设备为电子式计录雨量计，所述计时设备集成在电子式计录雨量计上。
优选的，所述显示模块为防雨式LED显示器。
优选的，该基于群智能算法的集合径流预测方法的具体步骤如下：
a)对测试地点地貌信息测量，建立局域地图：通过定位系统获取测试地点的初步地貌信息，获取其位置信息建立局域地图，建立的局域地图显示出来；
b)在测试地点采集地表数据并标记在局域地图相对应的点上：对测试地点地表的高低起伏情况、地表植被情况、土壤成分测定，并输入测定值作为局域地图的细节部分的信息情况；
c)测试降水速率，以降水速率为集合径流预测的依据：通过测定降水量s和降水时间t来计算降水速率v：v＝s/t，降水速率能够直接体现降水在地表的积水量和流出时间；
d)插入降水速率值，并进行计算输出值：根据以上步骤a)、b)、c)中检测的数据值并计算出集合径流的集合点，对集合径流的集合点作出处理措施。
与现有技术相比，本发明的有益效果是：
1)通过以群智能算法为基础，能够较为准确的判定集合径流的集合点；
2)通过结合信息化的智能预测方式，能够减少人力和提高测定的准确性；
3)通过显示模块直接将建立的数据通过图像的方式显示，能够更加直观的展示。
附图说明
图1为本发明的系统原理框图；
图2为本发明预测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种基于群智能算法的集合径流预测系统，该基于群智能算法的集合径流预测系统包括定位模块、地貌勘探记录模块、降雨速率检测组件、电源模块、处理主机、三维模拟图建立模块和显示模块，所述定位模块、地貌勘探记录模块、降雨速率检测组件的数据输出端与处理主机的数据输入端连接，所述电源模块与处理主机连接，所述处理主机的输出端与三维模拟图建立模块连接，所述三维模拟图建立模块的输出端通过数据线与显示模块连接；
所述定位模块对测试地点定位，测试地点的定位信息作为建立局域地图的大环境依据；
所述地貌勘探记录模块对测试地点的地表环境进行测定，测定对象包括地面的高低起伏情况、地表植被情况、土壤成分，通过测定的地面的高低起伏情况、地表植被情况、土壤成分作为测试地点的地表小环境依据；
所述降雨速率检测组件包括降雨量测量设备和计时设备，所述降雨速率检测组件采用的型号为wi14278，降雨量测量设备用于对测试地点的降雨量测试，计时设备计时降雨量测量设备对测试地点的降雨量测试的时间，获取测试地点的降雨速率；
所述处理主机分别接收定位模块、地貌勘探记录模块、降雨速率检测组件的采集信息，并对采集信息进行分析、处理，计算的集合径流的集合点，所述处理主机将棘手的信息输出至三维模拟图建立模块；
所述电源模块为处理主机提供电能；
所述三维模拟图建立模块通过接收定位模块、地貌勘探记录模块采集的大环境依据和小环境依据建立三维模拟地表图；
所述显示模块接收三维模拟图建立模块建立的三维模拟地表图并进行显示，所述处理主机将计算得的集合径流的集合点通过显示模块显示。
其中，所述定位模块、地貌勘探记录模块均通过无线传输的方式与处理主机建立网络传输连接关系，所述无线传输采用ZigBee或者蓝牙的无线传输方式，通过无线传输数据的方式能够避免有线设备的距离限制，移动方便，所述降雨量测量设备为电子式计录雨量计，所述计时设备集成在电子式计录雨量计上，所述显示模块为防雨式LED显示器，通过外包防水薄膜或者设置挡雨板的方式进行防雨。
该基于群智能算法的集合径流预测方法的具体步骤如下：
a)对测试地点地貌信息测量，建立局域地图：通过定位系统获取测试地点的初步地貌信息，获取其位置信息建立局域地图，建立的局域地图显示出来；
b)在测试地点采集地表数据并标记在局域地图相对应的点上：对测试地点地表的高低起伏情况、地表植被情况、土壤成分测定，并输入测定值作为局域地图的细节部分的信息情况；
c)测试降水速率，以降水速率为集合径流预测的依据：通过测定降水量s和降水时间t来计算降水速率v：v＝s/t，降水速率能够直接体现降水在地表的积水量和流出时间；
d)插入降水速率值，并进行计算输出值：根据以上步骤a)、b)、c)中检测的数据值并计算出集合径流的集合点，对集合径流的集合点作出处理措施；
在处理主机内预存群智能算法，且群智能算法采用蚁群算法作为实施方案：
1.设雨水是均匀滴落在测试地点的；
2.随机选择一个雨水的滴落点；
3.i＝1
4.While(i<N)
5.雨水在重力的作用下朝向地势较低的位置流动，建立的局域地图显示雨水的流向趋势，地表植被情况、土壤成分均为雨水流向的影响因素，土壤较为疏松的容易渗水，紧实的则较为保水，其下一流动目标是确定的；
根据以上步骤将所有的雨水的流向进行汇总，通过显示模块进行图像显示，雨水的流向，并通过结合局域地图，能够发现地势低点，从而找到处理水的点。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于群智能算法的集合径流预测系统，其特征在于：该基于群智能算法的集合径流预测系统包括定位模块、地貌勘探记录模块、降雨速率检测组件、电源模块、处理主机、三维模拟图建立模块和显示模块，所述定位模块、地貌勘探记录模块、降雨速率检测组件的数据输出端与处理主机的数据输入端连接，所述电源模块与处理主机连接，所述处理主机的输出端与三维模拟图建立模块连接，所述三维模拟图建立模块的输出端通过数据线与显示模块连接；
所述定位模块对测试地点定位，测试地点的定位信息作为建立局域地图的大环境依据；
所述地貌勘探记录模块对测试地点的地表环境进行测定，测定对象包括地面的高低起伏情况、地表植被情况、土壤成分，通过测定的地面的高低起伏情况、地表植被情况、土壤成分作为测试地点的地表小环境依据；
所述降雨速率检测组件包括降雨量测量设备和计时设备，降雨量测量设备用于对测试地点的降雨量测试，计时设备计时降雨量测量设备对测试地点的降雨量测试的时间，获取测试地点的降雨速率；
所述处理主机分别接收定位模块、地貌勘探记录模块、降雨速率检测组件的采集信息，并对采集信息进行分析、处理，计算的集合径流的集合点，所述处理主机将棘手的信息输出至三维模拟图建立模块；
所述电源模块为处理主机提供电能；
所述三维模拟图建立模块通过接收定位模块、地貌勘探记录模块采集的大环境依据和小环境依据建立三维模拟地表图；
所述显示模块接收三维模拟图建立模块建立的三维模拟地表图并进行显示，所述处理主机将计算得的集合径流的集合点通过显示模块显示。
2.根据权利要求1所述的一种基于群智能算法的集合径流预测系统，其特征在于：所述定位模块、地貌勘探记录模块均通过无线传输的方式与处理主机建立网络传输连接关系。
3.根据权利要求2所述的一种基于群智能算法的集合径流预测系统，其特征在于：所述无线传输采用ZigBee或者蓝牙的无线传输方式。
4.根据权利要求1所述的一种基于群智能算法的集合径流预测系统，其特征在于：所述降雨量测量设备为电子式计录雨量计，所述计时设备集成在电子式计录雨量计上。
5.根据权利要求1所述的一种基于群智能算法的集合径流预测系统，其特征在于：所述显示模块为防雨式LED显示器。
6.一种基于群智能算法的集合径流预测方法，其特征在于：该基于群智能算法的集合径流预测方法的具体步骤如下：
a)对测试地点地貌信息测量，建立局域地图：通过定位系统获取测试地点的初步地貌信息，获取其位置信息建立局域地图，建立的局域地图显示出来；
b)在测试地点采集地表数据并标记在局域地图相对应的点上：对测试地点地表的高低起伏情况、地表植被情况、土壤成分测定，并输入测定值作为局域地图的细节部分的信息情况；
c)测试降水速率，以降水速率为集合径流预测的依据：通过测定降水量s和降水时间t来计算降水速率v：v＝s/t，降水速率能够直接体现降水在地表的积水量和流出时间；
d)插入降水速率值，并进行计算输出值：根据以上步骤a)、b)、c)中检测的数据值并计算出集合径流的集合点，对集合径流的集合点作出处理措施。
CN201811184440.1A 2018-10-11 2018-10-11 一种基于群智能算法的集合径流预测系统与方法 Pending CN109165795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811184440.1A CN109165795A (zh) 2018-10-11 2018-10-11 一种基于群智能算法的集合径流预测系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811184440.1A CN109165795A (zh) 2018-10-11 2018-10-11 一种基于群智能算法的集合径流预测系统与方法

Publications (1)

Publication Number Publication Date
CN109165795A true CN109165795A (zh) 2019-01-08

Family

ID=64877850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811184440.1A Pending CN109165795A (zh) 2018-10-11 2018-10-11 一种基于群智能算法的集合径流预测系统与方法

Country Status (1)

Country Link
CN (1) CN109165795A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461452A (zh) * 2020-04-13 2020-07-28 西安文理学院 一种基于群智能算法的集合径流预测系统与方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694680A (zh) * 2009-09-28 2010-04-14 深圳先进技术研究院 城市暴雨水灾害模拟预测方法
CN101865689A (zh) * 2010-06-04 2010-10-20 中国科学院南海海洋研究所 一种流域咸潮预测方法
CN102608914A (zh) * 2011-12-22 2012-07-25 西安交通大学 径流式液力透平优化设计方法
CN102831287A (zh) * 2011-06-16 2012-12-19 上海日浦信息技术有限公司 城市暴雨水灾害模拟预测方法
CN103150615A (zh) * 2013-03-28 2013-06-12 中国水利水电科学研究院 径流预测方法
CN104408900A (zh) * 2014-11-10 2015-03-11 柳州师范高等专科学校 基于动态优化的神经网络洪水预警装置及其方法
CN104977049A (zh) * 2014-04-03 2015-10-14 南京林业大学 一种可移动变坡径流组分测定装置及测定方法
CN105243250A (zh) * 2015-11-20 2016-01-13 深圳职业技术学院 基于三维藻类生态模型的自控水源分层取水方法及系统
CN105631228A (zh) * 2016-01-18 2016-06-01 中科宇图科技股份有限公司 一种超级多模集成应用的水文预警预报系统和方法
CN106650044A (zh) * 2016-12-05 2017-05-10 北京工业大学 一种确定swmm软件中地表径流污染物参数w的方法
CN107609713A (zh) * 2017-10-03 2018-01-19 中国水利水电科学研究院 一种通过降雨和径流双要素校正的陆气耦合实时预报方法
CN108009736A (zh) * 2017-12-13 2018-05-08 北京北华中清环境工程技术有限公司 一种水质预警预报系统及水质预警预报方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694680A (zh) * 2009-09-28 2010-04-14 深圳先进技术研究院 城市暴雨水灾害模拟预测方法
CN101865689A (zh) * 2010-06-04 2010-10-20 中国科学院南海海洋研究所 一种流域咸潮预测方法
CN102831287A (zh) * 2011-06-16 2012-12-19 上海日浦信息技术有限公司 城市暴雨水灾害模拟预测方法
CN102608914A (zh) * 2011-12-22 2012-07-25 西安交通大学 径流式液力透平优化设计方法
CN103150615A (zh) * 2013-03-28 2013-06-12 中国水利水电科学研究院 径流预测方法
CN104977049A (zh) * 2014-04-03 2015-10-14 南京林业大学 一种可移动变坡径流组分测定装置及测定方法
CN104408900A (zh) * 2014-11-10 2015-03-11 柳州师范高等专科学校 基于动态优化的神经网络洪水预警装置及其方法
CN105243250A (zh) * 2015-11-20 2016-01-13 深圳职业技术学院 基于三维藻类生态模型的自控水源分层取水方法及系统
CN105631228A (zh) * 2016-01-18 2016-06-01 中科宇图科技股份有限公司 一种超级多模集成应用的水文预警预报系统和方法
CN106650044A (zh) * 2016-12-05 2017-05-10 北京工业大学 一种确定swmm软件中地表径流污染物参数w的方法
CN107609713A (zh) * 2017-10-03 2018-01-19 中国水利水电科学研究院 一种通过降雨和径流双要素校正的陆气耦合实时预报方法
CN108009736A (zh) * 2017-12-13 2018-05-08 北京北华中清环境工程技术有限公司 一种水质预警预报系统及水质预警预报方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461452A (zh) * 2020-04-13 2020-07-28 西安文理学院 一种基于群智能算法的集合径流预测系统与方法

Similar Documents

Publication Publication Date Title
Watlet et al. Imaging groundwater infiltration dynamics in the karst vadose zone with long-term ERT monitoring
CN103985250B (zh) 轻量级的全息道路交通状态视觉检测装置
Peleg et al. Radar subpixel-scale rainfall variability and uncertainty: lessons learned from observations of a dense rain-gauge network
CN108763849B (zh) 结合沉积物和模型的流域面源磷污染入河系数计算方法
CN109544932A (zh) 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法
CN114353876A (zh) 一种黄土公路边坡健康监测方法
CN105931458B (zh) 一种路面交通流量检测设备可信度评估的方法
CN106996969A (zh) 一种土壤重金属空间分布预测方法及系统
CN105738587A (zh) 一种水质监测系统
CN107817207B (zh) 一种基坑渗透系数的计算方法及其自动化监测装置
CN108986413A (zh) 一种基于多源信息数据的冰湖灾害监测与预警方法
CN109930656A (zh) 一种深基坑降水回灌自动化监测装置及监测方法
CN106645639B (zh) 一种定量测定沙丘向丘间地水分供给量的观测装置及方法
Yu et al. Spatial and temporal scale effect in simulating hydrologic processes in a watershed
CN107085240A (zh) 一种边坡磁流体探测系统及方法
CN114117913A (zh) 一种坝后露天渗流量监测系统及测值归因分析方法
CN103594020B (zh) 一种检测喀斯特坡面产流位置的装置及方法
CN110487990A (zh) 一种智能化黑土坡耕地侵蚀自反馈系统及实施方法
CN109165795A (zh) 一种基于群智能算法的集合径流预测系统与方法
CN113449362A (zh) 基于5g移动网络的道路勘察设计方法及系统
CN113156083A (zh) 雪道融雪的水土流失测量装置及方法
CN106771616A (zh) 一种确定深层土壤等效土壤电阻率的方法
Sidorchuk et al. Variability of shallow overland flow velocity and soil aggregate transport observed with digital videography
CN110455259A (zh) 一种地形监测装置及基于该装置的河道形态演变监测系统
CN206223788U (zh) 一种定量测定沙丘向丘间地水分供给量的观测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190108