CN112231993B - 基于道克拉斯-普克的河道断面概化方法及装置 - Google Patents
基于道克拉斯-普克的河道断面概化方法及装置 Download PDFInfo
- Publication number
- CN112231993B CN112231993B CN202011112750.XA CN202011112750A CN112231993B CN 112231993 B CN112231993 B CN 112231993B CN 202011112750 A CN202011112750 A CN 202011112750A CN 112231993 B CN112231993 B CN 112231993B
- Authority
- CN
- China
- Prior art keywords
- section
- node
- attribute
- beach
- river
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000006835 compression Effects 0.000 claims abstract description 11
- 238000007906 compression Methods 0.000 claims abstract description 11
- 239000012895 dilution Substances 0.000 claims abstract description 3
- 238000010790 dilution Methods 0.000 claims abstract description 3
- 238000005259 measurement Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001351 cycling effect Effects 0.000 claims 2
- 239000000758 substrate Substances 0.000 claims 1
- 238000012821 model calculation Methods 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004088 simulation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 229960003089 pramipexole Drugs 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000124879 Grus leucogeranus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于道克拉斯‑普克的河道断面概化方法及装置,包括获取河道断面数据,并对河道断面数据进行预处理;采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;判断断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。本发明利用道格拉斯—普克算法对河道断面数据进行压缩,筛选重要属性节点;并确定各个点的节点属性,最后生成每个节点的节点属性。本发明能够自动抽稀河道断面节点数据,并对其属性进行合理概化。解决了传统人为手动抽稀及概化费时费力的问题,实现河道断面数据的批量自动抽稀与概化,极大程度地简化水动力模型计算的前处理过程。
Description
技术领域
本发明属于流体力学数值模型技术领域,具体涉及一种基于道克拉斯-普克的河道断面概化方法及装置。
背景技术
数值模型作为水动力学的重要研究工具已经得到广泛认可。针对洪水演进、河床冲淤过程目前已经发展了大量模型。自上世纪下半叶,有限差分、有限元、有限分析及有限体积方法的出现与应用,使得流域水沙模拟取得了长足的进展。
现有技术中,国外开发的有代表性和影响力的河流动力学数学模型主要包括:美国陆军工程兵团水文工程中心的HEC-RAS系列;丹麦DHI水环境研究所的MIKE系列;荷兰Delft水力学所Delft3D系列;这些模型在空间层次上,涵盖了一维、二维以及三维;其中,一维模型可视作对三维N-S方程的合理概化,具有模拟计算速度快、好求解、易收敛等优势,在实际应用过程中被广泛使用。但一维水动力模型(或水沙模型、或水质模型)的计算工作需由前处理工作展开,包含对初始条件、边界条件、物理参数、计算断面概化等过程的处理。其中,计算断面概化的工作需要投入大量的人力与时间,且计算断面概化的好坏直接决定着模拟结果的准确与否。
相关技术中,文献“一维非恒定流数学模型参数若干问题研究”中提出采用不合理的断面概化方法对河道断面进行处理时,水面宽、断面面积及湿周等水力要素与实际情况相符,但是水力半径却不符合实际物理定义,进而导致输出水位过程线与实际过程存在明显差异。
文献“论泥沙数学模型中断面简化对输沙能力确定的影响”中提出若将天然河道的不规则断面简单概化为矩形断面,会导致模拟得到的输沙能力比实际偏小,差别幅度甚至可以达到二到三倍。此外,对于类似黄河这样的多沙河流中,要想正确模拟其冲淤过程,必须考虑其它对天然河道断面形态概化的方法。
综上,现有技术方案中对天然河道断面形态概化的方法存在不合理之处,导致输出水位过程线与实际过程存在明显差异。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种基于道克拉斯-普克的河道断面概化方法及装置,以解决现有技术中对天然河道断面形态概化的方法存在不合理,导致输出水位过程线与实际过程存在明显差异的问题。
为实现以上目的,本发明采用如下技术方案:一种基于道克拉斯-普克的河道断面概化方法,包括:
获取河道断面数据,并对所述河道断面数据进行预处理;
采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。
进一步的,所述对所述河道断面数据进行预处理,包括:
将所述河道断面数据整理为统一的文件格式、文件内容并进行存储。
进一步的,所述采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点,包括:
计算由非相邻点构成的直线的斜率与截距,以断面起节点为循环起点,断面终节点为循环终点,迭代计算所有非相邻点构成的直线的斜率与截距;
将所述斜率、截距代入点到直线距离公式,
迭代求得内点到各直线的距离;
采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀;
得到满足要求的所有断面节点。
进一步的,所述采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀,包括:
根据断面总节点数划分循环次数,并根据循环次数确定对应参数:所述参数包括本次循环的新增点数、本次循环的总点数;
根据所述本次循环的新增点开始循环,当循环次数为1时,以断面起节点与断面终结点为搜寻始末点,寻取得到距离断面始末点构成的直线最大值的点,将得到的直线最大值的点保存至本次循环的总点数,并进行排序;
根据保存至本次循环的点,迭代循环,直至始末点为相邻点结束。
进一步的,所述判断所述断面节点的属性,确定各个断面节点的属性,包括:
读取实测断面节点的预设节点属性;
根据所述预设节点属性判断所述断面节点的预设属性;
根据预设规则对所述断面节点的属性进行调整。
进一步的,所述对确定属性的断面节点进行概化,包括:
获取已概化的河道断面数据,确定各断面嫩、老滩分界节点起点距数值;
根据判别条件依次判别各断面节点,得到新的抽稀处理后的嫩、老滩分界节点起点距数值;
其中,得到的新的嫩滩与老滩分界节点起点距数值为单侧数据,通过遍历、匹配两侧嫩滩与老滩分界节点高程数值,得到断面另一侧嫩滩与老滩分界节点起点距数值;循环直至所有断面及所有节点判断完成。
进一步的,所述判别条件为:
抽稀得到的断面节点起点距数值小于已概化的断面嫩、老滩分界节点起点距数值,且相邻下一断面节点起点距数值大于已概化的断面嫩、老滩分界点起点距数值。
进一步的,所述河道断面数据包括河段断面名称、河道断面简称、测量时间、左右岸滩唇高程、断面节点数、断面节点起点距、断面节点高程及断面节点属性。
进一步的,所述断面节点的属性包括:
主槽、边滩及老滩。
本申请实施例提供一种基于道克拉斯-普克的河道断面概化装置,包括:
获取模块,用于获取河道断面数据,并对所述河道断面数据进行预处理;
处理模块,用于采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
概化模块,用于判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。
本发明采用以上技术方案,能够达到的有益效果包括:
本发明提供一种基于道克拉斯-普克的河道断面概化方法及装置,首先将实测河段内所有实测断面数据按照统一文件格式及文件内容进行整理,然后利用道格拉斯—普克算法对河道断面实测起点距、高程数据进行压缩,筛选各个断面的重要属性节点;并对压缩后保留的断面起点距、高程数据点进行分类,确定各个点的节点属性,最后生成每个节点的节点属性(主槽、边滩及老滩)。本发明能够通过编程自动抽稀河道断面节点数据,并对其计算属性进行合理概化。解决了传统人为手动抽稀及概化费时费力的问题,实现河道断面数据的批量自动抽稀与概化,极大程度地简化水动力模型计算的前处理过程。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于道克拉斯-普克的河道断面概化方法的步骤示意图;
图2为本发明实施例的河道断面(BHZ)经过道格拉斯-普克方法(D-P)压缩后的断面实例示意图;
图3为本发明实施例的河道断面(XGJ)经过道格拉斯-普克方法(D-P)压缩后的断面实例示例;
图4为本发明实施例的河道断面(BHZ)概化结果示意图;
图5为本发明实施例的河道断面(XGJ)概化结果示意图;
图6为本发明基于道克拉斯-普克的河道断面概化装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
断面曲线是水文测验及水动力模型计算中非常普遍的一种数据表达方式,在模型计算时需要对数据进行压缩,其目的是删除冗余数据,提高模型计算速度与精度。常用的曲线压缩方法有间隔取点法、光栅法、垂距限值法、道格拉斯普克算法等,其中尤以道格拉斯—普克算法最为经典,其基本思想在于连接曲线始末点,构成一条直线,计算始末点间所有内点到该直线的距离,筛出距离最大值点,以起点及距离最大值点为始末点,另以距离最大值点终点为始末点,重复上述步骤,通过合理设定阈值,得到压缩后的曲线。近年来很多学者将道格拉斯—普克算法中存在的不足进行了改进,并在此基础上广泛地应用于自然岸线抽稀、管线设计等方面。
下面结合附图介绍本申请实施例中提供的一个具体的基于道克拉斯-普克的河道断面概化方法及装置。
如图1所示,本申请实施例中提供的基于道克拉斯-普克的河道断面概化方法包括:
S101,获取河道断面数据,并对所述河道断面数据进行预处理;
河道断面数据是通过河道实测得到的,因为在测量河道断面数据时,可能采取多种文件格式进行记录,为利用道格拉斯普克算法进行统一抽稀及后续概化处理,需要对多种文件格式的数据进行预处理,进行统一。
其中,河道断面数据包括河段断面名称、河道断面简称、测量时间、左右岸滩唇高程、断面节点数NN、断面节点起点距x、断面节点高程altitude及断面节点属性character等。
S102,采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
可以理解的是,采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理后得到的最终数据即是满足要求的断面节点。
S103,判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。
本申请对压缩抽稀处理后的断面节点的属性进行概化。
基于道克拉斯-普克的河道断面概化方法的工作原理为:本申请首先将实测河段内所有实测断面数据按照统一文件格式及内容进行整理,然后利用道格拉斯—普克算法对河道断面实测起点距、高程数据进行压缩,筛选各个断面的重要属性节点;并对压缩后保留的断面起点距、高程数据点进行分类,确定各个点的节点属性,最后生成每个节点的节点属性(主槽、边滩及老滩)。本发明能够通过编程自动抽稀河道断面节点数据,并对其计算属性进行合理概化。解决了传统人为手动抽稀及概化费时费力的问题,实现河道断面数据的批量自动抽稀与概化,极大程度地简化水动力模型计算的前处理过程。
一些实施例中,所述对所述河道断面数据进行预处理,包括:
将所述河道断面数据整理为统一的文件格式、文件内容并进行存储。
例如,统一文件格式可以是文本文档txt格式也可以是excel格式,文件内容可以是将河道断面数据分成多行,其中,第一行是河段断面名称、第二行是河道断面简称、第三行是测量时间,以此类推;可以理解的是,文件内容的格式可以根据实际需要进行设定,本申请在此不做限定。
一些实施例中,所述采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点,包括:
计算由非相邻点构成的直线的斜率与截距,以断面起节点为循环起点,断面终节点为循环终点,迭代计算所有非相邻点构成的直线的斜率xielv(i,j)与截距jieju(i,j),其中,i为直线起点,j为直线终点;
将所述斜率、截距代入点到直线距离公式,
迭代求得内点到各直线的距离;
采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀;
得到满足要求的所有断面节点。
需要说明的是,设定迭代次数为最大迭代次数,本申请有别于经典道格拉斯-普克算法的地方在于,由于各个断面情况相差较大,若采用经典道格拉斯-普克算法中设定阈值的方法,将导致各断面的处理趋于均一,难以保留各断面自身特点。故本申请中采用设定最大迭代次数的方式对河道各断面数据进行压缩,以此筛选得到满足要求的断面节点,也就是说,采用设定最大迭代次数的方式对河道各断面数据进行压缩后筛选得到的断面节点就是满足要求的断面节点。
一些实施例中,所述采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀,包括:
根据断面总节点数划分循环次数,并根据循环次数确定对应参数:所述参数包括本次循环的新增点数、本次循环的总点数;
根据所述本次循环的新增点开始循环,当循环次数为1时,以断面起节点与断面终结点为搜寻始末点,寻取得到距离断面始末点构成的直线最大值的点,将得到的直线最大值的点保存至本次循环的总点数,并进行排序;
根据保存至本次循环的点,迭代循环,直至始末点为相邻点结束。
其中,划分的循环次数为最大循环次数,本申请中另外设立本次循环的总点数,当寻取得到距离断面始末点构成的直线最大值的点时,将此点存储到本次循环的总点数中,例如开始的所有点为1、2、3、4、5、6,寻取的点为2、4,则将2、4存储到本次循环的总点数中,并按照原来的顺序进行排序。依据所保留的点,将已知曲线分成两部分处理,重复迭代步骤的操作,直到判别始末点为相邻点,则跳出区间循环,最后得到满足要求的所有断面节点。
完成对河道断面节点数据的压缩,两个同一河段中的不同断面保留下来的点请见如图2和图3所示,为两个断面实测数据,以及经过道格拉斯-普克方法压缩后的示例,其多段线表示的为压缩后的断面,相应的点为压缩后的断面节点。其中,BHZ与XGJ为黄河中游末端两个断面名称,例如:BHZ为白鹤镇,XGJ为下古街。
一些实施例中,所述判断所述断面节点的属性,确定各个断面节点的属性,包括:
读取实测断面节点的预设节点属性;
根据所述预设节点属性判断所述断面节点的预设属性;
根据预设规则对所述断面节点的属性进行调整。
具体的,判断各个节点预设属性,根据后续计算或其它所需,对预设属性进行调整;本实例中,预设节点属性为-1、0、1三种,计算所需为1、2、3三种。若预设节点属性为主槽或滩唇(-1或0),则在原预设基础上加2;若预设节点属性为滩地(1),则在原预设基础上加1。
一些实施例中,所述对确定属性的断面节点进行概化,包括:
获取已概化的河道断面数据,确定各断面嫩、老滩分界节点起点距数值;
根据判别条件依次判别各断面节点,得到新的抽稀处理后的嫩、老滩分界节点起点距数值;
其中,得到的新的嫩滩与老滩分界节点起点距数值为单侧数据,通过遍历、匹配两侧嫩滩与老滩分界节点高程数值,得到断面另一侧嫩滩与老滩分界节点起点距数值;循环直至所有断面及所有节点判断完成。
所述判别条件为:
抽稀得到的断面节点起点距数值小于已概化的断面嫩、老滩分界节点起点距数值,且相邻下一断面节点起点距数值大于已概化的断面嫩、老滩分界点起点距数值。
具体的,读入过去手动概化得到的各断面文件,确定各断面嫩滩与老滩分界节点起点距数值x_original,以抽稀得到的断面节点起点距小于历史嫩、老滩分界点起点距数值x_original,且相邻下一点大于历史嫩、老滩分界点起点距数值x_original为判别条件,依次判别各节点,得到新条件下抽稀处理后的嫩、老滩分界节点起点距数值x_dp1;
其中,得到的嫩滩与老滩分界节点起点距数值x_dp1为单侧数据(左岸/右岸),通过遍历、匹配两侧嫩滩与老滩分界节点高程数值,得到断面另一侧嫩滩与老滩分界节点起点距数值x_dp2;循环直至所有断面及所有节点判断完成。
如图4和图5所示,两个断面的概化结果。
优选的,所述断面节点的属性包括:
主槽、边滩及老滩。
如图6所示,本申请实施例提供一种基于道克拉斯-普克的河道断面概化装置,包括:
获取模块601,用于获取河道断面数据,并对所述河道断面数据进行预处理;
处理模块602,用于采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
概化模块603,用于判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。
本申请提供的基于道克拉斯-普克的河道断面概化装置的工作原理是,获取模块获取河道断面数据,并对所述河道断面数据进行预处理;处理模块采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;概化模块判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化。
本申请实施例提供一种计算机设备,包括处理器,以及与处理器连接的存储器;
存储器用于存储计算机程序,计算机程序用于执行上述任一实施例提供的基于道克拉斯-普克的河道断面概化方法;
处理器用于调用并执行存储器中的计算机程序。
综上所述,本发明提供一种基于道克拉斯-普克的河道断面概化方法及装置,首先将实测河段内所有实测断面数据按照统一文件格式及内容进行整理,然后利用道格拉斯—普克算法对河道断面实测起点距、高程数据进行压缩,筛选各个断面的重要属性节点;并对压缩后保留的断面起点距、高程数据点进行分类,确定各个点的节点属性,最后生成每个节点的节点属性(主槽、边滩及老滩)。本发明能够通过编程自动抽稀河道断面节点数据,并对其计算属性进行合理概化。解决了传统人为手动抽稀及概化费时费力的问题,实现河道断面数据的批量自动抽稀与概化,极大程度地简化水动力模型计算的前处理过程。
可以理解的是,上述提供的方法实施例与上述的装置实施例对应,相应的具体内容可以相互参考,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品,该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于道克拉斯-普克的河道断面概化方法,其特征在于,包括:
获取河道断面数据,并对所述河道断面数据进行预处理;
采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化;
其中,所述判断所述断面节点的属性,确定各个断面节点的属性,包括:
读取实测断面节点的预设节点属性;
根据所述预设节点属性判断所述断面节点的预设属性;
根据预设规则对所述断面节点的属性进行调整;
所述对确定属性的断面节点进行概化,包括:
获取已概化的河道断面数据,确定各断面嫩、老滩分界节点起点距数值;
根据判别条件依次判别各断面节点,得到新的抽稀处理后的嫩、老滩分界节点起点距数值;
其中,得到的新的嫩滩与老滩分界节点起点距数值为单侧数据,通过遍历、匹配两侧嫩滩与老滩分界节点高程数值,得到断面另一侧嫩滩与老滩分界节点起点距数值;循环直至所有断面及所有节点判断完成;
所述判别条件为:
抽稀得到的断面节点起点距数值小于已概化的断面嫩、老滩分界节点起点距数值,且相邻下一断面节点起点距数值大于已概化的断面嫩、老滩分界点起点距数值。
2.根据权利要求1所述的方法,其特征在于,所述对所述河道断面数据进行预处理,包括:
将所述河道断面数据整理为统一的文件格式、文件内容并进行存储。
3.根据权利要求1或2所述的方法,其特征在于,所述采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点,包括:
计算由非相邻点构成的直线的斜率与截距,以断面起节点为循环起点,断面终节点为循环终点,迭代计算所有非相邻点构成的直线的斜率与截距;
将所述斜率、截距代入点到直线距离公式,
迭代求得内点到各直线的距离;
采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀;
得到满足要求的所有断面节点。
4.根据权利要求3所述的方法,其特征在于,所述采用设定迭代次数的方式对预处理后的河道断面数据进行压缩抽稀,包括:
根据断面总节点数划分循环次数,并根据循环次数确定对应参数:所述参数包括本次循环的新增点数、本次循环的总点数;
根据所述本次循环的新增点开始循环,当循环次数为1时,以断面起节点与断面终结点为搜寻始末点,寻取得到距离断面始末点构成的直线最大值的点,将得到的直线最大值的点保存至本次循环的总点数,并进行排序;
根据保存至本次循环的点,迭代循环,直至始末点为相邻点结束。
5.根据权利要求1所述的方法,其特征在于,
所述河道断面数据包括河段断面名称、河道断面简称、测量时间、左右岸滩唇高程、断面节点数、断面节点起点距、断面节点高程及断面节点属性。
6.根据权利要求1所述的方法,其特征在于,所述断面节点的属性包括:
主槽、边滩及老滩。
7.一种基于道克拉斯-普克的河道断面概化装置,其特征在于,包括:
获取模块,用于获取河道断面数据,并对所述河道断面数据进行预处理;
处理模块,用于采用道格拉斯—普克算法对预处理后的河道断面数据进行压缩抽稀处理,以得到满足要求的所有断面节点;所述断面节点为河道断面的实测节点,所述断面节点包括实测时间下的起点距数值及高程值;
概化模块,用于判断所述断面节点的属性,确定各个断面节点的属性,对确定属性的断面节点进行概化;
其中,所述判断所述断面节点的属性,确定各个断面节点的属性,包括:
读取实测断面节点的预设节点属性;
根据所述预设节点属性判断所述断面节点的预设属性;
根据预设规则对所述断面节点的属性进行调整;
所述对确定属性的断面节点进行概化,包括:
获取已概化的河道断面数据,确定各断面嫩、老滩分界节点起点距数值;
根据判别条件依次判别各断面节点,得到新的抽稀处理后的嫩、老滩分界节点起点距数值;
其中,得到的新的嫩滩与老滩分界节点起点距数值为单侧数据,通过遍历、匹配两侧嫩滩与老滩分界节点高程数值,得到断面另一侧嫩滩与老滩分界节点起点距数值;循环直至所有断面及所有节点判断完成;
所述判别条件为:
抽稀得到的断面节点起点距数值小于已概化的断面嫩、老滩分界节点起点距数值,且相邻下一断面节点起点距数值大于已概化的断面嫩、老滩分界点起点距数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112750.XA CN112231993B (zh) | 2020-10-16 | 2020-10-16 | 基于道克拉斯-普克的河道断面概化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112750.XA CN112231993B (zh) | 2020-10-16 | 2020-10-16 | 基于道克拉斯-普克的河道断面概化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112231993A CN112231993A (zh) | 2021-01-15 |
CN112231993B true CN112231993B (zh) | 2024-05-28 |
Family
ID=74118621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011112750.XA Active CN112231993B (zh) | 2020-10-16 | 2020-10-16 | 基于道克拉斯-普克的河道断面概化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231993B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113945195B (zh) * | 2021-10-18 | 2024-03-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于断面重心位置的潮汐河口河床稳定形态指标测量方法 |
CN114757036B (zh) * | 2022-04-21 | 2023-07-07 | 华北电力大学 | 一种基于逐次逼近法的河道断面自动插补方法 |
CN117972357B (zh) * | 2024-03-26 | 2024-06-07 | 山东科瑞特自动化装备有限责任公司 | 一种水位测量装置的水位监测数据智能处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218538A (zh) * | 2013-04-28 | 2013-07-24 | 中国水利水电科学研究院 | 基于河网关联矩阵的河网一维恒定流计算方法 |
CN103886141A (zh) * | 2014-03-05 | 2014-06-25 | 河海大学 | 一种自动批量计算河道断面信息的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999914B (zh) * | 2012-11-28 | 2014-08-13 | 国家海洋局第二海洋研究所 | 一种基于地形网格的大陆坡脚点自动识别方法 |
-
2020
- 2020-10-16 CN CN202011112750.XA patent/CN112231993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218538A (zh) * | 2013-04-28 | 2013-07-24 | 中国水利水电科学研究院 | 基于河网关联矩阵的河网一维恒定流计算方法 |
CN103886141A (zh) * | 2014-03-05 | 2014-06-25 | 河海大学 | 一种自动批量计算河道断面信息的方法 |
Non-Patent Citations (4)
Title |
---|
GIS的河流动力学模型及风险图制作应用研究;杨明;中国博士学位论文全文数据库(电子期刊);正文第45-50页 * |
三维GIS技术在断面测量中的应用;许懿娜;闵世平;缪志修;王玮;;测绘科学(04);第196-197页 * |
基于曲面内插技术的数字地形生成原理及应用;杨明等;水利学报;第221-225页 * |
无人船水下测量技术的应用研究;蔡文兰;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112231993A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112231993B (zh) | 基于道克拉斯-普克的河道断面概化方法及装置 | |
CN110717251B (zh) | 一种考虑多要素的分布式水文模型子流域划分方法 | |
CN104679818A (zh) | 一种视频关键帧提取方法及系统 | |
CN103150163A (zh) | 一种基于MapReduce模型的并行关联方法 | |
CN111199298A (zh) | 基于神经网络的洪水预报方法与系统 | |
CN112215398A (zh) | 电力用户负荷预测模型建立方法、装置、设备及存储介质 | |
CN109670549A (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
CN113641733B (zh) | 一种河道断面流量实时智能推求方法 | |
CN111104746A (zh) | 一种基于小波分析的河漫滩高程确定方法 | |
CN117743870A (zh) | 一种基于大数据的水利数据管理系统 | |
CN103898890A (zh) | 一种基于bp神经网络的双桥静力触探数据的土层量化分层方法 | |
CN116151154B (zh) | 一种土壤地下水污染物迁移模拟方法及相关设备 | |
CN103761520A (zh) | 基于笔划宽度的文档图像无参二值化方法 | |
CN116029467A (zh) | 基于序列模型的渠池闸门流量预测方法 | |
CN112579847A (zh) | 生产数据的处理方法和装置、存储介质及电子设备 | |
CN115330088A (zh) | 一种小型水库的防洪精细化预测方法 | |
CN117669351A (zh) | 基于RU-Net和LSTM神经网络模型的自动历史拟合方法及装置 | |
CN104636318A (zh) | 一种大数据方差标准差的分布式或增量计算方法 | |
CN111105114B (zh) | 有水气藏开发效果评价方法、装置及计算机设备 | |
CN112419493B (zh) | 页岩储层三维属性模型建立方法及装置 | |
CN114969143A (zh) | 基于数据挖掘的城市间大气污染物时空关联特征分析方法 | |
CN109657404B (zh) | 基于混沌修正群智能寻优的采煤机故障自动诊断系统 | |
CN114169576A (zh) | 风资源计算方法、装置及电子设备 | |
CN111476308A (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
CN117195016B (zh) | 污水处理模式确定方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |