CN115169763B - 一种内涝预测方法、数字孪生系统、电子设备及存储介质 - Google Patents
一种内涝预测方法、数字孪生系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115169763B CN115169763B CN202211094920.5A CN202211094920A CN115169763B CN 115169763 B CN115169763 B CN 115169763B CN 202211094920 A CN202211094920 A CN 202211094920A CN 115169763 B CN115169763 B CN 115169763B
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- actual
- drainage rate
- water level
- rainfall
- 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 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 288
- 230000008859 change Effects 0.000 claims abstract description 104
- 230000008569 process Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013079 data visualisation Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013277 forecasting method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Fluid Mechanics (AREA)
Abstract
本申请涉及内涝预测技术领域,具体提供了一种内涝预测方法、数字孪生系统、电子设备及存储介质,该方法包括步骤:在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据内涝模型获取与实际降雨强度对应的预测排水速率,将实际降雨强度和实际水位信息输入内涝模型以获取实际排水速率;若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息;该方法能有效地提高内涝预测的准确度。
Description
技术领域
本申请涉及内涝预测技术领域,具体而言,涉及一种内涝预测方法、数字孪生系统、电子设备及存储介质。
背景技术
在降雨量大的时期,交通路面容易由于短期降水量大于排水量或者排水堵塞等问题引起积水内涝现象,尤其是在低洼地段、隧道等,需要利用内涝分析模型进行预测或分析各个路段是否在未来时间或特定时期会出现内涝情况,以作为决策排涝手段、地域管制的数据基础。
现有的内涝分析模型只能根据场景特点按照预设数据(总降雨量、单位时间降雨量、预测排水速率等)分析是否会出现内涝现象,然而在实际积水过程中,往往是由于部分排水堵塞降低了排水速率而导致内涝的,现有内涝分析模型无法及时获知堵塞状况并进行预测修正,从而导致现有的内涝分析模型内涝预测的准确度低。
针对上述问题,目前尚未有有效的技术解决方案。
发明内容
本申请的目的在于提供一种内涝预测方法、数字孪生系统、电子设备及存储介质,能够有效地提高内涝预测的准确度。
第一方面,本申请提供了一种内涝预测方法,其包括步骤:
根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,上述气象预测信息与降雨强度对应,上述内涝模型用于根据上述降雨强度调用与该降雨强度对应的排水速率分析上述内涝点的水位变化信息;
在实际水位信息与上述未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据上述内涝模型获取与实际降雨强度对应的预测排水速率,将上述实际降雨强度和上述实际水位信息输入上述内涝模型以获取实际排水速率;
若上述预测排水速率与上述实际排水速率的差值的绝对值大于等于预设的第二阈值且上述预测排水速率大于上述实际排水速率,根据上述实际降雨强度和上述实际排水速率修正上述内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测上述内涝点的未来水位变化信息。
本申请提供的一种内涝预测方法,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测上述内涝点的未来水位变化信息,由于该方法能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
可选地,上述内涝预测方法还包括步骤:
根据实际排水速率修正与上述内涝点耦合的其他内涝点对应的未来水位变化信息。
该技术方案根据实际排水速率修正与上述内涝点耦合的其他内涝点对应的未来水位变化信息,从而有效地提高预测与内涝点耦合的其他内涝点的未来水位变化信息的准确度。
可选地,上述内涝模型根据降雨强度调用与上述降雨强度对应的排水速率的过程包括步骤:
根据降雨强度及预先构建的排水速率数据库获取上述降雨强度对应的排水速率。
可选地,上述排水速率数据库的预先构建过程包括步骤:
在不同降雨强度下基于第一预设时间周期性地获取上述内涝点的基准水位信息和淹没面积信息;
根据上述基准水位信息、上述淹没面积信息和上述第一预设时间获取不同降雨强度下上述内涝点的平均排水速率;
根据上述降雨强度和对应的上述平均排水速率构建上述排水速率数据库。
可选地,上述内涝预测方法还包括步骤:
若上述预测排水速率与上述实际排水速率的差值的绝对值大于等于预设的第二阈值且上述预测排水速率大于上述实际排水速率的时间大于等于第二预设时间,将上述内涝点对应的排水口标记为预堵塞状态或生成第二报警信息。
若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率的时间大于等于第二预设时间,该技术方案将该内涝点对应的排水口标记为预堵塞状态或生成第二报警信息,从而有效地提高获取内涝点出现堵塞的情况的便利性。
可选地,上述气象预测信息为天文气象台的天气预报或近段时间内上述内涝点的平均降雨量,上述天气预报和上述平均降雨量均与上述降雨强度对应。
可选地,上述降雨强度包括小雨、中雨、大雨、暴雨、大暴雨和特大暴雨,上述小雨的24小时降雨量为[0,10),上述中雨的24小时降雨量为[10,25),上述大雨的24小时降雨量为[25,50),上述暴雨的24小时降雨量为[50,100),上述大暴雨的24小时降雨量为[100,250),上述特大暴雨的24小时降雨量大于250mm,上述小雨、中雨、大雨、暴雨、大暴雨和特大暴雨的24小时降雨量的单位均为mm。
第二方面,本申请还提供了一种数字孪生系统,其包括:
数据采集模块,用于采集气象预测信息、内涝点的实际降雨强度和实际水位信息;
数据传输模块,用于将上述气象预测信息、上述实际降雨强度和上述实际水位信息传输到数据处理模块;
上述数据处理模块,用于基于上述气象预测信息、上述实际降雨强度和上述实际水位信息执行上述第一方面提供的内涝预测方法的步骤;
数据可视化模块,用于可视化显示至少一个上述内涝点的未来水位变化信息。
本申请提供的一种数字孪生系统,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测上述内涝点的未来水位变化信息,由于该系统能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时修正内涝模型,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该系统能够有效地提高内涝预测的准确度,且由于数据可视化模块能可视化显示内涝点的未来水位变化信息,因此该系统能够使用户直观地看到内涝点是否出现内涝问题。
第三方面,本申请还提供了一种电子设备,包括处理器以及存储器,上述存储器存储有计算机可读取指令,当上述计算机可读取指令由上述处理器执行时,运行如上述第一方面提供的内涝预测方法中的步骤。
第四方面,本申请还提供了一种存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时运行如上述第一方面提供的内涝预测方法中的步骤。
由上可知,本申请提供的一种内涝预测方法、数字孪生系统、电子设备及存储介质,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息,由于该方法能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
附图说明
图1为本申请实施例提供的一种内涝预测方法的流程图。
图2为本申请实施例提供的一种数字孪生系统的结构示意图。
图3为本申请实施例提供的一种电子设备的结构示意图。
附图标记:1、数据采集模块;2、数据传输模块;3、数据处理模块;4、数据可视化模块;501、处理器;502、存储器;503、通信总线。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一方面,本申请提供了一种内涝预测方法,其包括步骤:
S1、根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,气象预测信息与降雨强度对应,内涝模型用于根据降雨强度调用与该降雨强度对应的排水速率分析内涝点的水位变化信息;
S2、在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据内涝模型获取与实际降雨强度对应的预测排水速率,将实际降雨强度和实际水位信息输入内涝模型以获取实际排水速率;
S3、若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息。
步骤S1的未来水位变化信息可以为未来多个时间点的预测水位,未来水位变化信息也可以为未来一段时间内预测的水位变化曲线,即未来水位变化信息能反映未来一段时间内内涝点的水位变化趋势。内涝模型为预先构建的,该内涝模型能根据降雨强度调用与降雨强度对应的排水速率,该排水速率表示内涝点在对应的降雨强度下单位时间内的排水量,降雨强度包括小雨、中雨、大雨、暴雨、大暴雨和特大暴雨这六个等级。步骤S1的气象预测信息能反映未来一段时间的降雨强度,由于不同的降雨强度对应不同的降雨量,因此气象预测信息可以为未来一段时间的降雨量,例如气象预测信息为未来24小时的降雨量是20mm;又例如气象预测信息为未来12小时的降雨量是30mm,气象预测信息还可以为降雨强度或降雨量关于未来时间的变化曲线,气象预测信息优选为降雨强度或降雨量关于未来时间的变化曲线。步骤S1的内涝模型根据降雨强度调用与降雨强度对应的排水速率分析内涝点的水位变化信息的工作流程为:S11、内涝模型根据降雨强度调用与该降雨强度对应的排水速率;S12、内涝模型根据输入的降雨强度生成对应的积水速率和淹没面积;S13、内涝模型根据排水速率、积水速率和淹没面积分析内涝点的水位变化信息,该水位变化信息能反映内涝点的水位变化趋势。由于将降雨强度输入内涝模型可得到对应的积水速率和淹没面积,因此步骤S12的积水速率和淹没面积均为将实际降雨强度输入内涝模型得到的。步骤S12根据降雨强度生成对应的积水速率和淹没面积为内涝模型的功能,该积水速率表示内涝点在对应的降雨强度下单位时间内的积水量。步骤S13的内涝模型先利用积水速率和排水速率计算内涝点的积水量和排水量,再将积水量和排水量进行差分处理以得到内涝点的变化水量,最后将变化水量除以淹没面积以得到内涝点的水位变化信息。步骤S1的工作原理为:由于气象预测信息能够反应未来一段时间的降雨强度,而内涝模型能根据降雨强度调用与降雨强度对应的排水速率分析内涝点的水位变化信息,内涝模型可以根据未来一段时间的降雨强度调用与该降雨强度对应的排水速率分析内涝点未来一段时间的水位变化信息(即未来水位变化信息),即根据内涝模型和气象预测信息预测内涝点的未来水位变化信息。
步骤S2通过水位传感器、水位探针等可以测量水位的传感器或组件获取内涝点的实际水位信息,步骤S2可以通过雨量传感器、雨量检测仪、现有的降雨强度实时监测系统或模型获取内涝点的实际降雨强度,步骤S2还可以实时地通过天文台/互联网获取内涝点的实际降雨强度。第一阈值为预设值,第一阈值为实际水位信息与未来水位变化信息在对应时刻的水位之间允许的误差,该对应时刻为获取实际水位信息的时刻,若实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值,则认为预测结果与实际情况之间产生大于预期的偏差,因此需要获取该时刻内涝模型的预测排水速率和内涝点的实际排水速率,以判断该异常是否由于内涝点出现堵塞而造成的。应当理解的是,若实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值小于第一阈值,则认为预测结果能准确地反映实际情况。步骤S2内涝模型计算实际排水速率的工作流程为:S21、内涝模型根据输入的实际降雨强度获取对应的积水速率;S22、内涝模型根据积水速率、实际水位信息的瞬时变化量计算实际排水速率。步骤S22中的实际水位信息的瞬时变化量为当前时刻的实际水位信息与上一时刻的实际水位信息的差值,步骤S22的工作原理为:由于实际水位信息的瞬时变化量为相邻时刻的两个实际水位信息的差值,而相邻时刻的两个淹没面积的差值可以忽略不计,即认为相邻时刻的两个实际水位信息的差值是由积水速率和实际排水速率之间的差异造成的,因此步骤S22可以根据积水速率、实际水位信息的瞬时变化量计算实际排水速率。优选地,步骤S22的计算流程为:S221、根据实际水位信息的瞬时变化量和淹没面积计算内涝点的变化水量,并根据积水速率和相邻时刻的时间差计算内涝点的积水量;S222、根据积水量和变化水量获取内涝点的实际排水量;S223、根据实际排水量和时间差获取实际排水速率。由于将降雨强度输入内涝模型可得到对应的淹没面积,因此步骤S221的淹没面积为将实际降雨强度输入内涝模型得到的。
步骤S3的第二阈值为预设值,第二预设值为实际排水速率与预测排水速率之间允许的误差,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为由于内涝点的排水口出现堵塞,内涝点的排水速率被严重影响而导致预测结果与实际情况之间产生大于预期的偏差,因此需要先根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,再根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息。步骤S3可以将实际排水速率除以预测排水速率以得到校正系数,并根据该校正系数修正内涝模型针对不同降雨强度对应的排水速率,例如,实际排水速率为10m3/s,预测排水速率为8m3/s,则得到的校正系数为1.25,内涝模型中除了实际降雨强度以外的其他降雨强度对应的排水速率均与1.25相乘。步骤S3还可以将实际排水速率和预测排水速率的差值与预设的不同降雨强度之间的排水速率的比例关系相乘以得到校正值,并根据该校正值修正对应的降雨强度的排水速率,例如,实际降雨强度为中雨,预设的中雨与大雨之间的排水速率的比例为1:1.1,实际排水速率为10m3/s,预测排水速率为8m3/s,则实际排水速率与预测排水速率的差值为10-8=2m3/s,得到的校正值为2*1.1=2.2m3/s,内涝模型中大雨对应的排水速率加上2.2即为修正后的排水速率。应当理解的是,若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,步骤S3对内涝模型中所有降雨强度对应的排水速率进行修正。
该实施例的工作原理为:根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,由于未来水位变化信息异常时,实际水位信息与未来水位变化信息在对应时刻的水位存在偏差,因此可以通过判断实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值是否大于等于第一阈值的方式判断未来水位变化信息是否异常,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值(即未来水位变化信息异常)时,根据内涝模型获取与实际降雨强度对应的预测排水速率,并根据实际降雨强度和实际水位信息获取实际排水速率。由于在内涝点出现堵塞的情况时,实际排水速率会小于预测排水速率且与实际排水速率存在偏差,因此在预测排水速率大于实际排水速率时,可以通过判断预测排水速率与实际排水速率的差值的绝对值是否大于等于第二阈值的方式判断未来水位变化信息异常是否由于内涝点出现堵塞而造成的,若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,因此需要根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息。由于在内涝点出现堵塞的情况时,该方法根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
本申请提供的一种内涝预测方法,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息,由于该方法能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
在一些实施例中,步骤S3还包括步骤:
若预测排水速率与实际排水速率的差值的绝对值小于预设的第二阈值,将未来水位变化信息标记为异常或生成第一报警信息。
若预测排水速率与实际排水速率的差值的绝对值小于预设的第二阈值,则未来水位变化信息异常不是由于内涝点出现堵塞而造成的,即该异常是由于其他原因造成的,例如气象预测信息不准确。若预测排水速率与实际排水速率的差值的绝对值小于预设的第二阈值,该技术方案将未来水位变化信息标记为异常或生成第一报警信息,第一报警信息用于提醒用户预测的未来水位变化信息异常。
在一些实施例中,内涝模型的预先构建过程包括步骤:
基于目标区域的地理位置、建筑特点、排水管道分布特点构建物理模型;
基于流体力学构建水利模型并利用目标区域的历史内涝数据训练水利模型;
根据物理模型和训练好的水利模型生成内涝模型。
其中,目标区域包括若干个内涝点,该实施例可以先通过无人机拍摄、测量仪测量等方式获取目标区域的地理位置、建筑特点、排水管道分布特点,建筑特点包括建筑物的密集程度、建筑物的高度、建筑物的位置等数据,然后将获取到的目标区域的地理位置、建筑特点、排水管道分布特点导入ContextCapture Center自动建模系统,并利用密集匹配技术、影像密集匹配、OSGB表达和多节点并行计算构建物理模型。该实施例基于流体力学构建水利模型并利用目标区域的历史内涝数据结合物理模型训练水利模型,训练好的水利模型模拟内涝点在不同降雨强度下的淹没面积、积水速率和排水速率等,即水利模型至少具有根据输入的降雨强度生成对应的淹没面积、积水速率和排水速率的功能。具体地,历史内涝数据包括内涝点的历史降雨强度、内涝点的位置、内涝点出现内涝事件的起始时间、内涝点出现内涝事件的结束时间、内涝点出现内涝事件时不同时间的淹没面积、内涝点出现内涝事件时不同时间的水位等数据。根据物理模型和训练好的水利模型生成内涝模型属于现有技术,此处不再进行详细论述。由于水利模型具有根据输入的降雨强度生成对应的淹没面积、积水速率和排水速率的功能,因此本申请只需要将降雨强度输入内涝模型可得到对应的积水速率、淹没面积和排水速率。
在一些实施例中,内涝预测方法还包括步骤:
S4、根据实际排水速率修正与内涝点耦合的其他内涝点对应的未来水位变化信息。
其中,其他内涝点可以为与内涝点的距离小于等于预设距离的所有内涝点,例如将与内涝点的距离小于等于1公里的所有内涝点作为其他内涝点,其他内涝点也可以为与内涝点相关联的所有内涝点,例如,内涝点的实时水位信息减小,而该内涝点附近的内涝点的实际水位信息增大,则认为两者相关联。该实施例的工作原理为:由于在排水过程中,可能会出现内涝点的实际水位信息和实际排水速率会影响附近的其他内涝点的实际水位信息和实际排水速率的情况,以导致其他内涝点对应的未来水位变化信息异常,因此需要根据实际排水速率修正与内涝点耦合的其他内涝点对应的未来水位变化信息。该技术方案根据实际排水速率修正与内涝点耦合的其他内涝点对应的未来水位变化信息,从而有效地提高预测与内涝点耦合的其他内涝点的未来水位变化信息的准确度。
若某个内涝点出现淹没溢出的情况,该内涝点的积水会漫延至与该内涝点耦合的其他内涝点,因此其他内涝点的实际水位信息会增大,从而导致其他内涝点的实际水位信息与未来水位信息的差值增大。为了解决该技术问题,在一些实施例中,步骤S4包括步骤:
S41、若内涝点出现淹没溢出的情况,将实际降雨强度输入内涝模型以获取对应的积水速率,根据积水速率和实际排水速率预测该内涝点的溢出量;
S42、根据溢出量补偿与该内涝点耦合的其他内涝点的实际降雨强度;
S43、根据内涝模型和补偿后的实际降雨强度重新预测其他内涝点的未来水位变化信息。
其中,若内涝点的实际水位信息达到最大值且实际降雨强度对应的预测排水速率大于实际排水速率,则认为内涝点出现淹没溢出的情况。在出现内涝点的积水溢出的情况时,内涝点在单位时间内的积水量与内涝点在单位时间内的排水量的差值即为内涝点的溢出量,因此步骤S41先将实际降雨强度输入内涝模型以获取对应的积水速率,再根据基于积水速率计算到的积水量和基于实际排水速率计算到的排水量预测内涝点的溢出量。步骤S42的原理为:在内涝点的积水溢出时,与该内涝点耦合的其他内涝点的实际水位信息会增大,由于降雨强度增大时,内涝点的实际水位信息也会增大,即可以将由于溢出量而导致的实际水位信息增大视为由于实际降雨强度增大而导致的,因此步骤S42可以根据溢出量补偿与该内涝点耦合的其他内涝点的实际降雨强度。步骤S43根据内涝模型和补偿后的实际降雨强度重新预测其他内涝点的未来水位变化信息,该未来水位变化信息能够更准确地反映其他内涝点在未来一段时间的水位变化信息,因此其他内涝点的实际水位信息与未来水位变化信息的差值会减小,从而有效地提高预测与内涝点耦合的其他内涝点的未来水位变化信息的准确度。
若内涝点和与该内涝点耦合的其他内涝点共用同一条排水管道,由于内涝点与其他内涝点耦合,因此在排水过程中可能出现由于内涝点的实际排水速率增大而导致其他内涝点的实际排水速率下降的情况,从而导致其他内涝点的实际水位信息与未来水位变化信息的差值增大。为了解决该技术问题,在一些实施例中,步骤S4包括步骤:
S41’、根据实际排水速率修正与内涝点耦合的其他内涝点的内涝模型针对不同降雨强度对应的排水速率;
S42’、根据修正后的内涝模型和最新的气象预测信息重新预测其他内涝点的未来水位变化信息。
其中,步骤S41’需要根据实际排水速率修正与内涝点耦合的其他内涝点的内涝模型针对不同降雨强度对应的排水速率,若实际排水速率增大,则需要减小与内涝点耦合的其他内涝点的内涝模型针对不同降雨强度对应的排水速率;若实际排水速率减小,则需要增大与内涝点耦合的其他内涝点的内涝模型针对不同降雨强度对应的排水速率。步骤S42’的工作原理与步骤S3的工作原理相同,此处不再详细论述。由于该实施例会根据内涝点的实际排水效率及时修正与内涝点耦合的其他内涝点的内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测其他内涝点的未来水位变化信息,即使出现由于内涝点的实际排水速率增大而导致其他内涝点的实际排水速率下降的情况,该实施例预测的其他内涝点的未来水位变化信息也能更准确地反映其他内涝点在未来一段时间的水位变化信息,因此其他内涝点的实际水位信息与未来变化水位信息的差值会减小,从而有效地提高预测与内涝点耦合的其他内涝点的未来水位变化信息的准确度。
上述实施例虽然可以将降雨强度输入内涝模型以得到对应的排水速率,但由于内涝模型根据降雨强度生成对应的排水速率的数据处理量大,因此上述实施例可能无法即时获取与降雨强度对应的排水速率。为了解决该技术问题,在一些实施例中,内涝模型根据降雨强度调用与降雨强度对应的排水速率的过程包括步骤:
根据降雨强度及预先构建的排水速率数据库获取降雨强度对应的排水速率。
其中,排水速率数据库为水利模型中预先构建的数据库,排水速率数据库中至少存储有降雨强度和排水速率这两种相关联的数据,该实施例的内涝模型根据降雨强度从排水速率数据库中调用与降雨强度对应的排水速率。由于该实施例在获取与降雨强度对应的排水速率时仅需要查询排水速率数据库,该查询过程的数据处理量较小,因此该实施例能够即时获取与降雨强度对应的排水速率。应当理解的是,本申请还可以根据将降雨强度、预先构建的积水速率数据库和预先构建的淹没面积数据库获取降雨强度对应的积水速率和淹没面积。
在一些实施例中,排水速率数据库的预先构建过程包括步骤:
在不同降雨强度下基于第一预设时间周期性地获取内涝点的基准水位信息和淹没面积信息;
根据基准水位信息、淹没面积信息和第一预设时间获取不同降雨强度下内涝点的平均排水速率;
根据降雨强度和对应的平均排水速率构建排水速率数据库。
该实施例先在不同降雨强度下基于第一预设时间周期性通过水位传感器、水位探针等可以测量水位的传感器或组件获取内涝点的基准水位信息和通过现有的面积识别算法或模型获取内涝点的淹没面积信息,并通过式(1)获取不同降雨强度下内涝点的平均排水速率,再根据降雨强度和对应的平均排水速率构建排水速率数据库。
其中,v为平均排水速率,t为第一预设时间,第一预设时间包括n个周期,hi为第i个周期的基准水位信息,Si为第i个周期的淹没面积信息。应当理解的是,基准水位信息、淹没面积信息和降雨强度均为水利模型中的历史内涝数据。应当理解的是,积水速率数据库的预先构建过程和淹没面积数据库的预先构建过程与该实施例预先构建排水速率数据库的过程相似,此处不再进行详细论述。
在一些实施例中,内涝预测方法还包括步骤:
若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率的时间大于等于第二预设时间,将内涝点对应的排水口标记为预堵塞状态或生成第二报警信息。
其中,若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值的时间大于等于第二预设时间,该技术方案将该内涝点对应的排水口标记为预堵塞状态或生成第二报警信息,第二报警信息用于提醒用户内涝点出现管道堵塞的情况,从而有效地提高获取内涝点出现堵塞的情况的便利性。
在一些实施例中,气象预测信息为天文气象台的天气预报或近段时间内内涝点的平均降雨量,天气预报和平均降雨量均与降雨强度对应。其中,天气预报可以为天文气象台、天气预测系统、天气预测算法或天气预测模型根据各种天文数据对未来一段时间的降雨量或降雨强度做出的预报,天气预报还可以为天文气象台、天气预测系统、天气预测算法或天气预测模型根据各种天文数据预测的降雨量或降雨强度关于未来时间的比变化曲线。由于近段时间的降雨强度或降雨量也能够反映未来一段时间的降雨强度或降雨量,因此可以将近段时间内内涝点的平均降雨量作为气象预测信息,例如最近24小时的平均降雨量为20mm/h,则气象预测信息为未来2个小时的平均降雨量为20mm/h。
在一些实施例中,降雨强度包括小雨、中雨、大雨、暴雨、大暴雨和特大暴雨,小雨的24小时降雨量为[0,10),中雨的24小时降雨量为[10,25),大雨的24小时降雨量为[25,50),暴雨的24小时降雨量为[50,100),大暴雨的24小时降雨量为[100,250),特大暴雨的24小时降雨量大于250mm,小雨、中雨、大雨、暴雨、大暴雨和特大暴雨的24小时降雨量的单位均为mm。应当理解的是,降雨强度并不等于降雨量,降雨强度与降雨量为对应关系,即不同的降雨强度对应不同的降雨量,例如特大暴雨可以理解为对应的降雨量大于10.42mm/h。
由上可知,本申请提供的一种内涝预测方法,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息,由于该方法能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
第二方面,本申请还提供了一种数字孪生系统,其包括:
数据采集模块1,用于采集气象预测信息、内涝点的实际降雨强度和实际水位信息;
数据传输模块2,用于将气象预测信息、实际降雨强度和实际水位信息传输到数据处理模块3;
数据处理模块3,用于基于气象预测信息、实际降雨强度和实际水位信息执行第一方面提供的内涝预测方法的步骤;
数据可视化模块4,用于可视化显示至少一个内涝点的未来水位变化信息。
其中,数据采集模块1包括气象预测信息采集模块、实际降雨强度采集模块和实际水位信息采集模块,气象预测信息采集模块可以为天文气象台、天气预测系统、天气预测算法或天气预测模型,实际水位信息采集模块可以为水位传感器、水位探针等可以测量水位的传感器或组件,实际水位信息采集模块用于采集内涝点的实际水位信息,实际降雨强度采集模块可以为雨量传感器、雨量检测仪等测量降雨强度的传感器或组件,实际降雨强度采集模块用于采集内涝点的实际降雨强度。数据传输模块2可以为有线通讯模块或无线通讯模块,数据传输模块2用于将气象预测信息、实际降雨强度和实际水位信息传输至数据处理模块3。数据处理模块3用于基于气象预测信息、实际降雨强度和实际水位信息执行第一方面提供的内涝预测方法的步骤。数据可视化模块4用于可视化显示至少一个内涝点的未来水位变化信息,以使用户能直观地看到内涝点是否出现内涝问题。该实施提供的一种数字孪生系统的工作原理与上述第一方面提供的一种内涝预测方法的工作原理相同,此处不再进行详细论述。
本申请提供的一种数字孪生系统,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息,由于该系统能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该系统能够有效地提高内涝预测的准确度,且由于数据可视化模块4能可视化显示内涝点的未来水位变化信息,因此该系统能够使用户直观地看到内涝点是否出现内涝问题。
第三方面,请参照图3,图3为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备,包括:处理器501和存储器502,处理器501和存储器502通过通信总线503和/或其他形式的连接机构(未标出)互连并相互通讯,存储器502存储有处理器501可执行的计算机程序,当计算设备运行时,处理器501执行该计算机程序,以执行时执行实施例的任一可选的实现方式中的方法,以实现以下功能:根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,气象预测信息与降雨强度对应,内涝模型用于根据降雨强度调用与该降雨强度对应的排水速率分析内涝点的水位变化信息;在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据内涝模型获取与实际降雨强度对应的预测排水速率,将实际降雨强度和实际水位信息输入内涝模型以获取实际排水速率;若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息。
第四方面,本申请实施例提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,执行实施例的任一可选的实现方式中的方法,以实现以下功能:根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,气象预测信息与降雨强度对应,内涝模型用于根据降雨强度调用与该降雨强度对应的排水速率分析内涝点的水位变化信息;在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据内涝模型获取与实际降雨强度对应的预测排水速率,将实际降雨强度和实际水位信息输入内涝模型以获取实际排水速率;若预测排水速率与实际排水速率的差值的绝对值大于等于预设的第二阈值且预测排水速率大于实际排水速率,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
由上可知,本申请提供的一种内涝预测方法、数字孪生系统、电子设备及存储介质,在实际水位信息与未来水位变化信息在对应时刻的水位的差值的绝对值大于等于第一阈值时,获取预测排水速率和实际排水速率,若预测排水速率与实际排水速率的差值的绝对值大于等于第二阈值且预测排水速率大于实际排水速率,则认为内涝点出现堵塞的情况,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测内涝点的未来水位变化信息,由于该方法能够及时获知内涝点是否出现堵塞的情况,在内涝点出现堵塞的情况时,根据实际降雨强度和实际排水速率修正内涝模型针对不同降雨强度对应的排水速率,并利用修正后的内涝模型重新预测内涝点的未来水位变化信息,因此该方法能够有效地提高内涝预测的准确度。
在本申请所提供的实施例中,应该理解到,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以上升至一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种内涝预测方法,其特征在于,所述内涝预测方法包括步骤:
根据预先构建的内涝模型和气象预测信息预测内涝点的未来水位变化信息,所述气象预测信息与降雨强度对应,所述内涝模型用于根据所述降雨强度调用与该降雨强度对应的排水速率分析所述内涝点的水位变化信息;
在实际水位信息与所述未来水位变化信息在对应时刻的水位的差值的绝对值大于等于预设的第一阈值时,根据所述内涝模型调用与实际降雨强度对应的预测排水速率,将所述实际降雨强度和所述实际水位信息输入所述内涝模型以获取实际排水速率;
若所述预测排水速率与所述实际排水速率的差值的绝对值大于等于预设的第二阈值且所述预测排水速率大于所述实际排水速率,根据所述实际降雨强度和所述实际排水速率修正所述内涝模型针对不同降雨强度对应的排水速率,并根据修正后的内涝模型和最新的气象预测信息重新预测所述内涝点的未来水位变化信息;
所述内涝模型根据降雨强度调用与所述降雨强度对应的排水速率的过程包括步骤:
根据降雨强度及预先构建的排水速率数据库获取所述降雨强度对应的排水速率;
所述将所述实际降雨强度和所述实际水位信息输入所述内涝模型以获取实际排水速率的步骤包括:
所述内涝模型根据输入的所述实际降雨强度获取对应的积水速率;
所述内涝模型根据所述积水速率和所述实际水位信息的瞬时变化量计算实际排水速率。
2.根据权利要求1所述的内涝预测方法,其特征在于,所述内涝预测方法还包括步骤:
根据实际排水速率修正与所述内涝点耦合的其他内涝点对应的未来水位变化信息。
3.根据权利要求1所述的内涝预测方法,其特征在于,所述排水速率数据库的预先构建过程包括步骤:
在不同降雨强度下基于第一预设时间周期性地获取所述内涝点的基准水位信息和淹没面积信息;
根据所述基准水位信息、所述淹没面积信息和所述第一预设时间获取不同降雨强度下所述内涝点的平均排水速率;
根据所述降雨强度和对应的所述平均排水速率构建所述排水速率数据库。
4.根据权利要求1所述的内涝预测方法,其特征在于,所述内涝预测方法还包括步骤:
若所述预测排水速率与所述实际排水速率的差值的绝对值大于等于预设的第二阈值且所述预测排水速率大于所述实际排水速率的时间大于等于第二预设时间,将所述内涝点对应的排水口标记为预堵塞状态或生成第二报警信息。
5.根据权利要求1所述的内涝预测方法,其特征在于,所述气象预测信息为天文气象台的天气预报或近段时间内所述内涝点的平均降雨量,所述天气预报和所述平均降雨量均与所述降雨强度对应。
6.根据权利要求1所述的内涝预测方法,其特征在于,所述降雨强度包括小雨、中雨、大雨、暴雨、大暴雨和特大暴雨,所述小雨的24小时降雨量为[0,10),所述中雨的24小时降雨量为[10,25),所述大雨的24小时降雨量为[25,50),所述暴雨的24小时降雨量为[50,100),所述大暴雨的24小时降雨量为[100,250),所述特大暴雨的24小时降雨量大于250mm,所述小雨、中雨、大雨、暴雨、大暴雨和特大暴雨的24小时降雨量的单位均为mm。
7.一种数字孪生系统,其特征在于,所述数字孪生系统包括:
数据采集模块,用于采集气象预测信息、内涝点的实际降雨强度和实际水位信息;
数据传输模块,用于将所述气象预测信息、所述实际降雨强度和所述实际水位信息传输到数据处理模块;
所述数据处理模块,用于基于所述气象预测信息、所述实际降雨强度和所述实际水位信息执行如权利要求1-6任一项所述的内涝预测方法的步骤;
数据可视化模块,用于可视化显示至少一个所述内涝点的未来水位变化信息。
8.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-6任一项所述方法中的步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-6任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094920.5A CN115169763B (zh) | 2022-09-08 | 2022-09-08 | 一种内涝预测方法、数字孪生系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094920.5A CN115169763B (zh) | 2022-09-08 | 2022-09-08 | 一种内涝预测方法、数字孪生系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115169763A CN115169763A (zh) | 2022-10-11 |
CN115169763B true CN115169763B (zh) | 2022-11-29 |
Family
ID=83482457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211094920.5A Active CN115169763B (zh) | 2022-09-08 | 2022-09-08 | 一种内涝预测方法、数字孪生系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115169763B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198003A (zh) * | 2023-09-19 | 2023-12-08 | 北京建筑大学 | 一种内涝风险的预警方法、装置、电子设备及存储介质 |
CN117786438B (zh) * | 2024-02-26 | 2024-05-10 | 广东奥飞数据科技股份有限公司 | 一种元宇宙数字孪生方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7348429B2 (ja) * | 2019-05-13 | 2023-09-21 | 特定非営利活動法人防災・災害ボランティア かわせみ | 浸りdas(水害危険区域表示手法) |
CN113344291B (zh) * | 2021-06-29 | 2022-04-15 | 珠江水利委员会珠江水利科学研究院 | 城市内涝淹没范围的预报方法、装置、介质和设备 |
CN114254561B (zh) * | 2021-12-17 | 2024-06-07 | 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 |
CN114511148A (zh) * | 2022-02-16 | 2022-05-17 | 长沙祥云瑞风信息技术有限公司 | 一种基于人工智能的内涝预警方法、系统、介质及设备 |
CN114692432A (zh) * | 2022-04-26 | 2022-07-01 | 河北省气象灾害防御和环境气象中心(河北省预警信息发布中心) | 一种城市暴雨积水模拟实时订证的预报系统及方法 |
CN114997541B (zh) * | 2022-08-03 | 2022-11-08 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
-
2022
- 2022-09-08 CN CN202211094920.5A patent/CN115169763B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115169763A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115169763B (zh) | 一种内涝预测方法、数字孪生系统、电子设备及存储介质 | |
EP3534187A2 (en) | Process and system for hydrological analysis and management for river basins | |
US9568519B2 (en) | Building energy consumption forecasting procedure using ambient temperature, enthalpy, bias corrected weather forecast and outlier corrected sensor data | |
EP3016352B1 (en) | Method of managing sensor network | |
JP2007205001A (ja) | 流量予測装置 | |
KR101285044B1 (ko) | 발전용 댐의 홍수기 수문방류량 결정방법 | |
KR102308526B1 (ko) | 홍수 예측 시스템 | |
CN106801463A (zh) | 排水管的排水状态检测方法和系统 | |
JP2010049433A (ja) | 台風被害予測支援システム | |
JP4818079B2 (ja) | 気象予測データ解析装置及び気象予測データ解析方法 | |
JP2020134300A (ja) | 予測方法、予測プログラム及び情報処理装置 | |
KR20220080463A (ko) | 도시 돌발홍수 예경보 시스템 및 그 방법 | |
JP2006092058A (ja) | 流量予測装置 | |
CN117290675B (zh) | 降水数据处理方法、装置、存储介质及电子设备 | |
CN111650572A (zh) | 一种减小短时降水估测偏差的方法及系统 | |
KR20230164782A (ko) | 가뭄진단예측 방법 및 그 시스템 | |
KR100923402B1 (ko) | 가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는방법 | |
KR20170003769U (ko) | 머신러닝을 이용한 버스 도착 정보 예측 시스템의 오차 개선 모델 | |
CN110570628A (zh) | 一种输电线路杆塔地质灾害监测预警分析系统及使用方法 | |
CN117372629A (zh) | 一种基于数字孪生的水库可视化数据监管控制系统及方法 | |
CN116993030A (zh) | 变化条件下水库压咸补淡调度方法及系统 | |
CN116643328A (zh) | 一种基于网络预报的城市内涝预报方法 | |
WO2014178116A1 (ja) | 流量予想装置及び流量予想システム | |
KR20180134108A (ko) | 데이터 기반 초단기 기상 예측 방법 및 시스템 | |
Wolfs et al. | Flood probability mapping by means of conceptual modeling |
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 |