CN115471078A - 一种基于城市水务系统的洪涝风险点评估方法及装置 - Google Patents
一种基于城市水务系统的洪涝风险点评估方法及装置 Download PDFInfo
- Publication number
- CN115471078A CN115471078A CN202211132826.4A CN202211132826A CN115471078A CN 115471078 A CN115471078 A CN 115471078A CN 202211132826 A CN202211132826 A CN 202211132826A CN 115471078 A CN115471078 A CN 115471078A
- Authority
- CN
- China
- Prior art keywords
- drainage
- data
- subarea
- historical
- flood
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 19
- 238000012502 risk assessment Methods 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 238000005192 partition Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 238000006424 Flood reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 4
- 239000008239 natural water Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000003643 water by type Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及洪涝风险评估技术领域，尤其是涉及一种基于城市水务系统的洪涝风险点评估方法及装置，所述方法包括：获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；根据所述基础数据和专题数据，划分排水分区；基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水‑洪涝风险评估模型；基于所述排水‑洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。本申请全面准确地评估城市中的洪涝风险点位置，为排除洪涝风险提供数据支持。
Description
技术领域
本申请涉及洪涝风险评估技术领域，尤其是涉及一种基于城市水务系统的洪涝风险点评估方法及装置。
背景技术
随着城市进程的加快，城市下垫面的改变，使得不透水性系数增大，产生暴雨时会在城市中产生积水，尤其在水域较多的城市，会严重威胁城市安全。而城市中雨水排水管网的排水能力与城市的需求能力不平衡，加重了危险的发生。
相关技术中，可以通过对地形数据的分析来获得洪涝风险区域，或通过建立城市洪涝模拟模型对降雨过程进行模拟，以获得模拟后的洪涝风险区域。
在实践过程中，发明人发现该技术中至少存在如下问题：
现有的洪涝风险预测方法难以快速、全面、准确地获取城市中的洪涝风险点的位置。
发明内容
为了解决上述问题，本申请提供一种基于城市水务系统的洪涝风险点评估方法及装置，全面准确地评估城市中的洪涝风险点位置，为排除洪涝风险提供数据支持。
第一方面，本申请提供的一种基于城市水务系统的洪涝风险点评估方法，采用如下的技术方案：
一种基于城市水务系统的洪涝风险点评估方法，所述方法包括：
获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；
根据所述基础数据和专题数据，划分排水分区；
基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型；
基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；
根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
通过上述技术方案，根据多重数据的耦合，划分出排水分区，并构建出基于机器学习的排水与洪涝评估的关系模型，最后根据训练好的模型，可以快速准确地获取洪涝风险点的相关数据。
在一些实施方式中，所述构建基于机器学习的排水-洪涝风险评估模型，具体包括：
获取历史降雨数据及对应时间段的历史水域数据和历史管线数据；
提取历史降雨特征参数及对应时间段的历史水域特征参数和历史管线特征参数；
根据所述历史降雨特征参数、历史水域特征参数和历史管线特征参数，获取不同降雨量下的各排水分区的历史排水承载量；
获取历史降雨时间段发生洪涝的历史洪涝数据，作为历史洪涝风险点；
根据所述历史排水承载量和历史洪涝风险点，构建训练样本集；
利用所述训练样本集进行模型训练，获取基于机器学习的排水-洪涝风险评估模型。
通过上述技术方案，根据排水分区的历史排水承载量和历史洪涝数据作为训练数据来训练模型，构建基于机器学习的评估模型。
在一些实施方式中，所述排水-洪涝风险评估模型的表达式如下：
其中，y表示风险评估值，x1～xn分别表示各分析维度的值，n表示各分析维度的特征个数，xi表示第i个特征，w1～wn分别表示各分析维度的权重，wi表示第i个特征的权重，w0表示偏置项，C表示调整值。
通过上述技术方案，应用该评估模型，通过排水分区的各个分析维度进行计算，输出的风险评估值越大，则洪涝风险点的风险越高。
在一些实施方式中，还包括：
获取各排水分区的分区排水承载量；
根据所述各排水分区的分区排水承载量和洪涝风险点数据，确定排水风险区，其中，所述排水风险区包括一个或多个排水分区。
通过上述技术方案，根据洪涝风险点数据，和各个排水分区的排水承载量数据，可以确定有哪些排水分区为重点的排水风险区。
在一些实施方式中，还包括：
确定各排水分区的目标分区排水量；
若所述排水分区的分区排水承载量低于目标分区排水量，则对该排水分区进行调整改造，以提高城市整体的排水承载量下限。
通过上述技术方案，可根据评估模型和洪涝风险点数据，确定排水分区的目标分区排水量需要达到多少才能避免风险，对该排水分区的调整改造进行数据支持，以提高整个城市的排水承载量下限。
在一些实施方式中，所述确定各排水分区的目标分区排水量，具体包括：
根据所述基础数据和专题数据，获取重点交通区域或重点保护区域；
判断所述排水分区与重点交通区域或重点保护区域是否存在关联性，若是，则根据关联性的大小对该排水分区设置高于预设标准排水量的目标分区排水量；若否，则对该排水分区设置等于预设标准排水量的目标分区排水量。
通过上述技术方案，可根据不同的地理环境、不同的周边水域、不同的交通数据，确定相关的排水分区是否为重点防护区域，设置不同的目标分区排水量。
在一些实施方式中，还包括：
获取排水分区中各排水单元的单元排水承载量；
根据所述单元排水承载量和洪涝风险点数据，确定该排水分区中的排水风险点，其中，所述排水风险点包括一个或多个排水单元。
通过上述技术方案，可对排水风险区中的各个排水单元分别进行评估，以确定该排水风险区中哪些具体位置为排水风险点。
第二方面，本申请提供的一种基于城市水务系统的洪涝风险点评估装置，采用如下的技术方案：
一种基于城市水务系统的洪涝风险点评估装置，包括：
基础数据获取模块，用于获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；
排水分区划分模块，用于根据所述基础数据和专题数据，划分排水分区；
评估模型构建模块，用于基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型；
评估结果生成模块，用于基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；
洪涝风险点获取模块，用于根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
第三方面，本申请提供了一种电子设备，采用如下的技术方案：
一种电子设备，包括：
至少一个处理器；
存储装置，用于存储至少一个计算机程序；
当所述至少一个计算机程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述技术方案所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述技术方案所述的方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过本申请提供的洪涝风险点评估方法及装置，将待评估区域划分为多个排水分区，根据排水分区的排水承载量与洪涝数据的对应关系来确定洪涝风险点。
2.基于城市水务系统的数据，评估洪涝风险点的位置，并根据洪涝风险点确定排水风险区。
3.对排水分区中的每个排水单元进行评估，在排水单元中确定排水风险点，为后期排除洪涝风险提供数据支持。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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为本申请的一种实施例提供的基于城市水务系统的洪涝风险点评估方法的整体流程示意图；
图2为本申请的一种实施例提供的排水风险的确定方法的流程示意图；
图3为本申请的一种实施例提供的基于城市水务系统的洪涝风险点评估装置的框架示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请的一种实施例中的附图，对本申请的一种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。基于本申请中的实施例，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，都属于本申请保护的范围。
洪涝灾害指因强降水或持续降雨使低洼地区淹没、渍水的现象，其可分为洪水、涝害(包括内涝)、湿害。洪涝灾害的形成受气候、下垫面等自然因素与人类活动因素的影响。在城市中，会因为强降水或连续性降水超过城市或一些地区的排水能力致使城市或该地区内产生积水灾害；城市的降雨一部分渗透土壤中成为地下水，城市的路面硬化率会影响渗入雨量；另一部分雨水会积存在地面的低洼处，并沿着地面的坡度流动，形成地表径流。城市雨水排水系统的功用就是及时汇集并排除这部分地表径流。雨水排水系统是由雨水口(如常见的雨箅子)、雨水管渠、检查井、出水口等构筑物所组成的一整套工程设施。通常情况下，雨水管渠会尽量依照自然地形坡度铺设，以最短的距离靠重力将雨水排入附近的池塘、河流、湖泊等水体中。而当地势平坦，且地面高度低于河流水平面高度时，就需要在出水口前设置雨水泵站，将雨水抽升后，注入周边自然水系。在这样一个过程中，任何一个环节出现问题，都可能使得雨水无法在短时间内排出，造成城市内涝。缓解城市排水的另一个重要因素，就是有着天然蓄水池作用的河湖。出现强降水时，将一部分雨水向湖泊汇集，以减轻排水管道的负担，可以通过建立各类雨水调节和蓄滞设施来实现。
洪涝灾害不仅对社会有害，甚至能够严重危害相邻流域，造成水系变迁。但是洪涝是具有可防御性的，人类虽然不可能彻底根治洪涝灾害，但可以通过各种努力，尽可能地缩小灾害的影响。
本申请通过建立排水承载量与洪涝风险点的对应关系模型，对洪涝风险点进行合理评估，得到洪涝风险较大的区域位置，如城区低洼地积水、道路积水、河道行洪等，并可以根据洪涝风险点的数据去获取排水风险区、排水风险点的相关数据，为后续的风险排除、减缓或防汛预警决策提供数据支持。
本申请获取的数据来源是基于各城市的城市水务系统，城市水务系统中的数据包括基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据、交通数据、国土空间规划数据、行政区划数据等。
以下结合附图1至3对本申请作进一步详细说明。
如图1所示的基于城市水务系统的洪涝风险点评估方法，可以实施以下步骤：
101、获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据。
所述水域数据包括天然水体和人工水体的相关数据。天然水体包括海洋、江河、湖泊、溪流等，人工水体有水库、运河、下水道、各种污(废)水处理系统。所述管线数据包括排水管线、排水检查井、污水处理厂、雨落口、出水口等。所述交通数据包括道路数据、交通量、交通密度等。所述基础地理数据包括地形、地貌、水系、植被及社会地理信息等相关数据。
102、根据所述基础数据和专题数据，划分排水分区。
将多重数据进行耦合，综合考虑各方面的因素(水域分布、管线分布、交通信息、地形分布、居住信息等等)，进行排水分区的合理划分。
103、基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型。
基于历史数据来构建各排水分区的排水承载量与洪涝风险产生的对应关系评估模型。
本申请的一种实施例中，所述构建基于机器学习的排水-洪涝风险评估模型，具体包括：
获取历史降雨数据及对应时间段的历史水域数据和历史管线数据；
提取历史降雨特征参数及对应时间段的历史水域特征参数和历史管线特征参数；
根据所述历史降雨特征参数、历史水域特征参数和历史管线特征参数，获取不同降雨量下的各排水分区的历史排水承载量；
获取历史降雨时间段发生洪涝的历史洪涝数据，作为历史洪涝风险点，其中，历史洪涝数据包括积水分布位置、积水水深、积水时间等；
根据所述历史排水承载量和历史洪涝风险点，构建训练样本集；
利用所述训练样本集进行模型训练，获取基于机器学习的排水-洪涝风险评估模型。
本申请的一种实施例中，所述排水-洪涝风险评估模型的表达式如下：
其中，y表示风险评估值，x1～xn分别表示各分析维度的值，n表示各分析维度的特征个数，xi表示第i个特征，w1～wn分别表示各分析维度的权重，wi表示第i个特征的权重，w0表示偏置项，C表示调整值。
分析维度包括集水区的流量情况、管流率大小、管道的溢流深度、河道水位、河道水流流速、地形地貌、入渗率等多种维度。
该评估模型，可以根据实时发生的洪涝数据，对模型的学习过程持续迭代。
104、基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集。
本申请实施例中，基于评估模型，通过对排水分区多维度的分析，可以评估得到该排水分区中哪些位置可能会成为洪涝风险点，形成评估结果集。
105、根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
各评估结果都具有评估分值，可根据实际需要设定评估阈值，将评估结果集中超过预设评估阈值的评估结果选取出来作为最终的洪涝风险点数据。
如图2所示的排水风险的确定方法，可以实施以下步骤：
201、获取各排水分区的分区排水承载量。
分区排水承载量可以通过多重指标来进行衡量，包括集水区的流量情况、管流率大小、管道的溢流深度、河道水位、河道水流流速等。
202、根据所述各排水分区的分区排水承载量和洪涝风险点数据，确定排水风险区。
对洪涝风险点数据进行分析，结合排水分区的分区排水承载量，确定哪些分区属于排水风险区。
确定排水风险区后，可以基于分区排水承载量的实际数据，确定哪些区域需要针对性地调整改造，为排除各洪涝风险点提供数据支持。
本申请的一种实施例中，还可以对每个排水分区分别设置各自的目标分区排水量，具体可以实施以下步骤：
确定各排水分区的目标分区排水量；
若所述排水分区的分区排水承载量低于目标分区排水量，则基于目标分区排水量对该排水分区进行调整改造，以提高城市整体的排水承载量下限。
其中，所述确定各排水分区的目标分区排水量，可以实施以下步骤：
根据所述基础数据和专题数据，获取重点交通区域或重点保护区域；
判断所述排水分区与重点交通区域或重点保护区域是否存在关联性，若是，则根据关联性的大小对该排水分区设置高于预设标准排水量的目标分区排水量；若否，则对该排水分区设置等于预设标准排水量的目标分区排水量。关联性的大小可以通过关联值来表示。
确定排水分区与重点交通区域或重点保护区域是否存在关联性，包括以下任意方式或任意组合方式：
若所述排水分区与重点交通区域或重点保护区域存在重叠区域，则根据重叠区域的大小来确定关联性的大小；
若所述排水分区对重点交通区域或重点保护区域具有直接或间接的影响，则根据影响度的大小来确定关联性的大小；
根据重点交通区域或重点保护区域的重要性，来确定关联性的大小。
根据所述关联性的大小，对重点交通区域或重点保护区域设置不同的目标分区排水量。
203、获取排水分区中各排水单元的单元排水承载量。
204、根据所述单元排水承载量和洪涝风险点数据，确定该排水分区中的排水风险点，其中，所述排水风险点包括一个或多个排水单元。
确定排水风险点后，可以基于单元排水承载量的实际数据，确定排水分区中哪些排水单元需要针对性地调整改造，将这些需调整的排水单元作为排水风险点，为排除各洪涝风险点提供数据支持。
本申请的一种实施例中，还可以对每个排水单元分别设置各自的目标单元排水量，具体可以实施以下步骤：
根据所述排水分区的目标分区排水量，确定该排水分区中的各排水单元的目标单元排水量；
若所述排水单元的单元排水承载量低于目标单元排水量，则基于目标单元排水量对该排水单元进行调整改造，以提高该排水分区整体的排水承载量下限。
上述的对排水分区或排水单元进行调整改造，调整改造的方式可以包括增加管网直径、设置蓄水池、降低不透水性系数等改造措施。
如图3所示的基于城市水务系统的洪涝风险点评估装置的框架示意图，本申请的一种实施例提供的基于城市水务系统的洪涝风险点评估装置，包括：
基础数据获取模块301，用于获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；
排水分区划分模块302，用于根据所述基础数据和专题数据，划分排水分区；
评估模型构建模块303，用于基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型；
评估结果生成模块304，用于基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；
洪涝风险点获取模块305，用于根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
在一些可能的实施方式中，根据本申请实施方式的电子设备可以至少包括至少一个处理器、以及至少一个存储装置。其中，所述存储装置存储有至少一个计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
在一些可能的实施方式中，本申请的各个方面还可以实现为一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时用于实现本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、RF等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种基于城市水务系统的洪涝风险点评估方法，其特征在于，所述方法包括：
获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；
根据所述基础数据和专题数据，划分排水分区；
基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型；
基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；
根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
2.根据权利要求1所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，所述构建基于机器学习的排水-洪涝风险评估模型，具体包括：
获取历史降雨数据及对应时间段的历史水域数据和历史管线数据；
提取历史降雨特征参数及对应时间段的历史水域特征参数和历史管线特征参数；
根据所述历史降雨特征参数、历史水域特征参数和历史管线特征参数，获取不同降雨量下的各排水分区的历史排水承载量；
获取历史降雨时间段发生洪涝的历史洪涝数据，作为历史洪涝风险点；
根据所述历史排水承载量和历史洪涝风险点，构建训练样本集；
利用所述训练样本集进行模型训练，获取基于机器学习的排水-洪涝风险评估模型。
3.根据权利要求2所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，所述排水-洪涝风险评估模型的表达式如下：
其中，y表示风险评估值，x1～xn分别表示各分析维度的值，n表示各分析维度的特征个数，xi表示第i个特征，w1～wn分别表示各分析维度的权重，wi表示第i个特征的权重，w0表示偏置项，C表示调整值。
4.根据权利要求1所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，还包括：
获取各排水分区的分区排水承载量；
根据所述各排水分区的分区排水承载量和洪涝风险点数据，确定排水风险区，其中，所述排水风险区包括一个或多个排水分区。
5.根据权利要求4所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，还包括：
确定各排水分区的目标分区排水量；
若所述排水分区的分区排水承载量低于目标分区排水量，则对该排水分区进行调整改造，以提高城市整体的排水承载量下限。
6.根据权利要求5所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，所述确定各排水分区的目标分区排水量，具体包括：
根据所述基础数据和专题数据，获取重点交通区域或重点保护区域；
判断所述排水分区与重点交通区域或重点保护区域是否存在关联性，若是，则根据关联性的大小对该排水分区设置高于预设标准排水量的目标分区排水量；若否，则对该排水分区设置等于预设标准排水量的目标分区排水量。
7.根据权利要求1所述的基于城市水务系统的洪涝风险点评估方法，其特征在于，还包括：
获取排水分区中各排水单元的单元排水承载量；
根据所述单元排水承载量和洪涝风险点数据，确定该排水分区中的排水风险点，其中，所述排水风险点包括一个或多个排水单元。
8.一种基于城市水务系统的洪涝风险点评估装置，其特征在于，包括：
基础数据获取模块，用于获取城市水务系统中的基础数据和专题数据，所述基础数据包括基础地理数据，所述专题数据包括水域数据、管线数据和交通数据；
排水分区划分模块，用于根据所述基础数据和专题数据，划分排水分区；
评估模型构建模块，用于基于历史降雨数据、历史洪涝数据和各所述排水分区的历史排水承载量，构建基于机器学习的排水-洪涝风险评估模型；
评估结果生成模块，用于基于所述排水-洪涝风险评估模型，生成各排水分区的排水承载量产生洪涝风险的评估结果集；
洪涝风险点获取模块，用于根据所述评估结果集和预设评估阈值，获取洪涝风险点数据。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
存储装置，用于存储至少一个计算机程序；
当所述至少一个计算机程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，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实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211132826.4A CN115471078B (zh) | 2022-09-15 | 2022-09-15 | 一种基于城市水务系统的洪涝风险点评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211132826.4A CN115471078B (zh) | 2022-09-15 | 2022-09-15 | 一种基于城市水务系统的洪涝风险点评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115471078A true CN115471078A (zh) | 2022-12-13 |
| CN115471078B CN115471078B (zh) | 2024-02-02 |
Family
ID=84371399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211132826.4A Active CN115471078B (zh) | 2022-09-15 | 2022-09-15 | 一种基于城市水务系统的洪涝风险点评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115471078B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
| CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
| CN117012006A (zh) * | 2023-08-28 | 2023-11-07 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
| CN117556628A (zh) * | 2023-11-23 | 2024-02-13 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109919372A (zh) * | 2019-02-28 | 2019-06-21 | 武汉大学 | 一种基于全时空的城市暴雨积水评估建模方法 |
| US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
| CN110646867A (zh) * | 2019-08-28 | 2020-01-03 | 北京无线电计量测试研究所 | 一种城市排水监测预警方法和系统 |
| CN110738355A (zh) * | 2019-09-19 | 2020-01-31 | 河源职业技术学院 | 一种基于神经网络的城市内涝预测方法 |
| CN110852577A (zh) * | 2019-10-25 | 2020-02-28 | 镇江德威乐普能源环保科技有限公司 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
| CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
| CN113344305A (zh) * | 2021-08-05 | 2021-09-03 | 中国水利水电科学研究院 | 一种暴雨内涝事件的快速预测方法 |
| CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及系统 |
| CN114254561A (zh) * | 2021-12-17 | 2022-03-29 | 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 |
| CN114372625A (zh) * | 2021-12-30 | 2022-04-19 | 华南理工大学 | 一种基于多输出机器学习算法的城市内涝快速预报方法 |
| CN114936505A (zh) * | 2022-03-18 | 2022-08-23 | 福州大学 | 一种城市雨水井多点位水深快速预报的方法 |
-
2022
- 2022-09-15 CN CN202211132826.4A patent/CN115471078B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
| CN109919372A (zh) * | 2019-02-28 | 2019-06-21 | 武汉大学 | 一种基于全时空的城市暴雨积水评估建模方法 |
| CN110646867A (zh) * | 2019-08-28 | 2020-01-03 | 北京无线电计量测试研究所 | 一种城市排水监测预警方法和系统 |
| CN110738355A (zh) * | 2019-09-19 | 2020-01-31 | 河源职业技术学院 | 一种基于神经网络的城市内涝预测方法 |
| CN110852577A (zh) * | 2019-10-25 | 2020-02-28 | 镇江德威乐普能源环保科技有限公司 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
| CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
| CN113344305A (zh) * | 2021-08-05 | 2021-09-03 | 中国水利水电科学研究院 | 一种暴雨内涝事件的快速预测方法 |
| CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及系统 |
| CN114254561A (zh) * | 2021-12-17 | 2022-03-29 | 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 |
| CN114372625A (zh) * | 2021-12-30 | 2022-04-19 | 华南理工大学 | 一种基于多输出机器学习算法的城市内涝快速预报方法 |
| CN114936505A (zh) * | 2022-03-18 | 2022-08-23 | 福州大学 | 一种城市雨水井多点位水深快速预报的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张梦: "基于神经网络的城市内涝点降雨积水预测研究", 中国优秀硕士学位论文, pages 1 - 8 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
| CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
| CN116362419B (zh) * | 2023-05-31 | 2023-08-04 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
| CN117012006A (zh) * | 2023-08-28 | 2023-11-07 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
| CN117012006B (zh) * | 2023-08-28 | 2024-03-08 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
| CN117556628A (zh) * | 2023-11-23 | 2024-02-13 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
| CN117556628B (zh) * | 2023-11-23 | 2024-05-28 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115471078B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107832931B (zh) | 一种平原水网地区内涝风险的模块化分析方法 | |
| CN115471078A (zh) | 一种基于城市水务系统的洪涝风险点评估方法及装置 | |
| Samarasinghea et al. | Application of remote sensing and GIS for flood risk analysis: a case study at Kalu-Ganga River, Sri Lanka | |
| Duke et al. | Improving overland flow routing by incorporating ancillary road data into digital elevation models | |
| CN109657841B (zh) | 一种城市暴雨内涝积水深度提取方法 | |
| Prama et al. | Vulnerability assessment of flash floods in Wadi Dahab Basin, Egypt | |
| CN108132981A (zh) | 顾及暴雨洪涝风险影响的电力设施选址方法 | |
| CN116070918A (zh) | 一种城市洪涝安全评估及洪涝灾害防治方法 | |
| CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
| CN114118884A (zh) | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 | |
| CN115169069A (zh) | 基于大数据的城市内涝预测方法 | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| CN114139258A (zh) | 城市内涝建模评估方法、系统及计算机可读存储介质 | |
| Ghorbani et al. | Simulation of flood risk area in Kelantan watershed, Malaysia using numerical model | |
| Novrima et al. | Effectiveness analysis of East Sunter polder system for flood control management using HEC-HMS & HEC-RAS software | |
| CN114066275B (zh) | 一种系统的变电站洪涝灾害分析方法 | |
| JP2020187105A (ja) | 浸りｄａｓ（水害危険区域表示手法） | |
| Game et al. | Flood modelling for a real-time decision support system of the covered Lower Paillons River, Nice, France | |
| Chen et al. | Numerical simulation of potential inundation in a coastal zone | |
| Karunia et al. | Flood control strategy in kali sabi river basin in Tangerang | |
| Chinnarasri et al. | Appropriate engineering measures with participation of community for flood disaster reduction: Case of the Tha Chin Basin, Thailand | |
| Afrin et al. | Assessment of future flow of Hatirjheel-Begunbari drainage system due to climate change | |
| Solaimani et al. | Flood occurrence hazard forecasting based on geographical information system | |
| Riswanto et al. | Use of Hec-Ras Software to Analyze Floods in Joyoakan Urban Village, Surakarta City, Central Java | |
| Yusoff | Evaluation of existing drainage capacity for flood mitigation measures at Segamat, Malaysia |
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 |