CN115659614A - 基于三维场景模型的河床变化仿真推演方法、装置及设备 - Google Patents
基于三维场景模型的河床变化仿真推演方法、装置及设备 Download PDFInfo
- Publication number
- CN115659614A CN115659614A CN202211255466.7A CN202211255466A CN115659614A CN 115659614 A CN115659614 A CN 115659614A CN 202211255466 A CN202211255466 A CN 202211255466A CN 115659614 A CN115659614 A CN 115659614A
- Authority
- CN
- China
- Prior art keywords
- data
- change
- river
- deposition
- dimensional scene
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于三维场景模型的河床变化仿真推演方法、装置及设备,涉及流域数字孪生领域,其中,该仿真推演方法包括:采集目标流域的流域数据,并基于流域数据建立三维场景模型,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。本发明解决了相关技术中无法建立能够动态地推演河床变化的三维场景模型,导致无法对灾害进行及时预警的技术问题。
Description
技术领域
本发明涉及流域数字孪生领域,具体而言,涉及一种基于三维场景模型的河床变化仿真推演方法、装置及设备。
背景技术
当前,由于河岸两边植被缺失(或砍伐),容易引起水土流失,从而使得河水泥沙含量不断增加,导致流域内河床升高。河床变化过程是一个随时间变化而不断升高的过程,目前关于河床升高导致的灾害往往是基于数据表单或科普介绍进行展示的。然而,河岸周边的居民人员均为非专业人员,对数据表单或科普介绍难以形成有效的认知,使得居民人员对于治理水土流失及河床升高危害的重视程度不高。
相关技术中,可以根据当前的河床扫描数据生成的固定河床模型,但无法根据实时水文数据监测信息对河床演变进行模型变化更新。并且,当前的河床模型由于是基于数据采集的一次性模型,无法有效的根据河床演变数据进行三维动态模型演变的仿真。此外,相关技术中针对流域水下河床变化的数据处理均是基于二维数据进行河床变化展示,而流域水下演变的数据专业性很高,二维数据表现形式无法直观立体的展示出河床的演变过程,从而无法使得居民人员直观的了解到河床的变化过程,也无法提高居民人员对于治理水土流失重视程度,更无法及时的对河床升高导致的灾害进行及时预警。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于三维场景模型的河床变化仿真推演方法、装置及设备,以至少解决相关技术中无法建立能够动态地推演河床变化的三维场景模型,导致无法对灾害进行及时预警的技术问题。
根据本发明实施例的一个方面,提供了一种基于三维场景模型的河床变化仿真推演方法,包括:采集目标流域的流域数据,并基于所述流域数据建立三维场景模型;基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演;在进行所述河床变化推演的情况下,依据所述河沙淤积量变化数据中的淤积量参数,调整所述三维场景模型中的河床高度参数。
可选地,基于所述流域数据建立三维场景模型的步骤,包括:处理所述流域数据,得到预设模型数据;对所述预设模型数据进行预处理,得到初始预设模型数据;对所述初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据;对所述目标预设模型数据进行参数转换,建立依托数字孪生流域场景的所述三维场景模型。
可选地,在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,还包括:监测所述目标流域的预设河段,得到水文数据监测信息,其中,所述水文数据监测信息至少包括:含沙量数据;基于所述水文数据监测信息,生成单位含沙量变化数据;基于所述单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据。
可选地,基于所述单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据的步骤,包括:获取所述历史水文数据,其中,所述历史水文数据包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据;基于所述历史水文数据,计算不同时间点下的河沙淤积量系数;基于所述预设河段中的水流速参数、单位含沙量参数、当前时间点下的所述河沙淤积量系数,确定所述河沙淤积量数据。
可选地,在确定河沙淤积量数据之后,还包括:基于所述历史水文数据,提取所述预设河段的历史河沙淤积量数据中的参数平均值;计算所述河沙淤积量数据中的参数值与所述参数平均值之间的绝对差值;在所述绝对差值大于等于预设差值阈值的情况下,检验所述水文数据监测信息;在所述绝对差值小于所述预设差值阈值的情况下,确定对所述河沙淤积量数据核算成功。
可选地,在确定对所述河沙淤积量数据核算成功之后,还包括:获取第一预设时间段内的所述目标流域的目标数据,其中,所述目标数据包括:流域环境数据、水流速数据、河床高度数据;基于所述目标数据以及所述河沙淤积量数据,生成以所述第一预设时间段为周期的所述河沙淤积量变化数据,其中,所述河沙淤积量变化数据用于调整所述所述三维场景模型中的参数,以在所述三维场景模型中呈现所述目标流域以所述第一预设时间段为周期的河床高度参数及环境参数演变过程。
可选地,在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,还包括:获取第二预设时间段内的河床数据、历史河沙淤积量数据以及降水量数据;基于所述河床数据和所述历史河沙淤积量数据,计算所述第二预设时间段内的淤积量平均值;基于所述降水量数据,确定所述第二预设时间段内的降水量均值变化状态;基于所述降水量均值变化状态,确定误差等级;基于所述误差等级,调整所述淤积量平均值,得到预警淤积量阈值。
可选地,还包括:在所述淤积量参数大于等于所述预警淤积量阈值的情况下,进行预警处理,其中,所述预警处理包括:确定第三预设时间内的所述河沙淤积量变化数据的变化状态;在所述变化状态为第一状态的情况下,确定所述淤积量参数处于第一调整状态,进行第一风险预警处理;在所述变化状态为第二状态的情况下,确定所述淤积量参数处于第二调整状态,进行第二风险预警处理;在所述变化状态为第三状态的情况下,确定所述淤积量参数处于第三调整状态,进行第三风险预警处理。
可选地,进行第三风险预警处理的步骤,包括:提取处于所述第三调整状态的所述淤积量参数指示的河段的坐标信息;基于流域环境数据,判断当前天气状况;在所述当前天气状况为非危险天气状况的情况下,基于所述坐标信息,进行清淤作业;在所述当前天气状况为危险天气状况的情况下,禁止进行清淤作业。
根据本发明实施例的另一方面,还提供了一种基于三维场景模型的河床变化仿真推演装置,包括:建立单元,用于采集目标流域的流域数据,并基于所述流域数据建立三维场景模型;推演单元,用于基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演;调整单元,用于在进行所述河床变化推演的情况下,依据所述河沙淤积量变化数据中的淤积量参数,调整所述三维场景模型中的河床高度参数。
可选地,所述建立单元包括:第一处理模块,用于处理所述流域数据,得到预设模型数据;第二处理模块,用于对所述预设模型数据进行预处理,得到初始预设模型数据;第三处理模块,用于对所述初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据;第一建立模块,用于对所述目标预设模型数据进行参数转换,建立依托数字孪生流域场景的所述三维场景模型。
可选地,所述仿真推演装置还包括:第一监测模块,用于在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,监测所述目标流域的预设河段,得到水文数据监测信息,其中,所述水文数据监测信息至少包括:含沙量数据;第一生成模块,用于基于所述水文数据监测信息,生成单位含沙量变化数据;第一确定模块,用于基于所述单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据。
可选地,所述第一确定模块包括:第一获取子模块,用于获取所述历史水文数据,其中,所述历史水文数据包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据;第一计算子模块,用于基于所述历史水文数据,计算不同时间点下的河沙淤积量系数;第一确定子模块,用于基于所述预设河段中的水流速参数、单位含沙量参数、当前时间点下的所述河沙淤积量系数,确定所述河沙淤积量数据。
可选地,所述仿真推演装置还包括:第一提取模块,用于在确定河沙淤积量数据之后,基于所述历史水文数据,提取所述预设河段的历史河沙淤积量数据中的参数平均值;第一计算模块,用于计算所述河沙淤积量数据中的参数值与所述参数平均值之间的绝对差值;第一检验模块,用于在所述绝对差值大于等于预设差值阈值的情况下,检验所述水文数据监测信息;第二确定模块,用于在所述绝对差值小于所述预设差值阈值的情况下,确定对所述河沙淤积量数据核算成功。
可选地,所述仿真推演装置还包括:第一获取模块,用于在确定对所述河沙淤积量数据核算成功之后,获取第一预设时间段内的所述目标流域的目标数据,其中,所述目标数据包括:流域环境数据、水流速数据、河床高度数据;第二生成模块,用于基于所述目标数据以及所述河沙淤积量数据,生成以所述第一预设时间段为周期的所述河沙淤积量变化数据,其中,所述河沙淤积量变化数据用于调整所述所述三维场景模型中的参数,以在所述三维场景模型中呈现所述目标流域以所述第一预设时间段为周期的河床高度参数及环境参数演变过程。
可选地,所述仿真推演装置还包括:第二获取模块,用于在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,获取第二预设时间段内的河床数据、历史河沙淤积量数据以及降水量数据;第二计算模块,用于基于所述河床数据和所述历史河沙淤积量数据,计算所述第二预设时间段内的淤积量平均值;第三确定模块,用于基于所述降水量数据,确定所述第二预设时间段内的降水量均值变化状态;第四确定模块,用于基于所述降水量均值变化状态,确定误差等级;第一调整模块,用于基于所述误差等级,调整所述淤积量平均值,得到预警淤积量阈值。
可选地,所述仿真推演装置还包括:第一预警模块,用于在所述淤积量参数大于等于所述预警淤积量阈值的情况下,进行预警处理,其中,所述预警处理包括:确定第三预设时间内的所述河沙淤积量变化数据的变化状态;在所述变化状态为第一状态的情况下,确定所述淤积量参数处于第一调整状态,进行第一风险预警处理;在所述变化状态为第二状态的情况下,确定所述淤积量参数处于第二调整状态,进行第二风险预警处理;在所述变化状态为第三状态的情况下,确定所述淤积量参数处于第三调整状态,进行第三风险预警处理。
可选地,所述第一预警模块包括:第一提取子模块,用于提取处于所述第三调整状态的所述淤积量参数指示的河段的坐标信息;第一判断子模块,用于基于流域环境数据,判断当前天气状况;第一作业子模块,用于在所述当前天气状况为非危险天气状况的情况下,基于所述坐标信息,进行清淤作业;第二作业子模块,用于在所述当前天气状况为危险天气状况的情况下,禁止进行清淤作业。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述基于三维场景模型的河床变化仿真推演方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述基于三维场景模型的河床变化仿真推演方法。
在本公开中,采集目标流域的流域数据,并基于流域数据建立三维场景模型,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。在本公开中,可以先建立三维场景模型,然后依据基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演仿真,当在对流域水下河床演变进行仿真推演时,推演出目标流域存在发生灾害的风险,可以及时进行预警,以来降低灾害发生的风险,进而解决了相关技术中无法建立能够动态地推演河床变化的三维场景模型,导致无法对灾害进行及时预警的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的基于三维场景模型的河床变化仿真推演方法的流程图;
图2是根据本发明实施例的一种可选的基于河床变化仿真推演进行风险预警的流程图;
图3是根据本发明实施例的一种可选的基于三维场景模型的河床变化仿真推演装置的示意图;
图4是根据本发明实施例的一种用于基于三维场景模型的河床变化仿真推演方法的电子设备(或移动设备)的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于本领域技术人员理解本发明,下面对本发明各实施例中涉及的部分术语或名词做出解释:
数字孪生流域:是将物理流域映射到数字世界,如:江川湖泊以及水利工程水坝及水利发电站里的每一个水利工作程部件进行建模及水质进行还原。
需要说明的是,本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
本发明提出的三维场景模型能够动态仿真流域水下河床演变过程,可以让居民人员更加快速直观的了解到河床的变化过程,提高居民人员对于治理水土流失重视程度。
本发明可通过数据采集设备(如搭载激光雷达设备)对目标流域进行扫描,对扫描的数据源进行处理得到预设模型数据(例如,DEM(Digital Elevation Model,即数字高程模型)数据),根据预设模型数据来搭建流域数字孪生三维场景模型,即建立目标流域的数字孪生底座。然后,依托数字孪生底座,通过水文数据监测设备(如浊度仪、测沙仪等)对流域水质和阶段时间河沙淤积量做运算,并通过对历史水文数据做分析,对流域阶段时间河沙淤积量做数据核算,得到阶段时间河沙淤积量的数值。之后,通过监测获取阶段时间河沙淤积量数值后,根据对应的数值变化通过计算机系统按照对应的数值来调整流域水下河床在对应阶段时间的高度,并对其进行过程的仿真推演。同时,还可以提取历史水文数据,从历史水文数据中提取出淤积量变化带来的风险,并计算对应预警阈值,当在对流域水下河床演变进行仿真推演时,数值参数到达预警阈值后产生预警措施,以提醒工作人员到目标流域进行检测以确认是否需要采取处理措施。
下面结合各个实施例来详细说明本发明。
实施例一
根据本发明实施例,提供了一种基于三维场景模型的河床变化仿真推演方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的基于三维场景模型的河床变化仿真推演方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,采集目标流域的流域数据,并基于流域数据建立三维场景模型。
步骤S102,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演。
步骤S103,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。
通过上述步骤,可以采集目标流域的流域数据,并基于流域数据建立三维场景模型,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。在本发明实施例中,可以先建立三维场景模型,然后依据基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演仿真,当在对流域水下河床演变进行仿真推演时,推演出目标流域存在发生灾害的风险,可以及时进行预警,以来降低灾害发生的风险,进而解决了相关技术中无法建立能够动态地推演河床变化的三维场景模型,导致无法对灾害进行及时预警的技术问题。
下面结合上述各步骤对本发明实施例进行详细说明。
步骤S101,采集目标流域的流域数据,并基于流域数据建立三维场景模型。
可选地,基于流域数据,建立三维场景模型的步骤,包括:处理流域数据,得到预设模型数据;对预设模型数据进行预处理,得到初始预设模型数据;对初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据;对目标预设模型数据进行参数转换,建立依托数字孪生流域场景的三维场景模型。
在本发明实施例中,目标流域是指对于需要搭建数字孪生场景的河段范围。可通过搭载激光雷达设备的无人设备等数据采集设备采集目标流域的流域数据,例如,无人船对目标流域内的河段范围进行数据采集。对采集后的流域数据进行数据处理,以得到预设模型数据(如DEM数据)。然后,通过得到的预设模型数据进行数字孪生流域场景的搭建,以生成三维场景模型,具体为:可通过对预设模型数据进行数据预处理(包括:合并,采样,投影,重采样等),得到预处理后的初始预设模型数据,再对得到初始预设模型数据进行范围拉伸(范围拉伸是指对数据中的参数进行放大,即对初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据),之后,对目标预设模型数据进行参数转换,以建立流域数字孪生三维场景模型,即生成具备地理信息的三维场景模型。
可选地,在基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演之前,还包括:监测目标流域的预设河段,得到水文数据监测信息,其中,水文数据监测信息至少包括:含沙量数据;基于水文数据监测信息,生成单位含沙量变化数据;基于单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据。
在本发明实施例中,可以对目标流域的预设河段进行监测(即对河段范围的关键点位进行监测,例如,对容易造成水土流失的地段,植被较少的地段,河段等关键点位进行水文实时监测),得到水文数据监测信息(水文数据监测信息至少包括:含沙量数据等),以对河水的含沙量、河沙的淤积量进行判断,具体为:
可以在易造成水土流失的河段和流域关键的河段等预设河段位置设立水文监测点,以监测河水的含沙量等水文数据监测信息。根据水文数据监测信息,生成以时间节点为横向坐标,泥沙含量为纵坐标的单位含沙量变化数据。然后,依据单位含沙量变化数据中的单位含沙量参数以及历史水文数据,计算出河沙淤积量数据。
可选地,基于单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据的步骤,包括:获取历史水文数据,其中,历史水文数据包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据;基于历史水文数据,计算不同时间点下的河沙淤积量系数;基于预设河段中的水流速参数、单位含沙量参数、当前时间点下的河沙淤积量系数,确定河沙淤积量数据。
在本发明实施例中,可以先获取历史水文数据,该历史水文数据可以包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据等,然后根据历史水文数据,计算不同时间点下的河沙淤积量系数,再根据预设河段中的水流速参数、单位含沙量参数、当前时间点下的河沙淤积量系数,计算对应的预设河段的当前河沙淤积量数据。
可选地,在确定河沙淤积量数据之后,还包括:基于历史水文数据,提取预设河段的历史河沙淤积量数据中的参数平均值;计算河沙淤积量数据中的参数值与参数平均值之间的绝对差值;在绝对差值大于等于预设差值阈值的情况下,检验水文数据监测信息;在绝对差值小于预设差值阈值的情况下,确定对河沙淤积量数据核算成功。
在本发明实施例中,在对预设河段进行水文监测,通过对不同水流速的判断来预判河沙的淤积量堆积情况后,可以对得到的河沙淤积量数据进行核算,具体为:可通过历史水文数据,提取出预设河段的历史河沙淤积量数据中的参数平均值,然后将相似河段的河沙淤积量数据中的参数值与参数平均值进行比对(即可以计算河沙淤积量数据中的参数值与参数平均值之间的绝对差值),在绝对差值大于等于预设差值阈值时(即比对的结果存在较大差异时),可以通知技术人员对设备监测方式和测算数据进行检验,以保证数据的合理性和正确性(即在绝对差值大于等于预设差值阈值的情况下,检验水文数据监测信息);在绝对差值小于预设差值阈值时(即比对的结果确认无较大差异时),确定对河沙淤积量数据核算成功,可以结束河沙淤积量核算工作。
可选地,在确定对河沙淤积量数据核算成功之后,还包括:获取第一预设时间段内的目标流域的目标数据,其中,目标数据包括:流域环境数据、水流速数据、河床高度数据;基于目标数据以及河沙淤积量数据,生成以第一预设时间段为周期的河沙淤积量变化数据,其中,河沙淤积量变化数据用于调整三维场景模型中的参数,以在三维场景模型中呈现目标流域以第一预设时间段为周期的河床高度参数及环境参数演变过程。
在本发明实施例中,可以以预设时间段为周期,建立河沙淤积量变化数据,以进行河沙淤积量演变仿真,具体为:可以以时间数据为标识,经纬度数据为参照,先获取第一预设时间段内的目标流域的目标数据,该目标数据包括:流域环境数据、水流速数据、河床高度数据等,然后根据目标数据以及河沙淤积量数据,生成以第一预设时间段为周期的河沙淤积量变化数据,可以基于该河沙淤积量变化数据,调整三维场景模型中的参数,以在三维场景模型中呈现目标流域以第一预设时间段为周期的河床高度参数及环境参数演变过程。
可选地,在基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演之前,还包括:获取第二预设时间段内的河床数据、历史河沙淤积量数据以及降水量数据;基于河床数据和历史河沙淤积量数据,计算第二预设时间段内的淤积量平均值;基于降水量数据,确定第二预设时间段内的降水量均值变化状态;基于降水量均值变化状态,确定误差等级;基于误差等级,调整淤积量平均值,得到预警淤积量阈值。
在本发明实施例中,可以依据河床数据和历史河沙淤积量数据提取出河沙淤积量的预警阈值(即预警淤积量阈值),具体为:可以先获取第二预设时间段内(例如,最近几年不同季度)的河床数据、历史河沙淤积量数据以及降水量数据,然后根据河床数据和历史河沙淤积量数据,计算第二预设时间段内的淤积量平均值。同时,还可以通过过去降水量数据做比对(例如,比对最近几年相同季度时降水量均值变化,即基于降水量数据,确定第二预设时间段内的降水量均值变化状态),再根据降水量均值变化状态,确定误差等级,通过去除降水量导致的误差后(即基于误差等级,调整淤积量平均值后),得到预警淤积量阈值。如此,能够预防因为降水量数据的不同引起的误差。
步骤S102,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演。
在本发明实施例中,可以基于水文数据监测信息建立的河沙淤积量变化数据,以经纬度为参照,查找三维场景模型中对应的河沙淤积量对应的参数位置,进行河床变化三维仿真推演。
还可以根据环境数据,建立河道环境的参数演变过程。例如,降水量的不断累积变化过程等。
步骤S103,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。
可选地,在淤积量参数大于等于预警淤积量阈值的情况下,进行预警处理,其中,预警处理包括:确定第三预设时间内的河沙淤积量变化数据的变化状态;在变化状态为第一状态的情况下,确定淤积量参数处于第一调整状态,进行第一风险预警处理;在变化状态为第二状态的情况下,确定淤积量参数处于第二调整状态,进行第二风险预警处理;在变化状态为第三状态的情况下,确定淤积量参数处于第三调整状态,进行第三风险预警处理。
在本发明实施例中,在淤积量参数的参数值到达预警淤积量阈值后,可以根据阈值触发后的淤积变化进行预处置处理(即在淤积量参数的参数值大于等于预警淤积量阈值的情况下,确定第三预设时间内的河沙淤积量变化数据的变化状态)。
当到达预警淤积量阈值后,淤积量在较短时间(即第三预设时间内)未有明显变化,或随时间的变化趋势一直未有不断攀升(曲线未变化)的状况,那么评测为低风险(即将变化状态确定为第一状态),针对低风险,可以将根据天气状况,通知到对应的管理人员,给出处置清淤检测建议,例如,检测是否需要清理河道,避免河道堵塞引发河床不断升高,导致河水漫延等(即在变化状态为第一状态的情况下,确定淤积量参数处于第一调整状态,进行第一风险预警处理,该第一风险预警处理即为针对低风险进行的预警处理)。
当触发预警淤积量阈值后,淤积量随时间变化平稳上升(曲线变化平稳),那么评测为中风险(即将变化状态确定为第二状态),针对中风险,可以将根据对应的监测点的河道环境状况(如土质,植被状况等)给出处置建议,例如,河段淤积量不断缓慢上升,判定为河道已达到必须清淤的警戒位置,建议执行河道清淤任务等(即在变化状态为第二状态的情况下,确定淤积量参数处于第二调整状态,进行第二风险预警处理,该第二风险预警处理即为针对中风险进行的预警处理)。
当触发预警淤积量阈值后,淤积量较短时间内一直攀升(曲线变化急升),且伴随着降雨,将评测为高风险(即将变化状态确定为第三状态),针对高风险,可以判定河道已经发生淤堵,泥沙量持续急升,且已经达到预警灾害位置,建议进行第三风险预警处理,并立即通知对应人员对河道周边是否出现漫滩进行确认,并触发灾害应对准备工作(即在变化状态为第三状态的情况下,确定淤积量参数处于第三调整状态,进行第三风险预警处理,该第三风险预警处理即为针对高风险进行的预警处理)。
可选地,进行第三风险预警处理的步骤,包括:提取处于第三调整状态的淤积量参数指示的河段的坐标信息;基于流域环境数据,判断当前天气状况;在当前天气状况为非危险天气状况的情况下,基于坐标信息,进行清淤作业;在当前天气状况为危险天气状况的情况下,禁止进行清淤作业。
在本发明实施例中,可以先提取处于高风险河道的坐标信息(即处于第三调整状态的淤积量参数指示的河段的坐标信息),根据环境数据判断是否处于极端天气(即判断当前天气状况),若当前天气为非极端天气则判断可执行作业,通知清淤团队进行紧急清淤作业(即在当前天气状况为非危险天气状况的情况下,基于坐标信息,进行清淤作业);若当前天气为极端天气则判断不可执行作业,通知清淤团队禁止开展清淤作业(即在当前天气状况为危险天气状况的情况下,禁止进行清淤作业)。
下面结合另一种可选的具体实施方式进行详细说明。
图2是根据本发明实施例的一种可选的基于河床变化仿真推演进行风险预警的流程图,如图2所示,包括如下步骤:
步骤一:流域的数据采集。
流域是指需要搭建数字孪生场景的河段范围。通过搭载激光雷达设备的无人设备(例如,无人船)对流域内的河段范围进行数据采集,对采集后的激光雷达数据进行数据处理得到的DEM(高程模型数据)。
步骤二:搭建流域数字孪生三维场景模型。
通过得到的DEM数据进行流域数字孪生三维场景模型的搭建。通过对DEM数据进行数据处理(例如:合并,采样,投影,重采样等),范围拉伸(即对高程数据中参数放大),参数转换,生成具备地理信息的三维场景模型。
步骤三:河沙淤积量运算。
通过对河段范围的关键点位进行监测,例如,对植被较少的容易造成水土流失的地段、河段等关键点位进行水文数据实时监测,对河水的含沙量、河沙的淤积量进行判断。具体如下:
a在易造成水土流失的河段和流域关键的河段位置设立水文监测点;
b监测河水的含沙量等检测数据;
c根据水文数据监测信息,形成以时间节点为横向坐标,泥沙含量为纵坐标的单位含沙量的变化曲线;
d依据单位含沙量参数,历史水文数据来计算河沙淤积量数据:根据历史水文数据中不同河段不同时间节点单位含沙量数据、水流速、泥沙淤积量,计算出该时间节点下对应河段河水泥沙淤积量系数;再根据不同河段中水流速、当前单位含沙量参数、历史相同时间节点下对应河段河水泥沙淤积量系数计算对应河段泥沙当前淤积量数据。
步骤四:河沙淤积量数据核算。
对关键的河段点位进行水文数据监测时,能够通过对不同水流速的判断来预判河沙的淤积量堆积情况,以下为对得到的河沙淤积量数据进行核算过程:
a基于历史水文数据,提取出相关河道的淤积量数据的平均值;
b将相似河段的河沙淤积量数据与流域河段的淤积量数据的平均值进行比对;
c当比对结果存在较大差异时,通知技术人员对设备监测方式和测算数据进行检验,以保证数据的合理性和正确性;
d当比对结果确认无较大差异时,结束河沙淤积量核算工作。
步骤五:预警淤积量阈值提取。
依据河床数据和历史河沙淤积量变化数据提取出河沙淤积量的预警阈值。具体如下:
a计算最近时间不同季度的河床高度数据和河沙淤积量平均值参数;
b对过去降水量数据进行比对:比对最近几年相同季度时降水量均值变化,以此来预防因为降水量数据的不同引起的误差;
c去除降水量导致的误差后,比对最近几年相同季度的淤积量数值,取其均值设定为预警淤积量阈值。
步骤六:河沙淤积演变仿真推演。
通过对以时间为周期得到的河沙淤积量变化数据,来进行河沙淤积量演变仿真,具体如下:
a数据收集:以时间数据为标识,经纬度数据为参照,收集河段淤积量数据、流域环境数据、河水流速、河床高度数;
b建立三维仿真推演:以经纬度为参照,查找三维场景模型中对应的河道淤积量对应的参数位置;
c根据淤积量参数变化,调整对应三维场景模型中河床高度变化;
d根据流域环境数据,建立河道环境的参数演变过程。如:降水量的不断累积变化过程。
步骤七:河沙淤积预警处置。
根据对应的河沙淤积量的阈值设定,对对应河道设置淤积量变化风险预警处置方式。具体如下:
a河段河沙到达预警阈值后,将根据阈值触发后的淤积变化进行预处置处理;
b风险值测评方式:当到达预警阈值后,淤积量在较短时间未有明显变化,或随时间的变化趋势一直未有不断攀升(曲线未变化)的状况,那么评测为低风险;
c针对低风险评测,将根据天气状况,通知到对应的管理人员,给出处置清淤检测建议,例如,检测是否需要清理河道,以避免河道堵塞引发河床不断升高,导致河水漫延;
d当触发预警阈值后,淤积量随时间变化平稳上升(曲线变化平稳),那么评测为中风险;
e针对中风险,将根据对应的监测点的河道环境状况(如土质,植被状况等)给出处置建议,如对应河段淤积量不断缓慢上升程中,河道河床高度也不断接近警戒位置,当河床高度达到必须清淤的警戒位置,建议执行河道清淤任务;
f当到达预警阈值后,淤积量较短时间内一直攀升(曲线变化急升),且伴随着降雨,将评测为高风险;
g针对高风险评测,泥沙量持续急升,判定河道易发生淤堵,评测已经达到预警灾害位置,建议处置方式可以为立即通知对应人员的河道周边是否出现漫滩进行确认,并触发灾害应对准备工作;
h风险处置流程:提取高风险河道的坐标信息;根据流域环境数据判断是否处于极端天气情况下,若当前天气为非极端天气,则判断可执行环境视察以及清淤作业,通知工作团队进行开展相应工作;若当前天气为极端天气,则判断不可执行作业,通知工作团队禁止开展作业。
本发明实施例中,通过数字孪生三维场景,能够实现流域水下河床演变过程的三维场景模拟,并通过三维场景的形式对泥沙淤积的细微变化做出明显的标识,以进行风险预警。
本实施例可利用采集的数据,建立数字孪生底座,根据实时数据监测获取的实时数据作为仿真推演的输入参数,以对河床的变化进行仿真推演,如此,能够直观的了解到河床的实时变化情况,降低风险。并且,通过三维数据的实时可视化展现,能够降低人工检测频率。根据参数变化对河床变化做推演仿真,建立河床推演仿真模型,以此来推演未来河床的变化趋势,能够达到预测河床变化的效果,对未来河床变换可能带来的风险进行预判,以降低灾害发生的风险。同时,通过对河床变化进行推演仿真来制定应对措施,根据河床变化仿真预演的结果来制定解决预案。
下面结合另一实施例进行详细说明。
实施例二
本实施例中提供的一种基于三维场景模型的河床变化仿真推演装置包含了多个实施单元,每个实施单元对应于上述实施例一中的各个实施步骤。
图3是根据本发明实施例的一种可选的基于三维场景模型的河床变化仿真推演装置的示意图,如图3所示,该仿真推演装置可以包括:建立单元30,推演单元31,调整单元32,其中,
建立单元30,用于采集目标流域的流域数据,并基于流域数据建立三维场景模型;
推演单元31,用于基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演;
调整单元32,用于在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。
上述仿真推演装置,可以通过建立单元30采集目标流域的流域数据,并基于流域数据建立三维场景模型,通过推演单元31基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演,通过调整单元32在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。在本发明实施例中,可以先建立三维场景模型,然后依据基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演仿真,当在对流域水下河床演变进行仿真推演时,推演出目标流域存在发生灾害的风险,可以及时进行预警,以来降低灾害发生的风险,进而解决了相关技术中无法建立能够动态地推演河床变化的三维场景模型,导致无法对灾害进行及时预警的技术问题。
可选地,建立单元包括:第一处理模块,用于处理流域数据,得到预设模型数据;第二处理模块,用于对预设模型数据进行预处理,得到初始预设模型数据;第三处理模块,用于对初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据;第一建立模块,用于对目标预设模型数据进行参数转换,建立依托数字孪生流域场景的三维场景模型。
可选地,仿真推演装置还包括:第一监测模块,用于在基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演之前,监测目标流域的预设河段,得到水文数据监测信息,其中,水文数据监测信息至少包括:含沙量数据;第一生成模块,用于基于水文数据监测信息,生成单位含沙量变化数据;第一确定模块,用于基于单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据。
可选地,第一确定模块包括:第一获取子模块,用于获取历史水文数据,其中,历史水文数据包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据;第一计算子模块,用于基于历史水文数据,计算不同时间点下的河沙淤积量系数;第一确定子模块,用于基于预设河段中的水流速参数、单位含沙量参数、当前时间点下的河沙淤积量系数,确定河沙淤积量数据。
可选地,仿真推演装置还包括:第一提取模块,用于在确定河沙淤积量数据之后,基于历史水文数据,提取预设河段的历史河沙淤积量数据中的参数平均值;第一计算模块,用于计算河沙淤积量数据中的参数值与参数平均值之间的绝对差值;第一检验模块,用于在绝对差值大于等于预设差值阈值的情况下,检验水文数据监测信息;第二确定模块,用于在绝对差值小于预设差值阈值的情况下,确定对河沙淤积量数据核算成功。
可选地,仿真推演装置还包括:第一获取模块,用于在确定对河沙淤积量数据核算成功之后,获取第一预设时间段内的目标流域的目标数据,其中,目标数据包括:流域环境数据、水流速数据、河床高度数据;第二生成模块,用于基于目标数据以及河沙淤积量数据,生成以第一预设时间段为周期的河沙淤积量变化数据,其中,河沙淤积量变化数据用于调整三维场景模型中的参数,以在三维场景模型中呈现目标流域以第一预设时间段为周期的河床高度参数及环境参数演变过程。
可选地,仿真推演装置还包括:第二获取模块,用于在基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演之前,获取第二预设时间段内的河床数据、历史河沙淤积量数据以及降水量数据;第二计算模块,用于基于河床数据和历史河沙淤积量数据,计算第二预设时间段内的淤积量平均值;第三确定模块,用于基于降水量数据,确定第二预设时间段内的降水量均值变化状态;第四确定模块,用于基于降水量均值变化状态,确定误差等级;第一调整模块,用于基于误差等级,调整淤积量平均值,得到预警淤积量阈值。
可选地,仿真推演装置还包括:第一预警模块,用于在淤积量参数大于等于预警淤积量阈值的情况下,进行预警处理,其中,预警处理包括:确定第三预设时间内的河沙淤积量变化数据的变化状态;在变化状态为第一状态的情况下,确定淤积量参数处于第一调整状态,进行第一风险预警处理;在变化状态为第二状态的情况下,确定淤积量参数处于第二调整状态,进行第二风险预警处理;在变化状态为第三状态的情况下,确定淤积量参数处于第三调整状态,进行第三风险预警处理。
可选地,第一预警模块包括:第一提取子模块,用于提取处于第三调整状态的淤积量参数指示的河段的坐标信息;第一判断子模块,用于基于流域环境数据,判断当前天气状况;第一作业子模块,用于在当前天气状况为非危险天气状况的情况下,基于坐标信息,进行清淤作业;第二作业子模块,用于在当前天气状况为危险天气状况的情况下,禁止进行清淤作业。
上述的仿真推演装置还可以包括处理器和存储器,上述建立单元30,推演单元31,调整单元32等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:采集目标流域的流域数据,并基于流域数据建立三维场景模型,基于水文数据监测信息建立的河沙淤积量变化数据,采用三维场景模型进行河床变化推演,在进行河床变化推演的情况下,依据河沙淤积量变化数据中的淤积量参数,调整三维场景模型中的河床高度参数。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述的基于三维场景模型的河床变化仿真推演方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的基于三维场景模型的河床变化仿真推演方法。
图4是根据本发明实施例的一种用于基于三维场景模型的河床变化仿真推演方法的电子设备(或移动设备)的硬件结构框图。如图4所示,电子设备可以包括一个或多个(图中采用402a、402b,……,402n来示出)处理器402(处理器402可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器404。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解,图4所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,电子设备还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述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,即可以位于一个地方,或者也可以分布到多个单元上。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。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种基于三维场景模型的河床变化仿真推演方法,其特征在于,包括:
采集目标流域的流域数据,并基于所述流域数据建立三维场景模型;
基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演;
在进行所述河床变化推演的情况下,依据所述河沙淤积量变化数据中的淤积量参数,调整所述三维场景模型中的河床高度参数。
2.根据权利要求1所述的仿真推演方法,其特征在于,基于所述流域数据建立三维场景模型的步骤,包括:
处理所述流域数据,得到预设模型数据;
对所述预设模型数据进行预处理,得到初始预设模型数据;
对所述初始预设模型数据中的参数进行拉伸处理,得到目标预设模型数据;
对所述目标预设模型数据进行参数转换,建立依托数字孪生流域场景的所述三维场景模型。
3.根据权利要求1所述的仿真推演方法,其特征在于,在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,还包括:
监测所述目标流域的预设河段,得到水文数据监测信息,其中,所述水文数据监测信息至少包括:含沙量数据;
基于所述水文数据监测信息,生成单位含沙量变化数据;
基于所述单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据。
4.根据权利要求3所述的仿真推演方法,其特征在于,基于所述单位含沙量变化数据中的单位含沙量参数以及历史水文数据,确定河沙淤积量数据的步骤,包括:
获取所述历史水文数据,其中,所述历史水文数据包括:不同河段在不同时间点下的历史单位含沙量参数、历史水流速数据、历史河沙淤积量数据;
基于所述历史水文数据,计算不同时间点下的河沙淤积量系数;
基于所述预设河段中的水流速参数、单位含沙量参数、当前时间点下的所述河沙淤积量系数,确定所述河沙淤积量数据。
5.根据权利要求3或4所述的仿真推演方法,其特征在于,在确定河沙淤积量数据之后,还包括:
基于所述历史水文数据,提取所述预设河段的历史河沙淤积量数据中的参数平均值;
计算所述河沙淤积量数据中的参数值与所述参数平均值之间的绝对差值;
在所述绝对差值大于等于预设差值阈值的情况下,检验所述水文数据监测信息;
在所述绝对差值小于所述预设差值阈值的情况下,确定对所述河沙淤积量数据核算成功。
6.根据权利要求5所述的仿真推演方法,其特征在于,在确定对所述河沙淤积量数据核算成功之后,还包括:
获取第一预设时间段内的所述目标流域的目标数据,其中,所述目标数据包括:流域环境数据、水流速数据、河床高度数据;
基于所述目标数据以及所述河沙淤积量数据,生成以所述第一预设时间段为周期的所述河沙淤积量变化数据,其中,所述河沙淤积量变化数据用于调整所述所述三维场景模型中的参数,以在所述三维场景模型中呈现所述目标流域以所述第一预设时间段为周期的河床高度参数及环境参数演变过程。
7.根据权利要求1所述的仿真推演方法,其特征在于,在基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演之前,还包括:
获取第二预设时间段内的河床数据、历史河沙淤积量数据以及降水量数据;
基于所述河床数据和所述历史河沙淤积量数据,计算所述第二预设时间段内的淤积量平均值;
基于所述降水量数据,确定所述第二预设时间段内的降水量均值变化状态;
基于所述降水量均值变化状态,确定误差等级;
基于所述误差等级,调整所述淤积量平均值,得到预警淤积量阈值。
8.根据权利要求7所述的仿真推演方法,其特征在于,还包括:
在所述淤积量参数大于等于所述预警淤积量阈值的情况下,进行预警处理,其中,所述预警处理包括:
确定第三预设时间内的所述河沙淤积量变化数据的变化状态;
在所述变化状态为第一状态的情况下,确定所述淤积量参数处于第一调整状态,进行第一风险预警处理;
在所述变化状态为第二状态的情况下,确定所述淤积量参数处于第二调整状态,进行第二风险预警处理;
在所述变化状态为第三状态的情况下,确定所述淤积量参数处于第三调整状态,进行第三风险预警处理。
9.根据权利要求8所述的仿真推演方法,其特征在于,进行第三风险预警处理的步骤,包括:
提取处于所述第三调整状态的所述淤积量参数指示的河段的坐标信息;
基于流域环境数据,判断当前天气状况;
在所述当前天气状况为非危险天气状况的情况下,基于所述坐标信息,进行清淤作业;
在所述当前天气状况为危险天气状况的情况下,禁止进行清淤作业。
10.一种基于三维场景模型的河床变化仿真推演装置,其特征在于,包括:
建立单元,用于采集目标流域的流域数据,并基于所述流域数据建立三维场景模型;
推演单元,用于基于水文数据监测信息建立的河沙淤积量变化数据,采用所述三维场景模型进行河床变化推演;
调整单元,用于在进行所述河床变化推演的情况下,依据所述河沙淤积量变化数据中的淤积量参数,调整所述三维场景模型中的河床高度参数。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的基于三维场景模型的河床变化仿真推演方法。
12.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至9中任意一项所述的基于三维场景模型的河床变化仿真推演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211255466.7A CN115659614A (zh) | 2022-10-13 | 2022-10-13 | 基于三维场景模型的河床变化仿真推演方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211255466.7A CN115659614A (zh) | 2022-10-13 | 2022-10-13 | 基于三维场景模型的河床变化仿真推演方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115659614A true CN115659614A (zh) | 2023-01-31 |
Family
ID=84988500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211255466.7A Pending CN115659614A (zh) | 2022-10-13 | 2022-10-13 | 基于三维场景模型的河床变化仿真推演方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659614A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524142A (zh) * | 2023-06-21 | 2023-08-01 | 广东广宇科技发展有限公司 | 一种基于数字孪生的河湖变化数据三维重建方法及系统 |
CN116642536A (zh) * | 2023-05-31 | 2023-08-25 | 交通运输部天津水运工程科学研究所 | 一种基于多源数据的防波堤结构安全监测预警系统 |
CN117172628A (zh) * | 2023-11-03 | 2023-12-05 | 中交广州航道局有限公司 | 一种基于数据分析的挖泥船疏浚作业分析方法 |
CN117541068A (zh) * | 2024-01-10 | 2024-02-09 | 武汉华测卫星技术有限公司 | 基于无人船的崩岸风险评估方法及系统 |
-
2022
- 2022-10-13 CN CN202211255466.7A patent/CN115659614A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116642536A (zh) * | 2023-05-31 | 2023-08-25 | 交通运输部天津水运工程科学研究所 | 一种基于多源数据的防波堤结构安全监测预警系统 |
CN116524142A (zh) * | 2023-06-21 | 2023-08-01 | 广东广宇科技发展有限公司 | 一种基于数字孪生的河湖变化数据三维重建方法及系统 |
CN116524142B (zh) * | 2023-06-21 | 2024-02-09 | 广东广宇科技发展有限公司 | 一种基于数字孪生的河湖变化数据三维重建方法及系统 |
CN117172628A (zh) * | 2023-11-03 | 2023-12-05 | 中交广州航道局有限公司 | 一种基于数据分析的挖泥船疏浚作业分析方法 |
CN117172628B (zh) * | 2023-11-03 | 2024-04-02 | 中交广州航道局有限公司 | 一种基于数据分析的挖泥船疏浚作业分析方法 |
CN117541068A (zh) * | 2024-01-10 | 2024-02-09 | 武汉华测卫星技术有限公司 | 基于无人船的崩岸风险评估方法及系统 |
CN117541068B (zh) * | 2024-01-10 | 2024-04-02 | 武汉华测卫星技术有限公司 | 基于无人船的崩岸风险评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115659614A (zh) | 基于三维场景模型的河床变化仿真推演方法、装置及设备 | |
CN110298076B (zh) | 一种基于gis和swmm的城市内涝智能建模及分析方法 | |
Westoby et al. | Numerical modelling of glacial lake outburst floods using physically based dam-breach models | |
Alaghmand et al. | Comparison between capabilities of HEC-RAS and MIKE11 hydraulic models in river flood risk modelling (a case study of Sungai Kayu Ara River basin, Malaysia) | |
JP6716328B2 (ja) | 浸水リスク診断装置、浸水リスク診断方法、制御装置及びコンピュータプログラム | |
Zischg et al. | Extending coupled hydrological-hydraulic model chains with a surrogate model for the estimation of flood losses | |
CN115600895A (zh) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 | |
CN115909664A (zh) | 基于bim的河道安全预警方法、装置及设备 | |
CN116757097A (zh) | 一种数字孪生水利工程运维监测系统和方法 | |
Pilotti et al. | Dam-break modeling in alpine valleys | |
Kamrath et al. | Assessment of discharge through a dike breach and simulation of flood wave propagation | |
Brussee et al. | Impact of hydraulic model resolution and loss of life model modification on flood fatality risk estimation: Case study of the Bommelerwaard, The Netherlands | |
Lashley et al. | Comparison of deep-water-parameter-based wave overtopping with wirewall field measurements and social media reports at Crosby (UK) | |
CN116542061B (zh) | 河港湖区水系排涝能力勘测数据分析方法 | |
CN114662358A (zh) | 一种通用型桥梁基础局部冲刷深度评估系统 | |
Peyras et al. | Development of an expert‐led GIS‐based approach for assessing the performance of river levees: the D igsure method and tool | |
Dahm et al. | Next generation flood modelling using 3Di: A case study in Taiwan | |
CN116702645A (zh) | 一种中小河流警戒水位拟定方法、系统及可读存储介质 | |
JP2020187105A (ja) | 浸りdas(水害危険区域表示手法) | |
CN112651338B (zh) | 一种输电线路违章施工隐患的判别方法及装置 | |
CN109072721A (zh) | 适用于电力生产工厂回路的供水泵送管理 | |
CN110232477B (zh) | 一种反映下垫面变化影响的洪水预警方法和装置 | |
Reinstaller et al. | Qualitative Techniques to Evaluate Urban Flood Models | |
Mardaid et al. | Implementation of Flood Emergency Response System with Face Analytics | |
Ajmal et al. | Analysis of Flood Risk Management in the Context of Mathematical Models |
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 |