CN115809743A - 一种溃决洪水致灾的态势感知与应急评价方法及系统 - Google Patents
一种溃决洪水致灾的态势感知与应急评价方法及系统 Download PDFInfo
- Publication number
- CN115809743A CN115809743A CN202211696151.6A CN202211696151A CN115809743A CN 115809743 A CN115809743 A CN 115809743A CN 202211696151 A CN202211696151 A CN 202211696151A CN 115809743 A CN115809743 A CN 115809743A
- Authority
- CN
- China
- Prior art keywords
- flood
- emergency
- prediction
- information
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 96
- 230000000694 effects Effects 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 11
- 239000010410 layer Substances 0.000 claims description 51
- 230000002265 prevention Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 20
- 238000002791 soaking Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000035515 penetration Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000003673 groundwater Substances 0.000 claims description 8
- 239000002346 layers by function Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000001556 precipitation Methods 0.000 description 7
- 230000008595 infiltration Effects 0.000 description 6
- 238000001764 infiltration Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007123 defense Effects 0.000 description 5
- 238000006424 Flood reaction Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009172 bursting Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- Alarm Systems (AREA)
Abstract
本发明提供了一种溃决洪水致灾的态势感知与应急评价方法及系统，涉及灾害态势感知技术领域，通过雨量传感器采集获取降雨强度信息，对降雨强度进行实时预测，获得降雨强度预测信息，基于区域地形信息和降雨强度预测信息，获得洪水强度预测信息，确定洪水灾害预测参数，对区域目标结构工程进行实时状态监测获得结构工程物理属性信息，通过态势感知传感网络预测模型进行分析获得结构工程预测洪灾系数，构建洪灾应急管理方案库，基于结构工程预测洪灾系数和洪灾应急管理方案库进行应急评价管理。本发明解决了现有技术中对灾害的应急处理不及时、效果差的技术问题，实现了从全局视角提升对洪水威胁的发现识别、理解分析、响应处置的效果。
Description
技术领域
本发明涉及灾害态势感知技术领域，具体涉及一种溃决洪水致灾的态势感知与应急评价方法及系统。
背景技术
21世纪以来，桥梁、路基工程发展突飞猛进，中国的桥梁、路基技术进步巨大，但资料显示，一旦桥梁、路基发生坍塌，将直接危害出行者的生命安全，同时将给国家造成不可估量的经济损失，造成恶劣的社会影响。概括来说，造成桥梁、路基倒塌的原因包括先天失误、自然灾害和人为灾害，其中因为洪水造成的桥梁、路基塌陷往往是整体性的，危害性巨大，具有突发性，一般难以靠监测来避免，另外，近年来全球变暖引起极端天气现象频发，桥梁、路基工程面临洪水破坏的风险也日益增加。而现今常用的灾害态势感知方法还存在着一定的弊端，对于灾害态势感知还存在着一定的可提升空间。
现有的灾害态势感知技术中由于对于溃决洪水致灾的掌握与预测不准确，进而导致对灾害的应急处理不及时、效果差。
发明内容
本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法及系统，用于针对解决现有技术中对于溃决洪水致灾的掌握与预测不准确，进而导致对灾害的应急处理不及时、效果差的技术问题。
鉴于上述问题，本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法及系统。
第一方面，本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法，所述方法包括：通过雨量传感器采集获取降雨强度信息；根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；根据所述洪水强度预测信息，确定洪水灾害预测参数；对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
第二方面，本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价系统，所述系统包括：降雨强度采集模块，所述降雨强度采集模块用于通过雨量传感器采集获取降雨强度信息；降雨强度预测模块，所述降雨强度预测模块用于根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；洪水强度预测模块，所述洪水强度预测模块用于获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；洪水灾害预测模块，所述洪水灾害预测模块用于根据所述洪水强度预测信息，确定洪水灾害预测参数；结构工程监测模块，所述结构工程监测模块用于对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；结构工程分析模块，所述结构工程分析模块用于将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；应急评价管理模块，所述应急评价管理模块用于构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种溃决洪水致灾的态势感知与应急评价方法，涉及灾害态势感知技术领域，通过雨量传感器采集获取降雨强度信息，对降雨强度进行实时预测，获得降雨强度预测信息，基于区域地形信息和降雨强度预测信息，获得洪水强度预测信息，以此确定洪水灾害预测参数，对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息，通过态势感知传感网络预测模型进行分析，获得结构工程预测洪灾系数，构建洪灾应急管理方案库，基于结构工程预测洪灾系数和洪灾应急管理方案库进行应急评价管理。解决了现有技术中对于溃决洪水致灾的掌握与预测不准确，进而导致对灾害的应急处理不及时、效果差的技术问题，实现对洪水强度的预测，以及对桥梁、路基抗洪能力动态、整体的掌控，达到从全局视角提升对洪水威胁的发现识别、理解分析、响应处置的效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法流程示意图；
图2为本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法中获取降雨强度预测信息流程示意图；
图3为本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法中获得洪水强度预测信息流程示意图；
图4为本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价系统结构示意图。
附图标记说明：降雨强度采集模块10，降雨强度预测模块20，降雨强度预测模块30，洪水灾害预测模块40，结构工程监测模块50，结构工程分析模块60，应急评价管理模块70。
具体实施方式
本申请实施例通过提供一种溃决洪水致灾的态势感知与应急评价方法，用于针对解决现有技术中对于溃决洪水致灾的掌握与预测不准确，进而导致对灾害的应急处理不及时、效果差的技术问题。
实施例一
如图1所示，本申请实施例提供了一种溃决洪水致灾的态势感知与应急评价方法，该方法应用于一种溃决洪水致灾的态势感知与应急评价系统，该方法包括：
步骤S100：通过雨量传感器采集获取降雨强度信息；
具体而言，本申请实施例提供的一种溃决洪水致灾的态势感知与应急评价方法应用于一种溃决洪水致灾的态势感知与应急评价系统，该溃决洪水致灾的态势感知与雨量传感器通信连接，该雨量传感器用于对降雨强度进行实时预测。
首先，所述雨量传感器是一种气象学家和水文学家用来测量一段时间内某地区的降水量的仪器，由承水器漏斗、储水筒外筒、储水瓶组成，并配有与其口径成比例的专用量杯，测量时将雨量传感器安置在观测场内固定架子上，器口保持水平，距地面高度70厘米，能通过连续记录液体降水量和降水时数获取降水强度，降水强度即单位时间或某一时段的降水量，降水累积的深度以毫米为单位，计量时段常取6小时、12小时或24小时为一个时段，有时也以10分钟或1小时为一个时段。通过降水强度信息的获取，实现了反映一次降水过程的快慢缓急程度。
步骤S200：根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；
具体而言，通过大数据获取气象降雨数据源信息，对气象降雨数据源信息进行气象因素提取，获得气象关联因素，所述气象关联因素包括气温、气压、湿度、风向、风速、云量、能见度、降水量等，是用于表示大气属性和大气现象的物理量，气象关联因素之间进行物质迁移和能量交换，形成一个互相渗透、互相制约和互相联系的整体。示例性地，通过当地的气压预测降水情况，高气压气流下沉导致大气增温，水汽蒸发，难以形成降水，低压气流上升导致水汽容易凝结，易形成降水；气温影响大气相对空气湿度，湿度越低大气中的水分越少，无法有效析出凝结，则难以形成降水。通过降雨强度信息获取某一时段的实时降水量，通过气象关联因素对降水情况进行预测，二者结合即可得到降雨强度预测信息，即未来某一时段的降水量。实现了对降水情况的预测，为后续的洪水预测打下基础。
步骤S300：获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；
具体而言，所述区域地形信息包括地形、高度、面积、土质等，对所述区域地形信息进行雨量损失分析，获得地面集水参数和地面渗透参数，根据所述地面集水参数和地面渗透参数，确定雨量衰减系数，将所述降雨强度预测信息和所述雨量衰减系数的比值，作为降雨汇流强度信息，对所述降雨汇流强度信息进行等级划分，获得所述洪水强度预测信息。实现了对洪水强度的精准掌握，对洪峰水位、洪水过程、洪量等洪水要素进行实时预测，为洪水防控提供决策依据。
步骤S400：根据所述洪水强度预测信息，确定洪水灾害预测参数；
具体而言，洪涝灾害的活动强度—般用洪水三要素以及重现期、水深、历时、含已多量这几个指标进行描述，其中，洪水三要素即洪峰水位、洪水总量和洪水历时；洪水重现期是描述洪水活动强度的最为普遍的一种方法，洪水重现期越长，频率越低，表示洪水的强度越大；水深、历时表示洪水在洪泛平原上漫溢的水深和持续时间。提取洪水强度预测信息中的洪灾强度、持续时间、波及范围作为洪水灾害预测参数。通过获取洪水灾害预测参数，实现定量描述洪灾风险的演变过程，达到洪灾的风险评估与预测，进而为防灾决策提供依据的效果。
步骤S500：对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；
具体而言，所述区域目标结构工程为洪水灾害区域内的桥梁和路基结构等结构工程，通过测量传感器对区域目标结构工程进行实时状态监测，测量传感器包括固定式测斜仪、渗压计、激光测距传感器等，通过光纤、无线网桥等进行数据传输，实现现场实际情况的布置和接收，将采集到的数据进行实时处理、分析、显示，得到结构工程物理属性信息，包括区域目标结构工程的变形、应力、应变、振动、环境等，实现有效的监控洪灾期间区域目标结构工程的安全健康状态，为区域目标结构工程的维护提供科学的数据支撑，确保区域目标结构工程的安全运营。
步骤S600：将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；
具体而言，所述态势感知传感网络预测模型是一种基于环境动态、整体地洞悉安全风险的模型，是以安全大数据为基础，从全局视角提升对安全威胁的发现识别、理解分析、响应处置。所述态势感知传感网络预测模型为基于BP神经网络构建的模型，通常采用基于BP神经元的多层前向神经网络结构形式，包括输入层、防灾性能评估层、洪灾危害预测层和输出层，各层次之间的神经元形成全互联连接，各层次内的神经元之间没有连接。
将所述结构工程物理属性信息通过输入层输入至所述防灾性能评估层中，获得结构工程防灾性能等级，基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，获得结构工程预测洪灾系数，将所述结构工程预测洪灾系数作为模型输出结果通过所述输出层进行输出。通过态势感知传感网络预测模型的构建，实现了对区域目标结构工程抗洪能力动态、整体的掌控，为实施洪灾应急管理打下基础。
步骤S700：构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
具体而言，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行初始匹配，获得洪灾应急初始管理方案，对所述洪灾应急初始管理方案进行应急效果评价，获得应急效果评价系数，将所述应急效果评价系数和预设应急效果的差值，作为应急方案优化系数，基于所述应急方案优化系数对所述洪灾应急初始管理方案进行参数优化，获得洪灾应急优化管理方案，并基于所述洪灾应急优化管理方案进行洪灾应急管理。实现了根据结构工程的实时情况对应急管理方案进行调整和优化，达到从全局视角提升对洪水威胁的发现识别、理解分析、响应处置的效果。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：通过大数据获取气象降雨数据源信息；
步骤S220：对所述气象降雨数据源信息进行气象因素提取，获得气象相关因素信息；
步骤S230：对所述气象相关因素信息进行主成分分析，获得气象关联因素；
步骤S240：基于所述气象降雨数据源信息和所述气象关联因素进行数据拟合，获得降雨强度预测模型；
步骤S250：基于所述降雨强度预测模型和所述降雨强度信息，获得所述降雨强度预测信息。
具体而言，通过大数据，如中国气象数据网等，获取实时天气实况作为气象降雨数据源信息，提取气象降雨数据源信息中的气象因素，包括气温、气压、湿度、风向、风速、云量、能见度、降水量等，作为气象相关因素信息，通过正交变换将气象相关因素信息中可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分，主成分分析是对于原先提出的所有变量，将重复的变量或者关系紧密的变量删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息，以此获得气象关联因素。通过MATLAB获取最小二乘平方曲面拟合函数，获得降雨强度与气象关联因素的关系为直线y＝ax+b，直线斜率为a，以此构建降雨强度预测模型，将实时的气象关联因素输入降雨强度预测模型对降水情况进行预测，通过降雨强度信息获取某一时段的实时降水量，二者结合即可得到降雨强度预测信息，即未来某一时段的降水量。实现了对降水情况的预测，为后续的洪水预测打下基础。
进一步而言，如图3所示，本申请步骤S300还包括：
步骤S310：对所述区域地形信息进行雨量损失分析，获得地面集水参数和地面渗透参数；
步骤S320：根据所述地面集水参数和地面渗透参数，确定雨量衰减系数；
步骤S330：将所述降雨强度预测信息和所述雨量衰减系数的比值，作为降雨汇流强度信息；
步骤S340：对所述降雨汇流强度信息进行等级划分，获得所述洪水强度预测信息。
具体而言，所述区域地形信息包括地形、高度、面积、土质等，在降雨过程中，雨落到地面会有一部分会形成积水，还有一部分会穿过土壤表面渗入到下层土壤中，不参与洪水的形成，对于不同的区域地形有不同的集水、渗水能力。通过计算可得某时间t的入渗率为fp＝fc+(f0-fc)e-kt,其中入渗率f表示单位时间内的入渗量，fc为最终或平衡入渗率，f0为最初入渗率，k为递减率常数，即单位时间内渗水递减的百分比，由区域地形决定，fp表征着地面渗透参数，雨量衰减系数a＝fp*t*100％。降雨强度预测信息为某时间t的累计降雨强度，降雨汇流强度信息为所述降雨强度预测信息和所述雨量衰减系数的比值，降雨汇流强度为某一范围、某一时间内降雨的集中强度。将降雨汇流强度根据汇流的影响程度进行等级划分，将划分结果作为洪水强度预测信息。实现了对洪水强度的精准掌握，对洪峰水位、洪水过程、洪量等洪水要素进行实时预测，为洪水防控提供决策依据。
进一步而言，本申请步骤S600还包括：
步骤S610：所述态势感知传感网络预测模型包括输入层、防灾性能评估层、洪灾危害预测层和输出层；
步骤S620：将所述结构工程物理属性信息通过输入层输入至所述防灾性能评估层中，获得结构工程防灾性能等级；
步骤S630：基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，获得结构工程预测洪灾系数；
步骤S640：将所述结构工程预测洪灾系数作为模型输出结果通过所述输出层进行输出。
具体而言，所述态势感知传感网络预测模型为基于BP神经网络构建的模型，通常采用基于BP神经元的多层前向神经网络结构形式，包括输入层、若干隐藏层和输出层，隐藏层与外界没有直接的联系，但其状态的改变，则能影响输入与输出之间的关系，每一层可以有若干个节点。所述态势感知传感网络预测模型的隐藏层为防灾性能评估层和洪灾危害预测层。
根据所述结构工程的物理属性信息对不同等级的洪水的防御效果建立多对多的映射关系，构建防灾性能评估层，示例性地，将结构工程的物理属性信息根据属性将其分级，级别越高越稳固，对洪水的防御能力越强，将洪水等级分n级，μ1，μ2，μ3...μn，级别越高，洪水强度越大，造成的破坏也越大，根据映射关系，获取到不同结构工程的物理属性信息对于不同等级的洪水的防御效果：x1、x2、x3...xP，其中，防御效果的数量P为映射关系的映射层数，将n个洪水等级与P个防御效果进行层次拟合计算，得到第一防灾性能指标W1＝μ1·x1+μ2·x2+...+μn·xP，第一防灾性能指标为基于结构工程的物理属性信息的结构工程防灾性能等级。
所述洪灾危害预测层包括洪灾冲击危害预测功能层和洪灾浸泡危害预测功能层，基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，分别获得洪灾冲击危害预测系数和洪灾浸泡危害预测系数，根据所述洪灾冲击危害预测系数和洪灾浸泡危害预测系数，输出所述结构工程预测洪灾系数。通过态势感知传感网络预测模型的构建，实现了对区域目标结构工程抗洪能力动态、整体的掌控，为实施洪灾应急管理打下基础。
进一步而言，本申请步骤S630还包括：
步骤S631：所述洪灾危害预测层包括洪灾冲击危害预测功能层和洪灾浸泡危害预测功能层；
步骤S632：基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，分别获得洪灾冲击危害预测系数和洪灾浸泡危害预测系数；
步骤S633：根据所述洪灾冲击危害预测系数和洪灾浸泡危害预测系数，输出所述结构工程预测洪灾系数。
具体而言，洪水形成的湍流会对钢筋混凝土结构桥梁、路面造成冲击，积水对于桥梁、路面的基础进行侵蚀，造成垮塌。洪水灾害预测参数包括洪水强度预测信息中的洪灾强度、持续时间、波及范围，基于结构工程防灾性能等级与洪水灾害预测参数中的洪灾强度的映射关系构建洪灾冲击危害预测功能层，基于结构工程防灾性能等级与洪水灾害预测参数中的持续时间的映射关系构建洪灾冲击危害预测功能层，通过洪灾冲击危害预测功能层和洪灾冲击危害预测功能层分别获得洪灾冲击危害预测系数和洪灾浸泡危害预测系数，根据实际情况对洪灾冲击危害预测系数和洪灾浸泡危害预测系数进行赋权，如洪灾冲击危害预测系数占60％，洪灾浸泡危害预测系数占40％，则结构工程预测洪灾系数为60％的洪灾冲击危害预测系数与40％的洪灾浸泡危害预测系数的和。
进一步而言，本申请步骤S700包括：
步骤S710：基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行初始匹配，获得洪灾应急初始管理方案；
步骤S720：对所述洪灾应急初始管理方案进行应急效果评价，获得应急效果评价系数；
步骤S730：将所述应急效果评价系数和预设应急效果的差值，作为应急方案优化系数；
步骤S740：基于所述应急方案优化系数对所述洪灾应急初始管理方案进行参数优化，获得洪灾应急优化管理方案，并基于所述洪灾应急优化管理方案进行洪灾应急管理。
具体而言，为了确保抗洪工作的高效开展，需要提前进行细致的方案准备工作，对所有级别的洪灾和可能发生的情况进行预演，制定应急方案，以此构建洪灾应急管理方案库。将得到的结构工程预测洪灾系数在方案库中进行搜寻，匹配到符合的洪灾应急初始管理方案。构建应急方案评价指标，所述应急方案评价指标包括应急资源完备性、应急资源匹配度、应急响应效率，按照所述应急方案评价指标对所述洪灾应急初始管理方案进行应急效果评价，获得应急方案评价分值矩阵，基于所述应急方案评价分值矩阵进行加权计算，获得所述应急效果评价系数。
将应急效果评价系数和预设应急效果进行差值计算，以此作为应急方案优化系数，基于应急方案优化系数对应急资源完备性、应急资源匹配度、应急响应效率进行调整，直至达到预设应急效果。实现了根据结构工程的实时情况对应急管理方案进行调整和优化，达到从全局视角提升对洪水威胁的发现识别、理解分析、响应处置的效果。
进一步而言，本申请步骤S720还包括：
步骤S721：构建应急方案评价指标，所述应急方案评价指标包括应急资源完备性、应急资源匹配度、应急响应效率；
步骤S722：按照所述应急方案评价指标对所述洪灾应急初始管理方案进行应急效果评价，获得应急方案评价分值矩阵；
步骤S723：基于所述应急方案评价分值矩阵进行加权计算，获得所述应急效果评价系数。
具体而言，以应急资源完备性为x轴，应急资源匹配度为y轴，应急响应效率为z轴，搭建应急方案评价模型，根据应急方案评价模型获取第一应急方案评价指标P的向量
输出|OP|作为第一应急方案评价分值矩阵。对应急资源完备性、应急资源匹配度、应急响应效率进行赋权，如应急资源完备性50％、应急资源匹配度30％、应急响应效率20％，通过计算的得到应急效果评价系数j＝50％·x+30％·y+20％·z。
实施例二
基于与前述实施例中一种溃决洪水致灾的态势感知与应急评价方法相同的发明构思，如图4所示，本申请提供了一种溃决洪水致灾的态势感知与应急评价系统，系统包括：
降雨强度采集模块10，所述降雨强度采集模块10用于通过雨量传感器采集获取降雨强度信息；
降雨强度预测模块20，所述降雨强度预测模块20用于根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；
降雨强度预测模块30，所述洪水强度预测模块30用于获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；
洪水灾害预测模块40，所述洪水灾害预测模块40用于根据所述洪水强度预测信息，确定洪水灾害预测参数；
结构工程监测模块50，所述结构工程监测模块50用于对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；
结构工程分析模块60，所述结构工程分析模块60用于将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；
应急评价管理模块70，所述应急评价管理模块70用于构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
进一步而言，系统还包括：
数据源信息获取模块，用于通过大数据获取气象降雨数据源信息；
气象因素提取模块，用于对所述气象降雨数据源信息进行气象因素提取，获得气象相关因素信息；
主成分分析模块，用于对所述气象相关因素信息进行主成分分析，获得气象关联因素；
数据拟合模块，用于基于所述气象降雨数据源信息和所述气象关联因素进行数据拟合，获得降雨强度预测模型；
降雨强度预测信息获取模块，用于基于所述降雨强度预测模型和所述降雨强度信息，获得所述降雨强度预测信息。
进一步而言，系统还包括：
雨量损失分析模块，用于对所述区域地形信息进行雨量损失分析，获得地面集水参数和地面渗透参数；
雨量衰减系数获取模块，用于根据所述地面集水参数和地面渗透参数，确定雨量衰减系数；
降雨汇流强度信息获取模块，用于将所述降雨强度预测信息和所述雨量衰减系数的比值，作为降雨汇流强度信息；
等级划分模块，用于对所述降雨汇流强度信息进行等级划分，获得所述洪水强度预测信息。
进一步而言，系统还包括：
防灾性能等级获取模块，用于将所述结构工程物理属性信息通过输入层输入至所述防灾性能评估层中，获得结构工程防灾性能等级；
洪灾分析预测模块，用于基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，获得结构工程预测洪灾系数；
预测洪灾系数获取模块，用于将所述结构工程预测洪灾系数作为模型输出结果通过所述输出层进行输出。
进一步而言，系统还包括：
分析预测模块，用于基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，分别获得洪灾冲击危害预测系数和洪灾浸泡危害预测系数；
预测洪灾系数输出模块，用于根据所述洪灾冲击危害预测系数和洪灾浸泡危害预测系数，输出所述结构工程预测洪灾系数。
进一步而言，系统还包括：
初始匹配模块，用于基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行初始匹配，获得洪灾应急初始管理方案；
应急效果评价模块，用于对所述洪灾应急初始管理方案进行应急效果评价，获得应急效果评价系数；
应急方案优化系数获取模块，用于将所述应急效果评价系数和预设应急效果的差值，作为应急方案优化系数；
参数优化模块，用于基于所述应急方案优化系数对所述洪灾应急初始管理方案进行参数优化，获得洪灾应急优化管理方案，并基于所述洪灾应急优化管理方案进行洪灾应急管理。
进一步而言，系统还包括：
评价指标构建模块，用于构建应急方案评价指标，所述应急方案评价指标包括应急资源完备性、应急资源匹配度、应急响应效率；
应急效果评价模块，用于按照所述应急方案评价指标对所述洪灾应急初始管理方案进行应急效果评价，获得应急方案评价分值矩阵；
加权计算模块，用于基于所述应急方案评价分值矩阵进行加权计算，获得所述应急效果评价系数。
本说明书通过前述对一种溃决洪水致灾的态势感知与应急评价方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种溃决洪水致灾的态势感知与应急评价方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种溃决洪水致灾的态势感知与应急评价方法，其特征在于，所述方法包括：
通过雨量传感器采集获取降雨强度信息；
根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；
获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；
根据所述洪水强度预测信息，确定洪水灾害预测参数；
对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；
将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；
构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
2.如权利要求1所述的方法，其特征在于，所述获得降雨强度预测信息，包括：
通过大数据获取气象降雨数据源信息；
对所述气象降雨数据源信息进行气象因素提取，获得气象相关因素信息；
对所述气象相关因素信息进行主成分分析，获得气象关联因素；
基于所述气象降雨数据源信息和所述气象关联因素进行数据拟合，获得降雨强度预测模型；
基于所述降雨强度预测模型和所述降雨强度信息，获得所述降雨强度预测信息。
3.如权利要求1所述的方法，其特征在于，所述获得洪水强度预测信息，包括：
对所述区域地形信息进行雨量损失分析，获得地面集水参数和地面渗透参数；
根据所述地面集水参数和地面渗透参数，确定雨量衰减系数；
将所述降雨强度预测信息和所述雨量衰减系数的比值，作为降雨汇流强度信息；
对所述降雨汇流强度信息进行等级划分，获得所述洪水强度预测信息。
4.如权利要求1所述的方法，其特征在于，所述获得结构工程预测洪灾系数，包括：
所述态势感知传感网络预测模型包括输入层、防灾性能评估层、洪灾危害预测层和输出层；
将所述结构工程物理属性信息通过输入层输入至所述防灾性能评估层中，获得结构工程防灾性能等级；
基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，获得结构工程预测洪灾系数；
将所述结构工程预测洪灾系数作为模型输出结果通过所述输出层进行输出。
5.如权利要求4所述的方法，其特征在于，所述基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，包括：
所述洪灾危害预测层包括洪灾冲击危害预测功能层和洪灾浸泡危害预测功能层；
基于所述洪灾危害预测层对所述结构工程防灾性能等级和所述洪水灾害预测参数进行分析预测，分别获得洪灾冲击危害预测系数和洪灾浸泡危害预测系数；
根据所述洪灾冲击危害预测系数和洪灾浸泡危害预测系数，输出所述结构工程预测洪灾系数。
6.如权利要求1所述的方法，其特征在于，所述基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理，包括：
基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行初始匹配，获得洪灾应急初始管理方案；
对所述洪灾应急初始管理方案进行应急效果评价，获得应急效果评价系数；
将所述应急效果评价系数和预设应急效果的差值，作为应急方案优化系数；
基于所述应急方案优化系数对所述洪灾应急初始管理方案进行参数优化，获得洪灾应急优化管理方案，并基于所述洪灾应急优化管理方案进行洪灾应急管理。
7.如权利要求6所述的方法，其特征在于，所述对所述洪灾应急初始管理方案进行应急效果评价，获得应急效果评价系数，包括：
构建应急方案评价指标，所述应急方案评价指标包括应急资源完备性、应急资源匹配度、应急响应效率；
按照所述应急方案评价指标对所述洪灾应急初始管理方案进行应急效果评价，获得应急方案评价分值矩阵；
基于所述应急方案评价分值矩阵进行加权计算，获得所述应急效果评价系数。
8.一种溃决洪水致灾的态势感知与应急评价系统，其特征在于，所述系统包括：
降雨强度采集模块，所述降雨强度采集模块用于通过雨量传感器采集获取降雨强度信息；
降雨强度预测模块，所述降雨强度预测模块用于根据气象关联因素和所述降雨强度信息对降雨强度进行实时预测，获得降雨强度预测信息；
洪水强度预测模块，所述洪水强度预测模块用于获得区域地形信息，基于所述区域地形信息和所述降雨强度预测信息，获得洪水强度预测信息；
洪水灾害预测模块，所述洪水灾害预测模块用于根据所述洪水强度预测信息，确定洪水灾害预测参数；
结构工程监测模块，所述结构工程监测模块用于对区域目标结构工程进行实时状态监测，获得结构工程物理属性信息；
结构工程分析模块，所述结构工程分析模块用于将所述洪水灾害预测参数和所述结构工程物理属性信息输入态势感知传感网络预测模型中进行分析，获得结构工程预测洪灾系数；
应急评价管理模块，所述应急评价管理模块用于构建洪灾应急管理方案库，基于所述结构工程预测洪灾系数和所述洪灾应急管理方案库进行应急评价管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696151.6A CN115809743B (zh) | 2022-12-28 | 2022-12-28 | 一种溃决洪水致灾的态势感知与应急评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696151.6A CN115809743B (zh) | 2022-12-28 | 2022-12-28 | 一种溃决洪水致灾的态势感知与应急评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115809743A true CN115809743A (zh) | 2023-03-17 |
| CN115809743B CN115809743B (zh) | 2024-04-16 |
Family
ID=85486924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211696151.6A Active CN115809743B (zh) | 2022-12-28 | 2022-12-28 | 一种溃决洪水致灾的态势感知与应急评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115809743B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101690181B1 (ko) * | 2015-07-16 | 2017-01-09 | 한국외국어대학교 연구산학협력단 | 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법. |
| CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
| CN110009158A (zh) * | 2019-04-11 | 2019-07-12 | 中国水利水电科学研究院 | 台风暴雨洪水灾害全生命周期监测方法及系统 |
| CN111582755A (zh) * | 2020-05-20 | 2020-08-25 | 中国水利水电科学研究院 | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 |
| CN115169771A (zh) * | 2022-01-18 | 2022-10-11 | 长安大学 | 一种洪涝灾害影响下的交通网效率受损快速评估方法 |
| CN115422782A (zh) * | 2022-11-03 | 2022-12-02 | 北京恒润安科技有限公司 | 一种基于水文模型的洪水预报系统 |
-
2022
- 2022-12-28 CN CN202211696151.6A patent/CN115809743B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101690181B1 (ko) * | 2015-07-16 | 2017-01-09 | 한국외국어대학교 연구산학협력단 | 돌발홍수지수 예측을 이용한 돌발홍수 모니터링 방법. |
| CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
| CN110009158A (zh) * | 2019-04-11 | 2019-07-12 | 中国水利水电科学研究院 | 台风暴雨洪水灾害全生命周期监测方法及系统 |
| CN111582755A (zh) * | 2020-05-20 | 2020-08-25 | 中国水利水电科学研究院 | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 |
| CN115169771A (zh) * | 2022-01-18 | 2022-10-11 | 长安大学 | 一种洪涝灾害影响下的交通网效率受损快速评估方法 |
| CN115422782A (zh) * | 2022-11-03 | 2022-12-02 | 北京恒润安科技有限公司 | 一种基于水文模型的洪水预报系统 |
Non-Patent Citations (4)
| Title |
|---|
| XING CHEN;SHUAI HUANG;XING CHEN;LINGNAN DU;ZONGWU WANG;YINGYING LIANG;WAN ZHANG;JINGLAN FENG;: "Novel insights into impacts of the "7.20" extreme rainstorm event on water supply security of Henan Province, China: levels and health risks of tap water disinfection by-products.", JOURNAL OF HAZARDOUS MATERIALS, no. 6, 24 June 2023 (2023-06-24), pages 131 - 323 * |
| 刘传正;沈伟志;黄帅;: "中国地质灾害预防应对战略思考", 灾害学, no. 3, 30 September 2022 (2022-09-30), pages 1 - 4 * |
| 吴滨滨;喻海军;马建明;孙庚;穆杰;: "基于水动力学模型的城区防洪能力评估研究", 中国水利水电科学研究院学报(中英文), 26 December 2023 (2023-12-26), pages 1 - 14 * |
| 魏超群: "水库实时防洪预报调度全过程风险分析", 中国优秀硕士学位论文全文数据库 (基础科学辑), no. 2, 28 February 2023 (2023-02-28), pages 012 - 100 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115809743B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102242977B1 (ko) | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 | |
| CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
| CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
| CN113222283A (zh) | 一种基于数字孪生的山洪预报预警方法及系统 | |
| CN111795681A (zh) | 一种山洪灾害预警方法、装置、服务器及存储介质 | |
| CN116580532A (zh) | 一种基于雷达遥感技术的地质灾害预警系统 | |
| CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
| CN109886456B (zh) | 基于pca与混合核函数lssvr的泥石流预测方法 | |
| CN113554849A (zh) | 一种空天地监测边坡系统及其失稳风险评估方法 | |
| CN113869689A (zh) | 一种基于遥感和地理信息系统的生态环境动态监测方法 | |
| CN115017591A (zh) | 建筑结构群抗震性能评估方法 | |
| CN112289006B (zh) | 山体滑坡风险监测预警方法和系统 | |
| CN113987813A (zh) | 一种基于多参数决策和层次分析法的滑坡敏感性制图模型 | |
| CN117831231B (zh) | 一种对易淹易涝片区进行积淹预警的方法 | |
| CN115422766A (zh) | 一种基于数字孪生技术的泥石流监测方法及系统 | |
| CN116110210B (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
| CN115809743B (zh) | 一种溃决洪水致灾的态势感知与应急评价方法及系统 | |
| CN209433536U (zh) | 一种泥石流监测预警装置 | |
| CN116050837A (zh) | 一种面向尾矿库多元灾害的综合监测预警和安全评估方案 | |
| Wardhana et al. | Fuzzy logic method design for landslide vulnerability | |
| Nugraha et al. | Analysis of Risk Assessment of Mount Merapi Eruption in Settlement Area of Sleman Regency | |
| CN116187769B (zh) | 基于情景模拟的城镇洪涝灾害风险研判方法 | |
| CN118135744B (zh) | 一种基于遥感技术的地质灾害快速评估方法 | |
| Ara et al. | Urban Area Growth Monitoring in Sylhet City Using Remote Sensing and Geographic Information System from 2002 to 2017 | |
| Kong et al. | Risk Assessment of Mountainous Roadside Slopes Under Typhoon Disaster Based on Big Data Analysis |
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 |