CN116050191B - 应用于城市河流的水量控制方法、装置和电子设备 - Google Patents
应用于城市河流的水量控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116050191B CN116050191B CN202310333565.0A CN202310333565A CN116050191B CN 116050191 B CN116050191 B CN 116050191B CN 202310333565 A CN202310333565 A CN 202310333565A CN 116050191 B CN116050191 B CN 116050191B
- Authority
- CN
- China
- Prior art keywords
- water
- river
- information
- target
- replenishing
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 570
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000001502 supplementing effect Effects 0.000 claims abstract description 100
- 238000001556 precipitation Methods 0.000 claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001704 evaporation Methods 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 239000013049 sediment Substances 0.000 claims description 7
- 238000006703 hydration reaction Methods 0.000 claims description 6
- 230000008595 infiltration Effects 0.000 claims description 5
- 238000001764 infiltration Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 230000036571 hydration Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003020 moisturizing effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了应用于城市河流的水量控制方法、装置和电子设备。该方法的一具体实施方式包括:确定目标河道对应的预测降水量和河道水量信息;根据预测降水量、河道水量信息和目标水动力模型,生成针对目标河道的河道补水信息;确定补水水源信息集合;根据补水水源信息集合和河道补水信息,生成针对目标河道的补水策略信息;根据目标水动力模型和补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;响应于确定模拟补水量信息对应的补水量满足补水条件,根据补水策略信息,对目标河道进行自动化补水。该实施方式实现了对城市河流水位的精准控制。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及应用于城市河流的水量控制方法、装置和电子设备。
背景技术
城市河流多数为人工修葺,其主要功能包括防洪、景观和灌溉等。但由于城市河流的上游来水不稳定,极易造成城市河流水量不足,水质变差等问题,进而造成周围生态环境的恶化。因此,需要对城市河流的水位进行及时调整,以保证城市河流的功能。目前,在对城市河流进行水量控制时,通常采用的方式为:通过人工巡查的方式,进行城市河流的水量控制。
然而,发明人发现,当采用上述方式时,经常会存在如下技术问题:
第一,采用人工的方式进行城市河流的水量控制,难以实现对城市河流水位的精准控制,控制效果较差;
第二,在进行城市河流的水量控制时,往往需要结合多水源以达到河流补水的目的,采用人工方式,控制成本较高,难以高效地进行最优水量控制;
第三,河流补水过程中,河道阀门极易被上游所携带来的杂物堵塞,人工巡查的方式,难以及时有效地发现堵塞点。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了应用于城市河流的水量控制方法、装置和电子设备,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种应用于城市河流的水量控制方法,该方法包括:确定目标河道对应的预测降水量和河道水量信息,其中,上述预测降水量为预测的上述目标河道所在区域在目标时间段内的降水量;根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型;确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量;根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息;根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。
第二方面,本公开的一些实施例提供了一种应用于城市河流的水量控制装置,装置包括:第一确定单元,被配置成确定目标河道对应的预测降水量和河道水量信息,其中,上述预测降水量为预测的上述目标河道所在区域在目标时间段内的降水量;第一生成单元,被配置成根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型;第二确定单元,被配置成确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量;第二生成单元,被配置成根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息;仿真模拟单元,被配置成根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;自动化补水单元,被配置成响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的应用于城市河流的水量控制方法,实现了对城市河流水位的精准控制,提高了控制效果。具体来说,造成城市河流水位控制精度较低的原因在于:采用人工的方式进行城市河流的水量控制,难以实现对城市河流水位的精准控制,控制效果较差。实际情况中,在城市中往往需要布置一定数量的城市河流,用于对城市环境进行调节。如,当降水量较少时,可以通过城市河流保持周围区域的水土稳定。又如,当降水量较大时,也可以通过城市河流实现防洪和泄洪,以此避免城市内涝等情况的出现。而采用人工的方式对较多数量且分部较为分散的城市河流进行水量控制,控制精度较差,进而导致控制效果较差。基于此,本公开的一些实施例的应用于城市河流的水量控制方法,首先,确定目标河道对应的预测降水量和河道水量信息。实践中,降雨作为城市河道的补水途径之一,因此在进行城市河道补水时需要结合城市河道的降水量。其次,根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型。实践中,降雨难以对城市河道的水量进行有效补充,因此,需要在结合降水量的基础上,确定城市河道的补水量。接着,确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量。实际情况中,为保证城市河道内的水流动,往往存在复杂的河网,因此在补水前,需要确定可以用于补水的补水水源。进一步,根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息。通过生成补水策略信息实现对多个补水水源的水量综合调配,实现调配成本最优化。除此之外,根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息。通过仿真模拟确定补水效果的有效性。最后,响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。通过此种方式,实现了对城市河流的自动补水,以此实现了对城市河流水位的精准控制。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的应用于城市河流的水量控制方法的一些实施例的流程图;
图2是根据本公开的应用于城市河流的水量控制装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的应用于城市河流的水量控制方法的一些实施例的流程100。该应用于城市河流的水量控制方法,包括以下步骤:
步骤101,确定目标河道对应的预测降水量和河道水量信息。
在一些实施例中,应用于城市河流的水量控制方法的执行主体(例如,计算设备)可以确定目标河道对应的预测降水量和河道水量信息。其中,预测降水量为预测的上述目标河道所在区域在目标时间段内的降水量。目标河道可以是待进行水量控制的河道。目标时间段可以是当前时间后的N天。实践中,为确保预测降水量的准确性,目标时间段可以是当前时间后的2天。上述河道水量信息可以表征上述目标河道内的当前水量。实践中,上述河道水量信息也可以通过目标河道的水位表示。
作为示例,首先,上述执行主体可以获取上述目标河道所在区域在目标时间段内的天气预报信息。然后,上述执行主体可以从上述天气预报信息中解析出上述预测降水量。
作为又一示例,当上述河道水量信息表征上述目标河道的水位时,上述执行主体可以通过水位监测仪,确定上述河道水量信息。当上述河道水量信息表征上述目标河道的水量时,上述执行主体可以通过上述水位监测仪监测得到的水位和上述目标河道对应的三维模型,确定上述目标河道的存水量,以生成上述河道水量信息。
需要说明的是,上述计算设备可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。应该理解,计算设备的数目根据实现需要,可以具有任意数目的计算设备。
步骤102,根据预测降水量、河道水量信息和目标水动力模型,生成针对目标河道的河道补水信息。
在一些实施例中,上述执行主体可以根据预测降水量、河道水量信息和目标水动力模型,生成针对目标河道的河道补水信息。其中,目标水动力模型是预先构建的、针对上述目标河道的水动力模型。实践中,上述目标水动力模型可以是一维水动力模型。上述河道补水信息可以表征针对上述目标河道的预测补水量。
可选地,上述河道水量信息包括:河道水面蒸发率、地面下渗率、河道蓄水量、河道汇水区面积、河道水深、管渠汇流量和河道入口初始流量。其中,河道水面蒸发率表征目标河道的水面蒸发率。地面下渗率表征目标河道内的地面的水下渗率。河道蓄水量表征目标河道与其它河道或水源的交汇区域的蓄水量。河道汇水区面积表征目标河道与其它河道或水源的交汇区域面积。河道水深表征目标河道与其它河道或水源的交汇区域的水深度。管渠汇流量表征与目标河道相连的管渠的总流量。河道入口初始流量表征目标河道的入库处的初始流量。
在一些实施例中,上述执行主体根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,可以包括以下步骤:
第一步,根据上述预测降水量、上述河道水面蒸发率和地面下渗率,确定河道地面径流率。
作为示例,上述执行主体可以根据上述预测降水量、上述河道水面蒸发率和地面下渗率,通过以下公式,确定河道地面径流率:
第二步,根据上述河道地面径流率、上述河道蓄水量、上述河道汇水区面积和上述河道水深,确定地表汇流量。
作为示例,上述执行主体可以根据上述河道地面径流率、上述河道蓄水量、上述河道汇水区面积和上述河道水深,通过以下公式,确定地表汇流量:
第三步,将上述地表汇流量、上述管渠汇流量和上述河道入口初始流量的和确定为河道总流量。
作为示例,上述执行主体可以通过以下公式表征河道总流量的生成方式:
第四步,根据上述河道总流量和上述目标水动力模型,生成预测河道水位。
其中,上述目标水动力模型对应的模型方程可以如下式:
其中,表示目标河道的过水断面宽度。/>表示预测河道水位。/>表示时间。/>表示河道总流量。/>表示空间坐标。/>表示目标河道的过水断面流速。/>表示重量加速度。表示目标河道的河道糙率。/>表示水力半径。
第五步,将上述目标河道的初始河道水位和上述预测河道水位的水位差,确定为河道水位变化量。
第六步,根据上述河道水位变化量,确定上述河道补水信息。
其中,上述执行主体可以根据上述目标河道对应的三维模型和河道水位变化量,通过积分的方式确定上述河道补水信息。
步骤103,确定补水水源信息集合。
在一些实施例中,上述执行主体可以确定补水水源信息集合。其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量。实践中,补水水源信息对应的水源可以是与上述目标河道直接连接的水源。具体的,补水水源信息可以通过可补水量序列表征。例如,补水水源信息可以[可补水量A,可补水量B,可补水量C]。其中,单位时间粒度可以是1小时。目标时间段可以是3小时。“可补水量A”表征目标时间段内第1个单位时间粒度对应的可补水量。“可补水量B”表征目标时间段内第2个单位时间粒度对应的可补水量。“可补水量C”表征目标时间段内第3个单位时间粒度对应的可补水量。
在一些实施例的一些可选的实现方式中,上述执行主体确定补水水源信息集合,可以包括以下步骤:
第一步,获取河网位置信息图。
其中,河网位置信息图为有向图。上述河网位置信息图中的图节点表征河道,上述河网位置信息图中的图节点之间的有向边表征河道之间存在连接关系。两个图节点之间的有向边的方向表征水流方向。
第二步,以上述目标河道的图节点为中心,对上述河网位置信息图进行图搜索,得到关联河道信息集合。
其中,上述关联河道信息集合中的关联河道信息包括:河道当前水量、河道预测补水量和河道标准水位。河道预测补水量表征预测的、关联河道信息对应的河道在目标时间段内的补水量。河道预测补水量可以表征河道信息对应的河道在目标时间段内的雨水降水量。关联河道信息对应的图节点与上述目标河道对应的图节点通过一条有向边直接连接。关联河道信息对应的图节点与上述目标河道对应的图节点之间的有向边的方向,指向上述目标河道对应的图节点。
第三步,对于上述关联河道信息集合中的每个关联河道信息,执行以下处理步骤:
子步骤1:根据上述关联河道信息包括的河道当前水量和河道预测补水量,确定关联河道预测水位。
其中,上述执行主体可以根据关联河道信息包括的河道当前水量和河道预测补水量,确定更新后水位,作为关联河道预测水位。
子步骤2:响应于确定上述关联河道预测水位和上述关联河道信息包括的河道标准水位的水位差大于等于第二差值,确定上述关联河道信息对应的河道在上述目标时间段内的、以单位时间粒度为时间粒度的各个可补水量,作为补水水源信息。
步骤104,根据补水水源信息集合和河道补水信息,生成针对目标河道的补水策略信息。
在一些实施例中,上述执行主体可以根据补水水源信息集合和河道补水信息,通过强化学习算法,生成针对目标河道的补水策略信息。其中,补水策略信息表征对补水水源信息集合对应的河道进行水量控制,以实现对目标河流进行水量控制的策略信息。
在一些实施例的一些可选的实现方式中,上述执行主体根据补水水源信息集合和河道补水信息,生成针对目标河道的补水策略信息,可以包括以下步骤:
第一步,根据上述补水水源信息集合,随机生成初始种群集合。
其中,上述初始种群集合中的初始种群包括:种群个体集合,种群个体对应补水水源信息。
第二步,根据上述初始种群集合,执行以下补水策略生成步骤:
步骤1:对于初始种群集合中的每个初始种群,根据上述河道补水信息,确定上述初始种群包括的种群个体集合中的各个种群个体的补水代价,得到补水代价信息。
其中,补水代价信息表征通过种群个体对应的河道对目标河道进行补水的补水代价。
步骤2:响应确定得到的补水代价信息集合中存在目标补水代价信息,根据上述目标补水代价信息,生成上述补水策略信息。
其中,上述目标补水代价信息是上述补水代价信息集合中满足筛选条件的补水代价信息。其中,上述筛选条件为:补水代价信息对应的补水代价与上述补水代价信息集合对应的最小补水代价相同。
步骤3:响应于确定上述补水代价信息集合中不存在目标补水代价信息,根据上述补水代价信息集合,对初始种群集合进行种群筛选,得到筛选后种群集合。
步骤4:根据更新算子集合,对筛选后种群集合进行种群更新,得到更新后种群集合。
其中,更新算子集合包括:遗传更新算子,变异更新算子,交叉更新算子。
第三步,将更新后种群集合确定为初始种群集合,再次执行上述补水策略生成步骤。
上述第一步至第三步作为本公开的一个发明点,解决了背景技术提及的技术问题二,即“在进行城市河流的水量控制时,往往需要结合多水源以达到河流补水的目的,采用人工方式,控制成本较高,难以高效地进行最优水量控制”。本公开通过将补水水源信息集合划分为多个初始种群集合,并通过更新算子对筛选后种群集合进行种群更新,以策略最优为目的,实现了补水策略信息的生成,通过此种方式生成的补水策略信息,能够保证多水源补水时的综合补水代价最小,降低了控制成本。
步骤105,根据目标水动力模型和补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息。
在一些实施例中,上述执行主体可以根据目标水动力模型和补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息。其中,模拟补水量信息表征执行补水策略信息对应的补水策略,得到的方针后的补水量。具体的,上述执行主体可以模拟执行补水策略信息对应的补水策略,并通过目标水动力模型作为约束模型,进行河道补水仿真模拟,以生成模拟补水量信息。
步骤106,响应于确定模拟补水量信息对应的补水量满足补水条件,根据补水策略信息,对目标河道进行自动化补水。
在一些实施例中,上述执行主体可以响应于确定模拟补水量信息对应的补水量满足补水条件,根据补水策略信息,对目标河道进行自动化补水。其中,补水条件为补水策略信息对应的补水策略通过人工审核。
可选地,补水策略信息包括:子补水策略信息集合。其中,子补水策略信息集合中的子补水策略信息包括:河道阀门开启时间、河道阀门开度、河道阀门调整时间、河道阀门开度调整量和河道阀门关闭时间。
在一些实施例的一些可选的实现方式中,上述执行主体根据目标水动力模型和补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息,可以包括以下步骤:
对于上述子补水策略信息集合中的每个子补水策略信息,执行以下补水步骤:
第一步,响应到达上述子补水策略信息包括的河道阀门开启时间,控制上述子补水策略信息对应的河道阀门,按照上述子补水策略信息包括的河道阀门开度进行开合。
第二步,响应于到达上述子补水策略信息包括的河道阀门调整时间时,控制上述子补水策略信息对应的河道阀门,按照上述子补水策略信息包括的河道阀门开度调整量进行阀门开合度调整。
第三步,响应于到达上述子补水策略信息包括的河道阀门关闭时间,控制上述子补水策略信息对应的河道阀门关闭。
可选地,模拟补水量信息包括:模拟补水量序列。模拟补水量为模拟的上述目标河道在单位时间粒度的补水量。
可选地,上述方法还包括:
第一步,响应于确定补水时长达到预设时长,确定上述目标河道的实时水位信息。
其中,上述执行主体可以通过水位监测仪,确定上述目标河道的实时水位,得到上述实时水位信息。
第二步,确定上述实时水位信息在上述模拟补水量序列中对应的模拟补水量,作为目标模拟补水量。
第三步,确定上述目标河道以上述目标模拟补水量进行补水后的模拟水位信息。
其中,上述执行主体可以将目标水动力模型作为约束模型,确定上述目标河道以上述目标模拟补水量进行补水后的模拟水位信息。
第四步,响应于确定上述实时水位信息对应的水位与上述模拟水位信息对应的水位差值小于第一差值,继续根据上述模拟补水量信息,对上述目标河道进行自动化补水。
第五步,响应于确定上述实时水位信息对应的水位与上述模拟水位信息对应的水位差值大于等于上述第一差值,根据上述实时水位信息和上述目标水动力模型,对上述补水策略信息进行补水策略优化,得到优化后的补水策略信息。
其中,上述执行主体可以对目标水动力模型对应的模型参数进行调整,并通过模型参数调整后的目标水动力模型进行补水策略更新,得到优化后的补水策略信息。
第六步,根据上述优化后的补水策略信息,对上述目标河道进行自动化补水。
可选地,上述方法还包括:
对于上述子补水策略信息集合中的每个子补水策略信息对应的河道执行以下检测步骤:
第一步,采集上述子补水策略信息对应的河道阀门处的水面图像。
其中,水面图像是子补水策略信息对应的河道阀门开启时的水面的图像。
第二步,通过检测探头对上述子补水策略信息对应的河道阀门处的水域进行分层探测,得到探测信息序列。
其中,检测探头可以是声呐探头。其中,探测信息序列中的探测信息可以表征检测探头在对应层水域的回波信息。
第三步,对上述水面图像进行水面堆积物检测,以生成水面堆积物信息。
实践中,首先,上述执行主体可以通过水面图像进行图像增强处理,得到增强后水面图像。其次,上述执行主体可以对增强后水面图像进行高光抑制,得到高光抑制后水面图像。接着,通过预先训练的水面堆积物检测模型,对上述高光抑制后水面图像进行物体检测。其中,水面堆积物检测模型包括多通道特征提取模型、特征融合层和分类层。实践中,高光抑制后水面图像可以是RGB通道图像。则多通道特征提取模型可以包括:红色通道特征提取模型、绿色通道特征提取模型、蓝色通道特征提取模型和灰色通道特征提取模型。其中,灰色通道特征提取模型包括M层残差模块。红色通道特征提取模型包括N层残差模块。绿色通道特征提取模型包括J层残差模块。蓝色通道特征提取模型包括K层残差模块。其中,M≥N。M≥J。M≥K。其中,N、J、K的取值取决于高光抑制后水面图像中的各色值的像素点的占比。例如,当高光抑制后水面图像中的红色色值像素点的占比大于绿色色值像素点的占比时,M≥N≥J。特征融合层用于将多通道特征提取模型输出的特征进行特征叠加。分类层为多分类器。
第四步,根据上述探测信息序列,构建水下三维景图。
第五步,对上述水下三维景图进行三维特征提取,得到三维特征图。
其中,上述执行主体可以通过预先构建的水下堆积物检测模型包括的三维特征提取模型,对上述水下三维景图进行三维特征提取,得到三维特征图。实践中,三维特征提取模型可以是3D U-Net模型。
第六步,根据上述三维特征图和预先构建的水下堆积物检测模型,生成水下堆积物信息。
其中,上述执行主体可以通过水下堆积物检测模型包括的定位识别模型,生成水下堆积物信息。实践中,定位识别模型可以是VoxelNet模型。
第七步,根据上述水面堆积物信息和上述水下堆积物信息,确定上述子补水策略信息对应的河道阀门是否存在阀门堵塞。
其中,上述执行主体可以确定水面堆积物信息和上述水下堆积物信息对应的堆积物对河道阀门的遮盖比例,当遮盖比例大于预设比例时,认定子补水策略信息对应的河道阀门是否存在阀门堵塞。
上述第一步至第七步,作为本公开的一个发明点,解决了背景技术提及的技术问题三,即“河流补水过程中,河道阀门极易被上游所携带来的杂物堵塞,人工巡查的方式,难以及时有效地发现堵塞点”。实际情况中水面堆积物和水下堆积物均可能会对河道阀门造成堵塞,因此,本公开分别对河面堆积物和河下堆积物进行分步检测,实现了全面的堆积物检测,具体来说,针对河面堆积物的检测,考虑到图像中不包含景深信息。同时河面堆积物存在遮挡的情况,因此,本公开通过水面堆积物检测模型包括多通道特征提取模型对不同通道的特征进行提取,同时,为了体现不同通道特征的提取强度,本公开依据不同通道对应的色值调整通道特征提取模型的模型结构。此外,设置灰色通道特征提取模型作为参照,通过此种方式实现了不同强度的、对图像中特征的提取。提高了水面堆积物的识别精度。针对水下堆积物的检测,通过设置水下特征提取模型和定位识别模型,实现三维的水下堆积物的检测。通过结合水面和水下的堆积物检测,实现了对河道阀门处的堆积物的有效识别。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的应用于城市河流的水量控制方法,实现了对城市河流水位的精准控制,提高了控制效果。具体来说,造成城市河流水位控制精度较低的原因在于:采用人工的方式进行城市河流的水量控制,难以实现对城市河流水位的精准控制,控制效果较差。实际情况中,在城市中往往需要布置一定数量的城市河流,用于对城市环境进行调节。如,当降水量较少时,可以通过城市河流保持周围区域的水土稳定。又如,当降水量较大时,也可以通过城市河流实现防洪和泄洪,以此避免城市内涝等情况的出现。而采用人工的方式对较多数量且分部较为分散的城市河流进行水量控制,控制精度较差,进而导致控制效果较差。基于此,本公开的一些实施例的应用于城市河流的水量控制方法,首先,确定目标河道对应的预测降水量和河道水量信息。实践中,降雨作为城市河道的补水途径之一,因此在进行城市河道补水时需要结合城市河道的降水量。其次,根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型。实践中,降雨难以对城市河道的水量进行有效补充,因此,需要在结合降水量的基础上,确定城市河道的补水量。接着,确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量。实际情况中,为保证城市河道内的水流动,往往存在复杂的河网,因此在补水前,需要确定可以用于补水的补水水源。进一步,根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息。通过生成补水策略信息实现对多个补水水源的水量综合调配,实现调配成本最优化。除此之外,根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息。通过仿真模拟确定补水效果的有效性。最后,响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。通过此种方式,实现了对城市河流的自动补水,以此实现了对城市河流水位的精准控制。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种应用于城市河流的水量控制装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该应用于城市河流的水量控制装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的应用于城市河流的水量控制装置200包括:第一确定单元201、第一生成单元202、第二确定单元203、第二生成单元204、仿真模拟单元205和自动化补水单元206。第一确定单元201,被配置成确定目标河道对应的预测降水量和河道水量信息,其中,上述预测降水量为预测的上述目标河道所在区域在目标时间段内的降水量;第一生成单元202,被配置成根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型;第二确定单元203,被配置成确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量;第二生成单元204,被配置成根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息;仿真模拟单元205,被配置成根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;自动化补水单元206,被配置成响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。
可以理解的是,该应用于城市河流的水量控制装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于应用于城市河流的水量控制装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从只读存储器302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:确定目标河道对应的预测降水量和河道水量信息,其中,上述预测降水量为预测的上述目标河道所在区域在目标时间段内的降水量;根据上述预测降水量、上述河道水量信息和目标水动力模型,生成针对上述目标河道的河道补水信息,其中,上述目标水动力模型是预先构建的、针对上述目标河道的水动力模型;确定补水水源信息集合,其中,补水水源信息表征补水水源在上述目标时间段内的、单位时间粒度的可补水量;根据上述补水水源信息集合和上述河道补水信息,生成针对上述目标河道的补水策略信息;根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;响应于确定上述模拟补水量信息对应的补水量满足补水条件,根据上述补水策略信息,对上述目标河道进行自动化补水。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、第一生成单元、第二确定单元、第二生成单元、仿真模拟单元和自动化补水单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,仿真模拟单元还可以被描述为“根据上述目标水动力模型和上述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (5)
1.一种应用于城市河流的水量控制方法,包括:
确定目标河道对应的预测降水量和河道水量信息,其中,所述预测降水量为预测的所述目标河道所在区域在目标时间段内的降水量,所述河道水量信息包括:河道水面蒸发率、地面下渗率、河道蓄水量、河道汇水区面积、河道水深、管渠汇流量和河道入口初始流量;
根据所述预测降水量、所述河道水量信息和目标水动力模型,生成针对所述目标河道的河道补水信息,其中,所述目标水动力模型是预先构建的、针对所述目标河道的水动力模型;
确定补水水源信息集合,其中,补水水源信息表征补水水源在所述目标时间段内的、单位时间粒度的可补水量;
根据所述补水水源信息集合和所述河道补水信息,生成针对所述目标河道的补水策略信息,其中,所述补水策略信息包括:子补水策略信息集合,所述子补水策略信息集合中的子补水策略信息包括:河道阀门开启时间、河道阀门开度、河道阀门调整时间、河道阀门开度调整量和河道阀门关闭时间;
根据所述目标水动力模型和所述补水策略信息,进行河道补水仿真模拟,以生成模拟补水量信息;
响应于确定所述模拟补水量信息对应的补水量满足补水条件,根据所述补水策略信息,对所述目标河道进行自动化补水,其中,
所述根据所述预测降水量、所述河道水量信息和目标水动力模型,生成针对所述目标河道的河道补水信息,包括:
根据所述预测降水量、所述河道水面蒸发率和地面下渗率,确定河道地面径流率;
根据所述河道地面径流率、所述河道蓄水量、所述河道汇水区面积和所述河道水深,确定地表汇流量;
将所述地表汇流量、所述管渠汇流量和所述河道入口初始流量的和确定为河道总流量;
根据所述河道总流量和所述目标水动力模型,生成预测河道水位;
将所述目标河道的初始河道水位和所述预测河道水位的水位差,确定为河道水位变化量;
根据所述河道水位变化量,确定所述河道补水信息,其中,
所述确定补水水源信息集合,包括:
获取河网位置信息图,其中,所述河网位置信息图为有向图,所述河网位置信息图中的图节点表征河道,所述河网位置信息图中的图节点之间的有向边表征河道之间存在连接关系;
以所述目标河道的图节点为中心,对所述河网位置信息图进行图搜索,得到关联河道信息集合,其中,所述关联河道信息集合中的关联河道信息包括:河道当前水量、河道预测补水量和河道标准水位,其中,河道预测补水量表征预测的、关联河道信息对应的河道在目标时间段内的补水量;
对于所述关联河道信息集合中的每个关联河道信息,执行以下处理步骤:
根据所述关联河道信息包括的河道当前水量和河道预测补水量,确定关联河道预测水位;
响应于确定所述关联河道预测水位和所述关联河道信息包括的河道标准水位的水位差大于等于第二差值,确定所述关联河道信息对应的河道在所述目标时间段内的、以单位时间粒度为时间粒度的各个可补水量,作为补水水源信息,其中,
所述根据所述补水水源信息集合和所述河道补水信息,生成针对所述目标河道的补水策略信息,包括:
根据所述补水水源信息集合,随机生成初始种群集合,其中,所述初始种群集合中的初始种群包括:种群个体集合,种群个体对应补水水源信息;
根据所述初始种群集合,执行以下补水策略生成步骤:
对于初始种群集合中的每个初始种群,根据所述河道补水信息,确定所述初始种群包括的种群个体集合中的各个种群个体的补水代价,得到补水代价信息;
响应确定得到的补水代价信息集合中存在目标补水代价信息,根据所述目标补水代价信息,生成所述补水策略信息,其中,所述目标补水代价信息是所述补水代价信息集合中满足筛选条件的补水代价信息;
响应于确定所述补水代价信息集合中不存在目标补水代价信息,根据所述补水代价信息集合,对初始种群集合进行种群筛选,得到筛选后种群集合;
根据更新算子集合,对筛选后种群集合进行种群更新,得到更新后种群集合;
将更新后种群集合确定为初始种群集合,再次执行所述补水策略生成步骤,其中,
所述响应于确定所述模拟补水量信息对应的补水量满足补水条件,根据所述补水策略信息,对所述目标河道进行自动化补水,包括:
对于所述子补水策略信息集合中的每个子补水策略信息,执行以下补水步骤:
响应到达所述子补水策略信息包括的河道阀门开启时间,控制所述子补水策略信息对应的河道阀门,按照所述子补水策略信息包括的河道阀门开度进行开合;
响应于到达所述子补水策略信息包括的河道阀门调整时间时,控制所述子补水策略信息对应的河道阀门,按照所述子补水策略信息包括的河道阀门开度调整量进行阀门开合度调整;
响应于到达所述子补水策略信息包括的河道阀门关闭时间,控制所述子补水策略信息对应的河道阀门关闭。
2.根据权利要求1所述的方法,其中,所述模拟补水量信息包括:模拟补水量序列,其中,模拟补水量为模拟的所述目标河道在单位时间粒度的补水量;以及
所述方法还包括:
响应于确定补水时长达到预设时长,确定所述目标河道的实时水位信息;
确定所述实时水位信息在所述模拟补水量序列中对应的模拟补水量,作为目标模拟补水量;
确定所述目标河道以所述目标模拟补水量进行补水后的模拟水位信息;
响应于确定所述实时水位信息对应的水位与所述模拟水位信息对应的水位差值小于第一差值,继续根据所述模拟补水量信息,对所述目标河道进行自动化补水;
响应于确定所述实时水位信息对应的水位与所述模拟水位信息对应的水位差值大于等于所述第一差值,根据所述实时水位信息和所述目标水动力模型,对所述补水策略信息进行补水策略优化,得到优化后的补水策略信息;
根据所述优化后的补水策略信息,对所述目标河道进行自动化补水。
3.根据权利要求2所述的方法,其中,所述方法还包括:
对于所述子补水策略信息集合中的每个子补水策略信息对应的河道执行以下检测步骤:
采集所述子补水策略信息对应的河道阀门处的水面图像;
通过检测探头对所述子补水策略信息对应的河道阀门处的水域进行分层探测,得到探测信息序列;
对所述水面图像进行水面堆积物检测,以生成水面堆积物信息;
根据所述探测信息序列,构建水下三维景图;
对所述水下三维景图进行三维特征提取,得到三维特征图;
根据所述三维特征图和预先构建的水下堆积物检测模型,生成水下堆积物信息;
根据所述水面堆积物信息和所述水下堆积物信息,确定所述子补水策略信息对应的河道阀门是否存在阀门堵塞。
4.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至3中任一所述的方法。
5.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310333565.0A CN116050191B (zh) | 2023-03-31 | 2023-03-31 | 应用于城市河流的水量控制方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310333565.0A CN116050191B (zh) | 2023-03-31 | 2023-03-31 | 应用于城市河流的水量控制方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050191A CN116050191A (zh) | 2023-05-02 |
CN116050191B true CN116050191B (zh) | 2023-06-13 |
Family
ID=86131743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310333565.0A Active CN116050191B (zh) | 2023-03-31 | 2023-03-31 | 应用于城市河流的水量控制方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050191B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273313B (zh) * | 2023-09-08 | 2024-05-24 | 中关村科学城城市大脑股份有限公司 | 水网调蓄方法、装置、电子设备和计算机可读介质 |
CN117114347B (zh) * | 2023-09-12 | 2024-04-26 | 深圳市环境科学研究院 | 一种潮汐河流生态补水优化配置方法 |
CN117252406B (zh) * | 2023-11-20 | 2024-02-02 | 长江水利委员会长江科学院 | 面向下游取用水需求的补水调度方法、设备及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105061A (zh) * | 2018-10-26 | 2020-05-05 | 光大水务科技发展(南京)有限公司 | 一种河流水质的预测方法、预测装置及终端 |
US10909446B2 (en) * | 2019-05-09 | 2021-02-02 | ClimateAI, Inc. | Systems and methods for selecting global climate simulation models for training neural network climate forecasting models |
CN112257352A (zh) * | 2020-10-21 | 2021-01-22 | 黄河水利委员会黄河水利科学研究院 | 一维水动力模型和二维水动力模型的耦合方法及系统 |
CN114202167B (zh) * | 2021-11-18 | 2022-07-26 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 基于水循环模拟的多水源灌区灌溉用水量计量统计方法 |
CN115842844B (zh) * | 2023-02-27 | 2023-05-30 | 中关村科学城城市大脑股份有限公司 | 一种基于区块链的数据处理方法 |
-
2023
- 2023-03-31 CN CN202310333565.0A patent/CN116050191B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116050191A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116050191B (zh) | 应用于城市河流的水量控制方法、装置和电子设备 | |
EP3534187B1 (en) | Process and system for hydrological analysis and management for river basins | |
CN106997466B (zh) | 用于检测道路的方法和装置 | |
Paz et al. | Large‐scale modelling of channel flow and floodplain inundation dynamics and its application to the Pantanal (Brazil) | |
JP6207889B2 (ja) | 浸水予測システム、浸水予測方法およびプログラム | |
CN110992653A (zh) | 城市内涝预警系统及方法 | |
Todini | Flood forecasting and decision making in the new millennium. Where are we? | |
US10980197B2 (en) | Method of controlling soil moisture, water accumulation and fertilizer distribution in land | |
CN110597873A (zh) | 降水数据估计方法、装置、设备及存储介质 | |
JP2017194344A (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 | |
Gaitan et al. | Spatial distribution of flood incidents along urban overland flow-paths | |
Dai et al. | Ensemble learning technology for coastal flood forecasting in internet-of-things-enabled smart city | |
Pal et al. | A numerical framework for the multi-objective optimal design of check dam systems in erosion-prone areas | |
Zhou et al. | A deep-learning-technique-based data-driven model for accurate and rapid flood predictions in temporal and spatial dimensions | |
Hariri et al. | A balanced watershed decomposition method for rain-on-grid simulations in HEC-RAS | |
CN116739385B (zh) | 一种基于空间叠加分析的城市交通评价方法及装置 | |
CN114219078A (zh) | 一种神经网络模型交互训练方法、装置及存储介质 | |
Qiu et al. | A rainwater control optimization design approach for airports based on a self-organizing feature map neural network model | |
JP7220276B1 (ja) | 浸水シミュレーション装置、浸水シミュレーション方法およびプログラム | |
CN113705025B (zh) | 信息提取与传输方法、装置、电子设备和计算机可读介质 | |
CN115203893A (zh) | 基于贝叶斯定理的砂岩比例不确定性区间缩小方法及系统 | |
CN116070520A (zh) | 水流阻力预测模型的构建方法、流量预测方法及装置 | |
CN116823231B (zh) | 河道水位信息生成方法、装置、电子设备和可读介质 | |
Larsen et al. | Rapid model development for GSFLOW with python and pyGSFLOW | |
CN112256811B (zh) | 一种基于图结构的地图信息表示方法及装置 |
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 |