CN116150580B - 一种数字孪生流域数据底板的数据资源评价方法 - Google Patents

一种数字孪生流域数据底板的数据资源评价方法 Download PDF

Info

Publication number
CN116150580B
CN116150580B CN202310404631.9A CN202310404631A CN116150580B CN 116150580 B CN116150580 B CN 116150580B CN 202310404631 A CN202310404631 A CN 202310404631A CN 116150580 B CN116150580 B CN 116150580B
Authority
CN
China
Prior art keywords
data
basin
monitoring
representing
partitions
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
Application number
CN202310404631.9A
Other languages
English (en)
Other versions
CN116150580A (zh
Inventor
刘业森
刘昌军
刘媛媛
李敏
臧文斌
刘舒
杨殿亮
胡文才
李匡
郝晓丽
李智
王磊
张煜煜
张跃
阚向楠
张大鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202310404631.9A priority Critical patent/CN116150580B/zh
Publication of CN116150580A publication Critical patent/CN116150580A/zh
Application granted granted Critical
Publication of CN116150580B publication Critical patent/CN116150580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q50/06—Energy or water supply
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种数字孪生流域数据底板的数据资源评价方法，包括统计每个流域分区里各类对象数量以及相关联的数据量，还包括以下步骤：针对每个流域分区，分别计算基础数据、监测数据、业务管理数据、地理空间数据的数据密度；根据所述数据密度，分别计算四类数据的空间不均衡系数；利用所述四类数据的空间不均衡系数计算数据质量。本发明提出的一种数字孪生流域数据底板的数据资源评价方法，以客观描述数据资源情况，能够了解数据收集目前所处阶段、离最终目标的距离、与其他流域的差距，从而为数据底板建设提供参考。

Description

一种数字孪生流域数据底板的数据资源评价方法
技术领域
本发明涉及数据资源评价的技术领域，特别是一种数字孪生流域数据底板的数据资源评价方法。
背景技术
数字孪生流域是水利智慧化建设的核心内容，包括前端感知、数据底板、模型平台、知识平台，而数据底板是数字孪生流域建设的必备基础条件。在相关文件中，规定了数据底板的建设内容包括：基础数据、监测数据、 业务管理数据、跨行业共享数据、地理空间数据等内容。（1）基础数据包括流域、 河流、 湖泊、 水利工程等水利对象的主要属性数据和空间数据。（2）监测数据包括水文、 水资源、 水生态环境、 水灾害、 水利工程、水土保持等水利业务的监测数据。（3）业务管理数据包括流域防洪、 水资源管理与调配等业务应用数据。（4）跨行业共享数据包括需从其他行业部门共享的经济社会、 土地利用、生态环境、气象、 遥感等相关数据。（5）地理空间数据包括数字正射影像图、数字高程模型、倾斜摄影影像/激光点云、水下地形、建筑信息模型等数据，按照数据精度和建设范围分为L1、L2、L3三级。
为建成数字孪生流域数据底板，各建设单位开展了数据收集、整理、入库等工作。随着无人机、视频监控等数据采集技术的不断进步，数据精度不断提高，数据量持续增大，很容易出现数据精度过高，导致数据冗余，增加不必要的成本。
2021年6月的《水资源与水工程学报》上公开了邱磊、孙龙、于钋、王卓然、李伟、林锦和鲁程鹏的题目为《水利行业地下水监测系统水位埋深数据质量评估与对比》的文章，该文章对多个流域的地下水监测数据质量进行了评估和对比，但该方法一方面，只针对一种监测数据，未包含数字孪生流域中的基础数据、业务管理数据、地理空间数据等内容，另一方面，未将空间不均衡性作为评价指标。
2020年3月的《水电能源科学》上公开了黄依之、张行南和方圆皓的题目为《CMORPH卫星反演降水数据质量评估及水文过程模拟》的文章，该文章提出一种平均绝对误差、显著性检验和相关性分析评价降水质量的方法，但该方法只针对卫星反演的降水数据适用，且需要站网数据做参照，无法用于地理空间数据、基础数据和业务管理数据的质量评估。
发明内容
为了解决上述的技术问题，本发明提出的一种数字孪生流域数据底板的数据资源评价方法，以客观描述数据资源情况，能够了解数据收集目前所处阶段、离最终目标的距离、与其他流域的差距，从而为数据底板建设提供指导。
本发明的目的是提供一种数字孪生流域数据底板的数据资源评价方法，包括统计每个流域分区里各类对象数量以及相关联的数据量，还包括以下步骤：
步骤1：针对每个流域分区，分别计算基础数据、监测数据、业务管理数据、地理空间数据的数据密度；
步骤2：根据所述数据密度，分别计算四类数据的空间不均衡系数；
步骤3：利用所述四类数据的空间不均衡系数计算数据质量。
优选的是，所述统计每个流域分区里各类对象数量以及相关联的数据量步骤包括利用流域分区图与水利工程图层、监测站点图层、人口分布图层、地理空间数据图层进行叠加，得到所述各类对象数量和所述相关联的数据量。
在上述任一方案中优选的是，所述各类对象数量包括水利工程对象数量、监测站点数量、人口数量和我流域面积中至少一种。
在上述任一方案中优选的是，所述相关联的数据量包括基础数据、监测数据、业务管理数据和地理空间数据的数据量中至少一种。
在上述任一方案中优选的是，某个流域分区的基础数据密度V 基础 的计算公式为
Figure SMS_1
，
其中，Q 基础数据 指该流域分区范围内所有水利工程相关的图层和属性数据的数据量，N 水利工程对象 指该流域分区范围内所有工程的个数。
在上述任一方案中优选的是，某个流域分区的监测数据密度V 监测 的计算公式为
Figure SMS_2
，
其中，Q 监测数据 指该流域分区范围内所有监测数据的数据量，N 监测站点 指该流域分区范围内所有监测站点的个数。
在上述任一方案中优选的是，某个流域分区的业务管理数据密度V 业务 的计算公式为
Figure SMS_3
，
其中，Q 业务管理数据 指该流域分区范围内所有业务管理数据的数据量，N 流域人口数量 为该流域分区内的人口总数。
在上述任一方案中优选的是，某个流域分区的地理空间数据密度V 地理 的计算公式为
Figure SMS_4
，
其中，Q 地理空间数据 指该流域分区范围内所有地理空间数据的数据量，N 流域面积 为该流域分区的面积。
在上述任一方案中优选的是，基础数据的空间不均衡系数I 基础 的计算公式为
Figure SMS_5
，
Figure SMS_6
，
Figure SMS_7
，
其中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 基础 (x)表示流域分区x的基础数据密度，V 基础 (y)表示流域分区y的基础数据密度，w x,j 表示流域分区x和流域分区y的空间权重系数， w t 表示所有空间权重系数的综合，
Figure SMS_8
表示所有流域分区的基础数据密度的平均值。
在上述任一方案中优选的是，监测数据的空间不均衡系数I 监测 的计算公式为
Figure SMS_9
，
Figure SMS_10
，
Figure SMS_11
，
其中，V 监测 (x)表示流域分区x的监测数据密度，V 监测 (y)表示流域分区y的监测数据密度，
Figure SMS_12
表示所有流域分区的监测数据密度的平均值。
在上述任一方案中优选的是，业务管理数据的空间不均衡系数I 业务 的计算公式如下，
Figure SMS_13
，
Figure SMS_14
，
Figure SMS_15
，
其中，V 业务 (x)表示流域分区x的业务管理数据密度，V 业务 (y)表示流域分区y的业务管理数据密度，
Figure SMS_16
表示所有流域分区的业务管理数据密度的平均值。
在上述任一方案中优选的是，地理空间数据的空间不均衡系数I 地理 的计算公式如下，
Figure SMS_17
，
Figure SMS_18
，
Figure SMS_19
，
其中，V 地理 (x)表示流域分区x的地理空间数据密度，V 地理 (y)表示流域分区y的地理空间数据密度，
Figure SMS_20
表示所有流域分区的地理空间数据密度的平均值。
在上述任一方案中优选的是，所述基础数据的空间不均衡系数I 基础 、所述监测数据的空间不均衡系数I 监测 、所述业务管理数据的空间不均衡系数I 业务 和所述地理空间数据的空间不均衡系数I 地理 的取值都在在-1到1之间。
在上述任一方案中优选的是，所述数据质量I 总 的计算公式为
I 总 =I 基础 ×w 基础 + I 监测 ×w 监测 +I 业务 ×w 业务 +I 地理 ×w 地理
其中，w 基础 表示基础数据的权重，w 监测 表示监测数据的权重，w 业务 表示业务管理数据的权重，w 地理 表示地理空间数据的权重，w 基础 +w 监测 +w 业务 +w 地理 =1。
在上述任一方案中优选的是，所述数据质量I 总 用于表示数据质量的好坏。
本发明提出了一种数字孪生流域数据底板的数据资源评价方法，通过利用各类数据的数据密度及在流域分区间的空间不均衡系数，可以对数字孪生流域数据底板的数据资源质量进行定量化评价，给出综合评分，通过评分高低判断数据质量。
附图说明
图1为按照本发明的数字孪生流域数据底板的数据资源评价方法的一优选实施例的流程图。
图2为按照本发明的数字孪生流域数据底板的数据资源评价方法的另一优选实施例的流程图。
图3为按照本发明的数字孪生流域数据底板的数据资源评价方法的一优选实施例的某地区11个流域分区情况示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例
如图1所示，一种数字孪生流域数据底板的数据资源评价方法，执行步骤100，统计每个流域分区里各类对象数量以及相关联的数据量，包括利用流域分区图与水利工程图层、监测站点图层、人口分布图层、地理空间数据图层进行叠加，得到所述各类对象数量和所述相关联的数据量。所述各类对象数量包括水利工程对象数量、监测站点数量、人口数量和我流域面积中至少一种。所述相关联的数据量包括基础数据、监测数据、业务管理数据和地理空间数据的数据量中至少一种。
执行步骤110，针对每个流域分区，分别计算基础数据、监测数据、业务管理数据和地理空间数据的数据密度。
某个流域分区的基础数据密度V 基础 的计算公式为
Figure SMS_21
，
其中，Q 基础数据 指该流域分区范围内所有水利工程相关的图层和属性数据的数据量，N 水利工程对象 指该流域分区范围内所有工程的个数。
某个流域分区的监测数据密度V 监测 的计算公式为
Figure SMS_22
，
其中，Q 监测数据 指该流域分区范围内所有监测数据的数据量，N 监测站点 指该流域分区范围内所有监测站点的个数。
某个流域分区的业务管理数据密度V 业务 的计算公式为
Figure SMS_23
，
其中，Q 业务管理数据 指该流域分区范围内所有业务管理数据的数据量，N 流域人口数量 为该流域分区内的人口总数，主要反映流域内涉水活动服务对象的数量，也可以采用GDP总量代替。
某个流域分区的地理空间数据密度V 地理 的计算公式为
Figure SMS_24
，
其中，Q 地理空间数据 指该流域分区范围内所有地理空间数据的数据量，N 流域面积 为该流域分区的面积。
执行步骤120，根据所述数据密度，分别计算四类数据的空间不均衡系数。
基础数据的空间不均衡系数I 基础 的计算公式为
Figure SMS_25
，
Figure SMS_26
，
Figure SMS_27
，
其中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 基础 (x)表示流域分区x的基础数据密度，V 基础 (y)表示流域分区y的基础数据密度，w x,j 表示流域分区x和流域分区y的空间权重系数，w t 表示所有空间权重系数的综合，
Figure SMS_28
表示所有流域分区的基础数据密度的平均值。
监测数据的空间不均衡系数I 监测 的计算公式为
Figure SMS_29
，
Figure SMS_30
，
Figure SMS_31
，
其中，V 监测 (x)表示流域分区x的监测数据密度，V 监测 (y)表示流域分区y的监测数据密度，
Figure SMS_32
表示所有流域分区的监测数据密度的平均值。
业务管理数据的空间不均衡系数I 业务 的计算公式如下
Figure SMS_33
，
Figure SMS_34
，
Figure SMS_35
，
其中，V 业务 (x)表示流域分区x的业务管理数据密度，V 业务 (y)表示流域分区y的业务管理数据密度，
Figure SMS_36
表示所有流域分区的业务管理数据密度的平均值。
地理空间数据的空间不均衡系数I 地理 的计算公式如下
Figure SMS_37
，
Figure SMS_38
，
Figure SMS_39
，
其中，V 地理 (x)表示流域分区x的地理空间数据密度，V 地理 (y)表示流域分区y的地理空间数据密度，
Figure SMS_40
表示所有流域分区的地理空间数据密度的平均值。
所述基础数据的空间不均衡系数I 基础 、所述监测数据的空间不均衡系数I 监测 、所述业务管理数据的空间不均衡系数I 业务 和所述地理空间数据的空间不均衡系数I 地理 的取值都在在-1到1之间。
执行步骤130，利用所述四类数据的空间不均衡系数计算数据质量。所述数据质量I 总 的计算公式为
I 总 =I 基础 ×w 基础 + I 监测 ×w 监测 +I 业务 ×w 业务 +I 地理 ×w 地理
其中，w 基础 表示基础数据的权重，w 监测 表示监测数据的权重，w 业务 表示业务管理数据的权重，w 地理 表示地理空间数据的权重，w 基础 +w 监测 +w 业务 +w 地理 =1。
所述数据质量I 总 用于表示数据质量的好坏。
实施例二
本发明提供了一种数字孪生流域数据底板的数据资源质量计算方法，以客观描述数据资源情况，就可以了解数据收集目前所处阶段、离最终目标的距离、与其他流域的差距，从而为数据底板建设提供指导。
（1）在数据量与流域面积、人口、监测点、水利工程之间建立起一种联系，用以评价数字孪生流域数据底板的数据资源；
（2）利用空间不均衡系数，比较不同流域分区之间数据质量一致性，一种新的数据质量评价方法。
本发明提出一种数字孪生流域数据底板的数据资源质量计算方法，用以定量评价数字孪生流域数据底板的数据资源水平。计算流程如图2所示。
第1步，利用流域分区图与水利工程图层、监测站点图层、人口分布图层、地理空间数据图层进行叠加，统计每个流域分区里各类对象数量（个数），以及相关联的数据量（单位为G或M）。
第2步，针对每个流域分区，分别计算基础数据、监测数据、业务管理数据、地理空间数据的数据密度。
（1）某个流域分区的基础数据密度计算公式：
Figure SMS_41
，
Q 基础数据 指该流域分区范围内所有水利工程相关的图层和属性数据的数据量，单位为M，水利工程包括水闸、水库、泵站、堤防、橡胶坝、阻水建筑物等涉水工程；N 水利工程对象 指该流域分区范围内所有工程的个数。
（2）某个流域分区的监测数据密度计算公式：
Figure SMS_42
，
Q 监测数据 指该流域分区范围内所有监测数据的数据量，包括降雨监测数据、水位监测数据、流量监测数据等，单位为M；N 监测站点 指该流域分区范围内所有监测站点的个数，包括气象站、雨量站、水文站、水位站、墒情站、潮位站等。
（3）某个流域分区的业务管理数据密度计算公式：
Figure SMS_43
，
Q 业务管理数据 指该流域分区范围内所有业务管理数据的数据量，单位为M，包括各种预案文档、规划方案文档、洪水风险图、防洪专题图、历史灾害调查文档等以文档、表格、图层、照片或影像形式存储的资料的数据量；N 流域人口数量 为该流域分区内的人口总数，主要反映流域内涉水活动服务对象的数量，也可以采用GDP总量代替。
（4）某个流域分区的地理空间数据密度计算公式：
Figure SMS_44
，
Q 地理空间数据 指该流域分区范围内所有地理空间数据的数据量，单位为G，包括遥感图、DEM、雷达影像、无人机影像等；N 流域面积 为该流域分区的面积，单位为平方千米。
第3步，以第2步计算得到的数据密度，分别计算四类数据的空间不均衡系数
基础数据的空间不均衡系数计算公式如下，
Figure SMS_45
，
Figure SMS_46
，
Figure SMS_47
，
式中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 基据 (x)表示流域分区x的基础数据密度，V 基据 (y)表示流域分区y的基础数据密度，
Figure SMS_48
表示所有流域分区的基础数据密度的平均值。
监测数据的空间不均衡系数计算公式如下，
Figure SMS_49
，
Figure SMS_50
，
Figure SMS_51
，
式中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 监测 (x)表示流域分区x的监测数据密度，V 监测 (y)表示流域分区y的监测数据密度，表示所有流域分区的监测数据密度的平均值。
业务管理数据的空间不均衡系数计算公式如下，
Figure SMS_52
，
Figure SMS_53
，
Figure SMS_54
，
式中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 业务 (x)表示流域分区x的业务管理数据密度，V 业务 (y)表示流域分区y的业务管理数据密度，
Figure SMS_55
表示所有流域分区的业务管理数据密度的平均值。
地理空间数据的空间不均衡系数计算公式如下，
Figure SMS_56
，
Figure SMS_57
，
Figure SMS_58
，
式中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 地理 (x)表示流域分区x的地理空间数据密度，V 地理 (y)表示流域分区y的地理空间数据密度，
Figure SMS_59
表示所有流域分区的地理空间数据密度的平均值。
I 基础 ，I 监测 ，I 业务 ，I 地理 的取值都在在-1到1之间。
第4步，利用四类数据的空间不均衡系数计算数据质量，
I 总 =I 基础 ×w 基础 + I 监测 ×w 监测 +I 业务 ×w 业务 +I 地理 ×w 地理
式中，w 基础 ，w 监测 ，w 业务 ，w 地理 分别表示基础数据、监测数据、业务管理数据、地理空间数据的权重。一般情况下，可以将四个权重统一指定为0.25，如果重点关注某类数据，可调整该类数据的权重，但需保证：
w 基础 +w 监测 +w 业务 +w 地理 =1
I 总 的高低表示数据质量的好坏。
实施例三
选择某地的11个流域分区作为分析对象，流域分布情况如图3所示。
11个流域的基础数据、监测数据、业务管理数据、地理空间数据四类数据的数据量统计情况和相关信息统计情况如表1所示。
Figure SMS_60
，
表1 四类数据的数据量统计情况和相关信息统计情况表
基础数据、监测数据、业务管理数据、地理空间数据的数据密度计算结果如表2所示。
Figure SMS_61
，
表2 四类数据的数据密度计算结果
利用第3步的公式分别计算基础数据、监测数据、业务管理数据、地理空间数据的空间不均衡系数，计算结果如下，
I 基础 =-0.29，
I 监测 =-0.21，
I 业务 =-0.79，
I 地理 =-0.67，
本实例中四类数据的空间不均衡系数的权重设置为0.25，如下式，
I 总 =(－0.29)×0.25+(－0.21)×0.25+(－0.79)×0.25+(－0.67)×0.25=－0.49。
计算最终的数据质量指数为-0.49。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (9)

1.一种数字孪生流域数据底板的数据资源评价方法，包括统计每个流域分区里各类对象数量以及相关联的数据量，还包括以下步骤：
步骤1：针对每个流域分区，分别计算基础数据、监测数据、业务管理数据和地理空间数据的数据密度；某个流域分区的基础数据密度V 基础 的计算公式为
Figure QLYQS_1
，
其中，Q 基础数据 指该流域分区范围内所有水利工程相关的图层和属性数据的数据量，N 水利工程对象 指该流域分区范围内所有工程的个数；
步骤2：根据所述数据密度，分别计算四类数据的空间不均衡系数；基础数据的空间不均衡系数I 基础 的计算公式为
Figure QLYQS_2
，
Figure QLYQS_3
，
Figure QLYQS_4
，
其中，n表示流域分区数量，d x,y 表示流域分区x和流域分区y的几何中心的平面距离，V 基础 (x)表示流域分区x的基础数据密度，V 基础 (y)表示流域分区y的基础数据密度，w x,j 表示流域分区x和流域分区y的空间权重系数，w t 表示所有空间权重系数的综合，
Figure QLYQS_5
表示所有流域分区的基础数据密度的平均值；
步骤3：利用所述四类数据的空间不均衡系数计算数据质量；
所述统计每个流域分区里各类对象数量以及相关联的数据量步骤包括利用流域分区图与水利工程图层、监测站点图层、人口分布图层、地理空间数据图层进行叠加，得到所述各类对象数量和所述相关联的数据量；
所述基础数据为水利对象的主要属性数据和空间数据，所述水利对象包括流域、河流、湖泊和水利工程；
所述监测数据为水利业务的监测数据，所述水利业务包括水文、水资源、水生态环境、水灾害、水利工程和水土保持；
所述业务管理数据包括流域防洪和水资源管理与调配的业务应用数据；
所述地理空间数据包括数字正射影像图、数字高程模型、倾斜摄影影像/激光点云、水下地形和建筑信息模型。
2.如权利要求1所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，某个流域分区的监测数据密度V 监测 的计算公式为
Figure QLYQS_6
，
其中，Q 监测数据 指该流域分区范围内所有监测数据的数据量，N 监测站点 指该流域分区范围内所有监测站点的个数。
3.如权利要求2所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，某个流域分区的业务管理数据密度V 业务 的计算公式为
Figure QLYQS_7
，
其中，Q 业务管理数据 指该流域分区范围内所有业务管理数据的数据量，N 流域人口数量 为该流域分区内的人口总数。
4.如权利要求3所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，某个流域分区的地理空间数据密度V 地理 的计算公式为
Figure QLYQS_8
，
其中，Q 地理空间数据 指该流域分区范围内所有地理空间数据的数据量，N 流域面积 为该流域分区的面积。
5.如权利要求4所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，监测数据的空间不均衡系数I 监测 的计算公式为
Figure QLYQS_9
，
Figure QLYQS_10
，
Figure QLYQS_11
，
其中，V 监测 (x)表示流域分区x的监测数据密度，V 监测 (y)表示流域分区y的监测数据密度，
Figure QLYQS_12
表示所有流域分区的监测数据密度的平均值。
6.如权利要求5所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，业务管理数据的空间不均衡系数I 业务 的计算公式如下
Figure QLYQS_13
，
Figure QLYQS_14
，
Figure QLYQS_15
，
其中，V 业务 (x)表示流域分区x的业务管理数据密度，V 业务 (y)表示流域分区y的业务管理数据密度，
Figure QLYQS_16
表示所有流域分区的业务管理数据密度的平均值。
7.如权利要求6所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，地理空间数据的空间不均衡系数I 地理 的计算公式如下
Figure QLYQS_17
，
Figure QLYQS_18
，
Figure QLYQS_19
，
其中，V 地理 (x)表示流域分区x的地理空间数据密度，V 地理 (y)表示流域分区y的地理空间数据密度，
Figure QLYQS_20
表示所有流域分区的地理空间数据密度的平均值。
8.如权利要求7所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，所述基础数据的空间不均衡系数I 基础 、所述监测数据的空间不均衡系数I 监测 、所述业务管理数据的空间不均衡系数I 业务 和所述地理空间数据的空间不均衡系数I 地理 的取值都在-1到1之间。
9.如权利要求8所述的数字孪生流域数据底板的数据资源评价方法，其特征在于，所述数据质量I 总 的计算公式为
I 总 =I 基础 ×w 基础 + I 监测 ×w 监测 +I 业务 ×w 业务 +I 地理 ×w 地理
其中，w 基础 表示基础数据的权重，w 监测 表示监测数据的权重，w 业务 表示业务管理数据的权重，w 地理 表示地理空间数据的权重，w 基础 +w 监测 +w 业务 +w 地理 =1。
CN202310404631.9A 2023-04-17 2023-04-17 一种数字孪生流域数据底板的数据资源评价方法 Active CN116150580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310404631.9A CN116150580B (zh) 2023-04-17 2023-04-17 一种数字孪生流域数据底板的数据资源评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310404631.9A CN116150580B (zh) 2023-04-17 2023-04-17 一种数字孪生流域数据底板的数据资源评价方法

Publications (2)

Publication Number Publication Date
CN116150580A CN116150580A (zh) 2023-05-23
CN116150580B true CN116150580B (zh) 2023-06-30

Family

ID=86352673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310404631.9A Active CN116150580B (zh) 2023-04-17 2023-04-17 一种数字孪生流域数据底板的数据资源评价方法

Country Status (1)

Country Link
CN (1) CN116150580B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102246303B1 (ko) * 2021-03-04 2021-04-29 한국과학기술원 다차원 데이터 스트림에서의 실시간 이상치 탐지 방법 및 장치
JP2023006249A (ja) * 2021-06-30 2023-01-18 會澤高圧コンクリート株式会社 河川氾濫予測方法
CN115034578A (zh) * 2022-05-20 2022-09-09 中国电建集团华东勘测设计研究院有限公司 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统
CN114996918B (zh) * 2022-05-20 2024-07-09 电子科技大学 一种基于数字孪生技术的多数据融合传感数据处理溯源方法
CN114961754B (zh) * 2022-05-31 2024-05-14 郑州轻工业大学 一种基于数字孪生的泥水环流实验系统及方法
CN115168014A (zh) * 2022-08-03 2022-10-11 中国银行股份有限公司 一种作业调度方法及装置
CN115391474A (zh) * 2022-08-29 2022-11-25 湖南五凌电力科技有限公司 一种基于数字孪生的流域管理方法及系统
CN115730025A (zh) * 2022-10-10 2023-03-03 大连理工大学 一种基于现有gis数据识别河道上下游水文站点的方法
CN115311828B (zh) * 2022-10-12 2023-02-03 江苏筑升土木工程科技有限公司 基于数字孪生的水下工程结构智能检测方法及系统

Also Published As

Publication number Publication date
CN116150580A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Murthy Ground water potential in a semi-arid region of Andhra Pradesh-a geographical information system approach
Srinivasan et al. Large area hydrologic modeling and assessment part II: model application 1
CN110992653A (zh) 城市内涝预警系统及方法
Verstraeten et al. Using sediment deposits in small ponds to quantify sediment yield from small catchments: possibilities and limitations
CN107832931A (zh) 一种平原水网地区内涝风险的模块化分析方法
CN116911699B (zh) 城市洪涝灾害应对韧性的精细化动态评估方法和系统
CN111724033A (zh) 一种基于随机集理论的洪灾风险评价与精细区划方法
CN111581767B (zh) 一种管网-河流耦合模型校核特征参数率定方法
CN115358650B (zh) 一种洪涝灾害应急避险与物资实时调配方法
CN115659816A (zh) 基于孪生模型的城市内涝点预测方法及系统
Kayembe et al. Determination of subcatchment and watershed boundaries in a complex and highly urbanized landscape
Nikonorov et al. Use of GIS-environment under the analysis of the managerial solutions for flood events protection measures
Filipova Urban flooding in Gothenburg-A MIKE 21 study
Re et al. High‐resolution urban flood model for risk mitigation validated with records collected by the affected community
Chen et al. A coupled river basin‐urban hydrological model (DRIVE‐Urban) for real‐time urban flood modeling
JP2020187105A (ja) 浸りｄａｓ（水害危険区域表示手法）
CN105590034A (zh) 防汛减灾能力评价模型
CN116150580B (zh) 一种数字孪生流域数据底板的数据资源评价方法
CN115861003A (zh) 一种城市水务智慧化处理方法及系统
Wang et al. Life loss estimation based on dam-break flood uncertainties and lack of information in mountainous regions of Western China
Ali et al. Impact of flooding on airports using remote sensing and GIS Techniques
CN117852449B (zh) 基于大尺度城市暴雨内涝模型的精细化积水处理方法
Du Application of traceability system for dumping garbage of north canal embankment based on ai artificial intelligence recognition
Dorji et al. An Evaluation of Hydrological Modeling Using SCS-CN Method in Ungauged Om Chhu River Basin of Phuentsholing, Bhutan
Ghebremariam Urban flood modelling: a GIS based approach in Lomma, Skåne region

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