CN116189406A - 基于多网通信融合的洪灾监测分析预警系统 - Google Patents
基于多网通信融合的洪灾监测分析预警系统 Download PDFInfo
- Publication number
- CN116189406A CN116189406A CN202310097061.3A CN202310097061A CN116189406A CN 116189406 A CN116189406 A CN 116189406A CN 202310097061 A CN202310097061 A CN 202310097061A CN 116189406 A CN116189406 A CN 116189406A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- time
- water level
- node
- flood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 101
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000004140 cleaning Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000008595 infiltration Effects 0.000 claims description 84
- 238000001764 infiltration Methods 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 73
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 8
- 238000012876 topography Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Geology (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Signal Processing (AREA)
- Fluid Mechanics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及一种基于多网通信融合的洪灾监测分析预警系统,包括数据清洗模块、固态存储模块、动态存储模块、报警分析模块、雨量计和水位计;雨量计、水位计分别设置于各个地区;数据清洗模块分别连接雨量计和水位计;固态存储模块连接数据清洗模块;报警分析模块分别连接固态存储模块和动态存储模块,用于获取降雨量预测模型;基于修正规则,根据修正后的实时降雨量更新,得到二次预测模型;基于分析规则,根据二次预测模型、获取的本次降雨前的水位范围判断是否会暴发洪灾,在预测会暴发洪灾时输出报警信号;还用于生成分析报告。该系统主要利用公网通信和北斗短报文的方式进行信息传输。本申请能够提高预警效果,具有较好的适用性。
Description
技术领域
本申请涉及自然灾害预测技术的领域,尤其是涉及一种基于多网通信融合的洪灾监测分析预警系统。
背景技术
山洪是一种常见的自然灾害,其具有突发性。由于水量集中且流速较大,使得其也具有较强的破坏力,容易冲毁房屋、田地、道路和桥梁,甚至会造成人员伤亡和财产损失。
相关技术中,由于各个地区的地形地势较为复杂,故使得市面上的预警系统或预警设备通常无法适应不同地区的检测需求,适用性较差,从而影响预警效果。
发明内容
为了提高在各个地区中的预警效果,本申请提供了一种基于多网通信融合的洪灾监测分析预警系统。
本申请提供的一种基于多网通信融合的洪灾监测分析预警系统采用如下的技术方案:
一种基于多网通信融合的洪灾监测分析预警系统,包括数据清洗模块、固态存储模块、动态存储模块、时序统计模块、报警分析模块、雨量计和水位计;
所述雨量计、水位计均配置有北斗定位单元,所述雨量计、水位计分别设置于各个待测区域;
所述雨量计用于采集待测区域的降雨量,并输出雨量检测信号;
所述水位计用于检测待测区域的水位范围,并输出水位检测信号;
所述数据清洗模块分别连接雨量计和水位计,用于修正雨量检测信号和水位检测信号中的错误数据,并输出修正后的雨量检测信号和水位检测信号;
所述时序统计模块连接数据清洗模块,用于根据每一个雨量检测信号的发送时间统计缺失的雨量检测信号,用于根据每一个水位检测信号的发送时间统计缺失的水位检测信号,还用于重新获取缺失的雨量检测信号和水位检测信号;
所述固态存储模块连接时序统计模块,用于存储所有的雨量检测信号和水位检测信号;
所述报警分析模块分别连接固态存储模块和动态存储模块,用于获取待测区域本次降雨的降雨量预测模型,所述降雨量预测模型包括每一个时间节点的降雨量,所述待测区域的位置信息通过雨量计和水位计配置的北斗定位单元获取;
用于获取修正后的实时降雨量;
用于基于预设的修正规则,根据修正后的实时降雨量更新降雨量预测模型,以得到降雨量的二次预测模型,所述二次预测模型包括本次降雨的结束节点;
用于基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾,在预测会暴发洪灾时输出报警信号;
还用于生成分析报告,并上传;其中,被调用的实时降雨量和水位范围存储于动态存储模块中。
通过采用上述技术方案,雨量计和水位计能够分别采集各个地区的降雨量和水位范围,雨量检测信号反映的降雨量和水位检测信号反映的水位范围经过数据清洗模块和时序统计模块修正后传输至报警分析模块中处理。报警分析模块能够根据当前位置和当前位置的降雨量预测模型、水位范围预测当前位置是否会暴发洪灾。当前的位置信息能够确定当前位置的地形地势等,因此,报警分析模块能够更好地结合位置信息对洪灾进行预测,提高预警效果,同时具有较好的适用性。
可选的,所述报警分析模块被进一步配置为:
所述基于预设的修正规则,根据修正后的实时降雨量更新降雨量预测模型,以得到降雨量的二次预测模型包括:
获取历史偏差值和当前时间节点的风力等级,所述历史偏差值为历史数据中同一时间节点预测雨量与实时降雨量的偏差值;
根据修正后的实时降雨量、风力等级和历史偏差值更新降雨量预测模型,以得到降雨量的二次预测模型。
通过采用上述技术方案,能够根据实时降雨量修正降雨量预测模型,使得修正后的二次预测模型对于降雨量的预测更加准确。
可选的,所述报警分析模块被进一步配置为:
所述历史偏差值为至当前时间节点为止的所有时间节点预测雨量与实时降雨量的偏差值的平均值。
通过采用上述技术方案,在计算历史偏差值时考虑本次降雨中的偏差值能够使得历史偏差值更为准确。
可选的,所述报警分析模块被进一步配置为:
所述基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾包括:
根据位置信息调取入渗率模型和转换模型,所述入渗率模型包括入渗率与时间的对应关系,所述转换模型包括水位范围与入渗率的对应关系;
基于所述转换模型,根据水位范围确定当前的入渗率;
根据所述二次预测模型和入渗率模型确定等量时间节点,所述等量时间节点为降雨量总和与入渗量总和相等的时间节点;
根据二次预测模型和入渗率模型判断等量时间节点处的降雨量是否大于等量时间节点处的入渗率,若是,则会暴发洪灾,等量时间节点为暴发节点。
通过采用上述技术方案,在预测是否会暴发洪灾时将当前位置的当前的入渗率也作为影响因素,能够更加准确地预测洪灾暴发的可能性。
可选的,所述报警分析模块进一步被配置为:
所述基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾还包括:
若等量时间节点处的降雨量小于等量时间节点处的入渗率,则根据二次预测模型和入渗率模型判断等量时间节点至结束节点之间的降雨量总和是否大于等量时间节点至结束节点之间的入渗量总和,若是,则会暴发洪灾。
可选的,所述报警分析模块进一步被配置为:
若预测在所述等量时间节点至结束节点之间会暴发洪灾,则根据二次预测模型和入渗率模型确定暴发节点,暴发节点为等量时间节点至结束节点之间的降雨量总和与等量时间节点至结束节点之间的入渗量总和相等的时间节点。
可选的,所述报警分析模块进一步被配置为:
预设间隔时间;
根据所述暴发节点和间隔时间确定预警节点;
在预警节点输出报警信号。
通过采用上述技术方案,能够在预测到有洪灾暴发时,提前一段时间进行预警。
可选的,所述报警分析模块进一步被配置为:
所述报警分析模块进一步被配置为:
若所述等量时间节点不存在,则不会暴发洪灾。
综上所述,本申请包括以下至少一种有益技术效果:
雨量计和水位计能够分别采集各个地区的降雨量和水位范围,雨量检测信号反映的降雨量和水位检测信号反映的水位范围经过数据清洗模块和时序统计模块修正后传输至报警分析模块中处理。报警分析模块能够根据当前位置和当前位置的降雨量预测模型、水位范围预测当前位置是否会暴发洪灾。当前的位置信息能够确定当前位置的地形地势等,因此,报警分析模块能够更好地结合位置信息对洪灾进行预测,提高预警效果,同时具有较好的适用性。
附图说明
图1是本申请实施例的基于多网通信融合的洪灾监测分析预警系统的系统示意图。
图2是本申请实施例的基于多网通信融合的洪灾监测分析预警系统的系统框图。
图3是本申请实施例的报警分析模块的流程示意图。
附图标记说明:1、雨量计;2、水位计;3、数据清洗模块;4、固态存储模块;5、动态存储模块;6、时序统计模块;7、报警分析模块;8、数据上报模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图1-3及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例公开一种基于多网通信融合的洪灾监测分析预警系统,能够在降雨期间准确预测洪灾的暴发。
参照图1和图2,基于多网通信融合的洪灾监测分析预警系统包括雨量计1、水位计2、数据清洗模块3、时序统计模块6、固态存储模块4、动态存储模块5、报警分析模块7和数据上报模块8。
其中,雨量计1和水位计2均配置有北斗定位单元,并且均设置于同一个待测区域内。
雨量计1用于实时采集待测区域的降雨量,并输出雨量检测信号。雨量检测信号为模拟量信号,同时还携带其发送时间。优选的,雨量计1为称重式雨量计1、翻斗式雨量计1或虹吸式雨量计1。
水位计2用于实时采集待测区域的水位值,并输出水位检测信号。水位检测信号为开关量信号,同时还携带其发送时间。可以了解的是,每一个开关量都对应一个水位范围。当水位计2设置于待测区域时,根据输出开关量的数量,可以获得待测区域的水位范围。
数据清洗模块3分别连接雨量计1、水位计2,用于接收雨量检测信号和水位检测信号,修正雨量检测信号和水位检测信号中的错误数据,并输出修正后的雨量检测信号和水位检测信号。优选的,数据清洗模块3通过可编程通用采集接口接收雨量计1传输的雨量检测信号和水位计2传输的水位检测信号。
时序统计模块6连接数据清洗模块3,用于接收修正后的雨量检测信号和水位检测信号,用于根据每一个雨量检测信号的发送时间统计缺失的雨量检测信号,用于根据每一个水位检测信号的发送时间统计缺失的水位检测信号,还用于重新获取缺失的雨量检测信号和水位检测信号。时序统计模块6能够根据雨量检测信号的发送时间和水位检测信号的发送时间核查是否接收到了全部的雨量检测信号和全部的水位检测信号。当有未接收到的雨量检测信号或水位检测信号时,通过和雨量计或水位计进行交互,可以重新获取缺失的雨量检测信号或水位检测信号,以确保雨量检测信号和水位检测信号的实时性。
固态存储模块4连接时序统计模块6,用于接收经过修正的雨量检测信号和水位检测信号,并用于存储所有的雨量检测信号和水位检测信号。在本申请中,固态存储模块4优选用诸如固态存储器等具有存储功能的存储设备。
动态存储模块5连接时序统计模块6,用于接收经过修正的雨量检测信号和水位检测信号,并用于缓存进行数据交互的部分雨量检测信号和水位检测信号。优选的,动态存储模块5为诸如高速存储器等具有较快的访问速度的存储设备。
报警分析模块7通过数据总线分别与固态存储模块4和动态存储模块5连接,用于对修正后的雨量检测信号和水位检测信号进行处理和分析,以预测待测区域是否会暴发洪灾,并用于在预测到待测区域会暴发洪灾时输出报警信号,以提醒人员做好防范措施。
参照图1和图3,进一步的,报警分析模块7具体被配置为:
步骤S100:获取当前待测区域的位置信息和本次降雨的降雨量预测模型。
其中,位置信息可以通过北斗定位单元获取。具体的,当雨量计1和水位计2安装在待测区域内时,雨量计1和水位计2上的北斗定位单元通过通讯接口发送通讯信号,北斗卫星在接收到通讯信号时反馈卫星位置信息,并携带发送时间。北斗定位单元根据接收到的几个卫星位置信息和携带的发送时间确定雨量计1和水位计2的位置信息。在一些具体的示例中,可以计算雨量计1和水位计2的中间位置的位置坐标,以将该位置坐标作为待测区域的位置信息。
降雨量预测模型包括预测到的本次降雨的起始节点、持续时间、结束节点和每一时间节点的降雨量。可以了解的是,由于降雨量预测模型的覆盖区域通常大于待测区域,同时还会受到当时的风力或其他天气情况影响,故使得降雨量预测模型会与实际降雨时的起始节点、持续时间、结束节点和每一时间节点的降雨量有所偏差。在本申请中,降雨量预测模型作为主要参考的降雨量数据,可以通过从待测区域所在地区的气象局获取。
步骤S200:获取修正后的实时降雨量。
实时降雨量即修正后雨量检测信号反映的降雨量值,从固态存储模块中获取得到。
步骤S300:基于预设的修正规则,根据修正后的实时降雨量更新降雨量预测模型,以得到降雨量的二次预测模型。
根据前述的介绍,可以了解到降雨量预测模型并非绝对精准,同一时间节点预测的降雨量和实时降雨量之间会存在偏差,故需要对该降雨量预测模型进行修正。修正过程具体为:
首先,获取历史偏差值和当前时间节点的风力等级。
其中,历史偏差值为历史数据中同一时间节点预测降雨量与实时降雨量的偏差值。可以将历史偏差值理解为待测区域内每次降雨时预测降雨量与实际降雨量的固有误差。为了使得偏差值更为准确,本申请通过计算该待测区域上所有时间节点预测降雨量与实时降雨量的偏差值的平均值,以作为历史偏差值。不仅如此,上述所指所有时间节点为至当前时间节点为止的所有时间节点。值得说明的是,由于降雨量预测模型中降雨的起始节点也可能与实际降雨的起始节点有所偏差,故上述同一时间节点并不是指时间上完全相同的时间节点,而是应该以将降雨量预测模型中降雨的起始节点与实际降雨的起始节点对齐为前提,再去计算预测降雨量和实时降雨量的偏差值。
可以理解的是,在根据实时降雨量修正降雨量预测模型时,除了需要考虑预测降雨量与实时降雨量之间存在的偏差,还要考虑其他因素对实时降雨量的影响,例如风力等级等。风力等级也可以通过待测区域所在的地区的气象局获取。
而后,根据修正后的实时降雨量、风力等级和历史偏差值更新降雨量预测模型,以得到降雨量的二次预测模型。
可以理解的是,风力的大小能够对降雨量的多少产生一些影响,具体来说,当风力等级越大,则降雨量越小;反之,当风力等级越小,则降雨量越大。当然,风力等级对降雨量的影响也是有限的。为此,本申请优选设置有影响系数,影响系数与风力等级之间存在对应关系。在一些具体的实施例中,预先设置对照关系表,对照关系表能够反映风力等级与影响系数的对应关系,当根据风力变化趋势确定当前时间节点的风力等级时,即能够确定与之对应的影响系数。其中,风力变化趋势也可以通过气象局获取。
在一个具体的示例中,当风力等级为1-2级时,影响系数为1.05,当风力等级为3-4级,影响系数为1.1,当风力等级为5-6级时,影响系数为1.15,当风力等级大于6级时,影响系数为1.2。进一步的,对于同一时间节点,更新后的降雨量预测模型中该时间节点的降雨量应为更新前的降雨量减去影响系数*历史偏差值。例如:假设预测降雨量为a,历史偏差量为b,若风力等级为3级,则影响系数为1.1,更新后的预测降雨量为c=a-1.1*b。需要说明的是,其中历史偏差量可以是正值,也可以为负值。
为了便于区分,本申请实施例中将更新后的降雨量预测模型称为二次预测模型。同样的,二次预测模型也包括起始节点、持续时间、结束节点和每一时间节点的降雨量。上述示例中仅提供一种修正方法作为参考,当然也可以设定其他修正规则修正降雨量预测模型。
步骤S400:基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾,在预测到会暴发洪灾时输出报警信号。
可选的,步骤S400包括以下步骤:(步骤S410~步骤S440)
步骤S410:根据位置信息调取入渗率模型和转换模型。
其中,入渗率模型包括入渗率与时间的对应关系,转换模型包括水位范围与入渗率的对应关系。
值得说明的是,在预测是否会暴发洪灾时,虽然降雨量是最重要的影响因素,但实际上,待测区域的入渗率也是一个较为重要的影响参数,尤其是当前时间节点待测区域的入渗率。当入渗率变小,即说明待测区域的地表能够消解的降雨量也变小,那么也会更容易暴发洪灾。通常,入渗率都会随着时间变化而减小,直至入渗率减小到稳定入渗率后保持恒定。入渗率降低至稳定入渗率的时间一般为2-3个小时。当然,不同区域的入渗率模型也存在些许差异,不过入渗率的变化趋势是相同的。在一个具体的示例中,对于同一个山脉,山麓、山坡和山顶处的入渗率模型也会存在差异。
可以了解的是,入渗率受水位范围的影响,当水位越高,则入渗率越小,反之,当水位越低,则入渗率越高。进一步的,当入渗率越小,则说明入渗率降低至稳定入渗率所需的时间越少,从而也就更容易暴发洪灾。同样的,待测区域不同,检测到的水位范围与入渗率的对应关系也不同,即转换模型。
优选的,各个地区的入渗率模型和转换模型都预先存储于存储器中,以根据待测区域的位置信息调取相应的入渗率模型和转换模型。
步骤S420:基于所述转换模型,根据水位范围确定当前的入渗率。
步骤S430:根据所述二次预测模型和入渗率模型确定等量时间节点。
根据上述介绍可以了解到,二次预测模型为降雨量-时间图像,入渗率模型为入渗率-时间图像。当确定当前时间节点后,可以在二次预测模型中和入渗率模型中选取当前时间节点之后的部分。为了便于计算,这里可以将降雨量理解为单位面积中单位时间内的降雨量,将入渗率理解为单位面积中单位时间内的入渗量。当然,入渗率与入渗量的转换关系还是需要按照实际情况进行设置。
进一步的,确定等量时间节点,等量时间节点为降雨量总和与入渗量总和相等的时间节点。由于二次预测模型表示的是单位时间内降雨量的变化,入渗率模型表示的是单位时间内入渗量的变化,因此二次预测模型中在指定时间内的变化趋势图像的面积即为指定时间内的降雨量总和,入渗率模型中在指定时间内的变化趋势图像的面积即为指定时间内的入渗量总和。具体来说,可以采用不定积分进行计算。
步骤S440:根据二次预测模型和入渗率模型判断等量时间节点处的降雨量是否大于等量时间节点处的入渗率。
步骤S500:生成分析报告并上传。在预测到会暴发洪灾时输出报警信号。
可以理解的,等量时间节点将二次预测模型和入渗率模型都划分成两部分:第一部分为当前时间节点到等量时间节点,在该时间段内,入渗量总和等于降雨量总和。第二部分为等量时间节点到结束节点,在该时间段内,若入渗量总和大于降雨量总和,则待测区域能够消解本次降雨产生的降水。反之,若入渗量总和小于降雨量总和,则待测区域不能够完全消解本次降雨产生的降水,从而会引发洪灾。当然,还可能存在无法确定等量时间节点的情况,该情况表明本次降雨的降雨量超出了待测区域的消解能力,以至于,从开始降雨就暴发了洪灾。
具体的,为了在确定等量时间节点后更快速地预测是否会暴发洪灾,在进行判断时,优选根据二次预测模型和入渗率模型判断等量时间节点处的降雨量是否大于等量时间节点处的入渗率。由于降雨量的变化也是存在过度阶段的,故当等量时间节点处的降雨量大于等量时间节点处的入渗率时,可以认为在下一时间节点时降雨量总和必然大于入渗量总和,因此,该情况会引发洪灾。此时,等量时间节点即为洪灾的暴发节点。
值得说明的是,相反的,当等量时间节点处的降雨量小于等量时间节点处的入渗率时,则只能说明当前降雨量总和是小于入渗量总和的,但却不能确保等量时间节点至结束节点不会发生洪灾。
因此,当等量时间节点处的降雨量小于等量时间节点处的入渗率时,还需要进一步判断是否会发生洪灾。具体来说,需要根据二次预测模型和入渗率模型判断等量时间节点至结束节点之间的降雨量总和是否大于等量时间节点至结束节点之间的入渗量总和。计算方法可以参照上述方法,此处不再赘述。
若等量时间节点至结束节点之间的降雨量总和大于等量时间节点至结束节点之间的入渗量总和,则会暴发洪灾。反之,若等量时间节点至结束节点之间的降雨量总和小于等量时间节点至结束节点之间的入渗量总和,则本次降雨不会引起洪灾。
考虑到洪灾发生时会产生较大的破坏力,为此,需要在预测到洪灾暴发时提前报警,以使人员尽快做好防护措施。
对于上述洪灾会暴发于等量时间节点与结束节点之间的情况,还需要进一步确定洪灾的暴发节点。具体的,暴发节点为等量时间节点至结束节点之间的降雨量总和与等量时间节点至结束节点之间的入渗量总和相等的时间节点。其计算方式可以参照上述方式,此处不再赘述。
当判断在暴发节点会暴发洪灾后,优选根据暴发节点和预设的间隔时间确定预警节点。具体来说,预警节点为暴发节点减去间隔时间。间隔时间可以设置为15分钟、20分钟或30分钟等,可以根据实际情况做适应性调整。在一个具体的示例中,假设暴发节点为14:40,间隔时间为20分钟,则预警节点为14:20。
值得说明的是,在降雨的过程中,二次预测模型是实时更新的,因此,每一个时间节点分析出的暴发节点可能有所偏差。当然,若当前时间节点越接近暴发节点,则预测的暴发节点越准确。故,在预警节点报警时,可以说明暴发节点有较高的概率会暴发洪灾。当然,报警时长也可以根据需要进行适应性设计,可以设置为5分钟或10分钟……,报警方式也可以采用多种形式,例如:向一定范围内的移动终端发送短信、语音消息等。
在对本次降雨进行分析后,还可以生成分析报告,并输出。
参照图1,可以了解的是,报警分析模块7能够对同一待测区域的雨量计1和水位计2进行分析,同样的,也可以同时连接多个待测区域内的雨量计1和水位计2,而后对每一待测区域的降雨情况单独进行分析。
数据上报模块8连接报警分析模块7,用于接收分析报告,并上报。具体的,可以对数据上报模块8预先进行设置,设置收讯地址、发讯链路和报文格式等,使得数据上报模块8能够将分析报告以相应的报文格式,通过相应的发讯链路发送至相应的收讯地址。当然,也可以对其工作模式进行设置。例如:可以选择全天工作模式、触发工作模式、定时工作模式……
其中,数据清洗模块3、时序统计模块6、固态存储模块4、动态存储模块5、报警分析模块7和数据上报模块8都可以设置于同一个处理器中。在本申请中,雨量计1输出雨量检测信号和水位计2输出的水位检测信号均通过公网通信的方式传输至数据清洗模块3中。同时,报警分析模块7输出报警信号或数据上报模块8上报数据也均通过公网通信的方式进行传输。然而,对于一些紧急情况而言,若一些地区公网信号较弱,不利于信号的传输时,则会启动北斗短报文通信,以将重要信息及时传输。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (8)
1.一种基于多网通信融合的洪灾监测分析预警系统,其特征在于:包括数据清洗模块(3)、固态存储模块(4)、动态存储模块(5)、时序统计模块(6)、报警分析模块(7)、雨量计(1)和水位计(2);
所述雨量计(1)、水位计(2)均配置有北斗定位单元,所述雨量计(1)、水位计(2)分别设置于各个待测区域;
所述雨量计(1)用于采集待测区域的降雨量,并输出雨量检测信号;
所述水位计(2)用于检测待测区域的水位范围,并输出水位检测信号;
所述数据清洗模块(3)分别连接雨量计(1)和水位计(2),用于修正雨量检测信号和水位检测信号中的错误数据,并输出修正后的雨量检测信号和水位检测信号;
所述时序统计模块(6)连接数据清洗模块(3),用于根据每一个雨量检测信号的发送时间统计缺失的雨量检测信号,用于根据每一个水位检测信号的发送时间统计缺失的水位检测信号,还用于重新获取缺失的雨量检测信号和水位检测信号;
所述固态存储模块(4)连接时序统计模块(6),用于存储所有的雨量检测信号和水位检测信号;
所述报警分析模块(7)分别连接固态存储模块(4)和动态存储模块(5),用于获取待测区域本次降雨的降雨量预测模型,所述降雨量预测模型包括每一个时间节点的降雨量,所述待测区域的位置信息通过雨量计和水位计配置的北斗定位单元获取;
用于获取修正后的实时降雨量;
用于基于预设的修正规则,根据修正后的实时降雨量更新降雨量预测模型,以得到降雨量的二次预测模型,所述二次预测模型包括本次降雨的结束节点;
用于基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾,在预测会暴发洪灾时输出报警信号;
还用于生成分析报告,并上传;其中,被调用的实时降雨量和水位范围存储于动态存储模块(5)中。
2.根据权利要求1所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)被进一步配置为:
所述基于预设的修正规则,根据修正后的实时降雨量更新降雨量预测模型,以得到降雨量的二次预测模型包括:
获取历史偏差值和当前时间节点的风力等级,所述历史偏差值为历史数据中同一时间节点预测雨量与实时降雨量的偏差值;
根据修正后的实时降雨量、风力等级和历史偏差值更新降雨量预测模型,以得到降雨量的二次预测模型。
3.根据权利要求2所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)被进一步配置为:
所述历史偏差值为至当前时间节点为止的所有时间节点预测雨量与实时降雨量的偏差值的平均值。
4.根据权利要求1所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)被进一步配置为:
所述基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾包括:
根据位置信息调取入渗率模型和转换模型,所述入渗率模型包括入渗率与时间的对应关系,所述转换模型包括水位范围与入渗率的对应关系;
基于所述转换模型,根据水位范围确定当前的入渗率;
根据所述二次预测模型和入渗率模型确定等量时间节点,所述等量时间节点为降雨量总和与入渗量总和相等的时间节点;
根据二次预测模型和入渗率模型判断等量时间节点处的降雨量是否大于等量时间节点处的入渗率,若是,则会暴发洪灾,等量时间节点为暴发节点。
5.根据权利要求4所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)进一步被配置为:
所述基于预设的分析规则,根据二次预测模型、获取的本次降雨前的水位范围和当前的位置信息判断是否会暴发洪灾还包括:
若等量时间节点处的降雨量小于等量时间节点处的入渗率,则根据二次预测模型和入渗率模型判断等量时间节点至结束节点之间的降雨量总和是否大于等量时间节点至结束节点之间的入渗量总和,若是,则会暴发洪灾。
6.根据权利要求5所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)进一步被配置为:
若预测在所述等量时间节点至结束节点之间会暴发洪灾,则根据二次预测模型和入渗率模型确定暴发节点,暴发节点为等量时间节点至结束节点之间的降雨量总和与等量时间节点至结束节点之间的入渗量总和相等的时间节点。
7.根据权利要求6所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)进一步被配置为:
预设间隔时间;
根据所述暴发节点和间隔时间确定预警节点;
在预警节点输出报警信号。
8.根据权利要求4所述的基于多网通信融合的洪灾监测分析预警系统,其特征在于:所述报警分析模块(7)进一步被配置为:
所述报警分析模块(7)进一步被配置为:
若所述等量时间节点不存在,则不会暴发洪灾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097061.3A CN116189406B (zh) | 2023-02-10 | 基于多网通信融合的洪灾监测分析预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097061.3A CN116189406B (zh) | 2023-02-10 | 基于多网通信融合的洪灾监测分析预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116189406A true CN116189406A (zh) | 2023-05-30 |
CN116189406B CN116189406B (zh) | 2024-07-09 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935576A (zh) * | 2023-09-14 | 2023-10-24 | 北京国信华源科技有限公司 | 一种河道壅塞监测分析预警方法及系统 |
CN118091801A (zh) * | 2024-04-24 | 2024-05-28 | 福州台英网络信息技术有限公司 | 一种远程可视化雨情高精度检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006184206A (ja) * | 2004-12-28 | 2006-07-13 | Mitsui Kyodo Kensetsu Consultant Kk | 分布型流出予測システム及び分布型流出予測プログラム |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
US20170145648A1 (en) * | 2015-04-06 | 2017-05-25 | Kabushiki Kaisha Toshiba | Disaster prevention system |
CN107067656A (zh) * | 2017-01-23 | 2017-08-18 | 重庆三峡学院 | 一种地质灾害监测系统 |
CN107391930A (zh) * | 2017-07-21 | 2017-11-24 | 华北水利水电大学 | 山洪灾害分析评价系统及山洪灾害分析评价方法 |
CN111915847A (zh) * | 2020-08-13 | 2020-11-10 | 成都万江港利科技股份有限公司 | 一种精细化降雨预报系统及其预警方法 |
CN114638436A (zh) * | 2022-03-31 | 2022-06-17 | 邯郸市水利水电勘测设计研究院 | 河道整治工程应急预警方法及系统 |
KR20220152770A (ko) * | 2021-05-10 | 2022-11-17 | 주식회사 이엔아이씨티 | 침수 예경보시스템 및 방법 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006184206A (ja) * | 2004-12-28 | 2006-07-13 | Mitsui Kyodo Kensetsu Consultant Kk | 分布型流出予測システム及び分布型流出予測プログラム |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
US20170145648A1 (en) * | 2015-04-06 | 2017-05-25 | Kabushiki Kaisha Toshiba | Disaster prevention system |
CN107067656A (zh) * | 2017-01-23 | 2017-08-18 | 重庆三峡学院 | 一种地质灾害监测系统 |
CN107391930A (zh) * | 2017-07-21 | 2017-11-24 | 华北水利水电大学 | 山洪灾害分析评价系统及山洪灾害分析评价方法 |
CN111915847A (zh) * | 2020-08-13 | 2020-11-10 | 成都万江港利科技股份有限公司 | 一种精细化降雨预报系统及其预警方法 |
KR20220152770A (ko) * | 2021-05-10 | 2022-11-17 | 주식회사 이엔아이씨티 | 침수 예경보시스템 및 방법 |
CN114638436A (zh) * | 2022-03-31 | 2022-06-17 | 邯郸市水利水电勘测设计研究院 | 河道整治工程应急预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
李家春: "" 公路边坡降雨灾害评价方法与指标研究"", 《中国优秀博硕士学位论文全文数据库 (博士)工程科技Ⅱ辑》, no. 04, 15 April 2006 (2006-04-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935576A (zh) * | 2023-09-14 | 2023-10-24 | 北京国信华源科技有限公司 | 一种河道壅塞监测分析预警方法及系统 |
CN116935576B (zh) * | 2023-09-14 | 2023-12-08 | 北京国信华源科技有限公司 | 一种河道壅塞监测分析预警方法及系统 |
CN118091801A (zh) * | 2024-04-24 | 2024-05-28 | 福州台英网络信息技术有限公司 | 一种远程可视化雨情高精度检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7844409B2 (en) | Filtering of meter reading data | |
CN103874122A (zh) | 专变终端网络信号采集系统及采集方法 | |
CN112764057B (zh) | 一种同步卫星外测数据的质量监控方法、装置和电子设备 | |
CN116189406B (zh) | 基于多网通信融合的洪灾监测分析预警系统 | |
CN116546431A (zh) | 一种基于北斗全网通多网融合数据采集通信系统及方法 | |
CN113840321A (zh) | 一种信息指示方法、装置及通信设备 | |
CN116189406A (zh) | 基于多网通信融合的洪灾监测分析预警系统 | |
CN112712606B (zh) | 一种基于运维服务的自动巡检管理的方法与系统 | |
CN117290675B (zh) | 降水数据处理方法、装置、存储介质及电子设备 | |
US8339312B2 (en) | Method and device for estimation of the integrity risk in a satellite navigation system | |
CN112649901A (zh) | 一种具有雨量防误报功能的遥测终端机及其实现方法 | |
CN109728869B (zh) | 一种自来水管网监测节点间的时间同步系统及其方法 | |
CN115080556B (zh) | 一种降雨监测异常数据检测及插补方法 | |
JP2005017266A (ja) | レーダ雨量測定装置及びその測定方法 | |
CN207851308U (zh) | 基于卫星定位的物体位置变化监测系统 | |
US20040127261A1 (en) | Method and monitoring means for monitoring the performance of an antenna device | |
CN116189389A (zh) | 滑坡监测数据处理方法、系统、计算机及存储介质 | |
CN115249403A (zh) | 流域梯级电厂水雨情预警系统及预警方法 | |
CN114143822A (zh) | 流量管理方法、运营管理平台、充电桩及存储介质 | |
JPH11118593A (ja) | プラント異常監視装置 | |
SE516228C2 (sv) | Fädningsmarginaltest | |
CN113903153B (zh) | 一种降雨量的报警方法及设备 | |
CN112073915B (zh) | 一种航标终端设备位置偏移报警方法 | |
CN117289199A (zh) | 一种电能计量采集方法、系统 | |
CN115154974A (zh) | 一种消防系统及其优化方法 |
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 |