CN116307129A - 一种主动式城市内涝预警方法、装置及其存储介质 - Google Patents
一种主动式城市内涝预警方法、装置及其存储介质 Download PDFInfo
- Publication number
- CN116307129A CN116307129A CN202310168503.9A CN202310168503A CN116307129A CN 116307129 A CN116307129 A CN 116307129A CN 202310168503 A CN202310168503 A CN 202310168503A CN 116307129 A CN116307129 A CN 116307129A
- Authority
- CN
- China
- Prior art keywords
- model
- waterlogging
- information
- inundation
- urban
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 50
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 45
- 238000005096 rolling process Methods 0.000 claims abstract description 10
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 3
- 238000004347 surface barrier Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001970 hydrokinetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种主动式城市内涝预警方法、装置及其存储介质,涉及内涝预警技术领域,包括步骤:基于目标城市的地理信息、排水管网信息、节点分步以及河道信息构建一维排水网模型和二维地表淹没模型,并耦合入城市内涝模拟模型;构建暴雨内涝数据仓以预设频次接收实时水量相关信息,并在实时水量相关信息超过相应预设阈值时调用城市内涝模拟模型;以超过预设阈值的相应水量相关信息为边界条件通过城市内涝模拟模型进行滚动预测;根据实时预测结果叠加至在线地图并进行可视化展示;叠加目标建筑设施图层至在线地图,获取内涝最大水深和淹没历时并进行数据化展示。本发明通过滚动预测,提高了内涝预警的前瞻性,将灾后治理化为主动性的灾前预防。
Description
技术领域
本发明涉及内涝预警技术领域,具体涉及一种主动式城市内涝预警方法、装置及其存储介质。
背景技术
近年来,伴随全球气候变暖的趋势及城市化进程的加快,城市水文效应越来越显著,暴雨内涝呈现出突发性强、历时长、峰高量大和危害面积广的特征,对城市公共财产安全、企业生产安全,甚至是人民群众的生命安全皆造成了严重威胁,对城市正常运行产生了极其不利的影响,因此开展精准有效的城市内涝灾害管控,准确获取与预测城市全局内涝受灾状况至关重要。
城市排水系统耦合了河网、雨水管网与城市地表,系统较为复杂,因此对城市暴雨内涝进行准确模拟有较大难度。当前城市暴雨内涝仿真模拟领域中应用最广泛、最热门的方法是基于物理驱动的城市暴雨内涝计算,其原理是将城市内涝的预报看作一个非恒定流模拟问题,通过构建完整的水文水动力学模型实现对暴雨内涝情景的模拟。其中,对于雨水排水系统中管线部分的水流模拟一般基于非恒定流的圣维南方程,对于地面部分的水流则一般采用非线性水库-运动波方程或二维有限体积法求解浅水流方程组以进行模拟。由于城市内涝数值模拟计算的复杂性,通常需要借助计算机软件实现。
以物理驱动的城市暴雨内涝模拟方法因其能够完整模拟液体非线性流动的物理过程从而具备较高的预测精度,但正因如此其边界条件与计算过程较为复杂、运算缓慢,且每当计算条件发生改变又需要重新进行完整的过程计算,导致基于高精度临近降雨预报的城市内涝临近预报的应用受到一定限制,此外,该方法中模型的使用存在一定的技术门槛,因此通常难以做到主动式内涝预报预警。
发明内容
为了实现主动式的城市内涝预警,降低由于内涝造成的经济损失,本发明提出了一种主动式城市内涝预警方法,包括步骤:
S1:基于目标城市的地理信息、排水管网信息、节点分步以及河道信息构建一维排水网模型和二维地表淹没模型,并耦合入城市内涝模拟模型;
S2:构建暴雨内涝数据仓以预设频次接收实时水量相关信息,并在实时水量相关信息超过相应预设阈值时调用城市内涝模拟模型;
S3:以超过预设阈值的相应水量相关信息为边界条件通过城市内涝模拟模型进行滚动预测;
S4:根据实时预测结果叠加至在线地图并进行可视化展示;
S5:叠加目标建筑设施图层至在线地图,获取内涝最大水深和淹没历时并进行数据化展示。
进一步地,所述S1步骤中,一维排水网模型的构建方法为:
基于节点分步和排水管网信息对区域管网系统进行概化处理,并结合河道走向、断面信息构建为一维排水网模型。
进一步地,所述S1步骤中,二维地表淹没模型的构建方法为:
以区域节点分步为划分依据,通过泰森多边形法划分子汇水区,并根据区域产流表面类型设置相应的汇流参数形成二维地表淹没模型。
进一步地,所述S1步骤中,一维排水网模型和二维地表淹没模型耦合入城市内涝模拟模型具体包括如下步骤:
基于目标城市的高程数据在城市内涝模拟模型中引入地面高程模型,并添加地表障碍物;
根据地表障碍物分步和预设计算精度在城市内涝模拟模型中划分三角计算网络;
合并一维排水网模型和二维地表淹没模型至城市内涝模拟模型。
进一步地,所述S2步骤中,水量相关信息包括:实时水位信息、预报以及历史降雨信息、水利工程运行信息。
进一步地,所述S3步骤中,若所述相应水量相关信息相较于更新前的水量相关信息仅对信息变化时间点之后的水量相关信息进行了更新,则城市内涝模拟模型以更新前信息变化时间点的预测结果为基础继续进行滚动预测。
还包括一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述一种主动式城市内涝预警方法的步骤。
还包括一种处理数据的装置,包括:
储存器,器上存储有计算机程序;
处理器,用于执行所述储存器中的所述计算机程序,以实现所述一种主动式城市内涝预警方法的步骤。
与现有技术相比,本发明至少含有以下有益效果:
(1)本发明所述的一种主动式城市内涝预警方法、装置及其存储介质,其通过对水量相关信息的收集,在降雨结束前持续调用城市内涝模拟模型进行滚动预测,不仅提高了内涝预警的前瞻性,还增加了预测结果的准确性,将灾后治理化为主动性的灾前预防,降低内涝造成的经济损失;
(2)无需人为干预即可实现内涝灾害的自主预测,大大降低了人力成本和相关操作的学习成本;
(3)可视化展示地表淹没结果以及排水管网状态,使得内涝灾害风险的空间分布更为直观,有助于相关部门进行评估决策。
附图说明
图1为一种主动式城市内涝预警方法的步骤图。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例一
针对当前城市内涝灾害模拟计算慢,缺乏灾前自主式预报预警的问题,如图1所示,提出了一种主动式城市内涝预警方法,包括步骤:
S1:基于目标城市的地理信息、排水管网信息、节点分步以及河道信息构建一维排水网模型和二维地表淹没模型,并耦合入城市内涝模拟模型;
S2:构建暴雨内涝数据仓以预设频次接收实时水量相关信息,并在实时水量相关信息超过相应预设阈值时调用城市内涝模拟模型;
S3:以超过预设阈值的相应水量相关信息为边界条件通过城市内涝模拟模型进行滚动预测;
S4:根据实时预测结果叠加至在线地图并进行可视化展示;
S5:叠加目标建筑设施图层至在线地图,获取内涝最大水深和淹没历时并进行数据化展示。
整体来说,运行该方法的系统主要包括:城市内涝模拟模型、外部数据源、数据仓及系统平台。其中城市内涝模拟模型需要根据不同城市进行独立的结构设计。因此,当对一个新的城市进行系统搭建时,需要先获取该城市的地理信息、排水管网信息、节点分步以及河道信息,以这些信息为基础构建具有物理机制的城市内涝模拟模型。
可以知晓的是,城市内涝主要是靠排水管网将路面积水排至河道中,因此,为了更好的预测内涝的发展趋势,需要将这些信息以一维模型的形式加入到城市内涝模拟模型中,具体包括如下构建步骤:
基于区域原始的管网资料构建管网系统,而后根据节点分步和排水管网信息对区域管网系统进行概化、检查及纠错处理;
基于区域水系资料构建河道系统,并整理出河道走向、断面信息,将整理及检查纠错后的节点、管道、河道信息导入城市内涝模拟模型,完成一维排水网模型的搭建。
同时,考虑到不同土地使用性质,在相同积水量下具有不同的淹没反馈,因而需要充分考虑到不同汇水区的差异。为此,我们还需要构建二维地表淹没模型来模拟内涝的纵向发展趋势,具体包括如下步骤:
在城市内涝模拟模型中考虑区域节点的分步,采用泰森多边形法划分目标区域的子汇水区;
根据子汇水区内的土地实用性质,如耕地、林地、道路、屋面等设置相应的产汇流参数,从而实现二维地表淹没模型的构建。
最后,通过在城市内涝模拟模型中引入基于区域高程数据的高程模型,加入建筑物以及其它可能会对水体在地表运动造成影响的障碍物,并在预设计算精度限制下根据地表障碍物的分步进行三角计算网络的划分,从而获得适用于目标城市的城市内涝模拟模型。
构建好的城市内涝模拟模型主要包括水文计算、一维管道排水、一维河网、二维地表淹没演进及水工控制结构计算等内容。其中水文计算模块采用分布式模型模拟降雨-径流,基于详细的子集水区空间划分和不同产流特性的表面组成进行径流计算,主要计算单元包括初期损失、产流计算与汇流计算;一维管道排水及一维河网模块计算引擎采用完全求解的圣·维南方程模拟管道和明渠流,对于超负荷管网的模拟则采用压力流算法,保证模型能够仿真各种复杂的水力状况;通过划分的三角计算网格将一维模型同二维模型耦合可计算地表淹没过程,采用二维有限体积法求解浅水流方程组计算区域淹没情况;水工控制结构模块通过定义简单或复杂的运行逻辑,可用于发挥并模拟模型中泵站、闸门和堰的作用及运行情况。
而在实际运行过程中,还需要通过构建的暴雨内涝数据仓以用户自定义的规则或频率从外部数据源获取未来预设时段(如24小时)内的实时水量相关信息,如实时水位信息、预报降雨量以及历史降雨信息、水利工程运行信息等。当然,在接收时还需要将对应数据进行清洗及标准化,包括去除明显存在问题的数据并对此空白值进行插补,使其满足城市内涝模型的计算条件。需要注意的是,接收实时水量相关信息并不代表模型就处于运行状态中,因为大部分情况下内涝是不会发生的,只有当实时水量相关信息超过相应预设阈值时才会真正调用城市内涝模拟模型。其中,若是以预报降雨量为预警条件,则设置触发模型运行计算的是预设降雨量阈值,在数据仓接收并处理后的预报降雨量到达此阈值后,系统平台将自动调用城市内涝模型,并以该信息作为边界条件进行计算,将计算结果写入数据仓。
进一步地,预报降雨数据作为城市内涝模拟的重要输入参数,由于其极大程度上影响了模拟模型的计算结果,因此愈临近降雨发生的时刻,外部数据源向数据仓发送的预报降雨数据也愈准确。因此,在当前降雨事件中,数据仓每次接收更新的降雨及水位信息时,模型都会以更新后的信息作为边界条件重新对内涝情景进行模拟,由此实现滚动计算,达到实时矫正内涝预报的效果。
但是,若更新的降雨及水位信息仅在某一预报时刻后发生改变而非全时段变化,则意味着模型在以新的条件进行计算时,此变化时段前的模型运行状态不会发生改变。为了进一步提高计算效率,在本发明中,若更新的降雨及水位信息为上述情况,模型将自动读取上一次运行模拟中计算条件发生变化前的状态量,在此基础上以更新的数据作为输入参数继续运算,即模型通过热启动降低了计算所需时间。举例来说,就是在5点接收到了未来24小时的降雨信息,城市内涝模拟模型根据该数据进行了24小时内的内涝预测。但是,后续又在8点的时候对之前的降雨信息进行了更新,其中,12小时内(也即是17点前)的降雨信息不变,但12小时后的降雨信息发生了改变,那么城市内涝模拟模型就会以之前预测的17点的预测数据为基础继续进行12小时后(17点后)的内涝预测。
根据城市内涝模拟模型的预测结果,系统平台会将其在线地图内进行可视化,呈现降雨事件中的地表淹没情况(根据积水深度进行不同等级划分)、最不利状态下的管网运行情况(通过不同颜色表示管道实际排水能力与排水设计值的关系)与节点溢流情况(通过不同颜色的节点标注表示节点是否溢流)。
而后,叠加学校、医院、商业体、电力等重要设施图层,分析内涝影响情况,包括区域内涝最大水深及淹没历时,并根据自动分析本次降雨地区域积水成因,成因分析内容涵盖降雨分析、管网分析及外河分析三部分。
本发明还包括一种计算机可读存储介质,该程序被处理器执行时实现上文体积的主动式城市内涝预警方法的步骤。
以及一种处理数据的装置,该装置包括:
储存器,器上存储有计算机程序;
处理器,用于执行所述储存器中的所述计算机程序,以实现上文体积的主动式城市内涝预警方法的步骤。
综上所述,本发明所述的一种主动式城市内涝预警方法、装置及其存储介质,其通过对水量相关信息的收集,在降雨结束前持续调用城市内涝模拟模型进行滚动预测,不仅提高了内涝预警的前瞻性,还增加了预测结果的准确性,将灾后治理化为主动性的灾前预防,降低内涝造成的经济损失。
无需人为干预即可实现内涝灾害的自主预测,大大降低了人力成本和相关操作的学习成本。可视化展示地表淹没结果以及排水管网状态,使得内涝灾害风险的空间分布更为直观,有助于相关部门进行评估决策。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”、“一”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
Claims (8)
1.一种主动式城市内涝预警方法,其特征在于,包括步骤:
S1:基于目标城市的地理信息、排水管网信息、节点分步以及河道信息构建一维排水网模型和二维地表淹没模型,并耦合入城市内涝模拟模型;
S2:构建暴雨内涝数据仓以预设频次接收实时水量相关信息,并在实时水量相关信息超过相应预设阈值时调用城市内涝模拟模型;
S3:以超过预设阈值的相应水量相关信息为边界条件通过城市内涝模拟模型进行滚动预测;
S4:根据实时预测结果叠加至在线地图并进行可视化展示;
S5:叠加目标建筑设施图层至在线地图,获取内涝最大水深和淹没历时并进行数据化展示。
2.如权利要求1所述的一种主动式城市内涝预警方法,其特征在于,所述S1步骤中,一维排水网模型的构建方法为:
基于节点分步和排水管网信息对区域管网系统进行概化处理,并结合河道走向、断面信息构建为一维排水网模型。
3.如权利要求1所示的一种主动式城市内涝预警方法,其特征在于,所述S1步骤中,二维地表淹没模型的构建方法为:
以区域节点分步为划分依据,通过泰森多边形法划分子汇水区,并根据区域产流表面类型设置相应的汇流参数形成二维地表淹没模型。
4.如权利要求1所述的一种主动式城市内涝预警方法,其特征在于,所述S1步骤中,一维排水网模型和二维地表淹没模型耦合入城市内涝模拟模型具体包括如下步骤:
基于目标城市的高程数据在城市内涝模拟模型中引入地面高程模型,并添加地表障碍物;
根据地表障碍物分步和预设计算精度在城市内涝模拟模型中划分三角计算网络;
合并一维排水网模型和二维地表淹没模型至城市内涝模拟模型。
5.如权利要求1所述的一种主动式城市内涝预警方法,其特征在于,所述S2步骤中,水量相关信息包括:实时水位信息、预报以及历史降雨信息、水利工程运行信息。
6.如权利要求1所述的一种主动式城市内涝预警方法,其特征在于,所述S3步骤中,若所述相应水量相关信息相较于更新前的水量相关信息仅对信息变化时间点之后的水量相关信息进行了更新,则城市内涝模拟模型以更新前信息变化时间点的预测结果为基础继续进行滚动预测。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至6中任一项所述预警方法的步骤。
8.一种处理数据的装置,其特征在于,包括:
储存器,器上存储有计算机程序;
处理器,用于执行所述储存器中的所述计算机程序,以实现权利要求1至6中任一项所述预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168503.9A CN116307129A (zh) | 2023-02-27 | 2023-02-27 | 一种主动式城市内涝预警方法、装置及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168503.9A CN116307129A (zh) | 2023-02-27 | 2023-02-27 | 一种主动式城市内涝预警方法、装置及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307129A true CN116307129A (zh) | 2023-06-23 |
Family
ID=86821592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310168503.9A Pending CN116307129A (zh) | 2023-02-27 | 2023-02-27 | 一种主动式城市内涝预警方法、装置及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307129A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198003A (zh) * | 2023-09-19 | 2023-12-08 | 北京建筑大学 | 一种内涝风险的预警方法、装置、电子设备及存储介质 |
CN117196302A (zh) * | 2023-09-08 | 2023-12-08 | 北京市应急指挥保障中心 | 一种基于汇水分区的区域内涝风险预测方法及系统 |
CN117273313A (zh) * | 2023-09-08 | 2023-12-22 | 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 |
-
2023
- 2023-02-27 CN CN202310168503.9A patent/CN116307129A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196302A (zh) * | 2023-09-08 | 2023-12-08 | 北京市应急指挥保障中心 | 一种基于汇水分区的区域内涝风险预测方法及系统 |
CN117273313A (zh) * | 2023-09-08 | 2023-12-22 | 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 |
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 |
CN117198003A (zh) * | 2023-09-19 | 2023-12-08 | 北京建筑大学 | 一种内涝风险的预警方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116307129A (zh) | 一种主动式城市内涝预警方法、装置及其存储介质 | |
CN114372685B (zh) | 一种基于swmm模型的城市暴雨内涝风险评估方法 | |
CN108022053B (zh) | 洪水风险评估方法和装置 | |
Ahmad et al. | A three‐dimensional fuzzy methodology for flood risk analysis | |
CN107704592A (zh) | 一种基于WebGIS的洪水预报服务构建方法 | |
AU2021233949A1 (en) | SWMM and EFDC coupling model-based regulation and storage project environmental effect assessment method and device | |
CN112733337A (zh) | 一种暴雨内涝影响下城市道路通行效率评估方法 | |
US8914266B2 (en) | Systems and methods for modeling floods | |
Sattari et al. | Flow estimations for the Sohu Stream using artificial neural networks | |
CN115471078B (zh) | 一种基于城市水务系统的洪涝风险点评估方法及装置 | |
CN114118884A (zh) | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 | |
CN112528563B (zh) | 一种基于svm算法的城市内涝预警方法 | |
Danielson | Utilizing a high resolution Digital Elevation Model (DEM) to develop a Stream Power Index (SPI) for the Gilmore creek watershed in Winona County, Minnesota | |
CN115796368A (zh) | 一种城市内涝实时预测预警方法及系统 | |
CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
CN111709592A (zh) | 基于神经网络与粗糙集分类的深基坑变形预测方法及系统 | |
CN115238444A (zh) | 耦合swmm与gast模型的城市雨洪模拟方法 | |
Yang et al. | Study on urban flood simulation based on a novel model of SWTM coupling D8 flow direction and backflow effect | |
Novrima et al. | Effectiveness analysis of East Sunter polder system for flood control management using HEC-HMS & HEC-RAS software | |
CN112231913A (zh) | 一种城市内涝黑点的内涝模拟方法及装置 | |
CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
Sardjono et al. | The application of artificial neural network for flood systems mitigation at jakarta city | |
Chen et al. | Diffusive tank model application in rainfall-runoff analysis of upland fields in Taiwan | |
NUT et al. | Floodplain Mapping Using HEC-RAS and GIS in Nam Phong River Basin, Thailand | |
CN112926810B (zh) | 一种年径流总量控制率确定方法、装置及电子设备 |
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 |