CN116362419A - 一种城市防洪预警系统及方法 - Google Patents

一种城市防洪预警系统及方法 Download PDF

Info

Publication number
CN116362419A
CN116362419A CN202310627003.7A CN202310627003A CN116362419A CN 116362419 A CN116362419 A CN 116362419A CN 202310627003 A CN202310627003 A CN 202310627003A CN 116362419 A CN116362419 A CN 116362419A
Authority
CN
China
Prior art keywords
waterlogging
dangerous
dangerous point
data
target city
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
Application number
CN202310627003.7A
Other languages
English (en)
Other versions
CN116362419B (zh
Inventor
姜彬
王保晶
宋学生
梁建栋
李学阳
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.)
Liaocheng Kehui Municipal Engineering Design Institute Co ltd
Original Assignee
Liaocheng Kehui Municipal Engineering Design Institute Co ltd
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 Liaocheng Kehui Municipal Engineering Design Institute Co ltd filed Critical Liaocheng Kehui Municipal Engineering Design Institute Co ltd
Priority to CN202310627003.7A priority Critical patent/CN116362419B/zh
Publication of CN116362419A publication Critical patent/CN116362419A/zh
Application granted granted Critical
Publication of CN116362419B publication Critical patent/CN116362419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Geology (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Emergency Management (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

本申请公开了一种城市防洪预警系统及方法，涉及城市气象数据处理技术领域，包括如下步骤：获取目标城市的地形数据，构建所述目标城市的水涝危险点集合；基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系；基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型；按照预设规则采集所述目标城市的未来天气相关预测信息；根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型，并结合水涝危险点的关联关系，对所述水涝危险点集合的水涝风险进行预测及更新。本申请的方法考虑了地形影响关系并引入天气相关条件来实现对水涝风险进行预测及更新，提高了防洪预测的准确性。

Description

一种城市防洪预警系统及方法
技术领域
本申请涉及城市气象数据处理技术领域，尤其涉及一种城市防洪预警系统及方法。
背景技术
随着气候变化的加剧，极端气候事件频发，其中洪涝灾害不仅给城市带来巨大的经济损失还严重威胁了城市，居民的安全。为了抵御洪涝灾害对城市的影响，需要进行防洪排涝风险预测从而减轻其带来的损失。准确识别城市易涝点并量化评价其风险等级，可为决策者制定行之有效的城市洪涝“预警、预演”方案提供支撑。
现有防洪排涝风险预测方法一般都是利用当前城市的历史水文数据实现对当前城市的防洪排涝风险预测，该种预测方法较为简单，但预测精准性较差，指导意义不强。
发明内容
本申请实施例提供一种城市防洪预警系统及方法，考虑地形影响关系并引入天气相关条件来实现对水涝风险进行预测及更新，提高防洪预测的准确性。
本申请实施例提出一种城市防洪预警方法，包括如下步骤：
获取目标城市的地形数据，并根据所述地形数据确定出所述目标城市的数个第一水涝危险点，以及确定历史洪涝记录中的各第二水涝危险点，基于各第一水涝危险点和各第二水涝危险点，构建所述目标城市的水涝危险点集合；
基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系，所述关联关系用以描述水涝危险点之间当前可能存在的地形关联；
基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型，其中各预测模型用于描述不同降雨等级下各水涝危险点的积水量变化；
按照预设规则采集所述目标城市的未来天气相关预期信息，其中所述未来天气相关预期信息至少包括预测雨量信息以及预测风速信息，所述预设规则满足根据预测雨量信息的变化调整采样点数，且其中预测雨量信息越大、保留的采样点数越密集；
根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型，并结合水涝危险点的关联关系，对所述水涝危险点集合的水涝风险进行预测及更新。
可选的，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型包括：
为所述水涝危险点集合中的任一水涝危险点，采用如下方式建立如下降雨量预测模型：
基于所述目标城市的地形数据，确定第i个水涝危险点的影响区域
Figure SMS_1
；
基于获取的降雨强度，以及所确定的影响区域
Figure SMS_2
，建立不同降雨强度下的降雨量预测模型满足：/>
Figure SMS_3
其中，/>
Figure SMS_4
表示获取的采样时段内的平均降雨强度，/>
Figure SMS_5
表示第i个水涝危险点在警戒水位处的水涝面积，/>
Figure SMS_6
表示除在警戒水位处的水涝面积外的区域的雨水留存率，不同的地形结构以及降雨强度配置有不同的雨水留存率，且降雨强度越高、与水涝危险点的高程落差越大，雨水留存率越小。
可选的，在第i个水涝危险点的影响区域
Figure SMS_7
的地形起伏偏差大于预设阈值的情况下，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
获取历史洪涝数据对应的天气数据中的风速信息；
基于所述风速信息以及预先配置的风速影响因子，确定对应风速下的修正参数，满足：
Figure SMS_9
其中，/>
Figure SMS_14
表示影响区域/>
Figure SMS_17
的平均风速，/>
Figure SMS_11
表示预先配置的风速影响因子，其中第i个水涝危险点的影响区域/>
Figure SMS_13
的地形起伏偏差越大，/>
Figure SMS_16
越大，/>
Figure SMS_18
表示影响区域
Figure SMS_8
的峰值海拔，/>
Figure SMS_12
表示影响区域/>
Figure SMS_15
的洼处海拔，/>
Figure SMS_19
表示风速对影响区域/>
Figure SMS_10
的稳定度修正函数，K表示奥布霍夫长度。
可选的，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
引入对应风速下的修正参数，并结合所述风速信息与第i个水涝危险点的影响区域
Figure SMS_20
的地形起伏偏差之间的对应关系，优化所建立的不同降雨强度下的雨量预测模型满足：/>
Figure SMS_21
其中，/>
Figure SMS_22
表示平均风速方向与影响区域/>
Figure SMS_23
的地形起伏偏差之间的夹角。
可选的，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
为所述水涝危险点集合中的任一水涝危险点，建立如下积水量预测模型：
Figure SMS_26
其中，/>
Figure SMS_28
表示第i个水涝危险点的基础积水能力，N表示目标城市在先的降雨采样时段数，/>
Figure SMS_30
表示通过预测模型预测的第i个水涝危险点第n个采样时段的降雨量，/>
Figure SMS_25
表示第i个水涝危险点在采样范围内的积水流失均值，/>
Figure SMS_27
表示第i个水涝危险点在采样范围内的可积水量均值，/>
Figure SMS_29
表示第i个水涝危险点预测时间前一采样时段的水位值，/>
Figure SMS_31
表示第i个水涝危险点预测时间前/>
Figure SMS_24
个采样时段的水位值。
可选的，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
基于目标城市的地形数据，确定地理位置上临近的两两水涝危险点是否存在高程差；
在存在高程差的情况下，将两两水涝危险点中高程高的一个水涝危险点作为可能水涝源引入高程低的一个水涝危险点，以构建所述水涝危险点集合中的水涝危险点的关联关系。
可选的，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
对于具有关联关系的两个水涝危险点，对于高程高的一个水涝危险点，在利用积水量预测模型预测的积水量超过相应积水量阈值的情况下，将其积水量预测模型叠加到高程低的一个水涝危险点的积水量预测模型中，合并计算高程低的一个水涝危险点的积水量。
可选的，根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型是随着时间的推移而匹配的，所匹配的预测模型根据所述未来天气相关预期信息的变化而变化，以实现对所述水涝危险点集合的水涝风险进行预测及更新。
本申请实施例还提出一种城市防洪预警系统，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的城市防洪预警方法的步骤。
本申请实施例的城市防洪预警方法，考虑了地形因素对降雨天气积水的影响，并引入天气相关条件来实现对水涝风险进行预测及更新，提高防洪危险点预测的准确性，利用本申请的方法能够有效指导防洪作业点的布置。
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，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本实施例的城市防洪预警方法的基本流程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本申请实施例提出一种城市防洪预警方法，用以根据实际的天气情况预测防洪危险点，并实现根据天气情况的变化更新防洪危险点，从而指导防洪作业布置，如图1所示，本申请的方法包括如下步骤：
在步骤S101中，获取目标城市的地形数据，并根据所述地形数据确定出所述目标城市的数个第一水涝危险点，以及确定历史洪涝记录中的各第二水涝危险点，基于各第一水涝危险点和各第二水涝危险点，构建所述目标城市的水涝危险点集合。具体的目标城市的地形数据可以是利用航空遥感、航天遥感等获取，分辨率满足需求即可。由于经常出现洪涝的位置通常为地势较低的位置，可以根据数字高程数据确定目标城市中各位置的高程，根据高程确定数个第一水涝危险点。一些示例中，还可以确定历史洪涝记录中的各第二水涝危险点，从而构建出目标城市的水涝危险点集合。
在步骤S102中，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系，所述关联关系用以描述水涝危险点之间当前可能存在的地形关联。在一些实施例中，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
基于目标城市的地形数据，确定地理位置上临近的两两水涝危险点是否存在高程差。本申请所指的临近可以是两水涝危险点之间的距离在预设范围内，并确定两水涝危险点之间的高程差。
在存在高程差的情况下，将两两水涝危险点中高程高的一个水涝危险点作为可能水涝源引入高程低的一个水涝危险点，以构建所述水涝危险点集合中的水涝危险点的关联关系，基于水涝危险点的关联关系可以为后续建立积水量模型提供一种积水源，从而可以随着时间推移精确预测出更多的防洪作业点。
在步骤S103中，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型，其中各预测模型用于描述不同降雨等级下各水涝危险点的积水量变化。具体的可以根据各水涝危险点地形关系，例如影响面积大小、坡度等来建立多个适配于水涝危险点的积水量变化的预测模型。
在步骤S104中，按照预设规则采集所述目标城市的未来天气相关预期信息，其中所述未来天气相关预期信息至少包括预测雨量信息以及预测风速信息，所述预设规则满足根据预测雨量信息的变化调整采样点数，且其中预测雨量信息越大、保留的采样点数越密集。本申请实施例中，可以基于未来天气相关预测信息进行采集，例如基于未来天气预测信息设置天气采集点，可以从出现降雨开始采集，或者在预测的天气的降雨强度超过预设降雨强度阈值时，开始设置采集点，从而可以降低整体的运算量，减小计算资源消耗。
在步骤S105中，根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型，并结合水涝危险点的关联关系，对所述水涝危险点集合的水涝风险进行预测及更新。
本申请实施例的城市防洪预警方法，考虑了地形因素对降雨天气积水的影响，并引入天气相关条件来实现对水涝风险进行预测及更新，提高防洪危险点预测的准确性，利用本申请的方法能够有效指导防洪作业点的布置。
在一些实施例中，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型包括：
为所述水涝危险点集合中的任一水涝危险点，采用如下方式建立如下降雨量预测模型：
基于所述目标城市的地形数据，确定第i个水涝危险点的影响区域
Figure SMS_32
，本申请通过确定第i个水涝危险点的影响区域/>
Figure SMS_33
从而能够对任一水涝危险点构建出适配的积水量预测模型，从而提高预测模型的水涝危险点的预测准确性。
基于获取的降雨强度，以及所确定的影响区域
Figure SMS_34
，建立不同降雨强度下的降雨量预测模型满足：/>
Figure SMS_35
其中，/>
Figure SMS_36
表示获取的采样时段内的平均降雨强度，/>
Figure SMS_37
表示第i个水涝危险点在警戒水位处的水涝面积，/>
Figure SMS_38
表示除在警戒水位处的水涝面积外的区域的雨水留存率，不同的地形结构以及降雨强度配置有不同的雨水留存率，且降雨强度越高、与水涝危险点的高程落差越大，雨水留存率越小，具体可以还结合土质情况来综合确定，可以由试验测定获得。
为了进一步提高任一水涝危险点的积水量预测准确度，在一些实施例中，在第i个水涝危险点的影响区域
Figure SMS_39
的地形起伏偏差大于预设阈值的情况下，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
获取历史洪涝数据对应的天气数据中的风速信息；
基于所述风速信息以及预先配置的风速影响因子，确定对应风速下的修正参数，满足：
Figure SMS_41
其中，/>
Figure SMS_46
表示对应风速下的修正参数，/>
Figure SMS_50
表示影响区域/>
Figure SMS_42
的平均风速，/>
Figure SMS_44
表示预先配置的风速影响因子，其中第i个水涝危险点的影响区域/>
Figure SMS_48
的地形起伏偏差越大，/>
Figure SMS_52
越大，/>
Figure SMS_40
表示影响区域/>
Figure SMS_45
的峰值海拔，/>
Figure SMS_49
表示影响区域/>
Figure SMS_51
的洼处海拔，/>
Figure SMS_43
表示风速对影响区域/>
Figure SMS_47
的稳定度修正函数，K表示奥布霍夫长度。
在一些实施例中，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
引入对应风速下的修正参数，并结合所述风速信息与第i个水涝危险点的影响区域
Figure SMS_53
的地形起伏偏差之间的对应关系，优化所建立的不同降雨强度下的降雨量预测模型满足：/>
Figure SMS_54
其中，/>
Figure SMS_55
表示平均风速方向与影响区域/>
Figure SMS_56
的地形起伏偏差之间的夹角。本申请实施例中通过进一步引入不同风速下的修正参数，对所建立的不同降雨强度下的降雨量预测模型进行了优化，从而进一步考虑了水涝危险点自身所处区域的地形特性，从最终提高模型的预测准确度。
在一些实施例中，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
为所述水涝危险点集合中的任一水涝危险点，建立如下积水量预测模型：
Figure SMS_57
其中，/>
Figure SMS_60
表示第i个水涝危险点的基础积水能力，N表示目标城市在先的降雨采样时段数，/>
Figure SMS_63
表示通过预测模型预测的第i个水涝危险点第n个采样时段的降雨量，/>
Figure SMS_59
表示第i个水涝危险点在采样范围内的积水流失均值，/>
Figure SMS_61
表示第i个水涝危险点在采样范围内的可积水量均值，/>
Figure SMS_62
表示第i个水涝危险点预测时间前一采样时段的水位值，/>
Figure SMS_64
表示第i个水涝危险点预测时间前/>
Figure SMS_58
个采样时段的水位值。
在一些实施例中，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
对于具有关联关系的两个水涝危险点，对于高程高的一个水涝危险点，在利用积水量预测模型预测的积水量超过相应积水量阈值的情况下，将其积水量预测模型叠加到高程低的一个水涝危险点的积水量预测模型中，合并计算高程低的一个水涝危险点的积水量。
在一些实施例中，根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型是随着时间的推移而匹配的，所匹配的预测模型根据所述未来天气相关预期信息的变化而变化，以实现对所述水涝危险点集合的水涝风险进行预测及更新。也即在预测的过程中，可以随着时间的推移，重复确定雨水留存率
Figure SMS_65
，以及平均风速方向与影响区域的地形起伏偏差之间的夹角/>
Figure SMS_66
等模型参数，并在采样点区间范围内进行积水量计算，累加。一些具体示例中可以为各水涝危险点配置相应的告警水量，在预测的积水量超过告警水量的情况下，可以对该水涝危险点进行标记，最终可以基于目标城市的水涝危险点集合形成一个与时间相关联的告警水涝危险点序列，用以指示出水涝出现的先后顺序，并且可以实时更新该目标城市的告警水涝危险点序列，从而指导防洪作业点的布置。
综上，本申请的方法对应于一个水涝危险点可以根据其地形相关数据适配出对应的积水量预测模型，并引入天气相关条件来实现对水涝风险进行预测及更新，由此能够准确预测出目标城市存在的潜在水涝危险点，相比传统的历史水文数据实现对当前城市的防洪排涝风险预测，本申请的预测准确度高，且能够实时跟踪天气信息，对防洪作业点的布置起到良好的指导作用。
本申请实施例还提出一种城市防洪预警系统，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的城市防洪预警方法的步骤。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合（例如，各种实施例交叉的方案）、改编或改变的实施例。并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。
以上描述旨在是说明性的而不是限制性的。例如，上述示例（或其一个或更多方案）可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。
以上实施例仅为本公开的示例性实施例，本领域技术人员可以在本公开的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.一种城市防洪预警方法，其特征在于，包括如下步骤：
获取目标城市的地形数据，并根据所述地形数据确定出所述目标城市的数个第一水涝危险点，以及确定历史洪涝记录中的各第二水涝危险点，基于各第一水涝危险点和各第二水涝危险点，构建所述目标城市的水涝危险点集合；
基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系，所述关联关系用以描述水涝危险点之间当前可能存在的地形关联；
基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型，其中各预测模型用于描述不同降雨等级下各水涝危险点的积水量变化；
按照预设规则采集所述目标城市的未来天气相关预期信息，其中所述未来天气相关预期信息至少包括预测雨量信息以及预测风速信息，所述预设规则满足根据预测雨量信息的变化调整采样点数，且其中预测雨量信息越大、保留的采样点数越密集；
根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型，并结合水涝危险点的关联关系，对所述水涝危险点集合的水涝风险进行预测及更新。
2.如权利要求1所述的城市防洪预警方法，其特征在于，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型包括：
为所述水涝危险点集合中的任一水涝危险点，采用如下方式建立如下降雨量预测模型：
基于所述目标城市的地形数据，确定第i个水涝危险点的影响区域
Figure QLYQS_1
；
基于获取的降雨强度，以及所确定的影响区域
Figure QLYQS_2
，建立不同降雨强度下的降雨量预测模型满足：
Figure QLYQS_3
其中，/>
Figure QLYQS_4
表示获取的采样时段内的平均降雨强度，/>
Figure QLYQS_5
表示第i个水涝危险点在警戒水位处的水涝面积，/>
Figure QLYQS_6
表示除在警戒水位处的水涝面积外的区域的雨水留存率，不同的地形结构以及降雨强度配置有不同的雨水留存率，且降雨强度越高、与水涝危险点的高程落差越大，雨水留存率越小。
3.如权利要求2所述的城市防洪预警方法，其特征在于，在第i个水涝危险点的影响区域
Figure QLYQS_7
的地形起伏偏差大于预设阈值的情况下，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
获取历史洪涝数据对应的天气数据中的风速信息；
基于所述风速信息以及预先配置的风速影响因子，确定对应风速下的修正参数，满足：
Figure QLYQS_9
其中，/>
Figure QLYQS_13
表示影响区域/>
Figure QLYQS_15
的平均风速，/>
Figure QLYQS_10
表示预先配置的风速影响因子，其中第i个水涝危险点的影响区域/>
Figure QLYQS_12
的地形起伏偏差越大，/>
Figure QLYQS_16
越大，/>
Figure QLYQS_18
表示影响区域
Figure QLYQS_8
的峰值海拔，/>
Figure QLYQS_14
表示影响区域/>
Figure QLYQS_17
的洼处海拔，/>
Figure QLYQS_19
表示风速对影响区域/>
Figure QLYQS_11
的稳定度修正函数，K表示奥布霍夫长度。
4.如权利要求3所述的城市防洪预警方法，其特征在于，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
引入对应风速下的修正参数，并结合所述风速信息与第i个水涝危险点的影响区域
Figure QLYQS_20
的地形起伏偏差之间的对应关系，优化所建立的不同降雨强度下的降雨量预测模型满足：
Figure QLYQS_21
其中，/>
Figure QLYQS_22
表示平均风速方向与影响区域
Figure QLYQS_23
的地形起伏偏差之间的夹角。
5.如权利要求4所述的城市防洪预警方法，其特征在于，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
为所述水涝危险点集合中的任一水涝危险点，建立如下积水量预测模型：
Figure QLYQS_26
其中，/>
Figure QLYQS_28
表示第i个水涝危险点的基础积水能力，N表示目标城市在先的降雨采样时段数，/>
Figure QLYQS_30
表示通过预测模型预测的第i个水涝危险点第n个采样时段的降雨量，/>
Figure QLYQS_25
表示第i个水涝危险点在采样范围内的积水流失均值，/>
Figure QLYQS_27
表示第i个水涝危险点在采样范围内的可积水量均值，/>
Figure QLYQS_29
表示第i个水涝危险点预测时间前一采样时段的水位值，/>
Figure QLYQS_31
表示第i个水涝危险点预测时间前/>
Figure QLYQS_24
个采样时段的水位值。
6.如权利要求1所述的城市防洪预警方法，其特征在于，基于所述目标城市的地形数据构建所述水涝危险点集合中的水涝危险点的关联关系包括：
基于目标城市的地形数据，确定地理位置上临近的两个水涝危险点是否存在高程差；
在存在高程差的情况下，将两个水涝危险点中高程高的一个水涝危险点作为可能水涝源引入高程低的一个水涝危险点，以构建所述水涝危险点集合中的水涝危险点的关联关系。
7.如权利要求6所述的城市防洪预警方法，其特征在于，基于所述目标城市的历史洪涝数据与对应的天气数据建立多个预测模型还包括：
对于具有关联关系的两个水涝危险点，对于高程高的一个水涝危险点，在利用积水量预测模型预测的积水量超过相应积水量阈值的情况下，将其积水量预测模型叠加到高程低的一个水涝危险点的积水量预测模型中，合并计算高程低的一个水涝危险点的积水量。
8.如权利要求1所述的城市防洪预警方法，其特征在于，根据所述未来天气相关预期信息，从各所述预测模型匹配出对应预测模型是随着时间的推移而匹配的，所匹配的预测模型根据所述未来天气相关预期信息的变化而变化，以实现对所述水涝危险点集合的水涝风险进行预测及更新。
9.一种城市防洪预警系统，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的城市防洪预警方法的步骤。
CN202310627003.7A 2023-05-31 2023-05-31 一种城市防洪预警系统及方法 Active CN116362419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310627003.7A CN116362419B (zh) 2023-05-31 2023-05-31 一种城市防洪预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310627003.7A CN116362419B (zh) 2023-05-31 2023-05-31 一种城市防洪预警系统及方法

Publications (2)

Publication Number Publication Date
CN116362419A true CN116362419A (zh) 2023-06-30
CN116362419B CN116362419B (zh) 2023-08-04

Family

ID=86938711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310627003.7A Active CN116362419B (zh) 2023-05-31 2023-05-31 一种城市防洪预警系统及方法

Country Status (1)

Country Link
CN (1) CN116362419B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575319A (zh) * 2023-11-27 2024-02-20 郑州大学 一种评估城市洪涝灾害等级的方法
CN117576863A (zh) * 2023-11-20 2024-02-20 国网西藏电力有限公司 一种结合冰川冰雪覆盖的小水电防汛安全预警方法及系统
CN117674293A (zh) * 2023-12-07 2024-03-08 华能西藏雅鲁藏布江水电开发投资有限公司 一种梯级水电站的长期发电优化调度方法及装置
CN117764317A (zh) * 2023-11-23 2024-03-26 南京南瑞水利水电科技有限公司 一种考虑环境灾害的水电站安全运行预测方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009856A (ja) * 1998-06-24 2000-01-14 Fuji Electric Co Ltd 地表降雨演算装置、地表降雨予測装置、及び記憶媒体
WO2012060507A1 (ko) * 2010-11-03 2012-05-10 (주)텔레콤랜드 철도 레일 침수 관측 시스템 및 그 제어방법
JP2018205214A (ja) * 2017-06-07 2018-12-27 大成建設株式会社 雨量予測装置
CN110646867A (zh) * 2019-08-28 2020-01-03 北京无线电计量测试研究所 一种城市排水监测预警方法和系统
CN110837925A (zh) * 2019-11-04 2020-02-25 浙江贵仁信息科技股份有限公司 一种城市内涝预测方法和装置
WO2021003768A1 (zh) * 2019-07-08 2021-01-14 大连理工大学 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法
CN112506994A (zh) * 2020-12-07 2021-03-16 广东电网有限责任公司电力科学研究院 一种电力设备洪涝隐患点监测预警方法及相关装置
CN112785053A (zh) * 2021-01-15 2021-05-11 北京市水科学技术研究院 一种预报城市流域洪涝的方法及系统
CN115471078A (zh) * 2022-09-15 2022-12-13 镇江市勘察测绘研究院有限公司 一种基于城市水务系统的洪涝风险点评估方法及装置
CN115685389A (zh) * 2022-10-19 2023-02-03 中国市政工程华北设计研究总院有限公司 一种基于降尺度和汇水区动态划分的下凹桥积水预测方法
CN115719164A (zh) * 2022-11-22 2023-02-28 中国长江三峡集团有限公司 一种城市易涝点识别方法及装置
CN116070918A (zh) * 2023-04-06 2023-05-05 珠江水利委员会珠江水利科学研究院 一种城市洪涝安全评估及洪涝灾害防治方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009856A (ja) * 1998-06-24 2000-01-14 Fuji Electric Co Ltd 地表降雨演算装置、地表降雨予測装置、及び記憶媒体
WO2012060507A1 (ko) * 2010-11-03 2012-05-10 (주)텔레콤랜드 철도 레일 침수 관측 시스템 및 그 제어방법
JP2018205214A (ja) * 2017-06-07 2018-12-27 大成建設株式会社 雨量予測装置
WO2021003768A1 (zh) * 2019-07-08 2021-01-14 大连理工大学 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法
CN110646867A (zh) * 2019-08-28 2020-01-03 北京无线电计量测试研究所 一种城市排水监测预警方法和系统
CN110837925A (zh) * 2019-11-04 2020-02-25 浙江贵仁信息科技股份有限公司 一种城市内涝预测方法和装置
CN112506994A (zh) * 2020-12-07 2021-03-16 广东电网有限责任公司电力科学研究院 一种电力设备洪涝隐患点监测预警方法及相关装置
CN112785053A (zh) * 2021-01-15 2021-05-11 北京市水科学技术研究院 一种预报城市流域洪涝的方法及系统
CN115471078A (zh) * 2022-09-15 2022-12-13 镇江市勘察测绘研究院有限公司 一种基于城市水务系统的洪涝风险点评估方法及装置
CN115685389A (zh) * 2022-10-19 2023-02-03 中国市政工程华北设计研究总院有限公司 一种基于降尺度和汇水区动态划分的下凹桥积水预测方法
CN115719164A (zh) * 2022-11-22 2023-02-28 中国长江三峡集团有限公司 一种城市易涝点识别方法及装置
CN116070918A (zh) * 2023-04-06 2023-05-05 珠江水利委员会珠江水利科学研究院 一种城市洪涝安全评估及洪涝灾害防治方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M. D. POLLOCK等: "Quantifying and Mitigating Wind-Induced Undercatch in Rainfall Measurements", 《WATER RESOURCES RESEARCH》, pages 3863 - 3875 *
王心怡: "城市超标准暴雨内涝灾害风险评估及防御措施 研究", 《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技Ⅱ辑》, no. 2 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576863A (zh) * 2023-11-20 2024-02-20 国网西藏电力有限公司 一种结合冰川冰雪覆盖的小水电防汛安全预警方法及系统
CN117576863B (zh) * 2023-11-20 2024-06-07 国网西藏电力有限公司 一种结合冰川冰雪覆盖的小水电防汛安全预警方法及系统
CN117764317A (zh) * 2023-11-23 2024-03-26 南京南瑞水利水电科技有限公司 一种考虑环境灾害的水电站安全运行预测方法及系统
CN117575319A (zh) * 2023-11-27 2024-02-20 郑州大学 一种评估城市洪涝灾害等级的方法
CN117674293A (zh) * 2023-12-07 2024-03-08 华能西藏雅鲁藏布江水电开发投资有限公司 一种梯级水电站的长期发电优化调度方法及装置
CN117674293B (zh) * 2023-12-07 2024-06-14 华能西藏雅鲁藏布江水电开发投资有限公司 一种梯级水电站的长期发电优化调度方法及装置

Also Published As

Publication number Publication date
CN116362419B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN116362419B (zh) 一种城市防洪预警系统及方法
CN111582755B (zh) 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
US20230068671A1 (en) Method for snowmelt flood prediction
KR102158286B1 (ko) 침수 예측 방법 및 침수 예측 장치
CN108416468B (zh) 一种洪水超前预警预报方法
CN115933008A (zh) 一种强对流天气预报预警方法
CN111538798B (zh) 一种顾及dsm和dlg的城市汇水区精细化提取方法
CN112904458B (zh) 一种超渗-蓄满混合产流模式的水文预报方法及系统
CN112488385B (zh) 一种基于多模式融合的降水预报订正方法和装置
CN113780657B (zh) 洪水事件识别方法、装置、计算机设备和存储介质
CN114611834B (zh) 一种基于多维特征分析的电力发电站选址评估规划方法
CN113435630A (zh) 一种产流模式自适应的流域水文预报方法及系统
CN112800379A (zh) 一种modis遥感积雪信息的处理方法和装置
CN117574493B (zh) 一种多年冻土地区高速公路冻土范围形变识别方法及系统
CN113379828B (zh) 一种融合地表形态特征的坡长提取方法
CN113496182B (zh) 基于遥感影像的道路提取方法及装置、存储介质及设备
CN112926786A (zh) 一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统
CN115422782B (zh) 一种基于水文模型的洪水预报系统
CN115619045B (zh) 一种河口潮差预报方法和系统
CN117010555A (zh) 用于预测输电线路灾害事件风险的方法、装置及处理器
CN115294770A (zh) 一种雨天交通拥堵指数的预测方法和装置
CN113592142A (zh) 水库流域的迎风坡微地形的暴雨预报方法及系统
CN117849908B (zh) 一种基于模式环流场的梅雨季入梅出梅日期预测方法及装置
CN117216503B (zh) 一种小区域短时暴雨的预警方法和系统
CN116739185B (zh) 基于雷电能量的实时雷电区域预测和线路预警方法及系统

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