CN116682237B - 一种基于人工智能的智能防汛预警方法及平台 - Google Patents
一种基于人工智能的智能防汛预警方法及平台 Download PDFInfo
- Publication number
- CN116682237B CN116682237B CN202310966975.9A CN202310966975A CN116682237B CN 116682237 B CN116682237 B CN 116682237B CN 202310966975 A CN202310966975 A CN 202310966975A CN 116682237 B CN116682237 B CN 116682237B
- Authority
- CN
- China
- Prior art keywords
- flood
- time
- data
- rainfall
- precipitation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002265 prevention Effects 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 79
- 238000001556 precipitation Methods 0.000 claims description 46
- 239000002689 soil Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 7
- 238000006424 Flood reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及人工智能技术领域,尤其涉及一种基于人工智能的智能防汛预警方法及平台,包括:数据采集模块、数据传输模块、数据分析处理模块、安全预警模块。数据传输模块用于将第一数据采集模块获取的总体降水流量参数,以及第二数据采集模块获取降雨时间参数传输至数据分析处理模块。数据分析处理模块对于来自数据传输模块的汛情影响相关参数、降水时间参数进行定向数据处理。处理后的数据利用人工智能的算法技术实时监控汛情,从而能够及时准确的获取城市降水的实时情况,并对实时的降水数据进行进一步评判分析,并据此能够及时判断是否会出现对人民群众生命财产造成威胁的汛情,以最大程度的降低汛情造成的损失。
Description
技术领域
本发明涉及防汛预警领域,尤其涉及一种基于人工智能的智能防汛预警方法及平台。
背景技术
人工智能,是一个以计算机科学为基础,由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科,研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
防汛抗洪一直是应急管理工作的重要组成部分,尽管各部门已经在抗洪抢险方面建立了相对完善的救灾体制,能够比较娴熟地处理常规的洪涝灾害,但由于洪涝灾害具有不确定性和突发性,防汛应急抢险工作的开展依旧是当前的一大难题。
现有技术难以实现对汛情的提前预警,以实现最大程度的减少汛情对多水洪涝区域的负面影响。如果汛情可以提前预测,及时预警,那么将会有更多的生命延续,更多的财产得到保护。
本发明旨在提供一种基于人工智能的智能防汛预警方法及平台,利用大数据整合和云遥感技术对洪期汛期进行预警和监控。
发明内容
解决的技术问题
针对现有技术的不足,本发明提供了一种基于人工智能的智能防汛预警方法及平台,通过人工智能技术实时监控汛情,及时准确的获取城市降水的实时情况,并对实时的降水数据进行进一步评判分析,并据此能够及时判断是否会出现对人民群众生命财产造成威胁的汛情,以解决上述技术背景中提出的问题。
技术方案
为实现上述方案,本发明通过以下技术方案实现:一种基于人工智能的智能防汛预警方法及平台。利用人工智能处理技术,采用机器人和生物人结合的方式,由智能化系统可以自动处理电话、文件等业务,自动完成各种文字材料的撰写,或者实现人机智能协同处理,尽最大可能改善防汛值班效率,提高处理水平,减轻劳动强度,实现由人工值班工作转变为人机智能协同值班工作,最终实现机器人值班,实现解放生产力、发展生产力的目标。
第一数据采集单元:采集城市内的降雨量,包括采集降水量的毫升数JSl、河流水位增长量HLz及下水道水流增长量XSl,将以上三个数据进行归一化处理,并生成城市整体降雨量参数JYL;
第一数据处理单元:采集水位高度GD、水流速率SL及水压力SY,将以上三个数据进行归一化处理,并生成水文参数SWS;采集土壤含水量HSL;采集气温QW、湿度SD和风速FS;将以上三个数据进行归一化处理,并生成气象参数QXS;使用卫星遥感技术采集模块地形面积MJ、植被覆盖率FG和土壤质量TR,将以上三个数据进行归一化处理,并生成地理参数DLC;
第二数据采集单元:采集降水的时间T,其中,降水时间T根据不同的汛情划分标准分为12小时和24小时;将采集并生成的水文参数SWS、土壤含水量HSL、气象参数QXS、地理参数DLC以及降雨时间参数T进行汇总并通过数据传输模块传输至数据分析处理模块;
第二数据处理单元:对于来自数据传输模块的总体降水流量参数、降水时间参数进行定向数据处理,并进一步采用SPSS分析软件对降水量评价指标与降水时间自变量T进行相关性分析,在通过公式运算后得到汛情威胁指数JsNUM;
执行单元:安全预警模块根据数据分析处理模块计算处理的降水量相关系数JsNUM选择不同的安全预警处理策略。
数据分析处理模块对于从数据传输模块获取到的数据根据降水量等级划分标准进行区间判断——降雨量等级防汛部门规定:降雨量是在一定时间内降落在地面上的某一点或某一单位面积上的水层深度,以毫米计算。根据国家防办《防汛手册》规定,凡24小时的累计降雨量超过50毫米者定为暴雨。按12小时降雨强度和24小时降雨强度划分小降雨量等级。因此可以根据第二数据采集模块获取的时间数据进行汛情等级划分,等级划分表如表一所示;
表1降雨等级划分表
数据分析处理模块对于来自第一数据采集模块的整体降雨量JYL、第二数据采集模块的水文参数SWS、第三数据采集模块的采集土壤含水量HSL和第四数据采集模块气象参数QXS进行定向数据处理,得到汛情威胁指数JsNUM,根据国家防办《防汛手册》的时间划分标准,可以将降水时间分为12小时和24小时降雨依次第六数据采集模块采集的时间T进行计算,得到汛情威胁指数JsNUM,表达式为:
其中:
SWS为水文参数,其计算方式如下:
QXS为气象参数,其计算方式如下:
JYL为降水量参数,其计算方式如下:
其中,参数意义为:δ为降水量影响因子,ε为降水速度影响因子,为水位影响因子,且/>,/>为常数修正系数。
安全预警模块根据数据分析处理模块计算处理得到的汛情威胁指数JsNUM选择不同的安全预警处理策略,智能决策是人工智能在防汛应用的核心内容。当有重大暴雨预报,发生山洪险情、城市道路积水险情、流域性洪水、堤防等水利工程险情时,需要指挥做出应对决策。
智能决策就是由智能设备根据预报和险情情况、防汛责任制、防汛物资储备、抢险队伍部署、避险转移方案、调度预案和抢险预案、工作机制、工程运行和基本情况并结合第五数据采集模块获取的地理参数DLC自动提出决策意见,并能够根据实际情况自动修正决策意见,并将决策意见形成知识库,作为今后决策可以学习的内容。
智能决策与传统的计算机辅助决策最大的区别就是智能决策要能够自我修正和自我学习,并且今后的决策要将修正和学习的内容用于决策。这种修复和学习的能力不是人所给予它的知识点,而是它自身具备的能力。
智能防汛预警平台通过对计算得出的汛情威胁指数JsNUM与阈值进行对比判断,以得出不同的应对方案。具体为:
当0.2≤JsNUM≤0.35的时候,发布汛情蓝色警告,此时,12小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续;相关部门按照职责做好防暴雨准备工作并检查城市、农田、鱼塘排水系统,做好排涝准备;
当0.35<JsNUM≤0.48的时候,发布汛情黄色警告,此时,6小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续。相关部门按照职责做好防暴雨工作;交通管理部门应当根据路况在强降雨路段采取交通管制措施,在积水路段实行交通引导;切断低洼地带有危险的室外电源,暂停在空旷地方的户外作业,转移危险地带人员和危房居民到安全场所避雨;
当0.48<JsNUM≤0.72的时候,发布汛情橙色警告,3小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续。相关部门按照职责做好防暴雨应急工作;做好城市、农田的排涝,注意防范可能引发的山洪、滑坡、泥石流等灾害;
当0.72<JsNUM的时候,发布汛情红色警告,3小时内降雨量将达100毫米以上,或者已达到100毫米以上且降雨可能持续。相关部门按照职责做好防暴雨应急和抢险工作;做好山洪、滑坡、泥石流等灾害的防御和抢险工作;
在上述的人工智能管理汛情的基础上,可以使用依托 MAPGIS 系统提供的二次开发接口的GIS 管理系统使人工智能对防汛的预测和应对措施更加自动化;采用 delphi 语言的强大开发功能,在 1:50 0000 的地图上实现了对防汛信息的动态管理。系统收录了城区和各县的河流、排退水渠、水库、雨量站、缓洪池、淤地坝五大类信息。系统具体包括:河流信息及其堤防信息;水库及其工程信息;排退水渠、淤地坝、缓洪池信息;雨量站、水文站信息;防汛抢险队伍信息;物资储备信息;抗旱抢险队伍信息;实时险情;防汛抗旱动态;河流及城市渍涝信息:工情:防洪工程布置图、城市洪水风险图、城市渍涝(积水)分布图及其基本情况;排涝设施(雨水抽排泵站) 分布图及其基本情况;城市雨水管网图及基本情况:易出险分布及其情况:抢险避险路线图等所有与防汛抗旱工作相关的基本信息。基本功能:建立了基本信息数据库,具有信息的采集传输、修改、添加、维护、管理、调用、统计报表等功能,实现了查询方式多样化和快捷化,查询界面直观化,数据库内容可被其他模块调用。大大提高了人工智能的防汛的能力。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明生成的人工智能汛情监测流程数据处理示意图;
图2为根据本发明生成的人工智能汛情监测平台结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。
如图1及图2所示,本发明提供一实施例的一种基于人工智能的智能防汛预警方法,包括:数据采集模块、数据传输模块、数据分析处理模块及安全预警模块;
其中,数据采集模块含有六个数据采集模块,包括:第一数据采集模块用于采集城市内的整体降水量,包括采集直观情况下的降水量的毫升数JSl、河流水位增长量HLz、下水道水流增长量XSl;
降水量JSl为使用压电式雨量传感器测量出的数据,压电式雨量传感器由上盖、外壳和下盖组成,壳体内部有压电片和电路板,传感器采用冲击测量原理对单个雨滴重量进行测算,进而计算降雨量。雨滴在降落过程中受到雨滴重量和空气阻力的作用,到达地面时速度为恒定速度,根据物理公式 P=MV,测量冲击即可求出雨滴重量,进而得到持续降水量;
河流水位增长量HLz = 实时水位-(测站水深 + 表面高程),且实时水位通过水位传感器进行实时监测;
下水道水流增长量XSl= 实时下水位-常年平均下水位,下水道实时水位通过压力式下水道液位计来测量;
将第一数据采集模块得到的降水量JSl、河流水位增长量HLz和下水道水流增长量XSl进行归一化处理,并生成城市整体降雨量参数JYL,其生成方法符合以下公式:
其中,参数意义为:δ为降水量影响因子,ε为降水速度影响因子,为水位影响因子,且/>,/>为常数修正系数。
进一步的,第二数据采集模块用于采集水位高度GD、水流速率SL和水压力SY;
水位高度GD采用水位计进行测量,水位计通过在河岸或者水库中设置传感器,可以实时监测监测点的水深值、水位高度等数据,并通过数据传输和处理,实现对水文情况的监测与预警;
水流速率SL采用气泡流量计进行测量,气泡流量计主要利用小气泡在流体中层流状态下流动的特性,对水流速率进行测量。因为气泡流量计的响应时间非常快,所以它可以用来监测涌移、湍流等复杂的水流情况;
水压SY采用压力传感器测量,通过在监测点上设置压力传感器,可以实现对水体压力的实时监测,并将压力值转化为水位高度(m)或水深(m)。压力传感器的主要工作原理是利用受力敏感元件的变形量,实时转化为电信号输出;
将第二数据采集模块基于水文测站得到的水位高度GD、水流速率SL和水压力SY进行归一化处理,并生成水文参数SWS,其生成方法符合以下公式:
进一步的,第三数据采集模块用于采集土壤含水量HSL;
进一步的,使用时域反射法对土壤含水量HSL进行测量;
时域反射法TDR是一种通过测量土壤介电常数来获得土含水率的一种方法。TDR的原理是电磁波沿非磁性介质中的传输导线的传输速度V=c/ε,而对于已知长度为L的传输线,又有V=L/t,于是可得ε=(ct/L)2,其中c为光在真空中的传播速度,ε为非磁性介质的介电常数,t为电磁波在导线中的传输时间。而电磁波在传输到导线终点时,又有一部分电磁波沿导线反射回来,这样入射与反射形成了一个时间差T。因此通过测量电磁波在埋入土壤中的导线的入射反射时间差T就可以求出土壤的介电常数,进而求出土壤的含水率HSL;
进一步的,第四数据采集模块用于采集气温QW、湿度SD和风速FS;
气温QW和湿度SD采用湿温度传感器进行测量;温度传感器是一种针对温度进行监测的设备,常见的有热电偶、热敏电阻、绝缘树脂等各种传感器。它可以根据温度变化测量室内或室外的温度,可以用来观测自然环境中的温度变化并及时发出预警;
风速FS采用超声波风速节进行测量;这是一种测量风速的设备,利用超声波技术进行风速测量,从而避免了其它测量方法的难点(例如需要直接测量风中的气体等复杂情况),该装置广泛使用在需要快速准确测量风速的场合;
将第四数据采集模块基于水文测站得到的气温QW、湿度SD和风速FS进行归一化处理,并生成气象参数QXS,其生成方法符合以下公式:
进一步的,使用卫星遥感技术采集模块地形、植被和土壤质量等参数得到第五数据地理参数DLC;人工智能防汛预警平台将基于地理参数DLC对山洪泛滥和滑坡等地质灾害进行预测、监测和预警;
进一步的,第六数据采集模块用于采集降水的时间T;
降水时间T根据不同的汛情划分标准分为12小时和24小时;
数据传输模块用于将第一数据采集模块获取的总体降水流量参数,以及第六数据采集模块获取降雨时间参数传输至数据分析处理模块;
数据分析处理模块对于来自数据传输模块的总体降水流量参数、降水时间参数进行定向数据处理,并进一步采用SPSS分析软件对降水量评价指标与降水时间自变量T进行相关性分析,并根据上述的汛情威胁指数JsNUM计算公式进行计算,得到汛情威胁指数JsNUM;
安全预警模块根据数据分析处理模块计算的汛情威胁指数JsNUM选择不同的安全预警处理策略,具体为:
当0.2≤JsNUM≤0.35的时候,发布汛情蓝色警告,此时,12小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续;相关部门按照职责做好防暴雨准备工作并检查城市、农田、鱼塘排水系统,做好排涝准备;
当0.35<JsNUM≤0.48的时候,发布汛情黄色警告,此时,6小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续。相关部门按照职责做好防暴雨工作;交通管理部门应当根据路况在强降雨路段采取交通管制措施,在积水路段实行交通引导;切断低洼地带有危险的室外电源,暂停在空旷地方的户外作业,转移危险地带人员和危房居民到安全场所避雨;
当0.48<JsNUM≤0.72的时候,发布汛情橙色警告,3小时内降雨量将达50毫米以上,或者已达50毫米以上且降雨可能持续。相关部门按照职责做好防暴雨应急工作;做好城市、农田的排涝,注意防范可能引发的山洪、滑坡、泥石流等灾害;
当0.72<JsNUM的时候,发布汛情红色警告,3小时内降雨量将达100毫米以上,或者已达到100毫米以上且降雨可能持续。相关部门按照职责做好防暴雨应急和抢险工作;做好山洪、滑坡、泥石流等灾害的防御和抢险工作。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于人工智能的智能防汛预警方法,其特征在于,包括如下步骤:
采集城市内的降雨量,包括采集实时降水量JSl、河流水位增长量HLz及下水道水流增长量XSl,将所采集的数据进行归一化处理,并生成城市整体降雨量参数JYL;
采集水位高度GD、水流速率SL及水压力SY,将以上三个数据进行归一化处理,并生成水文参数SWS;采集土壤含水量HSL;采集气温QW、湿度SD和风速FS;将以上三个数据进行归一化处理,并生成气象参数QXS;
使用卫星遥感技术采集模块地形面积MJ、植被覆盖率FG和土壤质量TR,将以上三个数据进行归一化处理,并生成地理参数DLC;
采集降水的时间T,其中,降水时间T根据不同的汛情划分标准分为12小时和24小时;将采集并生成的水文参数SWS、土壤含水量HSL、气象参数QXS、地理参数DLC以及降雨时间参数T、城市整体降雨量参数JYL进行汇总并通过数据传输模块传输至数据分析处理模块;
数据分析处理模块对于来自数据传输模块的总体降水流量参数、降水时间参数进行定向数据处理,并进一步采用SPSS分析软件对降水量评价指标与降水时间自变量T进行相关性分析,在通过公式运算后得到汛情威胁指数JsNUM;安全预警模块根据数据分析处理模块计算处理的汛情威胁指数JsNUM选择不同的安全预警处理策略;
将上述基于水文测站得到的水位高度GD、水流速率SL和水压力SY进行归一化处理,处理后得到水文参数SWS,计算公式如下:
;
将基于水文测站得到的气温QW、湿度SD和风速FS进行归一化处理,处理后得到气象参数QXS;其计算公式如下:
;
将实时降水量JSl、河流水位增长量HLz及下水道水流增长量XSl进行归一化处理,并生成降雨量参数JYL;其计算公式如下:
;
其中,参数意义为:δ为降水量影响因子,ε为降水速度影响因子,为水位影响因子,且,/>为常数修正系数;
将上述计算得出的整体降雨量参数JYL、水文参数SWS和气象参数QXS、土壤含水量 HSL进行定向数据处理;得到汛情威胁指数JsNUM;
其计算公式如下:
;
人工智能防汛预警平台基于历史数据和实时监测结果,利用机器学习等算法对未来可能发生的自然灾害进行预测,提前发布预警信息。
2.根据权利要求1所述的一种基于人工智能的智能防汛预警方法,其特征在于:所述的实时降水量JSl通过压电式雨量传感器进行实时监测,使用压电式雨量传感器测量出的降水量数据雨滴在降落过程中受到雨滴重量和空气阻力的作用,到达地面时速度为恒定速度,根据物理公式 P=MV,其中,P为动量,M为质量,V为速度;测量冲击即可求出雨滴重量,进而得到实时降水量JSl;
河流水位增长量HLz = 实时水位-(测站水深 + 表面高程),且实时水位通过水位传感器进行实时监测;下水道水流增长量XSl= 实时下水位-常年平均下水位,下水道实时水位通过压力式下水道液位计来测量。
3.根据权利要求1所述的一种基于人工智能的智能防汛预警方法,其特征在于:所述的水位高度GD采用水位计进行测量,水位计通过在河岸或者水库中设置传感器,可以实时监测监测点水深、水位高度数据,并通过数据传输和处理,实现对水文情况的监测与预警;水流速率SL采用气泡流量计进行测量,气泡流量计主要利用小气泡在流体中层流状态下流动的特性,对水流速率进行测量;水压SY采用压力传感器测量,通过在监测点上设置压力传感器,可以实现对水体压力的实时监测,并将压力值转化为水位高度或水深。
4.根据权利要求1所述的一种基于人工智能的智能防汛预警方法,其特征在于:降水时间T根据不同的汛情划分标准分为12小时和24小时;气温QW和湿度SD采用湿温度传感器进行测量;风速FS采用超声波风速节进行测量。
5.根据权利要求1所述的一种基于人工智能的智能防汛预警方法,其特征在于:安全预警模块根据数据分析处理模块计算处理的汛情威胁指数JsNUM选择不同的安全预警处理策略,具体为:
当0.2≤JsNUM≤0.35的时候,发布汛情蓝色警告,此时汛情的影响是最低状态;
当0.35<JsNUM≤0.48的时候,发布汛情黄色警告,此时汛情对群众的日常户外工作或活动造成一定阻碍和影响;
当0.48<JsNUM≤0.72的时候,发布汛情橙色警告,此时汛情较为严重,相关部门应当采取相应措施,保护群众生命财产安全;
当0.72<JsNUM的时候,发布汛情红色警告,此时汛情极为严重,相关部门按照职责做好防暴雨应急和抢险工作;做好山洪、滑坡、泥石流等灾害的防御和抢险工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966975.9A CN116682237B (zh) | 2023-08-03 | 2023-08-03 | 一种基于人工智能的智能防汛预警方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966975.9A CN116682237B (zh) | 2023-08-03 | 2023-08-03 | 一种基于人工智能的智能防汛预警方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116682237A CN116682237A (zh) | 2023-09-01 |
CN116682237B true CN116682237B (zh) | 2023-10-20 |
Family
ID=87782260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310966975.9A Active CN116682237B (zh) | 2023-08-03 | 2023-08-03 | 一种基于人工智能的智能防汛预警方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116682237B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332929B (zh) * | 2023-11-28 | 2024-03-08 | 珠江水利委员会珠江水利科学研究院 | 一种水利工程用智能防汛方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373070A (zh) * | 2016-08-29 | 2017-02-01 | 西安理工大学 | 一种应对城市暴雨内涝的四预方法 |
CN107657329A (zh) * | 2017-07-04 | 2018-02-02 | 江苏鸿利智能科技有限公司 | 基于极端气候条件下防汛防旱的智能调度决策方法 |
CN108090707A (zh) * | 2018-02-06 | 2018-05-29 | 吉林大学 | 一种基于突变理论的山洪灾害风险性评价方法与预警系统 |
CN110135722A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 基于地理集成信息化的智慧城市洪涝灾害处理系统 |
CN110428586A (zh) * | 2019-07-08 | 2019-11-08 | 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 |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测系统 |
CN112433264A (zh) * | 2020-12-08 | 2021-03-02 | 温州大学瓯江学院 | 复杂台风气象环境下洪涝灾害风险综合评估方法及预警信息平台 |
KR102343736B1 (ko) * | 2021-10-05 | 2021-12-27 | 중원대학교 산학협력단 | 환경시설물 침수 예측 시스템 및 환경시설물 침수 예측 방법 |
CN114708132A (zh) * | 2022-04-27 | 2022-07-05 | 中煤航测遥感集团有限公司 | 环境监测及预警处理方法、装置、计算机设备及存储介质 |
CN115330254A (zh) * | 2022-09-02 | 2022-11-11 | 中国水利水电科学研究院 | 一种山洪综合风险预警方法、系统及存储介质 |
CN115688404A (zh) * | 2022-10-24 | 2023-02-03 | 中国科学院空天信息创新研究院 | 基于svm-rf模型的降雨型滑坡预警方法 |
-
2023
- 2023-08-03 CN CN202310966975.9A patent/CN116682237B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373070A (zh) * | 2016-08-29 | 2017-02-01 | 西安理工大学 | 一种应对城市暴雨内涝的四预方法 |
CN107657329A (zh) * | 2017-07-04 | 2018-02-02 | 江苏鸿利智能科技有限公司 | 基于极端气候条件下防汛防旱的智能调度决策方法 |
CN108090707A (zh) * | 2018-02-06 | 2018-05-29 | 吉林大学 | 一种基于突变理论的山洪灾害风险性评价方法与预警系统 |
CN110135722A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 基于地理集成信息化的智慧城市洪涝灾害处理系统 |
CN110428586A (zh) * | 2019-07-08 | 2019-11-08 | 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 |
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 |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测系统 |
CN112433264A (zh) * | 2020-12-08 | 2021-03-02 | 温州大学瓯江学院 | 复杂台风气象环境下洪涝灾害风险综合评估方法及预警信息平台 |
KR102343736B1 (ko) * | 2021-10-05 | 2021-12-27 | 중원대학교 산학협력단 | 환경시설물 침수 예측 시스템 및 환경시설물 침수 예측 방법 |
CN114708132A (zh) * | 2022-04-27 | 2022-07-05 | 中煤航测遥感集团有限公司 | 环境监测及预警处理方法、装置、计算机设备及存储介质 |
CN115330254A (zh) * | 2022-09-02 | 2022-11-11 | 中国水利水电科学研究院 | 一种山洪综合风险预警方法、系统及存储介质 |
CN115688404A (zh) * | 2022-10-24 | 2023-02-03 | 中国科学院空天信息创新研究院 | 基于svm-rf模型的降雨型滑坡预警方法 |
Non-Patent Citations (1)
Title |
---|
保定山区暴雨灾害防御与防汛预警预判平台设计及应用;王岚;吴尚明;;河北水利(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116682237A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107195164B (zh) | 山洪灾害在线监测识别预警方法及其预警系统 | |
CN110009158B (zh) | 台风暴雨洪水灾害全生命周期监测方法及系统 | |
Mani et al. | Flood hazard assessment with multiparameter approach derived from coupled 1D and 2D hydrodynamic flow model | |
CN107143750B (zh) | 一种管网爆管监控网络的空间布置方法 | |
CN116682237B (zh) | 一种基于人工智能的智能防汛预警方法及平台 | |
CN106373070B (zh) | 一种应对城市暴雨内涝的四预方法 | |
CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
CN114252128B (zh) | 一种地下管廊涌水量监测及预警系统、方法 | |
CN111325947B (zh) | 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统 | |
CN109859442A (zh) | 山地灾害链预测预报及监测预警系统及实现流程 | |
CN111221286B (zh) | 智能物联排水系统及其控制方法 | |
CN111915847A (zh) | 一种精细化降雨预报系统及其预警方法 | |
CN116824807B (zh) | 多灾害预警报警方法及系统 | |
CN106971510A (zh) | 一种双模式山洪预警控制系统及方法 | |
CN114547541B (zh) | 一种应用于河涌巡测的系统 | |
CN202382814U (zh) | 水位监测预警系统 | |
CN112460492A (zh) | 一种基于韧性评估的协同韧性增强燃气安全管控装置 | |
Dai et al. | Predicting coastal urban floods using artificial neural network: The case study of Macau, China | |
CN206021512U (zh) | 一种暴雨型稀性泥石流的检测预报预警装置 | |
CN211236898U (zh) | 一种海绵城市建设项目的监测系统 | |
Monjardin et al. | Determination of river water level triggering flood in Manghinao River in Bauan, Batangas, Philippines | |
CN209197840U (zh) | 河床水位监测单元和山洪预警系统 | |
CN112530137A (zh) | 一种基于临界雨量的分布式中小流域地质灾害及洪水预警方法 | |
Song et al. | A Sensor-Based Smart Urban Flood Warning and Management System | |
CN112837508A (zh) | 一种洪水预警系统 |
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 |