CN116822969B - 基于模型组合的水利模型云计算方法与系统 - Google Patents
基于模型组合的水利模型云计算方法与系统 Download PDFInfo
- Publication number
- CN116822969B CN116822969B CN202311103723.XA CN202311103723A CN116822969B CN 116822969 B CN116822969 B CN 116822969B CN 202311103723 A CN202311103723 A CN 202311103723A CN 116822969 B CN116822969 B CN 116822969B
- Authority
- CN
- China
- Prior art keywords
- flood
- river
- water level
- risk
- model
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 225
- 238000004364 calculation method Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000002265 prevention Effects 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 42
- 238000001556 precipitation Methods 0.000 claims description 32
- 238000004088 simulation Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 22
- 239000002689 soil Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 abstract description 33
- 230000002596 correlated effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Alarm Systems (AREA)
Abstract
本发明公开了基于模型组合的水利模型云计算方法与系统，涉及水利工程技术领域，在河流的两侧设置若干个等面积的监测区域，关联生成洪水条件系数；若洪水条件系数超过预先设置的条件阈值，在河流上游区域设置若干个检测点，分别检测并获取河流上游处水利条件，建立水利初始条件集，进而生成洪水风险系数，若洪水风险系数大于预设的洪水风险阈值，则获取各个监测区域内的河道水位；若河道水位大于预设的水位阈值，获取对应的水位监测点的位置信息，将该水位监测点标记为风险点；对洪水的危险程度进行预测，若会产生洪水险情，则可以及时进行处理，避免险情带更大的安全隐患，将河道水位降低至合理的范围内。
Description
技术领域
本发明涉及水利工程技术领域，具体为基于模型组合的水利模型云计算方法与系统。
背景技术
水利专业科学计算经常涉及到多种模型的组合，通过建立多个模型之间的组合关联，才可能将相关模型之间原本存在的物理过程及其所反映的自然现象的联系进行还原。
随着科学技术的不断进步和水利工程建设的实践积累，水利模型得到了很大的发展，各种专业模型层出不穷。同时，随着计算机技术的发展，为了提高计算效率，在水利模型中也逐步引入云计算技术，使水利模型的功能更加完备。
在进入夏季后，持续性的暴雨逐渐频繁，地下水的水位较高，在地表土壤饱和度逐渐增高，地表水分难以继续向下渗透，更容易向河道内汇聚，此时，河水水位可能会大幅度上涨，容易引发险情，但是现有的水利模型缺乏高效率的洪水预警方式，存在一定的应用风险。
为此，本发明提供了基于模型组合的水利模型云计算方法与系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了基于模型组合的水利模型云计算方法与系统，在河流的两侧设置若干个等面积的监测区域，关联生成洪水条件系数；若洪水条件系数超过预先设置的条件阈值，在河流上游区域设置若干个检测点，分别检测并获取河流上游处水利条件，建立水利初始条件集，进而生成洪水风险系数，若洪水风险系数大于预设的洪水风险阈值，则获取各个监测区域内的河道水位；若河道水位大于预设的水位阈值，获取对应的水位监测点的位置信息，将该水位监测点标记为风险点；对洪水的危险程度进行预测，若会产生洪水险情，则可以及时进行处理，避免险情带更大的安全隐患，以在经过调度和相应的处理措施的后，将河道水位降低至合理的范围内，从而解决了背景技术中的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
基于模型组合的水利模型云计算系统，包括：环境监测单元、数据采集单元、评估处理单元、控制单元，其中，在河流的两侧设置若干个等面积的监测区域，由环境监测单元在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw无量纲处理后，依照如下方式生成洪水条件系数Hpj；
其中，/>，且/>为权重，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
确定河道的上游区域，并在河流上游区域设置若干个检测点，由位于检测点的数据采集单元分别检测并获取河流上游处水利条件，建立水利初始条件集，进而由评估处理单元生成洪水风险系数Cxs，若洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息；
在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，并确定出水位监测点，获取各个监测区域内的河道水位Hw；
若河道水位Hw大于预设的水位阈值，获取对应的水位监测点的位置信息结合各个风险点的位置信息，将该水位监测点标记为风险点；依次获取对应区域内的河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息。
进一步的，水利初始条件集的建立方式如下：获取河流上游处的总降水量，生成降水量Js，在检测点处对河道的径流量进行监测，获取径流量Jv；获取降水量Js及径流量Jv同期历史数据，分别获取对应的均值；获取两者与历史均值的差值，分别获取降水增量zJs及径流增量zJv；汇总降水增量zJs及径流增量zJv，建立水利初始条件集。
进一步的，洪水风险系数Cxs的生成方式如下：将水利初始条件集发送至评估处理单元，由评估处理单元使用水利初始条件集内参数生成洪水风险系数Cxs，方式如下：获取汇总降水增量zJs及径流增量zJv，做无量纲处理后，依照如下方法获取：
其中，参数意义为：降水因子/>，/>，径流因子/>，/>，/>为常数修正系数，其具体值可依照实际使用场景进行调整。
进一步的，还包括：分析单元、通信单元、其中，采集对应的水位监测点的地形数据及河道水流数据，分别建立洪水风险区域的地形模型及河道模型，由控制单元形成控制指令，在分析单元接收到控制指令后，汇总洪水地区的地形模型及河道模型，在联立组合后构建洪水水利模型；在降水量Js及径流量Jv增加的条件下，使用洪水水利模型，由分析单元对洪水风险区域内的河道水位Hw变化进行联合仿真分析；获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；若河道水位Hw的增加量超过风险阈值，则由通信单元向外部发出通信信息。
进一步的，获取洪水风险区域的电子地图，在电子地图上将洪水风险区域的河道部分分割为若干个巡视区域，在巡视区域内设置水位监测点，并预先设置距离阈值，使相邻的两个水位监测点的间距大于距离阈值；在水位监测点内对巡视区域内的河道水位进行监测，获取各个监测区域内的河道水位Hw；并对各个风险点的河道水位Hw进行排序；若河道水位Hw大于预设的水位阈值，则对相应的巡视区域进行标记，将其确定为风险点，输出其位置信息，并将对应风险点的位置在电子地图上标记。
进一步的，结合各个风险点的位置信息，由训练后的路径规划模型为巡检无人机规划出巡检路径后，使巡检无人机沿着巡检路径对各个风险点进行巡检，获取对应的图像信息；对风险点的图像信息进行识别，从识别结果中获取河面宽度；在接收到第二预警信息后，由巡检无人机以扫描或成像的形式，采集各个巡视区域内河道上游及其支流的地形数据、河道水流数据，在训练和测试后，分别建立洪水风险区域的地形模型及河道模型。
进一步的，还包括方案生成单元，其中，在接收到通信单元发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，由方案生成单元汇总并建立防汛方案库；获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出。
进一步的，还包括方案输出单元，其中，在获取防汛方案后，由方案输出单元使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警；或者，由建立的洪水水利模型对被确认为不可行的防汛方案进行仿真分析，判断出导致该方案不足的原因，对该原因进行修正，直至使该方案可行，将调整后的防汛方案输出。
基于模型组合的水利模型云计算方法，包括如下步骤：在河流的两侧设置若干个等面积的监测区域，在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw关联生成洪水条件系数Hpj；若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
确定河道的上游区域，并在河流上游区域设置若干个检测点，分别检测并获取河流上游处水利条件，建立水利初始条件集，进而生成洪水风险系数Cxs，若洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息；
在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，并确定出水位监测点，获取各个监测区域内的河道水位Hw；若河道水位Hw大于预设的水位阈值，获取对应的水位监测点的位置信息，将该水位监测点标记为风险点；结合各个风险点的位置信息，依次获取对应区域内的河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息；
采集对应的水位监测点的地形数据及河道水流数据，分别建立洪水风险区域的地形模型及河道模型，并在联立组合后构建洪水水利模型；在降水量Js及径流量Jv增加的条件下，使用洪水水利模型，对洪水风险区域内的河道水位Hw变化进行联合仿真分析，获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；若河道水位Hw的增加量超过风险阈值，则向外部发出通信信息。
进一步的，在接收到发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，汇总并建立防汛方案库，获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出；
在获取防汛方案后，使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警。
（三）有益效果
本发明提供了基于模型组合的水利模型云计算方法与系统，具备以下有益效果：
1、通过建立地形模型及河道模型，在确定输入条件后，在可能产生洪水风险的基础上，对洪水的风险程度进行预测，在降水量Js及径流量Jv进一步增加的条件下，预测河道水位Hw的变化趋势，在产生洪水风险的基础上，对洪水的危险程度进行预测，若会产生洪水险情，则可以及时进行处理，避免险情带更大的安全隐患，以在经过调度和相应的处理措施的后，将河道水位降低至合理的范围内。
2、在已经预测出洪水的风险程度后，提前检索和收集对应的防汛方案，在可能存在的洪水真的来临时，可以及时和充分的应对，减少安全隐患的产生，避免洪水风险进一步扩大，通过联合仿真分析及云计算的辅助下，充分保障河道河水的安全性。
3、在已经匹配出对应的防汛方案后，对该方案进行验证，若验证结果表明该防汛方案的可行性不高，则重新进行匹配，从而在可能产生洪水时，能够提前的预备好具有一定可行性的防汛方案，减少或者避免洪水带来的损失，在洪水水利模型的辅助下，结合云计算提供的计算支撑，减少或者避免洪水风险，并在产生洪水险情时，将河道水位降低至合理的范围内。
附图说明
图1为本发明中基于水利模型的洪水预警流程示意图；
图2为本发明中基于水利模型的防汛调度方案制定流程示意图；
图中：10、环境监测单元；20、数据采集单元；30、评估处理单元；40、控制单元；50、分析单元；60、通信单元；70、方案生成单元；80、方案输出单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图2，本发明提供基于模型组合的水利模型云计算系统，包括：环境监测单元10、数据采集单元20、评估处理单元30、控制单元40、分析单元50、通信单元60、方案生成单元70及方案输出单元80，其中，
在进入夏季之后，大量降雨在短时间内出现时，地表无法迅速排水，导致水体聚集和洪水形成，此时，在河流的两侧设置若干个等面积的监测区域，由环境监测单元10在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw无量纲处理后，依照如下方式生成洪水条件系数Hpj；
其中，/>，且/>为权重，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；
若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
此时，确定河道的上游区域，并在河流上游区域设置若干个检测点，由位于检测点的数据采集单元20分别检测并获取河流上游处的总降水量，也即初始时间节点至当前的总降水量，生成降水量Js，同时，若上游区域内的各个位置都处于持续降雨的状态，降雨以地表细流的形式汇入河道，会导致河道水位的快速上升，最终成为引发洪水的重要因素，可能会带来洪水的风险；因此，在检测点处对河道的径流量进行监测，获取径流量Jv；
在获取降水量Js及径流量Jv同期历史数据后，分别获取对应的均值；获取两者与历史均值的差值，分别获取降水增量zJs及径流增量zJv；汇总降水增量zJs及径流增量zJv，建立水利初始条件集；
将水利初始条件集发送至评估处理单元30，由评估处理单元30使用水利初始条件集内参数生成洪水风险系数Cxs，其中，所述洪水风险系数Cxs的风险系数生成方式如下：获取汇总降水增量zJs及径流增量zJv，做无量纲处理后，依照如下方法获取：
其中，参数意义为：降水因子/>，/>，径流因子/>，/>，/>为常数修正系数，其具体值可依照实际使用场景进行调整；
若判断出洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息。
此时，通过在水利初始条件集的基础上生成洪水风险系数Cxs，可以对是否会产生洪水形成预警，若收到了第一预警信息，则需要及时做出应对，以避免产生洪水险情时不能及时处理，引起更大的安全隐患。
参考图1及图2，在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，获取洪水风险区域的电子地图，在电子地图上将洪水风险区域的河道部分分割为若干个巡视区域，并对这若干个巡视区域分别进行编号；在需要时，可以分别进行监测，获取对应的检测结果；
在巡视区域内设置水位监测点，并预先设置距离阈值，使相邻的两个水位监测点的间距大于距离阈值；在水位监测点内对巡视区域内的河道水位进行监测，获取各个监测区域内的河道水位Hw；依据河道水位Hw的变化，可以对洪水是否已经产生进行预估，或者在已经产生时，能够及时得知，以便于快速的进行调度和处理；
若河道水位Hw大于预设的水位阈值，则对相应的巡视区域进行标记，将其确定为风险点，输出其位置信息；
并将对应风险点的位置在电子地图上标记，从而可以及时对风险点进行处理，进一步的，对各个风险点的河道水位Hw进行排序，在有限的条件下，可以优先对风险最大的位置进行处理；减少洪水险情的快速蔓延，实现将河道水位Hw调整至安全范围内。
参考图1及图2，结合各个风险点的位置信息，由训练后的路径规划模型为巡检无人机规划出巡检路径后，使巡检无人机沿着巡检路径对各个风险点进行巡检，获取对应的图像信息；对风险点的图像信息进行识别，从识别结果中获取河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息。
使用时，在已经获取到风险点的位置信息后，由巡检无人机进行确认，通常，在产生洪水时，河道的河面宽度会大量增加，因此，通过河面宽度的变化可以判断洪水是否已经产生，若已经产生，在向外部发出第二预警信息后，实现了对洪水的预警和报警。
参考图1及图2，在接收到第二预警信息后，由巡检无人机以扫描或成像的形式，采集各个巡视区域内河道上游及其支流的地形数据、河道水流数据，例如，河道形状、水深、流量、河宽及水温等；在训练和测试后，分别建立洪水风险区域的地形模型及河道模型；
由控制单元40形成控制指令，在分析单元50接收到控制指令后，汇总洪水地区的地形模型及河道模型，在联立组合后构建洪水水利模型；从而在建立洪水水利模型的基础上，可以展开联合仿真分析；
以降水量Js及径流量Jv作为输入，使用联立组合后建立的洪水水利模型，由分析单元50对洪水风险区域内的河道水位Hw变化进行联合仿真分析；在降水量Js及径流量Jv增加的条件下，获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；
若河道水位Hw的增加量超过风险阈值，则由通信单元60向外部发出通信信息。
使用时，在已经预见到洪水风险后，通过建立地形模型及河道模型，在确定了输入条件后，在可能存在洪水风险的基础上，对洪水的风险程度进行仿真分析及预测，判断在降水量Js及径流量Jv进一步增加的条件下，以仿真分析的形式预测河道水位Hw的变化趋势，从而在已经产生洪水风险的基础上，实现对河道水位Hw的预测；最终对洪水的危险程度进行预测，若可能会产生洪水险情，则可以及时进行处理，避免险情带更大的安全隐患。
参考图1及图2，在接收到通信单元60发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，由方案生成单元70汇总并建立防汛方案库；获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出。
使用时，在已经通过仿真分析预测出洪水的风险程度后，提前检索和收集对应的防汛方案，从而在可能存在的洪水真的来临时，能够及时和充分的应对，减少安全隐患的产生和扩大，联合仿真分析及云计算的辅助下，充分保障河道河水的安全性。
参考图1及图2，作为进一步的改进；在获取防汛方案后，由方案输出单元80使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；
如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警；
使用时，在已经匹配出对应的防汛方案后，对该方案进行验证，若验证结果表明该防汛方案的可行性不高，则重新进行匹配，若连续多次，例如连续两次都显示不可行，则向外部发出报警，从而在可能产生洪水时，能够提前的预备好具有一定可行性的防汛方案，减少或者避免洪水带来的损失，在洪水水利模型的辅助下，结合云计算提供的计算支撑，降低水位，减少或者避免洪水风险。
或者：由建立的洪水水利模型对被确认为不可行的防汛方案进行仿真分析，判断出导致该方案不足的原因，进而在调整防汛方案后，对该原因进行修正，直至使该方案可行，将调整后的防汛方案输出。从而，在已经匹配出作为应急的防汛方案的基础上，维持方案的有效性，降低水位，减少洪水的破坏性和损失。
综合以上内容，本申请至少取得了以下的效果：
通过建立地形模型及河道模型，在确定输入条件后，在可能产生洪水风险的基础上，对洪水的风险程度进行预测，在降水量Js及径流量Jv进一步增加的条件下，预测河道水位Hw的变化趋势，在产生洪水风险的基础上，对洪水的危险程度进行预测，若会产生洪水险情，则可以及时进行处理，避免险情带更大的安全隐患，以在经过调度和相应的处理措施的后，将河道水位降低至合理的范围内。
在已经预测出洪水的风险程度后，提前检索和收集对应的防汛方案，在可能存在的洪水真的来临时，可以及时和充分的应对，减少安全隐患的产生，避免洪水风险进一步扩大，通过联合仿真分析及云计算的辅助下，充分保障河道河水的安全性。
在已经匹配出对应的防汛方案后，对该方案进行验证，若验证结果表明该防汛方案的可行性不高，则重新进行匹配，从而在可能产生洪水时，能够提前的预备好具有一定可行性的防汛方案，减少或者避免洪水带来的损失，在洪水水利模型的辅助下，结合云计算提供的计算支撑，减少或者避免洪水风险，并在产生洪水险情时，将河道水位降低至合理的范围内。
请参阅图1至图2，本发明提供基于模型组合的水利模型云计算方法，包括如下步骤：
在河流的两侧设置若干个等面积的监测区域，在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw关联生成洪水条件系数Hpj；若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
确定河道的上游区域，并在河流上游区域设置若干个检测点，分别检测并获取河流上游处水利条件，建立水利初始条件集，进而生成洪水风险系数Cxs，若洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息；
在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，并确定出水位监测点，获取各个监测区域内的河道水位Hw；若河道水位Hw大于预设的水位阈值，获取对应的水位监测点的位置信息，将该水位监测点标记为风险点；结合各个风险点的位置信息，依次获取对应区域内的河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息；
采集对应的水位监测点的地形数据及河道水流数据，分别建立洪水风险区域的地形模型及河道模型，并在联立组合后构建洪水水利模型；
在降水量Js及径流量Jv增加的条件下，使用洪水水利模型，对洪水风险区域内的河道水位Hw变化进行联合仿真分析，获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；若河道水位Hw的增加量超过风险阈值，则向外部发出通信信息。
在接收到发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，汇总并建立防汛方案库，获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出；
在获取防汛方案后，使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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。
Claims (6)
1.基于模型组合的水利模型云计算系统，其特征在于：包括：环境监测单元、数据采集单元、评估处理单元、控制单元，其中，
在河流的两侧设置若干个等面积的监测区域，由环境监测单元在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw无量纲处理后，依照如下方式生成洪水条件系数Hpj；
其中，，且/>为权重，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
确定河道的上游区域，并在河流上游区域设置若干个检测点，由位于检测点的数据采集单元分别检测并获取河流上游处水利条件，建立水利初始条件集，进而由评估处理单元生成洪水风险系数Cxs，若洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息；
在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，并确定出水位监测点，获取各个监测区域内的河道水位Hw；若河道水位Hw大于预设的水位阈值，获取对应的水位监测点的位置信息结合各个风险点的位置信息，将该水位监测点标记为风险点；依次获取对应区域内的河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息；
还包括：分析单元和通信单元、其中，
采集对应的水位监测点的地形数据及河道水流数据，分别建立洪水风险区域的地形模型及河道模型，由控制单元形成控制指令，在分析单元接收到控制指令后，汇总洪水地区的地形模型及河道模型，在联立组合后构建洪水水利模型；
在降水量Js及径流量Jv增加的条件下，使用洪水水利模型，由分析单元对洪水风险区域内的河道水位Hw变化进行联合仿真分析；获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；若河道水位Hw的增加量超过风险阈值，则由通信单元向外部发出通信信息；
还包括方案生成单元，其中，在接收到通信单元发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，由方案生成单元汇总并建立防汛方案库；获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出；
还包括方案输出单元，其中，
在获取防汛方案后，由方案输出单元使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警；或者，由建立的洪水水利模型对被确认为不可行的防汛方案进行仿真分析，判断出导致该方案不足的原因，对该原因进行修正，直至使该方案可行，将调整后的防汛方案输出。
2.根据权利要求1所述的基于模型组合的水利模型云计算系统，其特征在于：水利初始条件集的建立方式如下：获取河流上游处的总降水量，生成降水量Js，在检测点处对河道的径流量进行监测，获取径流量Jv；获取降水量Js及径流量Jv同期历史数据，分别获取对应的均值；获取两者与历史均值的差值，分别获取降水增量zJs及径流增量zJv；汇总降水增量zJs及径流增量zJv，建立水利初始条件集。
3.根据权利要求2所述的基于模型组合的水利模型云计算系统，其特征在于：洪水风险系数Cxs的生成方式如下：将水利初始条件集发送至评估处理单元，由评估处理单元使用水利初始条件集内参数生成洪水风险系数Cxs，方式如下：获取汇总降水增量zJs及径流增量zJv，做无量纲处理后，依照如下方法获取：
其中，参数意义为：降水因子，/>，径流因子/>，/>，/>为常数修正系数，其具体值可依照实际使用场景进行调整。
4.根据权利要求3所述的基于模型组合的水利模型云计算系统，其特征在于：获取洪水风险区域的电子地图，在电子地图上将洪水风险区域的河道部分分割为若干个巡视区域，在巡视区域内设置水位监测点，并预先设置距离阈值，使相邻的两个水位监测点的间距大于距离阈值；
在水位监测点内对巡视区域内的河道水位进行监测，获取各个监测区域内的河道水位Hw；并对各个风险点的河道水位Hw进行排序；若河道水位Hw大于预设的水位阈值，则对相应的巡视区域进行标记，将其确定为风险点，输出其位置信息，并将对应风险点的位置在电子地图上标记。
5.根据权利要求4所述的基于模型组合的水利模型云计算系统，其特征在于：结合各个风险点的位置信息，由训练后的路径规划模型为巡检无人机规划出巡检路径后，使巡检无人机沿着巡检路径对各个风险点进行巡检，获取对应的图像信息；对风险点的图像信息进行识别，从识别结果中获取河面宽度；在接收到第二预警信息后，由巡检无人机以扫描或成像的形式，采集各个巡视区域内河道上游及其支流的地形数据、河道水流数据，在训练和测试后，分别建立洪水风险区域的地形模型及河道模型。
6.基于模型组合的水利模型云计算方法，其特征在于：包括如下步骤：
在河流的两侧设置若干个等面积的监测区域，在监测区域内对河道两侧的土壤饱和度Td进行监测，若土壤饱和度Td超过预设的饱和度阈值时，继续对监测区域内的地下水位Dw进行监测，并对土壤饱和度Td及地下水位Dw关联生成洪水条件系数Hpj；若洪水条件系数Hpj超过预先设置的条件阈值，则以此时刻作为洪水预警的初始时间节点；
确定河道的上游区域，并在河流上游区域设置若干个检测点，分别检测并获取河流上游处水利条件，建立水利初始条件集，进而生成洪水风险系数Cxs，若洪水风险系数Cxs大于预设的洪水风险阈值，则向外部发出第一预警信息；
在获取到第一预警信息后，将被监测的河道及其沿岸区域确定为洪水风险区域，并确定出水位监测点，获取各个监测区域内的河道水位Hw；若河道水位Hw大于预设的水位阈值，获取对应的水位监测点的位置信息，将该水位监测点标记为风险点；结合各个风险点的位置信息，依次获取对应区域内的河面宽度，若河面的宽度的相对于原宽度的增加比例高于预设的比例阈值，则向外部发出第二预警信息；
采集对应的水位监测点的地形数据及河道水流数据，分别建立洪水风险区域的地形模型及河道模型，并在联立组合后构建洪水水利模型；
在降水量Js及径流量Jv增加的条件下，使用洪水水利模型，对洪水风险区域内的河道水位Hw变化进行联合仿真分析，获取河道水位Hw的变化趋势，并建立水位－流量关系曲线；若河道水位Hw的增加量超过风险阈值，则向外部发出通信信息；
在接收到发出通信信息后，以线性检索的方式，从公开渠道检索或收集防汛方案，汇总并建立防汛方案库，获取由联合仿真分析得出的河道水位Hw，并至少还获取河道内河水的流速及流量，以河道内的水位、流量及流速作为洪水特征，从防汛方案库中匹配出对应的防汛方案并输出；
在获取防汛方案后，使用洪水水利模型，以联合仿真分析的形式对防汛方案进行验证，验证匹配出的防汛方案是否可将河道水位Hw降低至预设的安全阈值之下；如果可行，则将匹配出的防汛方案输出；如果不可行，则从防汛方案库中重新匹配出防汛方案并输出，若防汛方案仍然不可行，则向外部发出报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311103723.XA CN116822969B (zh) | 2023-08-30 | 2023-08-30 | 基于模型组合的水利模型云计算方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311103723.XA CN116822969B (zh) | 2023-08-30 | 2023-08-30 | 基于模型组合的水利模型云计算方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116822969A CN116822969A (zh) | 2023-09-29 |
| CN116822969B true CN116822969B (zh) | 2023-11-17 |
Family
ID=88114920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311103723.XA Active CN116822969B (zh) | 2023-08-30 | 2023-08-30 | 基于模型组合的水利模型云计算方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822969B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057616B (zh) * | 2023-10-11 | 2023-12-26 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的水利监测方法及系统 |
| CN117172997B (zh) * | 2023-11-03 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 一种防洪预警方法、装置、计算机设备及存储介质 |
| CN117495349A (zh) * | 2023-11-07 | 2024-02-02 | 华能澜沧江水电股份有限公司黄登·大华桥水电厂 | 工具设备生命周期智能监测与管理系统 |
| CN117291432B (zh) * | 2023-11-27 | 2024-02-23 | 安徽金海迪尔信息技术有限责任公司 | 一种基于人工智能的水资源调度监测系统 |
| CN117809439B (zh) * | 2024-02-23 | 2024-05-14 | 安徽金海迪尔信息技术有限责任公司 | 一种基于多种环境因素中河流流量异常预警系统 |
| CN118013161B (zh) * | 2024-04-09 | 2024-07-23 | 山东同其万疆科技创新有限公司 | 一种基于大数据分析的水利数据采集监管方法 |
| CN118552852A (zh) * | 2024-05-27 | 2024-08-27 | 娄底市水利水电工程建设有限责任公司 | 基于机器学习的水位异常检测预警方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105067072A (zh) * | 2015-07-27 | 2015-11-18 | 湖南大麓管道工程有限公司 | 水位上涨预警系统和方法 |
| CN105868837A (zh) * | 2016-01-13 | 2016-08-17 | 辽宁省水利水电科学研究院 | 中小流域多级抗雨能力预警方法 |
| KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
| CN107978138A (zh) * | 2017-12-05 | 2018-05-01 | 南瑞集团有限公司 | 一种基于山洪动态演进仿真模型的灾害监测预警方法 |
| KR102015531B1 (ko) * | 2019-03-25 | 2019-08-28 | 한국토코넷(주) | 홍수 예측 시스템 |
| CN112308967A (zh) * | 2020-11-25 | 2021-02-02 | 淮阴师范学院 | 基于产汇流分析的城市洪水风险数值模拟分析方法 |
| KR102268116B1 (ko) * | 2019-12-30 | 2021-06-22 | (주)로커스솔루션 | 선행강우를 고려한 홍수경보 시스템 |
| KR20210085592A (ko) * | 2019-12-31 | 2021-07-08 | 인하대학교 산학협력단 | 연속호우사상 기반의 거대홍수 및 댐붕괴 해석 시스템 |
| CN113155229A (zh) * | 2021-06-01 | 2021-07-23 | 水利部南京水利水文自动化研究所 | 一种基于LoRa的农田涝渍灾害预警方法及系统 |
| CN114111730A (zh) * | 2021-11-19 | 2022-03-01 | 河南省鹤壁水文水资源勘测局 | 一种下游水文情报预测的方法及系统 |
| KR102485227B1 (ko) * | 2022-04-22 | 2023-01-06 | 주재넷(주) | 인공지능 기반 홍수 예측 시스템 및 이를 이용한 홍수 예측 방법 |
| CN115830460A (zh) * | 2023-02-16 | 2023-03-21 | 智洋创新科技股份有限公司 | 一种用于河道防汛的实时监控方法及系统 |
| CN115909664A (zh) * | 2022-11-01 | 2023-04-04 | 重庆市工程管理有限公司 | 基于bim的河道安全预警方法、装置及设备 |
| CN116307691A (zh) * | 2023-02-07 | 2023-06-23 | 久瓴(上海)智能科技有限公司 | 水文灾情的风险评估方法及装置、电子设备 |
| CN116341208A (zh) * | 2023-02-22 | 2023-06-27 | 南京信息工程大学 | 一种基于积雪融化模拟的融雪洪水应急预警方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10977923B2 (en) * | 2017-12-01 | 2021-04-13 | Nec Corporation | River risk level determining device, river risk level determining method, and storage medium |
-
2023
- 2023-08-30 CN CN202311103723.XA patent/CN116822969B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105067072A (zh) * | 2015-07-27 | 2015-11-18 | 湖南大麓管道工程有限公司 | 水位上涨预警系统和方法 |
| CN105868837A (zh) * | 2016-01-13 | 2016-08-17 | 辽宁省水利水电科学研究院 | 中小流域多级抗雨能力预警方法 |
| KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
| CN107978138A (zh) * | 2017-12-05 | 2018-05-01 | 南瑞集团有限公司 | 一种基于山洪动态演进仿真模型的灾害监测预警方法 |
| KR102015531B1 (ko) * | 2019-03-25 | 2019-08-28 | 한국토코넷(주) | 홍수 예측 시스템 |
| KR102268116B1 (ko) * | 2019-12-30 | 2021-06-22 | (주)로커스솔루션 | 선행강우를 고려한 홍수경보 시스템 |
| KR20210085592A (ko) * | 2019-12-31 | 2021-07-08 | 인하대학교 산학협력단 | 연속호우사상 기반의 거대홍수 및 댐붕괴 해석 시스템 |
| CN112308967A (zh) * | 2020-11-25 | 2021-02-02 | 淮阴师范学院 | 基于产汇流分析的城市洪水风险数值模拟分析方法 |
| CN113155229A (zh) * | 2021-06-01 | 2021-07-23 | 水利部南京水利水文自动化研究所 | 一种基于LoRa的农田涝渍灾害预警方法及系统 |
| CN114111730A (zh) * | 2021-11-19 | 2022-03-01 | 河南省鹤壁水文水资源勘测局 | 一种下游水文情报预测的方法及系统 |
| KR102485227B1 (ko) * | 2022-04-22 | 2023-01-06 | 주재넷(주) | 인공지능 기반 홍수 예측 시스템 및 이를 이용한 홍수 예측 방법 |
| CN115909664A (zh) * | 2022-11-01 | 2023-04-04 | 重庆市工程管理有限公司 | 基于bim的河道安全预警方法、装置及设备 |
| CN116307691A (zh) * | 2023-02-07 | 2023-06-23 | 久瓴(上海)智能科技有限公司 | 水文灾情的风险评估方法及装置、电子设备 |
| CN115830460A (zh) * | 2023-02-16 | 2023-03-21 | 智洋创新科技股份有限公司 | 一种用于河道防汛的实时监控方法及系统 |
| CN116341208A (zh) * | 2023-02-22 | 2023-06-27 | 南京信息工程大学 | 一种基于积雪融化模拟的融雪洪水应急预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116822969A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116822969B (zh) | 基于模型组合的水利模型云计算方法与系统 | |
| CN106526708B (zh) | 一种基于机器学习的气象强对流天气的智能预警分析方法 | |
| CN117057616B (zh) | 基于数字孪生的水利监测方法及系统 | |
| JP6960168B2 (ja) | リアルタイム浸水ハザードマッピングのための現地情報同化装置及び方法並びにプログラム | |
| CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN117291432B (zh) | 一种基于人工智能的水资源调度监测系统 | |
| US20170140077A1 (en) | Method for assessing efficiency of power generation systems | |
| CN116645789A (zh) | 一种基于无人机测绘的土地自然灾害预警管控系统 | |
| CN113516406B (zh) | 一种基于实时观测分析的高铁沿线降水测点布置方法 | |
| WO2020111934A1 (en) | A method and system for detection of natural disaster occurrence | |
| CN115457739B (zh) | 一种地质灾害预警方法、装置、电子设备及存储介质 | |
| Rijal et al. | Detection of gullies in Fort Riley military installation using LiDAR derived high resolution DEM | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| CN112950610A (zh) | 一种裂流监测和预警方法及系统 | |
| CN115909664A (zh) | 基于bim的河道安全预警方法、装置及设备 | |
| CN113821895A (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
| CN117470250B (zh) | 一种水下巡检机器人导航方法及系统 | |
| CN117194868B (zh) | 围岩变形监测方法、装置、电子设备及存储介质 | |
| CN107240113A (zh) | 一种基于空间剖面线的半自动水体范围提取方法 | |
| CN118094375A (zh) | 一种四位一体的采动地表沉陷时空连续感知方法 | |
| CN117809297A (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
| CN117973131A (zh) | 基于有限元模型的输电塔地质灾害失效预测方法及系统 | |
| Aziz et al. | Optimal design of rain gauge network in Johor by using geostatistics and particle swarm optimization | |
| CN110414027A (zh) | 一种适用于洪涝预测系统的数据处理方法 | |
| CN117789434A (zh) | 一种水利工程渗流智能监测系统及监测方法 |
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 | ||
| GR01 | Patent grant |