CN116908942A - 一种基于降水预报的城市内涝告警装置及方法 - Google Patents
一种基于降水预报的城市内涝告警装置及方法 Download PDFInfo
- Publication number
- CN116908942A CN116908942A CN202310770778.XA CN202310770778A CN116908942A CN 116908942 A CN116908942 A CN 116908942A CN 202310770778 A CN202310770778 A CN 202310770778A CN 116908942 A CN116908942 A CN 116908942A
- Authority
- CN
- China
- Prior art keywords
- drainage
- coefficient
- data
- urban
- rainfall
- 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 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 114
- 230000035699 permeability Effects 0.000 claims abstract description 67
- 239000002352 surface water Substances 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000001556 precipitation Methods 0.000 claims description 32
- 239000002689 soil Substances 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 8
- 241001464837 Viridiplantae Species 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 239000003673 groundwater Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 23
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Ecology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Hydrology & Water Resources (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Sewage (AREA)
Abstract
本发明公开了一种基于降水预报的城市内涝告警装置及方法，涉及降雨水位监测和测试技术领域，该装置不仅考虑了降雨量和排水能力等传统因素，还充分考虑了地表透水性能的差异性。通过根据实际经验调整权重，可以更好地反映不同地区的地表透水能力，并提高综合排水系数Pxs的准确性和预测能力。与实时监测模块的结合使得装置能够及时检测城市排水系统的异常情况，并采取相应的措施。有助于提高内涝告警装置的综合评估能力，更全面地考虑城市内涝风险的多样性和复杂性。通过增加对地表透水性能的考虑，装置能够更好地适应不同地区的特点，提供更准确和可靠的内涝预测和告警信息，从而提高城市排水系统的效率和应急响应能力。
Description
技术领域
本发明涉及降雨水位监测和测试技术领域，具体为一种基于降水预报的城市内涝告警装置及方法。
背景技术
城市内涝是指在城市区域遭遇暴雨或短历时强降水天气后发生的气象衍生灾害。城市地区雨量过多超过排水能力形成地表积水，当积水过深、范围过大，影响城市交通、居民生活和生产活动而形成的灾害，称为城市内涝。内涝灾害发生时，受影响最大的城市交通状况是：当积水深度达到20厘米时，行人步行困难；积水超过30厘米时，则自行车、小汽车难以行驶；积水超过80厘米时，则交通完全瘫痪。暴雨内涝使地下商场、停车场和轨道交通等地下设施积水倒灌浸泡的隐患空前增大，积水还会造成房屋损坏、物品浸泡，造成财产损失，甚至会威胁生命安全。积水常常变成污水，对城市环境卫生造成不良影响。
城市内涝是由强降雨引起的，而降雨量预报、暴雨灾害预警等是气象部门最基本的职责之一。现有的内涝告警方法在实施中，因为城市地区地形的不同，容易出现数据不完整的情况，尤其是城市中一些地表是有蓄水能力的，导致内涝告警装置往往只考虑降雨量和排水能力等因素，而忽视其他因素的影响，如城市建设规划、地表覆盖类型等。这可能导致系统对内涝风险的评估不够全面，无法准确反映城市内涝的复杂性和多样性。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于降水预报的城市内涝告警装置及方法，这种装置不仅考虑了降雨量和排水能力等传统因素，还充分考虑了地表透水性能的差异性。通过根据实际经验调整权重，可以更好地反映不同地区的地表透水能力，并提高综合排水系数Pxs的准确性和预测能力。同时，与实时监测模块的结合使得装置能够及时检测城市排水系统的异常情况，并采取相应的措施。这种改进的装置架构有助于提高内涝告警装置的综 合评估能力，更全面地考虑城市内涝风险的多样性和复杂性。通过增加对地表透水性能的考虑，装置能够更好地适应不同地区的特点，提供更准确和可靠的内涝预测和告警信息，从而提高城市排水系统的效率和应急响应能力。
（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：一种基于降水预报的城市内涝告警装置，包括数据获取模块，用于获得历史周期降水量数据、城市地表高程数据和城市排水设备数据；
特征提取模块用于对获取到的历史周期降水量数据、城市地表高程数据和城市排水设备数据进行特征提取，分别分析获得历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；
建立水流模型模块，用于模拟城市内涝和水流过程，并，将历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理后，关联汇总形成综合排水系数Pxs；
所述综合排水系数Pxs通过以下公式获得：
式中，其中，，，且，为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的的数值，来对综合排水系数Pxs进行修正；
实时监测模块，用于实时监测当前降雨量，并分析获取当前排水系数PPx；
评估模块，用于将当前排水系数PPx与综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，发送至告警模块进行相应级别的告警输出。
优选的，所述数据获取模块包括气象采集单元、城市地形采集单元和排水设备采集单元；
气象采集单元用于通过当地气象观测站或气象雷达实时收集雨量数据，所述雨量数据包括降水强度、降水市场和降水分布，并获得历史周期降水量数据；
城市地形采集单元用于采集城市地表高程数据，所述城市地表高程数据包括河床高程、湖泊大小、道路高程、横断面积、坡道数量和地表覆盖绿植数据；
排水设备采集单元用于采集城市排水设备数据，所述排水设备数据包括排水管道、排水井、雨水收集设备以及河流水位数据。
优选的，所述地表透水指数Dt通过以下公式进行获取：
式中，S表示坡度系数，描述地表坡度的影响，值越大表示较大的坡度，透水能力较弱；Sn表示坡道的数量；L表示为坡度长度系数，考虑坡面的长度特征，值越大表示较大的坡面长度，透水能力较弱，Ln表示为坡道的面积值；R表示为粗糙度系数，反映地表的粗糙程度，值越大表示地表较为光滑，透水能力较弱；Rn表示为粗糙度地表的面积；C表示土壤蓄水系数，描述土壤的蓄水能力，值越大表示土壤具有较高的蓄水能力，透水能力较强；Cn表示土壤的面积值；P表示地表覆盖系数，表示绿植地表类型对透水能力的影响，值越大表示较高的透水能力；Pn表示绿植地表面积值；表示修正常数。
优选的，所述排水效率指数Ps通过以下公式获得：
式中，Sb表示为排水管道覆盖系数，描述排水管道的覆盖范围和效能，值越大表示设备覆盖的面积或范围越大，排水效率较高，w1表示该参数的权重值；
XL表示为排水设备效率系数，反映排水设备的排水能力和效率，值越大表示设备的排水能力较强，效率较高；w2表示该参数的权重值；
Sn表示排水设备数量系数，表示排水设备的数量和分布情况，值越大表示设备数量较多，排水效率较高；w3表示该参数的权重值；
U表示设备更新系数，描述排水设备的更新和维护情况；值越大表示设备更新和维护较及时，排水效率较高；w4表示该参数的权重值；
Lu表示设备利用率系数，表示排水设备的利用程度和频率；值越大表示设备的利用效率较高，排水效率较高；w5表示该参数的权重值。
优选的，所述建立水流模型模块包括水流模拟单元、归一化处理单元、综合排水系数Pxs计算单元和验证优化单元；
水流模拟单元用于基于地形地貌数据、城市排水系统的信息以及降水预报数据，建立水流模拟模型；
归一化处理单元用于根据历史降水量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理，采用线性变换或对数变换方法处理；
综合排水系数Pxs计算单元用于通过将历史降水量系数Js、地表透水指数Dt和排水效率指数Ps进行关联汇总，得到综合排水系数Pxs；
验证优化单元，收集实际内涝事件的观测数据，与模型模拟结果进行比较和分析，评估模型的精度和可靠性；根据验证结果，对水流模型的参数和算法进行优化。
优选的，所述实时监测模块用于监测当前的降雨量，通过水位传感器实时监测当前水位量，来获取到每小时降雨量和24小时降雨量，并将每小时降雨量和24小时降雨量与地表透水指数Dt和排水效率指数Ps进行相关联，获取到当前的排水系数PPx。
优选的，所述评估模块将当前排水系数PPx与综合排水系数Pxs进行对比，获得差值Diff，差值Diff表示当前排水能力与预期排水能力之间的差异，将差值Diff与报警指数设置的阈值进行对比，判断是否触发相应级别的告警输出；
根据评估模块的判断结果，由告警模块接收判断评估结果，并划分为低级别、中级别和高级别的告警级别，具体告警操作如下：
当差值Diff高于低级别报警指数的阈值时，触发低级别告警输出；
当差值Diff高于中级别报警指数的阈值时，触发中级别告警输出；
当差值Diff高于高级别报警指数的阈值时，触发高级别告警输出；
根据级别信息，执行相应的告警操作，包括发送警报通知、推送告警消息和显示在报警控制中心其中一种或多种形式。
优选的，还包括预测模块和方案模块；
所述预测模块用于基于所述历史周期降水量数据，建立预测模型，预测未来一段周期时间内的降雨量，获得预测结果；
所述方案模块，根据预测结果和当前的差值Diff，制定相应的应对方案，方案包括调度排水设备、加强巡查和清理排水管道、提醒居民采取防范措施其中的一种或多种。
一种基于降水预报的城市内涝告警方法，包括以下步骤；
S1、实用气象观测站或气象雷达实时收集降雨数据，获取历史周期降水量数据；
S2、收集城市地表高程数据，包括河床高程、湖泊大小、道路高程、横断面积、破堤和地表覆盖绿植数据；
S3、获得城市排水设备数据，包括排水管道、排水井、雨水收集设备以及河流水位数据；
S4、基于S1-S3步骤中获取的数据，进行特征提取，分析获取历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；
S5、建立水流模型和预测模型，计算获取综合排水系数Pxs，并获得预测结果；
S6、将实时降雨数据进行计算获取当前排水系数PPx，并将当前排水系数PPx和综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，进行相应级别的告警输出；
S7、依据预测结果和当前的差值Diff，制定相应的应对方案，实施防涝措施。
优选的，所述S5步骤中具体包括：依据所述城市地表高程数据模拟三维动态，建立水流模型，并对不同地形区域进行划分，获得若干个区域，对若干个区域内的综合排水系数Pxs进行计算，并与区域阈值进行对比，若综合排水系数Pxs高于阈值，则在水流模型上标记为瓶颈区域，并对若干个瓶颈区域依据综合排水系数Pxs值的由高到低进行顺序排序；在S6步骤中，优先将瓶颈区域综合排水系数Pxs高的值进行比对，并进行及时告警输出。
本发明提供了一种基于降水预报的城市内涝告警装置及方法。具备以下有益效果：
（1）该装置的优势在于不仅考虑了降雨量和排水能力等传统因素，还充分考虑了地表透水性能的差异性。通过根据实际经验调整权重，可以更好地反映不同地区的地表透水能力，并提高综合排水系数Pxs的准确性和预测能力。同时，与实时监测模块的结合使得装置能够及时检测城市排水系统的异常情况，并采取相应的措施。这种改进的装置架构有助于提高内涝告警装置的综合评估能力，更全面地考虑城市内涝风险的多样性和复杂性。通过增加对地表透水性能的考虑，装置能够更好地适应不同地区的特点，提供更准确和可靠的内涝预测和告警信息，从而提高城市排水装置的效率和应急响应能力。
（2）通过数据获取模块收集雨量数据、城市地表高程数据和城市排水设备数据，并进行整合，可以为城市排水系统的分析和评估提供基础。通过获取气象数据、城市地形数据和排水设备数据，可以更全面地了解城市内涝的风险和排水系统的状况。这样的信息有助于制定针对性的措施，改善城市的排水能力，并提高抗洪和防涝的效果
（3）地表透水指数Dt结合了多个参数，包括坡度、坡道数量、坡度长度、粗糙度、土壤蓄水能力和地表覆盖等因素，用于评估地表的透水特性。通过调整各个参数的值，可以定量评估地表的透水能力，并在城市排水系统设计和规划中提供有益的参考。
（4）建立水流模型，并对不同地形区域进行划分，获得若干个区域，这些区域可能包括高地区、低洼区、河流沟谷等；对若干个区域内的综合排水系数Pxs进行计算，并与区域阈值进行对比，判断该区域的排水能力是否达到预期；若综合排水系数Pxs高于阈值，则在水流模型上标记为瓶颈区域，说明该区域的排水能力可能存在瓶颈，无法满足预期的排水需求。该方法在于结合城市地表高程数据和水流模型，能够对不同地形区域的排水能力进行综合评估，并确定排水瓶颈区域，并对瓶颈区域进行优先级的告警和处理。
附图说明
图1为本发明基于降水预报的城市内涝告警装置结构流程示意图；
图中：10、数据获取模块；11、气象采集单元；12、城市地形采集单元；13、排水设备采集单元；20、特征提取模块；30、建立水流模型模块；31、水流模拟单元；32、归一化处理单元；33、综合排水系数Pxs计算单元；34、验证优化单元；40、实时监测模块；50、评估模块；60、告警模块；70、预测模块；80、方案模块。
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。
城市内涝是由强降雨引起的，而降雨量预报、暴雨灾害预警等是气象部门最基本的职责之一。现有的内涝告警方法在实施中，因为城市地区地形的不同，容易出现数据不完整的情况，尤其是城市中一些地表是有蓄水能力的，导致内涝告警装置往往只考虑降雨量和排水能力等因素，而忽视其他因素的影响，如城市建设规划、地表覆盖类型等。这可能导致系统对内涝风险的评估不够全面，无法准确反映城市内涝的复杂性和多样性。
实施例1
本发明提供一种基于降水预报的城市内涝告警装置，请参照图1，包括数据获取模块10，用于获得历史周期降水量数据、城市地表高程数据和城市排水设备数据；这些数据是评估城市排水系统性能的基础；
特征提取模块20用于对获取到的历史周期降水量数据、城市地表高程数据和城市排水设备数据进行特征提取，分别分析获得历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；能反映城市排水系统的特点和性能；
建立水流模型模块30，用于模拟城市内涝和水流过程，并，将历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理后，关联汇总形成综合排水系数Pxs；水流模型可以利用这些系数进行模拟，以评估城市排水系统在不同情况下的性能；
所述综合排水系数Pxs通过以下公式获得：
式中，其中，，，且，为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的的数值，来对综合排水系数Pxs进行修正；
实时监测模块40，用于实时监测当前降雨量，并分析获取当前排水系数 PPx；可以及时了解城市排水系统的状况；
评估模块50，用于将当前排水系数PPx与综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，发送至告警模块60进行相应级别的告警输出。
本实施例中，这种装置架构用于提供城市排水系统的实时监测和评估能力，帮助城市管理者更好地应对内涝问题。通过采集计算获取到历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理后，关联汇总形成综合排水系数Pxs，其中，地表透水指数Dt用于描述地表的透水能力，值越大表示地表的透水能力较强，对降水的渗透和排水能力较好；
这种装置的优势在于不仅考虑了降雨量和排水能力等传统因素，还充分考虑了地表透水性能的差异性。通过根据实际经验调整权重，可以更好地反映不同地区的地表透水能力，并提高综合排水系数Pxs的准确性和预测能力。同时，与实时监测模块的结合使得装置能够及时检测城市排水系统的异常情况，并采取相应的措施。
这种改进的装置架构有助于提高内涝告警装置的综合评估能力，更全面地考虑城市内涝风险的多样性和复杂性。通过增加对地表透水性能的考虑，装置能够更好地适应不同地区的特点，提供更准确和可靠的内涝预测和告警信息，从而提高城市排水系统的效率和应急响应能力。
实施例2，本实施例是在实施例1中进行的解释说明，具体的，请参照图1，所述数据获取模块10包括气象采集单元11、城市地形采集单元12和排水设备采集单元13；
气象采集单元11用于通过当地气象观测站或气象雷达实时收集雨量数据，所述雨量数据包括降水强度、降水市场和降水分布，并获得历史周期降水量数据，即过去一段时间内的降水量数据；通过收集这些气象数据，可以了解当前和过去的降水情况；
城市地形采集单元12用于采集城市地表高程数据，所述城市地表高程数据包括河床高程、湖泊大小、道路高程、横断面积、坡道数量和地表覆盖绿植数据；通过收集城市地形数据，可以了解城市地势的特征和地形变化；可通过遥感技术采集获取高精度的地形数据，通过计算激光脉冲与地表的反射时间差，可以确定地表的高程信息；或者用于全站仪、水准仪、测距仪等）可以在现场进行测量，获取地表高程数据。全站仪可以通过测量地表上的目标点与仪器的水平角度、垂直角度和距离等信息，计算出地表点的三维坐标和高程。排水设备采集单元13用于采集城市排水设备数据，所述排水设备数据包括排水管道、排水井、雨水收集设备以及河流水位数据；通过收集排水设备数据，可以了解城市排水系统的结构和性能。
本实施例中，通过数据获取模块收集雨量数据、城市地表高程数据和城市排水设备数据，并进行整合，可以为城市排水系统的分析和评估提供基础。通过获取气象数据、城市地形数据和排水设备数据，可以更全面地了解城市内涝的风险和排水系统的状况。这样的信息有助于制定针对性的措施，改善城市的排水能力，并提高抗洪和防涝的效果。
实施例3，本实施例是在实施例1中进行的解释说明，具体的，所述地表透水指数Dt通过以下公式进行获取：
式中，S表示坡度系数，描述地表坡度的影响，值越大表示较大的坡度，透水能力较弱；可以通过测量地表上不同位置的高程数据来计算得出。使用测距仪、全站仪或激光雷达等仪器，测量一定距离上的高程变化，然后根据以下公式计算坡度系数：S=（高程差）/（测量距离）；Sn表示坡道的数量；
L表示为坡度长度系数，考虑坡面的长度特征，值越大表示较大的坡面长度，透水能力较弱，坡道长度系数L指的是从坡顶到坡底的水平距离。可以使用测距仪、全站仪或激光雷达等仪器，在坡道上选择起点和终点进行测量，得到两点之间的水平距离即为坡道长度；Ln表示为坡道的面积值；
R表示为粗糙度系数，反映地表的粗糙程度，值越大表示地表较为光滑，透水能力较弱；Rn表示为粗糙度地表的面积；地表粗糙度系数R表示地表的表面纹理和粗糙程度。可以使用遥感数据和图像处理技术来获取地表的粗糙度信息。通过分析高分辨率卫星图像或航空影像，可以识别出地表上的纹理特征和障碍物。然后，使用地物分类和图像处理算法来计算地表的粗糙度系数R；
C表示土壤蓄水系数，描述土壤的蓄水能力，值越大表示土壤具有较高的蓄水能力，透水能力较强；土壤蓄水系数C通过实地采样和实验室测试来获取。在不同地表位置和土壤类型上采集土壤样本，并将其送到实验室进行土壤水分特性曲线测试。这些测试可以确定土壤的最大蓄水量和持水能力，从而得到土壤蓄水系数的数值，Cn表示土壤的面积值；
P表示地表覆盖系数，表示绿植地表类型对透水能力的影响，值越大表示较高的透水能力；通过使用航空摄影测量技术，可以获取高分辨率的航空影像。利用图像解译和分类方法，可以将图像中的植被区域和非植被区域进行区分，并计算植被覆盖的百分比，即地表覆盖系数P；Pn表示绿植地表面积值；表示修正常数。
本实施例中，通过计算以上参数的乘积，并将其除以参数乘积与补集的乘积之和，可以得到地表透水指数Dt。地表透水指数Dt用于描述地表的透水能力，值越大表示地表的透水能力较强，对降水的渗透和排水能力较好。
这个公式结合了多个参数，包括坡度、坡道数量、坡度长度、粗糙度、土壤蓄水能力和地表覆盖等因素，用于评估地表的透水特性。通过调整各个参数的值，可以定量评估地表的透水能力，并在城市排水系统设计和规划中提供有益的参考。
实施例4，本实施例是在实施例1中进行的解释说明，具体的，所述排水效率指数Ps通过以下公式获得：
式中，Sb表示为排水管道覆盖系数，描述排水管道的覆盖范围和效能，值越大表示设备覆盖的面积或范围越大，排水效率较高，w1表示该参数的权重值；
XL表示为排水设备效率系数，反映排水设备的排水能力和效率，值越大表示设备的排水能力较强，效率较高；w2表示该参数的权重值；
Sn表示排水设备数量系数，表示排水设备的数量和分布情况，值越大表示设备数量较多，排水效率较高；w3表示该参数的权重值；
U表示设备更新系数，描述排水设备的更新和维护情况；值越大表示设备更新和维护较及时，排水效率较高；w4表示该参数的权重值；
Lu表示设备利用率系数，表示排水设备的利用程度和频率；值越大表示设备的利用效率较高，排水效率较高；w5表示该参数的权重值。
本实施例中，排水效率指数Ps综合考虑了排水管道的覆盖范围和效能、排水设备的排水能力和效率、排水设备的数量和分布情况、设备的更新和维护情况以及设备的利用程度等因素，用于评估和比较排水设备的效率和性能。通过调整各个参数的值和权重的设定，可以定量评估排水设备的整体效率，并为排水系统的改进和优化提供有益的参考。
实施例5，本实施例是在实施例1中进行的解释说明，具体的，请参照图1，所述建立水流模型模块30包括水流模拟单元31、归一化处理单元32、综合排水系数Pxs计算单元33和验证优化单元34；
水流模拟单元31用于基于地形地貌数据、城市排水系统的信息以及降水预报数据，建立水流模拟模型；
归一化处理单元32用于根据历史降水量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理，采用线性变换或对数变换方法处理；
综合排水系数Pxs计算单元33用于通过将历史降水量系数Js、地表透水指数Dt和排水效率指数Ps进行关联汇总，得到综合排水系数Pxs；
验证优化单元34，收集实际内涝事件的观测数据，与模型模拟结果进行比较和分析，评估模型的精度和可靠性；根据验证结果，对水流模型的参数和算法进行优化。
本实施例中，建立一个综合的水流模型，该模型结合了地形地貌数据、城市排水系统信息、降水预报数据以及历史降水量系数Js、地表透水指数Dt和排水效率指数Ps等参数。通过归一化处理和关联汇总，可以得到综合排水系数Pxs，用于评估城市排水系统的综合性能。通过验证优化单元34的反馈，可以不断改进和优化水流模型，以提高其精度和可靠性。这样的模块化架构有助于城市管理者更好地理解和应对城市内涝问题，提高城市排水系统的韧性和应急响应能力。
实施例6，本实施例是在实施例1中进行的解释说明，具体的，请参照图1，所述实时监测模块40用于监测当前的降雨量，通过水位传感器实时监测当前水位量，来获取到每小时降雨量和24小时降雨量，并将每小时降雨量和24小时降雨量与地表透水指数Dt和排水效率指数Ps进行相关联，获取到当前的排水系数PPx。
本实施例中，实时监测模块40与气象采集单元11不同的是，气象采集单元11通过气象站进行采集数据，而实时监测模块40是额外通过水位传感器进行监测当前水位量，可以是在低洼处，坡道内，进行监测，相对比气象站的监测方式，促进更准确，切通过每小时降雨量进行监测，再合并24小时降雨量，监测精度更高；并通过与地表透水指数Dt和排水效率指数Ps的关联，可以获得当前的排水系数PPx，该系数反映了当前降雨条件下城市排水系统的排水能力和效率；可以更准确地评估当前排水系统的性能，为城市的排水规划和管理提供有价值的参考。
实施例7，本实施例是在实施例1中进行的解释说明，具体的，请参照图1，所述评估模块50将当前排水系数PPx与综合排水系数Pxs进行对比，获得差值Diff，差值Diff表示当前排水能力与预期排水能力之间的差异，将差值Diff与报警指数设置的阈值进行对比，判断是否触发相应级别的告警输出；
根据评估模块50的判断结果，由告警模块60接收判断评估结果，并划分为低级别、中级别和高级别的告警级别，具体告警操作如下：
当差值Diff高于低级别报警指数的阈值时，触发低级别告警输出；
当差值Diff高于中级别报警指数的阈值时，触发中级别告警输出；
当差值Diff高于高级别报警指数的阈值时，触发高级别告警输出；
根据级别信息，执行相应的告警操作，包括发送警报通知、推送告警消息和显示在报警控制中心其中一种或多种形式。
本实施例中，装置可以根据实时监测的数据与预期的综合排水能力进行对比，并根据预设的报警指数阈值判断当前排水系统的状况。当差值Diff超过特定阈值时，相应级别的告警将被触发，以提醒相关人员注意内涝风险并采取必要的措施。这种实时监测和告警装置有助于及时发现和应对城市内涝问题，提高城市排水系统的安全性和效能。
实施例8，本实施例是在实施例1中进行的解释说明，具体的，请参照图1，还包括预测模块70和方案模块80；
所述预测模块70用于基于所述历史周期降水量数据，建立预测模型，预测未来一段周期时间内的降雨量，获得预测结果；通过分析历史数据的趋势和模式，预测模型可以估计未来降雨的可能情况。预测模块70利用这些预测结果来提前预警和准备，帮助城市管理者作出相应的应对措施。
所述方案模块80，根据预测结果和当前的差值Diff，制定相应的应对方案，方案包括调度排水设备、加强巡查和清理排水管道、提醒居民采取防范措施其中的一种或多种。通过根据预测结果和差值Diff制定方案，城市管理者可以采取相应的行动来应对内涝风险，提高城市排水系统的响应能力。
本实施例中，在于提供了对未来降雨量的预测和相应的应对方案。这使城市管理者能够提前了解未来可能发生的降雨情况，并根据预测结果制定相应的预案。通过提前预警和采取适当的措施，可以减轻内涝带来的影响，保障城市的排水安全和居民的生活质量。预测模块70和方案模块80的结合有助于提高城市排水系统的应急响应能力和防灾减灾效果。
实施例9
一种基于降水预报的城市内涝告警方法，包括以下步骤；
S1、实用气象观测站或气象雷达实时收集降雨数据，获取历史周期降水量数据；
S2、收集城市地表高程数据，包括河床高程、湖泊大小、道路高程、横断面积、破堤和地表覆盖绿植数据；
S3、获得城市排水设备数据，包括排水管道、排水井、雨水收集设备以及河流水位数据；
S4、基于S1-S3步骤中获取的数据，进行特征提取，分析获取历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；
S5、建立水流模型和预测模型，计算获取综合排水系数Pxs，并获得预测结果；
S6、将实时降雨数据进行计算获取当前排水系数PPx，并将当前排水系数PPx和综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，进行相应级别的告警输出；
S7、依据预测结果和当前的差值Diff，制定相应的应对方案，实施防涝措施。
本方法，将降水预报与城市内涝告警相结合，提供了基于实时数据和历史信息的全面评估。通过特征提取、模型建立和预测分析，可以及时发现内涝风险并触发相应级别的告警。同时，制定相应的应对方案，帮助城市管理者采取防涝措施，提高城市排水系统的响应能力和防灾减灾效果。该方法为城市内涝预警和防控提供了有益的指导和决策支持。
实施例10，本实施例是在实施例9中进行的解释说明，具体的，所述S5步骤中具体包括：依据所述城市地表高程数据模拟三维动态，建立水流模型，并对不同地形区域进行划分，获得若干个区域，这些区域可能包括高地区、低洼区、河流沟谷等；
对若干个区域内的综合排水系数Pxs进行计算，并与区域阈值进行对比，判断该区域的排水能力是否达到预期；若综合排水系数Pxs高于阈值，则在水流模型上标记为瓶颈区域，说明该区域的排水能力可能存在瓶颈，无法满足预期的排水需求。
并对若干个瓶颈区域依据综合排水系数Pxs值的由高到低进行顺序排序；按照综合排水系数从高到低的顺序排列，以确定哪些区域的排水能力最为紧张；在S6步骤中，优先将瓶颈区域综合排水系数Pxs高的值进行比对，并进行及时告警输出。优先比对瓶颈区域中综合排水系数Pxs高的值，并进行及时告警输出。根据实时监测的降雨数据和计算得到的当前排水系数PPx，对处于瓶颈区域中的综合排水系数Pxs高值进行优先比对。如果当前排水系数PPx高于预设的报警指数阈值，将触发相应级别的告警输出，提醒相关人员采取相应的防涝措施。
本实施例中，在于结合城市地表高程数据和水流模型，能够对不同地形区域的排水能力进行综合评估，并确定排水瓶颈区域，并对瓶颈区域进行优先级的告警和处理。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于降水预报的城市内涝告警装置，其特征在于：包括数据获取模块（10），用于获得历史周期降水量数据、城市地表高程数据和城市排水设备数据；
特征提取模块（20）用于对获取到的历史周期降水量数据、城市地表高程数据和城市排水设备数据进行特征提取，分别分析获得历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；
建立水流模型模块（30），用于模拟城市内涝和水流过程，并，将历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理后，关联汇总形成综合排水系数Pxs；
所述综合排水系数Pxs通过以下公式获得：
式中，其中，，，且，为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的的数值，来对综合排水系数Pxs进行修正；
实时监测模块（40），用于实时监测地面水位深度，计算当前降雨量，并分析获取当前排水系数PPx；
评估模块（50），用于将当前排水系数PPx与综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，发送至告警模块（60）进行相应级别的告警输出。
2.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：所述数据获取模块（10）包括气象采集单元（11）、城市地形采集单元（12）和排水设备采集单元（13）；
气象采集单元（11）用于通过当地气象观测站或气象雷达实时收集雨量数据，所述雨量数据包括降水强度、降水市场和降水分布，并获得历史周期降水量数据；
城市地形采集单元（12）用于采集城市地表高程数据，所述城市地表高程数据包括河床高程、湖泊大小、道路高程、横断面积、坡道数量和地表覆盖绿植数据；
排水设备采集单元（13）用于采集城市排水设备数据，所述排水设备数据包括排水管道、排水井、雨水收集设备以及河流水位数据。
3.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：
所述地表透水指数Dt通过以下公式进行获取：
式中，S表示坡度系数，描述地表坡度的影响，值越大表示较大的坡度，透水能力较弱；Sn表示坡道的数量；L表示为坡度长度系数，考虑坡面的长度特征，值越大表示较大的坡面长度，透水能力较弱，Ln表示为坡道的面积值；R表示为粗糙度系数，反映地表的粗糙程度，值越大表示地表较为光滑，透水能力较弱；Rn表示为粗糙度地表的面积；C表示土壤蓄水系数，描述土壤的蓄水能力，值越大表示土壤具有较高的蓄水能力，透水能力较强；Cn表示土壤的面积值；P表示地表覆盖系数，表示绿植地表类型对透水能力的影响，值越大表示较高的透水能力；Pn表示绿植地表面积值；表示修正常数。
4.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：所述排水效率指数Ps通过以下公式获得：
式中，Sb表示为排水管道覆盖系数，描述排水管道的覆盖范围和效能，值越大表示设备覆盖的面积或范围越大，排水效率较高，w1表示Sb的权重值；
XL表示为排水设备效率系数，反映排水设备的排水能力和效率，值越大表示设备的排水能力较强，效率较高；w2表示XL的权重值；
Sn表示排水设备数量系数，表示排水设备的数量和分布情况，值越大表示设备数量较多，排水效率较高；w3表示Sn的权重值；
U表示设备更新系数，描述排水设备的更新和维护情况；值越大表示设备更新和维护较及时，排水效率较高；w4表示U的权重值；
Lu表示设备利用率系数，表示排水设备的利用程度和频率；值越大表示设备的利用效率较高，排水效率较高；w5表示Lu的权重值。
5.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：所述建立水流模型模块（30）包括水流模拟单元（31）、归一化处理单元（32）、综合排水系数Pxs计算单元（33）和验证优化单元（34）；
水流模拟单元（31）用于基于地形地貌数据、城市排水系统的信息以及降水预报数据，建立水流模拟模型；
归一化处理单元（32）用于根据历史降水量系数Js、地表透水指数Dt和排水效率指数Ps，进行归一化处理，采用线性变换或对数变换方法处理；
综合排水系数Pxs计算单元（33）用于通过将历史降水量系数Js、地表透水指数Dt和排水效率指数Ps进行关联汇总，得到综合排水系数Pxs；
验证优化单元（34），收集实际内涝事件的观测数据，与模型模拟结果进行比较和分析，评估模型的精度和可靠性；根据验证结果，对水流模型的参数和算法进行优化。
6.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：所述实时监测模块（40）用于监测当前的降雨量，通过水位传感器实时监测当前水位深度，来获取到每小时降雨量和24小时降雨量，并将每小时降雨量和24小时降雨量与地表透水指数Dt和排水效率指数Ps进行相关联，获取到当前的排水系数PPx。
7.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：所述评估模块（50）将当前排水系数PPx与综合排水系数Pxs进行对比，获得差值Diff，差值Diff表示当前排水能力与预期排水能力之间的差异，将差值Diff与报警指数设置的阈值进行对比，判断是否触发相应级别的告警输出；
根据评估模块（50）的判断结果，由告警模块（60）接收判断评估结果，并划分为低级别、中级别和高级别的告警级别，具体告警操作如下：
当差值Diff高于低级别报警指数的阈值时，触发低级别告警输出；
当差值Diff高于中级别报警指数的阈值时，触发中级别告警输出；
当差值Diff高于高级别报警指数的阈值时，触发高级别告警输出；
根据级别信息，执行相应的告警操作，包括发送警报通知、推送告警消息和显示在报警控制中心其中一种或多种形式。
8.根据权利要求1所述的一种基于降水预报的城市内涝告警装置，其特征在于：还包括预测模块（70）和方案模块（80）；
所述预测模块（70）用于基于所述历史周期降水量数据，建立预测模型，预测未来一段周期时间内的降雨量，获得预测结果；
所述方案模块（80），根据预测结果和当前的差值Diff，制定相应的应对方案，方案包括调度排水设备、加强巡查和清理排水管道、提醒居民采取防范措施其中的一种或多种。
9.一种基于降水预报的城市内涝告警方法，其特征在于：包括以下步骤；
S1、实用气象观测站或气象雷达实时收集降雨数据，获取历史周期降水量数据；
S2、收集城市地表高程数据，包括河床高程、湖泊大小、道路高程、横断面积、破堤和地表覆盖绿植数据；
S3、获得城市排水设备数据，包括排水管道、排水井、雨水收集设备以及河流水位数据；
S4、基于S1-S3步骤中获取的数据，进行特征提取，分析获取历史降雨量系数Js、地表透水指数Dt和排水效率指数Ps；
S5、建立水流模型和预测模型，计算获取综合排水系数Pxs，并获得预测结果；
S6、将实时降雨数据进行计算获取当前排水系数PPx，并将当前排水系数PPx和综合排水系数Pxs进行对比获得差值Diff，并将差值Diff与报警指数设置的阈值进行对比，当差值Diff高于报警指数的范围时，进行相应级别的告警输出；
S7、依据预测结果和当前的差值Diff，制定相应的应对方案，实施防涝措施。
10.根据权利要求9所述的一种基于降水预报的城市内涝告警方法，其特征在于：所述S5步骤中具体包括：依据所述城市地表高程数据模拟三维动态，建立水流模型，并对不同地形区域进行划分，获得若干个区域，对若干个区域内的综合排水系数Pxs进行计算，并与区域阈值进行对比，若综合排水系数Pxs高于阈值，则在水流模型上标记为瓶颈区域，并对若干个瓶颈区域依据综合排水系数Pxs值的由高到低进行顺序排序；在S6步骤中，优先将瓶颈区域综合排水系数Pxs高的值进行比对，并进行及时告警输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310770778.XA CN116908942A (zh) | 2023-06-28 | 2023-06-28 | 一种基于降水预报的城市内涝告警装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310770778.XA CN116908942A (zh) | 2023-06-28 | 2023-06-28 | 一种基于降水预报的城市内涝告警装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116908942A true CN116908942A (zh) | 2023-10-20 |
Family
ID=88350296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310770778.XA Pending CN116908942A (zh) | 2023-06-28 | 2023-06-28 | 一种基于降水预报的城市内涝告警装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116908942A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117515434A (zh) * | 2024-01-05 | 2024-02-06 | 江苏神州半导体科技有限公司 | 基于射频环境的漏水检测告警方法 |
| CN117688790A (zh) * | 2024-02-04 | 2024-03-12 | 中科智远科技江苏有限公司 | 基于多维实时监测与大数据分析的内涝积淹点预判方法 |
| CN117831231A (zh) * | 2024-03-05 | 2024-04-05 | 南京金固智慧市政研究院有限公司 | 一种对易淹易涝片区进行积淹预警的方法 |
| CN118643301A (zh) * | 2024-08-14 | 2024-09-13 | 江苏济楚信息技术有限公司 | 一种城市治理数据融合分析方法及系统 |
-
2023
- 2023-06-28 CN CN202310770778.XA patent/CN116908942A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117515434A (zh) * | 2024-01-05 | 2024-02-06 | 江苏神州半导体科技有限公司 | 基于射频环境的漏水检测告警方法 |
| CN117515434B (zh) * | 2024-01-05 | 2024-03-08 | 江苏神州半导体科技有限公司 | 基于射频环境的漏水检测告警方法 |
| CN117688790A (zh) * | 2024-02-04 | 2024-03-12 | 中科智远科技江苏有限公司 | 基于多维实时监测与大数据分析的内涝积淹点预判方法 |
| CN117688790B (zh) * | 2024-02-04 | 2024-04-26 | 中科智远科技江苏有限公司 | 基于多维实时监测与大数据分析的内涝积淹点预判方法 |
| CN117831231A (zh) * | 2024-03-05 | 2024-04-05 | 南京金固智慧市政研究院有限公司 | 一种对易淹易涝片区进行积淹预警的方法 |
| CN117831231B (zh) * | 2024-03-05 | 2024-05-10 | 南京金固智慧市政研究院有限公司 | 一种对易淹易涝片区进行积淹预警的方法 |
| CN118643301A (zh) * | 2024-08-14 | 2024-09-13 | 江苏济楚信息技术有限公司 | 一种城市治理数据融合分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116908942A (zh) | 一种基于降水预报的城市内涝告警装置及方法 | |
| CN111047099B (zh) | 一种区域性山洪风险预测方法及系统 | |
| Munawar | Flood disaster management: Risks, technologies, and future directions | |
| CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
| US10429547B2 (en) | Systems and methods of remote weather detection for construction management | |
| CN110929946A (zh) | 基于地表水文过程的农业洪涝灾害监测预报系统及方法 | |
| Gourley et al. | Remote collection and analysis of witness reports on flash floods | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
| CN109886456A (zh) | 基于pca与混合核函数lssvr的泥石流预测方法 | |
| CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及系统 | |
| Yum et al. | Development of vulnerability curves of buildings to windstorms using insurance data: An empirical study in South Korea | |
| Horton et al. | Using snow depth observations to provide insight into the quality of snowpack simulations for regional-scale avalanche forecasting | |
| CN118225179B (zh) | 基于城市排水的智能井盖监测方法及系统 | |
| CN116777079A (zh) | 一种基于贝叶斯层间结构模型的沙漠化侵扰灾害预测方法 | |
| Habibi et al. | Performance of Multi-Radar Multi-Sensor (MRMS) product in monitoring precipitation under extreme events in Harris County, Texas | |
| Hao et al. | Implementation of an early warning for snowfall-triggered avalanche to road safety in the Tianshan Mountains | |
| Darghiasi et al. | Enhancing Winter Maintenance Decision Making through Deep Learning-Based Road Surface Temperature Estimation | |
| US20230401651A1 (en) | Airborne and/or spaceborne optical flood and flood damage sensory system and method thereof | |
| KR20240080204A (ko) | 비지도 학습 기반의 산사태 발생 예측 방법 및 이를 지원하는 산사태 경보 장치 | |
| KR20150115200A (ko) | 하수관 관리를 위한 시스템 및 방법 | |
| Caseri et al. | A space-time geostatistical approach for ensemble rainfall nowcasting | |
| CN116307270B (zh) | 一种评估暴雨诱发滑坡链式灾害影响伤亡的方法和系统 | |
| CN118351659B (zh) | 基于gps定位与无线传感器网络的管道堵塞预警方法及系统 | |
| Zhang et al. | A dynamic risk assessment method of waterlogging points by coupling hydrology model with deep neural network |
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 |