CN117271696A - 一种基于洪水预测的水深演变三维呈现方法及系统 - Google Patents
一种基于洪水预测的水深演变三维呈现方法及系统 Download PDFInfo
- Publication number
- CN117271696A CN117271696A CN202311551964.0A CN202311551964A CN117271696A CN 117271696 A CN117271696 A CN 117271696A CN 202311551964 A CN202311551964 A CN 202311551964A CN 117271696 A CN117271696 A CN 117271696A
- Authority
- CN
- China
- Prior art keywords
- flood
- data
- point
- depth
- boundary
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims description 9
- 239000012535 impurity Substances 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于洪水预测的水深演变三维呈现方法及系统，属于数据处理技术领域。本发明方法，包括：在所述目标数据中提取出每个点位所对应的历史洪水数据；在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；依次记录每个洪水深度所对应的模拟数据；生成关联数据；生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。本发明能够根据历史洪水数据建模，在使用模型来预测发生灾害时洪水的演变结果，能够快速的预测出发生灾害后会达到的洪水深度等。
Description
技术领域
本发明涉及数据处理技术领域，并且更具体地，涉及一种基于洪水预测的水深演变三维呈现方法及系统。
背景技术
目前没有针对洪水的演变进行的预测，因此导致在一些地方发生洪流灾害时，不能快速的预测出洪水的演变过程，并因此不能及时的针对洪流灾害积极的做出应对策略，威胁当地居民的人身安全，造成更严重的经济损失。
发明内容
针对上述问题，本发明提出了一种基于洪水预测的水深演变三维呈现方法，包括：
采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
可选的，历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
可选的，历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
可选的，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
可选的，方法还包括：提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
再一方面，本发明还提出了一种基于洪水预测的水深演变三维呈现系统，包括：
第一数据采集模块，用于采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
第二数据采集模块，用于采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
模拟模块，用于将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
预测模块，用于提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
可选的，历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
可选的，历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
可选的，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
可选的，预测模块还用于：提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
与现有技术相比，本发明的有益效果为：
本发明提供了一种基于洪水预测的水深演变三维呈现方法，包括：采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。本发明能够根据历史洪水数据建模，在使用模型来预测发生灾害时洪水的演变结果，能够快速的预测出发生灾害后会达到的洪水深度等，基于预测的结果，可为后续的针对洪水的应对策略，给出更合理的人员迁移，村落迁移等方案。
附图说明
图1为本发明方法实施例1的流程图；
图2为本发明系统实施例2的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
实施例1：
本发明提出了一种基于洪水预测的水深演变三维呈现方法，如图1所示，包括：
步骤s101、采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
步骤s102、采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
步骤s103、将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
步骤s104、提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
步骤s105、基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；
步骤s106、获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
其中，历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
其中，历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
其中，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
其中，提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
其中，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配，其具体是，将上述洪水颜色数据或水深淹没边界/范围数据中的水深数据，颜色数据以及水面逐5m精度的点位的经纬度数据等，发送给具备有匹配规则的引擎，在引擎接收到数据后，按照匹配规则，事先约定好的水深等级及匹配的颜色，对上述的洪水颜色数据或水深淹没边界/范围数据进行匹配，预测出洪水发展的深度等数据；
其具体匹配规则中实现匹配的部分代码，如下：
color: '#B21D00FF',
text: 'd>1.5m'
}, {
color: '#610095FF',
text: '1m<d<=1.5m'
}, {
color: '#5297bb',
text: '0.5m<d<=1m'
}, {
color: '#65b7da',
text: '0m<d<=0.5m
例如，如接受的水深数据(经度：1234，纬度：4567处的点的水深数据为0.6m，那么按照我们事先匹配的水深，应该是 color: '#5297bb')，则场景该经纬度上的点则呈现该颜色。
实施例2：
本发明还提出了一种基于洪水预测的水深演变三维呈现系统200，如图2所示，包括：
第一数据采集模块201，用于采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
第二数据采集模块202，用于采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
模拟模块203，用于将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
预测模块204，用于提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
其中，历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
其中，历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
其中，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
其中，预测模块204还用于：提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
本发明能够根据历史洪水数据建模，在使用模型来预测发生灾害时洪水的演变结果，能够快速的预测出发生灾害后会达到的洪水深度等，基于预测的结果，可为后续的针对洪水的应对策略，给出更合理的人员迁移，村落迁移等方案。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于洪水预测的水深演变三维呈现方法，其特征在于，所述方法包括：
采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
2.根据权利要求1所述的方法，其特征在于，所述历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
3.根据权利要求1所述的方法，其特征在于，所述历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
4.根据权利要求1所述的方法，其特征在于，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
6.一种基于洪水预测的水深演变三维呈现系统，其特征在于，所述系统包括：
第一数据采集模块，用于采集目标流域地区的历史洪水数据，对所述历史洪水数据进行清洗，以剔除所述历史洪水数据中的杂质数据，得到目标数据，确定所述目标流域地区的经纬度数据，根据所述经纬度数据将所述目标流域地区标记多个点位，并记录每个点位的经纬度，在所述目标数据中提取出每个点位所对应的历史洪水数据；
第二数据采集模块，用于采集所述目标流域地区的地理数据和气象数据，构建所述目标流域地区的三维场景模型，在所述三维场景模型中，选取所述目标数据中最高洪水深度所在的点位为标准点，以所述标准点对应的最高洪水深度作为模拟标准值，模拟洪水场景，以获取所述目标流域地区的模拟洪水数据，并在所述模拟洪水数据中提取出每个点位所对应的模拟洪水数据；
模拟模块，用于将所述每个点位所对应的历史洪水数据与每个点位所对应的模拟洪水数据进行对比，以确定所述每个点位所对应的模拟洪水数据的准确率，若所述准确率大于或等于预设值，则在所述三维场景模型中以预设倍数的最高洪水深度作为模拟最大值，且在所述模拟最大值的范围内划分出多个洪水深度，对每个洪水深度，在标准点处，依次以每个洪水深度作为标准进行洪水场景模拟，直至洪水深度达到模拟最大值，且在洪水场景模拟过程中，依次记录每个洪水深度所对应的模拟数据；
预测模块，用于提取出模拟数据中，每个点位不同洪水深度所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水深度及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；基于所述关联数据，生成每个点位洪水深度与洪水颜色数据，每个点位洪水深度与水深淹没边界/范围数据的匹配规则；获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水深度，并将所述任意一个点位或其他点位的洪水深度，在三维场景模型中进行呈现。
7.根据权利要求6所述的系统，其特征在于，所述历史洪水数据和所述模拟洪水数据，包括洪水深度数据。
8.根据权利要求6所述的系统，其特征在于，所述历史洪水数据和所述模拟洪水数据，还包括如下中的至少一种：洪水深度数据所对应的洪水颜色数据和水深淹没边界/范围数据。
9.根据权利要求6所述的系统，其特征在于，若所述准确率小于预设值，则调整三维场景模型参数后再次模拟洪水场景，直至确定所述每个点位所对应的模拟洪水数据的准确率大于或等于预设值。
10.根据权利要求6所述的系统，其特征在于，所述预测模块还用于：提取出模拟数据中，每个点位的不同洪水边界范围及所对应的颜色数据及水深淹没边界/范围数据，并对多个点位的不同洪水边界范围及多个点位所对应的洪水颜色数据及水深淹没边界/范围数据进行关联，以生成关联数据；
基于所述关联数据，生成每个点位洪水边界范围与洪水颜色数据，每个点位洪水边界范围与水深淹没边界/范围数据的匹配规则；
获取目标流域地区当前时间任意一个点位的洪水数据，并根据所述洪水数据，确定所述任意一个点位的洪水颜色数据或水深淹没边界/范围数据，基于匹配规则，根据所述洪水颜色数据或水深淹没边界/范围数据匹配得到，目标流域地区内，任意一个点位或其他点位的洪水边界范围，将所述任意一个点位或其他点位的洪水边界范围，在三维场景模型中进行呈现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311551964.0A CN117271696B (zh) | 2023-11-21 | 2023-11-21 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311551964.0A CN117271696B (zh) | 2023-11-21 | 2023-11-21 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117271696A true CN117271696A (zh) | 2023-12-22 |
| CN117271696B CN117271696B (zh) | 2024-01-19 |
Family
ID=89202979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311551964.0A Active CN117271696B (zh) | 2023-11-21 | 2023-11-21 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271696B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004340743A (ja) * | 2003-05-15 | 2004-12-02 | Tepco Sysytems Corp | 水害シミュレーション方法及びシステム |
| CN104851360A (zh) * | 2014-02-14 | 2015-08-19 | 杭州贵仁科技有限公司 | 一种洪水风险图的生成方法和系统 |
| 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 |
| CN110555234A (zh) * | 2019-07-25 | 2019-12-10 | 北京中水科水电科技开发有限公司 | 一种Web端实时交互洪水演进仿真可视化方法 |
| CN111784833A (zh) * | 2020-06-23 | 2020-10-16 | 长江空间信息技术工程有限公司(武汉) | 基于WebGL的洪水演进态势三维动态可视化展示方法 |
| CN113902832A (zh) * | 2021-05-21 | 2022-01-07 | 宁波市水利水电规划设计研究院有限公司 | 一种洪水三维动态演进和渲染方法、装置及电子设备 |
| CN114511995A (zh) * | 2022-01-05 | 2022-05-17 | 四川岷江港航电开发有限责任公司 | 一种基于cesium模型的洪水分级预警方法 |
| CN115563540A (zh) * | 2022-10-21 | 2023-01-03 | 城云科技（中国）有限公司 | 结合多源数据和深度学习的城市内涝预测方法及其应用 |
-
2023
- 2023-11-21 CN CN202311551964.0A patent/CN117271696B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004340743A (ja) * | 2003-05-15 | 2004-12-02 | Tepco Sysytems Corp | 水害シミュレーション方法及びシステム |
| CN104851360A (zh) * | 2014-02-14 | 2015-08-19 | 杭州贵仁科技有限公司 | 一种洪水风险图的生成方法和系统 |
| 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 |
| CN110555234A (zh) * | 2019-07-25 | 2019-12-10 | 北京中水科水电科技开发有限公司 | 一种Web端实时交互洪水演进仿真可视化方法 |
| CN111784833A (zh) * | 2020-06-23 | 2020-10-16 | 长江空间信息技术工程有限公司(武汉) | 基于WebGL的洪水演进态势三维动态可视化展示方法 |
| CN113902832A (zh) * | 2021-05-21 | 2022-01-07 | 宁波市水利水电规划设计研究院有限公司 | 一种洪水三维动态演进和渲染方法、装置及电子设备 |
| CN114511995A (zh) * | 2022-01-05 | 2022-05-17 | 四川岷江港航电开发有限责任公司 | 一种基于cesium模型的洪水分级预警方法 |
| CN115563540A (zh) * | 2022-10-21 | 2023-01-03 | 城云科技（中国）有限公司 | 结合多源数据和深度学习的城市内涝预测方法及其应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117271696B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10026221B2 (en) | Wetland modeling and prediction | |
| CN108399469B (zh) | 一种基于深度学习和数值天气预报的天气现象预报方法 | |
| 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 | |
| CN106371155A (zh) | 基于大数据和分析场的气象预报方法及系统 | |
| EP3798941A1 (en) | Vacant house determination device, vacant house determination method, and recording medium | |
| CN104143129A (zh) | 一种面向水污染突发事件应急调度预案生成方法 | |
| Huang et al. | An integrated approach based on Markov Chain and cellular automata to simulation of urban land use changes | |
| CN114494826A (zh) | 一种多水尺水位识别方法、系统、电子设备以及可存储介质 | |
| CN116187554A (zh) | 流域的处理方法和装置、电子设备 | |
| WO2022163864A1 (ja) | 情報処理装置、水資源管理方法、情報処理方法、及び記録媒体 | |
| Tada et al. | Hydrological model calibration using a short period of observations | |
| CN117271696B (zh) | 一种基于洪水预测的水深演变三维呈现方法及系统 | |
| CN108389229B (zh) | 一种污染场地修复方法及装置 | |
| CN111782973A (zh) | 兴趣点状态预测方法、装置、电子设备及存储介质 | |
| CN116008697A (zh) | 雷电脉冲数据电磁场一致性质控方法、装置、设备及介质 | |
| CN114781149A (zh) | 一种场景元素信息自动获取方法及系统 | |
| Brouwer | Potential of Twitter derived flood maps: comparing interpolation methods and assesing uncertainties | |
| Ochege et al. | An Overview of Flood vulnerability mapping: strategy for disaster risk reduction in the Niger Delta Region, Nigeria | |
| TWI592890B (zh) | 二維淹水潛勢圖的產生方法 | |
| Falchetti et al. | The impact of covariance localization on the performance of an ocean EnKF system assimilating glider data in the Ligurian Sea | |
| TWI578256B (zh) | 在二維淹水潛勢圖資料庫中搜尋淹水圖資的方法 | |
| Azad et al. | Application Water Level Prediction Through Seasonal Autoregressive Integrated Moving Average: Red Hills Reservoir Case Study | |
| KR102420981B1 (ko) | 수심에 따른 해양환경 시뮬레이터 및 시뮬레이팅 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램 | |
| CN113506000B (zh) | 一种计算城市汇水区域暴雨溢流风险的方法 | |
| Wang et al. | Improving water level forecast of an oceanographic model in Malacca Strait based on data-driven open boundary correction |
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 |