【技术实现步骤摘要】
一种基于贝叶斯回归的多来源降雨数据融合算法及装置
本专利技术涉及智慧城市建设
，尤其涉及一种基于贝叶斯回归的多来源降雨数据融合算法及装置。
技术介绍
SWMM模型是由美国环保局推出的一种暴雨径流模型,能够完整地模拟城市降雨径流过程和污染物转移过程,目前广泛应用于暴雨径流模拟和城市排水系统管理。SWMM模型可以模拟分析现有管网的排水能力,确定管网排水能力不足的“瓶颈”段,同时依据模拟结果预先测出设计改造方案的实际效果,通过分析对比经济性指标,可获得合理经济的方案。但是SWMM模型的目前主要应用于对已有管网的模拟分析和已有管网改造方案对比。目前,雨水管网设计主要是人工雨水管网设计,它基于极限暴雨强度所计算的流量，凭经验采用反复查阅水力计算表的方法对管段的管径和坡度等进行人为的调整,以获得较经济合理的设计。该人工雨水管网设计方法计算量大,且计算结果精确度较低。这种人工雨水管网设计方法的水力计算过程基于静态的明渠流公式,假定下游可以自由出流，水力计算过程孤立,管网的设计过程完全忽略了下游管道的水力流动状况,难以体现管网的实际通...
【技术保护点】
1.一种基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，包括：/n获取至少一个地点位置的观测数据，其中，所述观测数据包括雷达回波强度数据、降雨站监测数据以及众包监测数据；/n根据所述雷达回波强度数据，建立估算降雨强度的线性方程；/n根据所述线性方程对应的随机误差系数，确定对应的变差函数；/n根据所述线性方程的回归系数、所述随机误差系数，以及所述变差函数的取值系数，确定对应的第一向量；/n通过贝叶斯公式对所述第一向量进行估计，确定对应的似然函数，并通过所述似然函数的正态分布，结合所述降雨站监测数据以及所述众包监测数据的不确定性，将所述第一向量转换为第二向量；/n通过拉普拉...
【技术特征摘要】
1.一种基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，包括：
获取至少一个地点位置的观测数据，其中，所述观测数据包括雷达回波强度数据、降雨站监测数据以及众包监测数据；
根据所述雷达回波强度数据，建立估算降雨强度的线性方程；
根据所述线性方程对应的随机误差系数，确定对应的变差函数；
根据所述线性方程的回归系数、所述随机误差系数，以及所述变差函数的取值系数，确定对应的第一向量；
通过贝叶斯公式对所述第一向量进行估计，确定对应的似然函数，并通过所述似然函数的正态分布，结合所述降雨站监测数据以及所述众包监测数据的不确定性，将所述第一向量转换为第二向量；
通过拉普拉斯近似的方法，求解所述第二向量的最优值，并带入所述估算降雨强度的线性方程，确定降雨强度估计值。
2.根据权利要求1所述的基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，所述获取至少一个地点位置的观测数据包括：
针对预设时间段，根据空间位置，确定所述众包监测数据、所述降雨站监测数据对应的所述雷达回波强度数据；
针对所述至少一个地点位置，构建对应的所述众包监测数据、所述降雨站监测数据以及所述雷达回波强度数据之间的映射关系。
3.根据权利要求2所述的基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，所述线性方程的回归系数包括第一回归系数和第二回归系数，所述估算降雨强度的线性方程通过如下公式表示：
其中，表示地点位置的坐标对应的降雨强度估计值，表示所述地点位置的坐标对应的雷达强度，所述雷达强度根据雷达回波强度数据确定，表示所述第一回归系数，表示所述第二回归系数，表示所述随机误差系数。
4.根据权利要求3所述的基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，所述随机误差系数的第一期望值和第一标准偏差通过如下公式表示：
其中，表示所述第一期望值，表示所述第一标准偏差，表示第个地点位置对应的所述降雨站监测数据或所述众包监测数据的残差，M表示所述地点位置的总数目，表示第个地点位置对应的加权值，是所述变差函数的极限值，表示坐标对应的地点位置与第个地点位置形成的所述变差函数。
5.根据权利要求4所述的基于贝叶斯回归的多来源降雨数据融合算法，其特征在于，所述变差函数的取值系数包括第一取值系数和第二取值系数，所述变差函数通过如下公式表示：
其中，表示第个地点位置与第j个地点位置形成的所述变差函数，表示所述第一取值系数，表示所述第二取值系数，表示第个地点位置与第j个地点位置之间的距离，为变差函数趋近于所述极限值时所对应的极限距离，其中，当所述距离趋近于无穷时，所述极限值取值。
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：包申旭，杨盼，杨思原，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。