【技术实现步骤摘要】
一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法
[0001]本专利技术涉及城市洪涝预警预报
，尤其涉及一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法。
技术介绍
[0002]近年来，受气候变化、热岛效应和高速城市化等人类活动共同影响，城市洪涝事件频发，频率和量级均超历史。开展科学及时的积水预警，是城市防洪排涝的迫切需求，也是保障人民群众生命和财产安全的有效途径。当前，城市洪涝模拟主要依靠经典的物理过程模型，对管网
‑
河道
‑
陆面等构成的复杂城市排水系统进行一系列水文计算和水动力学方程联立求解，能够较为精细地模拟积水形成和发展过程，但计算效率低，难以支撑实时预测、预警。另一方面，城市积水具有较大的空间分异性，取决于空间暴雨分布与地形的复杂雨
‑
地映射关系。然而，现有地面降雨观测站空间分辨率较低，难以精细刻画城市非均匀的暴雨空间分布。同时，城市地面积水监测也远远不足。缺乏高时空分辨率的暴雨及积水数据，构成了非完全信息环境，当前...
【技术保护点】
【技术特征摘要】
1.一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法，其特征在于：包括如下步骤，S1、替代数据挖掘与获取通过商用微波衰减反演获取高密度时空分辨率的城市降雨观测数据，即商用无线微波反演降雨数据，作为降雨地面观测数据的有效替代数据；采用物理过程模拟仿真手段，获取高时空分辨率地面积水模拟数据，即积水时空分布数据，作为地面积水实际观测数据的有效替代数据；S2、替代数据处理与表征；将逐分钟计算的商用无线微波反演降雨数据以及与道路积水有水文联系的河流水位数据、湖泊水位数据处理成10min属性的数据，作为城市道路积水模型的特征因子；将积水时空分布数据结合路网分布图，利用GIS掩膜处理技术，获取城市道路积水分布数据，作为城市道路积水模型的标签；S3、基于GRU深度学习算法的路网积水模拟；利用城市道路积水模型的特征因子和标签，建立基于GRU深度学习算法的路网积水模拟模型；S4、城市路网积水风险实时预测；利用训练好的基于GRU深度学习算法的路网积水模拟模型，结合微波衰减反演的实时降雨数据，实现预见期的城市积水实时预测；接入未来气象水文预测数据，驱动训练好的基于GRU深度学习算法的路网积水模拟模型，进一步增加预见期，并结合积水风险指标，生成城市高密度路网实时风险图。2.根据权利要求1所述的非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法，其特征在于：步骤S1具体包括如下内容，S11、商用无线微波反演降雨数据获取：基于商用无线微波衰减信号，采用雨衰反演模型，对微波衰减信号进行计算，获取某一微波链路路径平均降雨强度，即商用无线微波反演降雨数据；计算公式为，其中，A为微波信号的雨衰值；k和α是频率依从系数；l为某一微波链路的长度；R为该微波链路路径平均降雨强度；利用上式即可逐分钟计算R；针对存在多条相互交织的微波链路的城市研究区，采用层析模型，计算各个网格的R值；S12、积水时空分布数据获取：利用商用无线微波反演降雨数据驱动物理过程模型，获取微波反演降雨驱动下的积水时空分布数据；利用历史期间暴雨洪涝积水事件中地面观测站监测的降雨数据驱动物理过程模型，对历史典型洪涝场景进行模拟仿真，获取历史不同场景下的积水时空分布数据。3.根据权利要求2所述的非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法，其特征在于：步骤S2具体包括如下内容，S21、商用无线微波反演降雨数据的处理与特征表征：将逐分钟的商用无线微波反演降雨数据处理成逐十分钟属性的数据；分别为逐十分钟降雨量P
10,t
、前1小时累积降雨量P
1h,t
、
前3小时累积降雨量P
3h,t
，前24小时累积降雨量P
24h,t
、前72小时累积降雨量P
72h,t
；并将处理后的数据作为城市道路积水模型的特征因子；S22、河湖水位数据的处理与特征表征：选取与道路积水有水文联系的包括河流水位数据和湖泊水位数据在内的自动遥测历史数据，并将其分别处理为逐十分钟属性的河流水位数据Z
r,t
和湖泊水位数据Z
l,t
；并将上述处理后的数据作为城市道路积水模型的特征因子；S23、积水时空分布数据的处理与特征表征：基于地理信息系统GIS，利用基于物理过程模型模拟的积水时空分布数据结合路网分布图，采用空间掩膜分析技术进行空间掩膜分析，得到城市道路积水分布数据；...
【专利技术属性】
技术研发人员：师鹏飞，杨涛，李振亚，赵酉键，韩曦，郑鑫，李天虎，
申请(专利权)人：南京澜澈水利科技有限公司，
类型：发明
国别省市：
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。