基于多源数据融合的河道崩岸预警方法及装置制造方法及图纸

本发明专利技术提供基于多源数据融合的河道崩岸预警方法及装置，综合考虑了水沙条件及河岸边界条件的多种影响因子，能较为全面地辨识崩岸易发区的崩岸强度，具备较高的客观性和可靠性。方法包括：步骤1：确定崩岸易发区；步骤2：计算崩岸概率；步骤3：计算崩岸宽度；步骤4：计算堤外滩地宽度；步骤5：计算研究区域内的临江居民住房面积；步骤6：以崩岸概率、崩岸宽度、堤外滩地宽度和临江居民住房面积预警指标，划分各指标的预警警限；步骤7：融合指标计算结果；步骤8：指标赋权重；步骤9：确定崩岸预警综合等级；步骤10：给出研究河段主要崩岸易发区的崩岸预警等级划分结果，根据此在河势图上绘制预警信息，得到河道崩岸预警信息图。得到河道崩岸预警信息图。得到河道崩岸预警信息图。

【技术实现步骤摘要】
基于多源数据融合的河道崩岸预警方法及装置


[0001]本专利技术属于崩岸监测预警
，具体涉及基于多源数据融合的河道崩岸预警方法 及装置。
技术背景
[0002]崩岸是冲积河流河床变形的重要组成部分，但大规模崩岸现象的发生不仅影响局部河 段的河势稳定，而且威胁堤防、取水口及桥梁等重要涉水工程安全，增大防洪压力。三峡工 程运用后，清水下泄导致长江中下游河床发生持续冲刷，河岸稳定性降低。
[0003]崩岸现象发生的机理十分复杂，影响因素繁多，且属于河流动力学及土力学的交叉学科 问题。自1980年以来，国内外不少研究者开展了崩岸研究，揭示了不同影响因素对崩岸具 体影响，提出了不同崩塌模式下岸坡稳定性的计算方法，以及不同尺度的崩岸过程模拟方 法，但现有研究尚未厘清各因素之间相互作用机制，导致崩岸过程预测仍十分困难。此外， 现有的崩岸预警技术尚不完全成熟，崩岸预警指标不统一，等级划分手段多样且等级设定存 在明显的差异，使得各方法获取的结果较难相互转化，且均存在较强的主观经验性。

技术实现思路

[0004]为了解决上述技术问题，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多源数据融合的河道崩岸预警方法，其特征在于，包括以下步骤：步骤1：确定崩岸易发区；获取研究河段的监测资料，根据深泓走向及历史崩岸情况，初步选取崩岸易发区；步骤2：计算崩岸概率P，包括如下子步骤：步骤2
‑
1：依据实测断面地形，标记特定年份内特定断面是否发生崩岸，将发生崩岸的河岸标记为1，反之标记为0；步骤2
‑
2：选取水沙因子及河道边界条件因子，主要包括以下13个因子：年均流量Q与输沙率Q
s
、最大日均流量Q
max
与最大日均输沙率Q
s,max
、漫滩历时T
f
、河道退水速率R
d
、水上与水下坡比S
u
和S
l
、深泓相对位置L
t
、护岸与否P、土体分层层数N、滩槽高差H及粘性土层厚度H
c
；这13个因子的数据可构成特定断面CS在特定年份year下的一个数据组，记作S
cs
‑
year
，数据组S
cs
‑
year
包括的数据有：S
cs
‑
year
＝{Q，Q
s
，Q
max
，Q
s,max
，T
f
，R
d
，S
u
，S
l
，L
t
，P，N，H，H
c
}；步骤2
‑
3：构造随机森林模型，计算特定水沙条件下的崩岸概率P，其步骤如下：(1)抽样：整合不同断面不同年份的实测水沙及河道边界条件数据，形成总样本集，共n个S
cs
‑
year
数据组；基于Bootstrap抽样方法，每次随机选取其中m个S
cs
‑
year
数据组构成子训练样本集D
i
，每个子训练样本集D
i
中含有m*13个数据；(2)逐因子计算基尼不纯度：每个子训练样本集D
i
均可构造出一颗决策树，在决策树的每个节点上随机地从M个崩岸影响因子中选取M'个，分别计算M'个影响因子在该节点的基尼不纯度Gini(D)；(3)确定节点分割因子，构造决策树：选取最小基尼不纯度对应的影响因子为该节点的分割因子，直至决策树分裂深度达到预设深度，决策树构造完成；(4)计算崩岸概率：将验证集T
i
数据放入构建的决策树中，逐节点分割得到得到崩岸和不崩岸的分类结果，其中判断为崩岸的节点数占总深度的比例即为子训练样本集D
i
计算的某断面CS在某年份year下的崩岸概率(5)重复随机抽样r次，形成r个子训练样本集D1、D2、D3……
D
r
，建立起r棵决策树，并用验证集T
i
计算相应的崩岸概率p
t
(c/v)(t＝T1，T2……
T
r
)，将它们取平均值得最终的崩岸概率P：式中，c表示预测为崩，v为总样本值，p(c/v)表示特定水沙条件下崩岸发生的概率；步骤3：模拟崩岸过程，计算崩岸宽度B；步骤4：根据水体指数计算堤外滩地宽度W；步骤5：计算研究区域内的临江居民住房面积Ar；步骤6：以崩岸概率P、崩岸宽度Bd、堤外滩地宽度W和临江居民住房面积Ar为预警指标，划分各指标的预警警限；步骤7：基于Dempster
‑
Shafer证据理论，融合指标计算结果；步骤8：分别给崩岸概率、崩岸宽度、堤外滩地宽度及临江住房面积四个指标赋权重w
i
，i＝1,2,3,4；
步骤9：确定崩岸预警综合等级；步骤10：给出研究河段主要崩岸易发区的崩岸预警等级划分结果，并根据此在河势图上绘制预警信息，得到河道崩岸预警信息图。2.根据权利要求1所述的基于多源数据融合的河道崩岸预警方法，其特征在于：其中，在步骤3中，首先通过一维水沙动力学模块计算各断面的水流要素和河床冲淤幅度；依据计算得到的水流条件，计算河岸坡脚的冲刷程度，并采用渗流模块计算各断面河岸土体内部的潜水位变化过程；最后，将水流条件、河床冲淤幅度及土体含水率和孔隙水压力这些参数作为崩岸模块的输入参数，计算河岸土体的稳定程度，判断其是否会发生崩塌并计算崩岸宽度Bd。3.根据权利要求1所述的基于多源数据融合的河道崩岸预警方法，其特征在于：其中，在步骤4中，首先从地理空间数据云下载获得研究区域及汛期时段内高质量的遥感影像数据集；随后，利用绿光和短波红外波段地表反射率影像计算改进的水体指数MNDWI：MNDWI＝(ρ
GREEN
‑
ρ
SWIR
)/(ρ
GREEN
+ρ
SWIR
)；式中，ρ
GREEN
与ρ
SWIR
分别为绿光和短波红外波段的地表反射率；通过MNDWI水体指数判断图像中的水体和河岸部分，并提取出河岸线坐标；然后将大堤的坐标导入地图中，比对汛期内的河岸线位置与大堤位置，计算得到河岸线距大堤的横向距离作为堤外滩地宽度W。4.根据权利要求1所述的基于多源数据融合的河道崩岸预警方法，其特征在于：其中，在步骤6中，以崩岸概率P、崩岸宽度Bd、堤外滩地宽度W和临江居民住房面积Ar为预警指标；将各指标按数值大小划分为A～D四个等级，其中A～C对应于I～III级预警，而D对应于不预警；采用自然间断点分级法划分崩岸概率P、堤外滩体宽度W、临江居民区面积Ar三个指标的预警警限；对于崩岸宽度，将年均崩岸宽度大于80m的崩岸，划分为A等；介于50～80m时，划分为B等；介于20～50m时，划分为C等；而小于20m时，划分为D等。5.根据权利要求1所述的基于多源数据融合的河道崩岸预警方法，其特征在于：其中，在步骤7中，定义等级集合...

【专利技术属性】
技术研发人员：夏军强，邓珊珊，周悦瑶，周美蓉，李志威，李诺，
申请(专利权)人：武汉大学，
类型：发明
国别省市：