一种积水信息预测方法、装置、设备、存储介质及产品制造方法及图纸

本申请公开了一种积水信息预测方法、装置、设备、存储介质及产品，该方法首先通过获取目标区域内的第一时间的目标实测积水信息，其次，通过获取与目标实测积水信息对应的第一时间内的目标降雨量信息，再次，将所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据，因此该目标重构数据可作为实时获取的部分多源数据，且目标重构数据相比使用模拟数据作为目标预测模型的输入能够减少数据误差叠加的问题，最后将目标重构数据输入至目标预测模型中，得到预测第二时间下的目标预测积水信息，也就是说，通过优化后的数据结合预测模型，能够得到实时且更加准确的目标预测积水信息，从而提升了预测精度，保障了预测的实时性。障了预测的实时性。障了预测的实时性。

【技术实现步骤摘要】
一种积水信息预测方法、装置、设备、存储介质及产品


[0001]本申请属于信息处理
，尤其涉及一种积水信息预测方法、装置、设备、存储介质及产品。

技术介绍

[0002]全球极端天气频发以及城市化进程加速发展的双重背景下，极端降水情况增多趋强，由此引发的内涝灾害给人们带来了巨大危险，因此有必要对暴雨内涝进行实时预测与预警。
[0003]现有技术实时预测与预警方法，通过数值预报产品中获取水气因子、风力因子，并且结合多种暴雨天气特征建立数值模拟模型，从而预估降雨量以及暴雨内涝预测。
[0004]然而这种预测方式的输入参数的类型比较多，计算时间较慢，在时效以及精度上难以满足城市防汛的要求，导致预测的实时性难以保障。

技术实现思路

[0005]本申请实施例提供一种在积水信息预测方法、装置、设备、存储介质及产品，能够解决现有技术中的精度低以及预测的实时性难以保障的问题。
[0006]第一方面，本申请实施例提供一种积水信息预测的方法，该方法包括：
[0007]获取目标区域内在第一时间的目标实测积水信息；
[0008]从气象站中获取与所述目标实测积水信息对应的目标降雨量信息，所述目标降雨量信息为第一时间内的目标降雨量信息；
[0009]对所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据；
[0010]将所述目标重构数据输入至目标预测模型中，得到由所述目标预测模型输出的第二时间下的目标预测积水信息，所述第二时间为在所述第一时间之后的监测时间。
[0011]第二方面，本申请实施例提供了积水信息预测的装置，包括：
[0012]第一获取模块，用于获取目标区域内在第一时间的目标实测积水信息；
[0013]第二获取模块，用于从气象站中获取与所述目标实测积水信息对应的目标降雨量信息，所述目标降雨量信息为第一时间内的目标降雨量信息；
[0014]数据重构模块，用于对所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据；
[0015]输入模块，用于将所述目标重构数据输入至目标预测模型中，得到由所述目标预测模型输出的第二时间下的目标预测积水信息，所述第二时间为在所述第一时间之后的监测时间。
[0016]第三方面，本申请实施例提供了一种电子设备，设备包括：
[0017]该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
[0018]第四方面，本申请实施例提供了一种计算机存储介质，
[0019]所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
[0020]第五方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
[0021]本专利技术实施例提供一种积水信息预测方法、装置、设备及存储介质及产品，首先，通过获取目标区域内的第一时间的目标实测积水信息，其次，通过获取与目标实测积水信息对应的第一时间内的目标降雨量信息，再次，将所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据，因此该目标重构数据可作为实时获取的部分多源数据，且目标重构数据相比使用模拟数据作为目标预测模型的输入能够减少数据误差叠加的问题，最后将目标重构数据输入至目标预测模型中，得到预测第二时间下的目标预测积水信息，也就是说，通过优化后的数据结合预测模型，能够得到实时且更加准确的目标预测积水信息，从而提升了预测精度，保障了预测的实时性。
附图说明
[0022]图1是一示例性实施例示出的一种积水信息预测方法的流程示意图；
[0023]图2是一示例性实施例示出的另一种积水信息预测方法的流程示意图；
[0024]图3是一示例性实施例示出的又一种积水信息预测方法的流程示意图；
[0025]图4是一示例性实施例示出的再一种积水信息预测方法的流程示意图；
[0026]图5是一示例性实施例示出的再一种积水信息预测方法的流程示意图；
[0027]图6是一示例性实施例示出的再一种积水信息预测方法的流程示意图；
[0028]图7是一示例性实施例示出的一种积水信息预测装置的结构示意图；
[0029]图8是一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
[0030]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0031]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0032]如
技术介绍
部分所述，现有技术由于实时预测与预警方法，需要输入参数的类型比较多，计算时间较慢，在时效以及精度上难以满足城市防汛的要求，导致预测的实时性难
以保障、准确性较低。
[0033]为了解决现有技术问题，本申请实施例提供了一种积水信息预测方法、装置、设备、存储介质及产品。
[0034]基于此，本申请实施例提供的积水信息预测方法中，首先，通过获取目标区域内的第一时间的目标实测积水信息，其次，通过获取与目标实测积水信息对应的第一时间内的目标降雨量信息，再次，将所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据，因此该目标重构数据可作为实时获取的部分多源数据，且目标重构数据相比使用模拟数据作为目标预测模型的输入能够减少数据误差叠加的问题，最后将目标重构数据输入至目标预测模型中，得到预测第二时间下的目标预测积水信息，也就是说，通过优化后的数据结合预测模型，能够得到实时且更加准确的目标预测积水信息，从而提升了预测精度，保障了预测的实时性。
[0035]下面首先对本申请实施例所提供的积水信息预测方法进行介绍。
[0036]图1示出了本申请一个实施例提供的积水信息预测方法的流程示意图。
[0037]如图1所示，积水信息预测方法具体可以包括以下步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种积水信息预测方法，其特征在于，包括：获取目标区域内在第一时间的目标实测积水信息；从气象站中获取与所述目标实测积水信息对应的目标降雨量信息，所述目标降雨量信息为第一时间内的目标降雨量信息；对所述目标实测积水信息与所述目标降雨量信息进行数据重构处理，得到目标重构数据；将所述目标重构数据输入至目标预测模型中，得到由所述目标预测模型输出的第二时间下的目标预测积水信息，所述第二时间为在所述第一时间之后的监测时间。2.根据权利要求1所述的方法，其特征在于，在所述将所述目标重构数据输入至目标预测模型中，得到由所述目标预测模型输出的第二时间下的目标预测积水信息之前，还包括：获取内涝数据库，所述内涝数据库包括多个内涝数据，各所述内涝数据包括历史重构数据以及与所述历史重构数据对应的标签，所述历史重构数据由在多个历史时间的历史模拟积水信息和历史降雨量信息重构得到，所述标签为在所述至少一个历史时间之后的目标历史时间的历史模拟积水信息，各所述历史模拟积水信息基于目标水动力学模型模拟得到，所述目标水动力学模型用于模拟所述目标区域的内涝积水过程；基于所述内涝数据库对初始深度学习模型进行训练，得到所述目标预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取内涝数据库之前，还包括：基于所述目标区域的地表数据构建初始化水动力学模型，所述地表数据包括地表高程数据、检查井数据、排水管网数据、道路数据和建筑物数据；对所述初始化水动力学模型进行参数率定与验证处理，得到所述目标水动力学模型。4.根据权利要求2所述的方法，其特征在于，所述获取内涝数据库之前，还包括：获取与所述目标区域关联的多种降雨场景信息以及目标特征因子，所述目标特征因子包括高程、坡度、流向、流量、检查井密度、排水管道密度的至少一种，不同所述降雨场景信息用于指示不同降雨场景，且不同降雨情景下的降雨量信息不同；根据所述多种降雨场景信息，生成多种降雨场景；基于所述目标水动力学模型模拟得到在所述多种降雨场景下各所述历史时间的历史模拟积水信息，其中，所述多个内涝数据与各所述历史时间的历史模拟积水信息关联。5.根据权利要求2所述的方法，其特征在于，在所述将所述目标重构数据输入至目标预测模型中，得到由所述目标预测模...

【专利技术属性】
技术研发人员：代鑫，黄弘，王巍，汲欣愉，
申请(专利权)人：清华大学，
类型：发明
国别省市：