一种基于BP神经网络的小区内涝预警方法及系统技术方案

本发明专利技术公开了一种基于BP神经网络的小区内涝预警方法及系统，包括：利用小区历史内涝数据获取多组样本数据，以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理，确定BP神经网络的结构参数，构建BP神经网络模型并进行训练，调整BP神经网络模型的参数并测试，获得训练好的BP神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，生成不同等级的内涝预警信息并启动相应的防洪防涝措施；本发明专利技术涉及水文气象监测和预警监测技术领域，能及时准确地预测小区内涝发生的概率和影响范围并发布预警，提高小区居民的应对能力，降低内涝对小区居民生活和基础设施的影响。和基础设施的影响。和基础设施的影响。

【技术实现步骤摘要】
一种基于BP神经网络的小区内涝预警方法及系统


[0001]本专利技术涉及水文气象监测和预警监测
，更具体的说是涉及一种基于BP神经网络的小区内涝预警方法及系统。

技术介绍

[0002]随着社会经济的快速发展和城市化进程的不断加快，城市内涝问题日益凸显，内涝对城市的基础设施、民众生活和生态环境都造成了极大的影响；而小区内涝又是城市化进程中普遍存在的问题之一，它给城市的交通、小区房屋、小区居民生活等带来了很大的影响。
[0003]但是，目前内涝防治手段的问题主要体现在三个方面：首先，当前预警信息的发布主要依赖于气象站雨量统计进行预测，但雨量站的分布是依据气象探测需求设置，与城市中各小区内涝点并不重合，因此防汛应急部门得到的预警信息来源不够精确，不能对小区内涝点进行准确预警；其次，当雨量达到一定量级后气象部门发布预警，通知城市防汛管理部门，防汛管理部门再采取应急措施，小区防汛响应比较被动；最后，气象部门在发布、传输预警信息时多通过打电话、发信息等方式，效率低、时效差，不能对小区进行实时预警，且每逢出现涝情，有关部门都出动大量工作人员亲赴现场监测勘察，耗费大量人力物力。
[0004]随着计算机技术的不断发展，基于人工智能的内涝预警系统逐渐成为研究热点。其中，基于BP神经网络的内涝预警系统具有精度高、效率高等优点，成为研究的重点之一。
[0005]因此，如何研究并设计一种通过BP神经网络来准确实时预警小区内涝的方法，以便于根据不同等级的预警信息采取不同的防洪防涝措施，提高城市应对内涝的能力是本领域技术人员亟需解决的问题。

技术实现思路

[0006]有鉴于此，本专利技术提供了一种基于BP神经网络的小区内涝预警方法及系统，解决小区能够对突如其来的一场降雨，进行准确及时的预警以及针对不同程度的降雨启动相对应的应急措施的问题。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种基于BP神经网络的小区内涝预警方法，包括以下步骤：
[0009]S1.利用小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据。
[0010]S2.确定BP神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；
[0011]S3.构建BP神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对BP神经网络模型进行训练，并调整BP神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的BP神经网络模型进行测试，获得训练好的BP神经网络模型；
[0012]S4.获取小区的实时气象信息数据，使用训练好的BP神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，判断是否会产生内涝以及内涝范围，同时生成不同等级的内涝预警信息；
[0013]S5.根据不同等级的内涝预警信息启动相应的防洪防涝措施。
[0014]优选的，气象信息数据包括降雨量、降雨强度和降雨历时；地理信息数据包括小区高程和小区位置；排水信息数据包括排口分布、管网布局和排水泵站。
[0015]优选的，预处理为在训练学习之前，对降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局和排水泵站各类数据做归一化处理：
[0016][0017]其中，为各类数据归一化之后的值，x
i
为原始数值，为各类数据中的最小值，为各类数据中的最大值。
[0018]优选的，构建的BP神经网络模型包括输入层、隐含层和输出层；
[0019]其中输入层节点数为8，中间隐含层节点数为10，输出层节点数为2，线性型relu函数为中间隐含层神经元的激活函数，S型sigmoid函数为输出层神经函数。
[0020]优选的，训练的具体内容为：
[0021]输入向量X={降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局、排水泵站}，通过各层之间权值和阈值，经过前向传输直到输出层，输出结果Y={内涝发生概率、内涝影响范围}，并计算期望输出值和实际输出值之间的误差值，如果误差值不满足预设的收敛值，则进入逆向反馈过程，修改各层之间的权值和阈值，并进行下一次训练，直到满足预设的收敛值则停止训练。
[0022]优选的，训练过程中的中间隐含层输出为：
[0023][0024]其中，为第s层神经元的第i个输出；n
s
‑1为第s
‑
1层神经元的个数；为第s
‑
1层第j个神经元与s层第i个神经元之间的链接权重；为s层第i个神经元的偏置，是神经元的激活函数，为sigmoid函数为：
[0025][0026]输出层输出变量：
[0027][0028]其中，为输出层第k个神经元的输出；为第s个隐含层的神经元个数；为第s个隐含层第i个神经元的输出；为第s个隐含层第i个神经元和输出层第k个神经元之间的权值；为输出层第k个神经元的阈值；
[0029]样本的实际输出值和期望输出值的误差为：
[0030][0031]其中，t为训练次数；m为输出层输出向量个数；y
k
为输出层第k个神经元的输出；为第k个期望输出；
[0032]按正常的训练原则调整网络的权值和阈值，再次进行前馈训练，得到，设为前后两次训练输出值与期望值的误差的差值，若，β为神经网络的训练精度，则更新权值和阈值，若，则训练结束。
[0033]优选的，内涝预警信息包括预警级别、预警区域和预警时间。
[0034]优选的，预警级别分为I级预警、II级预警、和III级预警3个预警等级，相应的防洪防涝措施具体内容包括：
[0035]III预警：通过BP神经网络模型判断出会有低强度降雨但是不产生内涝点时，向小区居民发送降雨报警信息，提醒居民注意安全，关好门窗，注意防范；
[0036]II级预警：通过BP神经网络模型判断出会有中等强度降雨且有内涝点产生时，启动小区监控与水位监测报警，获取水位变化情况并进行实时分析，当水位超过第一预设阈值时，自动触发报警信号，并启动小区单元、地下车库的防洪挡板防洪设施快速升降，当水位超过第二预设阈值时，启动小区排水泵，向小区外进行排水；
[0037]I级预警：通过BP神经网络模型判断出会有高等强度降雨且有大面积内涝点产生时，同时启动I级和II级预警并通过BP神经网络模拟判断出的内涝地点，进行人员的疏散，切断小区内的电源预防触电事故，同时向应急抢险部门报备，请求物资和人力支援。
[0038]优选的，小区监控为在排水口、低洼地带和地下车库易积水区域地方安装监控摄像头，通过监控摄像头实时获取水位变化情况，水位监测报警为对监控摄像头传输的水位信息进行实时分析。
[0039]一种基于BP神经网络的小区内涝预警系统，基于所述的一种基于BP神经网络的小区内涝预警方法，包括数据采集模块、数据处理和分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的小区内涝预警方法，其特征在于，包括以下步骤：S1.利用小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据；S2.确定BP神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；S3.构建BP神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对BP神经网络模型进行训练，并调整BP神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的BP神经网络模型进行测试，获得训练好的BP神经网络模型；S4.获取小区的实时气象信息数据，使用训练好的BP神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，判断是否会产生内涝以及内涝范围，同时生成不同等级的内涝预警信息；S5.根据不同等级的内涝预警信息启动相应的防洪防涝措施。2.根据权利要求1所述的一种基于BP神经网络的小区内涝预警方法，其特征在于，气象信息数据包括降雨量、降雨强度和降雨历时；地理信息数据包括小区高程和小区位置；排水信息数据包括排口分布、管网布局和排水泵站。3.根据权利要求2所述的一种基于BP神经网络的小区内涝预警方法，其特征在于，预处理为在训练学习之前，对降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局和排水泵站各类数据做归一化处理：；其中，为各类数据归一化之后的值，x
i
为原始数值，为各类数据中的最小值，为各类数据中的最大值。4.根据权利要求1所述的一种基于BP神经网络的小区内涝预警方法，其特征在于，构建的BP神经网络模型包括输入层、隐含层和输出层；其中输入层节点数为8，中间隐含层节点数为10，输出层节点数为2，线性型relu函数为中间隐含层神经元的激活函数，S型sigmoid函数为输出层神经函数。5.根据权利要求4所述的一种基于BP神经网络的小区内涝预警方法，其特征在于，训练的具体内容为：输入向量X={降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局、排水泵站}，通过各层之间权值和阈值，经过前向传输直到输出层，输出结果Y={内涝发生概率、内涝影响范围}，并计算期望输出值和实际输出值之间的误差值，如果误差值不满足预设的收敛值，则进入逆向反馈过程，修改各层之间的权值和阈值，并进行下一次训练，直到满足预设的收敛值则停止训练。6.根据权利要求5所述的一种基于BP神经网络的小区内涝预警方法，其特征在于，训练过程中的中间隐含层输出为：
；其中，为第s层神经元的第i个输出；n
s
‑1为第s
‑
1层神经元的个数；为第s
‑
1层第j个神经元与s层第i个神经元之间的链接权重；为s层第i个神经元的偏置，是神经元的激活函数，为sigmoid函数为：；输出层输出变量：；其中，为输出层第k个神经元的输出；为第s个隐含层的神经元个数；为第s个隐含层第i个神经元的输出；为第s个隐含层第i个神经元和输出层第k个神经元之间的权值；为输出层第...

【专利技术属性】
技术研发人员：申宇洋，袁冬海，王旻昊，王辉，李雷，王家卓，张春洋，姚永连，寇莹莹，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：