一种基于大数据的洪水预报方法技术

本发明专利技术涉及洪水预测技术领域，公开了一种基于大数据的洪水预报方法

【技术实现步骤摘要】
一种基于大数据的洪水预报方法、装置及介质


[0001]本专利技术涉及洪水预测
，更具体地说，它涉及一种基于大数据的洪水预报方法
、
装置及介质
。

技术介绍

[0002]现有技术对于壅水的预测方法主要包括经验公式法和水面曲线法，经验公式法采用的经验公式包括道不松公式和实用水力学公式等，水面曲线法把河道分成若干计算流段，并将天然河道水流沿程变化微分方程改写为差分方程，计算局部水头损失
。
但是无论是经验公式法还是水面曲线法只能考虑到建桥后产生的壅水，降雨导致河道上升，水流的冲刷会携带很多的漂浮物，如植物
、
垃圾等，这些漂浮物会出现淤积于桥孔的现象，造成壅水，在桥梁的上游产生洪水；对于桥梁桥孔堵塞产生的壅水，无法通过观测的水文参数来预估，无法应用经验公式法和水面曲线法来计算，无法预测桥梁壅水产生的洪水
。

技术实现思路

[0003]本专利技术提供一种基于大数据的洪水预报方法
、
装置及介质，解决相关技术中无法预测桥梁壅水产生的洪水的技术问题
。
[0004]本专利技术提供了一种基于大数据的洪水预报方法，包括以下步骤：步骤
S101
，采集桥梁信息，桥梁信息包括桥梁结构信息；步骤
S102
，采集桥梁上游的高程图和遥感图像；高程图和遥感图像的范围内包含了桥梁
、
桥梁上游的河道和桥梁上游的可能受影响的预警区域；步骤
S103
，获取降水导致的产流信息；步骤
S104
，基于产流信息和桥梁信息来生成水文特征；步骤
S105
，将水文特征
、
桥梁上游的高程图和桥梁上游的遥感图像输入洪水预测模型，洪水预测模型输出洪水像素矩阵，洪水像素矩阵的元素的值为1或0，洪水像素矩阵的大小与遥感图像的大小相同；步骤
S106
，基于洪水像素矩阵在遥感图像上标记洪水区域，洪水区域的像素所对应的洪水像素矩阵的元素的值为1；步骤
S107
，对洪水区域覆盖的预警区域进行警报或者疏散预警区域的居民
。
[0005]进一步地，遥感图像包含了可见光波段内的图像信息
。
[0006]进一步地，高程图和遥感图像的大小相同，并且像素一一对应，对应的两个像素所对应的地面的位置是相同的
。
[0007]进一步地，水文特征以向量的形式来表示，水文特征的每个向量分量均表示一个产流信息的值或一个桥梁信息的值
。
[0008]进一步地，洪水预测模型包括第一卷积模块
、
第二卷积模块
、
特征图累加层
、
第三
卷积模块
、
特征提取层
、
张量层
、
转置卷积层和第一预测模块，其中第一卷积模块输入遥感图像，输出第一特征图到特征图累加层，第二卷积模块输入高程图，输出第二特征图到特征图累加层，特征图累加层对第一特征图和第二特征图进行通道累加生成第三特征图，第三特征图输入第三卷积模块，第三卷积模块输出第四特征图到转置卷积层；水文特征输入特征提取层，特征提取层输出第一特征向量到张量层，张量层输出张量矩阵作为转置卷积层的卷积核，转置卷积层对第四特征图进行卷积处理输出第五特征图到第一预测模块，第一预测模块输出洪水像素矩阵
。
[0009]进一步地，第一预测模块通过
1*1
大小的单个卷积核对输入的第五特征图进行卷积处理获得第一矩阵，卷积处理的激活函数为
sigmoid
函数，然后再对第一矩阵的元素值进行二值化处理获得洪水像素矩阵
。
[0010]进一步地，张量层的计算公式如下：；其中
Z
表示张量矩阵，表示第一特征向量的转置，
K
表示张量层的权重向量，表示
sigmoid
函数
。
[0011]进一步地，对第一卷积模块进行预训练，洪水预测模型的第一卷积模块还连接双线性插值层，双线性插值层连接第二预测模块，双线性插值层对第一卷积模块输出的第一特征图进行双线性插值处理，输出与输入的遥感图像同样的大小的第六特征图到第二预测模块，第二预测模块输出漂浮物像素矩阵；漂浮物像素矩阵的元素的值表示遥感图像上对应的位置的漂浮物类型
。
[0012]本专利技术提供一种基于大数据的洪水预报装置，包括：桥梁信息采集模块，其用于采集桥梁信息；图像采集模块，其用于采集桥梁上游的高程图和遥感图像；产流信息获取模块，其用于获取降水导致的产流信息；水文特征生成模块，其基于产流信息和桥梁信息来生成水文特征；图像处理模块，将水文特征
、
桥梁上游的高程图和桥梁上游的遥感图像输入洪水预测模型，洪水预测模型输出洪水像素矩阵，洪水像素矩阵的元素的值为1或0，洪水像素矩阵的大小与遥感图像的大小相同；洪水区域标记模块，其基于洪水像素矩阵在遥感图像上标记洪水区域，洪水区域的像素所对应的洪水像素矩阵的元素的值为1；洪水预警模块，其用于对洪水区域覆盖的预警区域进行警报或者疏散预警区域的居民
。
[0013]本专利技术提供一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行前述的一种基于大数据的洪水预报方法中的步骤
。
[0014]本专利技术的有益效果在于：本专利技术能够对漂浮物淤积于桥梁的桥洞产生的壅水所引发的洪水进行预测，并对洪水区域进行可视化，能够及时保护可能被洪水影响的区域的居民和财物
。
附图说明
[0015]图1是本专利技术的一种基于大数据的洪水预报方法的流程图；图2是本专利技术的洪水预测模型的模块示意图；
图3是本专利技术的一种基于大数据的洪水预报装置的模块示意图
。
[0016]图中：第一卷积模块
201、
第二卷积模块
202、
特征图累加层
203、
第三卷积模块
204、
特征提取层
205、
张量层
206、
转置卷积层
207、
第一预测模块
208、
双线性插值层
209、
第二预测模块
210、
桥梁信息采集模块
301、
图像采集模块
302、
产流信息获取模块
303、
水文特征生成模块
304、
图像处理模块
305、
洪水区域标记模块
306、
洪水预警模块
307。
具体实施方式
[0017]现在将参考示例实施方式讨论本文描述的主题
。
应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的洪水预报方法，其特征在于，包括以下步骤：步骤
S101
，采集桥梁信息，桥梁信息包括桥梁结构信息；步骤
S102
，采集桥梁上游的高程图和遥感图像；高程图和遥感图像的范围内包含了桥梁
、
桥梁上游的河道和桥梁上游的预警区域；步骤
S103
，获取降水导致的产流信息；步骤
S104
，基于产流信息和桥梁信息来生成水文特征；步骤
S105
，将水文特征
、
桥梁上游的高程图和桥梁上游的遥感图像输入洪水预测模型，洪水预测模型输出洪水像素矩阵，洪水像素矩阵的元素的值为1或0，洪水像素矩阵的大小与遥感图像的大小相同；步骤
S106
，基于洪水像素矩阵在遥感图像上标记洪水区域，洪水区域的像素所对应的洪水像素矩阵的元素的值为1；步骤
S107
，对洪水区域覆盖的预警区域进行警报或者疏散预警区域的居民
。2.
根据权利要求1所述的一种基于大数据的洪水预报方法，其特征在于，遥感图像包含了可见光波段内的图像信息
。3.
根据权利要求1所述的一种基于大数据的洪水预报方法，其特征在于，高程图和遥感图像的大小相同，并且像素一一对应，对应的两个像素所对应的地面的位置是相同的
。4.
根据权利要求1所述的一种基于大数据的洪水预报方法，其特征在于，水文特征以向量的形式来表示，水文特征的每个向量分量均表示一个产流信息的值或一个桥梁信息的值
。5.
根据权利要求1所述的一种基于大数据的洪水预报方法，其特征在于，洪水预测模型包括第一卷积模块
、
第二卷积模块
、
特征图累加层
、
第三卷积模块
、
特征提取层
、
张量层
、
转置卷积层和第一预测模块，其中第一卷积模块输入遥感图像，输出第一特征图到特征图累加层，第二卷积模块输入高程图，输出第二特征图到特征图累加层，特征图累加层对第一特征图和第二特征图进行通道累加生成第三特征图，第三特征图输入第三卷积模块，第三卷积模块输出第四特征图到转置卷积层；水文特征输入特征提取层，特征提取层输出...

【专利技术属性】
技术研发人员：张李荪，李祎盼，程遥，钱贵伍，刘杨，张云茜，王永庆，华杰，张国文，袁媛，郑永强，黄兰波，邹昕，张娜，杨阳，陈浩雯，申仪玲，吴雅珍，程雪苗，卢聪飞，陈学阳，胡燕，邓超，雷丽娟，许良英，范红明，罗冉，曹忠，王嘉龙，王佳轩，
申请(专利权)人：中铁水利信息科技有限公司，
类型：发明
国别省市：