一种利用机器学习的城市内涝模型敏感参数识别优化方法技术

本发明专利技术涉及一种利用机器学习的城市内涝模型敏感参数识别优化方法，目的在于解决城市内涝建模中敏感参数识别与优化繁琐复杂的问题，所述方法包括以下步骤：构建城市内涝耦合模型；不确定性参数聚类；利用Transformer模型的城市功能区划分；基于MLP的敏感参数识别；城市内涝模型敏感参数优化。本发明专利技术的有益效果是结合GIS与机器学习技术，探讨了不确定性参数与城市用地功能区之间关系的普遍性规律，更准确地刻画城市暴雨内涝事件的洪水时空演化特征，提高暴雨内涝模拟结果的准确性与时效性。

【技术实现步骤摘要】

本专利技术属于水文水资源领域的城市内涝，具体涉及一种利用机器学习的城市内涝模型敏感参数识别优化方法。

技术介绍

1、洪水预报是防洪减灾工作重要的非工程措施之一，而内涝模型构建是城市内涝预报预警工作的基石。城市内涝模型涉及大量参数，且相当一部分无法从可测量的汇水区特征直接获得，但径流水深模拟的准确性取决于如何定义相关参数。分析模型参数的敏感性是提高模型运行效率和仿真精度的基础，而传统参数灵敏度分析方法涉及参数调整和模型多次仿真等复杂过程，影响了城市内涝模型参数敏感性分析的效率。

2、近些年，深度学习发展迅猛，与传统水文水动力学方法相比，这类方法的内部结构和物理机制尚不清楚，但通过大量的数据训练，可以快速获取数据的趋势和关系。因此，基于多层感知机（multilayer perceptron，mlp）等深度学习的方法在城市内涝模型敏感参数快速识别中的应用值得探索。

3、近年来，聚类算法因其数学原理简单，计算收敛速度快，而被应用于洪水预报研究中。但是该类研究对于模型参数的物理意义及其与城市复杂下垫面特征之间的普适规律讨论有所欠缺，并且，随机本文档来自技高网...

【技术保护点】

1.一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述S1包括以下步骤：

3.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述S2包括以下步骤：

4.根据权利要求3所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述S3包括以下步骤：

5.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述S4包括以下步骤：

6...

【技术特征摘要】

1.一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述s2包括以下步骤：

4.根据权利要求3所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述s3包括以下步骤：

5.根据权利要求1所述的一种利用机器学习的城市内涝模型敏感参数识别优化方法，其特征在于，所述s4包括以下步骤：

6.根据权利要求1所述的一种利用机器学习的城市内涝模型...

【专利技术属性】
技术研发人员：张书亮，金恒旭，卢海鹏，梁益银，高祎璇，赵宇，陈意文，鹿鹏程，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：