一种基于机器学习的洪涝快速预报方法及系统技术方案

本发明专利技术提供了一种基于机器学习的洪涝快速预报方法及系统，涉及洪涝灾害实时预报技术领域。本发明专利技术通过构建水文水动力耦合模型，基于该水文水动力模型模拟不同暴雨重现期和雨型下的暴雨淹没情况，以预设的水深阈值判断淹没区和非淹没区。此外，本发明专利技术通过构建得到最优洪水预报模型与最优水深预测模型，快速计算各网格的淹没范围、淹没水深和淹没演进情况。相比以往研究利用神经网络模型单个变量输出，预测多个空间点需要构建大量模型的缺点，本发明专利技术构建的CNN模型能考虑多个栅格点的空间相关性，预测精度和效率更高，并且克服了水文水动力模型计算耗时长的特点，能够快速输出预报结果。

【技术实现步骤摘要】

本专利技术涉及洪涝灾害实时预报，尤其涉及一种基于机器学习的洪涝快速预报方法及系统。

技术介绍

1、在暴雨内涝灾害模拟方面，基于水文水动力物理机制的水文水动力学模型能提供精确的模拟效果。该类模型常使用基于圣维南方程质量和动量守恒的一维（1d）模型、基于浅水方程或元胞自动机的二维（2d）模型和一维二维耦合模型进行洪涝灾害的精细化模拟。但在建模过程中需要调整大量参数，费时费力；而且模型求解过程复杂，完成一场完整的洪水过程模拟往往要耗费很长的时间，不能满足实时预报的时效性要求。因此仍然难以应用于大范围、高精度的快速预报或需要大量运行结果的应用场景。

2、人工智能技术（如深度学习、机器学习等）具有强大的数据处理能力和高效的计算效率，其在洪涝数值模拟和快速预测方面已展现出巨大潜力，特别是在一维径流预测方面应用较为广泛。水文预报领域常用的人工智能模型有人工神经网络（ann）、卷积神经网络（cnn）、长短期记忆模型（lstm）、支持向量机（svm）、k-邻近（knn）、随机森林（rf）、多目标随机森林（morf）等。通过前期训练可自动选取出拟合效果好的模型，再本文档来自技高网...

【技术保护点】

1.一种基于机器学习的洪涝快速预报方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤S2中对所述预报站径流量执行归一化的表达式如下：

3.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，所述水文水动力耦合模型由河道一维水动力模型与洪泛区二维水动力模型构成；

4.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤S4中所述暴雨内涝数据集的构建过程包括：

5.根据权利要求4所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤S4-1中：

6....

【技术特征摘要】

1.一种基于机器学习的洪涝快速预报方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤s2中对所述预报站径流量执行归一化的表达式如下：

3.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，所述水文水动力耦合模型由河道一维水动力模型与洪泛区二维水动力模型构成；

4.根据权利要求1所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤s4中所述暴雨内涝数据集的构建过程包括：

5.根据权利要求4所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤s4-1中：

6.根据权利要求4所述的基于机器学习的洪涝快速预报方法，其特征在于，步骤s4-3中所述该雨...

【专利技术属性】
技术研发人员：王高旭，张轩，杜昊亮，李岱远，吴巍，雷四华，许怡，施睿，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：