【技术实现步骤摘要】
本专利技术属于城市洪涝预测，具体涉及一种基于深度学习算法和多模态数据的城市洪涝替代预测方法。
技术介绍
1、全球气候环境的变化导致极端降雨事件出现的频率越来越高，而极端降雨是引起城市内洪涝灾害的主要因素之一。城市化过程中的工业发展和设施建设可能会改变城市的地形和环境，从而导致不透水面积增加和河流系统破坏，影响雨水的下渗。在全球气候变化加剧和城市化迅速发展的背景下，频繁发生的城市洪涝灾害给我国社会经济产生了巨大的损失。面对日益严峻的城市洪涝灾害，对城市区域的暴雨洪涝过程进行快速预测，从而为城市防洪排涝、抢险救灾等提供决策依据已经迫在眉睫。
2、目前国内外关于城市洪涝预测的研究主要分为两类。第一类通过数值模拟的方法来模拟整个城市洪涝灾害情况。此类方法首先根据问题的性质，选择描述问题的基本物理定律并转换为数学方程，再选择合适的数值方法在计算机上进行数值求解。此类方法模拟结果精确度比较高，但其计算过程需要消耗大量的时间，效率低下，很难满足城市防汛应急工作时效性的要求。第二类方法是基于深度学习算法构建数据驱动模型实现对城市中典型易涝点...
【技术保护点】
1.一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，采用一种基于深度学习算法和多模态数据的城市洪涝替代预测模型一种基于深度学习算法和多模态数据的城市洪涝替代预测模型实现城市洪涝的预测，所述基于深度学习算法和多模态数据的城市洪涝替代预测模型的构建方法，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，步骤S2中，所述水文气象数据包括降雨，所述城市基础信息数据包括DEM高程数据、土地利用类型数据、城市地下管网数据、城市河道断面数据，所述相机的影像数据包括包含实时雨量信息的影像数据和包...
【技术特征摘要】
1.一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，采用一种基于深度学习算法和多模态数据的城市洪涝替代预测模型一种基于深度学习算法和多模态数据的城市洪涝替代预测模型实现城市洪涝的预测，所述基于深度学习算法和多模态数据的城市洪涝替代预测模型的构建方法，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，步骤s2中，所述水文气象数据包括降雨，所述城市基础信息数据包括dem高程数据、土地利用类型数据、城市地下管网数据、城市河道断面数据，所述相机的影像数据包括包含实时雨量信息的影像数据和包含易涝点淹没水深或河道水位、水流速度信息的影像数据。
3.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，步骤s2中相机的影像数据的预处理包括两步：首先，根据相机拍摄位置将影像数据分为两类，一类为包含实时雨量信息的影像数据，另一类为包含易涝点淹没水深或河道水位、水流速度信息的影像数据；然后，采用抽帧处理将视频转换为图像序列。
4.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，步骤s2中水文气象数据的预处理包括两步：对于降雨数据中一些缺失或异常值数据进行删除或补零，并进行插值处理；通过泰森多边形法将整个城市区域划分成多个单元，得到整个城市的降雨分布图；其中，每个单元内都包含一个雨量站、若干个相机和若干个内涝点。
5.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方法，其特征在于，城市基础信息数据的预处理方法为：将城市基础信息数据在arcgis软件中投影至同一地理坐标系中，重采样并裁剪至同一区域。
6.根据权利要求1所述的一种基于深度学习算法和多模态数据的城市洪涝替代预测方...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。