【技术实现步骤摘要】
本申请涉及城市内涝预测，更具体地，涉及一种预测降雨积水水位的方法。
技术介绍
1、当今全球气候变暖，暴雨等灾害性天气频发，城市内涝问题日渐严峻，给人民的生命财产安全带来了极大的威胁。在此背景下，高效且准确地预测降雨积水水位具有重要意义。
2、传统预测降雨积水水位的方法基于机理模型或数据驱动模型，其中，机理模型包括水文模型、水动力学模型和上述两者的耦合模型，基于机理模型的预测方法包括hydrompm、ifms、swmm、info works icm、mike、efdc和hec-ras；数据驱动模型是一种数理统计模型，包括灰色模型(grey model，gm)和时空自相关移动平均模型(spatial-temporal autoregressive and moving average，starma)。在具体实践过程中，随着城市的下垫面、地下管网、排涝河道等设施的结构越加复杂，收集建立机理模型所需的完整数据十分困难，严重影响所建立的机理模型的准确性，从而基于机理模型的预测方法的准确度不高；基于数据驱动模型的预测方法无需建立机理模型...
【技术保护点】
1.一种预测降雨积水水位的方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的预测降雨积水水位的方法，其特征在于，所述门控循环单元用于提取时间特征；所述卷积神经网络用于提取空间特征；所述注意力机制用于强调影响水位变化的关键特征。
3.根据权利要求1所述的预测降雨积水水位的方法，其特征在于，所述组合模型包括输入层、卷积神经网络层、门控循环单元层、注意力机制层、全连接层和输出层。
4.根据权利要求3所述的预测降雨积水水位的方法，其特征在于，所述输入层用于预处理所述水位数据序列。
5.根据权利要求3所述的预测降雨积...
【技术特征摘要】
1.一种预测降雨积水水位的方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的预测降雨积水水位的方法，其特征在于，所述门控循环单元用于提取时间特征；所述卷积神经网络用于提取空间特征；所述注意力机制用于强调影响水位变化的关键特征。
3.根据权利要求1所述的预测降雨积水水位的方法，其特征在于，所述组合模型包括输入层、卷积神经网络层、门控循环单元层、注意力机制层、全连接层和输出层。
4.根据权利要求3所述的预测降雨积水水位的方法，其特征在于，所述输入层用于预处理所述水位数据序列。
5.根据权利要求3所述的预测降雨积水水位的方法，其特征在于，在所述卷积神经网络层中，根据历史降雨积水水位数据的特点，将卷积层设计为一维卷积，采用rel...
【专利技术属性】
技术研发人员：朱启林，郝仲勇，尚毅梓，杨毅，穆永梅，胡昊，陈军朋，刚轶金，吴琼，
申请(专利权)人：北京市水务规划研究院，
类型：发明
国别省市：
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。