一种基于大数据的洪水预报方法与流程-尊龙凯时官方app下载

文档序号:36265708发布日期:2023-12-06 08:43阅读:4来源:国知局
一种基于大数据的洪水预报方法与流程
一种基于大数据的洪水预报方法、装置及介质
技术领域
1.本发明涉及洪水预测技术领域,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



背景技术:

2.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



技术实现要素:

3.本发明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

4.本发明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

5.进一步地,遥感图像包含了可见光波段内的图像信息

6.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

7.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

8.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

9.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

10.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

11.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

12.本发明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

13.本发明提供一种存储介质,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

14.本发明的有益效果在于:本发明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
15.图1是本发明的一种基于大数据的洪水预报方法的流程图;图2是本发明的洪水预测模型的模块示意图;
图3是本发明的一种基于大数据的洪水预报装置的模块示意图

16.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
17.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,对所讨论的元素的功能和排列进行改变

各个示例可以根据需要,省略

替代或者添加各种过程或组件

另外,相对一些示例所描述的特征在其他例子中也可以进行组合

18.如图1所示,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;需要说明的是,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,预警区域可以是居住区等;遥感图像包含了可见光波段内的图像信息;在本发明的一个实施例中,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

19.如果高程图和遥感图像的分辨率不一致,则需要调整分辨率来使像素能够一一对应

20.如果高程图和遥感图像的大小不一致,则需要通过裁剪的方式来使其达到大小一致

21.如果高程图和遥感图像的分辨率不一致,并且高程图和遥感图像的大小不一致,则先调整分辨率,后调整大小

22.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

23.在本发明的一个实施例中,桥梁信息包括桥身高度

桥身宽度

桥身长度

桥洞数量

桥洞截面积

桥洞宽度

桥洞高度等

24.在本发明的一个实施例中,遥感图像可以来源于航拍或卫星图像

25.在本发明的一个实施例中,产流信息根据降雨量来计算,例如可以采用降雨径流相关图法等方法来计算

26.产流信息可以包括平均地面径流量和最大地面径流量

27.在本发明的一个实施例中,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

28.在本发明的一个实施例中,如图2所示,洪水预测模型包括第一卷积模块
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
和第一预测模块
208
,其中第一卷积模块
201
输入遥感图像,输出第一特征图到特征图累加层
203
,第二卷积模块
202
输入高程图,输出第二特征图到特征图累加层
203
,特征图累加层
203
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
204
,第三卷积模块
204
输出第四特征图到转置卷积层
207
;水文特征输入特征提取层
205
,特征提取层
205
输出第一特征向量到张量层
206
,张量层
206
输出张量矩阵作为转置卷积层
207
的卷积核,转置卷积层
207
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
208
,第一预测模块
208
输出洪水像素矩阵

29.通过第一卷积模块
201
提取遥感图像中所包含的漂浮物的图像特征,并综合高程图中提取的图像特征,之后通过产流信息和桥梁信息来生成水文特征来处理获得的卷积核对综合提取的图像特征进行转置卷积,预测未来受到降水和漂浮物影响而导致的桥梁壅水产生的洪水区域

30.在本发明的一个实施例中,第一预测模块
208
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(s型函数),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

31.在本发明的一个实施例中,第二卷积模块
202
和第三卷积模块
204
均为
vgg

visual geometry group
)网络

32.在本发明的一个实施例中,特征图累加层
203
仅对第一特征图和第二特征图进行累加

例如第一特征图的通道数为a,第二特征图的通道数为b,则第三特征图的通道数为
a b
,第一特征图和第二特征图的大小相同

33.在本发明的一个实施例中,第一卷积模块
201

resnet

residual network
)网络

34.在本发明的一个实施例中,特征提取层
205

mlp
(多层感知机)

35.在本发明的一个实施例中,张量层
206
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,表示张量层
206
的权重向量,表示
sigmoid
函数

36.在本发明的一个实施例中,对第一卷积模块
201
进行预训练,洪水预测模型的第一卷积模块
201
还连接双线性插值层
209
,双线性插值层
209
连接第二预测模块
210
,双线性插值层
209
对第一卷积模块
201
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
210
,第二预测模块
210
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

37.预训练时只对第一卷积模块
201
和第二预测模块
210
的参数进行反向传播更新

38.在本发明的一个实施例中,第二预测模块
210
输出一个漂浮物像素矩阵,该漂浮物像素矩阵的元素的值为1或0,漂浮物像素矩阵的大小与遥感图像的大小相同

39.第二预测模块
210
通过
1*1
大小的单个卷积核对输入的第一特征图进行卷积处理获得第二矩阵,卷积处理的激活函数为
sigmoid
函数(s型函数),然后再对第二矩阵的元素
值进行二值化处理获得漂浮物像素矩阵

40.预训练第一卷积模块
201
时通过人工在遥感图像上的划定漂浮物所在的区域,并生成用于与漂浮物像素矩阵来进行对比的第一对照矩阵;通过漂浮物像素矩阵与第一对照矩阵的元素的差值作为训练的损失,可以逐个元素的计算损失并求和

41.在本发明的一个实施例中,第二预测模块
210
输出n个漂浮物像素矩阵,第二预测模块
210
通过
1*1
大小的n个卷积核对输入的第一特征图进行卷积处理获得n个第二矩阵,n个第二矩阵分别附带不同的序号;对n个第二矩阵进行叠合获得漂浮物像素矩阵,叠合值同一位置的n个元素中值最大的一个元素对应的第二矩阵的序号作为叠合后该位置的元素的值;例如某一位置的元素在6个第二矩阵中的值分别为
0.32、0.36、0.78、0.26、0.56、0.45
,在第三个第二矩阵中的值最大,则叠合后该位置的元素的值为
3。
42.预训练第一卷积模块
201
时通过人工在遥感图像上的划定漂浮物所在的区域,并根据漂浮物的种类来生成用于与漂浮物像素矩阵来进行对比的第二对照矩阵,第二对照矩阵的元素的值取值为n个第二矩阵的序号;通过漂浮物像素矩阵与第二对照矩阵的元素的差值作为训练的损失,可以逐个元素的计算损失并求和

43.漂浮物的种类包括非漂浮物

生活垃圾

水生植物

枯木

地表植物

44.在这一实施例中增加了对于漂浮物类型的判断内容来训练第一卷积模块
201
对于漂浮物特征的识别能力,相对于只包括是否是漂浮物的判断内容来说具有更好的特征识别能力,但是训练的难度增加,并且训练所需的训练样本更多

45.如图3所示,本发明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
301
,其用于采集桥梁信息;图像采集模块
302
,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
303
,其用于获取降水导致的产流信息;水文特征生成模块
304
,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
305
,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
306
,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
307
,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

46.本发明提供一种存储介质,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

47.上面对本实施例的实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内

当前第1页1  
相关技术
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
网站地图