[發明專利]臺風風暴潮情景模擬方法及裝置

有效

• 申請號: 202010610920.0
• 申請日: 2020-06-29
• 公開（公告）號: CN111753469B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 柳玉梅;朱梓銘;李宇寧
• 申請（專利權）人: 蘇州科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/20;G06F18/23213;G06Q10/04;G06N3/084
• 代理公司: 蘇州隆恒知識產權代理事務所(普通合伙) 32366
• 代理人: 張佩璇

1.一種臺風風暴潮情景模擬方法，其特征在于，包括：

獲取目標風暴潮的參數；

根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，并獲取所述歷史風暴潮類別對應的歷史數據；

獲取與所述歷史數據對應的目標BP神經網絡模型，所述目標BP神經網絡模型由所述歷史數據訓練得到；

將所述目標風暴潮的參數輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位；

根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍；

將所述風暴潮位的淹沒高度以及淹沒范圍可視化展示。

2.如權利要求1所述的臺風風暴潮情景模擬方法，其特征在于，所述獲取目標風暴潮的參數，包括：

獲取所述目標風暴潮的氣壓場以及所述目標風暴潮的風壓場。

3.如權利要求2所述的臺風風暴潮情景模擬方法，其特征在于，所述獲取與所述歷史數據對應的目標BP神經網絡模型，包括：

將所述歷史數據中的風暴潮的氣壓場、風壓場、GIS地理數據以及海水水位作為輸入值，將所述歷史數據中的風暴潮的風暴潮位作為輸出值，傳輸至預設的BP神經網絡模型中進行訓練，得到所述目標BP神經網絡模型。

4.如權利要求2所述的臺風風暴潮情景模擬方法，其特征在于，所述目標風暴潮的參數還包括：GIS地理數據、海水水位；將所述目標風暴潮的參數輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位，包括：

將所述目標風暴潮的氣壓場、風壓場、GIS地理數據以及海水水位輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位。

5.如權利要求4所述的臺風風暴潮情景模擬方法，其特征在于，所述根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍，包括：

根據所述風暴潮位與所述堤壩高度，確定所述風暴潮位的淹沒高度；

根據所述目標風暴潮的風壓場與所述風暴潮位的淹沒高度，確定所述淹沒范圍。

6.如權利要求1所述的臺風風暴潮情景模擬方法，其特征在于，所述根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，包括：

在預設的歷史數據庫中，采用聚類算法確定所述目標風暴潮對應的歷史風暴潮類別。

7.如權利要求6所述的臺風風暴潮情景模擬方法，其特征在于，所述采用聚類算法確定所述目標風暴潮的參數對應的歷史風暴潮類別，包括：

采用kmeans聚類算法，將所述目標風暴潮的參數輸入至所述歷史數據庫中；

根據預先定義的k個類和每個類的質心，計算所述目標風暴潮的參數所屬的候選類；

重新計算所述候選類的質心至收斂，確定所述目標風暴潮對應的歷史風暴潮類別。

8.如權利要求1所述的臺風風暴潮情景模擬方法，其特征在于，所述目標風暴潮的風壓場為所述目標風暴潮的移動速度；所述目標風暴潮的氣壓場采用如下公式確定：P＝P1-P2；其中，P為所述目標風暴潮的氣壓場，P1為所述目標風暴潮的中心氣壓，P2為所述目標風暴潮的邊緣氣壓。

9.一種臺風風暴潮情景模擬裝置，其特征在于，包括：

參數獲取單元，用戶獲取目標風暴潮的參數；

第一確定單元，用于根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，并獲取所述歷史風暴潮類別對應的歷史數據；

模型獲取單元，用于獲取與所述歷史數據對應的目標BP神經網絡模型，所述目標BP神經網絡模型由所述歷史數據訓練得到；

風暴潮位獲取單元，用于將所述目標風暴潮的參數輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位；

第二確定單元，用于根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍；

展示單元，用于將所述風暴潮位的淹沒高度以及淹沒范圍可視化展示。