[發明專利]一種基于K-Means參數聚類的城市內澇模擬方法

在審

• 申請號: 202110354975.4
• 申請日: 2021-03-31
• 公開（公告）號: CN112989623A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 胡彩虹;劉成帥;薦圣淇;馬炳焱;孫悅;鄔強;杜纖;張雪麗;楊帆;查斌
• 申請（專利權）人: 鄭州大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/16;G06K9/62
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

1.一種基于K-Means參數聚類的城市內澇模擬方法，其特征在于，其步驟如下：

步驟一：根據研究區城市用地特性劃分城市水文響應單元，并提取城市水文響應單元的數字高程數據；

步驟二：根據研究區的每個城市水文響應單元的數字高程數據，對研究區的實際雨水管網進行概化后疊加到城市水文響應單元上得到SWMM模型；

步驟三：采用K均值聚類算法對不同城市的每個城市水文響應單元上的不確定性參數的取值進行聚類，得到每個城市水文響應單元的不確定性參數值，并將不確定性參數值輸入SWMM模型中，得到最終的SWMM模型；

步驟四：將實際降雨場次輸入最終的SWMM模型中進行模擬，以驗證最終的SWMM模型的內澇模擬結果。

2.根據權利要求1所述的基于K-Means參數聚類的城市內澇模擬方法，其特征在于，所述城市水文響應單元的劃分方法為：

S11、由傳感器、攝像頭和網絡資料獲取研究區的遙感影像資料；

S12、根據研究區的遙感影像資料和用地規劃圖從自然屬性和社會屬性將研究區劃分為工商業區、居民區和公共用地區三類功能區，每個功能區作為一個城市水文響應單元；

S13、分析研究區的地形地勢資料，分別確定每一個城市水文響應單元的數字高程數據，其中，數字高程數據包括高程、坡度和坡向信息。

3.根據權利要求1或2所述的基于K-Means參數聚類的城市內澇模擬方法，其特征在于，所述步驟三中采用K均值聚類算法對不同城市的每個城市水文響應單元上的不確定性參數的取值進行聚類的方法為：

S31、搜集現有基于SWMM模型進行的以中國各地區為研究區的文獻的不確定性參數的取值作為樣本集，其中，不確定性參數包括不透水區洼蓄量、不透水區曼寧系數、透水區洼蓄量和透水區曼寧系數；

S32、采用K-Means聚類算法對不同城市的功能區上的每個不確定性參數進行聚類，設置聚類數目為k；

S33、將樣本集分成k個初始類，將這k個類的重心作為初始的類中心點，計算分類后的F值，檢驗聚類效果。

4.根據權利要求3所述的基于K-Means參數聚類的城市內澇模擬方法，其特征在于，所述步驟S33中的F值的計算方法為：

F＝[S_SA/(k-1)]/[S_SE/(n-k)]，

式中，F為平均組間平方和與平均組內平方和之比，k為聚類數，n_i為第i個類的樣本容量，S_SA為組間離差平方和，S_SE為組內離差平方和，n表示樣本總量，x_i表示第i個類的樣本值，表示第i個類的樣本平均值，x_ij表示為第i個類第j個指標的觀測值。

5.根據權利要求3所述的基于K-Means參數聚類的城市內澇模擬方法，其特征在于，所述K-Means聚類算法的步驟為：

設有m個樣本組，每個樣本組有p個指標的數據，這m×p個數據構成一個參數聚類觀測矩陣，即：

其中，x_i′j′為第i′個樣本組的第j′個指標參數值，i′＝1,2,…,m，j′＝1,2,…,p；則有：

式中，為第j′個指標參數的均值；s_j′為第j′個指標參數的標準差；y_i′j′為參數值x_i′j′標準化后的值。