[發明專利]基于機器學習的城市內澇積水點積水過程預測方法及系統

有效

• 申請號: 202110786173.0
• 申請日: 2021-07-12
• 公開（公告）號: CN113408211B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 徐衛紅;王杉;高建標;張念強;俞茜;李娜;韓松;王靜;王艷艷;丁志雄
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q50/26;G06N20/00;G06F113/08
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

1.一種基于機器學習的城市內澇積水點積水過程預測方法，其特征在于，包括以下步驟：

S1、利用改進的K鄰域法建立積水監測站點和臨近降雨監測站點之間的插值拓撲關系，具體包括以下分步驟：

S11、判斷積水監測站點位置上是否同時存在降雨監測站點；若是，則將該點形成臨近降雨監測站點領域點集，進入步驟S17；否則進入步驟S12；

S12、獲取積水監測站點和城區全部降雨監測站點的經緯度坐標；

S13、以積水監測站點作為坐標系原點構建二維坐標系，計算各降雨監測站點的相對坐標；

S14、計算原點到坐標軸上每個降雨監測站點向量的模，選取模最小對應的點作為臨近降雨監測站點；

S15、選取每個象限內滿足設定篩選條件的點作為臨近降雨監測站點；

S16、將步驟S14和S15選取的臨近降雨監測站點形成臨近降雨監測站點領域點集；

S17、建立積水監測站點和臨近降雨監測站點領域點集之間的插值拓撲關系；

S2、獲取積水監測站點的歷史積水過程數據和臨近降雨監測站點的歷史降雨過程數據，根據步驟S1建立的插值拓撲關系，采用反距離權重插值法得到積水監測站點的歷史降雨過程數據，構建積水過程與降雨過程相關的城市內澇積水點積水過程預測模型；

S3、獲取臨近降雨監測站點的實時降雨過程數據，根據步驟S1建立的插值拓撲關系，采用反距離權重插值法得到積水監測站點的實時降雨過程數據；并根據多源定量降雨預報數據產品的時空特征，對各產品降雨過程數據進行融合，得到積水監測站點的定量預報降雨過程數據；

S4、將積水監測站點的實時降雨過程數據與定量預報降雨過程數據進行拼接，得到積水監測站點的實時和預報降雨過程數據；

S5、利用城市內澇積水點積水過程預測模型，根據積水監測站點的實時和預報降雨過程數據進行城市內澇積水點積水過程預測。

2.根據權利要求1所述的基于機器學習的城市內澇積水點積水過程預測方法，其特征在于，所述步驟S15具體包括以下分步驟：

S151、判斷當前象限內是否不存在降雨監測站點；若是，則進入下一象限；否則進入步驟S152；

S152、判斷當前象限內是否只有一個降雨監測站點；若是，則選取該降雨監測站點；否則進入步驟S153；

S153、計算原點到降雨監測站點向量的模；計算全部模與最小模的差值，判斷差值不大于預設閾值的站點數量是否為1；若是，則選取模最小的降雨監測站點；否則進入步驟S154；

S154、計算滿足預設閾值條件的各降雨監測站點相對坐標沿逆時針方向與坐標軸形成的小于90°的夾角，并按大小排序；

S155、判斷最小夾角是否大于或等于45°；若是，則選取該夾角對應的降雨監測站點；否則進入步驟S156；

S156、判斷最大夾角是否小于或等于45°；若是，則選取該夾角對應的降雨監測站點；否則進入步驟S157；

S157、計算最大夾角與最小夾角的差值，判斷該差值是否大于或等于30°；若是，則選取最大夾角和最小夾角對應的降雨監測站點；否則選取各個夾角與45°差值的最小值對應的降雨監測站點。

3.根據權利要求1所述的基于機器學習的城市內澇積水點積水過程預測方法，其特征在于，所述步驟S2具體包括以下分步驟：

S21、獲取積水監測站點的各場次歷史積水過程數據和臨近降雨監測站點的歷史降雨過程數據；

S22、利用臨近降雨監測站點的歷史降雨過程數據，根據步驟S1建立的插值拓撲關系，利用反距離權重插值法對臨近降雨監測站點的歷史降雨過程數據進行插值，生成積水監測站點的歷史降雨過程數據；

S23、遍歷積水監測站點的歷史積水過程數據和歷史降雨過程數據，計算積水過程數據與滑動降雨過程數據的相關性；

S24、選取相關性最大對應的滑動時段，建立各場次歷史降雨積水的滑動降雨過程和積水過程數據集；

S25、利用建立的數據集進行機器學習訓練和驗證，構建積水過程與降雨過程相關的城市內澇積水點積水過程預測模型。