[發(fā)明專利]一種基于深度學(xué)習(xí)的城市暴雨內(nèi)澇模擬方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110997285.0
• 申請(qǐng)日: 2021-08-27
• 公開（公告）號(hào): CN113807008A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 陳文杰;王瑋琦;黃國(guó)如;何柳妍
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06F30/28;G06F111/10;G06F113/08;G06F113/14;G06F119/14
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 何淑珍;江裕強(qiáng)

本發(fā)明提供了一種基于深度學(xué)習(xí)的城市暴雨內(nèi)澇模擬方法。所述方法包括以下步驟：獲取研究區(qū)域的數(shù)據(jù)；構(gòu)建研究區(qū)域的水文水動(dòng)力耦合模型；采用水文水動(dòng)力耦合模型模擬歷史場(chǎng)次降雨下的內(nèi)澇淹沒情況，記錄每個(gè)場(chǎng)次降雨的內(nèi)澇淹沒過程，以柵格數(shù)據(jù)的形式保存到數(shù)據(jù)庫中；構(gòu)建深度學(xué)習(xí)模型；以數(shù)據(jù)庫中的數(shù)據(jù)構(gòu)建樣本，將樣本輸入到深度學(xué)習(xí)模型中，對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，用訓(xùn)練好的深度學(xué)習(xí)模型預(yù)測(cè)城市暴雨內(nèi)澇情況。本發(fā)明采用深度學(xué)習(xí)算法以及預(yù)先搭建好的暴雨內(nèi)澇數(shù)據(jù)庫進(jìn)行內(nèi)澇仿真模擬，大量減少采用水文水動(dòng)力耦合模型所需的計(jì)算量，提高了暴雨內(nèi)澇數(shù)值模擬的效率，為城市暴雨內(nèi)澇數(shù)值模擬提供了一種新的途徑。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)及城市水文領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的城市暴雨內(nèi)澇模擬方法。

背景技術(shù)

在氣候變化及城市化發(fā)展的雙重影響下，洪澇災(zāi)害數(shù)量呈現(xiàn)出明顯的上升趨勢(shì)，頻繁發(fā)生的城市內(nèi)澇災(zāi)害已經(jīng)成為我國(guó)城市健康發(fā)展與城市化進(jìn)程穩(wěn)步快速推進(jìn)的重大障礙，加強(qiáng)城市雨水管理、徹底治理城市洪澇災(zāi)害對(duì)于保障我國(guó)城市健康發(fā)展和人民生命財(cái)產(chǎn)安全具有重要作用。但建立高標(biāo)準(zhǔn)的城市排水系統(tǒng)非一日之功，在當(dāng)前的條件下，最經(jīng)濟(jì)最有效的方法是建立城市洪澇預(yù)警預(yù)報(bào)機(jī)制。因此，開展城市暴雨內(nèi)澇模擬技術(shù)研究，對(duì)建立高效的洪澇預(yù)警預(yù)報(bào)系統(tǒng)，降低城市洪澇風(fēng)險(xiǎn)，具有十分重要的理論意義與現(xiàn)實(shí)價(jià)值。

基于水文水動(dòng)力學(xué)的城市雨洪模型發(fā)展相對(duì)較為成熟，模擬精度較高，但模型對(duì)基礎(chǔ)數(shù)據(jù)的依賴性較高。而且即使模型融合了CPU/GPU加速等并行計(jì)算技術(shù)，仍避免不了復(fù)雜的水文及水力學(xué)計(jì)算，在模擬速度上得不到根本性的突破。數(shù)據(jù)依賴性高以及模擬效率低已經(jīng)逐漸成為水文水動(dòng)力學(xué)模型在城市洪澇模擬中的軟肋，限制其在城市洪澇預(yù)警預(yù)報(bào)工作中的應(yīng)用。相比具有物理機(jī)制水文水動(dòng)力學(xué)耦合模型，人工智能模型能以自適應(yīng)方式有效地提取系統(tǒng)復(fù)雜的輸入輸出關(guān)系，降低對(duì)基礎(chǔ)數(shù)據(jù)的依賴，縮短計(jì)算時(shí)間，在城市洪澇模擬方面具有廣闊的應(yīng)用前景和潛力(Kabir S,Patidar S,Xia X,et al.Adeepconvolutional neural network model for rapid prediction of fluvial floodinundation[J].Journal of Hydrology,2020,590:125481.)。深度學(xué)習(xí)在城市洪澇模擬中應(yīng)用較少，且多為對(duì)某降雨下最大淹沒深度進(jìn)行模擬(Chang L C,Amin M Z M,Yang S N,et al.Building ANN-based regional multi-step-ahead flood inundation forecastmodels[J].Water,2018,10(9):1283.)，沒有對(duì)其淹沒過程進(jìn)行模擬仿真。

發(fā)明內(nèi)容

為提高城市暴雨內(nèi)澇數(shù)值模擬的效率，本發(fā)明摒棄了傳統(tǒng)的具有物理機(jī)制的水文水動(dòng)力學(xué)模型模擬方法，提出了一種基于深度學(xué)習(xí)的城市暴雨內(nèi)澇模擬方法，用于城市暴雨內(nèi)澇的快速模擬。通過摒棄城市地表水流水文和水動(dòng)力過程的復(fù)雜計(jì)算，直接采用深度學(xué)習(xí)探尋降雨與內(nèi)澇之間的相關(guān)關(guān)系，提高城市地表水流數(shù)值模擬的效率。

本發(fā)明的目的至少通過如下技術(shù)方案之一實(shí)現(xiàn)。

一種基于深度學(xué)習(xí)的城市暴雨內(nèi)澇模擬方法，包括以下步驟：

S1、獲取研究區(qū)域的地理數(shù)字高程信息、土地利用類型、河網(wǎng)數(shù)據(jù)和管網(wǎng)數(shù)據(jù)；

S2、采用研究區(qū)域的地理數(shù)字高程信息、土地利用類型、河網(wǎng)和管網(wǎng)數(shù)據(jù)構(gòu)建研究區(qū)域的水文水動(dòng)力耦合模型；

S3、將多個(gè)場(chǎng)次歷史降雨數(shù)據(jù)輸入到水文水動(dòng)力耦合模型中，模擬歷史場(chǎng)次降雨下的內(nèi)澇淹沒情況，記錄每個(gè)場(chǎng)次降雨的內(nèi)澇淹沒過程，以柵格數(shù)據(jù)的形式保存到數(shù)據(jù)庫中；

S4、采用函數(shù)式API構(gòu)建深度學(xué)習(xí)模型；

S5、以步驟S3中的數(shù)據(jù)庫中的數(shù)據(jù)構(gòu)建樣本，將樣本輸入到深度學(xué)習(xí)模型中，對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，用訓(xùn)練好的深度學(xué)習(xí)模型預(yù)測(cè)城市暴雨內(nèi)澇情況。