CN106021970B - 通过降雨预报预测城市积水的方法及*** - Google Patents
通过降雨预报预测城市积水的方法及*** Download PDFInfo
- Publication number
- CN106021970B CN106021970B CN201610601125.9A CN201610601125A CN106021970B CN 106021970 B CN106021970 B CN 106021970B CN 201610601125 A CN201610601125 A CN 201610601125A CN 106021970 B CN106021970 B CN 106021970B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- data
- duration
- information
- ponding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 138
- 230000008569 process Effects 0.000 claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004088 simulation Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 239000002352 surface water Substances 0.000 claims description 34
- 238000009825 accumulation Methods 0.000 claims description 33
- 238000007689 inspection Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- 238000012279 drainage procedure Methods 0.000 abstract 2
- 241001269238 Data Species 0.000 abstract 1
- 230000002265 prevention Effects 0.000 description 22
- 239000000463 material Substances 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开通过降雨预报预测城市积水的方法及***,方法包括:通过气象部门的数据接口,获取目标城市的降雨预报信息,将降雨预报信息转换为降雨历时数据;根据降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;根据排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,积水信息数据包括但不限于地表积水的位置、深度和范围。
Description
技术领域
本申请涉及防汛技术领域,具体地说,涉及一种通过降雨预报预测城市积水的方法及***。
背景技术
随着社会经济的发展和城市化进程的加快,城市规划不合理、防洪排涝能力建设滞后,内涝易损性增加,一旦发生内涝,由于城市聚集着众多的人口、大量的资金和财富,损失将十分严重。与此同时,城市内涝灾害发生的频率、强度及其影响日益加剧,频繁发生的城市内涝灾害对城市的运行、管理和安全造成了严重影响,已经成为影响城市公共安全的重要问题。
现状防汛工作中,城市积水信息获取的主要方式有:在历史重点积水区域设置仪器进行实时地监测、防汛人员在降雨后进行不定期巡查、群众在发现积水区域后向防汛部门举报。然而监测设备成本高难以覆盖全面,巡查人员巡查的先后重点不够明确导致发现问题不够及时,依靠群众发现也存在时间上的滞后性,这些问题使得实际防汛工作无法做好提前预防工作,比如提前做好开启泵站的准备,提前进行人员车辆的疏散,提前准备防涝人员物资等,只能等到积涝发生了再匆忙的去应对,但这时已经造成了人员的伤亡或者财产的损失。
发明内容
有鉴于此,本申请所要解决的技术问题是提供了一种通过降雨预报预测城市积水的方法及***,能够在降雨前预测城市积水点信息,解决了由于无法预测造成的城市积水导致防汛工作不能全面、及时,不能做到防患于未然,只能事后补救的问题。
为了解决上述技术问题,本申请有如下技术方案:
一种通过降雨预报预测城市积水的方法,其特征在于,包括:
通过气象部门的数据接口,获取目标城市的降雨预报信息,将降雨预报信息转换为降雨历时数据;
根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
优选地,其中:
进一步包括:采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。
优选地,其中:
所述气象部门的数据接口为气象部门对外开放的API,
所述降雨预报信息包括但不限于降雨地点、降雨时段和降雨量,
所述排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
优选地,其中:
所述降雨历时数据的生成方法为:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
优选地,其中:
所述降雨历时数据的生成方法为:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,根据影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
一种通过降雨预报预测城市积水的***,其特征在于,包括:降雨预报信息获取模块、模拟计算模块和积水过程演算模块,
所述降雨预报信息获取模块,用于通过气象部门的数据接口,获取目标城市的降雨预报信息,并将降雨预报信息转换为降雨历时数据;
所述模拟计算模块,用于根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
所述积水过程演算模块,用于根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
优选地,其中:
进一步包括:界面展示模块,
所述界面展示模块,用于采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。
优选地,其中:
所述气象部门的数据接口为气象部门对外开放的API,
所述降雨预报信息包括但不限于降雨地点、降雨时段和降雨量,
所述排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
优选地,其中:
所述降雨预报信息获取模块,进一步用于通过以下方法生成所述降雨历时数据:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
优选地,其中:
所述降雨预报信息获取模块,进一步用于通过以下方法生成所述降雨历时数据:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,考虑影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
与现有技术相比,本申请所述的方法及***,达到了如下效果:
第一,本发明所述的降雨预报预测城市积水的方法及***,能够将城市的降雨预报信息转换为降雨历时数据,来模拟降雨的过程,同时能够结合城市现状排水管网信息,模拟城市的排水过程,还能基于排水过程中的管井溢流数据计算出地表积水的信息,从而解决了由于无法预测降雨造成的城市积水信息导致防汛工作不能全面、及时,不能做到防患于未然,只能事后补救的问题。
第二,本发明所述的降雨预报预测城市积水的方法及***,能够在降雨来临前,预测降雨将会产生的城市积涝点位置、积涝的深度和范围等信息,为防汛工作事前的准备提供有价值的信息。
第三,本发明所述的降雨预报预测城市积水的方法及***,能够在下雨前对积水点进行预警,能够提前进行人员设备的安排部署,从而尽可能避免积涝的发生,同时也使防汛过程中的巡查重点更加明确,节省宝贵的人力物力资源,使防汛工作真正的做到“防”。
第四,本发明所述的降雨预报预测城市积水的方法及***,充分利用了城市降雨预报的信息,将降雨预报对城市的影响具体化,使降雨预报信息发挥出了更大的价值。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明的所述一种通过降雨预报预测城市积水的方法流程图;
图2为本发明的所述一种通过降雨预报预测城市积水的***的结构框图;
图3为本发明应用实施例中降雨预报预测城市积水的方法的流程图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。此外,“耦接”一词在此包含任何直接及间接的电性耦接手段。因此,若文中描述一第一装置耦接于一第二装置,则代表所述第一装置可直接电性耦接于所述第二装置,或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
实施例1
参见图1为本发明通过降雨预报预测城市积水的方法的流程图,包括:
步骤101、通过气象部门的数据接口,获取目标城市的降雨预报信息,将降雨预报信息转换为降雨历时数据;
步骤102、根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
步骤103、根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
上述方法中,将城市的降雨预报信息转换为降雨历时数据,来模拟降雨的过程,同时能够结合城市现状排水管网信息,模拟城市的排水过程,还能基于排水过程中的管井溢流数据计算出地表积水的信息,能够在降雨来临前,预测降雨将会产生的城市积涝点位置、积涝的深度和范围等信息,为防汛工作事前的准备提供有价值的信息,从而解决了由于无法预测降雨造成的城市积水信息导致防汛工作不能全面、及时,不能做到防患于未然,只能事后补救的问题。
进一步地,本发明的降雨预报预测城市积水的方法还包括:
步骤104、采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。这样可以给人在视觉上带来更直观的表达,更有利于相关部门预测积水点及积水程度。
上述步骤101中,气象部门的数据接口为气象部门对外开放的API。从气象部门对外开放的API中获得的降雨预报信息一般为JSON格式,实际操作过程中,需从JSON格式的数据中解析出需要的数据信息。
本发明中的降雨预报信息包括不限于降雨地点、降雨时段和降雨量,这些信息可从气象部门对外开放的API中解析出来。
上述步骤102中,根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据,具体的计算过程如下:
1、划分汇水区:对每一个管点,根据地面高程信息,划分出它的集水区域。
2、求管点入流量:根据划分出的汇水区以及降雨历时数据,可以得到每一个降雨时间段中管点的入流量为:V=h*s–l;其中,V为管点入流量,h为降雨量,s为汇水区的面积,l为损失量(损失来自于地表蒸发和入渗,其值可以根据经验值获取)。
3、求解管网运行状态:利用第2步中获得的所有管点入流数据,以及管点相关的管线数据,通过渐变非恒定流质量和动量方程的守恒控制即圣维南流量方程组,求解连续性方程,获取到每个降雨时刻管点以及管线的运行状态数据。
上述步骤102和步骤103中的排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
上述步骤101中,降雨历时数据的生成方法至少包括两种,第一种是利用当地暴雨公式,结合天气预报中的降雨时间信息生成,第二种是利用当地历年的降雨数据生成,以下分别进行说明。
第一种降雨历时数据的生成方法如下:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
由于其他因子已知,可求得降雨的重现期,将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
当缺乏暴雨公式时,选取较精确的芝加哥雨型,当降雨历时数据较短时,选用均匀雨型作为暴雨强度公式来使用。
第二种降雨历时数据的生成方法如下:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,根据影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
将降雨历时按一定间隔(不大于五分钟)生成的时间序列作为排水过程模拟的降雨输入数据。
上述影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
实施例2
本发明还提供一种通过降雨预报预测城市积水的***,参见图2,包括:降雨预报信息获取模块10、模拟计算模块20和积水过程演算模块30,
所述降雨预报信息获取模块10,用于通过气象部门的数据接口50,获取目标城市的降雨预报信息,并将降雨预报信息转换为降雨历时数据;
所述模拟计算模块20,用于根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
所述积水过程演算模块30,用于根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
进一步地,本发明的通过降雨预报预测城市积水的***还包括界面展示模块40,参见图2,该界面展示模块40用于采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。
上述气象部门的数据接口50为气象部门对外开放的API,
上述降雨预报信息包括但不限于降雨地点、降雨时段和降雨量,
上述排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
本发明的降雨预报信息获取模块10,进一步用于通过以下方法生成所述降雨历时数据:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
本发明的降雨预报信息获取模块10,进一步用于通过以下方法生成所述降雨历时数据:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,考虑影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
实施例3
以下提供本发明通过降雨预报预测城市积水的方法及***的应用实施例。
本发明通过降雨预报预测城市积水的方法及***,通过与气象部门数据接口获取到降雨预报信息,结合城市排水管点、管线数据和地理信息数据对降雨过程中的地表径流和排水过程进行模拟计算,得到排水过程中排水管网的状态信息(管井溢流量)等数据,然后在此基础上进行地表积水的运算,得到城市地表积水的位置,深度和范围信息,流程图见图3。其中,
步骤201中,降雨预报信息的获取和再加工是通过气象部门给出的接口获取城市降雨预报信息,将降雨预报信息转换为具体的降雨历时数据。
步骤202中,排水过程模拟是根据降雨历时数据,结合城市排水管网数据,模拟降雨过程中排水管网的运行状态。
步骤203中,地表积水演算是根据排水管网运行状态数据,结合地表高程信息,对积水过程进行演算,获得地表积水信息数据。
步骤204中,界面展示是积水点信息利用的一种方式,使用地表积水信息数据进行图形界面的展示。
降雨预报信息可以从气象部门对外开放的API中获得,一般为JSON格式,然后从中解析出降雨时段、降雨量等降雨数据信息。根据获取到的降雨预报信息生成降雨历时数据,例如:
上述降雨历时数据的生成方法有两种,以下分别进行说明:
1、结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
由于其他因子已知,可求得降雨的重现期,将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
当缺乏暴雨公式时,选取较精确的芝加哥雨型,当降雨历时数据较短时,选用均匀雨型作为暴雨强度公式来使用。
2、利用当地历年降雨数据,具体如下。
对于当地的每一次降雨,记录下降雨时的日期,降雨时的气温、湿度、风速等气象信息,以及降雨时具体历时数据,保存到数据库中。这样,当获取到降雨预报信息后,可以结合预报时的日期、以及预报信息中气温、湿度等信息,找到最接近本次预报的历史降雨数据来使用。这种方式最精确,但是依赖于数据的积累程度。
在查找最相似度数据的过程中,根据影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
将降雨历时按一定间隔(不大于五分钟)生成的时间序列作为排水过程模拟的降雨输入数据。
上述影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
排水过程模拟需要降雨的历时数据和城市排水管网的数据,在本发明中使用泰华排水模型来模拟排水管网排水过程。也可以使用其他的模型例如SWMM、MOUSE等代替。
模拟完成后,模型将会输出排水管网的运行状态数据。数据以数据库表的形式存放了每一个排水管网设施在降雨过程中每个时刻的状态信息,例如参见表1:
表1排水管网设施状态信息表
无论使用什么模型,模拟的结果中应至少应该包含整个降雨过程中每个管井(检查井、雨水口等)节点的溢流量信息。
排水过程模拟完成后,进行地表积水演算。利用模型模拟的排水管网运行状态数据中的管井溢流数据,结合城市地表高程数据对地表的积水状态进行演算。考虑到积水过程是一个流动的过程,同一个积水点的水流可能会来自多个溢流点,并且积水点满流后会再次溢流流向其他的积水点,这里的积水过程采用多源非单一洼地积水模拟方法进行演算。
对每一个降雨时间步长的演算,得到一个地表积水深度的栅格数据。这样算出整个降雨历时过程中的一系列栅格数据,记录了降雨过程中每一个时刻地表的积水状态。
作为验证积水点信息计算结果的一种方法,地表积水演算完成后,使用GIS技术,将地表积水演算得到的栅格数据进行展示,这样可以给人在视觉上直观的表达。对于演算得到的积水点信息,也可以在防汛***的其他功能中加以利用,比如结合城市积水点信息的人员物资提前调度等等。
通过以上各实施例可知,本申请存在的有益效果是:
第一,本发明所述的降雨预报预测城市积水的方法及***,能够将城市的降雨预报信息转换为降雨历时数据,来模拟降雨的过程,同时能够结合城市现状排水管网信息,模拟城市的排水过程,还能基于排水过程中的管井溢流数据计算出地表积水的信息,从而解决了由于无法预测降雨造成的城市积水信息导致防汛工作不能全面、及时,不能做到防患于未然,只能事后补救的问题。
第二,本发明所述的降雨预报预测城市积水的方法及***,能够在降雨来临前,预测降雨将会产生的城市积涝点位置、积涝的深度和范围等信息,为防汛工作事前的准备提供有价值的信息。
第三,本发明所述的降雨预报预测城市积水的方法及***,能够在下雨前对积水点进行预警,能够提前进行人员设备的安排部署,从而尽可能避免积涝的发生,同时也使防汛过程中的巡查重点更加明确,节省宝贵的人力物力资源,使防汛工作真正的做到“防”。
第四,本发明所述的降雨预报预测城市积水的方法及***,充分利用了城市降雨预报的信息,将降雨预报对城市的影响具体化,使降雨预报信息发挥出了更大的价值。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求的保护范围内。
Claims (10)
1.一种通过降雨预报预测城市积水的方法,其特征在于,包括:
通过气象部门的数据接口,获取目标城市的降雨预报信息,将降雨预报信息转换为降雨历时数据;
根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,所述采用多源非单一洼地积水模拟方法对积水过程进行演算包括:对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
2.根据权利要求1所述通过降雨预报预测城市积水的方法,其特征在于,进一步包括:
采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。
3.根据权利要求1所述通过降雨预报预测城市积水的方法,其特征在于,
所述气象部门的数据接口为气象部门对外开放的API,
所述降雨预报信息包括但不限于降雨地点、降雨时段和降雨量,
所述排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
4.根据权利要求1所述通过降雨预报预测城市积水的方法,其特征在于,
所述降雨历时数据的生成方法为:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
5.根据权利要求3所述通过降雨预报预测城市积水的方法,其特征在于,
所述降雨历时数据的生成方法为:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,根据影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
6.一种通过降雨预报预测城市积水的***,其特征在于,包括:降雨预报信息获取模块、模拟计算模块和积水过程演算模块,
所述降雨预报信息获取模块,用于通过气象部门的数据接口,获取目标城市的降雨预报信息,并将降雨预报信息转换为降雨历时数据;
所述模拟计算模块,用于根据所述降雨历时数据,结合城市排水管点、管线数据和地理信息数据,对降雨过程中的地表径流和排水过程进行模拟计算,获得排水过程中排水管网的运行状态数据;
所述积水过程演算模块,用于根据所述排水管网的运行状态数据,结合地表高程信息,采用多源非单一洼地积水模拟方法对积水过程进行演算,所述采用多源非单一洼地积水模拟方法对积水过程进行演算包括:对每个降雨时间步长的演算,对应得到一个地表积水深度的栅格数据,进而获得整个降雨历时过程中地表积水深度的所有栅格数据,获得每个预设时刻地表的积水信息数据,所述积水信息数据包括但不限于地表积水的位置、深度和范围。
7.根据权利要求6所述的通过降雨预报预测城市积水的***,其特征在于,进一步包括:界面展示模块,
所述界面展示模块,用于采用GIS技术,将地表积水演算得到的栅格数据进行图形界面的展示。
8.根据权利要求6所述的通过降雨预报预测城市积水的***,其特征在于,
所述气象部门的数据接口为气象部门对外开放的API,
所述降雨预报信息包括但不限于降雨地点、降雨时段和降雨量,
所述排水管网的运行状态数据包括但不限于整个降雨过程中每一个检查井和雨水口节点的溢流量数据。
9.根据权利要求8所述的通过降雨预报预测城市积水的***,其特征在于,
所述降雨预报信息获取模块,进一步用于通过以下方法生成所述降雨历时数据:
结合目标城市的降雨预报信息,利用目标城市的暴雨公式生成,所述目标城市的暴雨公式为:
从所述目标城市的暴雨公式得到P的计算函数为:P=g(f,H,T),
其中,H为目标城市的降雨预报中的降雨量,f为选取的暴雨强度公式,T为降雨预报中的降雨历时,P为降雨重现期,
将计算出的降雨重现期P带入所述暴雨强度公式中,所述暴雨强度公式为:h=f(t,P),其中h为瞬时降雨速度,t为降雨历时,
取t=0,1,2,3…T,得到以1分钟为时间间隔的降雨历时数据。
10.根据权利要求6所述的通过降雨预报预测城市积水的***,其特征在于,
所述降雨预报信息获取模块,进一步用于通过以下方法生成所述降雨历时数据:
利用目标城市的历史降雨数据,从所述历史降雨数据中查找出相似度最大的数据作为降雨历时数据,具体为:
查找相似度最大的数据的过程中,考虑影响降雨的各个因素的重要程度,为每项因素赋予相应的权重,求得差别值最小的一个作为相似数据:
其中,y为最后求得的差别值,N为影响因素个数,Pi为第i个因素的权值,Yi为降雨预报信息中第i个因素的值,Li为历史降雨数据中第i个因素的值,
影响降雨的因素包括但不限于降雨时的日期、气温、湿度、风速以及降雨时具体历时数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601125.9A CN106021970B (zh) | 2016-07-27 | 2016-07-27 | 通过降雨预报预测城市积水的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601125.9A CN106021970B (zh) | 2016-07-27 | 2016-07-27 | 通过降雨预报预测城市积水的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106021970A CN106021970A (zh) | 2016-10-12 |
CN106021970B true CN106021970B (zh) | 2018-08-21 |
Family
ID=57115333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610601125.9A Active CN106021970B (zh) | 2016-07-27 | 2016-07-27 | 通过降雨预报预测城市积水的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021970B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777919B (zh) * | 2016-11-29 | 2019-04-02 | 南京信息工程大学 | 一种基于雨型的暴雨积涝积水动态演进过程预报计算方法 |
CN106709608A (zh) * | 2017-01-09 | 2017-05-24 | 泰华智慧产业集团股份有限公司 | 预测积水对城市内区域影响程度的方法及*** |
CN106682789A (zh) * | 2017-01-09 | 2017-05-17 | 泰华智慧产业集团股份有限公司 | 规划防汛物资储备数量的方法及*** |
CN106677314B (zh) * | 2017-01-09 | 2019-01-04 | 泰华智慧产业集团股份有限公司 | 自动提供积水点处置建议的方法及*** |
CN106971352B (zh) * | 2017-03-28 | 2020-12-18 | 衡水益通管业股份有限公司 | 一种基于互联网和微循环***构建海绵城市的***及方法 |
CN108388714A (zh) * | 2018-02-07 | 2018-08-10 | 杭州师范大学 | 流域水系和城市管网耦合的平原河网城市洪水模拟方法 |
CN109284873A (zh) * | 2018-10-15 | 2019-01-29 | 上海凯泉泵业(集团)有限公司 | 一种基于swmm模型进行泵组优化调度和预警处置的智慧排水泵站 |
CN109359617B (zh) * | 2018-10-30 | 2021-09-14 | 西北大学 | 一种基于格网降雨数据的识别暴雨的方法 |
CN109657841B (zh) * | 2018-11-27 | 2021-03-09 | 杭州师范大学 | 一种城市暴雨内涝积水深度提取方法 |
CN110284570B (zh) * | 2019-06-12 | 2020-01-31 | 特斯联(北京)科技有限公司 | 一种水文气象大数据的城市排水预测式调节装置及方法 |
CN112232589A (zh) * | 2020-10-30 | 2021-01-15 | 国网山西省电力公司大同供电公司 | 一种电缆管廊水环境数据的处理方法及*** |
CN112382091A (zh) * | 2020-11-11 | 2021-02-19 | 北京世纪高通科技有限公司 | 一种道路积水预警方法及装置 |
CN113408211B (zh) * | 2021-07-12 | 2022-02-11 | 中国水利水电科学研究院 | 基于机器学习的城市内涝积水点积水过程预测方法及*** |
CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及*** |
CN113781813A (zh) * | 2021-10-22 | 2021-12-10 | 北京声智科技有限公司 | 一种预警方法、***、装置和电子设备 |
CN114118884A (zh) * | 2021-10-28 | 2022-03-01 | 南方科技大学 | 一种城市暴雨内涝区域风险识别的方法、***及存储介质 |
CN114202908A (zh) * | 2021-12-13 | 2022-03-18 | 中国平安财产保险股份有限公司 | 基于灾害天气的车辆预警方法、装置、设备及存储介质 |
CN114814995B (zh) * | 2022-03-31 | 2022-11-22 | 武汉达梦数据技术有限公司 | 一种城市内涝的预警方法及装置 |
CN114662797B (zh) * | 2022-05-16 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市水灾预警方法和*** |
CN117035234B (zh) * | 2023-08-10 | 2024-05-14 | 南京新高智联信息技术有限公司 | 一种基于降雨预报的区域积水深度监测方法 |
CN117012006B (zh) * | 2023-08-28 | 2024-03-08 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN105067072A (zh) * | 2015-07-27 | 2015-11-18 | 湖南大麓管道工程有限公司 | 水位上涨预警***和方法 |
CN204925722U (zh) * | 2015-08-25 | 2015-12-30 | 河海大学 | 一种基于远程自动监测的闸站排涝辅助决策装置 |
CN204963941U (zh) * | 2015-07-27 | 2016-01-13 | 湖南大麓管道工程有限公司 | 水位上涨预警装置 |
-
2016
- 2016-07-27 CN CN201610601125.9A patent/CN106021970B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN105067072A (zh) * | 2015-07-27 | 2015-11-18 | 湖南大麓管道工程有限公司 | 水位上涨预警***和方法 |
CN204963941U (zh) * | 2015-07-27 | 2016-01-13 | 湖南大麓管道工程有限公司 | 水位上涨预警装置 |
CN204925722U (zh) * | 2015-08-25 | 2015-12-30 | 河海大学 | 一种基于远程自动监测的闸站排涝辅助决策装置 |
Non-Patent Citations (3)
Title |
---|
城市暴雨内涝气象监测预警***的设计与实现;叶青;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130215(第02期);I138-865 * |
基于GIS的城市排水管网信息***研究;郑伟;《中国优秀硕士学位论文全文数据库 基础科学辑》;20131215(第S2期);A008-72 * |
排水管网GIS***数据质量评价与控制;秦立为;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20080615(第06期);C038-142 * |
Also Published As
Publication number | Publication date |
---|---|
CN106021970A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021970B (zh) | 通过降雨预报预测城市积水的方法及*** | |
Apreda et al. | A climate vulnerability and impact assessment model for complex urban systems | |
Ali et al. | Simulation of the impacts of land-use change on surface runoff of Lai Nullah Basin in Islamabad, Pakistan | |
Chen et al. | Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff | |
Henonin et al. | Real-time urban flood forecasting and modelling–a state of the art | |
CN103279671B (zh) | 基于rbf神经网络-云模型的城市水灾害风险预测方法 | |
CN110646867A (zh) | 一种城市排水监测预警方法和*** | |
Adeogun et al. | Validation of SWAT model for prediction of water yield and water balance: case study of upstream catchment of Jebba dam in Nigeria | |
CN106709608A (zh) | 预测积水对城市内区域影响程度的方法及*** | |
Quiring et al. | Incorporating hurricane forecast uncertainty into a decision-support application for power outage modeling | |
KR102129881B1 (ko) | 침수 예측 정보 및 피해액 산출 시스템 | |
CN111222662A (zh) | 一种电网台风洪涝灾害预警方法和装置 | |
Azizi et al. | Urban pluvial flood risk assessment: challenges and opportunities for improvement using a community-based approach | |
Photiadou et al. | Modeling European hot spells using extreme value analysis | |
Tayşi et al. | Disaggregation of future GCMs to generate IDF curves for the assessment of urban floods | |
Suto et al. | Computational fluid dynamics simulation and statistical procedure for estimating wide-area distributions of airborne sea salt considering local ground conditions | |
Wang et al. | Assessing the impact of climate change on flood in an alpine catchment using multiple hydrological models | |
CN105678420A (zh) | 一种跨年度长时效的气候预测方法 | |
Gao et al. | Estimation methods of construction and demolition waste generation: a review | |
CN117275188A (zh) | 一种山洪灾害监测预警***和方法 | |
Gamerith et al. | Assessment of combined sewer overflows under climate change-urban drainage pilot study Linz | |
Huang et al. | Flood vulnerability to climate change through hydrological modeling: a case study of the Swift Current Creek watershed in western Canada | |
CN113506000B (zh) | 一种计算城市汇水区域暴雨溢流风险的方法 | |
CN106677314A (zh) | 自动提供积水点处置建议的方法及*** | |
CN103886386A (zh) | 一种基于空间网格预测人为火日发生概率的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |