CN111795681A - 一种山洪灾害预警方法、装置、服务器及存储介质 - Google Patents
一种山洪灾害预警方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111795681A CN111795681A CN202010620857.9A CN202010620857A CN111795681A CN 111795681 A CN111795681 A CN 111795681A CN 202010620857 A CN202010620857 A CN 202010620857A CN 111795681 A CN111795681 A CN 111795681A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- flood
- monitoring area
- current monitoring
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 244
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 222
- 238000004364 calculation method Methods 0.000 claims abstract description 150
- 238000004458 analytical method Methods 0.000 claims abstract description 81
- 239000002689 soil Substances 0.000 claims description 37
- 238000001704 evaporation Methods 0.000 claims description 10
- 230000008020 evaporation Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 20
- 238000012806 monitoring device Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 241000209051 Saccharum Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 210000004262 dental pulp cavity Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种山洪灾害预警方法、装置、服务器及存储介质。通过获取监测数据,根据监测数据中的标准水流量对初始水文预报模型进行率定,将率定后的模型作为目标水文预报模型,根据目标水文预报模型对监测数据进行洪水预报计算,以及根据演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果,进一步根据漫溢淹没分析结果确定是否生成预警信息以用于对当前监测区域进行报警。并且,通过结合目标水文预报模型和演进漫溢模型对监测数据进行分析,达到一体化采集数据、分析数据以及报警的目的,实现提高山洪灾害预警并减少人力成本的效果,同时提高预警精度以及预警效率,满足精确且高效预警山洪灾害的需求。
Description
技术领域
本发明实施例涉及山洪灾害预警技术,尤其涉及一种山洪灾害预警方法、装置、服务器及存储介质。
背景技术
山洪灾害突发性强、区域性强、季节性强、发生率高、危害性大,多数发生在山区和城乡结合部,主要集中在雨季和台风季节,预测预报预防难度大,由于山洪暴涨暴落,成灾快,避灾难,对低洼地带的居民区危害尤其严重,易造成人员伤亡、房屋坍塌、交通中断、耕地损毁等生命财产损失。
目前,山洪灾害的监测预警预报***建设尚未完善,多数山洪灾害频发地区没有山洪预警预报***,或是***缺陷较多,如精度低、无模拟预报功能等,目前在山洪灾害监测预警工作中,多采用临界雨量或基于土壤墒情的临界雨量作为预警指标,以监测预警为主,预警时效短,留给人员转移的时间短。由此可以看出,现有技术中的山洪灾害预警方法预警方式不完善,无法满足精确且高效预警预报山洪的需求。
发明内容
本发明实施例提供了一种山洪灾害预警方法、装置、服务器及存储介质,以实现提高山洪灾害预警精度和预警效率的效果。
第一方面,本发明实施例提供了一种山洪灾害预警方法,包括:
获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
第二方面,本发明实施例还提供了一种山洪灾害预警装置,包括:
监测数据获取模块,用于获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
参数率定模块,用于根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
漫溢淹没分析结果生成模块,用于基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
预警模块,用于如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
第三方面,本发明实施例还提供了一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面中任一项所述的山洪灾害预警方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现如第一方面中任一项所述的山洪灾害预警方法。
本实施例提供的技术方案,通过获取监测数据,根据监测数据中的标准水流量对初始水文预报模型进行率定,将率定后的模型作为目标水文预报模型,根据目标水文预报模型对监测数据进行洪水预报计算,以及根据演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果,进一步根据漫溢淹没分析结果确定是否生成预警信息以用于对当前监测区域进行报警。解决了现有技术中山洪灾害预警方式较多的依赖人工的问题。并且,通过结合目标水文预报模型和演进漫溢模型对监测数据进行分析,达到一体化采集数据、分析数据以及报警的目的,实现提高山洪灾害预警并减少人力成本的效果,同时提高预警精度以及预警效率,满足精确且高效预警山洪灾害的需求。
附图说明
图1为本发明实施例一提供的一种山洪灾害预警方法的流程示意图;
图2为本发明实施例一提供的确定漫溢淹没分析结果的逻辑示意图;
图3为本发明实施例二提供的一种山洪灾害预警方法的流程示意图;
图4为本发明实施例三提供的一种山洪灾害预警方法的流程示意图;
图5为本发明实施例四提供的一种山洪灾害预警装置的结构示意图;
图6为本发明实施例五提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种山洪灾害预警方法的流程示意图,本实施例可适用于根据获取的监测数据,自动进行水文预报、洪水演进以及漫溢淹没分析,根据分析结果确定是否生成报警信息,其中该装置可由软件和/或硬件实现,并一般集成在服务器中,该服务器可以为数据处理分析设备。具体参见图1所示,该方法可以包括如下步骤:
S110,获取当前监测区域的监测数据。
其中,所述监测数据可以包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据,当前监测区域可以为山洪灾害易发区域(如流域)。可选地,所述监测数据可以通过监测设备采集得到,所述监测设备包括水位监测设备、雨量监测设备、土壤墒情监测设备、水面蒸发监测设备以及水流量监测设备。其中,所述水位监测设备用于采集当前监测区域的水位数据,雨量监测设备用于采集当前监测区域的雨量数据,土壤墒情监测设备用于采集当前监测区域的土壤墒情数据,水面蒸发监测设备用于监测所述当前监测区域的蒸散发数据,水流量监测设备用于监测当前监测区域的各断面的水流量数据。所述水位数据可以为流域的水位高度,雨量数据可以为降雨量,所述土壤墒情数据可以为土壤含水量和/或土壤温度,蒸散发数据可以为水面蒸发值,水流量数据可以为某流域的断面水流量。上述监测设备得到监测数据后,将水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据发送至服务器,以使服务器根据水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据进行预警计算。
本实施例中,对于土壤墒情设备的布设,可以根据某流域的特点,选择具有代表性的土壤区域,布设至少一个土壤墒情监测设备(如土壤墒情监测仪),对土壤温度和湿度进行监测,并采集土壤墒情数据;对于雨量监测设备的布设,可以按照20-100km2/站的密度进行布设,在山洪灾害频发及人口密度大的村组、山洪灾害易发的暴雨中心,按照20-30km2/站的密度进行布设,尽量布置在代表性好、便于看管维护的地方,为保证服务器的分析效果,可以在流域具有代表性的区域布设1~2个或者多个翻斗式雨量计;对于水位监测数据的布设,应结合实际情况,选用雷达式水位计或其他形式水位计,水位计主要布设在防洪重点断面、桥梁、堰等水利工程断面、村镇重要设防点断面以及河道形态变化比较大的断面等,为保证服务器的分析效果,可以适当加密水位计布设密度,如间隔500米布设一个。上述监测设备的供电方式多样灵活,可以配置市电太阳能电池板、蓄电池等(适合无电地区常年使用),以保证在断电或阴雨天气的情况下,监测设备可以正常工作。
S120,根据当前监测区域的标准水流量对当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型。
其中,标准水流量可以是当前监测区域的历史水流量或者是水流量监测设备获得的实时水流量,即上述水流量数据。初始水文预报模型可以为与当前监测区域的流域特征指标对应的流域区域的水文预报模型,流域特征指标可以包括流域面积、主河道长、河道纵坡、流域长度、形状系数、每个月平均降雨量等信息。
本实施例中,可以将获取的监测数据输入至初始水文预报模型,通过初始水文预报模型计算出预测水流量,根据预测水流量和标准水流量计算初始水文预报模型的目标函数,并采用全局优化算法、遗传算法等方式迭代调整该目标函数,直至标准水流量与预测水流量无限接近,完成对初始水文预报模型的参数率定,将参数率定后的初始水文预报模型作为目标水文预报模型。
S130,基于目标水文预报模型对监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果。
可选地,目标水文预报模型可以为新安江水文预报模型、大伙房模型、萨克拉门托模型或地形指数模型,演进漫溢模型可以包括洪水演进模型和洪水淹没模型。具体地,通过目标水文预报模型对获取的监测数据进行洪水预报计算,将洪水预报计算结果输入至洪水演进模型,通过洪水演进模型根据洪水预报计算结果进行洪水演进计算,并将洪水演进结果输入至洪水淹没模型,洪水淹没模型根据洪水演进结果进行洪水漫溢淹没分析,得到淹没水深,将淹没水深作为漫溢淹没分析结果,以进一步根据淹没水深进行预警分析。通过这种方式,可以将目标水文预报模型、洪水演进模型和洪水淹没模型进行耦合,实现洪水预报、洪水演进以及洪水漫溢淹没分析,达到准确模拟洪水演进和淹没过程的目的,实现从监测预警到预报预警和监测预警结合的转变的效果,并提升山洪灾害预警精度和预警效率。
如图2所示为确定漫溢淹没分析结果的逻辑示意图,结合图2具体地解释上述过程。如图2所示,目标水文预报模型根据监测数据中的雨量数据、蒸散发数据和土壤墒情数据进行蒸散发计算、产流量计算、水源划分以及汇流计算,得到各单元流域的水流量和当前监测区域的全流域的水流量,并将单元流域的水流量和全流域的水流量分别作为洪水演进模型的内边界条件和上边界条件,洪水演进模型根据各单元流域的水流量和全流域的水流量,并结合水动力参数和水动力模型参数进行洪水演进计算,得到各单元流域的洪水演进结果,将洪水演进结果作为洪水淹没模型的上边界条件输入至洪水淹没模型,洪水淹没模型根据洪水演进结果并结合洪水淹没水动力参数、模型参数和边界条件计算各单元流域的淹没水深,以进一步根据淹没水深进行预警分析。
S140,如果确定漫溢淹没分析结果超过设定的预警阈值,生成报警信息。
其中,报警信息用于对当前监测区域进行报警。通过前述步骤确定了淹没水深,服务器将淹没水深与预先存储的预警阈值进行比较,如果淹没水深超过预警阈值,则将淹没水深超过预警阈值的区域确定为淹没区域,并确定淹没区域的范围、淹没到达时间以及淹没历时,根据上述信息和预先存储的预警阈值进行比较,根据比较结果生成报警信息,并将报警信息发送给报警设备,以使报警设备根据报警信息进行报警。通过上述方式,服务器可以在对漫溢淹没分析结果分析后自动生成报警信息,以使报警设备进行报警,可以实现通过设备间传输信息实现采集数据、分析数据以及报警,达到提高山洪灾害预警的一体化和智能化的目的。
示例性地,所述预警阈值可以为0,如果淹没水深大于0,则将当前区域内的淹没水深大于0的区域确定为淹没区域,并确定淹没水深大于0的范围、淹没到达时间以及淹没时长等信息,服务器将淹没水深与预先存储的预警阈值进行比较,如果淹没水深超过预警阈值,比如淹没水深为10cm,20cm,30cm,40cm,则生成不同等级的报警信息,并将报警信息发送给报警设备,报警设备接收报警信息,提示淹没区域、淹没水深、淹没到达时间以及淹没时长等信息。
本实施例中,服务器还可以直接对监测设备发送的监测数据进行处理、分析以及阈值判断,即将水位数据、雨量数据或水流量分别与对应的阈值进行比较,根据比较结果生成报警信息,以使报警设备根据报警信息进行报警;或者,将监测数据与山洪模拟计算模型的输出结果进行对比分析,结合山洪模拟计算模型的分析结果生成报警信息。通过这种方式,可以进一步提高山洪灾害预警的精度。
本实施例提供的技术方案,通过获取监测数据,根据监测数据中的标准水流量对初始水文预报模型进行率定,将率定后的模型作为目标水文预报模型,根据目标水文预报模型对监测数据进行洪水预报计算,以及根据演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果,进一步根据漫溢淹没分析结果确定是否生成预警信息以用于对当前监测区域进行报警。解决了现有技术中山洪灾害预警方式较多的依赖人工的问题。并且,通过结合目标水文预报模型和演进漫溢模型对监测数据进行分析,达到一体化采集数据、分析数据以及报警的目的,实现提高山洪灾害预警并减少人力成本的效果,同时提高预警精度以及预警效率,满足精确且高效预警山洪灾害的需求。
实施例二
图3为本发明实施例二提供的一种山洪灾害预警方法的流程示意图。本实施例的技术方案在上述实施例的基础上进行了细化。可选地,所述目标水文预报模型为新安江水文预报模型,所述基于所述目标水文预报模型对所述监测数据进行洪水预报计算,包括:将所述雨量数据、所述土壤墒情和所述蒸散发数据数据输入至所述新安江水文预报模型,根据所述新安江水文预报模型的相关参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到所述当前监测区域的各单元流域的上出口断面的第一水流量;对各所述第一水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第二水流量;将所述当前监测区域的各单元流域的第二水流量进行线性叠加,将所述第二水流量的叠加结果作为所述当前监测区域的预报计算结果。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图3所示,该方法可以包括如下步骤:
S210,获取当前监测区域的监测数据。
其中,所述监测数据可以包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据。
S220,根据当前监测区域的标准水流量对当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型。
其中,初始水文预报模型可以为新安江水文预报模型。可选地,生成目标水文预报模型的方法包括:将雨量数据、土壤墒情数据和所述蒸散发数据输入初始水文预报模型,得到预测水流量;采用全局优化算法计算标准水流量和预测水流量之间的最小绝对误差;根据最小绝对误差迭代调整初始水文预报模型的模型参数,直至最小绝对误差达到设定阈值或者迭代次数达到设定次数,得到目标水文预报模型。可选地,雨量数据可以是一场降雨的过程雨量数据,土壤墒情数据可以包括一般、极湿、较湿、极干、较干等级。
需要说明的是,新安江水文预报模型是参数的概念性模型,该模型的相关参数可以包括蒸散发参数:K、WUM、WLM、C,产流量参数:WM、B、IMP,水源划分参数:SM、EX、KSS、KG以及汇流参数:KKSS、KKG、CS、L、XE、KE。具体地,对初始水文预报模型进行参数率定时,可以将雨量数据(例如一场降雨的过程雨量数据)、土壤墒情数据(例如一般、极湿、较湿、极干、较干)和蒸散发数据作为新安江水文预报模型的输入参数,新安江水文预报模型根据雨量数据和蒸散发数据进行蒸散发计算,并将土壤墒情数据(例如土壤湿度)作为蒸散发计算的参考参数,得到蒸散发计算结果;进一步地,根据蒸散发计算结果依次进行产流量计算、水源划分以及汇流计算,确定预测水流量。
本实施例采用的全局优化算法的表达式为:
其中,Obj1(i)用于计算监测时长内采集到的标准水流量和预测水流量的差值,计算表达式为:
Obj2(i)用于计算平均相对误差,计算表达式为:
Obj3(i)用于计算相对平均对数绝对误差,计算表达式为:
其中,m为参数率定的设定次数,n为监测时长,Q0(i)为监测得到的第i时刻的流量(m3/s),Qc(i)为初始水文预报模型计算得到的第i时刻的流量(m3/s)。可选地,所述设定次数可以为5次,最小绝对误差可以为0.01%。
S230,将雨量数据、蒸散发数据和土壤墒情数据输入至目标水文预报模型,根据目标水文预报模型的相关参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到当前监测区域的各单元流域的上出口断面的第一水流量。
本实施例中,目标水文预报模型为新安江水文预报模型,对水流量进行洪水预报计算之前,可以将当前监测区域划分为若干个单元流域,将划分好的每块单元流域的监测数据输入至新安江水文预报模型,根据蒸散发参数、产流量参数、水源划分参数、以及汇流参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到单元流出口的流量过程,将单元流出口的流量过程作为该单元流域的上出口断面的第一水流量。
S240,对各第一水流量进行河道汇流计算,得到当前监测区域的各单元流域的下出口断面的第二水流量,当前监测区域的各单元流域的第二水流量进行线性叠加,将第二水流量的叠加结果作为当前监测区域的预报计算结果。
为了计算流域的上出口断面与下出口断面的水流量的相关关系,本实施例可以在下出口断面对第一水流量进行河道汇流计算,得到各单元流域在全流域出口的流量过程,并将各单元流域在全流域出口的流量过程作为所述各单元流域的下出口断面的第二水流量。可选地,本实施例可以采用线性马斯京根法的汇流系数法对第一水流量进行河道汇流计算,得到第二水流量。
可以理解的是,第二水流量是各单元在全流域出口的流量过程,通过将各第二水流量进行线性叠加,可以得到全流域出口的总流量过程,即得到全流域的下出口断面的目标水流量,将目标水流量作为预报计算结果。通过上述过程完成对监测数据的水文预报过程。
服务器通过上述S210-S240完成对监测数据的水文预报过程。进一步地,服务器需要根据目标水流量依次进行洪水演进计算以及洪水漫溢淹没分析。可选地,在采用目标水文预报模型进行洪水演进计算的过程中,可以采用卡尔曼滤波技术并根据预先存储的历史数据对预报时段的预报数据进行实时校正,可以提高水文预报模型的预报精度。
可以理解的是,S240采用的新安江水文预报模型为概念性模型,与S240不同的,本实施例还可以采用基于地形的水文模型(Topgraphy Based Hydrological Model,简称TOPMODEL模型)对监测数据进行洪水预报计算。可选地,如果目标水文预报模型为基于地形的水文模型,所述基于所述目标水文预报模型对所述监测数据进行洪水预报计算,包括:获取所述当前监测区域的地形数据,根据所述地形数据构建所述当前监测区域的数字高程模型,并将所述数字高程模型划分为多个水文单元,其中,至少一个所述水文单元用于构成一个单元流域;从所述数字高程模型提取各所述水文单元的地形指数,采用统计学方式计算每类地形指数包括的水文单元的面积分布函数;根据每类所述地形指数所对应的面积比例和所述面积分布函数,计算每类地形指数的所有水文单元的产流量,并将每类地形指数的所有水文单元的产流量进行累加,得到所述当前监测区域的各单元流域的上出口断面的第三水流量;采用等流时线法对各所述第三水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第四水流量;将所述当前监测区域的各单元流域的第四水流量进行线性叠加,将所述第四水流量的叠加结果作为所述当前监测区域的预报计算结果。
可选地,在进行山洪灾害预警时,可以对当前监测区域的河道地形、基础地理、地方高程、工程信息等资料进行整理,根据收集到的地形数据构建数字高程模型(DigitalElevation Model,简称DEM),根据地形数据将当前监测区域对应的数字高程模型划分为多个水文单元,一个或多个水文单元可以构成一个单元流域。具体地,从数字高程模型中提取各水文单元的地形指数,然后用统计学方式计算每类地形指数的面积分布函数,按照地形指数分类,对每类地形指数的水文单元分别进行产流计算(包括非饱和层水分运动、饱和层水分运动和地面径流计算),将每一类地形指数的面积上的产流量进行累加,即可计算出单元流域的产流量,即得到当前监测区域的各单元流域的上出口断面的第三水流量;进一步地,采用等流时线法对第三水流量进行河道汇流计算,得到各单元流域的下出口断面的第四水流量,再将各单元流域的第四水流量进行线性叠加,可以得到全流域出口的总流量过程,即第四水流量的叠加结果,将第四水流量的叠加结果作为全流域的下出口断面的目标水流量,将目标水流量作为预报计算结果。通过上述过程完成对监测数据的水文预报过程。
S250,基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果。
S260,如果确定漫溢淹没分析结果超过设定的预警阈值,生成报警信息。
其中,报警信息用于对当前监测区域进行报警。
本实施例提供的技术方案,采用全局优化算法对初始水文预报模型进行参数率定,得到目标水文预报模型,并采用目标水文预报模型对监测数据进行洪水预报计算,实现将参数率定和洪水预报结合,实现准确的确定当前监测区域的预报计算结果的效果。另外,还可以采用TOPMODEL模型进行洪水预报计算,扩展了洪水预报计算的灵活性。
实施例三
图4为本发明实施例三提供的一种山洪灾害预警方法的流程示意图。本实施例的技术方案在上述实施例的基础上进行了细化。可选地,所述演进漫溢模型包括洪水演进模型和洪水淹没模型,所述基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果,包括:基于所述洪水演进模型对所述预报计算结果包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第一洪水演进结果,其中,所述洪水演进模型为圣维南方程组,所述第一洪水演进结果包括所述当前监测区域的各单元流域的各断面的平均流量以及平均水位;基于所述洪水淹没模型对所述第一洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第一漫溢淹没分析结果,其中,所述第一漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图4所示,该方法可以包括如下步骤:
S310,获取当前监测区域的监测数据。
其中,所述监测数据可以包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据。
S320,根据当前监测区域的标准水流量对当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型。
S330,将雨量数据、土壤墒情数据和蒸散发数据输入至目标水文预报模型,根据目标水文预报模型的相关参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到当前监测区域的各单元流域的上出口断面的第一水流量。
S340,对各第一水流量进行河道汇流计算,得到当前监测区域的各单元流域的下出口断面的第二水流量,当前监测区域的各单元流域的第二水流量进行线性叠加,将第二水流量的叠加结果作为当前监测区域的预报计算结果。
S350,基于目标水文预报模型对监测数据进行洪水预报计算,基于洪水演进模型对预报计算结果包括的各第二水流量进行洪水演进计算,得到各单元流域的下出口断面的第一洪水演进结果。
其中,所述洪水演进模型为圣维南方程组,所述第一洪水演进结果包括所述当前监测区域的各单元流域的各断面的平均流量以及平均水位。圣维南方程组的表达式为:
其中,Q为各所述单元流域的断面的平均流量(m3/s),Z为各所述单元流域的断面的平均水位(m),A为各所述单元流域的断面的主槽过水断面面积(m2),BT为全流域的总河宽(m),q为各所述单元流域的水流量(m3/s),K为流量模数,g为重力加速度(m/s2),x为各所述单元流域的沿水流方向距离(m),t为时间(s)。上述公式中的A、BT、q、K、g、x和t均为已知量,q表示的各所述单元流域的水流量为第二水流量,通过上述方程组可以求得Q和Z,并根据预先确定的单元流域的各个断面尺寸和Q计算单元流域的各断面平均流速,以及进一步计算洪峰流量、洪峰水位以及洪峰到达时间等。可选地,对于任意一条流域,设流域的首末两端的节点为N1和N2,将该流域的河段用n各断面划分为n-1个河段,即可确定每个单元流域的每个河段的断面尺寸。
S360,基于洪水淹没模型对第一洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算当前监测区域的第一漫溢淹没分析结果。
其中,第一漫溢淹没分析结果至少包括当前监测区域的各单元流域的淹没水深。洪水淹没模型可以为二维洪水淹没模型,二维洪水淹没模型的表达式:
其中,h为淹没水深,q为各所述单元流域的水流量(m3/s),u、v分别为x、y方向的垂向平均流速分量(m/s),g为重力加速度(m/s2)。结合上述圣维南方程组的计算结果,在当前监测区域的各单元流域划分为若干个不规则的非结构网格,将q、u、v以及g作为二维洪水淹没模型的输入数据,对于每个非结构网格采用有限体积法并根据二维洪水淹没模型计算淹没水深h。进一步地,还可以根据淹没水深以及当前监测区域的地形数据确定洪水淹没范围,根据淹没水深和平均流速计算洪水达到时间,以及计算淹没历时等信息。
可以理解的是,S350采用洪水演进模型(即利用水力学方法)对预报计算结果的第二水流量进行洪水演进计算,与S350不同的,本实施例还可以采用水文学方法对第二水流量进行洪水演进计算。可选地,如果采用水文学方法对第二水流量进行洪水演进计算,则所述演进漫溢模型包括水文学模型和洪水淹没模型,所述基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果,包括:基于所述水文学模型中的马斯京根槽蓄量方程和水量平衡方程对所述目标水流量包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第二洪水演进结果,其中,所述第二洪水演进结果包括所述当前监测区域的各单元流域的上断面入流量、下断面出流量、上断面水位以及下断面水位;基于所述洪水淹没模型对所述第二洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第二漫溢淹没分析结果,其中,所述第二漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。其中,
马斯京根槽蓄量方程为:
水量平衡方程为:W(t)=K[xI(t)+(1-x)Q(t)]=KQ′(t)公式(11)其中,I(t)为单元流域的上断面入流量(m3/s),Q(t)为单元流域的下断面出流量(m3/s),W(t)为单元流域的槽蓄量(m3),K为槽蓄系数,x为流量比重因子,Q′(t)为示储流量,t为演算时间。可以对K、x分别初定一个值,根据实测流量其进行试算,如果各次洪水计算出的值比较接近,则取平均值,如变化较大,可建立K、x与Q(t)之间的关系,联立求解公式(10)和公式(11),只要确定参数K、x及t后,即可推求下断面出流量,根据下断面出流量确定下断面水位。
可以理解的是,公式(11)为线性水量平衡方程,但河道蓄泄关系在很多时候并不呈现出完全的线性关系,尤其是小河道流域就表现出了非线性关系,其中,非线性关系的水量平衡方程为:
W(t)=K[xI(t)+(1-x)Q(t)]n=KQ′(t)n 公式(12)
其中,n为非线性指数。在估计非线性关系的参数时,可以通过变换公式(12)计算河道相关数据。通过上述(12)得出:
将公式(13)与公式(10)结合计算,得出:
其中,上述公式中的Δt为演算时长,通过公式(12)可以求出单元流域的槽蓄量W(t),通过公式(14)可以求出单元流域的槽蓄量W(t)的变化率ΔW(t),根据W(t)和ΔW(t)求出下一时间段内的槽蓄量。即下一时间段内的槽蓄量的表达式为:
W(t+1)=W(t)+ΔW(t) 公式(15)
根据公式(15)求得下一时间段的槽蓄量,根据公式(13)求出下一个时间段的水流量,重复上述步骤,结合断面形状与断面特征计算每个断面的水流量和水位数据。其中,参数K、x和n可以通过迭代方式求得,与前述内容相同的,可以预先对参数K、x和n设定一个初始值,并根据实时监测数据对公式(13)和公式(15)中的参数进行参数率定,其中,参数率定方式包括但不限于以下任意一种:最小二乘方法、非线性最小二乘法,以及混合遗传算法(MGA)、调和搜寻算法、粒子群优化算法。
进一步地,可以采用S360的方式对第二洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算当前监测区域的第二漫溢淹没分析结果。
可以理解的是,本实施例将上述水文预报模型、基于水动力学方法的洪水演进模型/基于水文学的洪水演进模型和洪水淹没模型集成为山洪模拟计算模型,可以使服务器方便快捷的进行流域洪水的产汇流和演进过程的预测和模拟,精确且高效的对山洪数据进行分析以及预警。
S370,如果确定漫溢淹没分析结果超过设定的预警阈值,生成报警信息。
其中,报警信息用于对当前监测区域进行报警。可选地,服务器对监测数据进行洪水预报计算、洪水演进计算以及洪水漫溢淹没分析的过程中,还可以导入降雨实时数据、人工输入预报时间和时段平均降雨量的方式设置预报方案,实现手动在线模拟。***支持设置多个预报模拟方案,可进行多个预报方案的洪水淹没范围、洪水淹没水深、洪水到达时间、洪水淹没历时的对比分析。
可选地,服务器还可以接收视频监控设备发送的当前监测区域的视频画面,对所述视频画面进行去噪处理和增透处理,确定去噪处理和增透处理后的视频画面的感兴趣画面,将感兴趣画面发送至终端设备。这样,可以通过终端设备直观的展示当前监测区域的现场的监测数据、二维图表、洪水过程动态图、视频画面以及报警信息等信息,利于工作人员准确掌握现场情况以及进行应急处理等。可选地,监测设备还可以将监测数据发送至数据采集设备,通过数据采集设备将非数字化的监测数据转化为数字化的监测数据,数据采集设备将数字化的监测数据发送给服务器,便于服务器分析数据。
本实施例提供的技术方案,通过基于水动力学方法的洪水演进模型/基于文学的洪水演进模型对第二水流量进行洪水演进计算,提高洪水演进计算的灵活性,并且将水文预报模型、水动力模型/水文学模型和洪水淹没模型集耦合,达到一体化采集数据、分析数据以及报警的目的。
实施例四
图5为本发明实施例四提供的一种山洪灾害预警装置的结构示意图。该装置配置于服务器。参见图5所示,该装置包括:监测数据获取模块410、参数率定模块420、漫溢淹没分析结果生成模块430以及预警模块440。
其中,监测数据获取模块410,用于获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
参数率定模块420,用于根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
漫溢淹没分析结果生成模块430,用于基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
预警模块440,用于如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
在上述各技术方案的基础上,参数率定模块420还用于,将所述雨量数据、所述土壤墒情数据和蒸散发数据输入所述初始水文预报模型,得到预测水流量;
采用全局优化算法计算所述标准水流量和所述预测水流量之间的最小绝对误差;
根据所述最小绝对误差迭代调整所述初始水文预报模型的模型参数,直至所述最小绝对误差达到设定阈值或者迭代次数达到设定次数,得到所述目标水文预报模型。
在上述各技术方案的基础上,所述目标水文预报模型为新安江水文预报模型,所述漫溢淹没分析结果生成模块430还用于,将所述雨量数据、所述土壤墒情数据和所述蒸散发数据输入至所述目标水文预报模型,根据所述目标水文预报模型的相关参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到所述当前监测区域的各单元流域的上出口断面的第一水流量;
对各所述第一水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第二水流量;
将所述当前监测区域的各单元流域的第二水流量进行线性叠加,将所述第二水流量的叠加结果作为所述当前监测区域的预报计算结果。
在上述各技术方案的基础上,所述目标水文预报模型为基于地形的水文模型,所述漫溢淹没分析结果生成模块430还用于,获取所述当前监测区域的地形数据,根据所述地形数据构建所述当前监测区域的数字高程模型,并将所述数字高程模型划分为多个水文单元,其中,至少一个所述水文单元用于构成一个单元流域;
从所述数字高程模型提取各所述水文单元的地形指数,采用统计学方式计算每类地形指数包括的水文单元的面积分布函数;
根据每类所述地形指数所对应的面积比例和所述面积分布函数,计算每类地形指数的所有水文单元的产流量,并将每类地形指数的所有水文单元的产流量进行累加,得到所述当前监测区域的各单元流域的上出口断面的第三水流量;
采用等流时线法对各所述第三水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第四水流量;
将所述当前监测区域的各单元流域的第四水流量进行线性叠加,将所述第四水流量的叠加结果作为所述当前监测区域的预报计算结果。
在上述各技术方案的基础上,所述演进漫溢模型包括洪水演进模型和洪水淹没模型,漫溢淹没分析结果生成模块430还用于,基于所述洪水演进模型对所述预报计算结果包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第一洪水演进结果,其中,所述洪水演进模型为圣维南方程组,所述第一洪水演进结果包括所述当前监测区域的各单元流域的各断面的平均流量以及平均水位;
基于所述洪水淹没模型对所述第一洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第一漫溢淹没分析结果,其中,所述第一漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。
在上述各技术方案的基础上,所述演进漫溢模型包括水文学模型和洪水淹没模型,漫溢淹没分析结果生成模块430还用于,基于所述水文学模型中的马斯京根槽蓄量方程和水量平衡方程对所述目标水流量包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第二洪水演进结果,其中,所述第二洪水演进结果包括所述当前监测区域的各单元流域的上断面入流量、下断面出流量、上断面水位以及下断面水位;
基于所述洪水淹没模型对所述第二洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第二漫溢淹没分析结果,其中,所述第二漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。
在上述各技术方案的基础上,该装置还包括:校正模块;其中,校正模块,用于根据所述监测数据和所述历史数据对所述目标水文预报模型进行实时校正,以根据校正后的目标水文预报模型对所述监测数据进行洪水预报计算。
本实施例提供的技术方案,通过获取监测数据,根据监测数据中的标准水流量对初始水文预报模型进行率定,将率定后的模型作为目标水文预报模型,根据目标水文预报模型对监测数据进行洪水预报计算,以及根据演进漫溢模型对预报计算结果进行演进漫溢计算,得到当前监测区域的漫溢淹没分析结果,进一步根据漫溢淹没分析结果确定是否生成预警信息以用于对当前监测区域进行报警。解决了现有技术中山洪灾害预警方式较多的依赖人工的问题。并且,通过结合目标水文预报模型和演进漫溢模型对监测数据进行分析,达到一体化采集数据、分析数据以及报警的目的,实现提高山洪灾害预警并减少人力成本的效果,同时提高预警精度以及预警效率,满足精确且高效预警山洪灾害的需求。
实施例五
图6为本发明实施例五提供的一种服务器的结构示意图。图6示出了适于用来实现本发明实施方式的示例***器12的框图。图6显示的服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如山洪灾害预警装置的监测数据获取模块410、参数率定模块420、漫溢淹没分析结果生成模块430以及预警模块440)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(例如山洪灾害预警装置的监测数据获取模块410、参数率定模块420、漫溢淹没分析结果生成模块430以及预警模块440)程序模块46的程序/实用工具44,可以存储在例如存储器28中,这样的程序模块46包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块46通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种山洪灾害预警方法,包括:
获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种山洪灾害预警方法。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的一种山洪灾害预警方法的技术方案。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种山洪灾害预警方法,包括:
获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的一种山洪灾害预警方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、***或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、***或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在监测数据、漫溢淹没分析结果、报警信息等,其中承载了计算机可读的程序代码。这种传播的监测数据、漫溢淹没分析结果、报警信息等形式。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、***或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
值得注意的是,上述山洪灾害预警装置的实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种山洪灾害预警方法,其特征在于,包括:
获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型,包括:
将所述雨量数据、所述土壤墒情数据和所述蒸散发数据输入所述初始水文预报模型,得到预测水流量;
采用全局优化算法计算所述标准水流量和所述预测水流量之间的最小绝对误差;
根据所述最小绝对误差迭代调整所述初始水文预报模型的模型参数,直至所述最小绝对误差达到设定阈值或者迭代次数达到设定次数,得到所述目标水文预报模型。
3.根据权利要求1所述的方法,其特征在于,所述目标水文预报模型为新安江水文预报模型,所述基于所述目标水文预报模型对所述监测数据进行洪水预报计算,包括:
将所述雨量数据、所述土壤墒情数据和所述蒸散发数据输入至所述目标水文预报模型,根据所述目标水文预报模型的相关参数依次进行蒸发计算、产流计算、水源划分计算以及汇流计算,得到所述当前监测区域的各单元流域的上出口断面的第一水流量;
对各所述第一水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第二水流量;
将所述当前监测区域的各单元流域的第二水流量进行线性叠加,将所述第二水流量的叠加结果作为所述当前监测区域的预报计算结果。
4.根据权利要求1所述的方法,其特征在于,所述目标水文预报模型为基于地形的水文模型,所述基于所述目标水文预报模型对所述监测数据进行洪水预报计算,包括:
获取所述当前监测区域的地形数据,根据所述地形数据构建所述当前监测区域的数字高程模型,并将所述数字高程模型划分为多个水文单元,其中,至少一个所述水文单元用于构成一个单元流域;
从所述数字高程模型提取各所述水文单元的地形指数,采用统计学方式计算每类地形指数包括的水文单元的面积分布函数;
根据每类所述地形指数所对应的面积比例和所述面积分布函数,计算每类地形指数的所有水文单元的产流量,并将每类地形指数的所有水文单元的产流量进行累加,得到所述当前监测区域的各单元流域的上出口断面的第三水流量;
采用等流时线法对各所述第三水流量进行河道汇流计算,得到所述当前监测区域的各单元流域的下出口断面的第四水流量;
将所述当前监测区域的各单元流域的第四水流量进行线性叠加,将所述第四水流量的叠加结果作为所述当前监测区域的预报计算结果。
5.根据权利要求3所述的方法,其特征在于,所述演进漫溢模型包括洪水演进模型和洪水淹没模型,所述基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果,包括:
基于所述洪水演进模型对所述预报计算结果包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第一洪水演进结果,其中,所述洪水演进模型为圣维南方程组,所述第一洪水演进结果包括所述当前监测区域的各单元流域的各断面的平均流量以及平均水位;
基于所述洪水淹没模型对所述第一洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第一漫溢淹没分析结果,其中,所述第一漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。
6.根据权利要求3所述的方法,其特征在于,所述演进漫溢模型包括水文学模型和洪水淹没模型,所述基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果,包括:
基于所述水文学模型中的马斯京根槽蓄量方程和水量平衡方程对所述目标水流量包括的各所述第二水流量进行洪水演进计算,得到各所述单元流域的下出口断面的第二洪水演进结果,其中,所述第二洪水演进结果包括所述当前监测区域的各单元流域的上断面入流量、下断面出流量、上断面水位以及下断面水位;
基于所述洪水淹没模型对所述第二洪水演进结果进行洪水漫溢淹没分析,并采用非结构网格的有限体积法计算所述当前监测区域的第二漫溢淹没分析结果,其中,所述第二漫溢淹没分析结果至少包括所述当前监测区域的各单元流域的淹没水深。
7.根据权利要求1所述的方法,其特征在于,还包括:
根据所述监测数据和历史数据对所述目标水文预报模型进行实时校正,以根据校正后的目标水文预报模型对所述监测数据进行洪水预报计算。
8.一种山洪灾害预警装置,其特征在于,包括:
监测数据获取模块,用于获取当前监测区域的监测数据,其中,所述监测数据包括水位数据、雨量数据、土壤墒情数据、蒸散发数据以及水流量数据;
参数率定模块,用于根据所述当前监测区域的标准水流量对所述当前监测区域的初始水文预报模型进行参数率定,得到目标水文预报模型;
漫溢淹没分析结果生成模块,用于基于所述目标水文预报模型对所述监测数据进行洪水预报计算,并基于演进漫溢模型对预报计算结果进行演进漫溢计算,得到所述当前监测区域的漫溢淹没分析结果;
预警模块,用于如果确定所述漫溢淹没分析结果超过设定的预警阈值,生成报警信息,其中,所述报警信息用于对所述当前监测区域进行报警。
9.一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的山洪灾害预警方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-7中任一项所述的山洪灾害预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010620857.9A CN111795681A (zh) | 2020-06-30 | 2020-06-30 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010620857.9A CN111795681A (zh) | 2020-06-30 | 2020-06-30 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111795681A true CN111795681A (zh) | 2020-10-20 |
Family
ID=72809965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010620857.9A Pending CN111795681A (zh) | 2020-06-30 | 2020-06-30 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111795681A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327698A (zh) * | 2020-11-05 | 2021-02-05 | 叶远 | 一种基于物联网的洪水灾害预警***及方法 |
CN112381285A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN112561212A (zh) * | 2021-02-22 | 2021-03-26 | 航天宏图信息技术股份有限公司 | 山洪风险预测方法、装置、设备及计算机存储介质 |
CN113222283A (zh) * | 2021-05-31 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的山洪预报预警方法及*** |
CN113673765A (zh) * | 2021-08-23 | 2021-11-19 | 四创科技有限公司 | 一种小流域洪水预报预警方法及终端 |
CN113762756A (zh) * | 2021-08-31 | 2021-12-07 | 北京七兆科技有限公司 | 一种基于高精度dem的变电站积水淹没计算方法 |
CN113987971A (zh) * | 2021-10-27 | 2022-01-28 | 北京中地华安环境工程有限公司 | 洪水危险性的预警方法、装置、电子设备和介质 |
CN114111730A (zh) * | 2021-11-19 | 2022-03-01 | 河南省鹤壁水文水资源勘测局 | 一种下游水文情报预测的方法及*** |
WO2022206265A1 (zh) * | 2021-04-02 | 2022-10-06 | 河海大学 | 一种基于深度强化学习的水文预报模型参数率定方法 |
CN116110200A (zh) * | 2023-02-14 | 2023-05-12 | 联通(广东)产业互联网有限公司 | 多模型融合地质灾害分析及预警方法、设备及存储介质 |
CN116824807A (zh) * | 2023-07-05 | 2023-09-29 | 成都高新减灾研究所 | 多灾害预警报警方法及*** |
CN118094178A (zh) * | 2024-04-28 | 2024-05-28 | 中国安能集团第二工程局有限公司 | 堰塞湖溃决后的水流量预测方法及*** |
EP4403963A1 (en) * | 2023-01-18 | 2024-07-24 | Iceye Oy | Systems and methods for estimating floods |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289570A (zh) * | 2011-07-23 | 2011-12-21 | 浙江大学 | 基于降雨-径流-洪水演进计算的洪水预报方法 |
CN105844709A (zh) * | 2016-03-25 | 2016-08-10 | 中国水利水电科学研究院 | 复杂河道地形流域洪水演进虚拟仿真的淹没线追踪方法 |
CN106875060A (zh) * | 2017-02-20 | 2017-06-20 | 宁波市水利水电规划设计研究院 | 一种基于全局自动优化算法的洪水实时校正方法 |
CN107978138A (zh) * | 2017-12-05 | 2018-05-01 | 南瑞集团有限公司 | 一种基于山洪动态演进仿真模型的灾害监测预警方法 |
CN108133578A (zh) * | 2017-12-25 | 2018-06-08 | 中国科学院、水利部成都山地灾害与环境研究所 | 山洪灾害险情动态预警方法、精细化分级监测预警方法 |
CN109816154A (zh) * | 2018-12-31 | 2019-05-28 | 浙江同川工程咨询有限公司 | 一种小流域山洪预报方法 |
KR102015531B1 (ko) * | 2019-03-25 | 2019-08-28 | 한국토코넷(주) | 홍수 예측 시스템 |
CN110415488A (zh) * | 2019-05-20 | 2019-11-05 | 宁波市水利水电规划设计研究院 | 一种山洪灾害预警的方法、***、电子设备及存储介质 |
CN111159848A (zh) * | 2019-12-04 | 2020-05-15 | 天津大学 | 一种暴雨高水位高潮位极端环境下的洪水风险模拟方法 |
-
2020
- 2020-06-30 CN CN202010620857.9A patent/CN111795681A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289570A (zh) * | 2011-07-23 | 2011-12-21 | 浙江大学 | 基于降雨-径流-洪水演进计算的洪水预报方法 |
CN105844709A (zh) * | 2016-03-25 | 2016-08-10 | 中国水利水电科学研究院 | 复杂河道地形流域洪水演进虚拟仿真的淹没线追踪方法 |
CN106875060A (zh) * | 2017-02-20 | 2017-06-20 | 宁波市水利水电规划设计研究院 | 一种基于全局自动优化算法的洪水实时校正方法 |
CN107978138A (zh) * | 2017-12-05 | 2018-05-01 | 南瑞集团有限公司 | 一种基于山洪动态演进仿真模型的灾害监测预警方法 |
CN108133578A (zh) * | 2017-12-25 | 2018-06-08 | 中国科学院、水利部成都山地灾害与环境研究所 | 山洪灾害险情动态预警方法、精细化分级监测预警方法 |
CN109816154A (zh) * | 2018-12-31 | 2019-05-28 | 浙江同川工程咨询有限公司 | 一种小流域山洪预报方法 |
KR102015531B1 (ko) * | 2019-03-25 | 2019-08-28 | 한국토코넷(주) | 홍수 예측 시스템 |
CN110415488A (zh) * | 2019-05-20 | 2019-11-05 | 宁波市水利水电规划设计研究院 | 一种山洪灾害预警的方法、***、电子设备及存储介质 |
CN111159848A (zh) * | 2019-12-04 | 2020-05-15 | 天津大学 | 一种暴雨高水位高潮位极端环境下的洪水风险模拟方法 |
Non-Patent Citations (6)
Title |
---|
宋孝玉,马细霞: "《工程水文学》", 31 May 2014, 黄河水利出版社 * |
张升堂: "《分布式水文模型参数空间变异模拟研究》", 30 August 2015, 黄河水利出版社 * |
方红卫,郑毅等: "青岛大沽河流域防洪决策支持***", 《水利水电科技进展》 * |
朱华: "《水情自动测报***》", 30 November 1993, 水利电力出版社 * |
邹华志等: "《珠江河口咸潮上溯规律及水库-闸泵群抑咸调度》", 30 August 2018, 中国环境出版集团 * |
霍世青,郑红星等: "《黄河吴龙区间洪水泥沙预报技术研究》", 28 February 2013, 黄河水利出版社 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327698A (zh) * | 2020-11-05 | 2021-02-05 | 叶远 | 一种基于物联网的洪水灾害预警***及方法 |
CN112381285A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN112381285B (zh) * | 2020-11-12 | 2024-06-07 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN112561212A (zh) * | 2021-02-22 | 2021-03-26 | 航天宏图信息技术股份有限公司 | 山洪风险预测方法、装置、设备及计算机存储介质 |
WO2022206265A1 (zh) * | 2021-04-02 | 2022-10-06 | 河海大学 | 一种基于深度强化学习的水文预报模型参数率定方法 |
CN113222283A (zh) * | 2021-05-31 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的山洪预报预警方法及*** |
CN113222283B (zh) * | 2021-05-31 | 2023-12-26 | 中国水利水电科学研究院 | 一种基于数字孪生的山洪预报预警方法及*** |
CN113673765A (zh) * | 2021-08-23 | 2021-11-19 | 四创科技有限公司 | 一种小流域洪水预报预警方法及终端 |
CN113673765B (zh) * | 2021-08-23 | 2024-06-07 | 四创科技有限公司 | 一种小流域洪水预报预警方法及终端 |
CN113762756A (zh) * | 2021-08-31 | 2021-12-07 | 北京七兆科技有限公司 | 一种基于高精度dem的变电站积水淹没计算方法 |
CN113987971A (zh) * | 2021-10-27 | 2022-01-28 | 北京中地华安环境工程有限公司 | 洪水危险性的预警方法、装置、电子设备和介质 |
CN114111730A (zh) * | 2021-11-19 | 2022-03-01 | 河南省鹤壁水文水资源勘测局 | 一种下游水文情报预测的方法及*** |
EP4403963A1 (en) * | 2023-01-18 | 2024-07-24 | Iceye Oy | Systems and methods for estimating floods |
CN116110200A (zh) * | 2023-02-14 | 2023-05-12 | 联通(广东)产业互联网有限公司 | 多模型融合地质灾害分析及预警方法、设备及存储介质 |
CN116824807A (zh) * | 2023-07-05 | 2023-09-29 | 成都高新减灾研究所 | 多灾害预警报警方法及*** |
CN116824807B (zh) * | 2023-07-05 | 2024-04-30 | 成都高新减灾研究所 | 多灾害预警报警方法及*** |
CN118094178A (zh) * | 2024-04-28 | 2024-05-28 | 中国安能集团第二工程局有限公司 | 堰塞湖溃决后的水流量预测方法及*** |
CN118094178B (zh) * | 2024-04-28 | 2024-07-19 | 中国安能集团第二工程局有限公司 | 堰塞湖溃决后的水流量预测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111795681A (zh) | 一种山洪灾害预警方法、装置、服务器及存储介质 | |
ES2894877T3 (es) | Proceso y sistema para análisis y gestión hidrológicos de cuencas de ríos | |
CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
Ali et al. | Simulation of the impacts of land-use change on surface runoff of Lai Nullah Basin in Islamabad, Pakistan | |
CN114997541B (zh) | 一种基于数字孪生技术的城市内涝预测方法及预警平台 | |
WO2021129680A1 (zh) | 融雪性洪水预测方法、装置、电子设备和存储介质 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及*** | |
CN111784976B (zh) | 一种山洪灾害预警方法、装置、***及存储介质 | |
CN110646867A (zh) | 一种城市排水监测预警方法和*** | |
CN116070918A (zh) | 一种城市洪涝安全评估及洪涝灾害防治方法 | |
Gomez et al. | Skill of ensemble flood inundation forecasts at short-to medium-range timescales | |
Rao et al. | A distributed model for real-time flood forecasting in the Godavari Basin using space inputs | |
CN113222283A (zh) | 一种基于数字孪生的山洪预报预警方法及*** | |
CN113569438A (zh) | 基于多源降雨融合和实时校正的城市洪涝模型构建方法 | |
CN111079282A (zh) | 水文预报方法及设备 | |
Henao Salgado et al. | Assessing flood early warning systems for flash floods | |
Hanslian et al. | Combining the VAS 3D interpolation method and Wind Atlas methodology to produce a high-resolution wind resource map for the Czech Republic | |
Xue et al. | Climate variability impacts on runoff projection under quantile mapping bias correction in the support CMIP6: An investigation in Lushi basin of China | |
Roelevink et al. | Flood forecasting system for the Maritsa and Tundzha Rivers | |
CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 | |
Parvaze et al. | Flood forecasting in the sparsely gauged jhelum river basin of greater himalayas using integrated hydrological and hydraulic modelling approach | |
Amir et al. | Hydrologic and hydrodynamic modelling of extreme flood events to assess the impact of climate change in a large basin with limited data | |
Unkrich et al. | Real-time flash flood forecasting using weather radar and a distributed rainfall-runoff model | |
Fava et al. | Integration of information technology systems for flood forecasting with hybrid data sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201020 |
|
RJ01 | Rejection of invention patent application after publication |