CN117196302A - 一种基于汇水分区的区域内涝风险预测方法及*** - Google Patents
一种基于汇水分区的区域内涝风险预测方法及*** Download PDFInfo
- Publication number
- CN117196302A CN117196302A CN202311154343.9A CN202311154343A CN117196302A CN 117196302 A CN117196302 A CN 117196302A CN 202311154343 A CN202311154343 A CN 202311154343A CN 117196302 A CN117196302 A CN 117196302A
- Authority
- CN
- China
- Prior art keywords
- risk
- waterlogging
- catchment
- data
- rainfall
- 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 44
- 238000005192 partition Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 239000007788 liquid Substances 0.000 claims abstract description 9
- 238000012502 risk assessment Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 5
- 238000012549 training Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Sewage (AREA)
Abstract
本发明涉及一种基于汇水分区的区域内涝风险预测方法及***,方法包括:根据区域三维DEM数据,识别潜在的内涝发生位置,以每一个潜在的内涝发生位置的汇水范围,划分为若干个汇水分区,获取汇水分区内降雨量监测数据及排水标准能力值;基于上述数据,对各汇水分区进行内涝风险分析评估,输出风险值结果;根据风险值计算总风险值,划分总风险值为不同风险等级,根据风险等级在G I S地图上展示风险分布图;在线调用内涝仿真模型,基于汇水分区内降雨量监测数据、积水液位及排水能力,对当前雨情下未来一段时间可能的内涝走势进行预测及模拟,将模拟结果动态展示。采用本发明预测方法及***能够为降低内涝风险和防汛指挥调度提供科学依据。
Description
技术领域
本发明涉及防汛技术领域,具体涉及一种基于汇水分区的区域内涝风险预测方法及***。
背景技术
许多的城市存在城市排水***的规划、建设跟不上城镇规模的快速扩张的问题,造成在遭遇强降雨天气时,极易形成区域积水难排,导致城市内涝。城市内涝严重威胁了市民的出行安全,造成大量的财产安全损失和人员伤亡。因此,解决城市内涝很有必要的。
现有的城市内涝检测预警的解决方法,一般采用积水液位探测传感器实时监测易积水道路的技术情况,将采集的数据通过网络传输至管理平台,相关人员可及时掌握城市易积水点的积水情况,并作出指挥调度。相对于传统的人工现场监测,积水液位在线监测***的工作效率上有很大提升,避免了资源的浪费,保护了人民群众生命财产安全。但是,城镇化的发展和人口的增多对于城市管理提出更严峻的挑战,仅依靠积水液位在线监测***也不能很好解决积水安全隐患。
发明内容
本发明提出一种基于汇水分区的区域内涝风险预测方法,旨在部分解决以上技术问题。
为了解决上述技术问题,本发明的技术方案是:
第一方面,提出一种基于汇水分区的区域内涝风险预测方法,包括:
根据区域三维DEM(Digital Elevation Model,数字高程模型)数据,识别潜在的内涝发生位置,以每一个潜在的内涝发生位置的汇水范围,划分为若干个汇水分区,将每个汇水分区展示在GIS地图上,这里GIS地图是指地理信息***,是一个用于描绘地球和其他地理要素并突出其特征,从而显示和分析经空间配准的信息的***。
获取汇水分区内降雨量监测数据及排水标准能力值;基于上述数据,对各汇水分区进行内涝风险分析评估,输出风险值结果;根据风险值计算总风险值,划分总风险值为不同风险等级,根据风险等级在GIS地图上展示风险分布图;
在线调用内涝仿真模型,基于汇水分区内降雨量监测数据、积水液位及排水能力,对当前雨情下未来一段时间可能的内涝走势进行预测及模拟,将模拟结果动态展示;
根据风险值结果判定各汇水分区内涝风险等级,包括:
计算汇水分区的风险值,包括:将降雨总量P与排水标准能力值H做比较,计算风险值K;当P≤H,风险值k=0;当H<P<1.5H,风险值k=4;当1.5H≤P<2H,风险值k=6;当2H≤P<2.5H,风险值k=8;当P≥2.5H,风险值k=10;其中,降雨总量P=SUM(Pi),Pi为降雨数据,降雨数据Pi为汇水分区内一个或多个雨量雨量监测站降雨量监测数据的加权平均数,(i=1,2……24);
判定汇水分区的风险等级,包括:基于风险值K,计算总风险值F,F=K*0.3+L,其中,L的取值为0-10;划分总风险值为5个风险等级,当F≤3.0,风险等级=1;当3.0<F≤4.0,风险等级=2;当4.0<F≤5.0,风险等级=3;当5.0<F≤6.0,风险等级=4;当F>6.0,风险等级=5;
在线调用内涝仿真模型,对当前雨情下未来一段时间可能的积水内涝走势进行预测及模拟,包括在线计算汇水分区的径流深度,径流深度用最大实时积水MAX h表征,h=MAX(hi)(i=1,2……24);其中hi为实时积水;具体的,径流深度的单次计算过程包括:
获取降雨数据Pi,(i=1,2……24),并计算降雨总量P,其中,P=SUM(Pi);
基于降雨总量P及不透水比例f,计算净雨过程fc,设净雨总量为R,用以表征fc,其中,R=A*P2+B*P-C;
运算净雨过程fc,判断是否Pi>fc,若是,则净雨数据Ri=Pi-fc,(i=1,2……24);若否,则Ri=0,(i=1,2……24);
计算净雨总量R'=SUM(Ri);判断是否净雨总量R=净雨总量R',若是,则进行下一步,计算实时积水hi,(i=1,2……24);若否,则继续从运算净雨过程fc步骤开始执行;
计算实时积水hi;
求出h=MAX(hi)(i=1,2……24),用于表征径流深度。
作为优选的技术方案,计算实时积水hi,包括:
判断是否i=1,若是,则进一步判断是否排水能力W>R1,若是,则得出实时积水h1=0,若否,则得出实时积水h1=R1-W;
判断是否i=1,若否,则进一步判断是否排水能力W>Ri+hi-1,若是,则hi=0(i=2,3……24),若否,则hi=Ri+hi-1-W(i=2,3……,24)。
以上步骤中,i代表时刻。用以表示某一时刻下的数值。
作为优选的技术方案,获取降雨数据Pi并进行迭代计算,得出t时刻下的径流深度及t+1时刻下的径流深度,进而对当前雨情下未来一段时间可能的积水内涝走势进行预测。
作为优选的技术方案,风险等级在GIS地图上展示风险分布图,风险分布图采用不同颜色及图例标注出。
作为优选的技术方案,风险分布图或径流深度根据降雨数据Pi的更新,至少每5分钟更新一次。
作为优选的技术方案,模拟结果能够通过淹没水深、淹没面积或淹没范围进行动态展示。
作为优选的技术方案,不透水比例f被设为至少5个标准,分别为0.2、0.4、0.6、0.7和0.8。
作为优选的技术方案,内涝仿真模型基于水力学模型及机器学习算法构建。
第二方面,提出一种区域内涝风险预测***,包括:
数据获取模块,用于获取区域内三维DEM数据、降雨量监测数据、排水标准能力值、积水液位及排水能力;
数据分析模块,用于基于数据获取模块获取的数据,分析内涝风险等级及预测内涝走势,获取综合分析结果;
模拟模块,用于根据综合分析结果及数据获取模块获取的数据进行内涝情景模拟,将模拟结果动态展示。
第三方面,提出一种终端,包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行上述的=的基于汇水分区的区域内涝风险预测方法。
本发明相对于现有技术取得了以下技术效果:(1)本发明提出的基于汇水分区的区域内涝风险预测方法,将区域划分为若干个小的汇水范围,由于每个汇水分区的属性不同,进而内涝风险也不同,因此,针对性划分为若干个分区进行风险预测可使监测更加精准。(2)基于实时获取的监测数据,在线计算内涝风险等级,并在GIS地图上动态展示,方便相关人员直观掌握并预测内涝发生风险;(3)基于水力学模型及机器学习算法,构建内涝仿真模型,输入汇水分区内降雨量监测数据、积水液位及排水能力等参数,可以对当前雨情下未来一段时间可能的内涝走势进行预测及模拟,将模拟结果动态展示,为降低内涝风险和防汛指挥调度提供科学依据。
附图说明:
图1本发明实施例1提出的一种基于汇水分区的区域内涝风险预测方法流程示意图;
图2本发明实施例1提出的动态风险计算流程示意图;
图3本发明实施例1提出的单次径流深计算流程示意图;
图4本发明实施例1提出的汇水分区径流深动态计算流程示意图;
图5本发明实施例2提出的一种区域内涝风险预测***示意图;
附图标记说明
数据获取模块10;数据分析模块20;模拟模块30。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,为本实施例提出的一种基于汇水分区的区域内涝风险预测方法,该方法包括:
S10:根据区域三维DEM数据,识别潜在的内涝发生位置,以每一个潜在的内涝发生位置的汇水范围,划分为若干个汇水分区,将每个汇水分区展示在GIS地图上。划分汇水分区后,计算每个区域的属性,包括其汇水面积a、平均坡度s、积水体积v,获得的计算结果可以作为其他影响因子风险值考量。
S20:获取汇水分区内降雨量监测数据及排水标准能力值。同时,在地图GIS上展示所有雨量监测站点的位置和雨量信息,可以设为每5分钟读取雨量监测站的降雨量的数值,***会自动更新相应的数字,自动计算出实时相应的降雨量值。基于上述数据,对各汇水分区进行内涝风险分析评估,输出风险值结果;根据风险值计算总风险值,划分总风险值为不同风险等级,根据风险等级在GIS地图上展示风险分布图。具体的,如图2所示,根据风险值结果判定各汇水分区内涝风险等级,包括以下几个步骤:
S201:计算汇水分区的风险值,包括:将降雨总量P与排水标准能力值H做比较,计算风险值K,这里风险值的统称用K表示,各风险值用k表示。当P≤H,风险值k=0;当H<P<1.5H,风险值k=4;当1.5H≤P<2H,风险值k=6;当2H≤P<2.5H,风险值k=8;当P≥2.5H,风险值k=10;其中,降雨总量P=SUM(Pi),Pi为降雨数据,降雨数据Pi为特定时刻下汇水分区内一个或多个雨量雨量监测站降雨量监测数据的加权平均数,(i=1,2……24),进一步的,为了实时监测,降雨数据Pi设为汇水分区内一个或多个雨量雨量监测站在某一时刻最近两小时内,间隔5分钟获取的降雨数据的加权平均数。
S202:判定汇水分区的风险等级,包括:基于风险值K,计算总风险值F,F=K*0.3+L,其中,L的取值为0-10;划分总风险值为5个风险等级,当F≤3.0,风险等级=1;当3.0<F≤4.0,风险等级=2;当4.0<F≤5.0,风险等级=3;当5.0<F≤6.0,风险等级=4;当F>6.0,风险等级=5。
优选的,风险等级可以在GIS地图上用风险分布图谱进行展示,风险分布图谱采用不同颜色及图例标注出。其中,风险等级为1时,对应为小雨天气,风险等级为2时,对应为中雨天气,风险等级为3时,对应为大雨天气,风险等级为4时,对应为暴雨天气,风险等级为5时,对应为大暴雨天气下的雨量情况动态监测。风险分布图上还可以进一步显示雨量监测站站点的位置信息,进一步的,图例可以采用5种颜色标注出雨量的大小,可以从图中直观的看出雨量的实时分布情况,便于相关人员预测内涝发生的风险情况,科学作出相关防汛决策。
S30:在线调用内涝仿真模型,基于汇水分区内降雨量监测数据、积水液位及排水能力,对当前雨情下未来一段时间可能的内涝走势进行预测及模拟,将模拟结果动态展示。
具体的,包括在线计算汇水分区的径流深度,径流深度用最大实时积水MAX h表征,h=MAX(hi)(i=1,2……24);其中hi为实时积水。具体的,如图3所示,径流深度的单次计算过程包括以下步骤:
S301:获取降雨数据Pi,(i=1,2……24),并计算降雨总量P,其中,P=SUM(Pi)。这里关于降雨数据Pi的得出同上,这里不再赘述。
S302:基于降雨总量P及不透水比例f,计算净雨过程fc,设净雨总量为R,用以表征fc,其中,R=A*P2+B*P-C。
其中,A设为0.0004,B、C的值与不透水比例f的值相关。
优选的,不透水比例f被设为至少5个标准,分别为0.2、0.4、0.6、0.7和0.8。当不透水比例f=0.2时,设计净雨总量R=0.0004P2+0.2015P-1.7833。
当不透水比例f=0.4时,R=0.0004P2+0.3502P-6.2781,当不透水比例f=0.6时,R=0.0004P2+0.4621P-8.4746,当不透水比例f=0.7时,R=0.0004P2+0.5052P-7.7781,当不透水比例f=0.8时,R=0.0004P2+0.5520P-7.6833。本领域人员应该可以理解,这里A、B、C的值通过机器算法大量验证与训练得出。
S303:运算净雨过程fc,判断是否Pi>fc,若是,则净雨数据Ri=Pi-fc,(i=1,2……24);若否,则Ri=0,(i=1,2……24)。
S304:计算净雨总量R'=SUM(Ri);判断是否净雨总量R=净雨总量R',若是,则进行下一步,计算实时积水hi,(i=1,2……24);若否,则继续从S303运算净雨过程fc步骤开始向下执行。
S305:计算实时积水hi。
优选的,计算实时积水hi值时,包括:
判断是否i=1,若是,则进一步判断是否排水能力W>R1,若是,则得出实时积水h1=0,若否,则得出实时积水h1=R1-W;
判断是否i=1,若否,则进一步判断是否排水能力W>Ri+hi-1,若是,则hi=0(i=2,3……24),若否,则hi=Ri+hi-1-W(i=2,3……,24)。
S306:求出h=MAX(hi)(i=1,2……24),用于表征径流深度。
优选的,如图4所示,通过编程获取降雨数据Pi并进行迭代计算,通过计算降雨过程及净雨过程,得出汇水分区的径流深度Hi,其中,i=t及t+1。通过计算得出t时刻及t+1时刻下的径流深度,进而能够对当前雨情下,未来一段时间内可能的积水内涝走势进行预测。
优选的,内涝仿真模型基于水动力学模型及机器学习算法构建。首先,将水动力学模型模拟精细结果进行提取研究,提取研究范围内网格的淹没水深序列,记为训练数据集;通过机器学习相关算法建立城市内涝快速仿真模型。
以上,本实施例中,i表示1~24时刻,Pi表示某一时刻下的降雨数据,Ri表示某一时刻下的净雨数据,hi表示某一时刻下的实时积水数据等。
结合水动力学模型的模拟结果,从淹没水深、淹没面积、淹没范围等多方面具体分析极端降雨情景下可能出现的内涝风险,并将模拟结果作为机器学习的数据集。结合区域极端降雨特点和情景构建结果,基于包含城市下垫面数据、管网数据、地表分布数据等在内的基础精细数据,形成复杂、动态和非线性的***数据的抽象特征表达。因此,内涝仿真模型通过机器学习算法进行内涝迅速预测,开展城市极端降雨情景压力测试,为城市应对内涝风险、增强城市内涝韧性提供依据和支撑。
实施例2
如图5所示,为本实施例提出的一种区域内涝风险预测***,该***包括:
数据获取模块10,用于获取区域内三维DEM数据、降雨量监测数据、排水标准能力值、积水液位及排水能力、区域下垫面数据监测、管网数据监测及地表分布数据监测等基础精细数据。
数据分析模块20,用于基于数据获取模块获取的数据,分析内涝风险等级及预测内涝走势,获取综合分析结果。数据分析包括计算及分析两部分。通过机器算法在线计算内涝风险等级及汇水分区径流深度,通过阈值判断,进行风险分析及内涝走势分析。
模拟模块30,用于根据上述综合分析结果及数据获取模块获取的数据进行内涝情景模拟,将模拟结果动态展示。具体的,包括建立内涝仿真模型及模型训练,将水动力学模型模拟精细结果进行提取研究,提取研究范围内网格的淹没水深序列,记为训练数据集。输入降雨数据以及包含城市下垫面数据、管网数据、地表分布数据等在内的基础精细数据,形成复杂、动态和非线性的***数据的抽象特征表达,实现对内涝风险进行预测并模拟。
本发明还提出一种终端,包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如实施例1提出的内涝风险预测方法。
Claims (10)
1.一种基于汇水分区的区域内涝风险预测方法,其特征在于,包括:
根据区域三维DEM数据,识别潜在的内涝发生位置,以每一个潜在的内涝发生位置的汇水范围,划分为若干个汇水分区,将每个所述汇水分区展示在GIS地图上;
获取所述汇水分区内降雨量监测数据及排水标准能力值;基于上述数据,对各所述汇水分区进行内涝风险分析评估,输出风险值结果;根据所述风险值计算总风险值,划分所述总风险值为不同风险等级,根据所述风险等级在所述GIS地图上展示风险分布图;
在线调用内涝仿真模型,基于所述汇水分区内降雨量监测数据、积水液位及排水能力,对当前雨情下,未来一段时间可能的内涝走势进行预测及模拟,将模拟结果动态展示;
所述根据所述风险值结果判定各所述汇水分区内涝风险等级,包括:
计算所述汇水分区的风险值,包括:将降雨总量P与排水标准能力值H做比较,计算所述风险值K;当P≤H,风险值k=0;当H<P<1.5H,风险值k=4;当1.5H≤P<2H,风险值k=6;当2H≤P<2.5H,风险值k=8;当P≥2.5H,风险值k=10;其中,所述降雨总量P=SUM(Pi),所述Pi为降雨数据,所述降雨数据Pi为所述汇水分区内一个或多个雨量雨量监测站降雨量监测数据的加权平均数,(i=1,2……24);
判定所述汇水分区的风险等级,包括:基于所述风险值K,计算总风险值F,F=K*0.3+L,其中,L的取值为0-10;划分所述总风险值为5个风险等级,当F≤3.0,风险等级=1;当3.0<F≤4.0,风险等级=2;当4.0<F≤5.0,风险等级=3;当5.0<F≤6.0,风险等级=4;当F>6.0,风险等级=5;
所述在线调用内涝仿真模型,对当前雨情下,未来一段时间可能的积水内涝走势进行预测及模拟,包括在线计算所述汇水分区的径流深度,所述径流深度用最大实时积水MAX h表征,h=MAX(hi)(i=1,2……24);其中hi为实时积水;具体的,所述径流深度的单次计算过程包括:
获取所述降雨数据Pi,(i=1,2……24),并计算降雨总量P,其中,P=SUM(Pi);
基于所述降雨总量P及不透水比例f,计算净雨过程fc,设净雨总量为R,用以表征所述fc,其中,R=A*P2+B*P-C;
运算净雨过程fc,判断是否Pi>fc,若是,则净雨数据Ri=Pi-fc,(i=1,2……24);若否,则Ri=0,(i=1,2……24);
计算净雨总量R'=SUM(Ri);判断是否所述净雨总量R=所述净雨总量R',若是,则进行下一步,计算实时积水hi,(i=1,2……24);若否,则继续从所述运算净雨过程fc步骤开始执行;
计算实时积水hi;
求出h=MAX(hi)(i=1,2……24),用于表征所述径流深度。
2.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述计算实时积水hi,包括:
判断是否i=1,若是,则进一步判断是否排水能力W>R1,若是,则得出实时积水h1=0,若否,则得出实时积水h1=R1-W;
判断是否i=1,若否,则进一步判断是否所述排水能力W>Ri+hi-1,若是,则hi=0(i=2,3……24),若否,则hi=Ri+hi-1-W(i=2,3……,24)。
3.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,获取所述降雨数据Pi并进行迭代计算,得出t时刻下的所述径流深度及t+1时刻下的所述径流深度,进而对当前雨情下未来一段时间可能的积水内涝走势进行预测。
4.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述风险等级在所述GIS地图上展示风险分布图,所述风险分布图采用不同颜色及图例标注出。
5.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述风险分布图或所述径流深度根据所述降雨数据Pi的更新,至少每5分钟更新一次。
6.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述模拟结果能够通过淹没水深、淹没面积或淹没范围进行动态展示。
7.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述不透水比例f被设为至少5个标准,分别为0.2、0.4、0.6、0.7和0.8。
8.根据权利要求1所述的一种基于汇水分区的区域内涝风险预测方法,其特征在于,所述内涝仿真模型基于水力学模型及机器学习算法构建。
9.一种区域内涝风险预测***,其特征在于,包括:
数据获取模块,用于获取区域内三维DEM数据、降雨量监测数据、排水标准能力值、积水液位及排水能力;
数据分析模块,用于基于所述数据获取模块获取的数据,分析内涝风险等级及预测内涝走势,获取综合分析结果;
模拟模块,用于根据所述综合分析结果及所述数据获取模块获取的数据进行内涝情景模拟,将模拟结果动态展示。
10.一种终端,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-8任一项所述的基于汇水分区的区域内涝风险预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311154343.9A CN117196302A (zh) | 2023-09-08 | 2023-09-08 | 一种基于汇水分区的区域内涝风险预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311154343.9A CN117196302A (zh) | 2023-09-08 | 2023-09-08 | 一种基于汇水分区的区域内涝风险预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196302A true CN117196302A (zh) | 2023-12-08 |
Family
ID=88995513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311154343.9A Pending CN117196302A (zh) | 2023-09-08 | 2023-09-08 | 一种基于汇水分区的区域内涝风险预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196302A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7917292B1 (en) * | 2006-10-17 | 2011-03-29 | Jpmorgan Chase Bank, N.A. | Systems and methods for flood risk assessment |
US20160055595A1 (en) * | 2006-10-17 | 2016-02-25 | Corelogic Solutions, Llc | Systems and method for quantifying flood risk |
CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
CN109308560A (zh) * | 2018-07-18 | 2019-02-05 | 中国水利水电科学研究院 | 一种城市暴雨内涝及积涝的风险预警方法 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及*** |
CN113506000A (zh) * | 2021-07-15 | 2021-10-15 | 上海海事大学 | 一种计算城市汇水区域暴雨溢流风险的方法 |
CN113762796A (zh) * | 2021-09-14 | 2021-12-07 | 北京七兆科技有限公司 | 一种铁路工程设施暴雨洪水动态风险图分析方法 |
CN114372685A (zh) * | 2021-12-28 | 2022-04-19 | 长江生态环保集团有限公司 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
CN115391712A (zh) * | 2022-05-18 | 2022-11-25 | 河海大学 | 一种城市洪涝风险预测方法 |
CN116307129A (zh) * | 2023-02-27 | 2023-06-23 | 宁波弘泰水利信息科技有限公司 | 一种主动式城市内涝预警方法、装置及其存储介质 |
CN116542061A (zh) * | 2023-05-15 | 2023-08-04 | 岳阳市水利水电规划勘测设计院有限公司 | 河港湖区水系排涝能力勘测数据分析方法 |
-
2023
- 2023-09-08 CN CN202311154343.9A patent/CN117196302A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7917292B1 (en) * | 2006-10-17 | 2011-03-29 | Jpmorgan Chase Bank, N.A. | Systems and methods for flood risk assessment |
US20160055595A1 (en) * | 2006-10-17 | 2016-02-25 | Corelogic Solutions, Llc | Systems and method for quantifying flood risk |
CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
CN109308560A (zh) * | 2018-07-18 | 2019-02-05 | 中国水利水电科学研究院 | 一种城市暴雨内涝及积涝的风险预警方法 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及*** |
CN113506000A (zh) * | 2021-07-15 | 2021-10-15 | 上海海事大学 | 一种计算城市汇水区域暴雨溢流风险的方法 |
CN113762796A (zh) * | 2021-09-14 | 2021-12-07 | 北京七兆科技有限公司 | 一种铁路工程设施暴雨洪水动态风险图分析方法 |
CN114372685A (zh) * | 2021-12-28 | 2022-04-19 | 长江生态环保集团有限公司 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
CN115391712A (zh) * | 2022-05-18 | 2022-11-25 | 河海大学 | 一种城市洪涝风险预测方法 |
CN116307129A (zh) * | 2023-02-27 | 2023-06-23 | 宁波弘泰水利信息科技有限公司 | 一种主动式城市内涝预警方法、装置及其存储介质 |
CN116542061A (zh) * | 2023-05-15 | 2023-08-04 | 岳阳市水利水电规划勘测设计院有限公司 | 河港湖区水系排涝能力勘测数据分析方法 |
Non-Patent Citations (3)
Title |
---|
XUDONG ZHAO 等: "The study of urban rainstorm waterlogging scenario simulation based on GIS and SWMM model — Take the example of Kunming Dongfeng East Road catchment area", 《2013 21ST INTERNATIONAL CONFERENCE ON GEOINFORMATICS》, 31 October 2013 (2013-10-31) * |
杨辰;王强;金雪欢;潘顺;: "基于GIS的上海市社区暴雨积涝模拟研究", 自然灾害学报, no. 02, 15 April 2015 (2015-04-15) * |
王倩雯 等: "城市化进程对暴雨洪涝灾害风险影响效应研究——以闽三角地区为例", 《自然灾害学报》, vol. 30, no. 5, 31 October 2021 (2021-10-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
D'Ayala et al. | Flood vulnerability and risk assessment of urban traditional buildings in a heritage district of Kuala Lumpur, Malaysia | |
KR102365591B1 (ko) | 침수 예측 장치 및 그 방법 | |
CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
Gandini et al. | A holistic and multi-stakeholder methodology for vulnerability assessment of cities to flooding and extreme precipitation events | |
CN110646867A (zh) | 一种城市排水监测预警方法和*** | |
CN115471078B (zh) | 一种基于城市水务***的洪涝风险点评估方法及装置 | |
CN114118884A (zh) | 一种城市暴雨内涝区域风险识别的方法、***及存储介质 | |
CN111784976B (zh) | 一种山洪灾害预警方法、装置、***及存储介质 | |
CN117057616A (zh) | 基于数字孪生的水利监测方法及*** | |
CN113762796A (zh) | 一种铁路工程设施暴雨洪水动态风险图分析方法 | |
CN115879363A (zh) | 一种基于降雨量的积水预测方法 | |
CN113792437A (zh) | 多维度防汛形势综合研判方法及*** | |
JP7379261B2 (ja) | 豪雨時の河川氾濫予測方法および河川氾濫予測装置 | |
CN113593191A (zh) | 一种基于大数据的可视化城市内涝监测预警*** | |
CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
CN107563096B (zh) | 一种基于fcm的内涝建模分析方法 | |
CN114139258A (zh) | 城市内涝建模评估方法、***及计算机可读存储介质 | |
CN117688844A (zh) | 一种基于深度神经网络的城市内涝实时模拟方法及*** | |
CN110990659A (zh) | 一种基于三维实景的城市内涝管理方法 | |
CN117196302A (zh) | 一种基于汇水分区的区域内涝风险预测方法及*** | |
CN114970340B (zh) | 一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法 | |
CN116739385A (zh) | 一种基于空间叠加分析的城市交通评价方法及装置 | |
CN110569598A (zh) | 一种雨水管道与道路联合***最大排涝能力的预测方法 | |
JPH05134715A (ja) | ニユーラルネツトワーク応用雨水流入量予測装置 | |
CN116126963A (zh) | 非线性多源异构排水模型诊断入流入渗方法 |
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 |