面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质

    公开(公告)号:CN116109143A

    公开(公告)日:2023-05-12

    申请号:CN202310362358.8

    申请日:2023-04-07

    Abstract: 本发明公开了一种面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质,包括以下步骤:获取研究地区的数字高程模型DEM数据;以DEM数据栅格单元作为计算单元,利用栅格值间的差异计算水流数据,其中,水流数据包括水流下降方向和水流汇总指数。本发明以数字高程模型DEM作为输入数据,以栅格数值作为计算对象,确定水流数据,以反映暴雨洪涝灾害过程中水流传播方向,并通过水流数据反演计算汇水区,在宏观角度,以汇水区作为研究对象计算得到汇水区面积与汇水区坡度总和指数;在微观角度,以栅格水流下降方向作为计算因子,结合宏观与微观影响因素计算得到面向暴雨洪涝灾害的地形起伏影响指数。

    基于CNN-XGBOOST模型的短时强降水预测方法

    公开(公告)号:CN115860268B

    公开(公告)日:2023-07-14

    申请号:CN202310134699.X

    申请日:2023-02-20

    Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法,属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据,不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测,但多使用机器学习方法和CNN等深度学习方法,机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征;而CNN等深度学习方法可以很好的提取特征,但无法很好的运行特征进行预测。因此,提出一种基于CNN‑XGBOOST模型的短时强降水预测方法,本方法可以在不需求雷达回波数据的情况下进行短时强降水预测,同时可以提取特征变量的时间变化特征,并充分利用提取出的特征进行预测。

    面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质

    公开(公告)号:CN116109143B

    公开(公告)日:2023-07-21

    申请号:CN202310362358.8

    申请日:2023-04-07

    Abstract: 本发明公开了一种面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质,包括以下步骤:获取研究地区的数字高程模型DEM数据;以DEM数据栅格单元作为计算单元,利用栅格值间的差异计算水流数据,其中,水流数据包括水流下降方向和水流汇总指数。本发明以数字高程模型DEM作为输入数据,以栅格数值作为计算对象,确定水流数据,以反映暴雨洪涝灾害过程中水流传播方向,并通过水流数据反演计算汇水区,在宏观角度,以汇水区作为研究对象计算得到汇水区面积与汇水区坡度总和指数;在微观角度,以栅格水流下降方向作为计算因子,结合宏观与微观影响因素计算得到面向暴雨洪涝灾害的地形起伏影响指数。

    一种重复观测气象数据优化处理方法

    公开(公告)号:CN113722673B

    公开(公告)日:2023-06-13

    申请号:CN202110955220.X

    申请日:2021-08-19

    Abstract: 本发明公开了一种重复观测气象数据优化处理方法,包括如下步骤:(1)采集一组重复观测气象数据,设该组数据间隔点集合为U,计算气象观测值v隶属于间隔点ui的关联函数μi;(2)计算气象观测值v在集合U上每个间隔点区间上的关联函数;(3)根据每个气象观测值的关联函数,计算所有气象观测值在集合U上每个区间的信息分配比重,选取最大信息分配比重对应集合U上的区间作为最优数值区间,计算最优数值区间对应的最优采样值。本发明通过建立采样值与气象观测值的值域区间的关联函数,实现所有观测采样值在每一个数值区间的信息分配计算,确定采样值的最优数值区间,进而能估计出气象观测采样的最优值。

    基于CNN-XGBOOST模型的短时强降水预测方法

    公开(公告)号:CN115860268A

    公开(公告)日:2023-03-28

    申请号:CN202310134699.X

    申请日:2023-02-20

    Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法,属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据,不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测,但多使用机器学习方法和CNN等深度学习方法,机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征;而CNN等深度学习方法可以很好的提取特征,但无法很好的运行特征进行预测。因此,提出一种基于CNN‑XGBOOST模型的短时强降水预测方法,本方法可以在不需求雷达回波数据的情况下进行短时强降水预测,同时可以提取特征变量的时间变化特征,并充分利用提取出的特征进行预测。

    一种重复观测气象数据优化处理方法

    公开(公告)号:CN113722673A

    公开(公告)日:2021-11-30

    申请号:CN202110955220.X

    申请日:2021-08-19

    Abstract: 本发明公开了一种重复观测气象数据优化处理方法,包括如下步骤:(1)采集一组重复观测气象数据,设该组数据间隔点集合为U,计算气象观测值v隶属于间隔点ui的关联函数μi;(2)计算气象观测值v在集合U上每个间隔点区间上的关联函数;(3)根据每个气象观测值的关联函数,计算所有气象观测值在集合U上每个区间的信息分配比重,选取最大信息分配比重对应集合U上的区间作为最优数值区间,计算最优数值区间对应的最优采样值。本发明通过建立采样值与气象观测值的值域区间的关联函数,实现所有观测采样值在每一个数值区间的信息分配计算,确定采样值的最优数值区间,进而能估计出气象观测采样的最优值。

    一种基于深度学习的城市内涝视频识别预警方法

    公开(公告)号:CN117456356A

    公开(公告)日:2024-01-26

    申请号:CN202311356080.X

    申请日:2023-10-19

    Abstract: 本发明公开了一种基于深度学习的城市内涝视频识别预警方法,包括:收集城市内涝图片数据,生成json格式的标签数据;将json格式数据处理成二值化图像格式;对积水图像数据进行包括旋转、缩放、色域变换、高斯模糊等预处理工作;将预处理后的图像数据与对应的标签数据输入DeepLabV3+深度学习模型中进行训练,获得最佳模型训练权重文件;输入城市内涝视频数据利用模型逐帧进行识别,将模型识别后的视频数据逐帧计算积水像素占整幅图像像素的比例,用来表征长时间序列城市内涝的动态范围变化过程。本发明能够将城市内广泛分布的监控设施作为城市内涝的监测媒介对积水状况进行实时地识别,并能反应城市内涝的动态变化。

Patent Agency Ranking