[发明专利]一种基于BP人工神经网络的城市积涝水位预报方法

说明书

本发明公开了一种基于BP人工神经网络的城市积涝水位预报方法，特点是获取当前预报组的各个历史样本的预报对象和预报因子并进行归一化处理后，作为当前预报时效对应的预报模型的训练样本集，构造当前预报时效对应的待训练的预报模型，通过训练样本集对待训练的预报模型进行训练最终得到当前预报时效对应的训练后的预报模型，采用以上方法得到每个预报时效对应的训练后的预报模型，再通过将当前预报因子输入对应的当前预报模型，得到当前预报组中每个积涝预报点在当前起报时刻对应的每个预报时效的积涝水位预报值；优点是利用BP人工神经网络模型的自我学习能力得到训练后的预报模型，输出积涝水位预报结果较为准确。

技术领域

本发明涉及一种积涝水位预报方法，尤其是一种基于BP人工神经网络的城市积涝水位预报方法。

背景技术

城市内涝是指由于强降水或连续性降水超过城市排水能力致使城市内产生积水灾害的现象。造成内涝的客观原因是降雨强度大、范围集中，降雨强度比较大、时间比较长也有可能形成积水。地势比较高的地区不容易形成积水，而地势比较低洼的地区，就容易形成内涝。国内一些城市排水管网欠账比较多，管道老化，排水标准比较低，有的地方排水设施就不健全、不完善，排水系统建设滞后是造成内涝的一个重要原因。另外，城市大量的硬质铺装，如柏油路、水泥路面，降雨时水渗透性不好，也容易形成这段路面的积水。由于城市中植被稀疏，水塘较少，无法贮存雨水，导致出现“汇水”的现象形成积水。

当前已有的方法主要采用构建暴雨洪水管理模型(Storm Water ManagementModel，SWMM)，并对模型中的参数进行率定，从而模拟城市遭暴雨时可能出现的城市积涝位置和深度。城市暴雨内涝数学模型以城市地表与明渠、河道水流运动为主要模拟对象，其基本控制方程以平面二维非恒定流的基本方程为骨架(解以扬等，水科学进展，2005)。SWMM的构建不仅涉及到降水数据，还需要丰富的地理数据(地形、地貌、地物、排水等)作支撑，模型的使用过程中存在数据难以获取、处理过程复杂、数据概化不合理、参数率定困难等问题。目前已有一些有关城市积涝的发明专利，这些专利多结合地理信息系统(GeographicInformation System，GIS)来模拟暴雨产生的内涝区域和水深，并利用GIS系统来呈现暴雨的积涝区域和深度，而数字高程模型(Digital Elevation Model，DEM)是GIS中暴雨积涝分析中所涉及的最重要的信息之一；还有一些发明专利基于BP人工神经网络来进行各种水位的预测。

发明内容

本发明所要解决的技术问题是提供一种预报精度及准确度较高的基于BP人工神经网络的城市积涝水位预报方法。

本发明解决上述技术问题所采用的技术方案为：一种基于BP人工神经网络的城市积涝水位预报方法，包括以下步骤：

⑴定义待预报积涝水位的城市区域为目标区域，获取目标区域内的积涝预报点的数量并记为N个，将N个积涝预报点预先分成M个预报组，从M个预报组中任意选取一个预报组作为当前预报组，将当前预报组中的积涝预报点的数量记为N_cur个；

⑵定义N个积涝预报点对应的径流汇集区为雨量观测区，获取雨量观测区内全部雨量观测站的数量并记为K个；获取对目标区域内的N个积涝预报点有影响的潮河水位观测点的数量并记为L个；