[发明专利]一种基于神经网络的城市内涝预测方法

权利要求书

1.一种基于神经网络的城市内涝预测方法，其特征在于，所述方法包括步骤：

将待测时序特征数据输入已训练的时序特征预测模型,所述时序特征预测模型输出时序特征预测结果；其中，所述时序特征预测结果为所述待测时序特征数据下一时刻的预测时序特征数据；

将所述预测时序特征数据与空间特征数据融合，以得到待测时空特征数据；其中，时序特征数据包括台风路径数据、近海气象数据、近海潮汐数据与城市气象数据；空间特征数据包括内涝点经纬度数据、内涝点水文零度高度数据、内涝点汇水状态数据与内涝点排水状态数据；所述预测时序特征数据与所述空间特征数据采用拼接的方式融合；

将所述待测时空特征数据输入已训练的内涝预测模型，所述内涝预测模型输出待测内涝点内涝程度的等级预测结果。

2.根据权利要求1所述的基于神经网络的城市内涝预测方法，其特征在于，所述将待测时序特征数据输入时序特征预测模型之前还包括步骤：

构建内涝数据集，所述内涝数据集包括时空特征数据和内涝点水浸高度等级数据，所述时空特征数据包括时序特征数据和空间特征数据；

将所述时序特征数据输入预设GA-Elman神经网络，经训练后得到所述时序特征预测模型。

3.根据权利要求2所述的基于神经网络的城市内涝预测方法，其特征在于，所述将所述待测时空特征数据输入内涝预测模型之前还包括步骤：

将所述时空特征数据和所述内涝点水浸高度等级数据输入预设GA-概率神经网络，经训练后得到所述内涝预测模型。

4.根据权利要求2所述的基于神经网络的城市内涝预测方法，其特征在于，所述构建内涝数据集的步骤包括：

提取内涝致灾的相关所述时空特征数据，作为特征；

提取内涝点水浸高度等级数据，根据所述内涝点水浸高度等级数据判定内涝程度等级，并以所述内涝程度等级作为标签；

根据所述特征和所述标签构建样本数据表格，以得到所述内涝数据集。

5.根据权利要求2所述的基于神经网络的城市内涝预测方法，其特征在于，所述预设GA-Elman神经网络包括：输入层、隐含层、承接层和输出层；所述时序特征预测模型的训练步骤包括：

将多维度、T时长的样本时序特征数据输入预设GA-Elman神经网络,预设GA-Elman神经网络输出多维度、下一个时刻T1的样本时序特征预测结果；其中，T时长取3-5小时；

计算下一个时刻T1的样本时序特征预测结果的预测值与下一个时刻T1的样本时序特征预测结果的实测值的平均绝对相对偏差，根据预测的平均绝对相对偏差进行精度评定；

重复所述将多维度、T时长的样本时序特征数据输入预设GA-Elman神经网络的步骤，直至所述预设GA-Elman神经网络的训练满足预设条件，得到所述时序特征预测模型。

6.根据权利要求3所述的基于神经网络的城市内涝预测方法，其特征在于，所述预设GA-概率神经网络包括：输入层、模式层、求和层和输出层；所述内涝预测模型训练的步骤包括：

将所述样本时空特征数据和所述样本内涝点水浸高度等级数据输入所述预设GA-概率神经网络，所述预设GA-概率神经网络输出样本内涝程度预测结果；

计算样本内涝程度预测结果的预测值与样本内涝程度预测结果的实测值的相对准确度，并根据预测的相对准确度进行精度评定；

重复所述样本时空特征数据和所述样本内涝点水浸高度等级数据输入所述预设GA-概率神经网络的步骤，直至所述预设GA-概率神经网络的训练满足预设条件，得到所述内涝预测模型。

7.根据权利要求1所述的基于神经网络的城市内涝预测方法，其特征在于，所述将所述预测时序特征数据与所述空间数据融合，以得到待测时空特征数据的步骤包括：

将多维度、T时长的待测时序特征数据输入所述时序特征预测模型，所述时序特征预测模型输出下一个时刻T1的待测时序特征预测结果；

将预测的下一时刻T1的待测时序特征数据反归一化，并与所述空间特征数据融合，形成所述待测时空特征数据并归一化。