[发明专利]一种基于SVM算法的城市内涝预警方法

权利要求书

1.一种基于SVM算法的城市内涝预警方法，其特征在于，包括以下步骤：

S1：获取待预警区域的基础数据，构建城市内涝数学机理模型；

S2：对城市内涝数学机理模型进行率定验证；

S3：利用通过率定验证的城市内涝数学机理模型，提取SVM算法样本；

S4：构建基于SVM算法的城市内涝人工智能模型，并利用SVM算法样本进行模型训练、测试和交叉验证，得到满足评价指标的城市内涝人工智能模型；

S5：将实时降雨和水位数据输入满足评价指标的城市内涝人工智能模型，得到积水模拟结果，并根据设定的积水水位预警值，实现城市内涝预警。

2.根据权利要求1所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的基础数据包括水文数据、地形数据和管网数据。

3.根据权利要求2所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的水文数据包括降雨时间、雨强/雨量以及河道水位变化，所述的地形数据包括土壤类型分布、土地利用分布和地理数字高程信息，所述的管网数据包括节点、管段、排口和附属设施。

4.根据权利要求1所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的步骤S2具体包括：

S21：获取用于率定验证的历史监测数据；

S22：随机抽取部分对应降雨事件的历史监测数据，输入城市内涝数学机理模型，获取率定模拟结果；

S23：修正城市内涝数学机理模型参数，直至率定模拟结果与实测数据达到设定的拟合要求，完成模型率定；

S24：随机抽取部分对应降雨事件的历史监测数据，输入率定完成的城市内涝数学机理模型，获取验证模拟结果；

S25：将验证模拟结果与实测数据比对，进行误差评价，若误差评价满足设定要求，则完成城市内涝数学机理模型的率定验证，否则返回执行步骤S22。

5.根据权利要求4所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的用于率定验证的历史监测数据包括管道流量及其对应的降雨数据、管道液位及其对应的降雨数据、排口流量及其对应的降雨数据和易涝区域积水水深及其对应的降雨数据；

所述的城市内涝数学机理模型参数包括管道粗糙系数、地表曼宁值、坡面汇流流速、初损后损值及土壤下渗系数。

6.根据权利要求4所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的验证模拟数据包括管段峰值流量和深度，所述的步骤S25中，当验证模拟数据与实测数据之间的管段峰值流量差在±10％以内，且深度差在±100mm以内时，所述的城市内涝数学机理模型满足设定要求，完成城市内涝数学机理模型的率定验证。

7.根据权利要求1所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的步骤S3具体包括：

S31：利用城市内涝数学机理模型生成多种模拟工况；

S32：通过提取城市内涝数学机理模型不同边界条件所对应的地面积水结果，得到不同模拟工况下的积水结果；

S33：根据预警时间跨度以及预警频率，对边界条件所在的时间序列进行相应的滑动切割，获取切割样本；

S34：提取每一切割样本的统计特征信息，构建SVM算法样本。

8.根据权利要求7所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的模拟工况包括不同致灾因素所生成的模拟工况，具体包括不同强度等级的降雨、不同高度的排口河道水位以及二者组合下的模拟工况；

所述的预警时间跨度包括前算期和预警期的总时长；

所述的切割样本的统计信息包括切割样本的峰值、平均值和方差。

9.根据权利要求1所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的SVM算法的参数包括核函数、误差惩罚项参数以及核系数。

10.根据权利要求1所述的一种基于SVM算法的城市内涝预警方法，其特征在于，所述的步骤S4中的评价指标包括平均绝对误差MAE、均方根误差RMSE、和纳什系数NSE。