[发明专利]一种基于历史数据的城市积水内涝预测方法及系统

说明书

本发明公开了一种基于历史数据的城市积水内涝预测方法及系统，包括：获取降雨预报数据，并提取降雨预报数据的特征；通过相似度判断，从历史降雨数据库中匹配满足设定相似度要求的历史降雨，作为目标降雨；如果匹配成功，则将目标降雨对应的积水数据作为积水预测数据进行输出；如果匹配不成功，按照相似度由大到小选取设定数量的历史降雨数据，及相对应的积水点数据，作为神经网络预测模型的训练数据集；将降雨预报数据输入至训练好的神经网络预测模型，输出积水预测数据。本发明历史数据的使用避免了高要求数据难以获取造成的实际应用困难等问题，相似与回归相结合则使得实际应用效果更优。

技术领域

本发明涉及城市积水内涝预测技术领域，尤其涉及一种基于历史数据的城市积水内涝预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在城市防汛工作中，如果能够做到基于降雨预报信息预测城市积水内涝信息，则能够给城市防汛工作带来巨大的帮助。尤其是在气象预报越来越精准的情况下，基于气象预报对积水内涝做出预测，则可以使预报发挥更大的价值。

目前，对于城市积水内涝的雨前预测的方法主要有两种：

一种是通过将待预测区域管网和地表高程等数据进行处理，建立排水模型(如SWMM)，基于水力学原理模拟计算的方式来实现，但该方式对待预测区域管网数据的完整性以及地表高程数据的精度等方面要求很高，一方面这类数据比较难以获取，另一方面，精度较高的高程数据又有保密性要求，因此，通过水力计算的方式预测降雨造成的积水在实际应用上会有比较大的障碍；

另一种是利用历史降雨和积水数据进行回归、如训练神经网络模型，再将降雨预报输入神经网络模型来预测积水。该种方法解决了数据难以获取等问题，但盲目使用历史数据训练的模型在实际应用时得到的误差往往较大，可适用性不大。

发明内容

为了解决上述问题，本发明提出了一种基于历史数据的城市积水内涝预测方法及系统，首先寻找与预报数据相同或相似的历史数据(降雨数据和积水点数据)以利用，并基于相似历史数据训练模型，能够基于历史数据来实现对未来降雨下的积水预测。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种基于历史数据的城市积水内涝预测方法，包括：

获取降雨预报数据，并提取降雨预报数据的特征；

通过相似度判断，从历史降雨数据库中匹配满足设定相似度要求的历史降雨，作为目标降雨；所述历史降雨数据库存储有历史降雨数据及相对应的积水点数据；

如果匹配成功，则将目标降雨对应的积水数据作为积水预测数据进行输出；

如果匹配不成功，按照相似度由大到小选取设定数量的历史降雨数据，及相对应的积水点数据，作为神经网络预测模型的训练数据集；将降雨预报数据输入至训练好的神经网络预测模型，输出积水预测数据。

进一步地，所述历史降雨数据库存储有历史降雨数据及相对应的积水点数据；

所述历史降雨数据包括历史上各个时刻的降雨强度值；

所述积水点数据包括积水编号、积水点的位置、每一次积水的发生时间和积水的最大深度；

对于每一个积水点，根据积水点的位置和积水发生的时间，匹配与积水点相关联的降雨数据。

进一步地，对于每一个积水点，根据积水点的位置和积水发生的时间，匹配与积水点相关联的降雨数据，具体包括：

将雷达降雨数据在空间上划分为若干单元格，定位积水点所在单元格，将积水点所在单元格的雷达降雨数据作为目标数据；