[发明专利]一种积水预测系统

权利要求书

1.一种积水预测系统，其特征在于：包括监测数据的获取与存储模块、预处理模块、模型训练与评估模块以及数据处理与显示发布系统；

所述的监测数据的获取与存储模块用于获取监测数据并进行存储，监测数据分别存在4个核心数据表中，4个核心数据表分别命名为实时水位表waterLevel、气象数据表weatherPrediction、模型参数表modelParemeter和预测数据表waterLevelPredict；其中，实时水位表存储实时测量的水位信息，具体包括用于测量水位信息的设备编号、设备对应的GPS经度及纬度信息、设备采集的水位信息(所述设备采集的水位信息即实时积水数据)以及误差范围；气象数据表存储通过内部气象数据API获得的测量水位信息的设备所在区域的预测降水信息，包括所在区域、降水量采集器编号、当前每分钟降水量和未来降水量；预测数据表存储对积水的预测结果，存储的内容包括降水量采集器编号、降水量采集器所在区域未来的积水预测结果；模型参数表存储积水预测模型的参数，包括训练模型位置即模型id(model_id)以及每个训练模型的训练学习参数；

预处理模块用于从监测数据的获取与存储模块中调取数据，并进行预处理；

模型训练与评估模块包括模型训练和模型评估两部分，模型训练部分用于训练相同降雨等级和监测点类别条件下的多种积水预测模型；模型评估用于从相同降雨等级和监测点类别条件下的多种积水预测模型中选出性能最优的积水预测模型，进而得到对应不同降雨等级和监测点类别条件下的最优积水预测模型；

由数据处理与显示发布系统调用对应降雨等级和监测点类别条件下的最优积水预测模型进行积水预测，对未来时间点的某个积水隐患点进行积水深度预测，在对积水数据进行预测完毕后，将预测结果使用MyBatis存入创建好的数据库，在存入数据库后，将数据转为JSON格式，最后将JSON格式输出并封装成api接口以供数据大屏调用，最终实现积水深度分布的图形显示、数据查询，以及涝情预测模拟图形显示，对风险较高的区域、地点提前发出预警；

根据数据要求选择设备，按照该设备所处监测点的降雨等级和监测点类别调用该种预测模型的超参数，利用预处理后的设备测量的实时水位数据、气象数据作为网络模型输入。

2.根据权利要求1所述的一种积水预测系统，其特征在于：

训练学习参数包括监测点类型id、时间间隔、训练数据集比例、测试数据集比例、输入张量维度、隐层输出节点数、全连接层输出节点数、隐层数、全连接层数、迭代轮数、训练批次大小、损失函数选项、优化器选项、学习率、每轮学习率衰减值、是否使用Nestterov动量、衰减因子(即优化器(adadelta、rmsprop、adam、adamax、nadam))。

3.根据权利要求1所述的一种积水预测系统，其特征在于：

气象数据表中的数据从内部气象数据接口获取，实时水位表的数据从物联网积水监测平台获取，预测数据表和模型参数表中的数据通过数据库中获取。

4.根据权利要求1所述的一种积水预测系统，其特征在于：

从物联网云平台中和天气气象接口获取数据并存入到数据库中，在配置好参数后，使用设备端SDK连接物联网云平台，在毫米波雷达水位监测设备通过协议接入物联网平台之前，需依据不同的认证方法，上报毫米波雷达水位监测设备信息，认证通过后方可接入物联网平台；成功接入物联网后，根据需求下载所要的设备测量数据，并根据数据的分类存入数据库中的不同数据表中，并且请求天气气象接口API读取所需天气数据存入数据库中，以便进行相对应的数据处理。

5.根据权利要求1所述的一种积水预测系统，其特征在于：

预处理包括对气象数据进行异常值处理；对实时积水数据进行突变值处理。

6.根据权利要求1所述的一种积水预测系统，其特征在于：所述积水预测模型采用LSTM网络模型。