申请/专利权人：大连海事大学;中国水利水电科学研究院

申请日：2023-05-12

公开（公告）日：2023-08-08

公开（公告）号：CN116562448A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F30/28;G06F30/23;G06F30/27;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2023.10.03#授权;2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明提供了一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法，所述方法包括：构建蓄滞洪区二维水动力模型、模拟生成洪水事件集、构建不同洪水淹没模型WFIM‑I以及分析、确定最佳的洪水淹没快速预测模型。本发明采用人工智能技术对洪水事件集输入以及相应的流速与水位时空数据输出进行模拟和训练，从而确定最佳的洪水淹没快速预测模型，在保证蓄滞洪区洪水淹没预测准确度的前提下，缩短模型运行时间。

主权项：1.一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法，其特征在于，所述方法包括以下步骤：步骤1：构建蓄滞洪区二维水动力模型：结合包括待研究蓄滞洪区的DEM数据、土地利用数据在内的相关数据，对待研究蓄滞洪区进行网格化，构建蓄滞洪区二维水动力学模型，并对模型进行参数率定；步骤2，模拟生成洪水事件集：首先，分析待研究蓄滞洪区所依干流，结合待研究蓄滞洪区以往的分洪过程，制定相应的上、下边界约束；然后，通过步骤1构建的蓄滞洪区二维水动力学模型，对不同的上、下边界进行模拟生成洪水事件集；步骤3，构建不同洪水淹没模型WFIM-I：所述洪水淹没模型WFIM-I是基于ED-LSTM的淹没模型，其中一共含有J个子ED-LSTM模型，其中J为子模型个数；N为总格点数；I为每个子模型可预测格点个数；每个ED-LSTM子模型由流速预报子模型和水深预报子模型组成，可同时预测生成I个单元各水深Hj和流速Vj在内的时空信息； 和分别表示WFIM-I的第j个子ED-LSTM流速预报子模型和水深预报子模型，其中j＝1,2,…,J；所述ED-LSTM子模型包含三层结构：基于LSTM的编码器层、上下文向量层和基于LSTM的解码器层；步骤2模拟生成的洪水事件集Q作为ED-LSTM子模型的输入，时间序列水深和流速作为ED-LSTM子模型的输出；所述时间序列水深和流速包括：第j个子ED-LSTM模型预测的水深Hj、流速Vj；Hj和Vj的维度均为OT，I，其中OT表示预测的时间长度，I表示每个子模型可预测格点的个数；表示第j个ED-LSTM子模型的第i个单元格网格点的第t时刻的水深；表示第j个ED-LSTM模型的第i个单元格网格点的第t时刻的流速，t＝1,2,…,OT；和其中j＝1,2,…,J；步骤4，分析、确定最佳的洪水淹没快速预测模型：利用步骤2模拟生成的洪水事件集，训练步骤3构建得到的不同I值的洪水淹没模型WFIM-I，分析各个模型的模拟时间和模拟精度，进而确定最佳的洪水淹没快速预测模型。

全文数据：

权利要求：

百度查询： 大连海事大学;中国水利水电科学研究院 一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD