申请/专利权人：浙江大学

申请日：2021-08-30

公开（公告）日：2024-04-05

公开（公告）号：CN113723024B

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06N3/042;G06N3/0464;G06N3/006;G06N3/126;G06F111/04;G06F111/10;G06F111/06;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本发明公开了一种适用于滨海地区的“溪流”‑“河道”‑“河口”分布式洪水过程模拟方法，步骤如下：首先获取系统基本信息数据，对复杂流域系统进行概化；然后建立流域暴雨洪水的多源异构数据立体监测系统，进行多源数据融合；其次构建同时考虑流域内堰坝、水库等水工程的高分辨率“溪流”‑“河道”‑“河口”分布式洪水模拟模型；最后基于多源融合数据完成模型率定和验证，对关键断面和易涝地区进行动态实时模拟。采用本发明方法能够实现从溪流到河口的分布式洪水模拟，有望提高滨海地区洪水预报的有效性、科学性和计算精度，完善洪水模拟和预测理论和方法。

主权项：1.一种适用于滨海地区的“溪流”-“河道”-“河口”分布式洪水过程模拟方法，其特征在于，包括以下步骤：步骤1，获取系统基本信息数据，对复杂流域系统进行概化，所述复杂流域系统包括河道水系、水库、泵闸站、水文站、雨量站、潮位站；步骤2，建立流域暴雨洪水的多源异构数据立体监测系统，所述多源异构数据立体监测系统包括基于雨量站、高分辨率遥感卫星的降雨和遥感影像立体监测系统；并进一步分别对高分辨率遥感卫星的多源降雨和遥感影像数据进行融合；步骤3，按照流域特性将流域划分为溪流、河道以及河口，所述溪流为山区干支流，河道为平原河网，河口为风暴潮，进一步构建同时考虑流域内水库、泵闸站水工程影响的高分辨率“溪流”-“河道”-“河口”分布式洪水模拟模型，所述分布式洪水模拟模型包括山区干支流洪水模拟模型、风暴潮模拟模型和平原河网洪水模拟模型；步骤4，基于多源融合数据完成分布式洪水模拟模型率定和验证，对关键断面的洪峰流量、洪量、峰现时间、洪水水位以及易涝地区的淹没水深、淹没范围进行动态实时模拟；所述步骤2中的多源降雨数据融合，包括以下步骤：步骤2-1-1采用分位点映射法进行多源降雨数据偏差校正；步骤2-1-2将偏差校正之后的多源数据同时作为深度学习模型的输入，以基于雨量站获取的地面实测数据作为模型输出，以损伤函数最小作为数据融合模型的训练准则，进行模型的训练和验证，确定模型结构和参数，实现数据融合；所述步骤2中多源遥感影像数据融合包括以下步骤：步骤2-2-1根据不同数据模态，按照其灾前灾后水体遥感影像信息构建相应的图卷积网络模型进行模态内特征学习；步骤2-2-2基于高斯-博努利受限玻尔兹曼机对多模态特征进行关联生成关联共享特征，融合实现高分辨率的淹没水深、淹没范围信息提取；所述步骤3中构建高分辨率“溪流”-“河道”-“河口”分布式洪水模拟模型，包括以下步骤：步骤3-1构建山区干支流洪水模拟模型，具体步骤包括以下：步骤3-1-1基于产汇流机理，采用DHSVM分布式水文模型对各个水库进行产汇流模拟；步骤3-1-2构建和求解水库群多目标联合优化调度模型，进行水库泄流计算；步骤3-1-3水库泄流经马斯京根法由支流计算汇流至干流河道，然后按照一维水动力模型进行洪水演算，模拟关键断面过流量、水位；步骤3-2构建风暴潮模拟模型，具体步骤包括以下：步骤3-2-1按照台风路径基于自组织映射神经网络进行台风分类；步骤3-2-2针对同一类台风基于历史实测“台风-气象-潮位”观测数据：台风观测数据为中心气压、中心风速、移动速度、大风半径、行进方向及测站距台风中心距离；气象观测数据为台风影响期间的气压、风向风速、降雨；潮汐观测数据为天文潮位；步骤3-2-3以“台风-气象-潮位”观测数据为输入因子，考虑到风暴潮增水本身趋势上的影响，同时将前期增水值作为输入因子，基于深度学习模型建立与增水值的数学关系，实现风暴潮模拟；步骤3-3构建平原河网洪水模拟模型，以上游山区出流作为上游来水边界、以风暴潮模拟潮位作为下游出流边界，划分行蓄洪区，对平原地区基于水文水动力耦合模型进行洪水模拟；具体基于分布式水文模型进行产流计算；河道的洪水演进采用水动力模型，包括零维模型、一维水动力学模型、二维水动力学模型，其中一维水动力学模型模拟河道洪水演进过程；二维水动力学模型构建模拟易涝区淹没情况包括淹没水深、淹没范围；同时考虑闸泵站工程对洪水过程影响，构建和求解闸泵站控制工程群多目标联合优化调度模型。

全文数据：

权利要求：

百度查询： 浙江大学 一种适用于滨海地区的“溪流”-“河道”-“河口”分布式洪水过程模拟方法

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