申请/专利权人：南京师范大学

申请日：2024-03-15

公开（公告）日：2024-04-16

公开（公告）号：CN117892167A

主分类号：G06F18/23213

分类号：G06F18/23213;G06F30/27;G06N3/0464;G06N3/0442;G06N3/045;G06F111/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供一种替代数值模拟的城市内涝代理模型构建方法，目的在于发挥数值模拟和深度学习的各自优势，进行代理模式下的城市内涝模拟，方法包括以下步骤：构建代理模式下的数值模拟；数值模拟模型敏感参数识别及优化；构建多情景城市内涝水深数据集；构建代理模式下标准时空数据集；构建代理模式下的CNN‑LSTM‑MultiHeadAttention集成深度学习模块并进行性能优化。本发明的有益效果是替代传统的数值模拟模型，进行代理模式下的城市内涝模拟，提升了城市内涝时空模拟的效率和精度，从而有力地支撑海绵城市建设及防汛排涝决策。

主权项：1.一种替代数值模拟的城市内涝代理模型构建方法，其特征在于，包括以下步骤：S1：构建代理模式下的数值模拟模型，根据地形数据、排水管网和降雨量城市地理水文数据，耦合一维管网产汇流模型与二维地表产汇流模型，构建城市内涝数值模拟模型；S2：数值模拟模型敏感参数识别及优化，针对代理模式下数值模拟模块的参数不确定性，利用轮廓系数（SilhouetteCoefficient，SC）和K均值聚类算法（K-means）对数值模拟模块敏感参数进行快速识别优化，为暴雨内涝水深数据集构建提供支撑；S3：构建多情景城市内涝水深数据集，利用赋有最优参数值的数值模拟模型，设计具有目标区域实际降雨特征的多情景降雨，驱动代理模式下城市内涝多情景模拟；S4：构建代理模式下标准时空数据集，基于数值模拟创建的多情景内涝水深数据集，构建标准时空数据集；S5：构建代理模式下的CNN-LSTM-MultiHeadAttention集成深度学习模块并进行性能优化，基于代理模型标准数据集，构建代理模式下的CNN-LSTM-MultiHeadAttention深度学习模块，并在训练过程中通过指标进行性能优化，实现城市内涝时空模拟，其中，所述S1包括以下步骤：S11：一维管网产汇流模型构建；S12：二维地表产汇流模型构建；S13：管网地表数值模拟模型构建，其中，所述S2包括以下步骤：S21：利用SC-K-means机器学习方法进行参数聚类，基于数值模拟模型不确定性先验参数样本，利用轮廓系数和K均值聚类算法挖掘数值模拟不确定性参数聚类规律；S22：城市功能区划分，将下垫面的自然属性与社会属性叠加一起划分城市功能区，即提出城市功能区划分原则，该原则包含“社会主导-自然协同”下垫面特征；S23：基于Morris方法进行敏感参数识别，在参数范围内随机改变，运行数值模拟模型得到不同结果，用来判断参数变化对输出的影响，参数的灵敏度可表示为： ，其中为模型参数的值，对应的输出为水深模拟值，参数改为后对应的输出为，为改变参数后的节点水深模拟值；S24：将敏感参数聚类值依据城市用地功能区分布规律赋予给各子汇水区，S25：选取多场降雨径流事件，利用观测的城市暴雨洪涝事件确定敏感参数最优值。

全文数据：

权利要求：

百度查询： 南京师范大学 一种替代数值模拟的城市内涝代理模型构建方法

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