城市洪涝模型构建、参数实时率定方法、系统及存储介质

1.本发明属于城市洪涝模型建立方法的技术领域，具体涉及一种城市洪涝模型构建、参数实时率定方法、系统及存储介质。


背景技术：

2.目前，在对城市的洪涝灾情进行分析时，经常使用以swmm(storm water management model，暴雨洪水管理模型)、mike(水动力模型)、infoworks(英孚沃克)等为代表的水文和水动力学模型来模拟由于降雨导致的城市洪涝过程。由于城市化改变了水流的天然路径，使得降雨引发城市洪涝的效应被放大，进而造成城市洪涝模拟与自然流域相比具有更高的不确定性，该不确定性主要体现在模型概化的不确定性、模型结构的不确定性和模拟结果的不确定性。其中模型概化的不确定性，城市的高空间异质性使得模型需要更高分辨率的下垫面数据，而详尽的数据是不容易获取的，因此往往采用概化或平均化的处理方式；上述模型结构的不确定性，是由于人工建筑物、不透水地表、道路及管网的加入改变了天然流路，水力交换条件变得非常复杂，模型计算的中间过程不确定性增加；上述模拟结果的不确定性，是指模拟目标从单一的流域出口断面流量过程变为多个离散的子汇水区节点溢流过程，结果可靠性的衡量更加困难。
3.上述模型不确定性会造成模拟结果与实测数据之间存在差异的问题，为了解决该问题，目前常用的方法是减小该差异的方法，是对模型中的参数进行率定，以提高模型模拟结果的精度。参数率定也称为参数调试或参数优化，它是指通过调整模型的参数使模型模拟结果与实测结果的误差不断减小，最终达到模型最优化的过程。参数率定的方法可分为手动率定和自动率定两种，其中手动率定中具有代表性的是试错法，该方法需要专业人员根据丰富的经验通过多次调整模型参数使模型具有良好的模拟结果，其缺点是具有很大的主观性且费时费力。自动率定法是随着计算机技术的发展而产生的一种模型参数自动优化算法，如遗传算法、粒子群优化算法和算法等。
4.目前，城市洪涝模型参数率定多以场次洪涝过程与实测过程误差最小为目标，对算法进行改进或组合应用多种优化算法。上述优化算法默认模型参数在降雨洪涝过程中不发生变化，系统性忽视了城市下垫面条件在降雨洪涝过程中的动态变化，在模拟新的洪涝过程时参数缺乏代表性，使模型难以克服在模拟历史数据时效果好而在预测过程中性能差的问题。
5.综上所述可知，现有技术中的城市洪涝模型，存在由于其参数率定方法不及时，而造成输出结果准确度差的问题。


技术实现要素：

6.本发明的目的在于提供一种城市洪涝模型构建、参数实时率定方法、系统及存储介质，以至少解决现有技术中城市洪涝模型中的参数率定方法不及时，而导致其输出结果准确度差的问题。
7.为至少解决上述问题，第一方面本发明提供一种城市洪涝模型的参数实时率定方法，包括：实时获取当前节点对应城市洪涝模型的输出结果；响应于当前节点对应城市洪涝模型输出结果的准确度小于设定准确度，获取其中的不确定性参数，所述城市洪涝模型为面向过程的城市洪涝模型；根据对所述城市洪涝模型结果的影响，对所述不确定性参数进行分类，得到其中的正向参数和逆向参数；采用梯度下降算法对所述正向参数和逆向参数分别进行调整，以提高所述城市洪涝模型输出结果的准确度。
8.根据本发明的一个实施例，判断所述当前节点对应城市洪涝模型的准确度是否小于设定准确度的方法包括：获取当前节点对应城市洪涝模型输出结果的模拟误差，以及其上游节点对应的城市洪涝模型输出结果的模拟误差；响应于所述前节点对应城市洪涝模型输出结果的模拟误差不小于设定误差，且所述上游节点对应城市洪涝模型输出结果的模拟误差小于设定误差，判断为当前节点对应的城市洪涝模型的准确度小于设定准确度。
9.根据本发明的另一个实施例，所述不确定性参数包括透水区曼宁系数、不透水区曼宁系数、透水区洼蓄设定、不透水区洼蓄深度、管网糙率、最大入渗率和最小入渗率中的一个或多个。
10.根据本发明的又一个实施例，所述采用梯度下降算法对所述正向参数和逆向参数分别进行调整包括：获取各正向参数和逆向参数的敏感度；采用梯度下降算法，对其中敏感度最大的第一设定数量的正向参数和第二设定数量的逆向参数进行调增。
11.根据本发明的另一个实施例，所述获取各正向参数和逆向参数的敏感度包括：响应于所述正向参数或逆向参数对应的降雨量与水深存在显著性线相关，采用夹角法获取其敏感度；响应于所述正向参数或逆向参数对应的降雨量与水深存在显著非性线相关，采用面积法获取其敏感度；响应于所述正向参数或逆向参数对应的降雨量与水深不存在显著性相关，采用面积法获取其敏感度。
12.根据本发明的另一个实施例，采用梯度下降算法对所述正向参数进行调整时，所采用的计算公式为：
[0013][0014]
采用梯度下降算法对所述逆向参数进行调整时，所采用的计算公式为：
[0015][0016]
其中是正向参数s
p
调整后的参数，是逆向参数si调整后参数，和分别是正向参数s
p
的上限值和下限值，和分别是逆向参数si的上限值和下限值，h
ij
是第i个节点j时刻的实际水深，h
ij
是对应的节点模拟水深，和分别是正向参数s
p
增加后和减小后的值，和分别是逆向参数si增加后和减小后的值。
[0017]
第二方面，本发明还提供了一种城市洪涝模型的构建方法，包括：获取对应节点的面向过程的城市洪涝模型，以及采用上述任意一项实施例所提供的城市洪涝模型的参数实时率定方法，对所述城市洪涝模型进行参数率定。
[0018]
第三方面，本发明又提供了一种城市洪涝模型参数的实时率定系统，包括第一处理器和第一存储器，所述第一存储器上存储有用于在所述第一处理器上执行的第一计算机程序指令，所述第一处理器执行该第一计算机程序指令时，实现如上述任意一项实施例所提供的城市洪涝模型的参数实时率定方法。
[0019]
第四方面，本发明还提供一种城市洪涝模型的获取系统，包括第二处理器和第二存储器，所述第二存储器上存储有用于在所述第二处理器上执行的第二计算机程序指令，所述第二处理器执行该第二计算机程序指令时，实现如上述实施例中所述的城市洪涝模型的构建方法。
[0020]
第五方面，本发明又一种计算机可读存储介质，其存储有第三计算机程序指令，所述第三计算机程序指令由处理器运行时，实现如上述任意一项实施例所提供的城市洪涝模型的参数实时率定方法，或者上述实施例中所述的城市洪涝模型的构建方法。
[0021]
本发明所提供的技术方案，可以实时获取当前节点对应城市洪涝模型输出结果的准确度，并且在该输出结果小于设定准确度时，对当前节点对应城市洪涝模型中的不确定性参数进行调整；另外，在对不确定性参数进行调整时，本技术还对其进行分类，并对其中的正向参数和逆向参数分别进行调整，以提高城市洪涝模型输出结果的准确度。由于本技术的技术方案可以对当前节点所对应城市洪涝模型中的参数进行实时率定，因此可以提高其输出结果的准确度。
附图说明
[0022]
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
[0023]
图1为本发明实施例的一种城市洪涝参数的实时率定方法的流程图。
具体实施方式
[0024]
下面结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，本领域技术人员应知，下文所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0025]
第一方面，请参考图1，图1示出的是本技术所提供一种城市洪涝模型的参数实时率定方法的流程，用于对当前节点对应城市洪涝模型中的参数进行实时率定，以提高其输出结果的准确度。下面结合图1所示出的流程，对本技术的城市洪涝模型参数的实时率定方法进行说明。
[0026]
如图1所示，本技术所提供的城市洪涝模型参数实时率定方法包括：
[0027]
在步骤s1中，实时获取当前节点对应的城市洪涝模型的输出结果，并判断当前节点对应的城市洪涝模型输出结果的准确度是否小于设定准确度。在本实施例中，当前节点对应的城市洪涝模型为面向过程的城市洪涝模型，例如swmm模型，在建立城市洪涝模型时，首先以道路-河网为边界将城市划分为独立的功能单元，该功能单元称为子汇水，则每个子汇水区具有各自的径流参数值；然后，根据地区排水特征，将具有相同排水节点的子汇水归为同一个子汇水区，每个子汇水区称为一个节点，节点对应的城市洪涝模型，即为相应子汇水区所对应的城市洪涝模型。
[0028]
对于当前节点所对应的城市洪涝模型，如果其输出结果的准确度小于设定准确度，则可以判断为当前节点对应的城市洪涝模型的准确度已经满足，不需要再对其中的参数进行率定，因此不需要执行以下的步骤。反之，如果当前节点对应的城市洪涝模型的输出结果的准确度小于设定准确度，则可以判断为当前节点的城市洪涝模型的准确度不能够符合要求，需要对其进行参数的率定，因此继续执行以下步骤。
[0029]
在步骤s2中，如果当前节点对应城市洪涝模型的准确度小于设定准确度，则获取其中的不确定性参数。在本实施例中，城市洪涝模型中具有两种参数，第一种是通过实地测量或者实验获取的参数，第二种产生于对水文过程的概化的参数，其中第一种参数属于确定性参数，这些参数不会随着将于洪涝过程的变化而变化，不需要对其进行率定；第二种参数属于不确定性参数，一般根据取值经验确定取值范围，需要对其进行率定。因此，本实施例中在前节点对应城市洪涝模型的准确度小于设定准确度时，获取其中的不确定性参数并对其进行率定，以提高城市洪涝模型的准确度。
[0030]
在步骤s3中，根据对当前节点对应城市洪涝模型输出结果的影响，对当前节点城市洪涝模型中的不确定性参数进行分类，得到其中的正向参数和逆向参数。另外，在本实施例中正向参数是与节点水深正相关的参数，即当正向参数增加时，节点对应区域水深也相应地加深；反之，逆向参数是与节点水深负相关的参数，即当逆向参数增加时，节点水深相应地减小。由于正向参数和逆向参数对城市洪涝模型的输出结果影响不同，因此需要对其进行区分并单独进行相应的调整。
[0031]
在步骤s4中，采用梯度下降方法，分别对正向参数和逆向参数进行调整，以提高当前节点城市洪涝模型输出结果的准确度。在本实施例中，采用梯度下降算法调节正向参数
和逆向参数，是指通过增加正向参数的值并减小逆向参数的值，以使当前节点对应城市洪涝模型输出结果的误差减小的过程。通过梯度下降算法对正向参数和逆向参数进行调整，可以提高当前节点城市洪涝模型输出结果的准确度。
[0032]
综上所述，本技术所提供的技术方案，可以实时获取当前节点对应城市洪涝模型输出结果的准确度，并且在该输出结果小于设定准确度时，对当前节点对应城市洪涝模型中的不确定性参数进行调整；在对不确定性参数进行调整时，本技术还对其进行分类，并对其中的正向参数和逆向参数分别进行调整，以提高城市洪涝模型输出结果的准确度。由于本技术的技术方案可以对当前节点所对应城市洪涝模型中的参数进行实时率定，因此可以提高其输出结果的准确度。
[0033]
上文中对本技术的城市洪涝模型的参数实时率定方法做了整体的介绍，下面结合具体应用场景，对其中判断当前节点对应城市洪涝模型准确度是否小于设定准确度的方法进行详细的说明，可以理解的是，下文中所介绍的判断当前节点对应城市洪涝模型准确度是否小于设定准确度的方法是示例性的而非限制性的，上文中的对该方法的描述，也同样适用于下文中对该方法的描述。
[0034]
在一个实施例中，上述步骤s1中，所获取的当前节点对应的城市洪涝模型的输出结果，是指当前节点对应城市洪涝模型的模拟输出量，该模拟输出量为模拟水深，在得到该模拟输出量之后，判断当前节点对应城市洪涝模型准确度是否小于设定准确度的方法包括：
[0035]
首先获取当前节点对应城市模型的模拟误差，以及其上游节点对应城市洪涝模型的模拟误差。在本实施例中，当前节点对应城市模型的模拟误差，是指前节点对应城市模型所输出的模拟水深与当前节点对应区域的实际水深之间差值的绝对值；同理，当前节点上游节点对应城市洪涝模型的模拟误差，是指当前节点上游节点对应城市模型所输出的模拟水深与其对应区域的实际水深之间差值的绝对值。
[0036]
其次，判断当前节点对应城市洪涝模型的模拟误差是否小于设定误差，以及当前节点上游节点对应的城市洪涝模型的误差是否小于设定误差；如果当前节点对应城市洪涝模型的模拟误差不小于设定误差，并且当前节点上游节点对应的城市洪涝模型的误差小于设定误差，则判断为当前节点对应城市洪涝模型的准确度小于设定准确度。
[0037]
由于当前节点对应区域的水源主要有两个，一个是起上游节点的来水，另一个是当前节点的涞水。由于前节点上游节点对应的城市洪涝模型的误差小于设定误差，因此通过本实施例的方法，可以首先排除上游节点对应城市洪涝模型误差所造成的影响，从而得到当前节点对应城市洪涝模型的准确度小于设定准确度。通过本实施例的设置方式，可以准确地判断出当前节点对应城市模型输出结果准确度。
[0038]
上文中对判断当前节点对应城市洪涝模型准确度是否小于设定准确度的方法做了详细的介绍，下面结合具体应用场景，对城市网络模型中的不确定性参数进行说明。
[0039]
在一个实施例中，城市洪涝模型中具有确定性参数和的不确定性参数，其中确定性参数包括对应子汇水区的不透水率、管道长度、子汇水区面积、子汇水区特征宽度、子汇水区坡度和无洼不透水率；不确定性参数包括透水区曼宁系数、不透水区曼宁系数、透水区洼蓄设定、不透水区洼蓄深度、管网糙率、最大入渗率和最小入渗率。通过本实施例的设置方式，可以使节点对应的城市洪涝模型所涉及的参数更加全面，所得到的城市洪涝模型可
靠性更高。
[0040]
下面结合具体应用场景，对当前节点对应城市洪涝模型中正向参数和逆向参数的调整方法做进一步的介绍。
[0041]
在一个实施例中，上述步骤s4中采用梯度下降算法对正向参数和逆向参数分别进行调整的方法包括：首先获取正向参数和逆向参数的敏感度，然后采用梯度下降算法，对其中敏感度最大的第一设定数量的正向参数和第二设定数量的逆向参数进行调整。例如，当第一设定数量和第二设定数量的取值均为2时，在得到各正向参数和逆向参数的敏感度后，分别将各正向参数和逆向参数按照其敏感度从大到小的顺序进行排列，然后得到敏感度最大的两个正向参数和敏感度最大的两个逆向参数，最后对采用梯度下降算法，对得到的敏感度最大的两个正向参数和敏感度最大的两个逆向参数进行调整，从而提高当前节点对应城市洪涝模型输出结果的准确度。本实施例的设置方式，只对其中敏感度最大的第一设定数量的正向参数和敏感度最大的第二设定数量的逆向参数进行调整，一方面能够保证当前节点对应城市洪涝模型输出准确度的快速提高，另一方面还能够减少所调整参数的数量，提高调整参数的工作效率。
[0042]
进一步地，在另一个实施例中，获取参数敏感度的方法包括：首先获取参数对应降雨量与水深之间的相关性；然后根据参数对应降雨量与水深之间的相关性，得到参数的敏感度计算方法；最后采用相应的计算方法，计算参数的敏感度。在本实施例中，参数可以为正向参数也可以为逆向参数，如果参数对应的降雨量与水深存在显著性线性相关，则采用夹角法获取其敏感度s，即采用如下公式(1)进行计算：
[0043][0044]
其中k1和k2分别表示对应参数取下限和上限时降雨量-水深关系曲线的斜率。如果参数对应的降雨量与水深存在显著非线性相关，则采用面积法获取其敏感度s，即采用如下公式(2)进行计算：
[0045][0046]
其中ps表示当前节点对应区域开始产生积水时的降雨量，pe表示当前节点对应区域降雨结束时的累积降雨量，即场次总降雨量，da和du分别表示位于上方和位于下方的曲线的水深。如果参数对应的降雨量与水深不存在显著的相关性，则采用距离法获取其敏感度s，即采用如下公式(3)进行计算：
[0047][0048]
其中d
m1
表示第m1组降雨量-水深散点对应的参数取下限时的水深，d
m2
表示参数取上限时的水深，m表示散点组的数量。
[0049]
通过上述实施例的设置方式，可以根据参数对应降雨量与水深之间的相关性计算其敏感度，能够提高对参数敏感度计算的准确度。
[0050]
下面结合具体应用场景，对采用梯度下降算法调整正向参数和逆向参数的方法做
详细的介绍。可以理解的是，下文中所描述的方法是示例性的而非限制性的，因此上文中对采用梯度下降算法调整正向参数和逆向参数的描述，同样也适用于下文。
[0051]
在一个实施例中，采用梯度下降算法对城市洪涝模型中的正向参数和逆向参数分别进行调整。首先，在对于正向参数时，所采用的计算公式为：
[0052][0053]
其次，在对逆向参数进行调整时，所采用的计算公式为：
[0054][0055]
在以上公式中，是正向参数s
p
调整后的参数，是逆向参数si调整后参数，和分别是正向参数s
p
的上限值和下限值，和分别是逆向参数si的上限值和下限值，h
ij
是第i个节点j时刻的实际水深，h
ij
是对应的节点模拟水深，和分别是正向参数s
p
增加后和减小后的值，和分别是逆向参数si增加后和减小后的值。
[0056]
第二方面，本技术还提供了一种城市洪涝模型的构建方法，该方法包括：首先，建立当前节点的面向过程的城市洪涝模型；然后，采用上述各实施例的城市洪涝模型参数的实时率定方法，对所建立的城市洪涝模型进行参数率定，以提高其输出结果的准确度。
[0057]
第三方面，本技术还提供了一种城市洪涝模型的参数实时率定系统，该系统包括第一处理器、第一存储器、第一通信接口和第一通信总线，第一处理器、第一存储器和第一通信接口通过第一通信总线完成相互间的通信。上述第一处理器用于提供计算和控制能力，第一存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。本实施例中系统的第一通信接口用于与外部的终端进行有线或无线方式的通信，无线
方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。本实施例所提供的城市洪涝模型的参数实时率定系统，其第一存储器用于存储至少一个第一计算机程序指令，该第一计算机程序指令在第一处理器上执行时，实现上述城市洪涝模型的参数实时率定方法及其多个实施例。
[0058]
第四方面，本技术还提供了一种城市洪涝模型的获取系统，该系统包括第二处理器、第二存储器、第二通信接口和第二通信总线，第二处理器、第二存储器和第二通信接口通过第二通信总线完成相互间的通信。上述第二处理器用于提供计算和控制能力，第二存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。本实施例中系统的第二通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。本实施例的城市洪涝模型的获取系统，其第二存储器用于存储至少一个第二计算机程序指令，该第二计算机程序指令在第二处理器上执行时，实现上述城市洪涝模型的构建方法及其多个实施例。
[0059]
第五方面，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0060]
本说明书中所使用的术语“第一”或“第二”等用于指代编号或序数的术语仅用于描述目的，而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”或“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体地限定。
[0061]
另外，虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用本文所描述的本发明实施例的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求保护范围内的模块组成、等同或替代方案。