本发明涉及，更具体地说涉及一种城市洪涝灾害预测系统。
背景技术：
目前影响我国绝大部分城市的灾害，当属洪涝灾害，同时我国大部分地区属于季风性气候，每年的降雨量都会相应地集中在某个时间段中，因此洪涝灾害频发，持续时间较长，影响将大，如果不能对城市将要发生的洪涝灾害进行准确的预测，容易对人们造成重大的生命以及财产损失。然后现有技术中洪涝灾害预测系统中所采记得预测数据来源单一，导致其预测的准确性较低。
技术实现要素：
本发明要解决的技术问题是：提供一种从多方面采集预测数据的城市灾害预测系统。
本发明解决其技术问题的解决方案是：
一种城市灾害预测系统，包括：
图像信息模块：基于地理信息系统，用于采集城市区域内的水域面积；
水位检测模块：用于采集城市区域内的窨井的水位深度；
流量检测模块：用于采集城市区域内的下水道的排水流量；
气象观测模块：基于气象卫星，用于采集当前城市的天气状况以及预测未来一段时间内城市的天气状况；
数据库模块：用于对所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集的数据进行整合、存储以及实时曲线绘制；
决策支持模块：用于根据所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集的数据判断洪涝灾害的发生等级，所述发生等级越高，洪涝灾害发生的机率越大。
作为上述技术方案的进一步改进，所述决策支撑模块包括：
区域划分单元：用于将城市划分成若干个待预测区域；
权值设定单元：用于设定所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据相应的权值；
等级预测单元：用于根据所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据以及相应的权值，计算各个待预测区域的洪涝灾害的发生等级。
作为上述技术方案的进一步改进，所述权值设定单元是基于bp神经网络模型设定所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据相应的权值。
作为上述技术方案的进一步改进，本发明创造还包括预测启动模块，所述预测启动模块被配置为根据气象观测模块所采集的数据，控制其余各个功能模块启动。
本发明的有益效果是：本发明通过图像信息模块、水位检测模块、流量检测模块以及气象观测模块，采集多个导致洪涝灾害发生的数据，数据来源全面广泛，综合考虑了造成洪涝灾害的多方面因素，预测准确度高。本发明创造用于预测城市洪涝灾害发生机率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是本发明的系统结构示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
参照图1，针对现有技术中无法准确地预测城市洪涝灾害发生的机率，本发明创造公开了一种城市灾害预测系统，包括：
图像信息模块：基于地理信息系统，用于采集城市区域内的水域面积；
水位检测模块：用于采集城市区域内的窨井的水位深度；
流量检测模块：用于采集城市区域内的下水道的排水流量；
气象观测模块：基于气象卫星，用于采集当前城市的天气状况以及预测未来一段时间内城市的天气状况；
数据库模块：用于对所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集的数据进行整合、存储以及实时曲线绘制；
决策支持模块：用于根据所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集的数据判断洪涝灾害的发生等级，所述发生等级越高，洪涝灾害发生的机率越大。
具体地，本发明通过图像信息模块、水位检测模块、流量检测模块以及气象观测模块，采集多个引起洪涝灾害发生的起因数据，数据来源全面广泛，利用气象观测模块、水位检测模块以及图像信息模块采集能够直接引起洪涝灾害的多方面数据，同时还利用流量检测模块检测能够直接消除洪涝灾害的数据，综合考虑了造成洪涝灾害的多方面因素，预测准确度高。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述决策支撑模块包括：
区域划分单元：用于将城市划分成若干个待预测区域；
权值设定单元：用于设定所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据相应的权值；
等级预测单元：用于根据所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据以及相应的权值，计算各个待预测区域的洪涝灾害的发生等级。
具体地，针对不同城市，或者同一城市不同的区域，由于其地理位置的差异，从而导致造成洪涝灾害的各个因素的重要性各不相同，因此为了使系统能够与各个地理位置不同的城市都能够配合使用，进一步提高预测城市洪涝灾害发生机率的准确度，本发明创造需要通过权值设定单元设定所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据相应的权值，权值越大，证明相对应的数据对造成洪涝灾害的影响越大。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述权值设定单元是基于bp神经网络模型设定所述图像信息模块、水位检测模块、流量检测模块以及气象观测模块所采集数据相应的权值。具体地，随时间的推移，政府有关部门有可能会对相应的市政建设进行优化改造，从而使到引起洪涝灾害的各个因素的重要性随着时间而发生变化，因此本发明创造所述权值设定单元是基于bp神经网络模块而设定各项数据的权值的，所述bp神经网络能够根据数据库模块中不断更新，而不断地去修改各项数据的权值，从而保证城市灾害预测的准确度。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述预测系统还包括预测启动模块，所述预测启动模块被配置为根据气象观测模块所采集的数据，控制其余各个功能模块启动。具体地，引起城市洪涝灾害的起因往往是该城市的天气状况，当一个城市当前以及未来一段时间内的天气状况良好时，是不能出现洪涝灾害的，此时如果仍需要利用各个功能模块去采集相关数据，明显浪费资源。为解决上述问题，本发明创造通过预测启动模块根据气象观测模块所采集的数据，智能控制各个功能模块启动。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在
本技术：
权利要求所限定的范围内。