基于多维实时监测与大数据分析的内涝积淹点预判方法与流程

本发明涉及，具体为基于多维实时监测与大数据分析的内涝积淹点预判方法。

背景技术：

1、内涝是指由于排水系统不畅或降雨过大，导致地面积水无法及时排出而形成的积淹现象。内涝可能会对交通、居民生活和城市设施造成影响，甚至引发洪灾。为了防止内涝，需要加强城市排水系统建设，合理规划城市排水布局，以及加强降雨监测和预警系统。

2、目前设有较多种预测方法来预测降雨发生城市内涝，如中国专利 cn114254561a公开的一种内涝预测方法、系统及存储介质，此类预测方法一般都是通过对城市地形进行建模，对降雨量进行检测，并进行水文分析，判断水流向，并对内涝进行预测；

3、但是城市中影响排水的地形因素较为复杂，建筑施工、道路施工、地铁建设等均会对地形造成影响，简单的建模预测误差较大，同时城市地下复杂的排水管线，且在实际降雨中，一些狭窄的排水管线还容易堵塞，此类特殊因素对内涝积淹的影响很大，但是缺乏有效的预测方法。

技术实现思路

1、针对现有技术的不足，本发明提供了基于多维实时监测与大数据分析的内涝积淹点预判方法，解决了城市中地形变化快，简单的建模预测误差较大，同时城市地下复杂的排水管线中一些管线容易堵塞，此类特殊因素对内涝积淹的影响很大，但是缺乏有效的预测方法的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于多维实时监测与大数据分析的内涝积淹点预判方法，具体包括以下步骤：

3、s1、收集城市地形和排水系统的数据，包括地势高低、排水管网的覆盖范围和流向、城市内涝历史数据，以及排水系统连接河道部分的管线水位高度数据；

4、s2、利用采集的数据结合地理信息系统构建三维模型m进行城市易产生内涝积淹点的初步预测；

5、s3、依据日常降雨积水情况对预测结果进行验证和调整，结合现场调查地形和排水系统实际情况对三维模型m进行修正；

6、s4、在降雨时，实时采集降雨量数据x、排水管线各采集点排水流量数据y和河道水位z；

7、s5、监测排水流量实时变化和雨量变化，计算分析排水管线可能堵塞区域，结合预测的易产生内涝积淹点的区域，筛除无关区域的排水管线，剩余可能堵塞区域的排水管线结合历史堵塞数据以及各管线具体排水能力，分析各管线的具体堵塞几率进行排序并划分等级，并在三维模型m内进行区域标记；

8、s6、依据历史堵塞发生的雨势雨量数据，计算发生堵塞的雨量和时间，模拟堵塞发生条件，获取气象局对未来一段时间内雨势的预测，预测未来一段时间内管线堵塞情况和易产生内涝积淹的区域；

9、s7、通过获取的河道水位上涨数据，结合降雨量和未来一段时间内雨势的预测，分析河道水位上涨趋势，结合易产生内涝积淹区域的河道旁排水管线的水位高度，预测河水反灌入排水管线的时间，进行风险提醒。

10、优选的，所述s6中设雨量r是时间t的函数，那么单位时间内雨量变化值δr(t)可以表示为r(t)的导数，即：

11、δr(t)=dr/dt；

12、其中，dr表示雨量的微小变化量，dt表示时间的微小变化量。

13、优选的，设单位时间内排水管线排水流量变化值为δp(t)，设x表示需要计算的排水管线的序号，a(t)表示排水管线初步判断的堵塞百分比：

14、ax(t)=δp(t)/δr(t)×100%；

15、若ax(t)小于1，表示该排水支流管线可能存在异常排水。

16、优选的，将ax(t)小于1的各点排水支流管线历史堵塞次数相对于总管线堵塞次数比例设置堵塞次数百分比，堵塞次数越多堵塞次数百分比bx(t)占比越大：

17、bx(t)=(h/l)×100%；

18、h表示该支流管线堵塞次数，l表示所有支流管线总堵塞次数。

19、优选的，将ax(t)小于1的各点排水支流管线具体排水能力相对于主管线排水能力比例设置排水能力百分比，具体排水能力越小排水能力百分比cx(t)占比越大：

20、cx(t)=(m/d)×100%；

21、d表示该支流管线最大排水流量，m表示该支流管线下流汇聚的主管线的最大排水流量。

22、优选的，将堵塞百分比、堵塞次数百分比和排水能力百分比进行加成，获取对应管线堵塞总几率fx(t)：

23、fx(t)=ax(t)+bx(t)+cx(t)；

24、对fx(t)进行排序，并对排序的管线堵塞总几率fx(t)划分三个等级，设立阈值i和j，其中i<j，对比fx(t)与阈值i和j输出结果f值：

25、；

26、f的1、2、3等级分别表示风险等级高中低三级。

27、优选的，所述s6中在三维模型m内依照堵塞几率等级进行颜色区分标记，并按照顺序进行数字标记。

28、优选的，所述s4中对三维模型m进行修正的项目包括建筑施工区域标记、地势更新、排水系统更新。

29、优选的，通过预测的雨势大小s来预测雨量变化值δr(t)，具体包括以下步骤：

30、（1）观察历史数据：首先，通过观察历史雨势大小s和雨量变化值δr(t)的数据来分析两者之间的关系；

31、（2）建立模型并修正：根据观察到的历史数据，建立一个关系模型w来描述雨势大小s与雨量变化值δr(t)之间的关系，并依据本次雨水前期数据代入关系模型w对其参数进行修正；

32、（3）预测雨量变化值：建立模型后利用获取的气象局预测的雨势大小s代入关系模型w中，得到对应的预测雨量变化值δr(t)。

33、优选的，通过分析河道水位上涨速度sg与雨量变化值δr(t)的关系，获取以下计算公式：

34、sg=k×δr(t)；

35、其中，k通过分析河道水位上涨速度sg与雨量变化值δr(t)的规律获取的常数；

36、气象局预测的雨势大小s代入关系模型w中，得到对应的预测雨量变化值δr(t)，然后计算在雨势s下到达危险水位gw所需的时间；假设初始时刻河道水位为go，危险水位为gw，假设雨量变化δr(t)在时间t内保持恒定，则到达危险水位gw所需的时间t为：

37、t=（gw-go）/sg；

38、将sg的表达式代入上式，得到：

39、t=（gw-go）/（k×δr(t)）。

40、有益效果

41、本发明提供了基于多维实时监测与大数据分析的内涝积淹点预判方法。与现有技术相比具备以下有益效果：

42、1、该基于多维实时监测与大数据分析的内涝积淹点预判方法，通过采集各项数据，对城市地表地形和地下排水管线布局进行建模，并实地考察定期更新，再对雨势和雨水量进行分析，同时对排水管线的各支流堵塞情况进行分析和预测，可判断易产生堵塞的支流几率，对于地势低易产生内涝的区域堵塞几率越高，则越容易出现内涝积淹，再对河道水位与排水管线的分析，还可预测河水反灌时间，进而分析影响排水管线排水能力的时间，多方面统合分析，可更准确的预测出内涝积淹点。

43、2、该基于多维实时监测与大数据分析的内涝积淹点预判方法，通过对雨量变化和排水管线排水流量的变化进行分析，判断处排水异常可能存在堵塞的排水管线支流，再结合历史堵塞数据和支流排水能力大小，多方面分析可更好的分析出排水管线支流堵塞的几率，预测结果更精确。

44、3、该基于多维实时监测与大数据分析的内涝积淹点预判方法，通过历史数据分析雨势大小和雨量变化值的关系并建立模型，并利用本次雨水的数据进行参数修正，方便利用本次雨水未来一段时间的预测雨势来预测雨水变化量，并通过对本次雨水雨量变化值与造成的河道水位变化参数获取计算公式，最终可通过预测的雨势来预测河道水位达到危险高度的时间，进而可预测出河水倒灌进排水管线的时间，有利于分析出增加内涝积淹点数量和积淹程度的时间。