买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市广汇源环境水务有限公司

摘要：本发明涉及深度神经网络领域，尤其涉及一种基于深度神经网络的城市内涝实时模拟方法及系统。该方法包括以下步骤：获取目标区域降雨数据、历史降雨监测数据、城市环境数据及城市全景色图像；对城市环境数据进行地表径流特征分析，以生成地表径流特征数据；对目标区域降雨数据进行降雨强度分析，生成降雨强度数据；根据城市环境数据对城市全景色图像进行图像分割，以生成土地类型区域图；利用土地类型区域图对地表径流特征数据进行区域径流划分，以生成地表径流区域图像；根据降雨强度数据对地表径流区域图像进行水位流量计算，以生成区域径流水位流量数据。本发明实现了高效、快速的城市内涝实时模拟。

主权项：1.一种基于深度神经网络的城市内涝实时模拟方法，其特征在于，包括以下步骤：步骤S1：获取目标区域降雨数据、历史降雨监测数据、城市环境数据及城市全景色图像；对城市环境数据进行地表径流特征分析，以生成地表径流特征数据；对目标区域降雨数据进行降雨强度分析，生成降雨强度数据；步骤S2：根据城市环境数据对城市全景色图像进行图像分割，以生成土地类型区域图；利用土地类型区域图对地表径流特征数据进行区域径流划分，以生成地表径流区域图像；根据降雨强度数据对地表径流区域图像进行水位流量计算，以生成区域径流水位流量数据；步骤S3：对城市环境数据进行地下管网布局分析，以生成地下管网布局数据；对地下管网布局数据进行管网拓扑结构分析，以生成管网拓扑结构数据；通过区域径流水位流量数据对管网拓扑结构数据进行管网水位峰值计算，生成管网水位峰值数据；其中，步骤S3包括：步骤S31：对城市环境数据进行管道节点位置标记，得到城市管道节点位置数据；步骤S32：根据城市管道节点位置数据对城市环境数据进行地下管网布局分析，以生成地下管网布局数据；其中，步骤S32包括：步骤S321：对地下管网布局数据进行管网层次分析，以生成管网层次结构数据；步骤S322：对管网层次结构数据进行层次连接关系分析，生成层次连接关系数据；步骤S323：根据层次连接关系数据对管网层次结构数据进行汇流负荷计算，生成管网汇流负荷数据；步骤S324：通过管网汇流负荷数据对地下管网布局数据进行溢流节点识别，以标记管网溢流节点；步骤S325：基于管网溢流节点对管网层次结构数据进行管网拓扑结构分析，以生成管网拓扑结构数据；步骤S33：对地下管网布局数据进行管网拓扑结构分析，以生成管网拓扑结构数据；步骤S34：通过区域径流水位流量数据对管网拓扑结构数据进行水位流量动态模拟，生成水位动态流量数据；步骤S35：对水位动态流量数据进行管网水位峰值计算，生成管网水位峰值数据；步骤S4：对土地类型区域图进行区域矩阵构建，以生成土地区域矩阵图；对土地区域矩阵图进行区域关联分析，以生成土地区域关联数据；根据土地区域关联数据对区域径流水位流量数据进行水流边界扩散演化分析，生成地表水动力模型；步骤S5：根据管网水位峰值数据对地表水动力模型对进行区域内涝蔓延分析，以生成区域内涝蔓延数据；对区域径流水位流量数据进行时序分析，以生成时序水位流量数据；利用时序水位流量数据对区域内涝蔓延数据进行最大淹没水深计算，以生成区域最大淹没水深数据；步骤S6：基于历史降雨监测数据对区域最大淹没水深数据进行淹没范围趋势分析，以生成内涝淹没范围趋势预测数据；利用深度神经网络对内涝淹没范围趋势预测数据进行模型构建，以构建城市内涝代理模型，执行内涝实时模拟作业；其中，步骤S6包括：步骤S62：对各个区域淹没范围趋势数据进行淹没范围预测，以生成区域淹没范围预测数据；步骤S63：利用深度神经网络对区域淹没范围预测数据进行神经网络模型构建，以构建多个区域内涝神经网络模型；步骤S64：对多个区域内涝神经网络模型进行参数优化，以生成优化区域内涝神经网络模型；步骤S65：基于预设的城市内涝模型对优化区域内涝神经网络模型进行预测精度分析，以生成预测缺陷数据；步骤S66：利用预测缺陷数据对优化区域内涝神经网络模型进行超参数调整，以生成预测缺陷优化神经网络模型；步骤S67：对多个区域内涝神经网络模型及预测缺陷优化神经网络模型进行分区神经网络模型耦合，构建城市内涝代理模型，执行内涝实时模拟作业。

全文数据：

权利要求：

百度查询： 深圳市广汇源环境水务有限公司 一种基于深度神经网络的城市内涝实时模拟方法及系统