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：苏州市伏泰信息科技股份有限公司

摘要：本发明公开了应用于城市水务治理的内涝模型创建方法及系统，涉及城市水务治理技术领域，本发明包括以下步骤：数据采集与预处理：收集城市地形、土地利用、气象等数据，并进行预处理，为模型提供输入；利用地理信息系统和地形测量技术收集城市地形数据；本发明，通过集成深度学习算法和实时数据监测技术，显著提升了城市内涝预测模型的精度和实时性，与传统的基于机理的静态模型相比，能够动态调整模型参数，实时响应环境变化，如降雨强度和地形特征变化，从而提供更为精确和及时的内涝风险评估。

主权项：1.应用于城市水务治理的内涝模型创建方法，其特征在于，包括以下步骤：步骤a.数据采集与预处理：收集城市地形、土地利用及气象数据，并进行预处理，为模型提供输入；步骤b.深度学习模型训练：使用深度学习算法训练模型，通过历史数据学习内涝发生的规律，具体操作步骤如下：步骤b1：明确问题类型并理解数据特性，包括数据的类型、分布、特征维度和样本数量；步骤b2：调研现有解决方案，根据问题类型选择深度学习模型架构；步骤b3：设计实验框架，进行模型比较、超参数调整和性能评估；步骤b4：确定最优模型架构，配置损失函数、优化器和评估指标；步骤b5：使用训练集数据进行模型训练，通过反向传播算法优化网络权重；步骤b6：调整超参数，包括学习率和批大小，用于提高模型性能；步骤b7：使用验证集评估模型性能，并进行模型架构或参数的调整；步骤b8：保存训练好的模型，用于后续使用和部署；其中确定最优模型架构的过程如下：根据问题特性和初步理解，初步筛选若干个模型架构，并对初步筛选的模型架构进行测试，采集测试的基本因素和影响因素进行综合分析，确定选择的所有模型架构的优先级，其中基本因素包括：准确率、召回率、均方误差及F1分数，归一化处理后，以准确率与召回率的乘积作为底圆半径，以F1分数与均方误差的比值作为高，建立圆锥体模型，计算该圆锥体模型的表面积，并记为基评值JPZ；影响因素包括：训练时间、推理时间及模型大小，归一化处理后代入以下公式：以得到影评值YPZ，式中st、tt及md分别为训练时间、推理时间及模型大小，并以得到的影评值作为衡量影响因素对模型架构优先级的衡量标准；再将得到的基评值及影评值归一化处理后代入公式：以得到综评值ZPZ，并以此综评值ZPZ作为衡量模型架构优先级的评价标准；将选择的所有模型架构得到的综评值ZPZ按照大小进行排序，并选取综评值ZPZ最大的模型架构作为最优选择；步骤c.动态参数调整：设计动态参数调整机制，根据实时监测数据动态调整模型参数，具体操作步骤如下：通过确认机制确定哪些模型参数可根据实时数据动态调整；分析实时数据与模型参数的相互关系，建立调整规则；开发参数调整策略，包括阈值触发和自适应调整机制；利用参数更新机制，使模型能够利用实时数据动态调整参数；设计反馈循环，根据模型预测与实际观测值的偏差自动调整参数；其中确认机制的具体过程如下：确定模型关键参数，包括学习率、正则化系数、网络层数和神经元数量；进行参数敏感性分析，通过实验或理论分析识别对模型输出影响显著的参数；分析数据特性，包括变化范围、周期性和季节性，以确定需要动态调整的参数；评估实时数据对模型预测的影响，确定与数据变化相关的参数；利用历史数据模拟实时数据流，分析不同参数设置下的性能变化；应用模型诊断工具，识别模型性能瓶颈；对不同参数设置的模型进行AB测试，比较处理实时数据的性能；设计基于预测与观测偏差的反馈机制，动态调整参数；在模拟环境中测试模型对实时数据的反应，识别需调整的参数；应用超参数优化算法，寻找达到标准的调整策略；建立实时监控系统跟踪模型性能，并触发对应的参数调整；评估模型在不同参数设置下的鲁棒性，确定参数调整条件；应用持续学习策略，使模型随时间和数据积累自动调整参数；步骤d.实时数据的集成与模型率定：集成物联网技术，实现模型的实时数据采集和在线率定，具体过程如下：将物联网设备集成到监测系统中，实时收集数据；实现数据流处理，使数据能够实时传输和处理；根据实时数据对模型进行在线率定，调整模型参数；定期或根据需要更新模型，适应新的数据和环境变化；监控模型性能，使实时数据集成和在线率定具备有效性；步骤e.内涝业务集成：将模型输出与内涝业务流程相结合，实现实时决策支持。

全文数据：

权利要求：

百度查询： 苏州市伏泰信息科技股份有限公司 应用于城市水务治理的内涝模型创建方法及系统