一种基于深度学习的山洪时空预测方法
摘要文本
本发明公开了一种基于深度学习的山洪时空预测方法，包括：通过栅格式SCS水文模型模拟目标区域的山洪产流过程；通过LISFLOOD‑FP水动力模型模拟山洪淹没过程；创建物理模拟的降雨‑山洪数据集；基于Pytorch深度学习框架构建山洪时空预测代理模型；通过降雨‑山洪数据集，对山洪时空预测代理模型进行训练和测试。本发明基于深度学习方法构建了山洪时空预测代理模型，通过在水文和水动力模型模拟的大量降雨和对应山洪淹没数据样本中训练学习，拟合降雨到山洪之间的复杂非线性关系，完成针对山洪时空预测任务的物理模型代理，可根据降雨时间序列，快速并精确地预测山洪淹没的时空变化过程，服务于山洪灾害的短时临近预报任务。 数据由马 克 团 队整理
申请人信息
- 申请人:浙江大学
- 申请人地址:310058 浙江省杭州市西湖区余杭塘路866号
- 发明人: 浙江大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的山洪时空预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311856553.2 |
| 申请日 | 2023/12/29 |
| 公告号 | CN117494586A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 浙江大学 |
| 发明人 | 杨勇川; 王乃玉; 王俊彦 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号 |
专利主权项内容
1.一种基于深度学习的山洪时空预测方法，其特征在于，包括如下步骤：S1、通过栅格式SCS水文模型模拟目标区域的山洪产流过程：将栅格式SCS水文模型所需的静态数据以及降雨时间序列样本输入栅格式SCS水文模型中，进行参数率定后，模拟目标区域的山洪产流过程，山洪产流过程至少包括径流量；S2、通过LISFLOOD-FP水动力模型模拟山洪淹没过程：将LISFLOOD-FP水动力模型所需的静态数据和栅格式SCS水文模型模拟的径流量输入LISFLOOD-FP水动力模型中，对于一维河道采用浅水方程模拟水流运动，对于二维洪泛区采用连续方程和动量方程模拟水流的扩散和淹没过程；S3、创建物理模拟的降雨-山洪数据集：通过栅格式SCS水文模型和LISFLOOD-FP水动力模型物理模拟得到降雨-山洪初始样本集，每条样本在降雨触及暴雨橙色预警信号标准的时刻，提取该时刻过去小时和未来/>小时的降雨时间序列作为输入，对应未来/>小时的山洪时空序列作为输出，以此创建降雨-山洪数据集，其中，/>的取值范围为[3, 48]，/>的取值范围为[3, 12]，且/>和/>均为整数；S4、基于Pytorch深度学习框架构建山洪时空预测代理模型；S5、通过步骤S3得到的降雨-山洪数据集，对步骤S4得到的山洪时空预测代理模型进行训练和测试。