一种基于深度神经网络的城市内涝实时模拟方法及系统

专利主权项内容

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；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。 马 克 数 据 网