基于CNN-GRU-ATT的城市暴雨积水预测研究

多发频发的极端暴雨事件导致很多城市普遍面临严重内涝问题。能否准确高效地预测城市积水点的水位变化,是城市内涝防治的重要组成部分。为有效提升城市暴雨积水预测的精度和效率,建立了一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制(ATT)的城市暴雨积水预测模型。首先利用CNN与GRU提取水位数据的局部空间特征和深层时间特征,然后引入ATT加强对降雨序列中关键信息的记忆,从而完成城市积水点的水位预测。利用开封市某积水点的实测水位对模型进行了验证,并与以往的CNN-GRU、ATT-CNN-LSTM以及CNN-LSTM模型进行了对比分析。结果表明,CNN-GRU-ATT模型的损失函数在epoch=20处即达到收敛,损失函数值最终稳定在0.0002左右,收敛效果较好。此外,与其他3种模型相比,CNN-GRU-ATT模型的预测精度评价指标表现均为最优,且模型仍能保持较高的运算效率。其中均方根误差为1.39%,平均绝对百分比误差为4.32%,决定系数为0.9954。这表明CNN-GRU-ATT模型能够准确、高效地预测出积水点的水位变化情况,可为暴雨内涝预警和制定防汛排涝方案提供有效的科学依据。

基于图注意力网络的城市内涝积水预测与研究

极端暴雨天气多发频发造成的城市内涝,严重威胁居民的人身财产安全,准确高效的内涝点积水面积预测在提高城市灾害应急处置能力中发挥着至关重要的作用。为了提高城市内涝点积水预测的准确性和直观性,提出一种基于GAT和LSTM网络的GATLSTM组合预测模型,通过GAT提取积水信息局部空间特征,并通过节点分配权重的方式加强对关键信息序列的记忆,随后采用LSTM提取积水面积序列的时间特征,对内涝点积水面积进行预测。以开封市区某内涝点的积水数据建立模型并评估验证,将GATLSTM模型和LSTM、GAT以及GCNLSTM模型进行对比,结果表明:GATLSTM模型的预测精度优于另外3种模型,能够准确地对内涝点积水面积进行预测,可以为防汛工作和应急响应措施的制定提供科学依据。

煤矿开采沉陷地表积水预测

煤矿井采后地表积水区分布预测和治理方案规划在大部分井工煤矿项目环评和土地复垦方案编制时会涉及,这是现代化井工煤矿建设前期工作需要思考的问题。就井工煤矿开采沉陷后地表积水预测,文章通过沉陷后地形、地表水水量平衡的角度进行分析,为井工煤矿地表积水区分布预测提供一定参考。

桥涵积水深度预测的PSO-SVR模型

城市内涝是一种重要的城市灾害,而桥涵积水是城市内涝的主要表现形式之一,容易造成严重的生命伤亡和财产损失。为了提高桥涵积水深度预测的效率和精度,以当前的气象数据作为输入向量,输出向量是积水深度数据,提出一种桥涵积水深度预测模型PSO-SVR。首先利用SVR建立积水深度预测模型,再采用PSO对关键参数进行寻优,具有客观性和简易性的优点。实验结果表明,PSO-SVR模型在桥涵积水深度预测中是有效的,与传统SVR和BP神经网络预测模型相比,PSO-SVR模型对积水深度具有更高的拟合精度。该模型可以为城市内涝预警和应急救援决策提供技术支持。

CNLSTM模型预测城市积水

物联网平台能够为积水预测提供海量的传感器时间序列数据基础。为了精准且快速地预测城市内涝点积水趋势,提出一种基于神经网络的组合时序预测模型(CNLSTM),对多变量积水时间序列数据进行建模预测。此模型利用卷积神经网络(convolutional neural network,CNN)提取多变量数据之间的空间特征,得到具有空间相关性的特征量,利用长短时记忆网络(long short-term memory,LSTM)提取特征量之间的时间相关性预测未来积水水位。仿真结果表明,所提预测模型可以很好地捕获积水点水位与各输入量之间的非线性关系,并且比CNN,LSTM以及反向传播(back propagation,BP)神经网络具有能更好拟合实际水位的效果,更高的精度和泛化能力。此模型在城市积水预测中的有效性和适用性得到了验证,能够为积水点的提前预警、准备及汛前、汛中汛后治理方案的制定提供可靠的参考依据。

煤矿井下采空区标高数据曲面拟合系统设计及其在积水量预测中的应用

煤矿井下采空区积水是当前煤矿井下的主要隐蔽致灾因素之一,而由于其形状的不规则性往往难以准确预计采空区的起伏变化和积水情况。本文提出和设计了采空区标高数据曲面拟合系统,充分利用现有的采空区测点资料进行建模拟合,为煤矿井下采空区空间分析和积水量预计提供了科学的分析方法。

城市暴雨积水预警系统的分析

城市积水是每个城市不可避免的问题,在遇到极端恶劣天气时,城区极易形成积水,造成交通瘫痪、污染环境等重大问题,甚至威胁着市民人身和财产安全。在计算机、数据挖掘、互联网高速发展的今天,使得通过计算机技术建立起积水预测系统成为可能,建设城市暴雨预警系统是一项复杂的工程,涉及降雨、积水、排水、数学建模、计算机科学等门类学科,需要根据实际情况制定具体实施步骤,以数学模型为系统分析决策基础,统筹利用通信、传感器、数据存储、计算机等现代信息技术手段构建一套完整可用的积水预警系统。因此本文主要是对城市积水预警系统的建设分析和探索。

基于分布式水文模型的城市暴雨积水过程模拟

采用分布式水文模型对暴雨内涝过程进行了建模分析,以降雨、产流、汇流、排水、积水为序,计算出不同降雨强度下、不同渍水点处积水信息的时序结果。通过对贵阳市花溪区实验区域进行建模,并对有无建筑物约束情况下的积水扩散进行对比实验,结果显示存在建筑物约束情况下的积水扩散实验更符合实际的积水淹没效果。该模型能够对水务、交通等相关部门的科学决策起到基础支撑作用,更加满足海绵城市对城市治涝的需求。

面向防汛应急的重庆市洼地积涝预测模型研究

针对重庆市城市防汛应急的需要,在传统内涝模型的基础上,结合GIS空间分析与可视化技术,建立了一个运算快、实时性强的洼地积涝分析预测模型。该模型首先利用空间分析方法建立数字高程模型、城市洼地模型等数据模型,然后采用数值计算方法构建降雨模型、汇水模型、排水模型等分析模型,最后预测出洼地的积水面积、深度等。采用重庆市主城区的数据进行验证,取得良好的运行效果,并在重庆市应急平台中得到应用。