基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置及其方法
【專利摘要】本發(fā)明提供一種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置及其方法,該裝置包括信息處理單元,與信息處理單元連接的信息收集模塊、GPS衛(wèi)星定位模塊、GIS地理信息模塊、無線網(wǎng)絡(luò)模塊,與無線網(wǎng)絡(luò)模塊連接的客戶端。信息處理單元用于匹配后的資料信息進(jìn)行數(shù)據(jù)同化,同化后的數(shù)據(jù)包括歷史資料數(shù)據(jù)和實(shí)施資料數(shù)據(jù),利用歷史資料數(shù)據(jù)建立網(wǎng)絡(luò)洪水預(yù)報(bào)模型,并利用實(shí)施資料信息對建立的網(wǎng)絡(luò)洪水預(yù)報(bào)模型進(jìn)行校正以得到動態(tài)化的網(wǎng)絡(luò)洪水預(yù)報(bào)模型,并利用該網(wǎng)絡(luò)洪水預(yù)報(bào)模型輸出災(zāi)害評估結(jié)果;無線網(wǎng)絡(luò)模塊將該災(zāi)害評估結(jié)果發(fā)送給客戶端。本發(fā)明通過網(wǎng)絡(luò)洪水預(yù)報(bào)模型及時準(zhǔn)確做出山洪災(zāi)害分析判斷,為實(shí)時制定和選擇防御方案提供可靠依據(jù)。
【專利說明】基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置及其方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及地理探測【技術(shù)領(lǐng)域】,尤其涉及一種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警 裝置及其方法。
【背景技術(shù)】
[0002] 洪水預(yù)測和報(bào)警是根據(jù)洪水形成的客觀規(guī)律,利用現(xiàn)在已經(jīng)掌握的水文、氣象資 料,預(yù)報(bào)河流某一段面在未來一定時期內(nèi)(即預(yù)見期)將要出現(xiàn)的流量、水位過程。洪水災(zāi) 害是當(dāng)今世界上主要的自然災(zāi)害之一,防治洪水災(zāi)害是世界各國普遍關(guān)注的問題。70年代, 美國首先提出采用非工程措施(Non-structuralmeasures)的概念,即通過洪水預(yù)報(bào)、防洪 調(diào)度、分洪、滯洪、立法、洪水保險(xiǎn)、洪泛區(qū)管理以及造林、水土保持等非工程措施來減緩洪 澇災(zāi)害,改變損失分?jǐn)偡椒?,加?qiáng)防洪管理,順應(yīng)洪水的天然特性,因勢利導(dǎo),以達(dá)到防洪減 災(zāi)的目的。洪水災(zāi)害具有如下幾個特點(diǎn):
[0003] (1)不確定性。災(zāi)害性洪水的發(fā)生具有隨機(jī)的特點(diǎn),加之人們對自然現(xiàn)象和社會現(xiàn) 象認(rèn)識的局限性,導(dǎo)致洪水災(zāi)害的發(fā)生具有隨機(jī)性的特點(diǎn)。(2)可防御性。雖然人們不可 能完全控制洪水,但通過各種努力,可以把洪水災(zāi)害的影響程度和空間范圍,減少到最低限 度。(3)區(qū)域性。洪水災(zāi)害的發(fā)生一般不是一個點(diǎn)或一條線,而是一個面,連片成災(zāi)。大江 大河洪水災(zāi)害,可能涉及幾個省,小河潰堤也可能殃及一個或數(shù)個縣。(4)差異性。影響洪 災(zāi)損失的因素很多,包括淹沒水深、水流速度、淹沒歷時、財(cái)產(chǎn)水平及構(gòu)成、農(nóng)作物構(gòu)成及防 洪安全建設(shè)、預(yù)報(bào)和預(yù)警技術(shù)等。在不同淹沒區(qū),或同一淹沒區(qū)的不同時間,不同受災(zāi)對象, 其損失程度和大小是有差別的。
[0004] 洪水預(yù)報(bào)是根據(jù)洪水的形成和運(yùn)動規(guī)律,利用過去和實(shí)測的水文氣象資料,對未 來一定時段內(nèi)的洪水發(fā)展情況所作的預(yù)測預(yù)報(bào)分析,是防汛減災(zāi)的一項(xiàng)重要的非工程措 施。通過準(zhǔn)確預(yù)測洪災(zāi)發(fā)生的趨勢,可以爭取時間,采取正確的防洪救災(zāi)對策,以減輕災(zāi)害 的影響。美國從上世紀(jì)70年代至80年代初,美國由許多研究人員共同努力奠定了洪水預(yù) 警系統(tǒng)科學(xué)研究的基礎(chǔ)。其中,決策理論用于江河干流洪水預(yù)報(bào)響應(yīng)系統(tǒng)的模型化和評價(jià) 是這一時期的重要標(biāo)志。美國有2萬多個洪水多發(fā)區(qū)域,其中3000個在國家氣象局的洪水 預(yù)報(bào)范圍內(nèi),1000個有當(dāng)?shù)氐暮樗A(yù)警系統(tǒng),其余的是縣一級的預(yù)報(bào)系統(tǒng)。美國把全國分為 13個流域,每個流域都建立了洪水預(yù)警系統(tǒng),每天進(jìn)行一次洪水預(yù)報(bào)。
[0005] 此外,美國還利用先進(jìn)的現(xiàn)代信息技術(shù)和專業(yè)技術(shù),對洪災(zāi)進(jìn)行及時準(zhǔn)確的預(yù)測, 發(fā)布警示信息,并逐步建立以地理信息系統(tǒng)(GIS)、遙感系統(tǒng)(RS)和全球定位系統(tǒng)(GPS) 為核心的3S洪水預(yù)警系統(tǒng)。英國的洪水風(fēng)險(xiǎn)研究中心對洪水預(yù)警研究和應(yīng)用都有突出的 貢獻(xiàn),它成立于1970年,目前已經(jīng)發(fā)展成為一個在國內(nèi)和國際享有盛譽(yù)的、與世界上許多 發(fā)達(dá)國家和發(fā)展中國家都有業(yè)務(wù)聯(lián)系的機(jī)構(gòu)。該中心負(fù)責(zé)擬定國家洪水預(yù)警系統(tǒng)的指導(dǎo)方 針,這些方針只要稍加修改就可以用于任何情況的洪水預(yù)警。澳大利亞屬于干早的大陸,降 雨徑流很少,但其氣候變化無常,破壞性的洪水時有發(fā)生。這些洪水,對東部和東南沿海占 全國80%以上人口的重要城市及其他城市地區(qū),造成特別大的損失。防洪工作主要由州與 地方政府負(fù)責(zé),聯(lián)邦政府起協(xié)調(diào)作用,并提供部分資金。近年來,澳大利亞的防洪工作逐漸 成為流域綜合管理過程的一部分,通過以流域?yàn)榛A(chǔ)的管理委員會或托管機(jī)構(gòu)進(jìn)行協(xié)調(diào)。 澳大利亞注重優(yōu)先解決受影響最頻繁地區(qū)緊迫的防洪和排水問題,并迅速采取工程措施和 非工程措施,以解決現(xiàn)有洪水問題,有效地控制開發(fā),限制未來洪水的范圍。
[0006] 日本在第二次世界大戰(zhàn)結(jié)束后,防洪立即成為日本經(jīng)濟(jì)恢復(fù)和重建的一項(xiàng)重要工 作。防洪的重要性突出體現(xiàn)在資金的分配上,日本防洪和災(zāi)后恢復(fù)投資約占政府對公共工 程總投資的2/3。日本在重視防洪工程措施建設(shè)的同時,其國立防災(zāi)減災(zāi)中心積極開展并實(shí) 施非工程措施的開發(fā)研究。我國防洪預(yù)警系統(tǒng)建設(shè)起步較晚,但近幾年來取得了很大的進(jìn) 展,正在縮小與發(fā)達(dá)國家之間的差距。從"六五"到"八五"期間,通過國家的"遙感技術(shù)應(yīng) 用研究"科技攻關(guān)項(xiàng)目,我國在建立洪水災(zāi)害監(jiān)測信息系統(tǒng)方面取得了一系列成果,"八五" 期間開發(fā)的信息系統(tǒng)在1995年6、7月份江西省鄱陽湖、湖南省洞庭湖地區(qū)的洪水災(zāi)害以 及遼寧省遼河和渾河流域洪水災(zāi)害監(jiān)測中取得了較好的效果。中國科學(xué)院與中國氣象局 (85-906項(xiàng)目)初步建立了臺風(fēng)、暴雨和洪水災(zāi)害實(shí)時信息系統(tǒng)。中國科學(xué)院和國家教委有 關(guān)科研、教學(xué)部門研制了氣象衛(wèi)星對小區(qū)域自然災(zāi)害進(jìn)行應(yīng)急監(jiān)測的技術(shù)系統(tǒng)。近年來,我 國許多地區(qū)都進(jìn)行了防洪預(yù)警系統(tǒng)的開發(fā),最具代表性的當(dāng)屬長江荊江河段洪水預(yù)警公共 信息平臺的建設(shè)和應(yīng)用。該平臺防洪減災(zāi)信息內(nèi)容之全、數(shù)據(jù)精度之高在國內(nèi)尚屬首次,而 且其在洪水預(yù)警公共信息平臺概念的提出、洪水預(yù)警公共信息平臺開發(fā)和預(yù)警信息綜合處 理技術(shù)等方面已處于國際領(lǐng)先水平。然而,我國預(yù)警系統(tǒng)建設(shè)水平與發(fā)達(dá)國家相比還具有 一定差距,我國3S技術(shù)應(yīng)用方面起步較晚,"七五"期間開始嘗試?yán)眠b感和地理信息系統(tǒng) 技術(shù)相結(jié)合開展洪水災(zāi)害監(jiān)測預(yù)報(bào)與評估等研究工作,至1998年采用微波雷達(dá)技術(shù)對"98 大洪水"災(zāi)區(qū)進(jìn)行全方位的遙感監(jiān)測。但是,我國對于洪水災(zāi)害的遙感監(jiān)測應(yīng)用所得到的結(jié) 果基本上僅僅限于淹沒范圍和淹沒區(qū)內(nèi)土地利用類型的空間分布,距離防洪減災(zāi)預(yù)警實(shí)際 需求尚有差距。
[0007] 然而,現(xiàn)有洪水預(yù)警方法主要是對水庫、河流的水位,山體滑坡等信息進(jìn)行收集, 然后利用收集的信息結(jié)合GPS衛(wèi)星定位,然后通過3G網(wǎng)絡(luò)傳輸報(bào)警信息,基本上以觀測的 數(shù)據(jù)來直接判斷洪水是否對堤壩有危險(xiǎn),或者是否會造成流域沿岸淹沒的危險(xiǎn),該預(yù)報(bào)方 法預(yù)報(bào)的信息不夠準(zhǔn)確,而且得到的報(bào)警信息內(nèi)容不夠豐富多元化。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)存在的缺陷,提供一種預(yù)報(bào)信息不但精確、 而且報(bào)警信息豐富多元的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置及其方法。
[0009] -種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置,包括:
[0010] 信息收集模塊,用于收集洪水報(bào)警信息所需的資料信息;
[0011] GPS衛(wèi)星定位模塊,與信息處理單元連接,用于將收集的資料信息與GPS衛(wèi)星定位 模塊的信息進(jìn)行匹配;
[0012] GIS地理信息模塊,與信息處理單元連接,用于將收集的資料信息與與GIS地理信 息模塊的信息進(jìn)行匹配;
[0013] 信息處理單元,與所述信息收集模塊連接,用于匹配后的資料信息進(jìn)行數(shù)據(jù)同化, 同化后的數(shù)據(jù)包括歷史資料數(shù)據(jù)和實(shí)施資料數(shù)據(jù),利用遺傳算法和粒子群算法混合來優(yōu)化 神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合歷史資料數(shù)據(jù)建立網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型,同時 將該預(yù)報(bào)模型采用三維顯示的方式進(jìn)行顯示;并利用實(shí)時資料信息對建立的神經(jīng)網(wǎng)絡(luò)洪水 預(yù)報(bào)模型進(jìn)行校正以得到動態(tài)優(yōu)化的具有三維可視效果的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型,并利用 優(yōu)化后的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型輸出災(zāi)害評估結(jié)果;
[0014] 無線網(wǎng)絡(luò)模塊,與信息處理單元連接,用于將災(zāi)害評估結(jié)果發(fā)送客戶端;
[0015] 客戶端,包括能夠以短信形式接收預(yù)測結(jié)果的手機(jī)或掌上電腦、以及能夠接收呈 現(xiàn)動態(tài)化顯示災(zāi)害評估結(jié)果預(yù)報(bào)信息圖像的顯示器。
[0016] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置,所述信息收集模 塊包括:高空熱帶氣旋探測器、風(fēng)場氣壓探測器、雨量計(jì)量器、溫濕度探測器、水位探測器、 土壤濕度傳感器、山體滑坡探測器、河流堤壩探測器、城市雨水網(wǎng)管排水探測器,堤壩防洪 閘門運(yùn)行監(jiān)測器。
[0017] 一種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,包括以下步驟:
[0018] 步驟一、利用信息收集裝置收集洪水報(bào)警信息所需的資料信息;所述資料信息按 時間劃分包括:歷史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù),所述歷史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù)分別與 GPS衛(wèi)星定位模塊、GIS地理信息模塊的信息相對應(yīng)匹配;
[0019] 步驟二、對收集匹配后的資料信息進(jìn)行資料同化;
[0020] 步驟三、對同化的資料提取數(shù)據(jù)的主要特征,把其作為預(yù)報(bào)因子,利用遺傳算 法-粒子群算法來混合優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合同化后的歷史資料數(shù) 據(jù)建立網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型;所述主要特征包括:流域內(nèi)區(qū)域斷面流量的長期趨勢、徑 流總量的長期趨勢和水位時間序列的長期趨勢、季節(jié)變動規(guī)則、循環(huán)變動規(guī)則和不規(guī)則變 動影響因子;
[0021] 步驟四、利用建立的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出初步預(yù)測結(jié)果;所述預(yù)測結(jié)果包 括:雨量、水位、流速、流量、城市雨水流量、城市雨水網(wǎng)管的排水和城市積水區(qū)域面積;
[0022] 步驟五、利用同化后的實(shí)時資料信息對網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出的初步預(yù)測結(jié) 果進(jìn)行校正,以得到優(yōu)化的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型;
[0023] 步驟六、將優(yōu)化的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出的實(shí)際預(yù)測結(jié)果與衛(wèi)星定位模塊和GIS地理信息模塊相結(jié)合,來動態(tài)呈現(xiàn)出校正后的預(yù)報(bào)模型預(yù)測洪水情況圖像;
[0024] 步驟七、利用校正后的預(yù)報(bào)模型輸出的預(yù)測洪水情況,對其進(jìn)行災(zāi)害評估;
[0025] 步驟八、將評估結(jié)果以動態(tài)圖像的呈現(xiàn)方式發(fā)送給具有顯示器的客戶端,將評估 結(jié)果的信息進(jìn)行處理后利以短息形式發(fā)送給短信接收客戶端。
[0026] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,步驟1中所述資 料信息包括:利用高空熱帶氣旋探測器收集高空氣旋壓力情況;利用風(fēng)場氣壓探測器收集 風(fēng)場形成周邊氣壓情況;利用雨量計(jì)量器收集實(shí)時降水量;利用溫濕度探測器收集溫度和 濕度;利用水位探測器收集流域徑流的水位和流速;利用土壤濕度傳感器收集土壤容積含 水量、土壤墑情監(jiān)測信息;利用山體滑坡探測器收集邊坡軟弱結(jié)構(gòu)面或結(jié)構(gòu)帶所產(chǎn)生的剪 切位移而整體地向斜坡下方移動情信息;利用河流堤壩探測器收集堤壩的水利運(yùn)行信息; 利用城市雨水網(wǎng)管排水探測器收集城市雨水管網(wǎng)的運(yùn)行、排水信息;利用堤壩防洪閘門運(yùn) 行監(jiān)測器收集閘門的運(yùn)行狀況信息。
[0027] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,步驟2中所述對 收集的資料信息進(jìn)行資料同化包括以下步驟:
[0028] ①、把所有收集匹配后的資料基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化, 即將A的原始值x使用z-score標(biāo)準(zhǔn)化到X'。
[0029] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,在步驟①之后,還 包括:將標(biāo)準(zhǔn)化后的數(shù)據(jù)與GPS衛(wèi)星定位模塊和GIS地理信息模塊的信息進(jìn)一步同化,使觀 測和收集的數(shù)據(jù)在空間和時間一致。
[0030] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,步驟3中具體包 括以下步驟:
[0031] 步驟1 :將神經(jīng)網(wǎng)絡(luò)連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)初始化,同時粒子群的位置和速度也初始 化;
[0032] 步驟2:確定編碼方法、解碼方案和適應(yīng)度函數(shù);
[0033] 步驟3:利用同化后的歷史資料數(shù)據(jù)和特征因子計(jì)算適應(yīng)度、并設(shè)定結(jié);
[0034] 步驟4:利用粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接全和網(wǎng)絡(luò)結(jié)構(gòu);
[0035] 步驟5:生成一組神經(jīng)網(wǎng)絡(luò)個體;
[0036] 步驟6 :利用二進(jìn)制粒子群算法動態(tài)選擇集成個體;
[0037] 步驟7:利用浮點(diǎn)數(shù)粒子群算法確定集成個體的連接權(quán);
[0038] 步驟8:生成動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
[0039] 進(jìn)一步地,如上所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,步驟4所述利用 同化后的實(shí)時資料信息與對預(yù)報(bào)模型輸出的預(yù)測結(jié)果進(jìn)行校正包括以下步驟:
[0040] ①、收集最近3天的洪水報(bào)警信息所需的資料信息;
[0041] ②、利用歷史數(shù)據(jù)建立的預(yù)報(bào)模型來預(yù)測實(shí)時的水位、流速和流量,同時也預(yù)測土 壤濕度、山體滑坡、河流堤壩、城市雨水網(wǎng)管排水的信息;
[0042] ③、將收集的實(shí)時觀測資料和預(yù)報(bào)模型預(yù)測的信息進(jìn)行比對,若精度達(dá)到預(yù)定要 求,則判定可以利用原來的模型預(yù)測未來3天情況,若誤差超出預(yù)定要求,則利用實(shí)時資料 調(diào)整預(yù)報(bào)模型的參數(shù),使得誤差精度在預(yù)定要求范圍以內(nèi),然后再利用動態(tài)調(diào)整后的預(yù)測 模型來預(yù)測未來3天的情況。
[0043] 有益效果:
[0044] 本發(fā)明提供的洪水預(yù)警裝置利用實(shí)時水、雨情和氣象產(chǎn)品應(yīng)用子系統(tǒng)提供的降雨 資料,匯總到調(diào)度中心主機(jī)房,然后利用這些資料建立動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)預(yù)測模型, 運(yùn)用實(shí)時校正技術(shù)和可視化的三維顯示技術(shù),完成對主要流域、重點(diǎn)防洪地區(qū)、重點(diǎn)水庫和 蓄(滯)洪區(qū)的預(yù)報(bào),提供具有不同預(yù)見期和精度的洪水預(yù)報(bào)成果,為防汛部門及其它政府 機(jī)構(gòu)提供一個能對重要防洪地區(qū)進(jìn)行快速準(zhǔn)確的暴雨洪水預(yù)測預(yù)報(bào)服務(wù),進(jìn)而為防汛部門 及其它政府機(jī)構(gòu)的洪水預(yù)防工作提供了導(dǎo)向。
【專利附圖】
【附圖說明】
[0045]圖1為本發(fā)明基于動態(tài)優(yōu)化神經(jīng)的網(wǎng)絡(luò)洪水預(yù)警裝置結(jié)構(gòu)示意圖;
[0046] 圖2為本發(fā)明基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型建立方法流程圖。
【具體實(shí)施方式】
[0047] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面本發(fā)明中的技術(shù)方案進(jìn)行清 楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;?本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
[0048] 圖1為本發(fā)明基于動態(tài)優(yōu)化神經(jīng)的網(wǎng)絡(luò)洪水預(yù)警裝置結(jié)構(gòu)示意圖,如圖1所示,本 發(fā)明提供的一種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置,包括:
[0049] 信息收集模塊,用于收集洪水報(bào)警信息所需的資料信息;所述信息收集模塊包括: 高空熱帶氣旋探測器、風(fēng)場氣壓探測器、雨量計(jì)量器、溫濕度探測器、水位探測器、土壤濕度 傳感器、山體滑坡探測器、河流堤壩探測器、城市雨水網(wǎng)管排水探測器,堤壩防洪閘門運(yùn)行 監(jiān)測器。
[0050]GPS衛(wèi)星定位模塊,與信息處理單元連接,用于將收集的資料信息與GPS衛(wèi)星定位 模塊的信息進(jìn)行匹配;
[0051]GIS地理信息模塊,與信息處理單元連接,用于將收集的資料信息與與GIS地理信 息模塊的信息進(jìn)行匹配;
[0052] 信息處理單元,與所述信息收集模塊連接,用于匹配后的資料信息進(jìn)行數(shù)據(jù)同化, 同化后的數(shù)據(jù)包括歷史資料數(shù)據(jù)和實(shí)施資料數(shù)據(jù),利用遺傳算法和粒子群算法混合來優(yōu)化 神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合歷史資料數(shù)據(jù)建立網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型,同時 將該預(yù)報(bào)模型采用三維顯示的方式進(jìn)行顯示;并利用實(shí)時資料信息對建立的神經(jīng)網(wǎng)絡(luò)洪水 預(yù)報(bào)模型進(jìn)行校正以得到動態(tài)優(yōu)化的具有三維可視效果的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型,并利用 優(yōu)化后的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型輸出災(zāi)害評估結(jié)果;
[0053] 無線網(wǎng)絡(luò)模塊,與信息處理單元連接,用于將災(zāi)害評估結(jié)果發(fā)送客戶端;
[0054] 客戶端,包括能夠以短信形式接收預(yù)測結(jié)果的手機(jī)或掌上電腦、以及能夠接收呈 現(xiàn)動態(tài)化顯示災(zāi)害評估結(jié)果預(yù)報(bào)信息圖像的顯示器。
[0055] 下面對本發(fā)明基于動態(tài)優(yōu)化的網(wǎng)絡(luò)洪水預(yù)警方法進(jìn)行闡述:
[0056] 該方法包括以下步驟:
[0057] 步驟一、利用信息收集裝置收集洪水報(bào)警信息所需的不同資料信息,所述不同的 資料信息包括:利用高空熱帶氣旋探測器收集高空氣旋壓力情況、利用風(fēng)場氣壓探測器收 集風(fēng)場形成周邊氣壓情況、利用雨量計(jì)量器收集實(shí)時降水量、利用溫濕度探測器收集溫度 和濕度、利用水位探測器收集流域徑流的水位和流速、利用土壤濕度傳感器收集土壤容積 含水量,土壤墑情監(jiān)測、利用山體滑坡探測器收集邊坡軟弱結(jié)構(gòu)面(帶)產(chǎn)生剪切位移而整 體地向斜坡下方移動情況,利用河流堤壩探測器收集堤壩的水利運(yùn)行信息,利用城市雨水 網(wǎng)管排水探測器收集城市雨水管網(wǎng)的運(yùn)行、排水信息、堤壩防洪閘門運(yùn)行監(jiān)測器收集閘門 的運(yùn)行狀況,所述不同的資料信息按時間劃分包括:歷史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù),所述歷 史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù)分別與GPS衛(wèi)星定位模塊、GIS地理信息模塊的信息相對應(yīng)匹 配;
[0058] 步驟二、對收集的資料信息進(jìn)行資料同化;
[0059] 具體地,為了將不同時空間、不同時間、采用不同方法觀測手段獲得的數(shù)據(jù)與預(yù)測 模型有機(jī)結(jié)合,納入統(tǒng)一的分析與預(yù)報(bào)系統(tǒng),建立模型與數(shù)據(jù)相互協(xié)調(diào)的優(yōu)化關(guān)系,使得分 析結(jié)果誤差達(dá)到最小,本發(fā)明將收集的與GPS衛(wèi)星定位模塊和GIS地理信息模塊匹配后的 所有資料進(jìn)行同化,該同化的方法具體為:把所有收集的匹配后的資料基于原始數(shù)據(jù)的均 值和標(biāo)準(zhǔn)差進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化,將A的原始值x使用z-score標(biāo)準(zhǔn)化到X' ;(所述z-score 為阿特曼Z-score模型,即使經(jīng)過處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布,即均值為0,標(biāo)準(zhǔn)差為1)。
[0060] 進(jìn)一步地,由于GPS衛(wèi)星定位模塊與GIS地理信息模塊所包含的信息不夠細(xì)致,因 此,GPS衛(wèi)星定位模塊與GIS地理信息模塊在同化后的數(shù)據(jù)對應(yīng)點(diǎn)可能沒有對應(yīng)的信息,因 此,需要將標(biāo)準(zhǔn)化后的數(shù)據(jù)與GPS衛(wèi)星定位模塊和GIS地理信息模塊的信息進(jìn)一步同化,使 觀測和收集的數(shù)據(jù)空間一致,為使觀測和收集的數(shù)據(jù)空間一致,本發(fā)明采用最優(yōu)插值方法、 逐步修訂方法和變分法對GPS衛(wèi)星定位模塊和GIS地理信息模塊和收集到的資料進(jìn)行同 化;為使觀測和收集的數(shù)據(jù)時間一致,本發(fā)明采用線性卡爾曼濾波方法、擴(kuò)展卡爾曼濾波方 法和集合卡爾曼濾波方法對GPS衛(wèi)星定位模塊和GIS地理信息模塊和收集到的資料同化。
[0061] 步驟三、對同化的資料提取數(shù)據(jù)的主要特征,把其作為預(yù)報(bào)因子,利用遺傳算 法-粒子群算法來混合優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合同化后的歷史資料數(shù) 據(jù)建立網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型;
[0062] 如圖2所示,建立基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型包括以下步驟:
[0063] 步驟1 :提取同化的數(shù)據(jù)主要特征,作為預(yù)報(bào)因子。所述主要特征是:流域內(nèi)重要 區(qū)域斷面的流量、徑流總量和水位時間序列的長期趨勢、季節(jié)變動規(guī)則、循環(huán)變動規(guī)則和不 規(guī)則變動影響因子。(時間和空間考慮序列,即就是對徑流序列的數(shù)據(jù)分析)
[0064] (1)本發(fā)明采用的時間序列形式,以時間數(shù)列所能流域內(nèi)流量、流速和水位,進(jìn)行 引伸外推,預(yù)測其未來的流量、流速和水位。設(shè)為流域內(nèi){xt,t=l,2, 3,…,N}流量,單位 時間內(nèi)通過某一過水?dāng)嗝娴乃?,單位為立方米每秒設(shè)(m3/s)為流量時間序列。它是將流 量指標(biāo)的數(shù)值,按時間先后順序排到所形成的數(shù)列,它所反映出來的是流量發(fā)展過程、方向 和趨勢,進(jìn)行類推或延伸,借以預(yù)測下一段時間流量。
[0065] (2)設(shè)為流域內(nèi){yt,t= 1,2, 3,…,N}徑流總量,單位是立方米(m3),時段At內(nèi) 通過河流某一斷面的總水量。以所計(jì)算時段的時間乘以該時段內(nèi)的平均流量,就得徑流總 量y,即y=X?At。設(shè)為流域{zt,t= 1,2, 3,…,N}水位時間序列。這樣做的目的就是 主要觀測徑流數(shù)據(jù)單位時間的變化情況,這個序列是流域內(nèi)某個斷面徑流總量時間序列, 可以用于后續(xù)的水位預(yù)測,如在上游某個截面1個小時有大量來水,而在下游的河道內(nèi)部 情況不明的前提下,而此時下游堤壩就需要注意防護(hù)。
[0066] (3)流量時間序列可看成受各種周期擾動的疊加,頻域分析就是確定各周期的振 動能量的分配,這種分配稱為"譜",或"功率譜"。因此需要時間序列進(jìn)行譜分析。
[0067] 以下以流量說明數(shù)據(jù)分析過程,設(shè)經(jīng)過小波分析提取高頻信號和低頻信號,對其 標(biāo)準(zhǔn)化,再次進(jìn)行奇異譜分析和均生函數(shù)提取信息熵,設(shè)標(biāo)準(zhǔn)化的流量時間序列:
[0068] xH(0) = {x1;x2, --?,xN} (1)
[0069]作一階差分運(yùn)算:
[0070] Ax(H) =x(t+1)-x(t),t= 1,2, ...N-1 (2)
[0071]得到一階差分序列:
[0072] x(1) (H) = {Ax(1),Ax(2),......Ax(N~l)} (3)
[0073] (4)作二階差分運(yùn)算,得到二階差分序列:
[0074] x⑵(H) = {A2X (1),A2X (2),......A2X (N_2)} (4)
[0075] ⑶計(jì)算
【權(quán)利要求】
1. 一種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置,其特征在于,包括: 信息收集模塊,用于收集洪水報(bào)警信息所需的資料信息; GPS衛(wèi)星定位模塊,與信息處理單元連接,用于將收集的資料信息與GPS衛(wèi)星定位模塊 的信息進(jìn)行匹配; GIS地理信息模塊,與信息處理單元連接,用于將收集的資料信息與與GIS地理信息模 塊的信息進(jìn)行匹配; 信息處理單元,與所述信息收集模塊連接,用于匹配后的資料信息進(jìn)行數(shù)據(jù)同化,同化 后的數(shù)據(jù)包括歷史資料數(shù)據(jù)和實(shí)施資料數(shù)據(jù),利用遺傳算法和粒子群算法混合來優(yōu)化神經(jīng) 網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合歷史資料數(shù)據(jù)建立網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型,同時將該 預(yù)報(bào)模型采用三維顯示的方式進(jìn)行顯示;并利用實(shí)時資料信息對建立的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào) 模型進(jìn)行校正以得到動態(tài)優(yōu)化的具有三維可視效果的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型,并利用優(yōu)化 后的神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型輸出災(zāi)害評估結(jié)果; 無線網(wǎng)絡(luò)模塊,與信息處理單元連接,用于將災(zāi)害評估結(jié)果發(fā)送客戶端; 客戶端,包括能夠以短信形式接收預(yù)測結(jié)果的手機(jī)或掌上電腦、以及能夠接收呈現(xiàn)動 態(tài)化顯示災(zāi)害評估結(jié)果預(yù)報(bào)信息圖像的顯示器。
2. 根據(jù)權(quán)利要求1所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警裝置,其特征在于,所述 信息收集模塊包括:高空熱帶氣旋探測器、風(fēng)場氣壓探測器、雨量計(jì)量器、溫濕度探測器、水 位探測器、土壤濕度傳感器、山體滑坡探測器、河流堤壩探測器、城市雨水網(wǎng)管排水探測器, 堤壩防洪閘門運(yùn)行監(jiān)測器。
3. -種基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,包括以下步驟: 步驟一、利用信息收集裝置收集洪水報(bào)警信息所需的資料信息;所述資料信息按時間 劃分包括:歷史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù),所述歷史資料數(shù)據(jù)和實(shí)時資料數(shù)據(jù)分別與GPS 衛(wèi)星定位模塊、GIS地理信息模塊的信息相對應(yīng)匹配; 步驟二、對收集匹配后的資料信息進(jìn)行資料同化; 步驟三、對同化的資料提取數(shù)據(jù)的主要特征,把其作為預(yù)報(bào)因子,利用遺傳算法-粒子 群算法來混合優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu),同時結(jié)合同化后的歷史資料數(shù)據(jù)建立網(wǎng) 絡(luò)神經(jīng)洪水預(yù)報(bào)模型;所述主要特征包括:流域內(nèi)區(qū)域斷面流量的長期趨勢、徑流總量的 長期趨勢和水位時間序列的長期趨勢、季節(jié)變動規(guī)則、循環(huán)變動規(guī)則和不規(guī)則變動影響因 子; 步驟四、利用建立的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出初步預(yù)測結(jié)果;所述預(yù)測結(jié)果包括: 雨量、水位、流速、流量、城市雨水流量、城市雨水網(wǎng)管的排水和城市積水區(qū)域面積; 步驟五、利用同化后的實(shí)時資料信息對網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出的初步預(yù)測結(jié)果進(jìn) 行校正,以得到優(yōu)化的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型; 步驟六、將優(yōu)化的網(wǎng)絡(luò)神經(jīng)洪水預(yù)報(bào)模型輸出的實(shí)際預(yù)測結(jié)果與衛(wèi)星定位模塊和GIS 地理信息模塊相結(jié)合,來動態(tài)呈現(xiàn)出校正后的預(yù)報(bào)模型預(yù)測洪水情況圖像; 步驟七、利用校正后的預(yù)報(bào)模型輸出的預(yù)測洪水情況,對其進(jìn)行災(zāi)害評估; 步驟八、將評估結(jié)果以動態(tài)圖像的呈現(xiàn)方式發(fā)送給具有顯示器的客戶端,將評估結(jié)果 的信息進(jìn)行處理后利以短息形式發(fā)送給短信接收客戶端。
4. 根據(jù)權(quán)利要求3所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,步驟1 中所述資料信息包括:利用高空熱帶氣旋探測器收集高空氣旋壓力情況;利用風(fēng)場氣壓探 測器收集風(fēng)場形成周邊氣壓情況;利用雨量計(jì)量器收集實(shí)時降水量;利用溫濕度探測器收 集溫度和濕度;利用水位探測器收集流域徑流的水位和流速;利用土壤濕度傳感器收集土 壤容積含水量、土壤墑情監(jiān)測信息;利用山體滑坡探測器收集邊坡軟弱結(jié)構(gòu)面或結(jié)構(gòu)帶所 產(chǎn)生的剪切位移而整體地向斜坡下方移動情信息;利用河流堤壩探測器收集堤壩的水利運(yùn) 行信息;利用城市雨水網(wǎng)管排水探測器收集城市雨水管網(wǎng)的運(yùn)行、排水信息;利用堤壩防 洪閘門運(yùn)行監(jiān)測器收集閘門的運(yùn)行狀況信息。
5. 根據(jù)權(quán)利要求3所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,步驟2 中所述對收集的資料信息進(jìn)行資料同化包括以下步驟: ①、把所有收集匹配后的資料基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化,即將A 的原始值x使用z-score標(biāo)準(zhǔn)化到x'。
6. 根據(jù)權(quán)利要求5所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,在步 驟①之后,還包括:將標(biāo)準(zhǔn)化后的數(shù)據(jù)與GPS衛(wèi)星定位模塊和GIS地理信息模塊的信息進(jìn)一 步同化,使觀測和收集的數(shù)據(jù)在空間和時間一致。
7. 根據(jù)權(quán)利要求3所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,步驟3 中具體包括以下步驟: 步驟1 :將神經(jīng)網(wǎng)絡(luò)連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)初始化,同時粒子群的位置和速度也初始化; 步驟2 :確定編碼方法、解碼方案和適應(yīng)度函數(shù); 步驟3 :利用同化后的歷史資料數(shù)據(jù)和特征因子計(jì)算適應(yīng)度、并設(shè)定結(jié); 步驟4 :利用粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接全和網(wǎng)絡(luò)結(jié)構(gòu); 步驟5 :生成一組神經(jīng)網(wǎng)絡(luò)個體; 步驟6 :利用二進(jìn)制粒子群算法動態(tài)選擇集成個體; 步驟7 :利用浮點(diǎn)數(shù)粒子群算法確定集成個體的連接權(quán); 步驟8 :生成動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
8. 根據(jù)權(quán)利要求3所述的基于動態(tài)優(yōu)化的神經(jīng)網(wǎng)絡(luò)洪水預(yù)警方法,其特征在于,步驟4 所述利用同化后的實(shí)時資料信息與對預(yù)報(bào)模型輸出的預(yù)測結(jié)果進(jìn)行校正包括以下步驟: ① 、收集最近3天的洪水報(bào)警信息所需的資料信息; ② 、利用歷史數(shù)據(jù)建立的預(yù)報(bào)模型來預(yù)測實(shí)時的水位、流速和流量,同時也預(yù)測土壤濕 度、山體滑坡、河流堤壩、城市雨水網(wǎng)管排水的信息; ③ 、將收集的實(shí)時觀測資料和預(yù)報(bào)模型預(yù)測的信息進(jìn)行比對,若精度達(dá)到預(yù)定要求,則 判定可以利用原來的模型預(yù)測未來3天情況,若誤差超出預(yù)定要求,則利用實(shí)時資料調(diào)整 預(yù)報(bào)模型的參數(shù),使得誤差精度在預(yù)定要求范圍以內(nèi),然后再利用動態(tài)調(diào)整后的預(yù)測模型 來預(yù)測未來3天的情況。
【文檔編號】G08B31/00GK104408900SQ201410628001
【公開日】2015年3月11日 申請日期:2014年11月10日 優(yōu)先權(quán)日:2014年11月10日
【發(fā)明者】吳建生, 潘曉明 申請人:柳州師范高等??茖W(xué)校