(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111550959.9 (22)申请日 2021.12.17 (71)申请人 奥格科技股份有限公司 地址 510520 广东省广州市天河区高普路 1029、 1031号2楼 (72)发明人 林时君　彭进双　郑彩霞　李银花　 严凡　黄光旭　李晓雯　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 林梅繁 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01)G06K 9/62(2022.01) G06N 20/10(2019.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种内涝预测方法、 系统及存 储介质 (57)摘要 本发明涉及水文 预测技术， 具体为内涝预测 方法、 系统及存储介质， 其方法包括： 获取基础数 据， 进行流域和水工设施概化， 率定模型参数； 构 建SVM模型， 预测城市内涝时空范围和内涝淹没 深度； 构建研究区域的管网水动力模型作为 AGswmm模型， 结合地形数据模拟研究区域的内涝 情况； 利用AGsw mm模型生成的模拟结果数据训练 SVM模型， 实现模型耦 合， 得到城市内涝降雨径流 预测模型； 数据同化， 以实测及预测降雨量为输 入条件， 运算所述预测模型， 将实测数据与所述 预测模型的预测数据进行误差分析得到剩余误 差， 修正剩余误差， 获得最接近真实值的预测结 果。 本发明减少模型误差， 在保证内涝模拟精度 的同时， 缩短对 海量水文数据的处 理计算时间。 权利要求书3页 说明书11页 附图3页 CN 114254561 A 2022.03.29 CN 114254561 A 1.一种内涝预测方法， 其特 征在于， 包括以下步骤： S1、 获取基础数据， 进行流 域和水工设施概 化， 对模型参数进行率定； S2、 构建SVM模型， 实现城市内涝时空范围和内涝淹没深度的预测； 采用AGswmm模型对 研究区域进行模型构建， 并结合 地形数据， 模拟研究区域的内涝情况； S3、 利用AGswmm模型所生成的模拟结果数据训练SVM模型， 实现AGswmm模型与SVM模型 的耦合， 得到城市内涝降雨径流预测模型； S4、 数据同化， 以实测及预测降雨量为输入条件， 运算t ‑1时刻到t时刻的城市内涝降雨 径流预测模型， 将实测数据与城市内涝降雨径流预测模型的预测数据进 行误差分析得到剩 余误差， 再修正剩余误差， 多次执行预报与修正的过程， 最终获得最接近真实值的预测结 果。 2.根据权利要求1所述的内涝预测方法， 其特征在于， 所述SVM模型包括SVC模型和SVR 模型， 分别用于实现城市内涝时空范围和内涝淹没深度的预测。 3.根据权利要求1所述的内涝预测方法， 其特征在于， 步骤S2中构建AGswmm模型， 并结 合地形数据， 模拟研究区域的内涝情况， 包括以下步骤： S21、 新建模型构建方案； S22、 将经过检查修正的数据导入到对应的模型构建方案中， 并进行检查； S23、 确定研究区域的面积， 绘制操作面， 生成汇水分区； S24、 生成降水 数据， 构建雨 量计； S25、 设置模型模拟参数， 进行 管网模型模拟； S26、 结合研究区域的地形 数据， 模拟内涝情况。 4.根据权利 要求1所述的内涝预测方法， 其特征在于， 步骤S3根据AGswmm模型的模拟结 果， 得到降雨场景与其相应的内涝情况， 并作为SVM模型的训练数据样本， 实现AGswmm模型 与SVM模型的耦合， 具体包括以下步骤： S31、 选取用于训练和 测试SVM模型的样本数据； S32、 训练和测试SVM模型， 耦合SVM模型与AGswmm模型， 构建城市内涝降雨径流预测模 型； S33、 构建随机森林模型对 城市内涝降雨径流预测模型的参数进行率定 。 5.根据权利要求4所述的内涝预测方法， 其特征在于， 步骤S31按照降雨重现期， 对已有 的场次降雨进 行分层采样， 得到比较均匀的样 本数据， 并分成训练样 本和测试样本两部 分； 样本数据包括 实测降雨数据、 AGswmm模 型根据实测降雨数据所预测得到的管网点水位数据 和管网点溢出 水量。 6.根据权利 要求4所述的内涝预测方法， 其特征在于， 步骤S32在训练和测试SVM模型时 使用非线性函数将输入数据映射至高维空间后在特征空间应用线性SVM函数， 引入惩罚参 数C和松弛变量δi对线性SVM函数进行修正和优化， 得到优化后的线性SVM函数； 然后将线性 SVM函数通过拉格朗日乘子法转换成拉格朗日函数所表达的对偶问题， 并用核函数替换对 偶问题里的两个实例间的内积实现非线性变换， 求解得到非线性SVM函数； 对于 拉格朗日函 数， 求解满足AGswmm模型边界条件的拉格朗日乘子αi； 其中AGswmm模型 的边界条件包括地 形、 实测降雨数据， 以及AGswmm模型根据实测降雨数据所预测得到的管网点水位数据和管 网点溢出 水量。权　利　要　求　书 1/3 页 2 CN 114254561 A 27.根据权利要求5所述的内涝预测方法， 其特 征在于， 步骤S32中： 将训练样本中的实测降雨数据以及运行AGswmm模型后的积水深度、 积水范围和 积水时 间进行预处理， 使其满足SVM模型对数据的要求， 将预处 理后的数据构建训练集； 应用SVM的SVC功能构 建SVC模型， 将训练集数据进行分类标准化处理， 以积水 时间和积 水深度构建目标矩阵， 用标准化处理后的支持向量构建输入矩阵； 对SVC模型进行迭代训 练， 获得模型参数值； 再将测试样本中的实测降雨数据输入训练后的SVC模型进行内涝预 测， 获得内涝预警结果， 将其与相同输入数据下运行AGswmm模型后的内涝预警结果进行对 比， 验证SVC模型的有效性； 应用SVM的SV R功能构建SVR模型， 选择训练样本中的连续向量集作 为训练集， 将训练集 数据进行预处理， 以积水淹没深度构建目标矩阵， 预处理后的连续向量构建输入矩阵， 对 SVR模型进行迭代训练， 获得模型参数值， 再将测试样本中的实测降雨数据输入训练后的 SVR模型进行内涝预测， 获得积水淹没深度， 将其与相同输入 数据下运行AGswmm模 型后的地 表积水结果进行对比， 验证SVR模型的有效性； 通过以上 方法完成SVM模型与AG swmm模型耦合的城市内涝降雨径流预测模型的构建。 8.根据权利要求1所述的内涝预测方法， 其特 征在于， 步骤S4包括： S41、 以实测降雨数据及预测降雨量为输入条件， 运算t ‑1时刻到t时刻的城市内涝降雨 径流预测模型； S42、 将监测系统中的实测数据与城市内涝降雨径流预测模型的预测数据进行比较， 得 出模型预测值与实测值之间的剩余 误差； S43、 重新设置城市内涝 降雨径流预测模型在t ‑n时刻的初始水位计算条件， 其中， n是 纠正城市内涝降雨径流预测模型的上游初始条件与下游实测数据之间的系统计算延迟时 间； S44、 对剩余误差进行修正， 城市内涝降雨径流预测模型重新以修正后的参数对t ‑n时 刻到t时刻进行 水力模拟计算； S45、 城市内涝 降雨径流预测模型以t时刻的修正后的参数为计算初始条件， 得出准确 的预测结果； 其中， 城市内涝降雨径 流预测模 型以地形、 实测降雨数据以及AGswmm模 型预测 的管网点水位数据、 管网点溢出水量作为输入， 进 行二维耦合计算， 得到地表积水面积和深 度， 作为预测结果输出。 9.一种内涝预测系统， 其特 征在于， 包括： 初始化模块， 用于获取基础数据， 进行流 域和水工设施概 化， 对模型参数进行率定； 模型构建模块， 用于构建SVM模型， 实现城市内涝时空范围和内涝淹没深度的预测； 采 用AGswmm模型对研究区域进行模型构建， 并结合 地形数据， 模拟研究区域的内涝情况； 耦合模块， 利用AGswmm模型所生成的模拟结果数据训练SVM模型， 实现AGswmm模型与 SVM模型的耦合， 得到城市内涝降雨径流预测模型； 数据同化模块， 以实测及预测降雨量为输入条件， 运算t ‑1时刻到t时刻的城市内涝 降 雨径流预测模型， 将实测数据与城市内涝降雨径 流预测模型的预测数据进 行误差分析得到 剩余误差， 再修正剩余误差， 多次执行预报与修正的过程， 最终获得最接近 真实值的预测结 果； 其中， 耦合模块根据AGswmm模型的模拟结果， 得到降雨场景与 其相应的内涝情况， 并作权　利　要　求　书 2/3 页 3 CN 114254561 A 3