基于场景生成与参数控制的洪涝三维推演方法及系统与流程

摘要: 本公开涉及数据处理,具体而言,涉及一种基于场景生成与参数控制的洪涝三维推演方法及系统。背景技术:1、随着极端降雨事件增多,城市洪涝灾害的发生频率及复杂程度不断提...
基于场景生成与参数控制的洪涝三维推演方法及系统与流程

本公开涉及数据处理,具体而言,涉及一种基于场景生成与参数控制的洪涝三维推演方法及系统。

背景技术:

1、随着极端降雨事件增多,城市洪涝灾害的发生频率及复杂程度不断提高。为辅助防洪排涝分析,现有技术通常通过洪涝模型对不同降雨工况下的洪涝演进过程进行模拟,以获得相应的推演结果。

2、然而,现有洪涝推演方式通常依赖预先设置的推演工况,场景构建和参数调整对人工操作依赖较大,能够覆盖的推演情形有限,难以适应复杂工况下的多情景推演需求。同时,在推演条件发生变化时,通常需要重新配置相关参数并进行计算,容易产生重复处理,导致连续调参和多情景试算的效率较低。此外,不同推演工况之间相对独立,已有推演资源难以得到充分利用,进一步增加了复杂洪涝情形下的推演处理量。因此,现有技术在洪涝推演的场景适应性和处理效率方面仍有待提高。

技术实现思路

1、本公开实施例的目的在于提供一种基于场景生成与参数控制的洪涝三维推演方法、基于场景生成与参数控制的洪涝三维推演系统、电子设备以及计算机可读存储介质,能够通过构建推演场景库、对需调整的可调参数进行增量更新,并基于场景相似度确定目标推演场景以及对所述目标推演场景中的可调参数进行修正,进而提高洪涝三维推演的场景适应性和处理效率。

2、本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。

3、根据本公开实施例的第一方面,提供了一种基于场景生成与参数控制的洪涝三维推演方法,包括:获取洪涝推演需求,对洪涝推演需求进行语义解析,生成结构化推演指令;基于区域暴雨频率统计结果、水文物理约束以及参数组合规则,对推演参数进行组合与过滤,生成多个候选推演场景,并根据多个候选推演场景构建推演场景库;将推演参数划分为固定参数和可调参数,在固定参数保持不变的情况下,根据结构化推演指令确定需调整的可调参数,并对需调整的可调参数进行增量更新;提取洪涝推演需求对应的当前场景特征,分别确定当前场景特征与推演场景库中各存量场景特征之间的场景相似度,根据场景相似度确定目标推演场景;根据增量更新后的可调参数与目标推演场景中对应参数之间的差异,对目标推演场景中的可调参数进行修正;基于参数修正后的目标推演场景进行三维洪涝推演,得到推演结果。

4、在本公开一示例实施例中,基于前述方案,所述获取洪涝推演需求,对所述洪涝推演需求进行语义解析,生成结构化推演指令,包括:获取所述洪涝推演需求;对所述洪涝推演需求进行语义解析,确定对应的降雨参数、河道水文参数、工程调度参数、管网水力参数以及积涝风险参数;按照预设指令格式,对确定的各参数进行结构化封装,得到所述结构化推演指令。

5、在本公开一示例实施例中,基于前述方案,所述对所述洪涝推演需求进行语义解析,包括:获取洪涝标注数据集,所述洪涝标注数据集包括自然语言问句与标准仿真参数之间的对应关系;基于所述洪涝标注数据集对语义解析模型进行领域适配;根据所述洪涝推演需求,从洪涝领域知识库中检索与所述洪涝推演需求匹配的洪涝案例、工程调度规程、水文参数阈值以及仿真工况约束;将检索得到的内容与所述洪涝推演需求输入领域适配后的所述语义解析模型,并按照输出格式约束确定对应的标准仿真参数。

6、在本公开一示例实施例中,基于前述方案,所述基于区域暴雨频率统计结果、水文物理约束以及参数组合规则,对推演参数进行组合与过滤,生成多个候选推演场景,包括:根据所述区域暴雨频率统计结果确定不同暴雨重现期对应的降雨参数范围;在所述降雨参数范围内,对降雨强度、降雨历时、暴雨重现期、雨型空间分布、工程调度状态、空间推演范围以及仿真时长进行组合,得到多个候选参数组合;根据所述水文物理约束对多个所述候选参数组合进行校验;根据所述参数组合规则,从通过校验的候选参数组合中,剔除存在降雨参数超限、雨型冲突、工程调度状态冲突或者空间边界冲突中任意一种情况的候选参数组合;根据剩余的候选参数组合生成多个所述候选推演场景。

7、在本公开一示例实施例中,基于前述方案,所述根据剩余的候选参数组合生成多个所述候选推演场景,包括:根据各候选参数组合对应的降雨参数以及工程运行状态,将所述候选推演场景划分为常规梯度暴雨场景、短时极端强降雨场景、多工况叠加复合场景以及超标极端洪涝场景;

8、根据多个所述候选推演场景构建推演场景库,包括:将各所述候选推演场景分别与对应的标准参数配置、初始水力工况、边界约束以及联动演算规则进行关联;对关联后的候选推演场景进行分类编码和结构化存储,构建所述推演场景库。

9、在本公开一示例实施例中,基于前述方案,所述根据所述结构化推演指令确定需调整的可调参数,包括:获取上一轮推演状态,所述上一轮推演状态包括上一轮推演采用的固定参数和可调参数;根据所述结构化推演指令确定本轮目标状态;比较所述本轮目标状态与所述上一轮推演状态,确定对应的参数增量;在所述参数增量为零的情况下,沿用上一轮推演结果;在所述参数增量不为零的情况下,根据所述参数增量确定需调整的可调参数。

10、在本公开一示例实施例中,基于前述方案,所述对需调整的所述可调参数进行增量更新,包括:将管网拓扑、下垫面属性、地形数据以及水系边界确定为所述固定参数;将降雨参数、工程调度参数、风险判别参数以及仿真时间参数确定为所述可调参数;在所述结构化推演指令不包含固定参数的调整信息时,使本轮推演状态中的固定参数保持上一轮推演状态中的对应取值;根据所述参数增量更新需调整的可调参数,并使未发生变化的可调参数保持上一轮推演状态中的对应取值。

11、在本公开一示例实施例中,基于前述方案,所述根据所述参数增量更新需调整的可调参数之后,还包括:对更新后的可调参数进行参数超限判别,确定更新后的可调参数是否处于对应的允许范围内;根据工程运行状态以及工程调度参数进行调度逻辑校验,确定所述工程调度参数与所述工程运行状态是否匹配;根据所述水文物理约束,对更新后的可调参数与固定参数进行参数耦合校验;在所述参数超限判别、所述调度逻辑校验以及所述参数耦合校验均通过的情况下,采用更新后的可调参数进行场景匹配和参数修正。

12、在本公开一示例实施例中,基于前述方案,所述分别确定所述当前场景特征与所述推演场景库中各存量场景特征之间的场景相似度,包括:从所述洪涝推演需求中提取降雨特征、空间推演范围、工程调度工况、仿真时间尺度以及风险判别阈值,生成当前场景特征向量;获取各所述存量场景对应的存量场景特征向量;根据各特征维度对应的特征权重,计算所述当前场景特征向量与各所述存量场景特征向量之间的加权特征距离;根据所述加权特征距离与最大特征距离确定对应的场景相似度。

13、在本公开一示例实施例中,基于前述方案,所述根据所述场景相似度确定目标推演场景,包括:按照所述场景相似度对多个所述存量场景进行排序;将场景相似度最高的存量场景确定为所述目标推演场景;所述根据增量更新后的可调参数与所述目标推演场景中对应参数之间的差异,对所述目标推演场景中的可调参数进行修正,包括:比较所述目标推演场景中的可调参数与增量更新后的可调参数,确定存在差异的可调参数;保持所述目标推演场景中不存在差异的推演参数不变,并根据增量更新后的可调参数对存在差异的可调参数进行修正,得到参数修正后的目标推演场景。

14、在本公开一示例实施例中,基于前述方案,所述基于参数修正后的所述目标推演场景进行三维洪涝推演,得到推演结果,包括:根据参数修正后的所述目标推演场景中的降雨参数生成对应的降雨过程;根据工程调度参数施加对应的工程调度条件;基于所述降雨过程以及所述工程调度条件进行管网水力演算,得到管网节点流量和节点水位;根据管网水力演算结果进行地表积涝演进计算,得到地表积水深度和淹没范围;根据所述管网节点流量、所述节点水位、所述地表积水深度以及所述淹没范围进行风险判别,得到所述推演结果。

15、在本公开一示例实施例中,基于前述方案,所述根据所述管网节点流量、所述节点水位、所述地表积水深度以及所述淹没范围进行风险判别,得到所述推演结果,包括:按照相同时间节点,对所述管网节点流量、所述节点水位、所述地表积水深度以及所述淹没范围进行关联,得到多个时间节点对应的时序洪涝状态数据;根据预设风险判别阈值,对各所述时序洪涝状态数据进行风险判别,得到各所述时间节点对应的洪涝风险状态;根据多个所述时序洪涝状态数据确定洪水峰值时刻,并获取所述洪水峰值时刻对应的节点峰值流量、节点最高水位、区域最大积水深度以及淹没范围;根据各所述时间节点对应的洪涝风险状态以及所述洪水峰值时刻对应的节点峰值流量、节点最高水位、区域最大积水深度和淹没范围,得到所述推演结果。

16、在本公开一示例实施例中,基于前述方案,所述根据预设风险判别阈值,对各所述时序洪涝状态数据进行风险判别,得到各所述时间节点对应的洪涝风险状态,包括:获取管网节点对应的流量阈值、水位阈值以及积水深度对应的风险分级阈值;针对各所述时间节点,分别将所述管网节点流量与对应的流量阈值进行比较、将所述节点水位与对应的水位阈值进行比较,并将所述地表积水深度与对应的风险分级阈值进行比较,得到各所述时间节点对应的流量超限状态、水位超限状态以及积水风险等级;根据所述流量超限状态、所述水位超限状态以及所述积水风险等级,确定各所述时间节点对应的洪涝风险状态;

17、所述根据各所述时间节点对应的洪涝风险状态以及所述洪水峰值时刻对应的节点峰值流量、节点最高水位、区域最大积水深度和淹没范围,得到所述推演结果,包括:根据连续处于所述流量超限状态的时间节点确定流量超限持续时长,并根据连续处于所述水位超限状态的时间节点确定水位超限持续时长;根据所述节点峰值流量与对应的流量阈值确定流量超限幅度,并根据所述节点最高水位与对应的水位阈值确定水位超限幅度;根据各所述时间节点对应的洪涝风险状态、所述流量超限持续时长、所述水位超限持续时长、所述流量超限幅度、所述水位超限幅度、所述区域最大积水深度以及所述淹没范围,生成所述推演结果。

18、在本公开一示例实施例中,基于前述方案,在得到所述推演结果之后,还包括:将本次三维洪涝推演对应的场景特征、推演参数以及推演结果关联形成推演场景记录;将所述推演场景记录存储至所述推演场景库,并记录对应的推演轮次以及参数差异;在后续获取新的洪涝推演需求时,将所述推演场景记录作为存量场景参与场景相似度计算。

19、在本公开一示例实施例中,基于前述方案,在得到所述推演结果之后,还包括:将所述推演结果与洪涝知识图谱中的知识对象进行关联;对推演场景、推演参数与所述洪涝知识图谱中的实体、关系和规则分别进行语义映射,并对对应的参数阈值进行校准以及对冲突信息进行消解;基于所述洪涝知识图谱中的致灾机理、风险传导路径、工程调度边界以及参数阈值,对所述推演结果进行约束;将约束后的推演结果输入语义推理模型,进行洪涝成因分析、过程关联分析以及风险传导分析,得到洪涝风险分析结果。

20、根据本公开实施例的第二方面,提供了一种基于场景生成与参数控制的洪涝三维推演系统,该系统包括:需求解析模块,用于获取洪涝推演需求,对所述洪涝推演需求进行语义解析,生成结构化推演指令;场景生成模块,用于基于区域暴雨频率统计结果、水文物理约束以及参数组合规则,对推演参数进行组合与过滤,生成多个候选推演场景,并根据多个所述候选推演场景构建推演场景库;参数更新模块,用于将所述推演参数划分为固定参数和可调参数,在所述固定参数保持不变的情况下,根据所述结构化推演指令确定需调整的可调参数,并对需调整的所述可调参数进行增量更新;场景匹配模块,用于提取所述洪涝推演需求对应的当前场景特征,分别确定所述当前场景特征与所述推演场景库中各存量场景特征之间的场景相似度,根据所述场景相似度确定目标推演场景;参数修正模块,用于根据增量更新后的可调参数与所述目标推演场景中对应参数之间的差异,对所述目标推演场景中的可调参数进行修正;三维推演模块,用于基于参数修正后的所述目标推演场景进行三维洪涝推演,得到推演结果。

21、根据本公开实施例的第三方面,提供了一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如第一方面中的基于场景生成与参数控制的洪涝三维推演方法。

22、根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中的基于场景生成与参数控制的洪涝三维推演方法。

23、本公开实施例提供的技术方案可以包括以下有益效果:

24、根据本示例实施例中的基于场景生成与参数控制的洪涝三维推演方法,一方面,通过对洪涝推演需求进行语义解析形成结构化推演指令,并结合区域暴雨频率统计结果、水文物理约束以及参数组合规则对推演参数进行组合与过滤,使生成的候选推演场景能够覆盖不同洪涝工况并形成可调用的推演场景库,从而减少对人工预设单一推演工况的依赖,提升复杂洪涝情形下的场景覆盖程度;另一方面,通过将推演参数划分为固定参数和可调参数,在固定参数保持不变的情况下仅对需调整的可调参数进行增量更新,使推演条件发生变化时无需对未变化参数进行重复处理,从而减少连续调参和多情景试算过程中的重复配置与计算;再一方面,通过提取当前场景特征并与推演场景库中的存量场景进行场景相似度比较,以确定目标推演场景,并仅针对目标推演场景中存在差异的可调参数进行修正,使已有近似推演场景能够被继续利用,降低不同推演任务之间重复构建场景的处理量。由此,可以在适应不同洪涝推演需求的同时减少重复处理,进而提高洪涝三维推演的场景适应性和处理效率。

25、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。