湖泊水下地形预测模型的构建方法、湖泊水下地形预测方法及相关装置

摘要: 本申请涉及水下地形预测领域,尤其涉及一种湖泊水下地形预测模型的构建方法、湖泊水下地形预测方法、计算机程序产品、电子设备及计算机可读存储介质。背景技术:1、湖泊水...
湖泊水下地形预测模型的构建方法、湖泊水下地形预测方法及相关装置

本申请涉及水下地形预测领域,尤其涉及一种湖泊水下地形预测模型的构建方法、湖泊水下地形预测方法、计算机程序产品、电子设备及计算机可读存储介质。

背景技术:

1、湖泊水储量作为表征流域水文平衡的综合指标,可通过湖泊的地形评估得出。而湖泊水深实测难度大、遥感卫星在水下反射能力不足。基于经验公式的水储量评估是目前常用方法,但其无法获取湖泊水下地形。而当前基于物理机理假设的数学模型,可提供全球任意湖泊水下地形理论解,但其精度和适用性较差。

技术实现思路

1、针对上述技术问题,本申请提供一种障碍物检测方法、计算机程序产品、电子设备及计算机可读存储介质,技术方案如下:

2、根据本申请的第一方面,提供一种湖泊水下地形预测模型的构建方法,该方法包括:

3、在已有的dem地形数据集中,提取若干目标地形的真实地形数据,所述目标地形为与湖泊的地形结构相似的且未淹没的地形;

4、在所述真实地形数据中提取所述目标地形的目标数据,所述目标数据包括边界数据和边界所包围的区域的数据,所述边界数据至少包括所述目标地形的边界上各个dem像素点的坐标信息及高程信息,所述边界所包围的区域的数据至少包括该区域中各个dem像素点的坐标信息;

5、将所述目标数据输入预设的数学模型,得到所述目标地形的数学模拟地形数据;所述数学模型是基于湖泊的陆上地形与水下地形的空间连续性构建的,所述数学模拟地形数据包括所述目标数据,以及边界所包围的区域中各个dem像素点的模拟高程信息;

6、将所述数学模拟地形数据作为训练数据集对湖泊水下地形预测模型进行训练,所述湖泊水下地形预测模型是以所输出的预测地形数据与所述真实地形数据之间的误差作为损失函数训练得到的。

7、根据本申请的第二方面,提供一种湖泊水下地形预测方法,该方法包括:

8、在已有的dem地形数据集中,提取真实湖泊的真实目标数据,所述真实目标数据至少包括所述真实湖泊的真实边界上各个dem像素点的坐标信息及高程信息,以及真实边界所包围的区域中各个dem像素点的坐标信息;

9、将所述真实目标数据输入预设的数学模型,得到所述真实湖泊的数学模拟地形数据;所述数学模型是基于湖泊的陆上地形与水下地形的空间连续性构建的,所述数学模拟地形数据包括所述真实目标数据,以及真实边界所包围的区域中各个dem像素点的模拟高程信息;

10、将所述数学模拟地形数据输入至如第一方面所述的湖泊水下地形预测模型,通过所述湖泊水下地形预测模型输出所述真实湖泊的预测地形数据。

11、根据本申请的第三方面,提供一种计算机程序产品,该计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如第一方面或第二方面所述的方法。

12、根据本申请的第四方面,提供一种电子设备,该电子设备包括:

13、处理器;

14、用于存储处理器可执行指令的存储器;

15、其中,所述处理器被配置为实现如第一方面或第二方面所述的方法。

16、根据本申请的第五方面,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或第二方面所述方法中的步骤。

17、本申请提供的技术方案,基于湖泊的陆上地形与水下地形的空间连续性这一物理机理假设构建的数学模型能够对目标地形求出理论解(即数学模拟地形数据),在该理论解的基础之上,利用湖泊水下地形预测模型进一步识别出理论解与真实地形间在数值和空间分布上的差异,并实现对真实地形进行精准预测。同时,考虑到湖泊真实地形实测样本较为稀缺,难以满足数据驱动类模型对训练样本数量和质量的需求(例如用深度学习等架构构建模型时面临训练数据不足的问题),因此,为构建适用于湖泊水下地形预测模型的大量训练样本,基于地形相似性的考虑,在已有的dem地形数据集中,提取与湖泊的地形结构相似的且未淹没的地形(例如河谷、洼地)的真实地形数据,基于这些真实地形数据构建用以训练模型的大量样本,从而大大提升模型的训练效果,从而提高模型预测准确度。

18、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,并不能限制本申请。

1.一种湖泊水下地形预测模型的构建方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述湖泊水下地形预测模型包括多个子模型,所述方法还包括:

3.根据权利要求2所述的方法,其特征在于,所述对所述目标地形进行边界分类,包括:

4.根据权利要求1所述的方法,其特征在于,所述若干目标地形包括:洼地地形,和/或,河谷地形;

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

6.根据权利要求1所述的方法,其特征在于所述将所述目标数据输入预设的数学模型之前,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,所述湖泊水下地形预测模型为增强深度超分辨率网络edsr模型。

8.一种湖泊水下地形预测方法,其特征在于,所述方法包括:

9.根据权利要求8所述的方法,其特征在于,所述方法还包括:

10.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述方法的步骤。

11.一种电子设备,其特征在于,包括:

12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述方法中的步骤。