一种基于AI智能体的洪水预报辅助生成方法及系统与流程
本发明涉及洪水预报,尤其涉及一种基于ai智能体的洪水预报辅助生成方法及系统。
背景技术:
1、洪水险情的传导推演是防汛预警的关键环节。现有技术中,水文水动力模型需在事前建模并率定参数,建模周期长、参数依赖性强,难以应对突发险情;静态知识图谱在事前全量预建,以检索匹配方式使用,无法表达水流沿地形实时传导的物理过程,对未预建的突发事件无法推导;而人工研判依赖个人经验,时效性与准确性不足,容易导致洪水预警滞后,错失处置窗口。
2、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种基于ai智能体的洪水预报辅助生成方法及系统,旨在提高洪水预报的准确性。为实现上述目的,本发明提供一种基于ai智能体的洪水预报辅助生成方法,所述基于ai智能体的洪水预报辅助生成方法包括以下步骤:
2、获取洪水事件数据,其中,所述洪水事件数据包括实时上报数据和地图底版数据,所述地图底版数据包括栅格高程数据和地物矢量图层数据;
3、根据所述实时上报数据在实时知识图谱中生成事件节点;
4、根据ai智能体、所述地图底版数据以及所述事件节点确定洪水事件的洪水传导临时图;
5、根据所述洪水传导临时图生成所述洪水事件对应的洪水预报信息。
6、可选地,所述根据ai智能体、所述地图底版数据以及所述事件节点确定洪水事件的洪水传导临时图的步骤包括:
7、根据所述栅格高程数据和所述事件节点确定栅格级传导路径;
8、根据所述地物矢量图层数据和所述栅格级传导路径确定各个区域点之间的有向边;
9、控制所述ai智能体将所有的区域点和各个区域点之间的有向边整合生成洪水传导临时图。
10、可选地,所述根据所述实时上报数据在实时知识图谱中生成事件节点的步骤包括:
11、控制所述ai智能体对所述实时上报数据进行实体抽取,得到事件实体信息,其中,所述实时上报数据包括巡查文本数据、巡查语音数据和现场图像数据,所述事件实体信息包括事发地物名称和事件状态信息;
12、根据所述事发地物名称在所述地物矢量图层数据中确定目标地物,并确定所述目标地物的空间坐标和高程值;
13、根据所述事件实体信息、所述空间坐标和所述高程值在所述实时知识图谱中生成所述事件节点,其中,所述事件节点携带所述空间坐标、所述高程值和所述事件状态信息,所述ai智能体为多模态大模型。
14、可选地,所述根据所述栅格高程数据和所述事件节点确定栅格级传导路径的步骤包括:
15、将所述事件节点在所述栅格高程数据中对应的栅格确定为起始栅格,并加载以所述起始栅格为中心的预设半径的目标窗口内的栅格高程矩阵;
16、将所述起始栅格确定为当前栅格,确定所述当前栅格与所述当前栅格的每个邻域栅格之间的高程差值,并根据每个所述高程差值和所述当前栅格与每个邻域栅格之间的栅格间距确定每个邻域栅格对应的比降;
17、当每个邻域栅格对应的比降中存在大于零的比降时,将最大的比降对应的邻域栅格确定为所述当前栅格的下游栅格,记录所述当前栅格指向所述下游栅格的推进方向,将所述下游栅格确定为新的当前栅格,并返回执行确定所述当前栅格与所述当前栅格的每个邻域栅格之间的高程差值的步骤;
18、当每个邻域栅格对应的比降均不大于零时,终止推进,并根据记录的每个推进方向得到所述栅格级传导路径。
19、可选地,所述确定所述当前栅格与所述当前栅格的每个邻域栅格之间的高程差值的步骤之前,还包括:
20、根据所述地物矢量图层数据中的河网矢量数据对所述目标窗口内的栅格高程矩阵进行修正,以使所述目标窗口内平地区域和洼地区域对应的推进方向与所述河网矢量数据中的河网走向一致。
21、可选地,所述根据所述栅格高程数据和所述事件节点确定栅格级传导路径的步骤还包括:
22、当所述下游栅格位于所述目标窗口的边界时,沿所述下游栅格对应的推进方向加载与所述目标窗口相邻的新窗口内的栅格高程矩阵,将所述新窗口确定为新的目标窗口,并返回执行确定所述当前栅格与所述当前栅格的每个邻域栅格之间的高程差值的步骤。
23、可选地,所述根据所述地物矢量图层数据和所述栅格级传导路径确定各个区域点之间的有向边的步骤包括:
24、根据所述地物矢量图层数据确定所述栅格级传导路径途经的每个地物,并将每个所述地物确定为所述区域点;
25、按照所述栅格级传导路径的途经顺序,在每两个相邻的区域点之间生成由上游区域点指向下游区域点的有向边;
26、将所述栅格级传导路径途经的栅格按地物类型划分为多个分段,并确定每个分段的演进参数,其中,所述演进参数包括分段长度、分段比降和糙率,所述分段比降根据每个分段两端在所述栅格高程数据中对应的高程差值和所述分段长度确定,所述糙率根据每个分段对应的地物类型在预设糙率对照表中查取;
27、根据每个分段的演进参数确定每个分段的平均流速,其中,所述平均流速与所述分段比降正相关、与所述糙率负相关;
28、根据每个分段的平均流速和所述分段长度确定每个分段的流经时间,并根据每个区域点上游的每个分段的流经时间的累加结果确定每个区域点的预计到达时间。
29、可选地,所述按照所述栅格级传导路径的途经顺序,在每两个相邻的区域点之间生成由上游区域点指向下游区域点的有向边的步骤之后,还包括:
30、根据所述实时上报数据确定每条有向边对应的上游来流量和每个区域点对应的数值系数,其中,所述数值系数用于表征对应区域点的过流能力下降程度;
31、根据所述地物矢量图层数据确定每条有向边的下游区域点对应的设计过流能力,并将所述下游区域点对应的设计过流能力与所述数值系数的乘积确定为所述下游区域点的残余过流能力;
32、当每条有向边对应的上游来流量大于所述有向边的下游区域点的残余过流能力时,将所述有向边的状态确定为激活状态;
33、当每条有向边对应的上游来流量不大于所述有向边的下游区域点的残余过流能力时,将所述有向边的状态确定为蓄水待观状态,并终止所述有向边下游的传导推导。
34、可选地,所述根据所述洪水传导临时图生成所述洪水事件对应的洪水预报信息的步骤之后,还包括:
35、当所述实时上报数据发生更新,所述事件节点对应的上游来流量或数值系数被更新时,将对应的事件节点确定为变化节点;
36、沿所述洪水传导临时图中有向边的指向关系,确定所述变化节点下游可达的每个区域点和每条有向边;
37、根据更新后的上游来流量或数值系数,逐级更新所述变化节点下游可达的每条有向边对应的上游来流量,并重新确定每条有向边的状态;
38、仅对所述变化节点下游可达的每个区域点和每条有向边,重新执行所述根据ai智能体、所述地图底版数据以及所述事件节点确定洪水事件的洪水传导临时图的步骤和所述根据所述洪水传导临时图生成所述洪水事件对应的洪水预报信息的步骤,其中,所述变化节点上游的有向边保留原推导结果。
39、本发明提出一种基于ai智能体的洪水预报辅助生成方法,该方法通过获取包括实时上报数据和地图底版数据的洪水事件数据,根据实时上报数据在实时知识图谱中生成事件节点,再根据ai智能体、地图底版数据以及事件节点确定洪水传导临时图,最后根据洪水传导临时图生成洪水预报信息,从而能在事件发生前为空的知识图谱上,沿地图底版即时合成符合物理约束的洪水演进链路并输出可复核的预警,满足突发无预案事件的分钟级决策需求。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com