基于大数据的智慧防汛排水策略分析方法及系统与流程

摘要: 本发明涉及城市防汛调度,尤其涉及基于大数据的智慧防汛排水策略分析方法及系统。背景技术:1、城市化建设推进过程中,城市水系环境与地表结构持续变化,极端降水频次增加...
基于大数据的智慧防汛排水策略分析方法及系统与流程

本发明涉及城市防汛调度,尤其涉及基于大数据的智慧防汛排水策略分析方法及系统。

背景技术:

1、城市化建设推进过程中,城市水系环境与地表结构持续变化,极端降水频次增加,城市防汛排水管控压力逐步提升。现有防汛调度工作普遍采用分散式数据处理模式,气象水文监测信息、历史内涝档案、排水管网架构数据及下垫面基础信息相互割裂,各类防汛数据缺乏统一整合处理机制。常规致涝因素分析方式较为单一,基础关联挖掘算法结构固化,运算过程不会纳入各类环境因子的时空耦合联系,无法深度解析多要素叠加引发内涝的组合规律,对内涝形成的潜在诱因分析不够全面。

2、现有内涝风险评估模式维度单一,大多只开展静态化风险测算,缺少排水管网拓扑结构和城市下垫面属性的协同水力耦合模拟流程。无法针对不同降雨工况进行系统化推演,难以形成全覆盖的风险空间分布结果,对内涝扩散演变过程缺少完整研判。固定化排水调控方案应用范围有限,策略制定过程考量维度单一,不会统筹排水运行状态、设施承载条件与全域安全条件。

3、现代城市防汛管理体系,对数据融合分析、动态风险推演、多约束协同调度提出严格标准。近年来,部分防汛调度研究引入深度强化学习等纯数据驱动算法生成调度策略。然而,此类算法高度依赖训练数据分布,呈现显著的“黑盒”特性,生成的调度策略缺乏底层物理水动力学的机理支撑,无法解释调控指令的物理因果逻辑。在遭遇超出历史工况的极端强降雨等灾害时,纯数据模型极易产生不可靠的调度指令且无法进行水力溯源验证,在对安全性要求极高的城市防汛场景中存在严峻的工程应用风险,传统技术框架无法完成多源防汛数据深度解析,难以实现多情景风险模拟与事件链推演,不能产出动态适配的精细化排水调控方案,无法满足大范围、长时间、多工况下智慧防汛排水的整体运行管控需求。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点,而提出的基于大数据的智慧防汛排水策略分析方法及系统。

2、为了实现上述目的,本发明采用了如下技术方案:基于大数据的智慧防汛排水策略分析方法,包括:

3、通过部署于目标区域的多个气象站与水文站实时采集气象水文监测数据,并结合存储的历史内涝事件记录、排水管网拓扑数据及城市下垫面特征数据,构建多元防汛数据集合 ;

4、利用水力模型计算服务器对所述历史内涝事件记录与所述实时气象水文监测数据执行改进的关联规则挖掘算法处理,以识别出致涝气象水文因子组合模式 ,所述改进的关联规则挖掘算法依据因子间的时空耦合关系,计算得到时空耦合权重系数,计算公式为:

5、

6、其中,表示因子对应监测站点之间的空间距离,和表示因子对应的时间戳,和分别为控制空间距离和时间差影响程度的调整参数;并利用所述时空耦合权重系数对事务数据库中的事务计数进行加权修正,以调整频繁项集计算过程中的支持度度量;

7、利用所述水力模型计算服务器,将识别出的致涝气象水文因子组合模式作为强制情景边界约束,对所述排水管网拓扑数据与城市下垫面特征数据进行水力耦合模拟,该模拟过程基于圣维南方程组计算管网水流动力学状态,生成受控于所述组合模式的不同降雨情景下的内涝风险分布图谱;

8、利用所述水力模型计算服务器,将所述内涝风险分布图谱中超安全阈值的高风险地理单元作为水力溯源的唯一触发条件输入防汛策略推演模型,并将所述致涝气象水文因子组合模式作为该推演模型的底层运算前置条件,以高风险地理单元对应的管网节点作为初始积水点,基于水力波追踪方法模拟内涝在管网节点间的传播 ;并依据管网交汇处各上游节点的积水深度及连接管道基于曼宁公式计算的非满管过流能力,计算向下游节点下泄的动态分配水量,据此推演出具备网络级联特征的潜在的内涝事件链与影响范围 ;

9、利用所述水力模型计算服务器,将推演出的所述内涝事件链与影响范围作为决策空间的不可替换的输入约束条件,在所述约束条件下通过多目标优化决策模型生成兼顾排水效率、工程负荷与安全风险的动态排水调控策略集合 ;

10、利用所述水力模型计算服务器将所述动态排水调控策略集合转化为针对具体排水设施的调控指令集 ,并通过modbus通信协议将底层控制指令下发至对应的泵站可编程逻辑控制器及闸门执行器,以驱动实体城市防汛排水设施执行动态调控。

11、作为本发明的进一步方案,对所述历史内涝事件记录与所述实时气象水文监测数据执行改进的关联规定挖掘算法处理,识别出致涝气象水文因子组合模式,包括:

12、对所述历史内涝事件记录进行结构化处理,提取每次内涝事件的时间、位置、积水深度、历时及对应的气象水文条件序列,形成事件-条件关联数据集;

13、对所述实时气象水文监测数据进行特征工程,提取在预设时间窗口内的降雨强度时序特征、累积雨量特征、河道水位特征及土壤湿度特征;

14、将所述事件-条件关联数据集与经过特征工程的气象水文特征数据合并,构建用于关联规则挖掘的事务数据库,每条事务代表一个内涝事件及其发生前的气象水文特征组合;

15、使用所述改进的关联规则挖掘算法处理所述事务数据库,所述改进的关联规则挖掘算法在计算频繁项集与关联规则时,不仅考虑项目的同时出现,还依据所述气象水文因子间的时空耦合关系引入时滞约束与空间邻近约束;

16、所述改进的关联规则挖掘算法输出满足最小支持度与置信度阈值的气象水文因子组合,作为所述致涝气象水文因子组合模式。

17、作为本发明的进一步方案,使用所述改进的关联规则挖掘算法处理所述事务数据库,所述改进的关联规则挖掘算法在计算频繁项集与关联规则时,不仅考虑项目的同时出现,还依据所述气象水文因子间的时空耦合关系引入时滞约束与空间邻近约束,包括:

18、建立因子间的时空关系模型,所述时空关系模型定义了气象因子与水文因子在不同地理位置之间的空间影响距离,以及在不同时间序列中的先后影响时延;

19、在计算候选频繁项集时,依据所述时空关系模型对事务数据库中的气象水文因子组合进行筛选,仅保留因子间满足预设空间邻近约束与预设时滞约束的组合;

20、在关联规则生成阶段,利用所述时空耦合权重系数修正满足时空耦合关系的因子组合的支持度计算,所述时空耦合权重系数的计算公式为:

21、

22、其中,表示因子对应监测站点之间的空间距离,和表示因子对应的时间戳,和分别为控制空间距离和时间差影响程度的调整参数;并依据所述时空关系模型计算置信度及对关联规则进行剪枝,剔除不符合时空逻辑的先因后果关系;

23、将计算得出的频繁项集与关联规则存储至致涝模式知识库,并附上其对应的时空约束条件。

24、作为本发明的进一步方案,以上述识别出的致涝气象水文因子组合模式作为情景边界约束,对所述排水管网拓扑数据与城市下垫面特征数据进行水力耦合模拟,生成受控于所述组合模式的不同降雨情景下的内涝风险分布图谱,包括:

25、基于所述排水管网拓扑数据,构建包含管道、检查井、泵站、闸门的水力模型网络;

26、基于所述城市下垫面特征数据,构建城市地表产汇流模型,所述城市下垫面特征数据包括土地利用类型、地表坡度、渗透系数及建筑密度;

27、将所述水力模型网络与所述城市地表产汇流模型进行动态耦合,形成城市雨洪耦合模型;

28、定义多种降雨情景,所述降雨情景包括不同重现期、不同降雨时空分布的设计降雨过程线;

29、将每种所述设计降雨过程线输入所述城市雨洪耦合模型进行模拟计算,得到所述降雨情景下的地表积水深度时空分布、管道负荷时空分布;

30、对模拟得到的所述地表积水深度时空分布进行分级处理,将超过预设安全阈值的区域标识为内涝风险区,结合地理信息生成可视化的所述内涝风险分布图谱。

31、作为本发明的进一步方案,将每种所述设计降雨过程线输入所述城市雨洪耦合模型进行模拟计算,得到所述降雨情景下的地表积水深度时空分布、管道负荷时空分布,包括:

32、将设计降雨过程线分解为一系列等时间间隔的降雨强度输入序列,并将序列同步加载至所述城市雨洪耦合模型的地表产汇流模块与管网水力模块;

33、启动所述城市雨洪耦合模型的模拟引擎,以所述等时间间隔为时间步长,对城市地表产汇流过程与管网水动力过程进行耦合迭代计算;

34、在每个时间步长的计算中,所述城市雨洪耦合模型首先根据地表的降雨输入、下渗、填洼和地面坡度,计算得到当前时刻每个计算单元的地表径流量与流向;

35、将计算得到的地表径流量作为侧向入流,输入至所述管网水力模块对应的管网节点;

36、所述管网水力模块基于圣维南方程组,计算当前时刻管网中所有管道的水位、流量和流速,以及节点处的积水状态;

37、模型将每个时间步长计算得到的地表积水深度与管道负荷,在时间维度上累加形成时空分布序列,得到降雨情景下的地表积水深度时空分布与管道负荷时空分布。

38、作为本发明的进一步方案,将所述致涝气象水文因子组合模式与内涝风险分布图谱输入防汛策略推演模型,推演出潜在的内涝事件链与影响范围,包括:

39、所述防汛策略推演模型包含模式匹配引擎与事件链推理引擎;

40、所述模式匹配引擎将当前的所述实时气象水文监测数据与所述致涝气象水文因子组合模式进行实时比对,识别出当前气象水文条件匹配已识别的致涝模式,并计算匹配程度;

41、所述事件链推理引擎根据匹配到的致涝模式,查询所述内涝风险分布图谱,定位出在当前气象水文条件下发生内涝的高风险地理单元;

42、所述事件链推理引擎基于所述排水管网拓扑数据与水力联系,采用简化的水力波追踪方法模拟内涝在高风险地理单元之间传播、扩散与连锁反应路径,推演出完整的所述潜在的内涝事件链;在计算向下游节点下泄的动态分配水量时,使用曼宁公式估算所述连接管道在非满管状态下的过流能力,并结合实时估算的节点水位按比例进行水量分配,从而估算每个环节的积水范围与深度,形成所述影响范围。

43、作为本发明的进一步方案,所述将推演出的所述内涝事件链与影响范围作为决策空间的输入约束条件,在所述约束条件下通过多目标优化决策模型生成兼顾排水效率、工程负荷与安全风险的动态排水调控策略集合,包括:

44、定义多目标优化决策模型的目标函数,所述目标函数包含最大化排水总量、最小化排水管网负荷峰值、最小化内涝高风险区域面积及最小化调控指令频次;

45、以所述内涝事件链与影响范围的推演结果作为模型的输入约束条件,同时输入排水设施的当前状态、设计能力与操作规则作为优化边界条件;

46、在所述优化边界条件下,采用多目标进化算法对目标函数进行寻优,所述多目标进化算法在决策空间中并行搜索,所述决策空间由各排水泵站的启停时序、各闸门的开度变化序列、各调蓄设施的启用策略组合构成;

47、所述多目标进化算法输出一组非劣解,每个非劣解代表一种可行的排水设施操作方案及其对应的目标函数值;

48、对所述一组非劣解进行后处理,转化为描述具体操作的所述动态排水调控策略集合。

49、作为本发明的进一步方案,对所述一组非劣解进行后处理,转化为描述具体操作的所述动态排水调控策略集合,包括:

50、解析每个非劣解对应的排水设施操作方案,所述排水设施操作方案以时间序列的形式定义了各泵站的启停状态、各闸门的开度值、各调蓄设施的启闭状态;

51、将所述排水设施操作方案与所述内涝事件链的时间线进行对齐,识别出针对所述内涝事件链中每个关键发展阶段所应执行的关键操作动作;

52、将时间对齐后的所述排水设施操作方案,按照排水设施的类型与地理位置进行分组,形成针对不同子系统或区域的局部调控策略;

53、将所述局部调控策略与全局协调规则进行整合,添加策略的唯一标识、生效时间窗、前提条件,封装为结构化的策略单元;

54、将多个结构化的策略单元按照执行优先级或时间顺序进行编排,形成所述动态排水调控策略集合。

55、作为本发明的进一步方案,将所述动态排水调控策略集合转化为针对具体排水设施的调控指令集,下发至城市排水管理系统,包括:

56、解析所述动态排水调控策略集合中的每个结构化的策略单元,提取其核心操作动作、目标设施标识、执行时间与前提条件;

57、根据目标排水设施的具体型号与通信协议,将所述核心操作动作映射为设施可识别和执行的底层控制指令,所述控制指令包括泵站的启动/停止命令、设定转速命令,闸门的设定开度命令,调蓄设施的开启/关闭命令;

58、将映射生成的底层控制指令,按照所述执行时间编排为带时间戳的指令序列;

59、对所述指令序列进行校验,检查指令间的逻辑一致性、时间顺序合理性及是否超出设施安全运行范围;

60、将通过校验的指令序列,按照预设的通信接口与数据格式,打包并下发至所述城市排水管理系统的实时控制平台。

61、作为本发明的进一步方案,本发明还包括基于大数据的智慧防汛排水策略分析系统,所述系统包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器在执行所述计算机程序时,实现如上述基于大数据的智慧防汛排水策略分析方法的步骤。

62、与现有技术相比,本发明的优点和积极效果在于:

63、依托改进型关联规则挖掘算法处理历史内涝事件记录与实时气象水文监测数据,围绕各类环境因子的时空耦合关系调整规则挖掘执行逻辑。拓展多维度气象水文要素的关联分析深度,完整梳理不同要素协同作用形成的致涝组合形式,打破单一指标分析的局限,强化长时序数据与实时监测数据的协同解析能力,完善内涝诱因识别的分析体系,提升复杂环境条件下诱因研判的严谨程度。

64、结合排水管网拓扑数据与城市下垫面特征数据开展全域水力耦合模拟运算,统筹地下输水结构与地表产汇流基础条件,完成多种降雨情景的系统化模拟运算。输出标准化内涝风险分布图谱,客观呈现不同区域的风险层级与空间分布状态,补充静态评估之外的动态场景化分析内容,延伸城市内涝风险的研判维度,为策略制定提供完整的空间化数据支撑。

65、将致涝因子组合模式与全域风险图谱同步输入防汛策略推演模型,完成内涝事件发展链路与作用范围的完整推演。依托多目标优化决策模型,同步平衡排水运行效率、设施工程负荷与区域安全限制条件,批量生成多组动态排水调控策略集合。统一转换各类策略内容为标准化设施调控指令,直接对接城市排水管理系统完成下发执行。丰富防汛调度的决策层次,调整固定调度模式的固化短板,本发明构建了“数据规律识别+物理机理推演”的双重驱动闭环防汛体系。在防汛策略推演与优化阶段,依托管网水力拓扑、水力波追踪与非满管过流能力计算等严密的物理机理,将数据挖掘得出的致涝模式在空间网络中进行透明化推演。由此生成的动态排水调控策略,其每一步泵站启停与闸门调度指令均具备明确的“水动力学因果关系”与“物理模型可解释性”。此设计从根本上克服了现有深度强化学习等纯数据驱动模型无法自证安全性的短板,确保了在极端复杂灾害工况下防汛调度指令的可靠性、可溯源性与工程落地安全性,构建数据解析、风险模拟、智能推演、动态调控的完整运行链路,持续适配城市复杂水文环境下的防汛排水管理运行需求。