基于PNN神经网络和SWMM技术的管网淤积风险预测建模方法

    公开(公告)号:CN110929359B

    公开(公告)日:2023-09-22

    申请号:CN201911138213.X

    申请日:2019-11-20

    摘要: 本发明提供了基于PNN神经网络和SWMM技术的管网淤积风险预测建模方法,包括以下步骤A:采集管网排水参数,基于SWMM模型对排水参数进行预处理;B:基于步骤A的预处理结果构建包括影响管网淤积情况和反应管网淤积情况的参数的历史数据;C:将历史数据输入PNN神经网络,得到淤积风险的预测模型。本发明提供的基于PNN神经网络和SWMM技术的管网淤积风险预测建模方法的优点在于:通过PNN神经网络和SWMM技术的结合,构建更精确的历史数据进行模型训练,解决了现有淤积判断方法的单一性、滞后性问题,便于管养单位制定详细的清淤养护方案,提高管网养护的效率。

    一种基于长短期记忆网络的风暴潮洪涝预警方法和系统

    公开(公告)号:CN111325947B

    公开(公告)日:2022-04-01

    申请号:CN202010150417.1

    申请日:2020-03-04

    摘要: 本发明提供了一种基于长短期记忆网络的风暴潮洪涝预警方法,包括:获取历史数据进行归一化处理;将数据输入长短期记忆网络中进行迭代训练,得到用于预测未来水位变化情况的洪涝预测模型;将当前风暴事件数据输入洪涝预测模型中,预测水位变化情况;如果水位超过预设警戒线,则启动抗洪应急预案,否则预测内涝点位置,启动内涝应急预案。本发明还提供了风暴潮预警系统,本发明提供的基于长短期记忆网络的风暴潮洪涝预警方法和系统的优点在于:基于长短期记忆网络算法构建预测风暴潮水位变化的模型,并基于SWMM模型在水位未超过洪灾界线时预测衍生内涝灾害情况,为预警和救灾工作提供了决策支持。