城市河道灾害点的三维空间分布.docVIP

城市河道灾害点的三维空间分布 　　摘要： 河道在城市的排水系统中尤为重要，本文从宏观方面运用BP人工神经网络构建河道水位预测模型，通过模型预测的值，在三维系统中展示，实现城市内涝内河的灾害点空间分布。该模型的优势：取用数据较少，精度高，能够很好地模拟暴雨条件下昆明市盘龙江油管桥水位。本文的研究成果有助于城市内涝研究。 　　Abstract： The river is particularly important in the citys drainage system. In this paper， BP neural network is used to construct the river water level forecasting model from the macroscopic aspect. Through the model predicted value， it is displayed in the three-dimensional system to achieve the spatial distribution of disaster points in the citys waterlogged river. The advantages of the model： access to less data， high precision， can be a good simulation of rainstorm conditions in Kunming Panlongjiang Youguanqiao water level. The research results of this paper are helpful to the study of urban waterlogging. 　　关键词： 三维系统；BP；城市内涝；MATLAB；预测模型 　　Key words： three-dimensional system；BP；urban waterlogging；MATLAB；prediction model 　　中图分类号：TV85 文献标识码：A 文章编号：1006-4311（2017）14-0181-03 　　0 引言 　　近年来，城市内涝问题困扰着很多城市，城市河道漫堤对城市的内涝影响较大，城市综合流域排水模型系统（INFOWORKS ICM）现在正被中国大部分市政规划部门应用于城市内涝模拟评价中。INFOWORKS ICM要能精确地模拟城市内涝的演进过程，河道水位数据必不可少。河道灾害点在三维系统中的空间分布对城市防涝，防灾预案的制定、灾害点地下管线的规划有着重要意义。 　　1 人工神经网络模型的构建 　　宏观的研究河道水位前人已经做过很多成功的案例。在过去的二十年里，国际上许多学者开展了人工神经网络在城市内涝防治中的相关研究。利用人工神经网络技术对城市洪水，区域洪灾，城市防涝进行了很多研究[1，2]。在预测方面Yen-Ming Chiang，et.al，L.See，et.al，通过一些实验证实人工神经网络在实时洪水预测方面的能力[3，4]。Masoud Bakhtyari Kia等人选择一片示范区域，将该区域的七个不同GIS图层作为神经网络的?入条件，将一个河道淹没区空间分布作为输出结果，模拟结果很好地反应了洪水淹没情况[9]。人工神经网络是一种与人类神经系统的信息处理相似的技术。神经网络包括很多种，最常用的一种为BP神经网络，它具有非常强的非线性映射能力，是一种前向网络。怎样获取精度较高的内河河道水位及在其灾害点的三维可视化空间分布，对科学地分析城市内涝具有一定意义。 　　1.1 数据的收集 　　本研究采用了大量GIS类型数据，首先采集了盘龙江沿岸1：500地形以及影像数据，同时经过2个月的采集收集了盘龙江沿岸220个排水口数据，这些排水口在雨季都向盘龙江排出雨水，对盘龙江雨天的河道水位造成一定影响，排水口的普查情况在GIS系统中的分布图如图1。 　　降雨水位数据选取了：金殿水库站、茨坝站、松华乡站、鼓楼站、双龙乡站，对昆明市盘龙江昆明水文站油管桥段影响较大的几个降雨观测站（见图2）。 　　收集了从7月18日13时到7月19日23时的降雨数据，数据覆盖了整个洪水的淹没过程， ANDREW P. DUNCAN等（2012）使用气象雷达和降雨数据建立神经网络模型实现了实时洪水预测[5，6，7]，运用降雨数据模拟洪水具有合理性和可行性。水位数据为盘龙江昆明水文站油管桥的监测数据，数据时间跨度为从7月18日13时到7月19日23时的每小时水位数据。 　　1.2 模型的建立 　　本文建立以下BP人工神经网络模型，模型结构如图3。 　　神经网络的