【技術實現步驟摘要】
本專利技術涉及水文監測，具體是一種基于地理信息的洪澇預警信息采集方法及系統。
技術介紹
1、洪澇，指因大雨、暴雨或持續降雨使低洼地區淹沒、漬水的現象。雨澇主要危害農作物生長，造成作物減產或絕收，破壞農業生產以及其他產業的正常發展。
2、洪澇的預警過程本質上是對雨量信息的分析，現有的洪澇預警過程大都是依賴于一些固定指標，比如，雨量達到多少，發生洪澇的概率是多少，這種數值上的一一對應的關系，與實際情況可能會有一定的參差，在實際場景中，即使兩個區域的雨量相同，也有很大可能存在這一現象：一個區域發生洪澇，另一個不發生洪澇，因此，如何提高洪澇預警技術與實際情況的貼合度，提高預警準度是本申請想要解決的技術問題。
技術實現思路
1、本專利技術的目的在于提供一種基于地理信息的洪澇預警信息采集方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、一種基于地理信息的洪澇預警信息采集方法及系統，所述方法包括：
4、基于攜帶lidar設備的無人機獲取區域的點云數據，基于所述點云數據對區域進行三維建模，構建三維場景；
5、基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態；其中，所述降水量條件是預設周期內的降水量，場景狀態是參數變化量，所述參數變化量對應的參數類型至少包括圖像；
6、創建降水量條件至場景狀態的樣本集，基于樣本集訓練神經網絡模型；
7、在天氣預報
8、其中，場景狀態與預警信息之間的映射關系預先設置，應用訓練好的神經網絡模型確定場景狀態后，將場景狀態作為自變量輸入映射關系，將輸出作為預警信息。
9、作為本專利技術進一步的方案：所述基于攜帶lidar設備的無人機獲取區域的點云數據，基于所述點云數據對區域進行三維建模，構建三維場景的步驟包括：
10、接收用戶輸入的邊界坐標，擬合邊界輪廓；
11、查詢攜帶lidar設備的無人機的檢測半徑，基于所述檢測半徑對輪廓進行陣列，得到等距輪廓線；其中，陣列距離為采集半徑與預設的比例的乘積；所述比例的取值范圍為0.5至1；
12、在等距輪廓線中選取起點和終點，得到采集路徑；
13、將采集路徑向至少一個無人機發送，獲取區域的點云數據；所述無人機攜帶lidar設備；
14、基于所述點云數據對區域進行三維建模，構建三維場景。
15、作為本專利技術進一步的方案：所述基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態的步驟包括：
16、獲取三維場景的最高點高度與最低點高度，計算高度差；
17、根據預設的垂直步長對高度差進行切分，得到高度集，基于高度集生成與水平面平行的平面集；
18、獲取每個平面與三維場景的交集，基于交集的補集選取降水檢測點；
19、根據預設的雨量計確定降水量條件，獲取降水檢測點處的場景狀態，對降水量條件和場景狀態進行時域配準。
20、作為本專利技術進一步的方案：所述根據預設的雨量計確定降水量條件，獲取降水檢測點處的場景狀態，對降水量條件和場景狀態進行時域配準的步驟包括：
21、根據預設的雨量計獲取含有位置標簽和時間標簽的降水量；
22、根據時間標簽查詢最近時刻的三維場景，根據位置標簽將相似時間標簽的降水量插入三維場景，作為降水邊界條件；相似時間標簽的含義是時間標簽的時間差小于預設的閾值；
23、基于水文建模軟件對含有降水邊界條件的三維場景進行水文模擬，得到其他位置的降水量；其中，位置與位置間的距離為預設值；
24、統計所有位置的降水量，作為降水量條件；
25、基于安裝在降水檢測點處的圖像采集器獲取含有時間標簽的場景圖像，確定場景狀態；
26、對降水量條件和場景狀態進行時域配準。
27、作為本專利技術進一步的方案：所述在天氣預報信息中讀取未來時間的降水量，基于訓練好的神經網絡模型確定場景狀態，基于所述場景狀態生成預警信息；根據場景狀態更新神經網絡模型的步驟包括：
28、在天氣預報信息中讀取未來時間的降水量；
29、基于當前的最新三維場景和降水量模擬降水量條件；
30、將降水量條件輸入神經網絡模型，輸出場景狀態；
31、當通過圖像采集器獲取到場景狀態時，比對圖像采集器獲取到的場景狀態和神經網絡模型輸出的場景狀態，確定誤差率；
32、當誤差率滿足預設的更新條件時，更新樣本集，進而更新神經網絡模型。
33、作為本專利技術進一步的方案：場景狀態的比對過程采用圖像相似度；誤差率的更新條件為：；式中，為當前時刻，為預設的最大時間長度，表示個單位時間長度；表示時刻對應的誤差率，為預設的閾值。
34、本專利技術技術方案還提供了一種基于地理信息的洪澇預警信息采集系統，所述系統包括：
35、三維場景構建模塊，用于基于攜帶lidar設備的無人機獲取區域的點云數據，基于所述點云數據對區域進行三維建模，構建三維場景；
36、數據采集模塊，用于基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態；其中，所述降水量條件是預設周期內的降水量，場景狀態是參數變化量，所述參數變化量對應的參數類型至少包括圖像；
37、樣本集應用模塊，用于創建降水量條件至場景狀態的樣本集，基于樣本集訓練神經網絡模型；
38、模型應用模塊，用于在天氣預報信息中讀取未來時間的降水量，基于訓練好的神經網絡模型確定場景狀態，基于所述場景狀態生成預警信息；根據場景狀態更新神經網絡模型；
39、其中，場景狀態與預警信息之間的映射關系預先設置，應用訓練好的神經網絡模型確定場景狀態后，將場景狀態作為自變量輸入映射關系，將輸出作為預警信息。
40、作為本專利技術進一步的方案：所述三維場景構建模塊包括：
41、輪廓擬合單元，用于接收用戶輸入的邊界坐標，擬合邊界輪廓；
42、等距線生成單元，用于查詢攜帶lidar設備的無人機的檢測半徑，基于所述檢測半徑對輪廓進行陣列，得到等距輪廓線；其中，陣列距離為采集半徑與預設的比例的乘積；所述比例的取值范圍為0.5至1；
43、路徑生成單元，用于在等距輪廓線中選取起點和終點，得到采集路徑；
44、數據獲取單元，用于將采集路徑向至少一個無人機發送，獲取區域的點云數據；所述無人機攜帶lidar設備；
45、建模單元，用于基于所述點云數據對區域進行三維建模，構建三維場景。
46、作為本專利技術進一步的方案：所述數據采集模塊包括：
47、高度差計算單元，用于獲取三維場景的最高點高度與最低點高度，計本文檔來自技高網...
【技術保護點】
1.一種基于地理信息的洪澇預警信息采集方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述基于攜帶LiDAR設備的無人機獲取區域的點云數據，基于所述點云數據對區域進行三維建模，構建三維場景的步驟包括：
3.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態的步驟包括：
4.根據權利要求3所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述根據預設的雨量計確定降水量條件，獲取降水檢測點處的場景狀態，對降水量條件和場景狀態進行時域配準的步驟包括：
5.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述在天氣預報信息中讀取未來時間的降水量，基于訓練好的神經網絡模型確定場景狀態，基于所述場景狀態生成預警信息；根據場景狀態更新神經網絡模型的步驟包括：
6.根據權利要求5所述的基于地理信息的洪澇預警信息采集方法，其特征在于，場景狀態的比對過程采用圖像相似度；
7.一種基于地理信息的洪澇預警信息采集系統，其特征在于，所述系統包括：
8.根據權利要求7所述的基于地理信息的洪澇預警信息采集系統，其特征在于，所述三維場景構建模塊包括：
9.根據權利要求７所述的基于地理信息的洪澇預警信息采集系統，其特征在于，所述數據采集模塊包括：
10.根據權利要求7所述的基于地理信息的洪澇預警信息采集系統，其特征在于，所述模型應用模塊包括：
...【技術特征摘要】
1.一種基于地理信息的洪澇預警信息采集方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述基于攜帶lidar設備的無人機獲取區域的點云數據，基于所述點云數據對區域進行三維建模，構建三維場景的步驟包括：
3.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態的步驟包括：
4.根據權利要求3所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述根據預設的雨量計確定降水量條件，獲取降水檢測點處的場景狀態，對降水量條件和場景狀態進行時域配準的步驟包括：
5.根據權利要求1所述的基于地理信息的洪澇預警信息采集方法，其特征在于，所述在天氣預報信息中讀取未來時間的降水量...
【專利技術屬性】
技術研發人員：楊富寶，周婷，王志翔，吳若靜，田娟，龔定，王復生，
申請(專利權)人：安徽省水利水電勘測設計研究總院股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。