防洪決策中洪水災(zāi)情智能預(yù)測與評估模型的研究.pdf

1、在全球洪澇災(zāi)害日益加重，非工程防洪倍受重視的背景下，開展防洪決策中洪水災(zāi)情預(yù)測與評估系統(tǒng)的研究，具有重要的理論意義與廣泛的實際價值。本論文結(jié)合當前我國災(zāi)情預(yù)測與評估工作的實際需求，對洪水災(zāi)情預(yù)測與評估系統(tǒng)的功能結(jié)構(gòu)與模型進行了研究與設(shè)計，并運用計算機技術(shù)、人工智能技術(shù)、可視化仿真技術(shù)以及數(shù)學、管理科學、決策科學等多學科知識，建立相關(guān)的洪水災(zāi)情預(yù)測與評估模型，從而為實現(xiàn)洪水災(zāi)情預(yù)測與評估的科學化、系統(tǒng)化和定量化奠定了一定的基礎(chǔ)。論文的主要

2、貢獻有：
　　 (1)提出了較為系統(tǒng)全面的防洪決策支持系統(tǒng)的三層體系架構(gòu)，即接口層、應(yīng)用層和基礎(chǔ)層，并對各層分別進行了詳細的設(shè)計。其中，基礎(chǔ)層包括數(shù)據(jù)庫(存放空間數(shù)據(jù)和屬性數(shù)據(jù))、模型庫以及知識庫，為系統(tǒng)提供數(shù)據(jù)和技術(shù)支持；接口層實現(xiàn)系統(tǒng)與決策分析人員的交互；應(yīng)用層通過調(diào)用數(shù)據(jù)和模型，完成防洪決策過程各個環(huán)節(jié)的信息需求和分析功能，是系統(tǒng)的核心部分。然后對各功能子系統(tǒng)進行了設(shè)計。
　　 (2)建立了基于遺傳算法(GA)的B

3、P神經(jīng)網(wǎng)絡(luò)洪峰預(yù)測模型。針對BP神經(jīng)網(wǎng)絡(luò)在洪水預(yù)測中的不足之處，利用GA對BP網(wǎng)絡(luò)預(yù)測模型進行改進，將GA計算步驟與網(wǎng)絡(luò)的優(yōu)化過程結(jié)合起來，形成了新的GA-BP網(wǎng)絡(luò)預(yù)測模型。利用實際數(shù)據(jù)，采用BP網(wǎng)絡(luò)模型和GA-BP網(wǎng)絡(luò)模型分別進行了模擬預(yù)測和結(jié)果分析。結(jié)果表明，采用GA-BP網(wǎng)絡(luò)的洪水災(zāi)情預(yù)測模型能夠提高預(yù)測效率和準確度。
　　 (3)提出了洪水災(zāi)情預(yù)測系統(tǒng)中地形與洪水淹沒模擬的算法與模型。為了完成淹沒過程的可視化仿真，首先基

4、于格網(wǎng)法進行三維地形模擬，然后提出了一種基于蝶形細分模式的改進的自適應(yīng)算法，通過結(jié)合蝶形算法和多階曲線插值的思想計算新的插值點，在細分的過程中有選擇性地對三角形單元網(wǎng)格進行細分，來模擬三維地形，它可作為洪水實時呈現(xiàn)系統(tǒng)的基礎(chǔ)結(jié)構(gòu)。接著從DEM出發(fā)，采用改進的格網(wǎng)源點蔓延算法，模擬洪水演進過程，分別計算出給定洪水水位或洪量條件下淹沒區(qū)的淹沒范圍和水深分布；最后運用Java3D網(wǎng)絡(luò)可視化工具繪制淹沒范圍、水深分布等洪水風險圖，并對不同條件下

5、的洪水淹沒過程進行動畫演示，從而為實現(xiàn)洪澇災(zāi)害損失評估提供準確的災(zāi)情數(shù)據(jù)。
　　 (4)研究了防洪決策中洪水災(zāi)情快速評估算法。針對洪水災(zāi)情不同階段的評估需求，根據(jù)洪水災(zāi)情的評估指標，建立了灰色關(guān)聯(lián)度分析、BP網(wǎng)絡(luò)以及RBF網(wǎng)絡(luò)三種洪水災(zāi)情快速評估模型；其中，RBF網(wǎng)絡(luò)是在基本RBF網(wǎng)絡(luò)上做了改進，將原來的線性層改為競爭層，使得模型能夠更好地完成模式判斷工作。經(jīng)過實例分析，三種模型都能得到較好的評估結(jié)果，尤其是灰色關(guān)聯(lián)度分析模型和

6、RBF網(wǎng)絡(luò)模型在評估速度以及穩(wěn)定性方面有出色的表現(xiàn)，所以這兩個模型可以應(yīng)用于洪水災(zāi)情快速評估系統(tǒng)中，其運算結(jié)果可以為防洪決策提供科學的依據(jù)。
　　 (5)提出了基于免疫遺傳算法(IGA)的神經(jīng)網(wǎng)絡(luò)洪水災(zāi)情評估模型。針對遺傳算法暴露出的局部搜索能力不強、未成熟收斂等缺陷，提出了一種基于IGA的神經(jīng)網(wǎng)絡(luò)模型(IGA-NN)用于洪澇災(zāi)度評價，并給出了IGA-NN的設(shè)計方法和優(yōu)化步驟。為了體現(xiàn)IGA-NN的優(yōu)越性，還將IGA-NN與標準

7、遺傳算法(SGA)優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型進行了比較。實驗結(jié)果表明，IGA具有更好的全局和局部尋優(yōu)能力，且可以改善SGA未成熟收斂的缺陷。IGA-NN能夠反映多個評價指標與災(zāi)度等級之間的相關(guān)關(guān)系，可用于洪澇災(zāi)度評價，且具有更快的應(yīng)答速度和更高的評估精度。
　　 (6)進行了防洪DSS中洪水災(zāi)情預(yù)測與評估系統(tǒng)的設(shè)計與實現(xiàn)。通過洪水災(zāi)情預(yù)測與評估系統(tǒng)功能的需求分析，設(shè)計了防洪DSS體系結(jié)構(gòu)下的洪水災(zāi)情預(yù)測與評估系統(tǒng)。根據(jù)洪水災(zāi)害發(fā)展的不同