买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉应急管理部国家自然灾害防治研究院申请的专利一种基于降雨的洪水淹没预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118863270B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410988703.3，技术领域涉及：G06Q10/063；该发明授权一种基于降雨的洪水淹没预测方法是由田甜;姜文亮;龚丽霞;李强;张景发设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于降雨的洪水淹没预测方法在说明书摘要公布了：本发明涉及洪涝灾害预测技术领域，具体地说是一种基于降雨的洪水淹没预测方法，本发明从整体上解决了现有技术中由于高强度大范围的降雨导致低洼处积水等无源淹没过程的情况下预测洪水方法上的缺失，基于DEM数据进行淹没分析，统计水位‑淹没面积与水位‑淹没体积关系，构建淹没面积随水位变化的洪水淹没预测模型，在此基础上利用水量总体积相等原理，发展基于总降雨量数据的淹没范围快速预测方法，进一步圈定洪水监测区范围。

本发明授权一种基于降雨的洪水淹没预测方法在权利要求书中公布了：1.一种基于降雨的洪水淹没预测方法，其特征在于，包括： 1.1湖水体积变化分析； 1.2历史雨量累积分析； 1.3湖水体积变化预测模型； 1.4淹没范围预测； 所述1.1湖水体积变化分析的具体步骤为： S1，淹没分析： 有源淹没： S1-1，新建空的淹没图：根据输入的DEM栅格文件，生成具有相同栅格信息的空文件作为淹没图文件，淹没图栅格文件与输入DEM栅格文件具有相同的行列值、四角坐标、栅格大小、坐标系，所有栅格值均为空； S1-2，处理输入源点： S1-2-1，根据输入的源点坐标，计算其在DEM上的对应栅格，取其行号r，列号c，高程值e； S1-2-2，新建源点列表，用于存储源点，所述源点的类型为元组，即源点列表写作[r，c,……]，其中r为行号，c为列号； S1-2-3，将源点栅格的行列号作为第一个源点存入源点列表中； S1-2-4，定义当前淹没高程E，将其赋值为e，作为淹没第一步的淹没高程； S1-3，以E为淹没高程，根据源点列表，完成E水位下的有源淹没扩展蔓延算法，更新淹没图： S1-3-1，新建源点删除列表：用于存放不再位于边界的，需要从源点列表中删除的源点信息； S1-3-2，遍历源点列表：对于当前源点，取源点的8个邻域栅格，形成邻域列表； 设置边界标志，并初始化为False； S1-3-3，遍历邻域列表，对于当前邻域点，判断邻域点在淹没图中是否值为空；若值不为空，则代表该点已经淹没，不处理当前邻域点；若值为空，则进行下一步判断；判断邻域点的高程值e’，如果e’＞E，若该邻域点未被淹没，不处理该邻域点，将当前源点的边界标志设置为Ture；若e’≤E则该点被淹没，将该邻域点加入源点列表，更新该点在淹没图中的栅格值为E； S1-3-4，遍历所有邻域点后，如果边界点标志仍为False，说明该源点的所有邻域皆已被淹没，不再位于边界，将该源点加入源点删除列表中； S1-3-5，遍历所有源点之后，从源点列表中将记录在源点删除列表中的源点删除；淹没高程增加一个步长，即E＝E+Estep；若源点列表不为空则重复所述步骤S1-3开始；否则淹没图计算完成，退出程序； S1-3-6，通过所述淹没图算法，获取“水位-淹没面积关系”与“水位-淹没体积关系”，所述“水位-淹没体积关系”用于将降雨量与淹没范围联系起来的换算依据；无源淹没： 通过统计水位以下的DEM体积，即得到所述S1-3-6中的“水位-淹没体积关系”； S2，实测水位数据： 通过收集现有的相关水文数据中各站点的水位数据，并根据不同站点间的最接近水位数据作为建模水位； S3，水位-体积换算模型： S3-1，采用DEM模型对水位-淹没体积关系进行统计，统计面积覆盖整个水域，结合历年水位变化范围和高水汛期中的某段数据，作为换算的依据； S3-2，对水位-体积统计结果进行拟合： 对所述S3-1中的结果进行拟合，通过水位-体积直接换算方法用于保留地形影响下计算目标水位e的体积，计算公式为： 公式一：Ve＝Vn+Vn+1-Vn×e-n； 其中，n为水位e的整数部分，Vn为查询到的水位为n时对应的淹没体积，Vn+1为查询到的水位为n+1时对应的淹没体积； S4，水位体积变化量： 基于DEM的水位-淹没体积换算、计算获得水位体积变化量，针对每日的水位实测数据，通过换算获得每日的湖水体积Vn，第n日水位体积的变化量为ΔVn，其计算公式为： 公式二：ΔVn＝Vn+1-Vn；水位体积变量是未来24小时后水体积的变化量； 所述1.2历史雨量累积分析的具体步骤为： S10：雨量数据收集： 通过ERA5收集历年陆地小时雨量数据集； S20：雨量数据规整： 将小时降雨量规整为24小时累积降雨量，对雨量数据按距离进行规整并裁剪掉流域以外的数据； S30：历史累计雨量： 以历史水位最高点作为统计对象，降雨数据时间以0时～24时累积，空间从主体范围按照覆盖目标区的预设的半径作为起点，按照预设的步长，计算主体中心点的环状区域的单日累积雨量数据； 所述1.3湖水体积变化预测模型的具体步骤为： S100，预测模型变量选择： 基于降雨量数据，通过构建实测水位变化与积累雨量的统计关系模型来综合考虑流出量、蒸发、地下水交换因素的整体影响； S200，变量相关性分析： S200-1，通过对环状区域进行累加，构造圆形区域降雨量累计变量，进行双环状范围和圆形范围的双变量分析； S200-2，考虑到时间因素，对水位水体积变化量和不同距离的累积雨量进行时序特征分析； S200-3，基于圆形范围累积雨量，对比水位体积变化量与不同范围的累计雨量之间的相关系数，用于进一步确定雨量累积空间范围； S300，模型初步拟合： S300-1，对不同距离范围的降雨量数据进行多轮主成分分析； S300-2，对各轮主成分合成的累积雨量与水位体积变量进行拟合，并与圆形区域累积雨量与水位体积变量的拟合结果进行对比； S400，样本筛选：通过水位体积变化量的筛选，用以排除掉以泄出、增散发为主导因素造成的水体变化关系样本； 对全年样本通过水位不同进行多组筛选，并对筛选后的样本进行相关性分析； 对不同筛选数据集中，水位体积变化量与不同范围的雨量累积量之间的相关性与拟合进行计算； S500，降雨累积时长对比：分析对比不同累积时长的累积雨量与水位体积变化量的相关性，确定模型中使用的降雨量累计时长； S600，模型及拟合效果：对比仅水位筛选的拟合情况和水位+体积变化量筛选的拟合结果； S600-1，对比线性、二阶多项式、三阶多项式拟合效果； S600-2，对比非线性的神经网络方法拟合效果； S600-3，使用经过水位筛选的24小时降雨累积时长的、水位体积变化量109以上的样本子集进行拟合建模，计算公式为： 公式三：ΔV＝b×P+c； 其中ΔV为水位体积变化量，单位为m3；P为流域内圆形范围内的24小时累计雨量，单位为m3；c和b分别为常数项和系数； 所述1.4淹没范围预测的具体步骤为： S1000，未来24小时累计雨量计算： S1000-1，下载栅格格式的未来24小时预报雨量数据； S1000-2，制作雨量累积范围文件，提取流域内部分，获得预报雨量的累积范围文件； S1000-3，对累积雨量进行投影，投影结果水平方向单位为m；接着是要用雨量累积范围文件对投影后的雨量文件进行提取，提取出累积范围内的雨量；最后对提取出的雨量文件进行表面体积计算； S2000，水位预测： S2000-1，基于累积雨量计算水体体积变化量，将24小时预报降雨累积值代入公式三，计算获得预测水位体积变化量ΔV； S2000-2，获取当前水位数据测值E，将当前水位值代入公式一获得当前水位对应的湖水体积Ve，并根据预测的水位体积变化量获得预测湖水体积V′e，公式为： 公式四：V′e＝Ve+ΔV； 对所述公式一进行改写，获得V′e对应的预测水位E′，公式为： 公式五：E′＝n+V′e-VnVn+1-Vn； 其中，Vn为当水位为整数n时对应的湖水体积，Vn+1为当水位为整数n+1时对应的湖水体积，在计算式，首先找到水位n，使Vn+1＜V′e＜Vn+1； S3000，淹没范围预测： 对制作好的淹没图进行插值处理，使其与实测水位数据精度一致。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人应急管理部国家自然灾害防治研究院，其通讯地址为：100085 北京市海淀区安宁庄路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。