買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉應急管理部國家自然災害防治研究院申請的專利一種基于降雨的洪水淹沒預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118863270B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410988703.3，技術領域涉及：G06Q10/063；該發明授權一種基于降雨的洪水淹沒預測方法是由田甜;姜文亮;龔麗霞;李強;張景發設計研發完成，并于2024-07-23向國家知識產權局提交的專利申請。

本一種基于降雨的洪水淹沒預測方法在說明書摘要公布了：本發明涉及洪澇災害預測技術領域，具體地說是一種基于降雨的洪水淹沒預測方法，本發明從整體上解決了現有技術中由于高強度大范圍的降雨導致低洼處積水等無源淹沒過程的情況下預測洪水方法上的缺失，基于DEM數據進行淹沒分析，統計水位?淹沒面積與水位?淹沒體積關系，構建淹沒面積隨水位變化的洪水淹沒預測模型，在此基礎上利用水量總體積相等原理，發展基于總降雨量數據的淹沒范圍快速預測方法，進一步圈定洪水監測區范圍。

本發明授權一種基于降雨的洪水淹沒預測方法在權利要求書中公布了：1.一種基于降雨的洪水淹沒預測方法，其特征在于，包括： 1.1湖水體積變化分析； 1.2歷史雨量累積分析； 1.3湖水體積變化預測模型； 1.4淹沒范圍預測； 所述1.1湖水體積變化分析的具體步驟為： S1，淹沒分析： 有源淹沒： S1-1，新建空的淹沒圖：根據輸入的DEM柵格文件，生成具有相同柵格信息的空文件作為淹沒圖文件，淹沒圖柵格文件與輸入DEM柵格文件具有相同的行列值、四角坐標、柵格大小、坐標系，所有柵格值均為空； S1-2，處理輸入源點： S1-2-1，根據輸入的源點坐標，計算其在DEM上的對應柵格，取其行號r，列號c，高程值e； S1-2-2，新建源點列表，用于存儲源點，所述源點的類型為元組，即源點列表寫作[r，c,……]，其中r為行號，c為列號； S1-2-3，將源點柵格的行列號作為第一個源點存入源點列表中； S1-2-4，定義當前淹沒高程E，將其賦值為e，作為淹沒第一步的淹沒高程； S1-3，以E為淹沒高程，根據源點列表，完成E水位下的有源淹沒擴展蔓延算法，更新淹沒圖： S1-3-1，新建源點刪除列表：用于存放不再位于邊界的，需要從源點列表中刪除的源點信息； S1-3-2，遍歷源點列表：對于當前源點，取源點的8個鄰域柵格，形成鄰域列表； 設置邊界標志，并初始化為False； S1-3-3，遍歷鄰域列表，對于當前鄰域點，判斷鄰域點在淹沒圖中是否值為空；若值不為空，則代表該點已經淹沒，不處理當前鄰域點；若值為空，則進行下一步判斷；判斷鄰域點的高程值e’，如果e’＞E，若該鄰域點未被淹沒，不處理該鄰域點，將當前源點的邊界標志設置為Ture；若e’≤E則該點被淹沒，將該鄰域點加入源點列表，更新該點在淹沒圖中的柵格值為E； S1-3-4，遍歷所有鄰域點后，如果邊界點標志仍為False，說明該源點的所有鄰域皆已被淹沒，不再位于邊界，將該源點加入源點刪除列表中； S1-3-5，遍歷所有源點之后，從源點列表中將記錄在源點刪除列表中的源點刪除；淹沒高程增加一個步長，即E＝E+Estep；若源點列表不為空則重復所述步驟S1-3開始；否則淹沒圖計算完成，退出程序； S1-3-6，通過所述淹沒圖算法，獲取“水位-淹沒面積關系”與“水位-淹沒體積關系”，所述“水位-淹沒體積關系”用于將降雨量與淹沒范圍聯系起來的換算依據；無源淹沒： 通過統計水位以下的DEM體積，即得到所述S1-3-6中的“水位-淹沒體積關系”； S2，實測水位數據： 通過收集現有的相關水文數據中各站點的水位數據，并根據不同站點間的最接近水位數據作為建模水位； S3，水位-體積換算模型： S3-1，采用DEM模型對水位-淹沒體積關系進行統計，統計面積覆蓋整個水域，結合歷年水位變化范圍和高水汛期中的某段數據，作為換算的依據； S3-2，對水位-體積統計結果進行擬合： 對所述S3-1中的結果進行擬合，通過水位-體積直接換算方法用于保留地形影響下計算目標水位e的體積，計算公式為： 公式一：Ve＝Vn+Vn+1-Vn×e-n； 其中，n為水位e的整數部分，Vn為查詢到的水位為n時對應的淹沒體積，Vn+1為查詢到的水位為n+1時對應的淹沒體積； S4，水位體積變化量： 基于DEM的水位-淹沒體積換算、計算獲得水位體積變化量，針對每日的水位實測數據，通過換算獲得每日的湖水體積Vn，第n日水位體積的變化量為ΔVn，其計算公式為： 公式二：ΔVn＝Vn+1-Vn；水位體積變量是未來24小時后水體積的變化量； 所述1.2歷史雨量累積分析的具體步驟為： S10：雨量數據收集： 通過ERA5收集歷年陸地小時雨量數據集； S20：雨量數據規整： 將小時降雨量規整為24小時累積降雨量，對雨量數據按距離進行規整并裁剪掉流域以外的數據； S30：歷史累計雨量： 以歷史水位最高點作為統計對象，降雨數據時間以0時～24時累積，空間從主體范圍按照覆蓋目標區的預設的半徑作為起點，按照預設的步長，計算主體中心點的環狀區域的單日累積雨量數據； 所述1.3湖水體積變化預測模型的具體步驟為： S100，預測模型變量選擇： 基于降雨量數據，通過構建實測水位變化與積累雨量的統計關系模型來綜合考慮流出量、蒸發、地下水交換因素的整體影響； S200，變量相關性分析： S200-1，通過對環狀區域進行累加，構造圓形區域降雨量累計變量，進行雙環狀范圍和圓形范圍的雙變量分析； S200-2，考慮到時間因素，對水位水體積變化量和不同距離的累積雨量進行時序特征分析； S200-3，基于圓形范圍累積雨量，對比水位體積變化量與不同范圍的累計雨量之間的相關系數，用于進一步確定雨量累積空間范圍； S300，模型初步擬合： S300-1，對不同距離范圍的降雨量數據進行多輪主成分分析； S300-2，對各輪主成分合成的累積雨量與水位體積變量進行擬合，并與圓形區域累積雨量與水位體積變量的擬合結果進行對比； S400，樣本篩選：通過水位體積變化量的篩選，用以排除掉以泄出、增散發為主導因素造成的水體變化關系樣本； 對全年樣本通過水位不同進行多組篩選，并對篩選后的樣本進行相關性分析； 對不同篩選數據集中，水位體積變化量與不同范圍的雨量累積量之間的相關性與擬合進行計算； S500，降雨累積時長對比：分析對比不同累積時長的累積雨量與水位體積變化量的相關性，確定模型中使用的降雨量累計時長； S600，模型及擬合效果：對比僅水位篩選的擬合情況和水位+體積變化量篩選的擬合結果； S600-1，對比線性、二階多項式、三階多項式擬合效果； S600-2，對比非線性的神經網絡方法擬合效果； S600-3，使用經過水位篩選的24小時降雨累積時長的、水位體積變化量109以上的樣本子集進行擬合建模，計算公式為： 公式三：ΔV＝b×P+c； 其中ΔV為水位體積變化量，單位為m3；P為流域內圓形范圍內的24小時累計雨量，單位為m3；c和b分別為常數項和系數； 所述1.4淹沒范圍預測的具體步驟為： S1000，未來24小時累計雨量計算： S1000-1，下載柵格格式的未來24小時預報雨量數據； S1000-2，制作雨量累積范圍文件，提取流域內部分，獲得預報雨量的累積范圍文件； S1000-3，對累積雨量進行投影，投影結果水平方向單位為m；接著是要用雨量累積范圍文件對投影后的雨量文件進行提取，提取出累積范圍內的雨量；最后對提取出的雨量文件進行表面體積計算； S2000，水位預測： S2000-1，基于累積雨量計算水體體積變化量，將24小時預報降雨累積值代入公式三，計算獲得預測水位體積變化量ΔV； S2000-2，獲取當前水位數據測值E，將當前水位值代入公式一獲得當前水位對應的湖水體積Ve，并根據預測的水位體積變化量獲得預測湖水體積V′e，公式為： 公式四：V′e＝Ve+ΔV； 對所述公式一進行改寫，獲得V′e對應的預測水位E′，公式為： 公式五：E′＝n+V′e-VnVn+1-Vn； 其中，Vn為當水位為整數n時對應的湖水體積，Vn+1為當水位為整數n+1時對應的湖水體積，在計算式，首先找到水位n，使Vn+1＜V′e＜Vn+1； S3000，淹沒范圍預測： 對制作好的淹沒圖進行插值處理，使其與實測水位數據精度一致。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人應急管理部國家自然災害防治研究院，其通訊地址為：100085 北京市海淀區安寧莊路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。