基于FloodArea的山洪淹没灾害预警研究

摘要

中国自然灾害频频发生，山洪灾害是自然灾害中影响较大的一种，因此开展山洪灾害预警服务，已成为各级政府在防汛抗灾中面临的重要任务之一。因为当一定的时间段内区域的面雨量达到或超过某个临界值时就会造成洪涝灾害，所以山洪灾害预警最重要的手段就是致灾临界雨量的分析计算。本文致力于有效确定研究区域的致灾临界雨量，更好地为山洪灾害预警预报提供技术支持。 本文构建了两个确定致灾临界雨量的模型:第一个是确定致灾临界雨量的线性回归模型;第二个是确定致灾临界雨量的神经网络模型。 回归模型的主要思想是首先利用FloodArea模型对研究区域进行山洪淹没的模拟，通过预警点实际淹没数据与模拟淹没数据的对比，对FloodArea模型的输入参数进行一定的调整。然后利用修正的FloodArea模型和统计相结合的方法构建预警点在不同的小时雨量分配方式下累积面雨量与淹没水深的线性回归模型，从而计算出预警点在不同小时雨量分配方式下的致灾临界雨量值。 神经网络模型的主要思想是基于FloodArea模型对研究区域模拟的淹没数据，对淹没水深进行多尺度分析，把降雨量、地形坡度、地形起伏度、地形糙度、数字高程值以及平面曲率这六个因素作为淹没水深的影响因素，来拟合淹没水深与这几个影响因素间的关系。本文首先利用BP神经网络进行拟合，但由于拟合误差较大，所以本文提出了利用遗传算法优化双层BP神经网络，经过多次训练达到较好的预测效果。GA-BP神经网络模型不仅可以预测研究区域内每个地点在给定降雨量下的淹没水深，还可以得到研究区域内每个地点的致灾临界雨量值，从而对研究区域进行有效的山洪预警。 最后本文将线性回归模型与神经网络模型应用到湖南省安化县致灾临界雨量的确定，对安化县山洪灾害的预警预报提供了技术支持。

目录

摘要

1．1研究背景

1．2研究意义与目的

1．3国内外研究进展

1．4主要研究内容和技术路线

第2章确定致灾临界雨量的线性回归模型

2．1临界雨量的定义

2．2临界雨量的计算方法

2．3数字高程模型(DEM)

2．4面雨量的计算

2．5 FIoodArea模型计算原理

2．6 FloodArea模型淹没模拟过程

2．7致灾临界雨量小时尺度的选择

2．8小时雨量分配研究

2．9确定致灾临界雨量的线性回归模型

第3章BP神经网络模型

3．1人工神经网络

3．2 BP神经网络

3．3 BP算法的性能分析

第4章基于遗传算法优化的BP神经网络模型

4．1遗传算法及其原理

4．2遗传算法步骤及流程

4．3基于遗传算法优化的双层BP神经网络模型

4．4确定致灾临界雨量的神经网络模型

第5章确定致灾临界雨量的实例分析

5．1回归模型在确定安化县致灾临界雨量上的应用

5．2基于BP神经网络的致灾临界雨量确定模型的建立

5．3基于BP神经网络预测模型仿真实例

5．4基于GA-BP神经网络的致灾临界雨量确定模型的建立

5．5基于GA-BP神经网络预测模型仿真实例

第6章总结与展望

参考文献

致谢

声明