一种基于BP神经网络的小区内涝预警方法及系统

一种基于bp神经网络的小区内涝预警方法及系统
技术领域
1.本发明涉及水文气象监测和预警监测技术领域，更具体的说是涉及一种基于bp神经网络的小区内涝预警方法及系统。


背景技术：

2.随着社会经济的快速发展和城市化进程的不断加快，城市内涝问题日益凸显，内涝对城市的基础设施、民众生活和生态环境都造成了极大的影响；而小区内涝又是城市化进程中普遍存在的问题之一，它给城市的交通、小区房屋、小区居民生活等带来了很大的影响。
3.但是，目前内涝防治手段的问题主要体现在三个方面：首先，当前预警信息的发布主要依赖于气象站雨量统计进行预测，但雨量站的分布是依据气象探测需求设置，与城市中各小区内涝点并不重合，因此防汛应急部门得到的预警信息来源不够精确，不能对小区内涝点进行准确预警；其次，当雨量达到一定量级后气象部门发布预警，通知城市防汛管理部门，防汛管理部门再采取应急措施，小区防汛响应比较被动；最后，气象部门在发布、传输预警信息时多通过打电话、发信息等方式，效率低、时效差，不能对小区进行实时预警，且每逢出现涝情，有关部门都出动大量工作人员亲赴现场监测勘察，耗费大量人力物力。
4.随着计算机技术的不断发展，基于人工智能的内涝预警系统逐渐成为研究热点。其中，基于bp神经网络的内涝预警系统具有精度高、效率高等优点，成为研究的重点之一。
5.因此，如何研究并设计一种通过bp神经网络来准确实时预警小区内涝的方法，以便于根据不同等级的预警信息采取不同的防洪防涝措施，提高城市应对内涝的能力是本领域技术人员亟需解决的问题。


技术实现要素：

6.有鉴于此，本发明提供了一种基于bp神经网络的小区内涝预警方法及系统，解决小区能够对突如其来的一场降雨，进行准确及时的预警以及针对不同程度的降雨启动相对应的应急措施的问题。
7.为了实现上述目的，本发明采用如下技术方案：
8.一种基于bp神经网络的小区内涝预警方法，包括以下步骤：
9.s1.利用小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据。
10.s2.确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；
11.s3.构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络模型；
12.s4.获取小区的实时气象信息数据，使用训练好的bp神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，判断是否会产生内涝以及内涝范围，同时生成不同等级的内涝预警信息；
13.s5.根据不同等级的内涝预警信息启动相应的防洪防涝措施。
14.优选的，气象信息数据包括降雨量、降雨强度和降雨历时；地理信息数据包括小区高程和小区位置；排水信息数据包括排口分布、管网布局和排水泵站。
15.优选的，预处理为在训练学习之前，对降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局和排水泵站各类数据做归一化处理：
[0016][0017]
其中，为各类数据归一化之后的值，xi为原始数值，为各类数据中的最小值，为各类数据中的最大值。
[0018]
优选的，构建的bp神经网络模型包括输入层、隐含层和输出层；
[0019]
其中输入层节点数为8，中间隐含层节点数为10，输出层节点数为2，线性型relu函数为中间隐含层神经元的激活函数，s型sigmoid函数为输出层神经函数。
[0020]
优选的，训练的具体内容为：
[0021]
输入向量x={降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局、排水泵站}，通过各层之间权值和阈值，经过前向传输直到输出层，输出结果y={内涝发生概率、内涝影响范围}，并计算期望输出值和实际输出值之间的误差值，如果误差值不满足预设的收敛值，则进入逆向反馈过程，修改各层之间的权值和阈值，并进行下一次训练，直到满足预设的收敛值则停止训练。
[0022]
优选的，训练过程中的中间隐含层输出为：
[0023][0024]
其中，为第s层神经元的第i个输出；n
s-1
为第s-1层神经元的个数；为第s-1层第j个神经元与s层第i个神经元之间的链接权重；为s层第i个神经元的偏置，是神经元的激活函数，为sigmoid函数为：
[0025][0026]
输出层输出变量：
[0027][0028]
其中，为输出层第k个神经元的输出；为第s个隐含层的神经元个数；为第s个隐含层第i个神经元的输出；为第s个隐含层第i个神经元和输出层第k个神经元之间的权值；为输出层第k个神经元的阈值；
[0029]
样本的实际输出值和期望输出值的误差为：
[0030][0031]
其中，t为训练次数；m为输出层输出向量个数；yk为输出层第k个神经元的输出；为第k个期望输出；
[0032]
按正常的训练原则调整网络的权值和阈值，再次进行前馈训练，得到，设为前后两次训练输出值与期望值的误差的差值，若，β为神经网络的训练精度，则更新权值和阈值，若，则训练结束。
[0033]
优选的，内涝预警信息包括预警级别、预警区域和预警时间。
[0034]
优选的，预警级别分为i级预警、ii级预警、和iii级预警3个预警等级，相应的防洪防涝措施具体内容包括：
[0035]
iii预警：通过bp神经网络模型判断出会有低强度降雨但是不产生内涝点时，向小区居民发送降雨报警信息，提醒居民注意安全，关好门窗，注意防范；
[0036]
ii级预警：通过bp神经网络模型判断出会有中等强度降雨且有内涝点产生时，启动小区监控与水位监测报警，获取水位变化情况并进行实时分析，当水位超过第一预设阈值时，自动触发报警信号，并启动小区单元、地下车库的防洪挡板防洪设施快速升降，当水位超过第二预设阈值时，启动小区排水泵，向小区外进行排水；
[0037]
i级预警：通过bp神经网络模型判断出会有高等强度降雨且有大面积内涝点产生时，同时启动i级和ii级预警并通过bp神经网络模拟判断出的内涝地点，进行人员的疏散，切断小区内的电源预防触电事故，同时向应急抢险部门报备，请求物资和人力支援。
[0038]
优选的，小区监控为在排水口、低洼地带和地下车库易积水区域地方安装监控摄像头，通过监控摄像头实时获取水位变化情况，水位监测报警为对监控摄像头传输的水位信息进行实时分析。
[0039]
一种基于bp神经网络的小区内涝预警系统，基于所述的一种基于bp神经网络的小区内涝预警方法，包括数据采集模块、数据处理和分析模块、模型构建及训练模块、预警信息发布模块；
[0040]
数据采集模块，用于采集小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据，还用于采集小区的实时气象信息数据。
[0041]
数据处理和分析模块，用于根据多组样本数据确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；
[0042]
模型构建及训练模块，用于构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络模型；
[0043]
训练好的bp神经网络模型，用于根据小区的实时气象信息数据对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数；
[0044]
预警信息发布模块，根据输出参数判断是否会产生内涝以及内涝范围，获得不同
等级的内涝预警信息，并根据不同等级的内涝预警信息启动相应的防洪防涝措施。
[0045]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于bp神经网络的小区内涝预警方法及系统，具有以下优点：
[0046]
（1）综合利用多源数据：通过收集小区内的实时气象信息、地理信息数据、排水信息数据，实现对内涝风险的全面评估，综合利用多源数据提高小区内涝预警的准确性和实时性；
[0047]
（2）高效的数据处理和分析：采用先进的数据处理和分析技术，对收集到的数据进行降雨量预测、小区排水能力评估、内涝风险评估等，为构建内涝预警模型提供科学依据；
[0048]
（3）精确的预警模型构建：通过内涝发生概率计算、内涝影响范围预测、预警等级划分的方法，构建了精确的内涝预警模型，准确预测内涝发生的概率和影响范围，并生成相对应等级的预警信息；
[0049]
（4）实时的预警信息发布：根据预警模型构建模块的结果，判断是否产生内涝，实时生成内涝预警信息，根据不同等级的预警信息采取不同的防洪防涝措施，切实的保护了居民的生命财产安全。
附图说明
[0050]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0051]
图1为本发明提供的一种基于bp神经网络的小区内涝预警方法示意图；
[0052]
图2为本发明提供的bp神经网络预测模型示意图；
[0053]
图3为本发明提供的神经网络模型训练流程图；
[0054]
图4为本发明提供的内涝发生概率的预测示意图；
[0055]
图5为本发明提供的内涝影响范围的预测示意图；
[0056]
图6为本发明提供的一种基于bp神经网络的小区内涝预警系统示意图。
具体实施方式
[0057]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058]
本发明实施例公开了一种基于bp神经网络的小区内涝预警方法，如图1，包括以下步骤：
[0059]
s1.利用小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据。
[0060]
s2.确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；
[0061]
s3.构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组
中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络预测模型；
[0062]
s4.获取小区的实时气象信息数据，使用训练好的bp神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，判断是否会产生内涝以及内涝范围，同时生成不同等级的内涝预警信息；
[0063]
s5.根据不同等级的内涝预警信息启动相应的防洪防涝措施。
[0064]
为了进一步实施上述技术方案，气象信息数据包括降雨量、降雨强度和降雨历时；地理信息数据包括小区高程和小区位置；排水信息数据包括排口分布、管网布局和排水泵站。
[0065]
以某小区所在片区的近十年降雨资料，具体包括降雨量、降雨强度、降雨历时；其次搜集该小区的地貌、下垫面、排水泵站、排水管网的所在位置；然后确认小区排水泵站的功率、排水管网的管道口径来判断该小区排水能力。
[0066]
为了进一步实施上述技术方案，预处理为在训练学习之前，对降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局和排水泵站各类数据做归一化处理：
[0067][0068]
其中，为各类数据归一化之后的值，xi为原始数值，为各类数据中的最小值，为各类数据中的最大值。
[0069]
在本实施例中，归一化处理后的多组数据，每组数据包括8个输入数据和2个输出数据，采用10折交叉验证划分训练组和验证组，两者的比例为8：2，重复10次取平均。
[0070]
由于内涝积水深度跟降雨条件、小区地理位置、还有小区自身的排水能力都有关，属于多影响因素的非线性回归问题，因此，采取反馈式神经网络模型，即bp神经网络模型对内涝情况进行训练和预测。
[0071]
为了进一步实施上述技术方案，如图2，构建的bp神经网络模型包括输入层、隐含层和输出层；
[0072]
其中输入层节点数为8，中间隐含层节点数为10，输出层节点数为2，线性型relu函数为中间隐含层神经元的激活函数，s型sigmoid函数为输出层神经函数。
[0073]
为了进一步实施上述技术方案，如图3，训练的具体内容为：
[0074]
输入向量x={降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局、排水泵站}，通过各层之间权值和阈值，经过前向传输直到输出层，输出结果y={内涝发生概率、内涝影响范围}，并计算期望输出值和实际输出值之间的误差值，如果误差值不满足预设的收敛值，则进入逆向反馈过程，修改各层之间的权值和阈值，并进行下一次训练，直到满足预设的收敛值则停止训练。
[0075]
为了进一步实施上述技术方案，训练过程中的中间隐含层输出为：
[0076]
[0077]
其中，为第s层神经元的第i个输出；n
s-1
为第s-1层神经元的个数；为第s-1层第j个神经元与s层第i个神经元之间的链接权重；为s层第i个神经元的偏置，是神经元的激活函数，为sigmoid函数为：
[0078][0079]
输出层输出变量：
[0080][0081]
其中，为输出层第k个神经元的输出；为第s个隐含层的神经元个数；为第s个隐含层第i个神经元的输出；为第s个隐含层第i个神经元和输出层第k个神经元之间的权值；为输出层第k个神经元的阈值；
[0082]
样本的实际输出值和期望输出值的误差为：
[0083][0084]
其中，t为训练次数；m为输出层输出向量个数；yk为输出层第k个神经元的输出；为第k个期望输出；
[0085]
按正常的训练原则调整网络的权值和阈值，再次进行前馈训练，得到，设为前后两次训练输出值与期望值的误差的差值，若，β为神经网络的训练精度，则更新权值和阈值，若，则训练结束。
[0086]
在本实施例中，网络模型训练完成后带入验证组数据，验证神经网络模型的准确性，若小区内涝预测模型验证期望误差在5%以内，则该神经网络模型能够很好的逼近现实情境，实现输出内涝发生概率、内涝影响范围的预测参数：
[0087]
如图4所示，训练成功的bp神经网络对内涝发生概率拟合误差为0.014458，小于0.05，该网络模型实现对是否产生内涝的预测；
[0088]
如图5所示，训练成功的bp神经网络对内涝影响范围拟合误差为0.0023689，小于0.05，该网络模型实现对内涝范围的预测。
[0089]
为了进一步实施上述技术方案，内涝预警信息包括预警级别、预警区域和预警时间。
[0090]
为了进一步实施上述技术方案，预警级别分为i级预警、ii级预警、和iii级预警3个预警等级，相应的防洪防涝措施具体内容包括：
[0091]
iii预警：通过bp神经网络模型判断出会有低强度降雨但是不产生内涝点时，向小区居民通过短信、手机应用等方式发送降雨报警信息，提醒居民注意安全，关好门窗，注意防范；
[0092]
ii级预警：通过bp神经网络模型判断出会有中等强度降雨且有内涝点产生时，启动小区监控与水位监测报警，获取水位变化情况并进行实时分析，当水位超过第一预设阈值30cm时，自动触发报警信号，并启动小区单元、地下车库的防洪挡板防洪设施快速升降，
当水位超过第二预设阈值50cm时，启动小区排水泵，向小区外进行排水；
[0093]
i级预警：通过bp神经网络模型判断出会有高等强度降雨且有大面积内涝点产生时，同时启动i级和ii级预警并通过bp神经网络模拟判断出的内涝地点，进行人员的疏散，切断小区内的电源预防触电事故，同时向应急抢险部门报备，请求物资和人力支援。
[0094]
为了进一步实施上述技术方案，小区监控为在排水口、低洼地带和地下车库易积水区域地方安装监控摄像头，通过监控摄像头实时获取水位变化情况，水位监测报警为对监控摄像头传输的水位信息进行实时分析。
[0095]
一种基于bp神经网络的小区内涝预警系统，如图6，基于一种基于bp神经网络的小区内涝预警方法，包括数据采集模块、数据处理和分析模块、模型构建及训练模块、预警信息发布模块；
[0096]
数据采集模块，用于采集小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据，还用于采集小区的实时气象信息数据。
[0097]
数据处理和分析模块，用于根据多组样本数据确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；
[0098]
模型构建及训练模块，用于构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络模型；
[0099]
训练好的bp神经网络模型，用于根据小区的实时气象信息数据对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数；
[0100]
预警信息发布模块，根据输出参数判断是否会产生内涝以及内涝范围，获得不同等级的内涝预警信息，并根据不同等级的内涝预警信息启动相应的防洪防涝措施。
[0101]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0102]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于bp神经网络的小区内涝预警方法，其特征在于，包括以下步骤：s1.利用小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据；s2.确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；s3.构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络模型；s4.获取小区的实时气象信息数据，使用训练好的bp神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，判断是否会产生内涝以及内涝范围，同时生成不同等级的内涝预警信息；s5.根据不同等级的内涝预警信息启动相应的防洪防涝措施。2.根据权利要求1所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，气象信息数据包括降雨量、降雨强度和降雨历时；地理信息数据包括小区高程和小区位置；排水信息数据包括排口分布、管网布局和排水泵站。3.根据权利要求2所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，预处理为在训练学习之前，对降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局和排水泵站各类数据做归一化处理：；其中，为各类数据归一化之后的值，x
i
为原始数值，为各类数据中的最小值，为各类数据中的最大值。4.根据权利要求1所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，构建的bp神经网络模型包括输入层、隐含层和输出层；其中输入层节点数为8，中间隐含层节点数为10，输出层节点数为2，线性型relu函数为中间隐含层神经元的激活函数，s型sigmoid函数为输出层神经函数。5.根据权利要求4所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，训练的具体内容为：输入向量x={降雨量、降雨强度、降雨历时、小区高程、小区位置、排口分布、管网布局、排水泵站}，通过各层之间权值和阈值，经过前向传输直到输出层，输出结果y={内涝发生概率、内涝影响范围}，并计算期望输出值和实际输出值之间的误差值，如果误差值不满足预设的收敛值，则进入逆向反馈过程，修改各层之间的权值和阈值，并进行下一次训练，直到满足预设的收敛值则停止训练。6.根据权利要求5所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，训练过程中的中间隐含层输出为：
；其中，为第s层神经元的第i个输出；n
s-1
为第s-1层神经元的个数；为第s-1层第j个神经元与s层第i个神经元之间的链接权重；为s层第i个神经元的偏置，是神经元的激活函数，为sigmoid函数为：；输出层输出变量：；其中，为输出层第k个神经元的输出；为第s个隐含层的神经元个数；为第s个隐含层第i个神经元的输出；为第s个隐含层第i个神经元和输出层第k个神经元之间的权值；为输出层第k个神经元的阈值；样本的实际输出值和期望输出值的误差为：；其中，t为训练次数；m为输出层输出向量个数；y
k
为输出层第k个神经元的输出；为第k个期望输出；按正常的训练原则调整网络的权值和阈值，再次进行前馈训练，得到，设为前后两次训练输出值与期望值的误差的差值，若，β为神经网络的训练精度，则更新权值和阈值，若，则训练结束。7.根据权利要求1所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，内涝预警信息包括预警级别、预警区域和预警时间。8.根据权利要求1所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，预警级别分为i级预警、ii级预警、和iii级预警3个预警等级，相应的防洪防涝措施具体内容包括：iii预警：通过bp神经网络模型判断出会有低强度降雨但是不产生内涝点时，向小区居民发送降雨报警信息，提醒居民注意安全，关好门窗，注意防范；ii级预警：通过bp神经网络模型判断出会有中等强度降雨且有内涝点产生时，启动小区监控与水位监测报警，获取水位变化情况并进行实时分析，当水位超过第一预设阈值时，自动触发报警信号，并启动小区单元、地下车库的防洪挡板防洪设施快速升降，当水位超过第二预设阈值时，启动小区排水泵，向小区外进行排水；i级预警：通过bp神经网络模型判断出会有高等强度降雨且有大面积内涝点产生时，同时启动i级和ii级预警并通过bp神经网络模拟判断出的内涝地点，进行人员的疏散，切断小区内的电源预防触电事故，同时向应急抢险部门报备，请求物资和人力支援。
9.根据权利要求8所述的一种基于bp神经网络的小区内涝预警方法，其特征在于，小区监控为在排水口、低洼地带和地下车库易积水区域地方安装监控摄像头，通过监控摄像头实时获取水位变化情况，水位监测报警为对监控摄像头传输的水位信息进行实时分析。10.一种基于bp神经网络的小区内涝预警系统，其特征在于，基于权利要求1-9任意一项所述的一种基于bp神经网络的小区内涝预警方法，包括数据采集模块、数据处理和分析模块、模型构建及训练模块、预警信息发布模块；数据采集模块，用于采集小区历史内涝数据获取多组样本数据，内涝数据包括气象信息数据、地理信息数据和排水信息数据，还用于采集小区的实时气象信息数据；数据处理和分析模块，用于根据多组样本数据确定bp神经网络的结构参数：以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理；模型构建及训练模块，用于构建bp神经网络模型，将预处理后的多组数据分为训练组和验证组，用训练组中的小区历史内涝数据对bp神经网络模型进行训练，并调整bp神经网络模型的网络参数，训练完成后，用验证组中的数据对训练后的bp神经网络模型进行测试，获得训练好的bp神经网络模型；训练好的bp神经网络模型，用于根据小区的实时气象信息数据对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数；预警信息发布模块，根据输出参数判断是否会产生内涝以及内涝范围，获得不同等级的内涝预警信息，并根据不同等级的内涝预警信息启动相应的防洪防涝措施。

技术总结
本发明公开了一种基于BP神经网络的小区内涝预警方法及系统，包括：利用小区历史内涝数据获取多组样本数据，以气象信息数据、地理信息数据和排水信息数据作为输入参数，以内涝发生概率和内涝影响范围为输出参数，并进行预处理，确定BP神经网络的结构参数，构建BP神经网络模型并进行训练，调整BP神经网络模型的参数并测试，获得训练好的BP神经网络模型对小区内涝进行预测，获得内涝发生概率和内涝影响范围的输出参数，生成不同等级的内涝预警信息并启动相应的防洪防涝措施；本发明涉及水文气象监测和预警监测技术领域，能及时准确地预测小区内涝发生的概率和影响范围并发布预警，提高小区居民的应对能力，降低内涝对小区居民生活和基础设施的影响。和基础设施的影响。和基础设施的影响。


技术研发人员：申宇洋 袁冬海 王旻昊 王辉 李雷 王家卓 张春洋 姚永连 寇莹莹
受保护的技术使用者：北京建筑大学
技术研发日：2023.09.04
技术公布日：2023/10/11