一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的城市洪水預(yù)警系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種智能監(jiān)測(cè)預(yù)警系統(tǒng)及其方法，具體涉及一種基于徑向基函數(shù)神經(jīng) 網(wǎng)絡(luò)模型的城市洪水預(yù)警系統(tǒng)及其方法，屬于超聲檢測(cè)與智能預(yù)報(bào)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 在城市洪水預(yù)警方面，目前主要依靠人工觀測(cè)、分析。但依靠人工觀測(cè)會(huì)出現(xiàn)誤差 大、效率低下、成本高昂、難以實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)等缺點(diǎn)。隨著城市的不斷發(fā)展，城市結(jié)構(gòu)日益復(fù) 雜。如果僅僅依靠人工去監(jiān)測(cè)，已經(jīng)難以滿足城市發(fā)展的需要。
[0003] 傳統(tǒng)的自動(dòng)監(jiān)測(cè)方法通過在城市的主要干道安裝視頻監(jiān)測(cè)器，在各主要河道安裝 水位計(jì)等方法，雖然解決了人工觀測(cè)的缺陷，但是該方法難以實(shí)現(xiàn)自主檢測(cè)、預(yù)警。并且需 要人員實(shí)時(shí)觀測(cè)各視頻和水位計(jì)信息，勞動(dòng)強(qiáng)度大，對(duì)城市道路積水無(wú)法監(jiān)測(cè)，不利于對(duì)城 市洪水的及時(shí)發(fā)現(xiàn)和處理。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明目的是提供一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型 的城市洪水預(yù)警系統(tǒng)及其方法，能夠監(jiān)測(cè)城市河流、湖泊、道路的水位信息，有利于對(duì)城市 洪水的及時(shí)發(fā)現(xiàn)和處理。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實(shí)現(xiàn)：
[0006] 本發(fā)明的一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的城市洪水預(yù)警系統(tǒng)，其特征在于， 包括多個(gè)設(shè)置在城市各個(gè)區(qū)域的數(shù)據(jù)采集終端，每個(gè)數(shù)據(jù)采集終端包括傳感器模塊、與傳 感器模塊輸出端相連接用于對(duì)采集到的信息進(jìn)行預(yù)處理的微控制器和與微控制器輸出端 相連接的網(wǎng)絡(luò)接口，其中，所述傳感器模塊包括用于測(cè)量城市道路積水情況的超聲波測(cè)距 傳感器和用于測(cè)量低洼處水位信息的水位傳感器；
[0007] 監(jiān)控中心服務(wù)器，用于接收城市各個(gè)區(qū)域數(shù)據(jù)采集終端發(fā)送來的數(shù)據(jù)，利用徑向 基函數(shù)神經(jīng)網(wǎng)絡(luò)模型對(duì)城市洪水情況進(jìn)行預(yù)警判斷，然后將監(jiān)控?cái)?shù)據(jù)及城市洪水預(yù)報(bào)情況 分析結(jié)果進(jìn)行存儲(chǔ)，并將城市洪水預(yù)報(bào)情況分析結(jié)果發(fā)送至客戶端，其中，監(jiān)控中心服務(wù)器 包括服務(wù)器數(shù)據(jù)庫(kù)、服務(wù)器主機(jī)和與網(wǎng)絡(luò)接口相連接的服務(wù)器通信模塊；
[0008] 和客戶端，通過網(wǎng)絡(luò)與所述監(jiān)控中心服務(wù)器進(jìn)行互聯(lián)，監(jiān)控中心服務(wù)器向客戶端 主動(dòng)發(fā)送城市洪水預(yù)報(bào)情況分析結(jié)果，客戶端也可以自主訪問監(jiān)控中心服務(wù)器進(jìn)行信息查 詢。
[0009] 上述超聲波測(cè)距傳感器安裝在城市路燈桿上，所述水位傳感器安裝在城市河道、 涵洞以及橋梁底部。
[0010] 本發(fā)明的城市洪水預(yù)警系統(tǒng)的預(yù)警方法，具體包括以下幾個(gè)步驟：
[0011] S01、根據(jù)各城市歷史水文數(shù)據(jù)構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型；
[0012] S02、通過所述超聲波測(cè)距傳感器和水位傳感器定時(shí)采集城市道路積水信息以及 城市河道、涵洞水位信息，并發(fā)送至其所在區(qū)域的微控制器；
[0013] S03、所述微控制器對(duì)步驟S02所采集到的數(shù)據(jù)進(jìn)行濾波及去噪處理；
[0014] S04、各區(qū)域的微控制器將處理后的數(shù)據(jù)包通過網(wǎng)絡(luò)接口發(fā)送給監(jiān)控中心服務(wù) 器；
[0015] S05、所述服務(wù)器主機(jī)將發(fā)送來的監(jiān)測(cè)水位信息首先進(jìn)行減少冗余操作得到數(shù)據(jù) 樣本，然后將數(shù)據(jù)樣本作為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)過徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模 型的識(shí)別之后，該神經(jīng)網(wǎng)絡(luò)直接輸出是否需要發(fā)出預(yù)警信息以及洪水報(bào)警等級(jí)，如果需要 發(fā)出則轉(zhuǎn)向步驟S06,如果不需要發(fā)出則轉(zhuǎn)向步驟S02 ;
[0016] S06、監(jiān)控中心服務(wù)器對(duì)監(jiān)控?cái)?shù)據(jù)及城市洪水預(yù)報(bào)情況分析結(jié)果進(jìn)行存儲(chǔ)，根據(jù)設(shè) 定的存儲(chǔ)時(shí)間間隔對(duì)服務(wù)器數(shù)據(jù)庫(kù)進(jìn)行更新，并轉(zhuǎn)向步驟S01利用數(shù)據(jù)庫(kù)中的數(shù)據(jù)重新訓(xùn) 練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型；
[0017] S07、監(jiān)控中心服務(wù)器將城市洪水預(yù)報(bào)情況分析結(jié)果向客戶端進(jìn)行發(fā)布，所述客戶 端也可以通過網(wǎng)絡(luò)訪問監(jiān)控中心服務(wù)器，進(jìn)行城市洪水情況查詢。
[0018] 步驟S01中，所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法如下：
[0019] (S011)、選擇高斯函數(shù)作為徑向基函數(shù)：
的歐式距離，X為系統(tǒng)輸入矩陣，為第i個(gè)徑向基函數(shù)單元的中心，widthi為第i個(gè)徑向 基函數(shù)單元的半徑，h為徑向神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元的個(gè)數(shù)，h大于零；
[0021] (S012)、采用親和傳播聚類算法計(jì)算出徑向基函數(shù)的中心q和半徑widthi;
[0022] (S013)、采用極限學(xué)習(xí)機(jī)優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，極限學(xué)習(xí)機(jī)的系數(shù)矩陣 表示為：
[0024] 其中，c為聚類中心，X為系統(tǒng)輸入矩陣，根據(jù)公式：β=H+T計(jì)算出徑向基函數(shù)神 經(jīng)網(wǎng)絡(luò)隱含層的權(quán)值，得到優(yōu)化后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，其中，T為系統(tǒng)的輸出矩陣， β為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)隱含層的權(quán)值。
[0025] 步驟（S012)中，所述親和傳播聚類算法具體步驟如下：
[0026] ①、初始化：設(shè)置最大迭代次數(shù)η和阻尼系數(shù)lam;
[0027] ②、計(jì)算吸引度r(1，m)和歸屬度a(l,m):
[0028] r(l,m)表示m點(diǎn)是否適合作為1點(diǎn)的聚類中心，a(l,m)表示1點(diǎn)是否選擇m點(diǎn)作 為其聚類中心，r(1,m)和a(l,m)的計(jì)算公式如下：
[0029] r(l,m) =S(1,m)-max{a(1,j)+S(l,j)},j= 1, 2, 3···,Ν,j^m

[0032] S(l，m)矩陣表示1點(diǎn)和1點(diǎn)所在聚類的聚類中心m點(diǎn)的相似度，使用負(fù)歐式距離 的平方來計(jì)算：S(1，m) = -1 |Ι-m| |2,N為正整數(shù)；
[0033] ③、更新r(1，m)和a(l,m):
[0034] r(l,m) = (1-lam)Xr(1,m)+lamXr(1-1,m)
[0035] a(1，m) = (1-lam)Xa(1，m)+lamXa(1-1，m)
[0036] ④、判斷a(m，m)+r(m，m)彡0,或者迭代次數(shù)大于n，如果條件成立跳入⑤，否則跳 入②；
[0037] ⑤、記錄聚類的結(jié)果：統(tǒng)計(jì)聚類中心的個(gè)數(shù)NQ、聚類中心q，計(jì)算半徑width;，其 公式如下：
[0039] 其中NQ為第i個(gè)聚類中心點(diǎn)的個(gè)數(shù)，q]表示聚類中心的第j點(diǎn)。
[0040] 步驟S03中，采用卡爾曼算法對(duì)數(shù)據(jù)進(jìn)行濾波，具體的方法如下：
[0041] ①、計(jì)算預(yù)測(cè)估計(jì)值Xf和預(yù)測(cè)均方估計(jì)誤差
[0044] 其中，為系統(tǒng)k-Ι次的狀態(tài)變量，/\+_ι為系統(tǒng)k-Ι次的均方估計(jì)誤差，A、B 為系統(tǒng)的系數(shù)矩陣，Dw為過程噪聲w 方差，u為系統(tǒng)狀態(tài)變量，A1'表示矩陣A的轉(zhuǎn)置；
[0045] ②、計(jì)算卡爾曼增益Lk:
[0047] 其中，C為系統(tǒng)系數(shù)矩陣，Dv為過程噪聲v 方差；
[0048] ③、計(jì)算狀態(tài)變量Χ?和均方估計(jì)誤差I(lǐng)f:
[0051] 其中，Χ?就是傳感器采集的數(shù)據(jù)經(jīng)過系統(tǒng)濾波之后的值，Yk為系統(tǒng)觀測(cè)變量。
[0052] 步驟S04中，所述數(shù)據(jù)包包括采集設(shè)備所在的位置信息、數(shù)據(jù)采集的時(shí)間以及采 集的道路積水信息、城市河道及涵洞處的水位信息。
[0053] 步驟S05中，監(jiān)控中心服務(wù)器對(duì)設(shè)備采集的數(shù)據(jù)進(jìn)行減少冗余的操作，得到數(shù)據(jù) 樣本，為了能夠剔除建模數(shù)據(jù)樣本中的冗余部分，計(jì)算數(shù)據(jù)間的相似度：
[0055] 其中，Xl，X]為接收到的設(shè)備檢測(cè)數(shù)據(jù)，F(xiàn)u表示第i個(gè)數(shù)據(jù)和第j個(gè)數(shù)據(jù)之間的相 似度，其中，i，j均為正整數(shù)，I1*1I表示是矩陣的2-范數(shù)，δ是歸一化的參數(shù)，如果兩個(gè)數(shù) 據(jù)之間的相似度&大于50%，則剔除其中的一個(gè)冗余數(shù)據(jù)，當(dāng)設(shè)備檢測(cè)數(shù)據(jù)中的冗余數(shù)據(jù) 被剔除后，就得到了建模數(shù)據(jù)樣本。
[0056] 步驟S06中，如果監(jiān)控中心服務(wù)器對(duì)城市洪水預(yù)警等級(jí)進(jìn)行了識(shí)別，監(jiān)控中心服 務(wù)器對(duì)數(shù)據(jù)樣本進(jìn)行更新，數(shù)據(jù)采集終端發(fā)送的一個(gè)數(shù)據(jù)集，通過成功識(shí)別，則將該數(shù)據(jù)集 添加到數(shù)據(jù)樣本中，組成一個(gè)新的數(shù)據(jù)集。
[0057] 步驟S07中，監(jiān)控中心服務(wù)器發(fā)送的數(shù)據(jù)設(shè)有不同的訪問權(quán)限，其中，水利部門用 戶可以訪問設(shè)備信息、基礎(chǔ)設(shè)施信息在內(nèi)的有關(guān)城市洪水預(yù)報(bào)的詳細(xì)信息，普通公眾用戶 可以通過移動(dòng)設(shè)備接收來自監(jiān)控中心服務(wù)器推送的城市洪水預(yù)報(bào)信息，也可以通過網(wǎng)絡(luò)主 動(dòng)訪問監(jiān)控中心服務(wù)器查詢城市洪水相關(guān)信息。
[0058] 本發(fā)明能夠自動(dòng)監(jiān)測(cè)城市道路積水情況和城市河道水位變化情況，并根據(jù)城市洪 水情況進(jìn)行預(yù)測(cè)預(yù)警，具有誤差小、實(shí)時(shí)性高、成