基于BP神經網絡模型的城市內澇預警系統設計與實現

2021-10-19 13:28:48張秀春張宣

現代信息科技 2021年5期

張秀春張宣

摘? 要：針對城市經常出現排水不暢、內澇等現象，建立一套以BP神經網絡模型為核心，以B/S架構為基礎的內澇預警系統。該系統不僅具有常規系統的數據管理功能，還具備根據歷史信息和參數的調整而進行內澇預警的功能。通過對比系統的使用結果和現實狀況，可以看出系統不僅能夠滿足本市內澇預警分析使用的需求，而且還能對城市的內澇災害有關特征數據進行預測，為城市制定防洪減災方案提供技術支撐和科學依據。

關鍵詞：反向傳播神經網絡;預警模型;數據管理系統;城市內澇

中圖分類號：TP181;TP391? ? ? 文獻標識碼：A 文章編號：2096-4706（2021）05-0098-06

Design and Implementation of Urban Waterlogging Early Warning System

Based on BP Neural Network Model

ZHANG Xiuchun1，ZHANG Xuan2

（1.Phima Intelligence Technology Co.，Ltd.，Maanshan? 243000，China;

2.Anhui Masteel Mining Resources Group Co.，Ltd.，Maanshan? 243000，China）

Abstract：For the frequent occurrence of poor drainage and waterlogging in urban，a set of waterlogging early warning system is set up，which uses BP neural network model as the core and based on B/S architecture. The system not only has the conventional function of data management，but also has the function of realizing waterlogging early warning according to historical information and parameter adjustment. By comparing the results of the system usage and the actual situation，we can see that the system can not only meet the needs of this citys waterlogging early warning analysis，but also predict the urban waterlogging disaster related characteristic data，providing technical support and scientific basis for the city to formulate flood control and disaster reduction plan.

Keywords：BP neural network;early warning model;data management system;urban waterlogging

0? 引? 言

近年來，隨著社會經濟的快速發展和城市化進程的不斷加快，城市內澇問題日益凸顯，城市內澇已然成為全世界普遍關注的焦點。針對此問題，在信息化建設的基礎上實現內澇預警系統成為一種可行的方法。有鑒于此，國內外研發了諸多的內澇預警系統。其中國外較為突出的內澇預警系統[1，2]有：20世紀90年代美國的城市暴雨雨水管理模型（SWMM），該模型將GIS技術與模型相結合，具有預測城市排水系統的能力;日本對于城市洪水災害的研究也比較早，其中有代表性的是日本建設省土木研究所建立的城市水災害系統分析模型，該系統模型將GIS技術與洪水災害數據模擬有機地結合，具備城市內澇預警系統的預測功能，由洪水泛濫模型、暴雨產匯流模型、降水頻率分析模型等子模型構成。

城市化進程的快速推進使城市道路面積不斷擴大，加上全球變暖使得極端氣候頻繁發生，各地城市內澇的問題愈發嚴重。目前，我國大部分城市均沒有實現大排水設施建設，小排水設施建設與管理水平因為年代與建設標準等諸多原因，并不能解決當前城市的內澇問題。因此，國內諸多大中型城市結合各自的特點研發適合自己城市的內澇預警系統。其中較為突出的國內城市內澇預警系統[3-6]有：天津氣象科研所研制的天津市城區瀝澇仿真模型[7]和城市內澇仿真模擬系統[8]，該系統以二維不恒定流理論為基礎，將氣象部門采集監測的雨量信息和天氣預報信息加入仿真模型當中，實現洪澇仿真的動態監測預報功能。本市的內澇現狀為：本市城市化進程不斷加快，而城市排水系統卻無法進行大規模的改造升級，導致本市總的排水能力不斷減弱。具體表現就是本市一旦遇到強降雨天氣，短時間內城市排水不暢，給人民群眾的生活和出行帶來諸多不便，同時也給人民群眾的財產帶來很大損失。為提高和改善城市氣象管理水平，減少內澇災害帶來的負面影響，很有必要建立一套適合本市地形地貌特征及現有排水管網能力的內澇預警預報業務系統。

本市的內澇預警系統采用反向傳播神經網絡算法構建模型來預測分析城市內澇情況。系統采用B/S結構[9-11]，以ArcGIS10.2作為系統底圖開發平臺，選用MySQL數據庫[12，13]，預警模型計算使用Matlab軟件，后臺及框架使用C#和.net進行開發，前端顯示頁面采用js+html。成功實現一套滿足本市需求的內澇預警和分析系統，通過該系統可以實現對歷史內澇信息的查詢，對不同區域內澇信息、泵站信息、管道信息以及河道信息的實時查詢，對易澇點進行預警分析，實現地圖圖層控制等功能。從氣象部門專業軟件數據庫中實時采集降雨數據和水深數據，從水文部門業務管理軟件數據庫中實時采集水泵水位數據。

1? BP神經網絡模型

BP（Back Propagation）神經網絡[14，15]是1986年由以Rumelhart和McClelland為首的科學家們提出的概念。其基本思想是，BP算法包括信號的前向傳播和誤差的反向傳播兩個過程。即計算誤差輸出時按從輸入到輸出的方向進行，而調整權值和閾值則從輸出到輸入的方向進行。正向傳播時，輸入信號通過隱含層作用于輸出節點，經過非線性變換，產生輸出信號，若實際輸出與期望輸出不相符，則轉入誤差的反向傳播過程。誤差反傳是將輸出誤差通過隱含層向輸入層逐層反傳，并將誤差分攤給各層所有單元，以從各層獲得的誤差信號作為調整各單元權值的依據。通過調整輸入節點與隱層節點的聯接強度，隱層節點與輸出節點的聯接強度以及閾值，使誤差沿梯度方向下降，經過反復學習訓練，確定與最小誤差相對應的網絡參數（權值和閾值），訓練即停止。經過訓練的神經網絡模型能達到對類似樣本信息自行處理，且能輸出誤差最小的非線性轉換信息。BP神經網絡模型[16-18]的網絡結構如圖1所示。

假設BP神經網絡模型[18]的輸入參數由xi表示（i=1，2，…，n），最終的輸出參數由yi表示。隱含層的輸入參數分別為（1，2，…，p-1，p），此處用neti代表隱含層任意參數。則隱含層輸出的參數由Ti表示：

（1）

其中，wij為輸入層到隱含層的加權系數，該數值的求解方法是采用矩陣的微積分;β為隱含層的閾值，即為函數的補償量;f（neti）為隱含層的激勵函數。

則輸出層輸出的參數由yi表示為：

（2）

其中，kij為隱含層到輸入層的加權系數，該數值的求解方法是采用矩陣的微積分;α為隱含層的閾值，即為函數的補償量;g（Ti）為輸出層的激勵函數。

假設輸出層任意一個神經元的期望輸出值為Ei，那么對于每一個樣本的二次型誤差準則函數ei可以表示為：

（3）

根據誤差準則函數，輸出層中的神經元輸出的誤差可以反向傳播到前面各層中去，對各層之間的權值以及函數之間的偏正值進行修正。

BP神經網絡的隱含層和輸出層的激勵函數均采用s（sigmoid）函數，式（5）是式（4）的導數形式;此處的x為隱含層的輸入值或輸出層的輸入值。

（4）

y'=f '（x）=y（1-y）? ? ? ? ? ? ? ? ? ? ? ? ?（5）

2? 系統設計

2.1? 系統功能架構設計

從使用者的角度對系統的功能架構[10]進行設計。系統可分為9大功能模塊：圖層控制模塊、信息查詢模塊、預警分析模塊、歷史數據錄入模塊、歷史內澇、實時水位、輔助功能、預測模型、參數輸出。具體如圖2所示。

2.2? 系統總體設計

從開發者的角度對系統進行設計。系統是基于Web分布式進行研發圍繞數據管理、預警模型構建、數據動態矯正和統計查詢四個方面展開。系統總體設計可分為數據庫服務器（河、管、泵數據庫;基礎空間數據庫;氣象關系數據庫）、地圖服務器（ArcGISServer）、網絡服務器（IIS）、客戶端。系統具體設計如圖3所示。系統上線后客戶端的操作系統要求為WindowsXP、WindowsNT、Windows7中的任意一種即可，客戶端可以使用FireFox、Internet Explorer11、Chrome44瀏覽器對系統進行訪問。

2.3? 系統數據庫設計

針對氣象數據的特殊性，選擇MySQL數據庫進行開發。系統必須收集的數據有：近3年內的歷史降雨量數據;內澇災情數據包括區域坐標信息、內澇災情時間、受災面積、災情等級信息;常內澇區數據包括排水泵的數據信息、DEM數據、內澇水深數據等;水位數據包括水位深度、時間信息等;常內澇DEM數據包括內澇時間、內澇地點、內澇等級等信息。圖4為系統整體E-R圖。

3? 內澇預警系統展示

內澇數據管理系統包含常規的數據增刪查改功能。內澇預警分析的預測模型是基于歷年降雨量信息、同頻率下水位信息和內澇受災面積等數據信息構建的。采用BP神經網絡分析得到受災面積與降雨量信息和水位信息之間的關系;基于降雨量信息并結合模型預測內澇區域坐標信息以及受災面積、受災等級等信息;將預測的信息與實際受災信息進行比對，如有出入，則調整擬合權值使模型結果更接近真實情況。

系統上線后具備增加信息、刪除信息、查詢信息、修改信息、信息仿真與分析等功能。圖5（a）是系統的歷史內澇點數據查詢頁面、圖5（b）是系統內澇點、雨量、水深、水位等數據的錄入頁面、圖5（c）是系統河道情況的仿真查詢結果。

下面是系統基于BP神經網絡模型下的預警分析功能展示。具體的BP神經網絡預警分析流程為：首先在系統頁面中選取所需的預警分析模型和模型所需的相關數據;點擊“仿真分析”按鈕進行分析并查看分析結果;根據分析結果與現實數據的對比，對模型的參數進行相應的調整，使其分析的結果達到最優程度。圖6（a）是系統內澇點預警模型選取和內澇相關數據輸入的頁面;圖6（b）是系統仿真參數輸入的頁面;圖6（c）是系統模型參數的矯正，具體包括模型中的系數、估計區間、殘差、置信區間等參數的矯正;圖6（d）是系統預警分析結果的展示。

4? 結? 論

針對城市經常出現排水不暢、內澇等現象，采用反向傳播神經網絡算法為核心、B/S架構為基礎設計一套符合本市特征的內澇預警系統。該系統是集數據展示、信息預警及數據仿真于一身的城市內澇監測預警系統。該系統不僅具有常規系統的數據管理功能，還具備根據歷史信息和參數的調整而進行內澇預警的功能。通過對系統的使用和測試，對比暴雨時實測的本市內澇水深數據比較符合實際狀況，能夠滿足本市內澇預警分析使用的需求。但是該系統也存在一定的不足，系統預警的實時性及其處理效率有待進一步提高。下一步將考慮憑借智能手機的便攜性和實時性實現預警信息的實時推送和反饋。

參考文獻：

[1] JIAO S，ZHANG X L，XU Y. A review of Chinese land suitability assessment from the rainfall-waterlogging perspective：Evidence from the Su Yu Yuan area [J].Journal of Cleaner Production，2017，144：100-106.

[2] GUO X L，FU D H，WANG J.Mesoscale convective precipitation system modified by urbanization in Beijing City [J].Atmospheric Research，2006，82（1-2）：112-126.

[3] 鄭屹.基于移動客戶端的城市內澇預警系統設計與實現 [D].南京：東南大學，2018.

[4] 黃丹萍，黃莉.南寧市暴雨內澇監測預警系統 [J].氣象研究與應用，2019，40（3）：43-46.

[5] 漢京超，王紅武，高學瓏，等.物聯網在城市雨洪智能管理中的應用分析 [J].復旦學報（自然科學版），2013，52（1）：49-54.

[6] 陳勇，劉佐東，熊非凡，等.基于深度學習的城市積澇監控預警系統 [J].電腦知識與技術，2020，16（1）：174-175.

[7] 李娜，仇勁衛，程曉陶，等.天津市城區暴雨瀝澇仿真模擬系統的研究 [J].自然災害學報，2002（2）：112-118.

[8] 中國氣象報社.天津：新型仿真模擬系統為應對內澇提供依據 [EB/OL].（2016-08-01）.http：//www.cma.gov.cn/2011 xwzx/2011xgzdt/201608/t20160801_318270.html.

[9] 陳博嘉.基于物聯網的城市內澇監測預警系統的設計與實現 [D].廈門：廈門大學，2016.

[10] 劉曉月，劉偉平.首鋼京唐原料場無人化供料系統設計及應用 [J].冶金自動化，2020，44（5）：15-19+38.

[11] 蔡曉瑋.基于GIS的城市內澇預警預報系統設計討論 [J].科學與信息化，2018（2）：17.

[12] 施瓦茨，扎伊采夫，特卡琴科.高性能MySQL：第3版 [M].寧海元，等譯.北京：電子工業出版社，2013.

[13] 王珊，薩師煊.數據庫系統概論（第5版） [M].北京：高等教育出版社，2014.

[14] 尼爾森.深入淺出神經網絡與深度學習 [M].北京：人民郵電出版社，2020.