本發(fā)明涉及洪水模擬仿真技術，尤其是考慮多重壓力耦合的城市防洪韌性臨界狀態(tài)識別方法及系統(tǒng)。

背景技術：

1、在全球氣候變化和快速城市化的雙重影響下，城市防洪系統(tǒng)面臨著前所未有的挑戰(zhàn)。極端降雨事件頻發(fā)、城市不透水面積擴大、排水系統(tǒng)老化等多重壓力因素的耦合作用，導致城市洪澇災害的發(fā)生機理日益復雜化。研究表明，單一壓力源下的城市防洪韌性評估方法已難以滿足當前復雜城市系統(tǒng)的需求，亟需建立多重壓力耦合條件下的城市防洪韌性臨界狀態(tài)識別方法，以提升城市防洪減災能力。

2、目前，城市防洪韌性研究主要集中在單一壓力源下的評估方法和靜態(tài)閾值的確定。傳統(tǒng)方法通常采用確定性水文模型模擬降雨-徑流過程，或利用統(tǒng)計方法分析歷史洪澇事件數(shù)據(jù)，建立基于經(jīng)驗的預警指標體系。部分研究嘗試引入社會經(jīng)濟脆弱性指標，構建綜合評估框架。然而，這些方法往往將不同壓力源割裂開來獨立分析，忽視了壓力要素間的動態(tài)耦合效應。同時，現(xiàn)有的預警閾值多基于靜態(tài)統(tǒng)計分析確定，缺乏對系統(tǒng)動態(tài)演化特性的考慮。

3、在實際應用中，現(xiàn)有技術存在以下關鍵問題：一是，多源異構數(shù)據(jù)的時空尺度不一致，導致數(shù)據(jù)整合過程中信息失真，難以準確刻畫不同壓力要素的時空分布特征。二是，傳統(tǒng)的相關性分析方法難以捕捉壓力要素間的非線性耦合關系，特別是在考慮時間滯后效應時，無法有效識別因果鏈條。三是，現(xiàn)有的韌性評估模型多基于線性疊加原理，忽視了壓力要素間的協(xié)同和拮抗作用，導致系統(tǒng)臨界狀態(tài)判斷存在較大誤差。此外，預警閾值的動態(tài)優(yōu)化問題尚未得到有效解決，特別是在考慮多重壓力耦合效應時，如何建立自適應的閾值更新機制仍是一個挑戰(zhàn)。系統(tǒng)參數(shù)的敏感性分析方法較為簡單，難以準確評估參數(shù)擾動對模型結果的影響程度，影響了預警結果的可靠性。

技術實現(xiàn)思路

1、發(fā)明目的，提供一種考慮多重壓力耦合的城市防洪韌性臨界狀態(tài)識別方法及系統(tǒng)，以期能夠解決現(xiàn)有技術存在的至少一個技術問題。

2、技術方案，根據(jù)本技術的一個方面，提供一種考慮多重壓力耦合的城市防洪韌性臨界狀態(tài)識別方法，包括如下步驟：

3、步驟s1、根據(jù)城市防洪系統(tǒng)的特點，識別影響城市防洪系統(tǒng)韌性和性能的壓力源；獲取研究數(shù)據(jù)并進行時空統(tǒng)一預處理、異常值檢測和修正，得到修正后數(shù)據(jù)集；對修正后數(shù)據(jù)集進行壓力特征分解，獲得包含時間維度特征、空間維度特征和強度維度特征在內(nèi)的壓力特征向量集；

4、步驟s2、獲取壓力特征向量集并進行耦合關系分析，得到耦合強度矩陣和耦合方向矩陣；基于耦合強度矩陣和耦合方向矩陣構建有向加權網(wǎng)絡，得到壓力耦合動態(tài)網(wǎng)絡；對壓力耦合動態(tài)網(wǎng)絡進行拓撲結構分析，得到網(wǎng)絡演化特征集；

5、步驟s3、對網(wǎng)絡演化特征集和預先存儲的歷史韌性評估數(shù)據(jù)進行綜合分析，得到韌性狀態(tài)指標集；并進行時序分解和情景模擬，得到情景模擬數(shù)據(jù)；根據(jù)情景模擬數(shù)據(jù)和韌性狀態(tài)指標集構建狀態(tài)演變預測模型，得到韌性狀態(tài)演變模型；

6、步驟s4、基于韌性狀態(tài)演變模型和預先存儲的實時監(jiān)測數(shù)據(jù)進行臨界特征分析，得到臨界特征指標集；根據(jù)臨界特征指標集進行閾值優(yōu)化計算，得到預警閾值集。

7、根據(jù)本技術的一個方面，步驟s1具體為：

8、步驟s11、根據(jù)城市防洪系統(tǒng)的特點，識別影響城市防洪系統(tǒng)韌性和性能的主要壓力源；包括氣象壓力源、水文壓力源、工程壓力源和社會經(jīng)濟壓力源；

9、步驟s12、獲取研究數(shù)據(jù)，進行克里金插值計算，得到臨時空間插值數(shù)據(jù)；對臨時空間插值數(shù)據(jù)按照時間序列進行線性插值，得到臨時時間插值數(shù)據(jù)；根據(jù)數(shù)據(jù)時間間隔的倒數(shù)計算時間權重函數(shù)，并對臨時時間插值數(shù)據(jù)進行權重修正，得到統(tǒng)一時空尺度數(shù)據(jù)集；

10、步驟s13、讀取統(tǒng)一時空尺度數(shù)據(jù)集并計算均值和標準差，得到統(tǒng)計特征數(shù)據(jù)；進行異常值初步識別，得到初步異常值數(shù)據(jù)并與物理約束條件進行比對，得到確認異常值數(shù)據(jù)并進行修正，得到修正數(shù)據(jù)；將修正數(shù)據(jù)與統(tǒng)一時空尺度數(shù)據(jù)集中的正常值數(shù)據(jù)合并，得到修正后數(shù)據(jù)集；

11、步驟s14、提取修正后數(shù)據(jù)集中的降雨數(shù)據(jù)并進行降雨-徑流模擬，得到徑流模擬數(shù)據(jù)；對徑流模擬數(shù)據(jù)進行演進計算，得到洪澇淹沒數(shù)據(jù)；將洪澇淹沒數(shù)據(jù)與修正后數(shù)據(jù)集進行合并，得到水動力特征數(shù)據(jù)；

12、步驟s15、對水動力特征數(shù)據(jù)進行小波變換，得到小波系數(shù)集；對小波系數(shù)集進行閾值分解，得到不同尺度的特征分量數(shù)據(jù)；對特征分量數(shù)據(jù)進行重組，得到多維特征數(shù)據(jù)；對多維特征數(shù)據(jù)進行標準化處理，得到標準化特征數(shù)據(jù)；將標準化特征數(shù)據(jù)轉換為向量形式，得到壓力特征向量集。

13、根據(jù)本技術的一個方面，步驟s2具體為：

14、步驟s21、獲取并對壓力特征向量集中的每對特征向量計算互信息熵，得到互信息熵矩陣；計算耦合強度值，得到耦合強度矩陣；對壓力特征向量集中的每對特征向量計算格蘭杰因果檢驗統(tǒng)計量，得到因果檢驗數(shù)據(jù)；根據(jù)因果檢驗數(shù)據(jù)確定耦合方向，得到耦合方向矩陣；

15、步驟s22、基于耦合強度矩陣構建網(wǎng)絡邊權重，得到加權邊集；基于耦合方向矩陣確定網(wǎng)絡邊的方向，得到有向邊集；將加權邊集和有向邊集組合，并添加時間標記，得到壓力耦合動態(tài)網(wǎng)絡；

16、步驟s23、基于壓力耦合動態(tài)網(wǎng)絡計算節(jié)點度特征數(shù)據(jù)、聚類特征數(shù)據(jù)、中心性特征數(shù)據(jù)和社團演化數(shù)據(jù)；并組合得到網(wǎng)絡演化特征集。

17、根據(jù)本技術的一個方面，步驟s3具體為：

18、步驟s31、對網(wǎng)絡演化特征集進行主成分分析，得到主成分特征數(shù)據(jù)；對預先存儲的歷史韌性評估數(shù)據(jù)進行標準化處理，得到標準化韌性數(shù)據(jù)；將主成分特征數(shù)據(jù)與標準化韌性數(shù)據(jù)進行關聯(lián)分析，得到特征關聯(lián)矩陣；根據(jù)特征關聯(lián)矩陣選擇關鍵特征組合，得到韌性特征候選集；對韌性特征候選集進行加權組合，得到韌性狀態(tài)指標集；

19、步驟s32、對韌性狀態(tài)指標集進行時序分解，得到趨勢分量數(shù)據(jù)和波動分量數(shù)據(jù)；根據(jù)趨勢分量數(shù)據(jù)和波動分量數(shù)據(jù)設置不同的邊界條件，得到情景邊界數(shù)據(jù)；利用水動力模型對情景邊界數(shù)據(jù)進行模擬計算，得到情景模擬數(shù)據(jù)；

20、步驟s33、對情景模擬數(shù)據(jù)和韌性狀態(tài)指標集構建自回歸模型，得到趨勢預測數(shù)據(jù)；基于情景模擬數(shù)據(jù)計算相空間重構參數(shù)，得到重構參數(shù)數(shù)據(jù)；根據(jù)重構參數(shù)數(shù)據(jù)構建相空間，得到狀態(tài)空間數(shù)據(jù)；結合趨勢預測數(shù)據(jù)和狀態(tài)空間數(shù)據(jù)，構建混合預測模型，得到韌性狀態(tài)演變模型。

21、根據(jù)本技術的一個方面，步驟s4具體為：

22、步驟s41、對韌性狀態(tài)演變模型計算系統(tǒng)狀態(tài)變化率，得到狀態(tài)變化率數(shù)據(jù)；對預先存儲的實時監(jiān)測數(shù)據(jù)進行歸一化處理和波動分析，得到動態(tài)波動特征數(shù)據(jù)；計算歸一化監(jiān)測數(shù)據(jù)的時間相關性，得到時間相關數(shù)據(jù)；將動態(tài)波動特征數(shù)據(jù)和時間相關數(shù)據(jù)進行特征融合，得到臨界特征指標集；

23、步驟s42、對臨界特征指標集進行統(tǒng)計分布分析，得到分布特征數(shù)據(jù)；基于分布特征數(shù)據(jù)構建概率密度函數(shù)，得到密度函數(shù)數(shù)據(jù)；對密度函數(shù)數(shù)據(jù)進行分位數(shù)分析，得到分位數(shù)特征數(shù)據(jù)；根據(jù)分位數(shù)特征數(shù)據(jù)計算最優(yōu)分割點，得到分割點數(shù)據(jù)；將分割點數(shù)據(jù)轉化為預警閾值，得到預警閾值集。

24、根據(jù)本技術的另一個方面，還提供一種考慮多重壓力耦合的城市防洪韌性臨界狀態(tài)識別系統(tǒng)，包括：

25、至少一個處理器；以及，

26、與至少一個處理器通信連接的存儲器；其中，

27、存儲器存儲有可被處理器執(zhí)行的指令，指令用于被處理器執(zhí)行以實現(xiàn)上述任一項技術方案的考慮多重壓力耦合的城市防洪韌性臨界狀態(tài)識別方法。

28、有益效果，能夠準確識別多重壓力耦合下的城市防洪系統(tǒng)臨界狀態(tài)，提高預警準確性。相關技術效果將在下文結合具體實施例詳細描述。