[发明专利]一种基于K-Means参数聚类的城市内涝模拟方法

权利要求书

1.一种基于K-Means参数聚类的城市内涝模拟方法，其特征在于，其步骤如下：

步骤一：根据研究区城市用地特性划分城市水文响应单元，并提取城市水文响应单元的数字高程数据；

步骤二：根据研究区的每个城市水文响应单元的数字高程数据，对研究区的实际雨水管网进行概化后叠加到城市水文响应单元上得到SWMM模型；

步骤三：采用K均值聚类算法对不同城市的每个城市水文响应单元上的不确定性参数的取值进行聚类，得到每个城市水文响应单元的不确定性参数值，并将不确定性参数值输入SWMM模型中，得到最终的SWMM模型；

步骤四：将实际降雨场次输入最终的SWMM模型中进行模拟，以验证最终的SWMM模型的内涝模拟结果。

2.根据权利要求1所述的基于K-Means参数聚类的城市内涝模拟方法，其特征在于，所述城市水文响应单元的划分方法为：

S11、由传感器、摄像头和网络资料获取研究区的遥感影像资料；

S12、根据研究区的遥感影像资料和用地规划图从自然属性和社会属性将研究区划分为工商业区、居民区和公共用地区三类功能区，每个功能区作为一个城市水文响应单元；

S13、分析研究区的地形地势资料，分别确定每一个城市水文响应单元的数字高程数据，其中，数字高程数据包括高程、坡度和坡向信息。

3.根据权利要求1或2所述的基于K-Means参数聚类的城市内涝模拟方法，其特征在于，所述步骤三中采用K均值聚类算法对不同城市的每个城市水文响应单元上的不确定性参数的取值进行聚类的方法为：

S31、搜集现有基于SWMM模型进行的以中国各地区为研究区的文献的不确定性参数的取值作为样本集，其中，不确定性参数包括不透水区洼蓄量、不透水区曼宁系数、透水区洼蓄量和透水区曼宁系数；

S32、采用K-Means聚类算法对不同城市的功能区上的每个不确定性参数进行聚类，设置聚类数目为k；

S33、将样本集分成k个初始类，将这k个类的重心作为初始的类中心点，计算分类后的F值，检验聚类效果。

4.根据权利要求3所述的基于K-Means参数聚类的城市内涝模拟方法，其特征在于，所述步骤S33中的F值的计算方法为：

F＝[S_SA/(k-1)]/[S_SE/(n-k)]，

式中，F为平均组间平方和与平均组内平方和之比，k为聚类数，n_i为第i个类的样本容量，S_SA为组间离差平方和，S_SE为组内离差平方和，n表示样本总量，x_i表示第i个类的样本值，表示第i个类的样本平均值，x_ij表示为第i个类第j个指标的观测值。

5.根据权利要求3所述的基于K-Means参数聚类的城市内涝模拟方法，其特征在于，所述K-Means聚类算法的步骤为：

设有m个样本组，每个样本组有p个指标的数据，这m×p个数据构成一个参数聚类观测矩阵，即：

其中，x_i′j′为第i′个样本组的第j′个指标参数值，i′＝1,2,…,m，j′＝1,2,…,p；则有：

式中，为第j′个指标参数的均值；s_j′为第j′个指标参数的标准差；y_i′j′为参数值x_i′j′标准化后的值。