劉之

摘 要：宣城市宣州區(qū)山地丘陵區(qū)地質(zhì)構(gòu)造復(fù)雜，地質(zhì)環(huán)境脆弱，當(dāng)汛期降水集中時，當(dāng)?shù)厝菀装l(fā)生山洪災(zāi)害。長期以來，山洪災(zāi)害的防治和管理是宣州區(qū)防汛工作的重點。本文基于人工智能技術(shù)，從山洪災(zāi)害的預(yù)測和評估步驟入手，分析人工智能技術(shù)在山洪災(zāi)害預(yù)警中的應(yīng)用，以期提高宣州區(qū)山洪災(zāi)害的預(yù)警精度，進而為山洪災(zāi)害防治工作提供技術(shù)支撐，減少災(zāi)害帶來的損失。

關(guān)鍵詞：人工智能;山洪災(zāi)害;災(zāi)害預(yù)警;成果應(yīng)用

中圖分類號：TP277;TN929.5 文獻標(biāo)識碼：A 文章編號：1003-5168（2021）06-0018-03

Application of Artificial Intelligence Technology in Early

Warning of Mountain Flood Disaster

LIU Zhi

（Xuancheng Emergency Management Bureau，Xuancheng Anhui 242000）

Abstract： The geological structure of the mountainous and hilly area in Xuanzhou district，that in the city of Xuancheng is complex and the geological environment is fragile， when precipitation is concentrated in the flood season， the local area is prone to flash flood disasters. For a long time， the prevention and management of mountain torrent disasters has been the focus of flood control work in Xuanzhou District. Based on artificial intelligence technology， this paper started with the steps of prediction and evaluation of mountain torrent disasters， analyzed the application of artificial intelligence technology in mountain torrent disaster early warning， in order to improve the early warning accuracy of mountain torrent disasters in Xuanzhou District， and then provide technical support for mountain torrent disaster prevention and reduce losses caused by disasters.

Keywords： artificial intelligence;mountain torrent disaster;disaster warning;application of results

近年來，機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)的研究成果逐漸應(yīng)用于降水預(yù)報、洪水計算、洪水預(yù)報和洪水災(zāi)害風(fēng)險評估等方面[1-3]。由于山區(qū)特殊的地形和氣候特征，山洪災(zāi)害的防治和管理一直是宣城市宣州區(qū)防洪工作的重中之重，特別是山區(qū)自然災(zāi)害已成為區(qū)域社會經(jīng)濟發(fā)展的主要障礙。山洪災(zāi)害會摧毀工廠、通信和交通設(shè)備，這對國民經(jīng)濟的可持續(xù)發(fā)展造成了嚴重的破壞和不可估量的影響[4-7]?；诖耍疚慕Y(jié)合山洪災(zāi)害的預(yù)測與評估步驟，分析人工智能技術(shù)在山洪災(zāi)害預(yù)警中的應(yīng)用，以期提高宣州區(qū)山洪災(zāi)害的預(yù)警精度。

1 山洪災(zāi)害的預(yù)測與評估步驟

山洪災(zāi)害預(yù)測與評估的目的是判斷災(zāi)害的破壞程度和造成的損失大小，為災(zāi)害分析和災(zāi)害決策提供基礎(chǔ)依據(jù)[8-9]。山洪災(zāi)害預(yù)測與評估主要分為三個階段。

1.1 收集歷史資料

歷史資料是預(yù)測和估算山洪損失的基礎(chǔ)。山洪事件具有典型的季節(jié)性、區(qū)域性和周期性，歷史數(shù)據(jù)能很好地反映區(qū)域損失的模式和趨勢，人們可以在時間序列上對山洪災(zāi)害進行智能分析、預(yù)測和評估。

1.2 構(gòu)建指標(biāo)體系

山洪災(zāi)害的發(fā)生機制復(fù)雜，受多種因素的影響。同時，山洪災(zāi)害的預(yù)測和評估內(nèi)容廣泛，涉及社會經(jīng)濟的各個方面。

山洪災(zāi)害的嚴重程度主要取決于致災(zāi)因子、孕災(zāi)環(huán)境等多個因素[10-12]。一般來說，降雨是山洪發(fā)生的主要因素，因此本研究選擇日降水的強度和持續(xù)時間作為山洪災(zāi)害預(yù)警的致災(zāi)因子。由于陡峭的地形和植被覆蓋率低是山洪災(zāi)害頻發(fā)的重要原因，本研究選擇災(zāi)害相關(guān)的坡度（滑坡體積）和植被覆蓋度作為山洪災(zāi)害預(yù)警的孕災(zāi)因子。承災(zāi)體對山洪災(zāi)害的承受能力越大，山洪災(zāi)害造成的損失就越小，因此，本研究選擇人口密度、耕地面積、固定資產(chǎn)投資等孕災(zāi)環(huán)境因子作為山洪災(zāi)害預(yù)警的影響因子。一般情況下，區(qū)域的應(yīng)災(zāi)能力強，表示當(dāng)?shù)孛鎸ι胶闉?zāi)害，能做到及時預(yù)警、及時搶救，從這個角度出發(fā)，本研究選擇區(qū)域消防員數(shù)、廣播覆蓋率、防洪堤壩長度等作為山洪災(zāi)害預(yù)警的影響因子。

1.3 合理選擇預(yù)測方法

科學(xué)的預(yù)測方法可以顯著提高山洪災(zāi)害預(yù)測和評估的準確性。因此，山洪災(zāi)害的預(yù)測和評估要選擇一種合理的方法，這對于災(zāi)害防治具有重要的意義。

2 人工智能技術(shù)在山洪災(zāi)害預(yù)警中的具體應(yīng)用

2.1 雨情智能統(tǒng)計分析

雨情智能統(tǒng)計分析可以為防汛人員提供雨情監(jiān)控結(jié)果。宣州區(qū)充分利用氣象部門、水利部門和其他相關(guān)部門的勘測數(shù)據(jù)，采用多種統(tǒng)計方法，在空間尺度上實現(xiàn)分流域的時間周期智能分析，并在GIS圖上以等值面或等高線的形式顯示出來，為防汛人員提供直觀的降雨數(shù)據(jù)。依據(jù)相關(guān)降雨統(tǒng)計規(guī)范，宣州區(qū)設(shè)定預(yù)報統(tǒng)計原則，對上年度同期、常年同期及任意多年同期的累計降雨量進行智能統(tǒng)計與對比分析，并利用氣象部門提供的降雨量預(yù)報分析結(jié)果，從時間和空間等角度分析降雨趨勢，制定山洪災(zāi)害應(yīng)對方案，做出防洪決策。

2.2 水情智能統(tǒng)計分析

水情智能統(tǒng)計分析可以為防汛人員提供水利工程的水情監(jiān)測結(jié)果。根據(jù)實時規(guī)劃目標(biāo)，系統(tǒng)設(shè)置多個監(jiān)測點，在監(jiān)測界面醒目的部位顯示主要水利工程的水情信息，并以過程線圖和表格的形式自動、直觀地展示和分析關(guān)鍵閘門的實時監(jiān)控數(shù)據(jù)。2020年7月6日19：00，宣州區(qū)部分關(guān)鍵閘門的水位如表1所示。

通過設(shè)定需要的時間來選擇相應(yīng)的窗口，人們可以查詢不同閘站的水情數(shù)據(jù)過程線。系統(tǒng)將其組合成一個小顯示窗口，避免多個界面窗口的重復(fù)顯示。同時，這個小窗口的查詢界面還能顯示閘壩管理和閘壩部署的基本信息，方便相關(guān)人員搜索和使用。另外，這個小窗口界面還具有防汛調(diào)度重點關(guān)注的進出水水量智能統(tǒng)計分析功能，該功能可對上游入河和下游出河的水量進行智能統(tǒng)計分析，并將其與常年或任意年份的同期數(shù)據(jù)進行對比分析。針對防洪形勢，系統(tǒng)可以對重點河流、水庫的水情信息進行智能統(tǒng)計分析。

2.3 構(gòu)建防洪調(diào)度系統(tǒng)

人們可以采用人工智能技術(shù)，建立以山洪預(yù)報結(jié)果為輸入條件的開放式河流演化調(diào)度系統(tǒng)，初步實現(xiàn)山洪預(yù)報與水庫調(diào)度相結(jié)合的調(diào)度過程。本系統(tǒng)可提供指令調(diào)度、規(guī)則調(diào)度、水位控制和自由出水等多種水庫調(diào)度手段。例如，根據(jù)氣象監(jiān)測數(shù)據(jù)，系統(tǒng)會建議啟動水庫泄洪洞泄洪，有效騰庫降容;根據(jù)洪峰監(jiān)測數(shù)據(jù)，系統(tǒng)會建議關(guān)閉水庫泄洪洞停止泄洪，有效削峰降峰。該系統(tǒng)采用“一張圖”的方式，對流域內(nèi)的水文站、水庫、斷面和河道進行匯總，生成調(diào)度計劃，進行調(diào)度計算，并在概圖上展示計算結(jié)果。

2.4 大數(shù)據(jù)分析

2.4.1 整體功能。當(dāng)前，人們要充分利用大數(shù)據(jù)，建立山洪災(zāi)害監(jiān)測預(yù)警平臺。其對底層數(shù)據(jù)源的集成訪問可以為各級用戶提供統(tǒng)一的應(yīng)用服務(wù)，同時平臺和移動端口之間同步應(yīng)用程序，可以擴展用戶的應(yīng)用場景。

2.4.2 數(shù)據(jù)源。山洪災(zāi)害監(jiān)測預(yù)警平臺可以實時采集成果數(shù)據(jù)，并通過人工方式報送數(shù)據(jù)。人們可以利用人工智能技術(shù)，尤其是大數(shù)據(jù)，綜合與共享視頻監(jiān)控數(shù)據(jù)、氣象云圖數(shù)據(jù)和防洪工程水庫成果數(shù)據(jù)，全面挖掘、分析和利用防汛抗旱基礎(chǔ)數(shù)據(jù)、日常值班管理數(shù)據(jù)、防汛通信數(shù)據(jù)等。

2.4.3 大數(shù)據(jù)支撐。大數(shù)據(jù)主要應(yīng)用在數(shù)據(jù)交換、數(shù)據(jù)存儲、數(shù)據(jù)計算分析和數(shù)據(jù)訪問方面，具體情況如表2所示。

2.5 促進山洪調(diào)查評價成果的應(yīng)用

人們可以以山洪災(zāi)害調(diào)查與評估的大量資料為基礎(chǔ)，利用人工智能技術(shù)，建立山洪災(zāi)害調(diào)查與評估知識庫，快速獲取實時預(yù)警預(yù)報、防洪、歷史事件數(shù)據(jù)、危害識別和防洪預(yù)案等信息，快速判斷和定位危險區(qū)域，確定行政責(zé)任人和轉(zhuǎn)移安置措施等。當(dāng)前，人們可以采用人工智能技術(shù)，促進山洪調(diào)查評價成果的應(yīng)用，如表3所示。

小流域劃定重點防治區(qū)居民點和人口分布等的影響范圍時，要建立監(jiān)測點和危險區(qū)的基本信息聯(lián)系。利用山洪調(diào)查評價成果中的預(yù)警指標(biāo)，可以實現(xiàn)對山洪災(zāi)害重點防治區(qū)的有效預(yù)警，改變基層以經(jīng)驗為主的預(yù)警局面，為提前預(yù)報山洪災(zāi)害、減少人員傷亡和財產(chǎn)損失提供技術(shù)支持。

2.6 推進資源整合，共享成果

研發(fā)人員以計算機端為基礎(chǔ)，結(jié)合人工智能技術(shù)，集成開發(fā)宣州區(qū)防洪管理指揮平臺，提取并封裝相關(guān)業(yè)務(wù)應(yīng)用系統(tǒng)的功能模塊或服務(wù)資源，將其整合成統(tǒng)一的計算機顯示平臺，重點展示核心應(yīng)用數(shù)據(jù)和業(yè)務(wù)成果。該系統(tǒng)提供全面的實時監(jiān)測預(yù)警功能，集成多種氣象信息產(chǎn)品，采用多種查詢方式，實現(xiàn)了水利“一張圖”的多樣化表現(xiàn)。當(dāng)前，人們可以在手機端集成開發(fā)防洪通信軟件，將山洪災(zāi)害防范信息集成到手機端，為工作組和專家組提供及時、方便、可靠的信息。

3 結(jié)論

本文以宣城市宣州區(qū)山洪災(zāi)害預(yù)警為研究對象，介紹了山洪災(zāi)害的預(yù)測與評估步驟，并從多個方面分析了人工智能技術(shù)在山洪災(zāi)害預(yù)警中的應(yīng)用，以期為宣州區(qū)山洪災(zāi)害防治措施的完善提供一定的理論依據(jù)。

參考文獻：

[1]謝志強.珠江水旱災(zāi)害防御信息化建設(shè)實踐探索[J].中國防汛抗旱，2019（5）：1-2.

[2]劉哲，劉戰(zhàn)友，侯亞麗.天津市防汛調(diào)度會商平臺構(gòu)建及智能調(diào)度技術(shù)研究與應(yīng)用[J].海河水利，2020（2）：67-72.

[3]裘峰，劉子豪，任宇程，等.貴州省基于云計算的山洪災(zāi)害監(jiān)測預(yù)警管理系統(tǒng)設(shè)計及應(yīng)用[J].中國防汛抗旱，2019（3）：12-15.

[4]劉昌軍.基于人工智能和大數(shù)據(jù)驅(qū)動的新一代水文模型及其在洪水預(yù)報預(yù)警中的應(yīng)用[J].中國防汛抗旱，2019（5）：18.

[5]翟曉燕，郭良，劉榮華，等.前期土壤濕度和降雨對小流域山洪預(yù)警指標(biāo)的影響評估[J].地理研究，2019（12）：2957-2965.

[6]張麗紅，張新海，藍海波，等.基于氣象預(yù)報的山洪地質(zhì)災(zāi)害預(yù)警技術(shù)研究[J].人民黃河，2020（1）：16-17.

[7]陸奕.基于水文模型的山洪災(zāi)害預(yù)警系統(tǒng)研究與應(yīng)用[D].杭州：浙江工業(yè)大學(xué)，2020：18-19.

[8]王燕云，原文林，龍愛華，等.基于SVR的無實測資料小流域山洪災(zāi)害臨界雨量預(yù)估模型及應(yīng)用：以河南新縣為例[J].水文，2020（2）：42-47.

[9]彭海波，歐陽建，張鵬，等.廣東省山洪災(zāi)害預(yù)警指標(biāo)檢驗復(fù)核：以平遠縣上舉鎮(zhèn)為例[J].廣東水利水電，2019（8）：18-24.

[10]原文林，付磊，高倩雨.基于極端降水概率分布的山洪災(zāi)害預(yù)警指標(biāo)估算模型研究[J].水利水電技術(shù)，2019（3）：17-24.

[11]盧曉鵬，劉楊梅.云南省典型區(qū)域山洪災(zāi)害預(yù)警指標(biāo)檢驗復(fù)核分析[J].人民長江，2018（2）：21-23.

[12]梁國濤，吳洪麗，李富蕓，等.物聯(lián)網(wǎng)技術(shù)在山洪災(zāi)害監(jiān)測預(yù)警系統(tǒng)中的應(yīng)用[J].電腦知識與技術(shù)，2018（35）：236-237.