一種臺風風暴潮情景模擬方法及裝置，所述方法包括：獲取目標風暴潮的參數；根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，并獲取所述歷史風暴潮類別對應的歷史數據；獲取與所述歷史數據對應的目標BP神經網絡模型，所述目標BP神經網絡模型由所述歷史數據訓練得到；根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍；將所述風暴潮位的淹沒高度以及淹沒范圍可視化展示。上述方案能夠提高臺風風暴潮的預測精確度和效率，并能夠可視化地展現臺風風暴潮的波及范圍。

技術領域

本發明涉及氣象技術領域，尤其涉及一種臺風風暴潮情景模擬方法及裝置。

背景技術

沿海城市容易受到自然災害的影響，特別是臺風的侵襲，且臺風往往伴隨著風暴潮給沿海城市造成巨大的經濟財產損失。目前，通常由氣象工作人員對風暴潮的路徑等進行預測，預測精度較低且效率低下，并且無法直觀地將臺風風暴場的波及范圍進行演示。

發明內容

本發明實施例解決的問題是臺風風暴潮預測的精度較低且效率低下。

為解決上述問題，本發明實施例提供了一種臺風風暴潮情景模擬方法，包括：獲取目標風暴潮的參數；根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，并獲取所述歷史風暴潮類別對應的歷史數據；獲取與所述歷史數據對應的目標BP神經網絡模型，所述目標BP神經網絡模型由所述歷史數據訓練得到；將所述目標風暴潮的參數輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位；根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍；將所述風暴潮位的淹沒高度以及淹沒范圍可視化展示。

可選地，所述獲取目標風暴潮的參數，包括：獲取所述目標風暴潮的氣壓場以及所述目標風暴潮的風壓場。

可選地，所述獲取與所述歷史數據對應的目標BP神經網絡模型，包括：將所述歷史數據中的風暴潮的氣壓場、風壓場、GIS地理數據以及海水水位作為輸入值，將所述歷史數據中的風暴潮的風暴潮位作為輸出值，傳輸至預設的BP神經網絡模型中進行訓練，得到所述目標BP神經網絡模型。

可選地，所述目標風暴潮的參數還包括：GIS地理數據、海水水位；所述將所述目標風暴潮的參數輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位數值，包括：將所述目標風暴潮的氣壓場、風壓場、GIS地理數據以及海水水位輸入至所述目標BP神經網絡模型中，獲取所述目標風暴潮對應的風暴潮位數值。

可選地，所述根據所述風暴潮位與已知的堤壩高度，確定所述風暴潮位的淹沒高度以及淹沒范圍，包括：根據所述風暴潮位與所述堤壩高度，確定所述風暴潮位的淹沒高度；根據所述目標風暴潮的風壓場與所述風暴潮位的淹沒高度，確定所述淹沒范圍。

可選地，所述根據所述目標風暴潮的參數，確定與所述目標風暴潮對應的歷史風暴潮類別，包括：在預設的歷史數據庫中，采用聚類算法確定所述目標風暴潮對應的歷史風暴潮類別。

可選地，所述采用聚類算法確定所述目標風暴潮的參數對應的歷史風暴潮類別，包括：采用kmeans聚類算法，將所述目標風暴潮的參數輸入至所述歷史數據庫中；根據預先定義的k個類和每個類的質心，計算所述目標風暴潮的參數所屬的候選類；重新計算所述候選類的質心至收斂，確定所述目標風暴潮對應的歷史風暴潮類別。

可選地，所述目標風暴潮的風壓場為所述目標風暴潮的移動速度；所述目標風暴潮的氣壓場采用如下公式確定：P＝P1-P2；其中，P為所述目標風暴潮的氣壓場，P1為所述目標風暴潮的中心氣壓，P2為所述目標風暴潮的邊緣氣壓。