基于机器学习算法的城市雨水管网一体化排水模型

    综合考虑地下管网的布局、水的流速流量、降雨量、地形地貌、下垫面结构等易涝点流域影响因素，对现有的SWMM、Mike、InfoWorks ICM等建模引擎进行改造和创新，在此基础上结合了实时感知的水质水量数据，研发了可动态反馈的城市地下管网径流及污染物扩散模型。进一步针对丘陵、平原、海岛等典型地貌，及干旱、融雪等不同气候特征的城市，构建可复用的城市地下管网径流模型库。
    针对多源、异构、时变的水质水量大数据，在城市地下管网径流模型基础上，综合应用强化学习、神经网络、时间序列分析、演化计算等人工智能技术，面向防涝需求研发管网布局、水量水质传感器布点优化方案，进一步研发了水容量与淤堵状态、污染物扩散预测技术，实现城市防涝异常检测。