测量系统和洪流警告方法与流程

本发明涉及一种测量系统和对应的方法，借助于该测量系统和对应的方法，能够预测作为区域反应的中心因素的水体的流域（通称为“分水界（watershed）”）中的流率和/或水位水平，以便在该区域中的高水位的情况下能够发出对应的警告。

背景技术：

1、随着极端天气事件的增加强度，水体的流域中的高水位事件的警告承担始终更中心的角色。高水位事件的纯记录根据现有技术基于水体的有意义的位置处的水平测量，诸如例如：

2、- 在水体的水源处，

3、- 在水体的入口处，

4、- 重要流入水平以下，伴随流域的面积明显增大，

5、- 在保水区域，具有水位水平-动态范围以及它们的入口和出口处的天然和人造湖泊或海洋。

6、在这种情况下，可以以具有对应尺度的结构可视地读取水平。在更现代的设计的情况下，也可以以自动方式测量水平，例如，借助于基于雷达的水平测量。例如从de102020100867 a1已知基于雷达的测量设备，借助于其可以确定水平，例如填充水平。

7、在de102020119488 a1中描述了极端降水事件的可能的局部解析分析。测量系统基于多个测量点处的降水量的局部测量，并且随后基于自学习的基于ai（“人工智能”）的算法进行偏心评估。有利的是可以实现非常小的网格分辨率。

8、高水位的正式警告主要基于气象数据的提供，借助于气象数据预测降水量作为中心决策标准。基于此，可以给出，数小时至数天前置时间的范围内，在未来时间段或未来时间点的区域反应的可靠预测。在这种情况下，用作作为时间的函数的区域反应的主要物理目标变量是区域的限定的目标位置（即感兴趣位置）处的水位水平和流量。

9、最小可能的网格，借助该网格可以基于纯气象数据量对区域反应预测进行位置解析（通常是几百米）。在这种情况下，在极端天气事件的情况下，降水量可以根据位置急剧变化。此外，在给定的情况下，可能由此产生的高水位情况取决于该预测区域中的未知水体情况，因为降水量经由水体及其流域被带走。在这种情况下，降水事件的区域参考结果被称为区域反应，其中在网格的所考虑的目标位置处的水位水平和流率是区域反应的中心、物理、测量变量。如果——所预测的——水位水平和/或流率超过针对目标位置单独限定的极限值，则这被限定为高水位情况。就这一点，不仅一阶水体，而且二阶和三阶水体以及它们的流域尤其危险，因为降水量主要沿着这些流域被带走。

技术实现思路

1、本发明的目的是能够为水体的流域中的至少一个限定的目标位置提供可靠的高水位警告。

2、本发明通过用于预测水体的流域中的至少一个限定的目标位置的水位水平和/或流率的测量系统来实现该目的。在这种情况下，本发明范围内的术语“预测”意味着计算将来的限定的时间点、时间长度或时间段的期望值。本发明的测量系统包括如下部件：

3、- 布置在水体的目标位置处和/或流域内的一个或多个测量设备，以便确定以测量值的形式的以下值

4、o水位水平

5、o土壤水分，诸如例如在wo 2019096766 a1中描述的，和/或

6、o降水，例如，降水的累积量或降水强度，

7、- 与至少一个测量设备连接的评估单元，其被设计为

8、o基于至少一个测量值，以及

9、o基于限定的算法，其描述水体的目标位置处的流率和/或水位水平对至少一个测量值的依赖性，

10、来针对限定的时间长度或在限定的时间段内预测目标位置处的流率和/或水位水平。

11、利用本发明的测量系统，在怀疑的情况下，可以分析情况，并且在高水位的危险的情况下，以足够的前置时间发出警告。此外，警告可以具有在位置上非常精细的分辨率。以这种方式，也可以检测在位置上极大地被限制的警告情况，这些情况将不能借助于基于纯气象数据的常规预测来检测。尤其是当各个目标位置处的水位水平/流率以及在给定情况下流动方向由覆盖限定时间段的测量系统预测时，在给定情况下，特定时间点的预测结果也可以对应地被校正，即，更新。

12、当在评估单元中实施机器学习算法，尤其是被形成为人工神经网络或深度学习方法的机器学习算法时，本发明的测量系统可以尤其有效地设计。在这种情况下，可以尤其基于连续测量的测量值并且基于在目标位置处测量至少一次的水位水平和/或在目标位置处测量至少一次的流率来训练或优化算法。

13、为了本发明的测量系统需要尽可能少的基础设施，并且可以以尽可能少的努力安装，有利的是，一个或多个测量设备例如通过为它们配备对应的缓冲电池而被设计为能量自给自足。尤其地，为了使电池尽可能长地保持寿命，测量设备的测量速率或其到评估单元的传输速率可以尤其地作为测量值或预测流率或预测水位水平的函数成比例地或逐步地被控制。以这种方式，在可能到达高水位事件的情况下，确切地在超过限定的极限值的情况下，确保测量设备足够频繁地测量和传输测量值。当测量设备的测量值或对应的预测区域反应（水位水平/流率）不超过极限值时，例如，可以通过评估单元控制对应地减慢测量和传输速率。

14、通常，本发明的测量系统的评估单元可以借助于任何合适的数字电路来实现，数字电路诸如例如fpga、微控制器或与对应程序协作的存储介质。优选地，去中心服务器可以用作评估单元，其中至少一个测量设备经由无线接口，尤其是gsm接口与服务器连接。这确保了快速且安全的测量值传输。

15、可选地，此外，水体的流域的气象预测数据可以被结合以优化目标位置处的预测的水位水平和/或预测的流率。为此，需要对应地设计评估单元，以便能够接收这样的数据。这又可以例如经由gsm接口发生。在这种情况下，算法必须被对应地设计，以便将气象预测数据结合到目标位置处的预测的流率和/或预测的水位水平的计算中。

16、对应于本发明的测量系统，本发明的目的通过匹配测量方法来实现。在这种情况下，该方法用于通过根据上述实施例之一的测量系统来预测水体的流域中的至少一个限定的目标位置处的流率和/或水位水平。该方法包括如下方法步骤：

17、- 将在水体的目标位置处和/或流域内的至少下述各项记录为至少一个测量值

18、o水位水平

19、o土壤水分，和/或

20、o降水，以及

21、- 至少基于下述各项在至少一个目标位置处计算针对限定的时间长度预测的流率和/或针对该时间长度预测的水位水平

22、o至少一个测量值，以及

23、o算法。

24、在这种情况下，本发明的高水位警告可以通过不仅针对一个目标位置而且针对流域中的两个或更多个不同目标位置确定水位水平和/或流率来改进。在这种情况下，通过算法的目标位置的“虚拟”布置可以以网格形式发生。尤其在评估单元的基于服务器的设计的情况下，实现多个目标位置的对应增加的计算努力不是问题。

1.一种用于预测水体（3）的流域（2）中的至少一个限定的目标位置（x）处的水位水平（l）和/或流率（）的测量系统，包括：

2.根据权利要求1所述的测量系统，其中，在所述评估单元（3）中形成机器学习算法，使得所述算法能够基于下述各项而被训练

3.根据权利要求2所述的测量系统，其中，所述机器学习算法被设计为人工神经网络，尤其是以深度学习方法的形式。

4.根据前述权利要求中的一项所述的测量系统，其中，所述评估单元（3）被设计成在限定的时间段内预测所述水体（2）的所述流率（）和/或所述水位水平（l）。

5.根据前述权利要求中的一项所述的测量系统，其中，所述至少一个测量设备（10、10'、11、12）尤其被设计为根据下述各项按比例地或逐步地设置到所述评估单元（3）的测量速率或传输速率

6.根据前述权利要求中的一项所述的测量系统，其中，所述评估单元（3）被设计为去中心服务器，并且其中，所述至少一个测量设备（10、10'、11、12）经由无线接口、尤其是gsm接口而与所述服务器（3）连接。

7.根据权利要求6所述的测量系统，其中，所述至少一个测量设备（10、10'、11、12）被设计为能量自给自足的、尤其是电池操作的。

8.根据前述权利要求中的至少一项所述的测量系统，其中，所述评估单元（3）被设计成接收所述水体（2）的所述流域（2）的气象预测数据，以及

9.一种借助于根据前述权利要求中的一项所述的测量系统来预测水体（2）的流域（1）中的至少一个限定的目标位置（x）处的流率（）和/或水位水平（l）的方法，其中，所述方法包括如下方法步骤：

10.根据权利要求9所述的方法，其中，在所述流域（1）中的至少四个不同的目标位置（x）、尤其是相对于彼此以限定的网格布置的位置处，确定所述水位水平（l）和/或所述流率（）。