Page 208 - 《武汉大学学报（信息科学版）》2025年第6期

1230 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

水量 627.5 mm，降水集中于夏季，冬季最少，年际 水深度为 b，若 b>a，则将 b 的值设定为 a。
变化大（最多 900 mm 以上，最少不足 400 mm）， 3）若前一个时间段 t−1 内未降雨且积水深
这种不稳定性易致旱涝灾害，在城市排水系统不 度小于 3 cm，而当前时间段 t 同样未降雨且积水
完善区域内涝较严重。本文使用开封市 15 个积 深度也小于 3 cm，则将当前时间段 t 的积水深度
水监测站和 6 个气象站 2020—2021 年间的小时 设定为 0。
积水深度、降水数据以及监测站点的位置数据。 原始数据可能在数值范围上差异较大，因此
2.2 数据预处理 需要进行规范化处理，使得数据具有一致的、可
积水监测数据通过传感器采集，极易受到温 比较的范围，让数据更适合模型去学习其中的特
度、湿度等外界因素的干扰，这使得积水监测站 征和规律，计算式分别为：
所测的积水深度数据存在大量异常值和缺失值。 x - x min
x 1 = （11）
为保证积水是由降雨导致的，需要通过滑动窗口 x max - x min
法对原始积水数据进行处理，保障数据的可靠性 y 1 = y - y min （12）

与规范性。 y max - y min
式 中 ， x 1 为 标 准 化 后 降 水 数 据 ； x 为 原 始 降 水 数
获取积水监测站的积水时间序列数据 R i、降
水时间序列数据 H i 以及各个站点间的距离数据， 据； x min、 x max 分别为降水数据最小值、最大值； y 1
其中 i 表示任意一个积水监测站。本文根据监测 为标准化后的积水深度数据； y 为原始积水深度
站的积水数据选择 3 h 作为窗口大小，从时间序 数据； y min、 y max 分别为积水深度最小值、最大值。
列 的 起 始 点 开 始 ，依 次 将 窗 口 滑 动 至 序 列 的 末 将插值和填补后得到的积水和降雨数据进
尾，每次滑动 3 h。移动窗口进行处理数据时具体 行可视化展示。图 3 展示了所有积水监测站点积
规则和要求如下： 水深度和降雨量随时间的变化。从图 3 可以看
1）在当前时间段 t 内未发生降雨且在前一个 出，1 号和 9 号这两个站点的数据变化较多，故将
时间段 t−1 内无积水的情况下，如果当前时间段 这两个站点的积水深度和降雨量随时间变化图
出现了积水，则将其积水深度记录为 0。 以折线图的形式单独展示出来，如图 4 所示。当
2）在当前时间段 t 未降雨且积水深度为 a 的 积水深度发生变化时，几乎总是伴随着降水的发
情况下，若在前一个时间段 t−1 同样未降雨且积 生，说明两者之间的关系紧密。

图 3 积水监测站点积水深度与降雨量随时间变化图
Fig. 3 Plot of Water Depth and Rainfall at Waterlogging Monitoring Stations over Time

2.3 结果与分析 水数据相关性的同时，融入距离这个重要因素，
2.3.1 节点关系矩阵 体现监测站之间积水深度相互影响程度，使矩阵
通过利用站点距离数据来构建带有权重的 更准确地反映实际情况，提高预测精度。节点关
节点关系矩阵，能够更全面地考虑积水监测站之 系矩阵如图 5 所示。从图 5 可以看出，2 号与 8 号
间的关系。权重系数代表了监测站之间距离对 两个积水监测站点间的相互影响程度最大，其次
它们相互关系的影响，这样构建的矩阵在考虑积 是 11 号与 12 号两个积水监测站点。