技术摘要：
本发明属于内涝模型技术领域，具体涉及一种基于萤火虫算法的内涝模型预测方法，所述的方法包括：步骤1、使用神经网络的训练误差作为萤火虫个体的适应度函，训练神经网络的权值和阈值，得到最优参数；步骤2、使用步骤1中得到的最优参数构建内涝预测模型；本发明提供的基  全部
背景技术：
随着社会的发展，工业化进程加快，使得生态环境遭到破坏，内涝灾害频发，内涝 不仅会导致交通瘫痪，对人民的人身安全和财产都会造成很大的损失。对于内涝模型的研 究和内涝预测显得尤为重要。对城市内涝进行提前预报，提高预测的准确率，可以有效的减 少城市内涝的影响，加速智慧城市的进程。 传统的降雨积水模型SWMM等需要大量的基础数据资料，要求精通水文物理过程， 这些限制了模型的精度和使用。随着智慧城市的发展，排水网管监控系统的完善，能够实时 远程获得降雨和液位数据，而气象和降雨信息也可以实时采集到，利用这些监测数据可以 构建内涝预测模型，对城市内涝进行预测，减少损失。
技术实现要素：
本发明的目的在于克服现有内涝模型的不足，解决了神经网络易陷入局部极小的 缺点，本发明提供一种基于萤火虫算法的内涝模型预测方法。 为了实现上述目的，本发明采用以下技术方案予以实现： 一种基于萤火虫算法的内涝模型，包括以下步骤： 步骤1、使用神经网络的训练误差作为萤火虫个体的适应度函数训练神经网络的 阈值和权重，得到训练好的神经网络； 步骤2、使用步骤1中得到的神经网络构建内涝预测模型。 与现有技术相比，本发明具有以下技术效果： 本发明提供的基于萤火虫算法内涝模型预测方法，通过采用萤火虫群优化算法优 化神经网络的阈值和权值，采用训练好的神经网络模型进行内涝预测；该方法克服了传统 的降雨积水模型需要大量的基础数据资料，要求精通水文物理过程等不足之处，同时解决 了神经网络易陷入局部极小的缺点，对实现城市内涝的准确预报，以及加快智慧城市的进 程具有重要意义。 本发明的其他特征和优点将在随后的