CN103177301B - 一种台风灾害风险预估方法 - Google Patents
一种台风灾害风险预估方法 Download PDFInfo
- Publication number
- CN103177301B CN103177301B CN201310078961.XA CN201310078961A CN103177301B CN 103177301 B CN103177301 B CN 103177301B CN 201310078961 A CN201310078961 A CN 201310078961A CN 103177301 B CN103177301 B CN 103177301B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- disaster
- typhoon disaster
- calamity
- monitored area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种台风灾害风险预估方法,针对指定监测区域的台风灾害所造成的损失数据进行统计分析,选择致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力作为台风灾害风险评估指标体系,用模糊变换理论建立台风灾害风险预估模型,把台风预报结果作为预估模型的启动条件和输入条件,经过预估模型的计算和分析,得到未来一段时间被预估地区是否致灾以及致灾的灾害风险等级,从而提高气象灾害的预警能力。
Description
技术领域
本发明涉及一种台风灾害风险预估方法。
背景技术
首先对于目前台风灾害的风险评估技术,基本上都是基于历史数据的统计分析,选取相关因素因子,根据各个相关因素因子造成台风灾害的影响程度确定权重系数,最后构建台风灾害综合风险区划模型,得到风险区划结果,实现对某一地区历史台风灾害的一个风险区划,但是对于气象或政府等业务部门而言,实现对未来台风可能造成灾害损失的预估更具有现实意义。目前关于台风灾害的预估,都是台风与房屋倒损、农田受淹以及直接经济损失等单个灾情之间的灾害预估,而对于台风灾害可能造成的多指标灾害综合严重程度的预估还缺乏有效的方法。
其次,针对台风灾害的风险评估中,对致灾因子危险性评价模型的研究,基本上都是通过对台风产生的极大风速和累积雨量这两个测量值与台风灾害的灾情状况分别建立关联关系,但是它们彼此之间也存在着相互影响关系,这两个因子共同作用可能会产生更为严重的台风灾害。由于致灾因子危险性指数的准确性直接影响台风灾害实时风险预估的准确性,因此需要选择一种方法能够对台风的实时观测数据进行客观的分析,并且选择的方法要能够适应台风灾害样本少的特点。
发明内容
本发明所要解决的技术问题是提供一种基于客观分析,各项因素考虑周全,预报准确的台风灾害风险预估方法。
本发明为了解决上述技术问题采用以下技术方案:本发明提出了一种台风灾害风险预估方法,针对指定监测区域的未来台风灾害进行预估,包括如下步骤:
步骤1.根据指定的台风灾害等级集合K,指定的台风灾害参评指标集合J,以及指定监测区域各监测时间段i对应于各项台风灾害参评指标j的统计数据,通过灰色关联分析法获得指定监测区域各监测时间段台风灾害的灾害关联度值;其中,步骤1包括如下步骤:
步骤Ⅰ.设定台风灾害等级集合K={巨灾,重灾,中灾,小灾,微灾},k∈K;台风灾害参评指标集合J={伤亡人口数,倒损房间数,农作物受灾面积亩,直接经济损失},j∈J;统计指定监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据,i∈I;并设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系;
步骤Ⅱ.对台风灾害等级集合K与台风灾害参评指标集合J的对应关系、以及监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据分别进行无量纲化处理;
步骤Ⅲ.设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系的参考序列{U0j},j={1、…J};将监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据作为比较序列{Uij},i={1、…I};通过公式Δ0i(j)=|U0j-Uij|分别获得参考序列U0j与比较序列Uij在对应各项台风灾害参评指标j上的绝对差值Δ0i(j);
步骤Ⅳ.根据获得参考序列U0j与比较序列Uij对应各项台风灾害参评指标j间的关联系数ξ0i(j);
步骤Ⅴ.通过等权处理平均值法,根据获得各个比较序列Uij的灾害关联度值,即指定监测区域各监测时间段台风灾害的灾害关联度值;
步骤2.定义致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力四大因素作为台风灾害预估的评价指标,其中,孕灾环境敏感性的评价指标体系A={A1,…,Aδ,…},通过层次分析法确定评价指标体系中各个Aδ所相对应的权重系数{Cδ},进而通过S=ΣAδCδ获得孕灾环境敏感性的值S;同理获得承灾体易损性的值R,防灾减灾能力的值V;致灾因子危险性的评价指标体系B={大风危险性指数,暴雨危险性指数},根据致灾因子危险性的评价指标体系B,获得致灾因子危险性的值H;
步骤3.使用模糊综合评价法对致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V进行分析,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果;
所述步骤2中,获得致灾因子危险性的值H包括如下步骤:
步骤⑴.获得指定监测区域未来台风风速对应的台风日极大风速等级wd,根据指定监测区域的台风日极大风速的历史数据情况,设置台风日极大风速等级集合W={w1,…,wd,…,wε},d={1,…,ε};设置台风灾害灾度等级集合E={e1,…,eg,…,ek},g={1,…,k},以及各个台风灾害灾度等级eg与灾害关联度值的对应关系;根据指定监测区域历史数据中各监测时间段观测台风风速对应的台风日极大风速等级与该监测区域各监测时间段台风灾害的灾害关联度值,获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y={y1,…,yt,…,ys},t={1,…,s},即该监测区域对应台风日极大风速等级wd的灾害关联度值的集合;
步骤⑵.根据该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,以及各个台风灾害灾度等级eg与灾害关联度值的对应关系,获得该监测区域台风日极大风速等级wd与台风灾害灾度等级集合E的对应关系;并将该监测区域对应台风日极大风速等级wd的各个台风灾害灾度yt通过公式扩散给该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg,其中,η=λ(b-a)(s-1),a、b分别为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中的最小值和最大值,s为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y的个数,参数λ通过下面公式确定:
步骤⑶.通过函数获得该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg相对于台风日极大风速等级wd所对应的各个台风灾害灾度yt的隶属度μyt(eg),则通过获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,信息扩散给E后属于各个台风灾害灾度等级eg的台风次数q(eg);
步骤⑷.通过获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,各个台风灾害灾度yt属于各个台风灾害灾度等级eg的概率集合{p(eg)};
步骤⑸.根据最大值法,在集合{p(eg)}中选择最大值所对应的台风灾害灾度等级eg即为该监测区域台风日极大风速等级为wd所对应概率最大的台风灾害灾度等级epmax;
步骤⑹.根据该监测区域台风日极大风速等级为wd所对应的台风灾害灾度等级eg,通过N(eg)=p(eg)×z(eg)获得大风危险性指数N(eg);并按照与大风同样的方法,获得暴雨危险性指数M(eg),eg为设置的台风灾害灾度等级集合E中的台风灾害灾度等级;相应的使用层次分析法分别确定各个台风灾害灾度等级下,大风危险性指数和暴雨危险性指数的相应权重系数{α(eg)}和{β(eg)};z(eg)表示该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,属于台风灾害灾度等级eg的台风年均发生次数;
步骤⑺.根据指定监测区域各监测时间段台风灾害的灾害关联度值,以及历次台风灾害的极大风速和日最大降水,通过典型回归分析方法建立致灾因子与灾度的多元线性统计回归模型z=Ax+By+c,获得暴雨与大风对灾害关联度值的影响系数A和B,其中,变量x和y分别表示指定监测区域历次台风灾害的日最大降水和极大风速,变量z表示台风灾害的灾害关联度值;
步骤⑻.根据致灾因子危险性模型H=A×Σβ(eg)M(eg)+B×Σα(eg)N(eg),获得致灾因子危险性的值H,其中Σα(eg)N(eg)为台风灾害灾度等级小于等于epmax的大风指数之和,同理Σβ(eg)M(eg)。
作为本发明的一种优选技术方案:所述步骤1中还包括,根据指定监测区域各监测时间段台风灾害的灾害关联度值,将指定监测区域各监测时间段台风灾害按照指定的台风灾害等级进行划分。
作为本发明的一种优选技术方案:所述步骤Ⅲ中,设置参考序列{U0j}中各个U0j=1,j={1、…J}。
作为本发明的一种优选技术方案:所述步骤Ⅱ中,针对台风灾害等级集合K与台风灾害参评指标集合J的对应关系进行无量纲化处理的操作通过如下公式实现:
其中,x为台风灾害参评指标的值,Xmin和Xmax为各台风灾害参评指标对应各台风灾害等级区间中的最大值和最小值,grad为各台风灾害参评指标对应各台风灾害等级中的最小值。
作为本发明的一种优选技术方案:所述步骤3包括如下步骤:
步骤a.分别将致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V四个评测指标根据台风灾害风险等级集合D={φ1、…φv}进行划分,并根据四个指标的隶属函数W={f1,f2,f3,f4}确定相应每个评测指标相对于台风灾害风险等级集合的隶属度,构建隶属关系矩阵
步骤b.使用层次分析法获得评价指标权重将指标权重O与隶属关系矩阵G进行合成运算得到模糊综合评价结果向量
步骤c.根据最大隶属度法对模糊综合评价结果向量中的值取最大即获得该监测区域未来台风灾害严重程度的预估值,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果。
作为本发明的一种优选技术方案:所述步骤3之后,还包括如下步骤:
步骤4.通过WebGIS将该监测区域未来台风灾害风险的预估结果与地图进行叠置分析,将台风灾害风险的未来预估结果与地图相结合。
本发明所述一种台风灾害风险预估方法采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明设计的台风灾害风险预估方法通过采用灰色关联分析法、信息扩散理论,并结合多种影响因素进行叠加分析,有效准确的实现了对台风灾害综合风险的预估;
(2)本发明设计的台风灾害风险预估方法对台风灾害的预估过程以及预估出的综合风险结果通过WebGIS,在地图上更加快速、直观的发布,并实现过程性验证。
附图说明
图1是本发明设计的台风灾害风险预估方法的流程图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,本发明提出了一种台风灾害风险预估方法,针对指定监测区域的未来台风灾害进行预估,包括如下步骤:
步骤1.根据指定的台风灾害等级集合K,指定的台风灾害参评指标集合J,以及指定监测区域各监测时间段i对应于各项台风灾害参评指标j的统计数据,通过灰色关联分析法获得指定监测区域各监测时间段台风灾害的灾害关联度值;其中,步骤1包括如下步骤:
步骤Ⅰ.设定台风灾害等级集合K={巨灾,重灾,中灾,小灾,微灾},k∈K;台风灾害参评指标集合J={伤亡人口数,倒损房间数,农作物受灾面积亩,直接经济损失},j∈J;统计指定监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据,i∈I;并设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系;
步骤Ⅱ.对台风灾害等级集合K与台风灾害参评指标集合J的对应关系、以及监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据分别进行无量纲化处理;
步骤Ⅲ.设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系的参考序列{U0j},j={1、…J};将监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据作为比较序列{Uij},i={1、…I};通过公式Δ0i(j)=|U0j-Uij|分别获得参考序列U0j与比较序列Uij在对应各项台风灾害参评指标j上的绝对差值Δ0i(j);
步骤Ⅳ.根据获得参考序列U0j与比较序列Uij对应各项台风灾害参评指标j间的关联系数ξ0i(j);
步骤Ⅴ.通过等权处理平均值法,根据获得各个比较序列Uij的灾害关联度值,即指定监测区域各监测时间段台风灾害的灾害关联度值;
步骤2.定义致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力四大因素作为台风灾害预估的评价指标,其中,孕灾环境敏感性的评价指标体系A={A1,…,Aδ,…},通过层次分析法确定评价指标体系中各个Aδ所相对应的权重系数{Cδ},进而通过S=ΣAδCδ获得孕灾环境敏感性的值S;同理获得承灾体易损性的值R,防灾减灾能力的值V;致灾因子危险性的评价指标体系B={大风危险性指数,暴雨危险性指数},根据致灾因子危险性的评价指标体系B,获得致灾因子危险性的值H;
步骤3.使用模糊综合评价法对致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V进行分析,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果;
所述步骤2中,获得致灾因子危险性的值H包括如下步骤:
步骤⑴.获得指定监测区域未来台风风速对应的台风日极大风速等级wd,根据指定监测区域的台风日极大风速的历史数据情况,设置台风日极大风速等级集合W={w1,…,wd,…,wε},d={1,…,ε};设置台风灾害灾度等级集合E={e1,…,eg,…,ek},g={1,…,k},以及各个台风灾害灾度等级eg与灾害关联度值的对应关系;根据指定监测区域历史数据中各监测时间段观测台风风速对应的台风日极大风速等级与该监测区域各监测时间段台风灾害的灾害关联度值,获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y={y1,…,yt,…,ys},t={1,…,s},即该监测区域对应台风日极大风速等级wd的灾害关联度值的集合;
步骤⑵.根据该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,以及各个台风灾害灾度等级eg与灾害关联度值的对应关系,获得该监测区域台风日极大风速等级wd与台风灾害灾度等级集合E的对应关系;并将该监测区域对应台风日极大风速等级wd的各个台风灾害灾度yt通过公式扩散给该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg,其中,η=λ(b-a)(s-1),a、b分别为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中的最小值和最大值,s为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y的个数,参数λ通过下面公式确定:
步骤⑶.通过函数获得该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg相对于台风日极大风速等级wd所对应的各个台风灾害灾度yt的隶属度μyt(eg),则通过获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,信息扩散给E后属于各个台风灾害灾度等级eg的台风次数q(eg);
步骤⑷.通过获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,各个台风灾害灾度yt属于各个台风灾害灾度等级eg的概率集合{p(eg)};
步骤⑸.根据最大值法,在集合{p(eg)}中选择最大值所对应的台风灾害灾度等级eg即为该监测区域台风日极大风速等级为wd所对应概率最大的台风灾害灾度等级epmax;
步骤⑹.根据该监测区域台风日极大风速等级为wd所对应的台风灾害灾度等级eg,通过N(eg)=p(eg)×z(eg)获得大风危险性指数N(eg);并按照与大风同样的方法,获得暴雨危险性指数M(eg),eg为设置的台风灾害灾度等级集合E中的台风灾害灾度等级;相应的使用层次分析法分别确定各个台风灾害灾度等级下,大风危险性指数和暴雨危险性指数的相应权重系数{α(eg)}和{β(eg)};z(eg)表示该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,属于台风灾害灾度等级eg的台风年均发生次数;
步骤⑺.根据指定监测区域各监测时间段台风灾害的灾害关联度值,以及历次台风灾害的极大风速和日最大降水,通过典型回归分析方法建立致灾因子与灾度的多元线性统计回归模型z=Ax+By+c,获得暴雨与大风对灾害关联度值的影响系数A和B,其中,变量x和y分别表示指定监测区域历次台风灾害的日最大降水和极大风速,变量z表示台风灾害的灾害关联度值;
步骤⑻.根据致灾因子危险性模型H=A×Σβ(eg)M(eg)+B×Σα(eg)N(eg),获得致灾因子危险性的值H,其中Σα(eg)N(eg)为台风灾害灾度等级小于等于epmax的大风指数之和,同理Σβ(eg)M(eg)。
本发明设计的台风灾害风险预估方法通过采用灰色关联分析法、信息扩散理论,并结合多种影响因素进行叠加分析,有效准确的实现了对台风灾害综合风险的预估。
作为本发明的一种优选技术方案:所述步骤1中还包括,根据指定监测区域各监测时间段台风灾害的灾害关联度值,将指定监测区域各监测时间段台风灾害按照指定的台风灾害等级进行划分。
作为本发明的一种优选技术方案:所述步骤Ⅲ中,设置参考序列{U0j}中各个U0j=1,j={1、…J}。
作为本发明的一种优选技术方案:所述步骤Ⅱ中,针对台风灾害等级集合K与台风灾害参评指标集合J的对应关系进行无量纲化处理的操作通过如下公式实现:
其中,x为台风灾害参评指标的值,Xmin和Xmax为各台风灾害参评指标对应各台风灾害等级区间中的最大值和最小值,grad为各台风灾害参评指标对应各台风灾害等级中的最小值。
作为本发明的一种优选技术方案:所述步骤3包括如下步骤:
步骤a.分别将致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V四个评测指标根据台风灾害风险等级集合D={φ1、…φv}进行划分,并根据四个指标的隶属函数W={f1,f2,f3,f4}确定相应每个评测指标相对于台风灾害风险等级集合的隶属度,构建隶属关系矩阵
步骤b.使用层次分析法获得评价指标权重将指标权重O与隶属关系矩阵G进行合成运算得到模糊综合评价结果向量
步骤c.根据最大隶属度法对模糊综合评价结果向量中的值取最大即获得该监测区域未来台风灾害严重程度的预估值,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果。
作为本发明的一种优选技术方案:所述步骤3之后,还包括如下步骤:
步骤4.通过WebGIS将该监测区域未来台风灾害风险的预估结果与地图进行叠置分析,将台风灾害风险的未来预估结果与地图相结合。
本发明设计的台风灾害风险预估方法对台风灾害的预估过程以及预估出的综合风险结果通过WebGIS,在地图上更加快速、直观的发布,并实现过程性验证。
本发明设计的台风灾害风险预估方法在实际的应用过程中,包括如下步骤:
设置台风灾害等级集合K={巨灾,重灾,中灾,小灾,微灾},台风灾害参评指标集合J={伤亡人口数/个,倒损房间数/间,农作物受灾面积/万亩,直接经济损失/万元},并结合指定监测区域的实际情况,设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系如下表:
指标 | 巨灾 | 重灾 | 中灾 | 轻灾 | 微灾 |
伤亡人口数/个 | >102 | 30~102 | 3~30 | 1~3 | 0 |
倒损房屋数/间 | >104 | 103~104 | 200~103 | 10~200 | <10 |
农作物受灾面积/万亩 | >200 | 100~200 | 60~100 | 10~60 | 0~10 |
直接经济损失/万元 | >104 | 103~104 | 200~103 | 80~200 | <80 |
通过对上表的数据进行无量纲化处理,将四个台风灾害参评指标的值转换为0~1之间的数,并与台风灾害等级一一对应,即巨灾的所有台风灾害参评指标的值都在(0.8,1.0)区间,重灾、中灾、轻灾和微灾的台风灾害参评指标的值分别在(0.6,0.8)、(0.4,0.6)、(0.2,0.4)和(0,0.2)区间,并且巨灾、重灾、中灾、轻灾和微灾的grade的值分别为0.8、0.6、0.4、0.2、0。
统计指定监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据,如监测区域第i年的各项台风灾害参评指标值统计为{72人,8000间,157万亩,3700万元},经过无量纲化处理后,使得各项台风灾害参评指标的值转换为{0.72,0.76,0.71,0.61},通过以上方法对监测区域各监测时间段i对应于各项台风灾害参评指标j的其它实测数据分别进行转换得到Uij,i∈I,j∈J。
通过灰色关联分析法设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系的参考序列{U0j}={1,1,1,1},j={1、…J};将监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据作为比较序列{Uij},i={1、…I};通过公式Δ0i(j)=|U0j-Uij分别获得参考序列U0j与比较序列Uij在对应各项台风灾害参评指标j上的绝对差值Δ0i(j),并根据分别获得参考序列U0j与比较序列Uij对应各项台风灾害参评指标j间的关联系数ξ0i(j),再根据获得各个比较序列Uij的灾害关联度值,即指定监测区域各监测时间段台风灾害的灾害关联度值,如根据上述指定监测区域第i年的各项台风灾害参评指标值统计为{72人,8000间,157万亩,3700万元}来计算,则获得上述指定监测区域第i年的台风灾害的灾害关联度值为0.77,属于重灾。
定义致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力四大因素作为台风灾害预估的评价指标,其中,孕灾环境敏感性的评价指标体系A={A1,…,Aδ,…},通过层次分析法确定评价指标体系中各个Aδ所相对应的权重系数{Cδ},进而通过S=ΣAδCδ获得孕灾环境敏感性的值S;同理获得承灾体易损性的值R,防灾减灾能力的值V;致灾因子危险性的评价指标体系B={大风危险性指数,暴雨危险性指数},根据致灾因子危险性的评价指标体系B,获得致灾因子危险性的值H。
实际应用中,孕灾环境敏感性的评价指标体系A={海拔高度,地形起伏度和坡度,河网密度,森林覆盖率,地质灾害易发区};承灾体易损性的评价指标体系为{人口密度,农业产值,农业用地比重,道路密度,地均GDP};防灾减灾能力的评价指标体系为{财政收入,旱涝保收面积比重,医疗卫生水平,农林水利财政投入}。
获得指定监测区域未来台风风速对应的台风日极大风速等级wd,根据指定监测区域的台风日极大风速的历史数据情况,设置台风日极大风速等级集合W={七级(>13.9m/s),八级(>17.2m/s),九级(>20.8m/s),十级(>24.5m/s),十一级(>28.5m/s),十二级(>32.7m/s)};设置台风灾害灾度等级集合E={巨灾,重灾,中灾,小灾,微灾},以及各个台风灾害灾度等级eg与灾害关联度值的对应关系{巨灾(0.8~1.0),重灾(0.6~0.8),中灾(0.4~0.6),小灾(0.2~0.4),微灾(0.0~0.2)};当指定监测区域未来台风风速对应的台风日极大风速等级wd为七级时,获得该监测区域对应台风日极大风速等级为七级的历史台风灾害灾度集合Y={y1,…,yt,…,ys},t={1,…,s},共计15个,即s=15,即该监测区域对应台风日极大风速等级为七级的灾害关联度值的集合。
根据该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,以及各个台风灾害灾度等级eg与灾害关联度值的对应关系,获得该监测区域台风日极大风速等级wd与台风灾害灾度等级集合E的对应关系;并将该监测区域对应台风日极大风速等级为七级的各个台风灾害灾度yt通过公式扩散给该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg,其中,η=λ(b-a)(s-1),a、b分别为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中的最小值和最大值,s为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y的个数,参数λ通过下面公式确定:
此时,λ=2.6851,使用信息扩散理论后得到下表:
通过函数获得该监测区域台风日极大风速等级为七级所对应的各个台风灾害灾度等级eg相对于台风日极大风速等级为七级所对应的各个台风灾害灾度yt的隶属度μyt(eg),如下表所示:
通过获得该监测区域对应台风日极大风速等级为七级的台风灾害灾度集合Y中,属于各个台风灾害灾度等级eg的台风次数q(eg),如下表所示:
通过获得该监测区域对应台风日极大风速等级为七级的台风灾害灾度集合Y,信息扩散给E后各个台风灾害灾度yt属于各个台风灾害灾度等级eg的概率集合{p(eg)}。
根据最大值法,在集合{p(eg)}中选择最大值所对应的台风灾害灾度等级eg即为该监测区域台风日极大风速等级为七级所对应概率最大的台风灾害灾度等级epmax。
根据该监测区域台风日极大风速等级为七级所对应的台风灾害灾度等级eg,通过N(eg)=p(eg)×z(eg)获得大风危险性指数N(eg);并按照与大风同样的方法,获得暴雨危险性指数M(eg),eg为设置的台风灾害灾度等级集合E中的台风灾害灾度等级;相应的使用层次分析法分别确定各个台风灾害灾度等级下,大风危险性指数和暴雨危险性指数的相应权重系数{α(eg)}和{β(eg)};z(eg)表示该监测区域对应台风日极大风速等级为七级的台风灾害灾度集合Y中,属于台风灾害灾度等级eg的台风年均发生次数。
根据指定监测区域各监测时间段台风灾害的灾害关联度值,以及历次台风灾害的极大风速和日最大降水,通过典型回归分析方法建立致灾因子与灾度的多元线性统计回归模型z=Ax+By+c,获得暴雨与大风对灾害关联度值的影响系数A和B,其中,变量x和y分别表示指定监测区域历次台风灾害的日最大降水和极大风速,变量z表示台风灾害的灾害关联度值。
根据致灾因子危险性模型H=A×Σβ(eg)M(eg)+B×Σα(eg)N(eg),获得致灾因子危险性的值H,其中Σα(eg)N(eg)为台风灾害灾度等级小于等于epmax的大风指数之和,同理Σβ(eg)M(eg)。
如上表,假设概率集合{p(eg)}中概率p(e3)最大。则大风危险性指数为Σα(eg)N(eg)=α(e3)N(e3)+α(e4)N(e4)+α(e5)N(e5)。
使用模糊综合评价法对致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V进行分析,获得该监测区域未来台风灾害的灾害关联度值的预估值,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果。
其中,使用模糊综合评价法对致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V进行分析,获得该监测区域未来台风灾害的灾害关联度值的预估值,包括如下步骤:
分别将致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V四个评测指标根据台风灾害风险等级集合D={低风险、次低风险、中等风险、次高风险、高风险}中的五个等级进行划分,并根据四个指标的隶属函数W={f1,f2,f3,f4}确定相应每个评测指标相对于台风灾害风险等级集合的隶属度,构建隶属关系矩阵
使用层次分析法获得评价指标权重将指标权重O与隶属关系矩阵G进行合成运算得到模糊综合评价结果向量
根据最大隶属度法对模糊综合评价结果向量中的值取最大即获得该监测区域未来台风灾害严重程度的预估值,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果。
最终通过WebGIS将该监测区域未来台风灾害风险的预估结果与地图进行叠置分析,将台风灾害风险的未来预估结果与地图相结合,能够快速直观的便于工作人员查看,提高气象灾害的预警能力。
本发明专利设计的台风灾害风险预估方法,针对指定监测区域的台风灾害所造成的损失数据进行统计分析,选择致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力作为台风灾害风险评估指标体系,用模糊变换理论建立台风灾害风险预估模型,把台风预报结果作为预估模型的启动条件和输入条件,经过预估模型的计算和分析,得到未来一段时间被预估地区是否致灾以及致灾的灾害风险等级,从而提高气象灾害的预警能力。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种台风灾害风险预估方法,针对指定监测区域的未来台风灾害进行预估,包括如下步骤:
步骤1.根据指定的台风灾害等级集合K,指定的台风灾害参评指标集合J,以及指定监测区域各监测时间段i对应于各项台风灾害参评指标j的统计数据,通过灰色关联分析法获得指定监测区域各监测时间段台风灾害的灾害关联度值;其中,步骤1包括如下步骤:步骤Ⅰ.设定台风灾害等级集合K={巨灾,重灾,中灾,小灾,微灾},k∈K;台风灾害参评指标集合J={伤亡人口数,倒损房间数,农作物受灾面积亩,直接经济损失},j∈J;统计指定监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据,i∈I;并设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系;
步骤Ⅱ.对台风灾害等级集合K与台风灾害参评指标集合J的对应关系、以及监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据分别进行无量纲化处理;
步骤Ⅲ.设置台风灾害等级集合K与台风灾害参评指标集合J的对应关系的参考序列{U0j},j={1、…J};将监测区域各监测时间段i对应于各项台风灾害参评指标j的实测数据作为比较序列{Uij},i={1、…I};通过公式Δ0i(j)=|U0j-Uij|分别获得参考序列U0j与比较序列Uij在对应各项台风灾害参评指标j上的绝对差值Δ0i(j);
步骤Ⅳ.根据获得参考序列U0j与比较序列Uij对应各项台风灾害参评指标j间的关联系数ξ0i(j);
步骤Ⅴ.通过等权处理平均值法,根据获得各个比较序列Uij的灾害关联度值,即指定监测区域各监测时间段台风灾害的灾害关联度值;
步骤2.定义致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力四大因素作为台风灾害预估的评价指标,其中,孕灾环境敏感性的评价指标体系A={A1,…,Aδ,…},通过层次分析法确定评价指标体系中各个Aδ所相对应的权重系数{Cδ},进而通过S=∑AδCδ获得孕灾环境敏感性的值S;同理获得承灾体易损性的值R,防灾减灾能力的值V;致灾因子危险性的评价指标体系B={大风危险性指数,暴雨危险性指数},根据致灾因子危险性的评价指标体系B,获得致灾因子危险性的值H;
步骤3.使用模糊综合评价法对致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V进行分析,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果;
其特征在于,所述步骤2中,获得致灾因子危险性的值H包括如下步骤:
步骤⑴.获得指定监测区域未来台风风速对应的台风日极大风速等级wd,根据指定监测区域的台风日极大风速的历史数据情况,设置台风日极大风速等级集合W={w1,…,wd,…,wε},d={1,…,ε};设置台风灾害灾度等级集合E={e1,…,eg,…,ek},g={1,…,k},以及各个台风灾害灾度等级eg与灾害关联度值的对应关系;根据指定监测区域历史数据中各监测时间段观测台风风速对应的台风日极大风速等级与该监测区域各监测时间段台风灾害的灾害关联度值,获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y={y1,…,yt,…,ys},t={1,…,s},即该监测区域对应台风日极大风速等级wd的灾害关联度值的集合;
步骤⑵.根据该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,以及各个台风灾害灾度等级eg与灾害关联度值的对应关系,获得该监测区域台风日极大风速等级wd与台风灾害灾度等级集合E的对应关系;并将该监测区域对应台风日极大风速等级wd的各个台风灾害灾度yt通过公式扩散给该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg,其中,η=λ(b-a)(s-1),a、b分别为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中的最小值和最大值,s为该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y的个数,参数λ通过下面公式确定:
步骤⑶.通过函数获得该监测区域台风日极大风速等级wd所对应的各个台风灾害灾度等级eg相对于台风日极大风速等级wd所对应的各个台风灾害灾度yt的隶属度μyt(eg),则通过获得该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y,信息扩散给台风灾害灾度等级集合E后属于各个台风灾害灾度等级eg的台风次数q(eg);
步骤⑷.通过获得该监测区域对应台风日极大风速等级wd对应的台风灾害灾度集合Y中,各个台风灾害灾度yt属于各个台风灾害灾度等级eg的概率集合{p(eg)};
步骤⑸.根据最大值法,在集合{p(eg)}中选择最大值p(eg)max,p(eg)max所对应的台风灾害灾度等级eg即为该监测区域台风日极大风速等级为wd所对应概率最大的台风灾害灾度等级epmax;
步骤⑹.根据该监测区域台风日极大风速等级为wd所对应的台风灾害灾度等级eg,通过N(eg)=p(eg)×z(eg)获得大风危险性指数N(eg);并按照与大风同样的方法,获得暴雨危险性指数M(eg),eg为设置的台风灾害灾度等级集合E中的台风灾害灾度等级;相应的使用层次分析法分别确定各个台风灾害灾度等级下,大风危险性指数和暴雨危险性指数的相应权重系数{α(eg)}和{β(eg)};z(eg)表示该监测区域对应台风日极大风速等级wd的台风灾害灾度集合Y中,属于台风灾害灾度等级eg的台风年均发生次数;
步骤⑺.根据指定监测区域各监测时间段台风灾害的灾害关联度值,以及历次台风灾害的极大风速和日最大降水,通过典型回归分析方法建立致灾因子与灾度的多元线性统计回归模型z=Ax+By+c,获得暴雨与大风对灾害关联度值的影响系数A和B,其中,变量x和y分别表示指定监测区域历次台风灾害的日最大降水和极大风速,变量z表示台风灾害的灾害关联度值;
步骤⑻.根据致灾因子危险性模型H=A×∑β(eg)M(eg)+B×∑α(eg)N(eg),获得致灾因子危险性的值H,其中∑α(eg)N(eg)为台风灾害灾度等级小于等于epmax的大风指数之和,同理∑β(eg)M(eg)。
2.根据权利要求1所述一种台风灾害风险预估方法,其特征在于:所述步骤1中还包括,根据指定监测区域各监测时间段台风灾害的灾害关联度值,将指定监测区域各监测时间段台风灾害按照指定的台风灾害等级进行划分。
3.根据权利要求1所述一种台风灾害风险预估方法,其特征在于:所述步骤Ⅲ中,设置参考序列{U0j}中各个U0j=1,j={1、…J}。
4.根据权利要求1所述一种台风灾害风险预估方法,其特征在于:所述步骤Ⅱ中,针对台风灾害等级集合K与台风灾害参评指标集合J的对应关系进行无量纲化处理的操作通过如下公式实现:
其中,x为台风灾害参评指标的值,Xmin和Xmax为各台风灾害参评指标对应各台风灾害等级区间中的最大值和最小值,grad为各台风灾害参评指标对应各台风灾害等级中的最小值。
5.根据权利要求1所述一种台风灾害风险预估方法,其特征在于:所述步骤3包括如下步骤:
步骤a.分别将致灾因子危险性的值H、孕灾环境敏感性的值S、承灾体易损性的值R和防灾减灾能力的值V四个评测指标根据台风灾害风险等级集合D={φ1、…φv}进行划分,并根据四个指标的隶属函数W={f1,f2,f3,f4}确定相应每个评测指标相对于台风灾害风险等级集合的隶属度,构建隶属关系矩阵
步骤b.使用层次分析法获得评价指标权重将指标权重O与隶属关系矩阵G进行合成运算得到模糊综合评价结果向量
步骤c.根据最大隶属度法对模糊综合评价结果向量中的值取最大即获得该监测区域未来台风灾害严重程度的预估值,并根据各个台风灾害灾度等级与灾害关联度值的对应关系,获得该监测区域未来台风灾害风险的预估结果。
6.根据权利要求1所述一种台风灾害风险预估方法,其特征在于:所述步骤3之后,还包括如下步骤:
步骤4.通过WebGIS将该监测区域未来台风灾害风险的预估结果与地图进行叠置分析,将台风灾害风险的未来预估结果与地图相结合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310078961.XA CN103177301B (zh) | 2013-03-12 | 2013-03-12 | 一种台风灾害风险预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310078961.XA CN103177301B (zh) | 2013-03-12 | 2013-03-12 | 一种台风灾害风险预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177301A CN103177301A (zh) | 2013-06-26 |
CN103177301B true CN103177301B (zh) | 2016-01-20 |
Family
ID=48637140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310078961.XA Expired - Fee Related CN103177301B (zh) | 2013-03-12 | 2013-03-12 | 一种台风灾害风险预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103177301B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593583A (zh) * | 2013-11-29 | 2014-02-19 | 民政部国家减灾中心 | 一种区域泥石流灾害风险估计方法 |
CN103605901B (zh) * | 2013-11-29 | 2017-06-20 | 民政部国家减灾中心 | 一种区域旱灾风险估计方法 |
CN104298851B (zh) * | 2014-07-22 | 2017-04-12 | 兰州大学 | 一种用于预报强降水天气的数据处理方法 |
CN104820904A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种城市自然灾害等级的模糊综合评价方法 |
CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
CN105741037A (zh) * | 2016-01-29 | 2016-07-06 | 武汉小禾芃芃科技有限公司 | 一种台风灾害评估系统 |
CN107292478B (zh) * | 2016-04-13 | 2022-08-09 | 中国电力科学研究院 | 一种灾害对配电网影响态势的获取方法 |
CN105844427B (zh) * | 2016-04-14 | 2019-11-08 | 中国科学院烟台海岸带研究所 | 一种风暴潮灾害风险精细化评估的计算方法 |
CN106022953A (zh) * | 2016-05-13 | 2016-10-12 | 国网浙江省电力公司台州供电公司 | 电网设施暴雨风险评估方法 |
CN105956986B (zh) * | 2016-07-11 | 2019-08-30 | 河北省气象服务中心 | 高速公路雾灾风险等级预报技术实现方法 |
CN106651105A (zh) * | 2016-10-21 | 2017-05-10 | 天津海量信息技术股份有限公司 | 地震灾害风险预估方法 |
CN106408213A (zh) * | 2016-10-27 | 2017-02-15 | 清华大学 | 级联式山洪灾害风险分析方法及系统 |
CN106405684A (zh) * | 2016-10-28 | 2017-02-15 | 广西电网有限责任公司电力科学研究院 | 一种基于电网地理信息的台风预警系统 |
CN106611245A (zh) * | 2016-12-21 | 2017-05-03 | 国网福建省电力有限公司 | 一种基于gis的电网台风灾害风险评估方法 |
CN108154286B (zh) * | 2017-12-04 | 2023-09-05 | 北京辰安科技股份有限公司 | 一种数据处理方法与装置 |
CN108109347A (zh) * | 2017-12-26 | 2018-06-01 | 李文清 | 一种预警准确的山体滑坡灾害监测预警系统 |
CN110633818B (zh) * | 2018-06-22 | 2022-11-11 | 中国电力科学研究院有限公司 | 一种配电网台风风灾预警方法及系统 |
CN109146230A (zh) * | 2018-06-29 | 2019-01-04 | 中国电力科学研究院有限公司 | 一种输配电线路台风风涝灾害短临预警方法和装置 |
CN110009158B (zh) * | 2019-04-11 | 2022-04-15 | 中国水利水电科学研究院 | 台风暴雨洪水灾害全生命周期监测方法及系统 |
CN110472781B (zh) * | 2019-07-31 | 2021-02-19 | 南京大学 | 台风多变量集合敏感性分析方法、台风预报方法及其系统 |
CN110728465A (zh) * | 2019-10-24 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种台风作用下的岛礁淡化水体风险评估方法 |
CN110779529B (zh) * | 2019-11-21 | 2022-11-22 | 南京信息工程大学 | 一种基于大数据和云计算森林灾害应急指挥调度系统 |
CN111191936B (zh) * | 2019-12-31 | 2020-09-15 | 深圳市国家气候观象台 | 一种台风风雨综合影响指数计算方法及存储装置 |
CN111428878B (zh) * | 2020-03-21 | 2023-02-17 | 电子科技大学 | 一种关于车联网安全事件严重程度的确定方法 |
CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
CN111626638B (zh) * | 2020-06-05 | 2024-02-02 | 河南省气象科学研究所 | 夏玉米倒伏气象等级评估模型的构建与应用 |
JPWO2022259294A1 (zh) * | 2021-06-07 | 2022-12-15 | ||
CN113469582B (zh) * | 2021-09-01 | 2021-12-24 | 中国科学院地理科学与资源研究所 | 一种多层级台风灾害风险评估方法 |
CN113780833B (zh) * | 2021-09-15 | 2023-11-28 | 南京航空航天大学 | 一种台风登陆影响区风场危险性评估方法和装置 |
CN114297953B (zh) * | 2021-12-24 | 2024-04-30 | 河北省气象灾害防御中心 | 一种山区大风灾害风险区划方法 |
CN116580542B (zh) * | 2023-07-14 | 2023-09-15 | 四川川核地质工程有限公司 | 一种洪水预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546414A (zh) * | 2009-04-28 | 2009-09-30 | 国家海洋局东海预报中心 | 台风风暴潮所造成直接经济损失定量预评估方法 |
CN101630271A (zh) * | 2009-06-26 | 2010-01-20 | 湖南大学 | 一种网格环境下的地震模拟计算支撑中间件系统 |
CN101634721A (zh) * | 2009-04-15 | 2010-01-27 | 华东师范大学第二附属中学 | 一种基于历史数据的台风水灾智能预警系统 |
CN101770516A (zh) * | 2010-01-12 | 2010-07-07 | 深圳先进技术研究院 | 挖掘热带气旋移动轨迹通道方法 |
CN101776774A (zh) * | 2010-01-25 | 2010-07-14 | 河海大学 | 台风前锋到达地球表面的时间预报方法 |
-
2013
- 2013-03-12 CN CN201310078961.XA patent/CN103177301B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634721A (zh) * | 2009-04-15 | 2010-01-27 | 华东师范大学第二附属中学 | 一种基于历史数据的台风水灾智能预警系统 |
CN101546414A (zh) * | 2009-04-28 | 2009-09-30 | 国家海洋局东海预报中心 | 台风风暴潮所造成直接经济损失定量预评估方法 |
CN101630271A (zh) * | 2009-06-26 | 2010-01-20 | 湖南大学 | 一种网格环境下的地震模拟计算支撑中间件系统 |
CN101770516A (zh) * | 2010-01-12 | 2010-07-07 | 深圳先进技术研究院 | 挖掘热带气旋移动轨迹通道方法 |
CN101776774A (zh) * | 2010-01-25 | 2010-07-14 | 河海大学 | 台风前锋到达地球表面的时间预报方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103177301A (zh) | 2013-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103177301B (zh) | 一种台风灾害风险预估方法 | |
CN106651211B (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
Hallack-Alegria et al. | Annual and warm season drought intensity–duration–frequency analysis for Sonora, Mexico | |
CN107316095A (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
CN104408900A (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
CN108269016B (zh) | 一种基于信息扩散的小流域山洪灾害风险分析方法 | |
CN109345105B (zh) | 一种多水源灌区灌溉用水量复核方法 | |
CN111539597B (zh) | 一种网格化的流域社会经济干旱评估方法 | |
Bai et al. | Spatial-temporal variations of ecological vulnerability in the Tarim River Basin, Northwest China | |
Yang et al. | Hydrological response to land use and land cover changes in a sub-watershed of West Liaohe River Basin, China | |
Chowdhury et al. | Application of data mining techniques on air pollution of Dhaka city | |
CN115630337A (zh) | 基于大尺度气候遥相关的极端降雨归因的定量评估方法及系统 | |
Li et al. | Urban flood risk assessment based on DBSCAN and K-means clustering algorithm | |
Khan et al. | Irrigation water requirement prediction through various data mining techniques applied on a carefully pre-processed dataset | |
Zeng et al. | Flood risk assessment based on principal component analysis for Dongjiang river basin | |
AhmadEbrahimpour et al. | Application of global precipitation dataset for drought monitoring and forecasting over the Lake Urmia basin with the GA-SVR model | |
Goymann et al. | Flood Prediction through Artificial Neural Networks | |
Liu et al. | Damage Assessment of Natural Disasters Based on Cloud Model | |
CN113128811A (zh) | 一种基于强降水的电网系统地质灾害风险评估方法及系统 | |
Hamed et al. | Assessing the growing threat of heat stress in the North Africa and Arabian Peninsula region connected to climate change | |
Helali et al. | Forecasting precipitation based on teleconnections using machine learning approaches across different precipitation regimes | |
Joe et al. | Rainfall Forecasting with Time Series Model in Senai, Johor | |
Shi et al. | Disaster risk assessment | |
Wilby | Dealing with uncertainties of future climate: the special challenge of semi-arid regions | |
Phelgay et al. | Rainfall-Flow Correlation and Flow Trends in Punatshangchu and Kholongchu Basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 Termination date: 20190312 |
|
CF01 | Termination of patent right due to non-payment of annual fee |