CN107679774A - 一种抗震预防和救灾能力的评估方法以及装置 - Google Patents
一种抗震预防和救灾能力的评估方法以及装置 Download PDFInfo
- Publication number
- CN107679774A CN107679774A CN201711041230.2A CN201711041230A CN107679774A CN 107679774 A CN107679774 A CN 107679774A CN 201711041230 A CN201711041230 A CN 201711041230A CN 107679774 A CN107679774 A CN 107679774A
- Authority
- CN
- China
- Prior art keywords
- injures
- earthquake
- deaths
- population
- density
- 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.)
- Pending
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000034994 death Effects 0.000 claims abstract description 217
- 231100000517 death Toxicity 0.000 claims abstract description 217
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000010606 normalization Methods 0.000 claims description 46
- 238000000611 regression analysis Methods 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种震预防和救灾能力的评估方法以及装置,其中,该方法包括:获取历史上多次地震的地震数据;将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练;将指定地震的地震数据中作为解释变量的数据输入训练后的伤亡程度预测模型,并基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。本发明实施例构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练,实现了基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。
Description
技术领域
本发明涉及评估技术领域,具体而言,涉及一种抗震预防和救灾能力的评估方法以及装置。
背景技术
地震又称地动、地振动,是地壳快速释放能量过程中造成振动,期间会产生地震波的一种自然现象。地球上板块与板块之间相互挤压碰撞,造成板块边沿及板块内部产生错动和破裂,是引起地震的主要原因。地震发生在人群聚居区时常常造成严重人员伤亡,能引起火灾、水灾、有毒气体泄漏、细菌及放射性物质扩散,还可能造成海啸、滑坡、崩塌、地裂缝等次生灾害,对人类的威胁非常大。
目前对地震的研究主要集中在对地震的发生进行预测;但是由于地震的发生具有突发性和不可预知性,想要精准的预测地震的发生是非常困难的,而地震后对损失的评估往往只有对伤亡人数和经济损失的评估,而不能对地震发生区的抗震预防能力和救灾能力进行评估。
但是实际上,对于某个区域抗震预防和救灾能力的评估结果是该区域地震后救灾工作展开的重要依据。因此,一种抗震预防和救灾能力的评估方法成为目前亟待解决的问题。
发明内容
有鉴于此,本发明实施例的目的在于提供一种抗震预防和救灾能力的评估方法以及装置,能够实现对某个区域抗震预防和救灾能力进行评估。
第一方面,本发明实施例提供了一种抗震预防和救灾能力的评估方法,包括:
获取历史上多次地震的地震数据;其中,所述地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据;
将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练;
将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中:针对需要计算地震能量的情况,采用下述步骤计算所述地震能量:
获取同一地震序列中主震的地震震级;
基于所述主震的震级计算所述地震能量;
针对需要计算人口密度的情况,采用下述步骤计算所述人口密度:
获取地震发生时刻,同一地震序列中发生主震的区域的行政地理范围以及人口总量;
根据所述行政地理范围以及所述人口总量,计算所述人口密度;
针对需要计算伤亡数的情况,采用下述步骤计算所述伤亡数:
获取地震发生后的死亡人数以及伤员人数;
根据所述死亡人数、所述伤员人数以及预设的转化系数,计算所述伤亡数;所述转化系数用于将所述死亡人数换算为伤员人数。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中:采用如下方式构建伤亡程度预测模型:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,所述回归分析模型包括:与所述第一解释变量对应的第一系数、与所述第二解释变量对应的第二系数,以及第三系数;
将所建立的所述回归分析模型作为所述伤亡程度预测模型。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中:所述对所述伤亡程度预测模型进行训练,具体包括:
采用最小二乘算法对所述伤亡程度预测模型进行训练。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中:所述将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估,具体包括:
将所述指定地震的地震能量作为第一解释变量,所述指定地震发生区域的人口密度作为第二解释变量,输入训练后的所述伤亡程度预测模型,获取所述指定地震的预测伤亡数;
根据所述预测伤亡数以及所述指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中:所述获取历史上多次地震的地震数据之后,还包括:
对所述地震能量以及所述人口密度进行归一化处理,获取归一化后的所述地震能量以及归一化后的所述人口密度;
所述将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练,具体包括:
将地震后的伤亡数作为被解释变量,将归一化后的所述地震能量、归一化后所述人口密度作为解释变量,构建所述伤亡程度预测模型,并使用获取的归一化后的所述地震能量、归一化后所述人口密度以及伤亡数对所述伤亡程度预测模型进行训练。
第二方面,本发明实施例还提供一种抗震预防和救灾能力的评估装置,包括:
获取单元,用于获取历史上多次地震的地震数据;其中,所述地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据;
模型训练单元,用于将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练;
评估单元,用于将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中:所述获取单元,具体用于:针对需要计算地震能量的情况,采用下述步骤计算所述地震能量:
获取同一地震序列中主震的地震震级;
基于所述主震的震级计算所述地震能量;
针对需要计算人口密度的情况,采用下述步骤计算所述人口密度:
获取地震发生时刻,同一地震序列中发生主震的区域的行政地理范围以及人口总量;
根据所述行政地理范围以及所述人口总量,计算所述人口密度;
针对需要计算伤亡数的情况,采用下述步骤计算所述伤亡数:
获取地震发生后的死亡人数以及伤员人数;
根据所述死亡人数、所述伤员人数以及预设的转化系数,计算所述伤亡数;所述转化系数用于将所述死亡人数换算为伤员人数。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中:模型训练单元具体用于:
采用如下方式构建伤亡程度预测模型:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,所述回归分析模型包括:与所述第一解释变量对应的第一系数、与所述第二解释变量对应的第二系数,以及第三系数;
将所建立的所述回归分析模型作为所述伤亡程度预测模型。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中:模型训练单元具体还用于:采用最小二乘算法对所述伤亡程度预测模型进行训练。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中:模型训练单元具体还用于:将所述指定地震的地震能量作为第一解释变量,所述指定地震发生区域的人口密度作为第二解释变量,输入训练后的所述伤亡程度预测模型,获取所述指定地震的预测伤亡数;
根据所述预测伤亡数以及所述指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
结合第二方面,本发明实施例提供了第二方面的第五种可能的实施方式,其中:还包括:归一化单元,用于所述获取历史上多次地震的地震数据之后,对所述地震能量以及所述人口密度进行归一化处理,获取归一化后的所述地震能量以及归一化后的所述人口密度;
模型训练单元具体还用于,将地震后的伤亡数作为被解释变量,将归一化后的所述地震能量、归一化后所述人口密度作为解释变量,构建所述伤亡程度预测模型,并使用获取的归一化后的所述地震能量、归一化后所述人口密度以及伤亡数对所述伤亡程度预测模型进行训练。
第三方面,本发明实施例还提供一种计算机设备,该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序,其中,上述处理器2000执行上述计算机程序时实现上述第一方面任意一项所述的抗震预防和救灾能力的评估装置方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面任意一项抗震预防和救灾能力的评估方法的步骤。
本发明实施例通过获取历史上多次地震的地震数据,然后将地震数据中的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为被解释变量,构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练,之后,将指定地震的地震数据中作为被解释变量的数据输入训练后的伤亡程度预测模型中,实现了基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的一种抗震预防和救灾能力的评估方法的流程图;
图2示出了本发明实施例所提供的一种抗震预防和救灾能力的评估装置的结构示意图;
图3示出了本发明实施例所提供的另一种抗震预防和救灾能力的评估装置的结构示意图;
图4示出了本发明实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前对地震的研究主要集中在对地震的发生进行预测,而并无对某个区域抗震预防和救灾能力进行评估,但是某区域的抗震预防和救灾能力的评估结果是多项工作的重要依据,例如在某地区震后抗震救灾工作中进行资源分配时,该区域抗震预防和救灾能力可以作为对资源进行分配的重要指标;抗震预防和救灾能力也是某区域房屋建筑物的抗震等级的重要参考;同时,抗震预防和救灾能力还是研究某区域经济文化发展的重要参考因素;因此,本发明提供一种抗震预防和救灾能力的评估方法以及装置,能够通过构建伤亡程度模型,基于该伤亡程度模型对某区域某次地震的伤亡程度进行预测,并基于预测结果和实际伤亡结果实现对某区域在地震时的抗震预防和救灾能力进行评估。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种抗震预防和救灾能力的评估方法进行详细介绍,参见图1所示,本发明实施例所提供的抗震预防和救灾能力的评估方法包括:
S101:获取历史上多次地震的地震数据;其中,地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据。
在具体实施中,在获取地震数据的时候,是获取一个较大区域范围内多个较小区域的在历史上的多次地震的地震数据,即以一个较大的区域范围为数据取样区域,在多个发生地震的较小区域内进行数据取样。例如,该较大区域范围可以以多个国家为区域范围,可以以一个国家为区域范围,还可以以至少一个省为区域范围;在该较大区域范围内,历史上发生地震的区域是不同的,发生地震并且造成人员伤亡与经济损失一般会集中在以县为单位的较小区域中,因此在获取地震数据时,一般获取较小区域范围内的地震数据。
所获取的地震数据包括:地震发生时的地震能量数据、地震发生区域(指发生地震的较小区域范围内)的人口密度数据以及地震后的伤亡数数据。
在获取地震发生时的地震能量数据时,要首先获取地震震级,然后根据地震震级计算该次地震的地震能量数据。具体地,在一个地震序列中一般包括前震、主震和余震;地震序列是指在一定时间内发生在同一震源区的一系列大小不同的地震,且其发震机制具有某种内在联系或有共同的发震构造的一组地震的总称。前震发生主震之前,余震发生在主震之后,且在同一个地震序列中,主震所释放的能量要远远大于前震和余震所释放的能量,因此为了简化计算,一般取同一地震序列中主震的地震震级;在获取同一地震序列中主震的地震震级后,可以基于主震的地震震级计算地震能量。
例如,地震能量E满足公式(1):
lgE=4.8+1.5×MS (1);
其中,MS为主震的里氏震级;E的单位为焦耳;当获得主震的里氏震级后,就能够根据该公式(1)计算出该次地震的地震能量。
在获取地震发生区域的人口密度数据时,由于地震的主震一般发生在一个较小的区域范围内,例如集中在一个县的范围内,因此,在获取人口密度数据时,一般是获取同一地震序列中发生主震的区域的行政地理范围以及人口总量;然后根据该行政地理范围及人口总量,计算人口密度。
例如,人口密度P满足公式(2):
其中,Z为某行政地理范围内的人口总量,单位为:个;R为行政地理范围的面积,单位为:平方公里;人口密度P的单位为:人/平方公里。
在计算人口密度时,是将人口总量除以行政地理范围,获得人口密度。
在一次比较具有破坏性的地震中,往往死亡者与受伤者会存在,在本申请中,为了对伤亡程度进行总体评估,要将伤亡转化为一个数值,将死亡数换算为受伤数,计算出伤亡数数据;因此在获取地震后的伤亡数数据时,需要首先获取地震发生后的伤员人数以及伤员人数,然后根据死亡人数、伤员人数以及预设的转化系数,计算伤亡数;其中,该转化系数用于将死亡人数换算为伤员人数,可以基于历史数据得出,也可以根据经验得出。
例如伤亡数I满足下述公式(3):
I=λ×D+S (3)
其中,λ为转化系数;D为死亡人数;S为伤员人数。
另外,为了简化计算,还可以在获得历史上多次地震的地震数据之后,地震数据中的各项数据进行归一化处理,例如,可以采用离差标准化(Min-Max Normalization)对地震数据中的各项数据进行归一化处理,对原始的数据进行线性变换,使得归一化后的值映射到[0,1]之间。
在将原始数据进行归一化时,可以采用如下转换函数(4):
其中,max为采样数据中的最大值,min为采样数据中的最小值,x为采样数据中的任意一个。
因此,在对地震能量进行归一化处理时,可以采用下述转换函数(5):
在该公式中,max1为所有的地震的地震能量中的最大值;min1为所有地震的地震能量中的最小值;E为某次地震的地震能量;E′为该次地震的地震能量的归一化结果。
在对人口密度进行归一化处理时,可以采用下述转换函数(6):
在该公式中,max2为所有的地震的人口密度的最大值;min2为所有地震的人口密度的最小值;P为某次地震区域的人口密度;P′为该地震区域的人口密度的归一化结果。
S102:将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练。
在具体实现的时候,将伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,是为了建立地震能量、人口密度与伤亡数之间的相关关系。
在构建伤亡程度预测模型的时候,可以采用下述方式:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,回归分析模型包括:与第一解释变量对应的第一系数、与第二解释变量对应的第二系数,以及第三系数;将所建立的回归分析模型作为伤亡程度预测模型。
例如,所构建的回归分析模型如公式(7)所示:
I=a+b×E+c×P (7)
其中,E为地震能量,即第一解释变量;b为与第一解释变量对应的第一系数;P为人口密度,即第二解释变量;c为与第二解释变量对应额第二系数;a为第三系数;I为伤亡数,即被解释变量。
然后将已经获得的大量历史上地震的地震数据依次代入该回归分析模型,对该回归分析模型进行训练,对第一解释变量、第二解释变量和第三解释变量进行求解,从而获得训练后的伤亡程度预测模型。
可选地,在另外一个实施例中,当对地震能量和人口密度进行了归一化处理时,还可以基于归一化后的地震能量、归一化后人口密度以及地震后的伤亡数,构建伤亡程度预测模型,并对伤亡程度预测模型进行求解:
即将地震后的伤亡数作为被解释变量,将归一化后的地震能量、地震发生区域的归一化后的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的归一化后的地震能量、归一化后的人口密度以及伤亡数对伤亡程度预测模型进行训练。
具体地,所构建的回归分析模型如公式(8)所示:
I=a+b×E′+c×P′ (8)
其中,E′为归一化后的地震能量,即第一解释变量;b为与第一解释变量对应的第一系数;P′为归一化后的人口密度,即第二解释变量;c为与第二解释变量对应额第二系数;a为第三系数;I为伤亡数,即被解释变量。
可以利用最小二乘算法对伤亡程度预测模型进行训练。
具体地:在根据利用最小二乘算法对伤亡程度预测模型进行训练时,首先要根据伤亡程度预测模型,构建最小二乘公式。
在上述示例中,所构建的最小二乘公式如公式(9):
其中,n为所获取地震数据时的地震的次数。
其次,令最小二乘公式分别对第一系数、第二系数以及第三系数求偏导,生成第一系数、第二系数以及第三系数分别对应的偏导公式。
在令最小还二乘公式分别对第一系数、第二系数和第三系数求偏导后,得到如下公式(10):
最后,将地震能量数据、人口密度数据以及伤亡数数据代入偏导公式中,对第一系数、第二系数以及第三系数的求解。
在对第一系数、第二系数以及第三系数进行求解时,可以使用回归分析工具进行,例如:统计产品与服务解决方案(Statistical Product and Service Solutions,SPSS)、统计分析系统(Statistics Analysis System,SAS)等;也可以基于编好的程序进行求解。
此处,需要注意的是,此处的回归分析模型仅仅是所能够构建的伤亡程度预测模型中的一种。还可以采用其他的已知模型进行伤亡程度预测模型的构建。
S103:将指定地震的地震数据中作为解释变量的数据输入训练后的伤亡程度预测模型,并基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。
在具体实现的时候,在对伤亡程度预测模型进行训练后,可以对指定地震的抗震预防和救灾能力进行评估。此处的指定地震,必须是发生在获取地震数据的时候所针对的较大区域范围内。例如,以中华人民共和国为数据取样区域,则指定地震也应当是发生在中华人民共和国范围之内的地震。
当确定了指定地震之后,能够获得该地震震级以及指定地震的发生区域,通过地震震级计算该地震发生时的地震能量;通过指定地震的发生区域,能够获得该地震发生区域的区域面积以及人口总数,计算出人口密度数据,然后将该指定地震的地震能量作为第一解释变量,将指定地震发生区域的人口密度,输入训练后的伤亡程度预测模型中,得到该指定地震的预测伤亡数;然后基于该预测伤亡数以及该指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
例如,可以根据下述公式(11)计算抗震预防和救灾能力的评估值:
其中,I评为抗震预防和救灾能力的评估值;I实为实际伤亡数;I预为预测伤亡数。
该I评越大,则该地区的抗震预防和救灾能力越强;I评越小,则该该地区的抗震预防和救灾能力越弱。
本发明实施例,通过获取历史上多次地震的地震数据,然后将地震数据中的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为被解释变量,构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练,之后,将指定地震的地震数据中作为被解释变量的数据输入训练后的伤亡程度预测模型中,实现了基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。
示例一:
本发明还提供一对指定地震的发生区域的抗震预防和救灾能力的评估的具体示例:
1、历史多次地震的地震相关数据的收集:
(1)地震相关数据:
时间范围:公元1965年至今,并按照预设时间间隔进行更新;
震级范围:3级以上地震;
数据维度:同一地震序列中主震(以下均简称地震)发生的经纬度以及里氏震级。
(2)人口和行政区域面积数据:
通过城市年鉴和互联网数据获取中国县级行政区域的历年常住人口总数(单位:个)和行政区域面积(单位:平方公里)。
(3)伤亡数据:
根据已有权威机构,如地震局或者政府发布的地震伤亡情况,收集伤亡数数据,只保留死亡人数和伤员人数。
2、数据的处理:
(1)地震位置转换:
由于大多数地震数据只有经纬度数据,没有对应到县级单位,所以,在数据处理过程中,需要把地震发生的经纬度转化到对应的县级单位。例如可以采用百度地图、谷歌地图、高德地图等开放的程序调用接口来进行地震点经纬度转化并对应到县级单位。
(2)地震数据过滤:
由于大多数地震并没有人员伤亡,所以根据已经收集到的伤亡数据,过滤地震数据集,只保留有伤亡的地震数据。
3、模型构建:
(1)、地震能量的计算:
根据地震能量计算公式:
lgE=4.8+1.5×MS
推导后得公式(12):
E=104.8+1.5×MS (12)
根据该公式(12)和上述得到的地震数据计算所有地震对应的地震能量E。
(2)人口密度的计算:
根据人口密度计算公式:计算各个地震发生区域的人口密度。
(3)伤亡数计算:
根据伤亡人口计算公式,暂定λ为5,即一个死亡人数,转化为5个伤员数,则使用如下公式:
I=5×D+S
计算该次地震的伤亡数。
(4)地震能量和人口密度的归一化计算:
根据归一化公式计算归一化后的地震能量;
根据归一化公式计算归一化后的人口密度。
(5)回归分析:
地震后的伤亡数作为被解释变量,将归一化后的地震能量、地震发生区域的归一化后的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的归一化后的地震能量、归一化后人口密度以及伤亡数对伤亡程度预测模型进行训练,获得训练后的伤亡程度预测模型。
需要注意的是,此处需要按照预设的时间间隔对伤亡程度预测模型进行更新。
4、震后伤亡程度排名:
根据本发明中回归分析后的公式计算所有地震的预测伤亡数,与实际伤亡数进行对比,并计算抗震预防和救灾能力的评估值;抗震预防和救灾能力的评估值越低,该地区抗震能力越好,越高则越差。
对所有地震的抗震预防和救灾能力的评估值进行排名展示,可按照升序或者降序排列;本系统按照月度进行数据更新,排名也按照月度进行更新。
基于同一发明构思,本发明实施例中还提供了与抗震预防和救灾能力的评估方法对应的抗震预防和救灾能力的评估装置,由于本发明实施例中的装置解决问题的原理与本发明实施例上述抗震预防和救灾能力的评估方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图2所示,本发明实施例所提供的抗震预防和救灾能力的评估装置包括:
获取单元10,用于获取历史上多次地震的地震数据;其中,地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据;
模型训练单元20,用于将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对伤亡程度预测模型进行训练;
评估单元30,用于将指定地震的地震数据中作为解释变量的数据输入训练后的伤亡程度预测模型,并基于模型得到的伤亡数对指定地震对应区域的抗震预防和救灾能力进行评估。
可选地,获取单元10具体用于:针对需要计算地震能量的情况,采用下述步骤计算地震能量:
获取同一地震序列中主震的地震震级;
基于主震的震级计算地震能量;
针对需要计算人口密度的情况,采用下述步骤计算人口密度:
获取地震发生时刻,同一地震序列中发生主震的区域的行政地理范围以及人口总量;
根据行政地理范围以及人口总量,计算人口密度;
针对需要计算伤亡数的情况,采用下述步骤计算伤亡数:
获取地震发生后的死亡人数以及伤员人数;
根据死亡人数、伤员人数以及预设的转化系数,计算伤亡数;转化系数用于将死亡人数换算为伤员人数。
可选地,模型训练单元20具体用于:
采用如下方式构建伤亡程度预测模型:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,回归分析模型包括:与第一解释变量对应的第一系数、与第二解释变量对应的第二系数,以及第三系数;
将所建立的回归分析模型作为伤亡程度预测模型。
可选地,模型训练单元20具体还用于:采用最小二乘算法对伤亡程度预测模型进行训练。
可选地,模型训练单元20具体还用于:将指定地震的地震能量作为第一解释变量,指定地震发生区域的人口密度作为第二解释变量,输入训练后的伤亡程度预测模型,获取指定地震的预测伤亡数;
根据预测伤亡数以及指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
可选地,参见图3,本申请实施例所提供的另外一种抗震预防和救灾能力的评估装置中,还包括:归一化单元40,用于获取历史上多次地震的地震数据之后,对地震能量以及人口密度进行归一化处理,获取归一化后的地震能量以及归一化后的人口密度;
模型训练单元20具体还用于,将地震后的伤亡数作为被解释变量,将归一化后的地震能量、归一化后人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的归一化后的地震能量、归一化后人口密度以及伤亡数对伤亡程度预测模型进行训练。
对应于图1中的抗震预防和救灾能力的评估方法,本发明实施例还提供了一种计算机设备,如图4所示,该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序,其中,上述处理器2000执行上述计算机程序时实现上述抗震预防和救灾能力的评方法的步骤。
具体地,上述存储器1000和处理器2000能够为通用的存储器和处理器,这里不做具体限定,当处理器2000运行存储器1000存储的计算机程序时,能够执行上述抗震预防和救灾能力的评估方法,从而解决现有技术中不存在抗震预防和救灾能力的评估方法的问题,能够通过构建伤亡程度模型,基于该伤亡程度模型对某区域某次地震的伤亡程度进行预测,并基于预测结果和实际伤亡结果实现对某区域在地震时的抗震预防和救灾能力进行评估。
对应于图1中的抗震预防和救灾能力的评估方法,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述抗震预防和救灾能力的评估方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述抗震预防和救灾能力的评估方法,从而解决现有技术中不存在抗震预防和救灾能力的评估方法的问题,能够通过构建伤亡程度模型,基于该伤亡程度模型对某区域某次地震的伤亡程度进行预测,并基于预测结果和实际伤亡结果实现对某区域在地震时的抗震预防和救灾能力进行评估。
本发明实施例所提供的抗震预防和救灾能力的评估方法以及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种抗震预防和救灾能力的评估方法,其特征在于,包括:
获取历史上多次地震的地震数据;其中,所述地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据;
将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练;
将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估。
2.根据权利要求1所述的方法,其特征在于,针对需要计算地震能量的情况,采用下述步骤计算所述地震能量:
获取同一地震序列中主震的地震震级;
基于所述主震的震级计算所述地震能量;
针对需要计算人口密度的情况,采用下述步骤计算所述人口密度:
获取地震发生时刻,同一地震序列中发生主震的区域的行政地理范围以及人口总量;
根据所述行政地理范围以及所述人口总量,计算所述人口密度;
针对需要计算伤亡数的情况,采用下述步骤计算所述伤亡数:
获取地震发生后的死亡人数以及伤员人数;
根据所述死亡人数、所述伤员人数以及预设的转化系数,计算所述伤亡数;所述转化系数用于将所述死亡人数换算为伤员人数。
3.根据权利要求2所述的方法,其特征在于,采用如下方式构建伤亡程度预测模型:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,所述回归分析模型包括:与所述第一解释变量对应的第一系数、与所述第二解释变量对应的第二系数,以及第三系数;
将所建立的所述回归分析模型作为所述伤亡程度预测模型。
4.根据权利要求3所述的方法,其特征在于,所述对所述伤亡程度预测模型进行训练,具体包括:
采用最小二乘算法对所述伤亡程度预测模型进行训练。
5.根据权利要求3或4所述的方法,其特征在于,所述将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估,具体包括:
将所述指定地震的地震能量作为第一解释变量,所述指定地震发生区域的人口密度作为第二解释变量,输入训练后的所述伤亡程度预测模型,获取所述指定地震的预测伤亡数;
根据所述预测伤亡数以及所述指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
6.根据权利要求1-4任意一项所述的方法,其特征在于,所述获取历史上多次地震的地震数据之后,还包括:
对所述地震能量以及所述人口密度进行归一化处理,获取归一化后的所述地震能量以及归一化后的所述人口密度;
所述将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练,具体包括:
将地震后的伤亡数作为被解释变量,将归一化后的所述地震能量、归一化后所述人口密度作为解释变量,构建所述伤亡程度预测模型,并使用获取的归一化后的所述地震能量、归一化后所述人口密度以及伤亡数对所述伤亡程度预测模型进行训练。
7.一种抗震预防和救灾能力的评估装置,其特征在于,包括:
获取单元,用于获取历史上多次地震的地震数据;其中,所述地震数据包括地震发生时的地震能量数据、地震发生区域的人口密度数据以及地震后的伤亡数数据;
模型训练单元,用于将地震后的伤亡数作为被解释变量,将地震能量、地震发生区域的人口密度作为解释变量,构建伤亡程度预测模型,并使用获取的地震数据对所述伤亡程度预测模型进行训练;
评估单元,用于将指定地震的地震数据中作为解释变量的数据输入训练后的所述伤亡程度预测模型,并基于模型得到的伤亡数对所述指定地震对应区域的抗震预防和救灾能力进行评估。
8.根据权利要求7所述的装置,其特征在于,所述获取单元,具体用于:针对需要计算地震能量的情况,采用下述步骤计算所述地震能量:
获取同一地震序列中主震的地震震级;
基于所述主震的震级计算所述地震能量;
针对需要计算人口密度的情况,采用下述步骤计算所述人口密度:
获取地震发生时刻,同一地震序列中发生主震的区域的行政地理范围以及人口总量;
根据所述行政地理范围以及所述人口总量,计算所述人口密度;
针对需要计算伤亡数的情况,采用下述步骤计算所述伤亡数:
获取地震发生后的死亡人数以及伤员人数;
根据所述死亡人数、所述伤员人数以及预设的转化系数,计算所述伤亡数;所述转化系数用于将所述死亡人数换算为伤员人数。
9.根据权利要求8所述的装置,其特征在于,所述模型训练单元,具体用于采用如下方式构建伤亡程度预测模型:
以伤亡数为被解释变量,以地震能量为第一解释变量,以人口密度为第二解释变量,建立回归分析模型;其中,所述回归分析模型包括:与所述第一解释变量对应的第一系数、与所述第二解释变量对应的第二系数,以及第三系数;
将所建立的所述回归分析模型作为所述伤亡程度预测模型。
10.根据权利要求6-9任意一项所述的装置,其特征在于,所述评估单元具体用于:将所述指定地震的地震能量作为第一解释变量,所述指定地震发生区域的人口密度作为第二解释变量,输入训练后的所述伤亡程度预测模型,获取所述指定地震的预测伤亡数;
根据所述预测伤亡数以及所述指定地震的实际伤亡数,获取抗震预防和救灾能力的评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711041230.2A CN107679774A (zh) | 2017-10-30 | 2017-10-30 | 一种抗震预防和救灾能力的评估方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711041230.2A CN107679774A (zh) | 2017-10-30 | 2017-10-30 | 一种抗震预防和救灾能力的评估方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679774A true CN107679774A (zh) | 2018-02-09 |
Family
ID=61143251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711041230.2A Pending CN107679774A (zh) | 2017-10-30 | 2017-10-30 | 一种抗震预防和救灾能力的评估方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679774A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767219A (zh) * | 2021-02-03 | 2021-05-07 | 上海交通大学 | 基于机器学习的震后受灾人口快速空间评估方法及系统 |
CN113903244A (zh) * | 2021-10-26 | 2022-01-07 | 新兴际华科技发展有限公司 | 一种实战化地震坍塌建筑培训设施构建方法 |
CN115222125A (zh) * | 2022-07-15 | 2022-10-21 | 应急管理部国家自然灾害防治研究院 | 基于深度学习神经网络的地震死亡人数预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110270793A1 (en) * | 2008-08-21 | 2011-11-03 | Swiss Reinsurance Company | Earthquake damage prediction and prevention system and method thereof |
CN103161348A (zh) * | 2011-12-15 | 2013-06-19 | 青岛理工大学 | 工程结构多目标性能化抗震评估方法 |
CN104346538A (zh) * | 2014-11-26 | 2015-02-11 | 中国测绘科学研究院 | 基于三种灾情因子控制的地震灾害评估方法 |
CN105809266A (zh) * | 2014-12-31 | 2016-07-27 | 郑静晨 | 一种地震伤亡人数初步评估预测方法 |
-
2017
- 2017-10-30 CN CN201711041230.2A patent/CN107679774A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110270793A1 (en) * | 2008-08-21 | 2011-11-03 | Swiss Reinsurance Company | Earthquake damage prediction and prevention system and method thereof |
CN103161348A (zh) * | 2011-12-15 | 2013-06-19 | 青岛理工大学 | 工程结构多目标性能化抗震评估方法 |
CN104346538A (zh) * | 2014-11-26 | 2015-02-11 | 中国测绘科学研究院 | 基于三种灾情因子控制的地震灾害评估方法 |
CN105809266A (zh) * | 2014-12-31 | 2016-07-27 | 郑静晨 | 一种地震伤亡人数初步评估预测方法 |
Non-Patent Citations (2)
Title |
---|
刘金龙等: "基于震中烈度的地震人员伤亡评估方法研究", 《自然灾害学报》 * |
钱枫林等: "BP神经网络模型在应急需求预测中的应用_以地震伤亡人数预测为例", 《中国安全科学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767219A (zh) * | 2021-02-03 | 2021-05-07 | 上海交通大学 | 基于机器学习的震后受灾人口快速空间评估方法及系统 |
CN112767219B (zh) * | 2021-02-03 | 2022-12-13 | 上海交通大学 | 基于机器学习的震后受灾人口快速空间评估方法及系统 |
CN113903244A (zh) * | 2021-10-26 | 2022-01-07 | 新兴际华科技发展有限公司 | 一种实战化地震坍塌建筑培训设施构建方法 |
CN115222125A (zh) * | 2022-07-15 | 2022-10-21 | 应急管理部国家自然灾害防治研究院 | 基于深度学习神经网络的地震死亡人数预测方法及系统 |
CN115222125B (zh) * | 2022-07-15 | 2024-03-12 | 应急管理部国家自然灾害防治研究院 | 基于深度学习神经网络的地震死亡人数预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dolce et al. | Seismic risk assessment of residential buildings in Italy | |
Xu et al. | Suitability evaluation of urban construction land based on geo-environmental factors of Hangzhou, China | |
Panza et al. | NDSHA: A new paradigm for reliable seismic hazard assessment | |
Neuhäuser et al. | Landslide susceptibility assessment using “weights-of-evidence” applied to a study area at the Jurassic escarpment (SW-Germany) | |
Schulman et al. | Analysing botanical collecting effort in Amazonia and correcting for it in species range estimation | |
CN107679774A (zh) | 一种抗震预防和救灾能力的评估方法以及装置 | |
Biswas et al. | Modeling on management strategies for spatial assessment of earthquake disaster vulnerability in Bangladesh | |
Farhan et al. | Analysis of tsunami disaster map by geographic information system (GIS): Aceh Singkil-Indonesia | |
Malakar et al. | Earthquake risk mapping in the Himalayas by integrated analytical hierarchy process, entropy with neural network | |
Sheridan et al. | Probabilistic digital hazard maps for avalanches and massive pyroclastic flows using TITAN2D | |
Das et al. | Assessment and prediction of urban expansion using CA-based SLEUTH urban growth model: A case study of Kolkata Metropolitan area (KMA), West Bengal, India | |
Kossobokov | Hazard, risks, and prediction | |
CN117993707A (zh) | 一种基于人工智能的城市道路塌陷灾害风险评估方法及系统 | |
Arcidiacono et al. | A software for measuring disaster community resilience according to the PEOPLES methodology | |
KR20120004113A (ko) | 지리정보시스템 및 확률 통계기법에 근거한 지하수산출가능성 예측모델 개발 | |
Georgati et al. | Spatially explicit population projections: The case of Copenhagen, Denmark | |
Wislocki et al. | An expert system for landslide hazard and risk assessment | |
Busby | Mapping Epicenters of Climate and Security Vulnerabilities | |
Popescu et al. | Probabilistic risk assessment of landslide related geohazards | |
Azizi et al. | Earthquake risk assessment using OpenQuake and GIS: A case study of Cyprus. | |
Monteiro et al. | Natural-hazard risk assessment in developing countries | |
Nicodemo | Exposure modelling and loss estimation for seismic risk assessment of residential buildings: innovative methods and applications | |
Sarker | GIS based methodologies of seismic Hazard and risk analysis for Bangladesh | |
Van Westen et al. | Geo-information for urban risk assessment in developing countries: The SLARIM project | |
Zhao et al. | Design and Implementation of Earthquake Emergency Response System Based on Grid Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 101-8, 1st floor, building 31, area 1, 188 South Fourth Ring Road West, Fengtai District, Beijing Applicant after: Guoxin Youyi Data Co., Ltd Address before: 100071 B, block B, ABP building, district ABP building, No. 188 headquarters base of South Fourth Ring West Road Applicant before: SIC YOUE DATA Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |