CN108304536A - 一种耦合地缘环境要素的地缘环境模拟与预测平台 - Google Patents

一种耦合地缘环境要素的地缘环境模拟与预测平台 Download PDF

Info

Publication number
CN108304536A
CN108304536A CN201810088228.9A CN201810088228A CN108304536A CN 108304536 A CN108304536 A CN 108304536A CN 201810088228 A CN201810088228 A CN 201810088228A CN 108304536 A CN108304536 A CN 108304536A
Authority
CN
China
Prior art keywords
simulation
geographical
risk
layer
data
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
Application number
CN201810088228.9A
Other languages
English (en)
Inventor
江东
付晶莹
张珣
郝蒙蒙
丁方宇
林刚
李江涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201810088228.9A priority Critical patent/CN108304536A/zh
Publication of CN108304536A publication Critical patent/CN108304536A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种耦合地缘环境要素的地缘环境模拟与预测平台，包括：基础设施层，数据层，支撑层，应用层和表现层；其中，所述应用层包括：基础模块，用于典型区域的模拟与预测的基础辅助；数据管理模块，用于典型区域要素的模拟；数据挖掘模块，进行地物识别、变化检测、轨迹分析、热点探测和可视化分析；专题分析模块，进行地缘格局分析、地缘冲突分析和地缘关系分析；区域分析模块，对特定区域进行分析；综合评估模块，进行恐怖袭击风险评估、武装冲突风险评估、地缘环境风险综合评估。本发明可以为地缘环境的研究人员、决策者与管理人员提供了一套可视化与可视分析平台，可辅助研究人员进行分析与决策。

Description

一种耦合地缘环境要素的地缘环境模拟与预测平台
技术领域
本发明涉及一种地缘环境模拟与预测平台，特别是一种关于综合利用 3DWebGIS和WebGL技术的地缘环境模拟与预测平台。
背景技术
近年来国内外学者对地缘环境的研究不断加强，地缘环境研究也形成 了一系列的平台。国内的一系列平台主要在经济、文化、政治等方面提供 数据服务以及新闻资讯，没有充分体现三维全视角地缘环境的模拟，且对 地理和环境要素涉及较少。
目前国内对地缘环境研究还存在很大的缺陷，还没有一款可快速、准 确的对典型区域地缘环境进行模拟与预测，为地缘环境研究提供数据和可 视分析的平台可以应用。
发明内容
针对上述问题，本发明的目的是提供一种易操作、多尺度、快速评估 与预警的地缘环境模拟与预测平台，可辅助决策者进行研究与决策。
为实现上述目的，本发明采取以下技术方案：
一种耦合地缘环境要素的地缘环境模拟与预测平台，包括：
基础设施层，用于为平台的功能服务提供底层服务基础；
数据层，用于对基础设施层收集的数据进行存储和管理；
支撑层，用于为地缘模拟提供基础平台支持，为应用层提供可扩展技 术框架；
应用层；
表现层，用于方便用户设计，提供桌面端、Web端和移动端的访问；
其中，所述应用层包括：
基础模块，用于典型区域的模拟与预测的基础辅助；
数据管理模块，用于典型区域要素的模拟；
数据挖掘模块，用于根据所述数据管理模块的数据，进行地物识别、 变化检测、轨迹分析、热点探测和可视化分析；
专题分析模块，用于根据所述数据管理模块的数据，进行地缘格局分 析、地缘冲突分析和地缘关系分析；
区域分析模块，用于根据所述数据管理模块的数据，对特定区域进行 分析；
综合评估模块，用于根据所述数据管理模块的数据进行恐怖袭击风险 评估、武装冲突风险评估、地缘环境风险综合评估。
优选地，所述基础模块的功能包括二三维一体化、地图切换、地缘环 境要素综合检索、3D平移与旋转和重置罗盘仪。
所述二三维一体化完成在同一页面相同数据的三维立体地图和二维 平面地图的同步展示；所述底图切换完成面向不同的地缘环境模拟需求实 时动态切换底图类型；所述地缘环境要素综合检索完成对搜索区域的定位； 所述3D平移与旋转完成三维立体地图的平移或者旋转切换；所述重置罗 盘仪完成三维立体地图回到正确位置。
优选地，所述数据管理模块包括全球基础地理要素数据库、全球重点 资源环境要素数据库、全球人文与发展要素数据库、全球海洋与战略支点 要素数据库和全球典型区域特征要素数据库。
优选地，所述区域分析模块包括中亚战略能矿资源分析、印度洋港口 运输态势分析、孟中印缅区域粮食安全分析和中蒙俄跨境高铁地缘影响分 析。
优选地，所述恐怖袭击风险评估包括基础数据、事件回顾和风险模拟；
所述基础数据，包括评估建模过程中所需恐怖袭击风险评估因子数据；
所述事件回顾，记录自1970年起恐怖袭击发生地点的分布；
所述风险模拟，根据模拟因子数据，选用支持向量机、BP神经网络 或随机森林算法进行恐怖袭击风险模拟过程。
优选地，选用支持向量机方法进行恐怖袭击事件的风险模拟时，其模 型方法表达式为：
式中，ξ＝(ξ1，ξ2，…，ξn)为松弛变量的集合，C为惩罚参数；
选用向后BP神经网络方法进行风险模拟时，其模型方法表达式为：
式中，Hj为隐含层第j个节点的输出值，wij为输入层第i个节点到隐 含层第j个节点之间的权重，ai为输入层第i个节点的输入值，n为输入层 节点个数，θj为隐含层第j个节点阈值，f为传递函数；
式中，Ot为输出层第t个节点的输出值，vjt为隐含层第j个节点到输出 层第t个节点之间的权重，q为输出层节点个数，γt为输出层第t个节点阈 值。
式中，为输出层第t个节点的理想输出值；
选用随机森林算法进行风险模拟时，随机森林算法采用CART树 (classificationand regression tree)作为单元树，而CART树使用具有最小 基尼指数的属性作为分类属性，其基尼指数的公式如下：
式中，pi为训练数据集D中属于第i类的概率。
优选地，所述武装冲突风险评估包括基础数据、事件回顾、风险模拟 三部分；
所述基础数据，包括评估建模过程中所需武装冲突风险评估因子数据；
所述事件回顾，记录自1970年起武装冲突发生地点的分布；
所述风险模拟，基于增强回归树算法，在栅格单元上模拟武装冲突与 各类协变量之间的关系，生成全球武装冲突风险发生概率图。
优选地，其中风险模拟方法的表达式为：
其中每个fk是一个在函数空间F里面的函数，而F对应了所有回归树 的集合，X代表与武装冲突相关的地理、环境和社会人文要素的集合，K 是回归树的个数，k指第k次增加训练。
优选地，所述地缘环境风险综合评估，根据地缘风险评估因子，通过 全球技术风险评估、全球环境风险评估、全球经济风险评估、全球社会稳 定性风险评估以及全球地缘政治风险评估五个风险评估因子，在AHP模 型专家知识支持下，对各评估因子设置不同的权重，进而进行综合评估。
优选地，根据权重向量进行综合评估的计算方法为：
(1)计算判断矩阵A的每一行元素的积Mi：
i＝1，2，3，…n，bij为第i行j列的元素；
(2)计算各行Mi的n次方根值：
i＝1，2，3，…n，式中，n为矩阵阶数，为n次方根；
(3)将向量归一化，计算如下：
Wi即为所求的各指标的权重；
(4)设一致性指标为C.I.，即有R.I为平均随机一致 性指标，定义一致性比率CR为：
λmax为判断矩阵的最大特征根，其算法如下：
AW＝λmaxW，A表示权重比矩阵，W表示权重向量；
(5)综合评价值的计算：B＝W×R
B为目标层包含的各下级因素相对于目标层的综合模糊运算结果，W 为目标层下级各因素相对于该层的权重，R为模糊评价矩阵，由专家打分 法确定。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明综合利用3DWebGIS和WebGL技术。WebGIS技术保证了 良好的可扩展性，与Web中的其他信息服务可进行无缝集成，建立灵活多 变的GIS应用，同时也支持跨平台访问；WebGL通过HTML脚本本身实 现Web交互式三维动画的制作，无需任何浏览器插件支持，同时它利用底 层的图形硬件加速功能进行的图形渲染；
2、本发明在基础模块下的二三维联动功能完成同一页面相同数据的 三维立体地图和二维平面地图的同步展示，更直观的全方位多视角展现数 据特征；
3、本发明在数据管理模块下的全球基础地理要素、全球重点资源环 境要素、全球人文与发展要素、全球海洋与战略支点要素、全球典型区域 特征要素模拟，均通过调用REST风格的ArcGIS Web地图服务，加载图 层到WebScene显示，无需复杂的开发代码，更加简洁易用；
4、本发明在综合评估模块下的恐怖袭击风险评估和武装冲突风险评 估，他们的事件回顾模块均解析对应的json数据(记录了自1970年起恐 怖袭击或武装冲突发生地点的分布)，通过时间坐标对应的恐怖袭击时间 发送时间，动态的在三维地图展示相应的恐怖袭击或武装冲突地点；
5、本发明在综合评估模块下的恐怖袭击风险模拟，在湖泊距离、河 流距离、海洋距离、年均降雨、年均温度、民族分布毒品产国等基础数据 支持下，选用支持向量机、BP神经网络、随机森林等方法进行风险模拟 过程。本发明在综合评估模块下的恐怖袭击风险模拟，以往的研究表明， 恐怖袭击事件与气象、地理和社会经济要素具有一定的关系，但这种耦合 机理尚未探寻清楚。本发明通过把1970-2015年的海量恐怖袭击事件和各 类协变量要素匹配到相同空间分辨率的地理栅格单元上，使用3种机器学 习算法来挖掘隐藏在数据下的潜在模式，进而模拟恐怖袭击在全球范围内 的发生风险。不同机器学习算法的模拟效果是有差距的，本发明中采用3 种机器学习算法的目的是为了检验哪种算法更适合模拟这种复杂关系，拥 有最好的模拟效果；
6、本发明在综合评估模块下地缘环境风险综合评估，通过全球技术 风险评估、全球环境风险评估、全球经济风险评估、全球社会稳定性风险 评估以及全球地缘政治风险评估五个风险评估因子，在AHP模型专家知 识支持下，对各评估因子设置不同的权重，进而进行综合评估。本发明方 法准确性高，效率好，可广泛应用于地缘环境的模拟与预测中，辅助研究 人员进行决策。综合评估模块采用了定量和定性相结合的组合评价方法， 构建了基于多级模糊综合评价方法的地缘环境风险指数评价模型，集成了 从评价指标选取、指标体系建立、指标权重分析等多个环节的评价流程， 实现了地缘环境风险指数综合评估与可视化分析，极大地提高了地缘环境 安全态势的评价效率与判别精度，为地缘环境风险等级的可视化与智能化 判别提供一种行而有效的途径，具有典型的应用创新性。
附图说明
图1是本发明平台总体框架示意图；
图2是本发明平台总体功能模块示意图；
图3是本发明基础模块的二三维一体化示意图；
图4是本发明数据管理模块的全球基础地理要素模拟(土壤类型分布) 示意图；
图5是本发明数据管理模块的全球重点资源环境要素模拟(生态系统 类型分布)示意图；
图6是本发明综合分析模块的恐怖袭击风险评估事件回顾示意图；
图7是本发明综合分析模块的恐怖袭击风险评估风险模拟示意图；
图8是本发明综合分析模块的地缘环境风险综合评估示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实 施例，并参照附图，对本发明作进一步的详细说明。
本发明平台基于3DWebGIS技术保证了良好的可扩展性，与Web中 的其他信息服务可进行无缝集成，也支持跨平台访问；利用WebGL技术， 无需任何浏览器插件支持，实现Web交互式三维动画的制作。平台易操作， 可跨平台，能快速、准确的对典型区域地缘环境进行模拟与预测。
如图1所示，本发明的地缘环境模拟与预测平台包括一基础设施层、 一数据层、一支撑层、一应用层、一表现层。
基础设施层为平台的功能服务提供底层服务基础。如图1所示，地缘 环境模拟与预测平台的基础设施层，包括外部观测设施、网络设施和计算 机硬件设施。通过传感器和遥感器等外部观测设施，为平台提供精确的基 础数据；通过网络宽带和网络资源等网络设施，为平台提供了安全和完整 的网络结构；通过计算机、存储设备、服务器等为硬件设施为平台提供了 高速的数据处理能力以及高容量的数据存储能力。
数据层对基础设施层收集的数据进行存储和管理。如图1所示，地缘 环境模拟与预测平台的数据层，包括基础地理数据库、资源环境数据库、 人文与发展数据库、支撑数据库、典型区域特征数据库、海洋与战略支点 数据库。其中支撑数据库用于记录系统日志、用户管理等平台数据。这些 数据库为平台的模拟与预测提供全方位的数据支撑。
支撑层为地缘模拟与预测提供技术架构支持。如图1所示，地缘环境 模拟与预测平台的支撑层包括GIS基础平台和系统预测分析可编程组件。 GIS平台主要是集成了基础GIS功能API、程序编程接口、应用程序开发 框架等功能，为地缘模拟提供基础平台支持；可编程组件包括知识库和地 缘模型库，主要完成地缘环境模拟与预测分析模型的对接。
应用层在下面将进行详细介绍。
表现层用于方便用户设计。如图1所示，地缘环境模拟与预测平台的 表现层，用户可通过桌面端、Web端和移动端对平台访问，可以获取平台 提供的多尺度、快速、准确的地缘环境服务信息。
如图2所示，本发明的应用层包括一基础模块、一数据管理模块、一 数据挖掘模块、一专题分析模块、一区域分析模块、一综合评估模块。
本实施例的基础模块用于典型区域的模拟与预测的基础辅助，其中包 括二三维一体化、底图切换、地缘环境要素综合检索、3D平移与旋转、 重置罗盘仪五个基本功能。
所述二三维一体化，如图3所示，点击二三维联动按钮，在同一页面 相同数据的三维立体地图和二维平面地图可同步展示，更好为地缘环境模 拟与预测其他模块提供支撑和保障。
所述底图切换，是根据不同的地缘环境模拟过程底图需求不同，通过 影像图、带标注影像图、街道图、地形图、深灰色画布地图、浅灰色画布 地图、国家地理、海洋图、带标注的三维地形图、开放维基世界地图10 种地图类型，对不同的地缘环境模拟需求实时动态切换底图类型。
所述地缘环境要素综合检索，是通过用户需求在文本框输入英文或中 文地点名称，系统可以通过camera控件将视角平缓流程的转移到指定的 位置，其也支持地理坐标的地点查询。
所述3D平移与旋转，是根据用户对于三维立体地图的观察需求不同， 完成三维立体地图的平移或者旋转切换。
所述重置罗盘仪，是用户对三维地图进行了平移或旋转的操作之后， 调整三维立体地图重置正常的南北极。
本实施例的数据管理模块用于典型区域要素的模拟，其中包括全球基 础地理要素模拟、全球重点资源环境要素模拟、全球人文与发展要素模拟、 全球海洋与战略支点要素模拟、全球典型区域特征要素模拟。
所述全球基础地理要素模拟，其数据包括水系流域、生态区划、土壤 类型、农业区划、地貌类型等。如图4所示，用户想要了解全球土壤类型 的分布特点，在图中左上角全球基础地理要素数据库模块中点击土壤类型， 平台调用封装在layerList的REST风格的ArcGIS Web地图服务，加载图 层到WebScene显示。
表1数据管理模块地缘模拟的方法
所述全球重点资源环境要素模拟，其数据包括干旱空间分布、荒漠化 分布、湿润度、降水、温度、矿产产量、油气储量等。用户根据需求选择 需要的重点资源环境要素，平台调用地图服务数据包，加载图层到三维立 体地图上显示。
所述全球人文与发展要素模拟，其数据包括著名文化古迹分布、沿海 城市分布、国内生产总值、道路、机场、人口空间分布等。如图5所示， 用户想要了解全球人口的空间分布，在图中左上角全球人文与发展要素数 据库模块中点击人口空间分布，平台调用封装在layerList的REST风格的 ArcGIS Web地图服务，加载图层到WebScene显示。
所述全球海洋与战略支点要素模拟，其数据包括工业基础设施、重要 海岸带、主要航线、重要港口等。用户根据需求选择需要的海洋与战略支 点要素，平台调用地图服务数据包，加载图层到三维立体地图上显示。
所述全球典型区域特征要素模拟，其数据包括孟中印缅经济走廊、中 巴经济走廊、中国-中南半岛经济走廊、中蒙俄经济走廊等。用户根据需求 选择需要的典型区域特征要素，平台调用地图服务数据包，加载图层到三 维立体地图上显示。
本实施例的数据挖掘模块用于根据机器学习知识进行地缘环境研究， 包括地物识别、变化检测、轨迹分析、热点探测和可视化分析五个功能模 块。
所述地物识别，是通过动态可视化手段对遥感影像进行分割，根据用 户设定的规则对重点地物进行识别，将识别结果形成矢量数据进而展示在 二维和三维地图上。
本实施例的区域分析模块用于对典型地区的区域特征进行分析，包括 中亚战略能矿资源分析、印度洋港口运输态势分析、孟中印缅区域粮食安 全分析和中蒙俄跨境高铁地缘影响分析。平台提供了孟中印缅经济走廊、 中巴经济走廊、中国-中南半岛经济走廊、中国-中亚-西亚经济走廊、中蒙 俄经济走廊、新亚欧大陆桥经济走廊等典型区域地缘环境格局的变化特征， 可对重点区域环境格局演变进行动态监测、实时分析和快速评估。
本实施例的专题分析模块用于对地缘环境模拟过程中的地缘格局、地 缘冲突和地缘关系进行专题分析。模块融合遥感监测技术、GIS交互可视 化技术、级联效应分析与情景模拟分析，结合地理学、经济学、军事学等 多领域知识，可对地缘格局、地缘冲突和地缘关系专题地缘环境展开模拟 研究。
本实施例的综合评估模块用于对地缘环境进行综合评估，包括恐怖袭 击风险评估、武装冲突风险评估和地缘环境风险综合评估。
所述恐怖袭击风险评估，包含基础数据、事件回顾、风险模拟三个功 能。
所述基础数据，展示评估建模过程中所需恐怖袭击风险评估因子数据， 包括人口密度、夜间灯光指数、主要毒品国、年均降雨、年均温度等数据， 用户根据需求点击相应的的因子，对应的地图服务会加载图层到三维立体 地图上显示。
表2恐怖袭击风险评估因子数据
所述事件回顾，记录了自1970年起恐怖袭击发生地点的分布。如图5 所示，通过时间坐标对应的恐怖袭击时间发送时间，点击时间坐标轴左侧 的按钮，三维地图上通过红点动态展示相应的恐怖袭击地点；系统调用json 数据，通过饼状图动态对每年恐怖袭击伤亡人数、死亡人数和受伤人数进 行可视化。
表3事件回顾调用的方法
所述风险模拟，如图7所示，是在人口密度、夜间灯光指数、主要毒 品国、年均降雨、年均温度等模拟因子数据支持下，选用支持向量机、BP 神经网络、随机森林等方法进行风险模拟。
其中方法表达式为：
本发明选用支持向量机方法进行风险模拟，其模型方法表达式为：
式中，ξ＝(ξ1，ξ2，…，ξn)为松弛变量的集合，C为惩罚参数。
本发明选用向后BP神经网络方法进行风险模拟，其模型方法表达式 为：
式中，Hj为隐含层第j个节点的输出值，wij为输入层第i个节点到隐 含层第j个节点之间的权重，ai为输入层第i个节点的输入值，n为输入层 节点个数，θj为隐含层第j个节点阈值，f为传递函数。
式中，Ot为输出层第t个节点的输出值，vjt为隐含层第j个节点到输出 层第t个节点之间的权重，q为输出层节点个数，γt为输出层第t个节点阈 值。
式中，为输出层第t个节点的理想输出值。
本发明选用随机森林算法进行风险模拟，随机森林算法采用CART树(classification and regression tree)作为单元树，而CART树使用具有最小 基尼指数的属性作为分类属性，其基尼指数的公式如下：
式中，pi为训练数据集D中属于第i类的概率。
所述武装冲突风险评估，包含基础数据、事件回顾、风险模拟三个功 能。
所述武装冲突基础数据，展示评估建模过程中所需武装冲突风险评估 因子数据；所述事件回顾，记录了自1970年起武装冲突发生地点的分布。 通过折线图动态对每年武装冲突伤亡人数、死亡人数和受伤人数进行可视 化。
在风险模拟时，以往的研究主要是以国家为单元，探索武装冲突风险 与气象、地理和社会经济要素之间的关系，这种方式忽略了一个重要问题， 即地方武装冲突不是等概率发生在一个国家的各个地区，存在空间上的差 异性。本发明利用各类协变量数据尽可能还原全球各个地区的真实情况， 基于增强回归树算法，在5公里栅格单元上模拟武装冲突与各类协变量之 间的关系，生成全球武装冲突风险发生概率图。
所述武装冲突风险模拟，如图7所示，是在人口密度、数字高程、灾 害频率、异常温度、干旱指数等模拟因子数据支持下，选用增强回归树模 型进行风险模拟。
其中模型方法表达式为：
其中每个fk是一个在函数空间F里面的函数，而F对应了所有回归树 的集合，X代表与武装冲突相关的地理、环境和社会人文要素的集合，K 是回归树的个数，k指第k次增加训练。
所述地缘环境风险综合评估，如图8所示，根据全球技术风险评估、 全球环境风险评估、全球经济风险评估、全球社会稳定性风险评估以及全 球地缘政治风险评估五个风险评估因子，在AHP模型专家知识支持下， 对各评估因子设置不同的权重，进而进行综合评估。
表4地缘环境风险综合评估评估因子及权重设置
判断矩阵是计算权重的根据，根据权重向量进行综合评估的计算：
(1)计算判断矩阵A的每一行元素的积Mi：
i＝1，2，3，…n，bij为第i行j列的元素。
(2)计算各行Mi的n次方根值：
i＝1，2，3，…n，式中，n为矩阵阶数，为n次方根
(3)将向量归一化，计算如下：
Wi即为所求的各指标的权重。
(4)设一致性指标为C.I.，即有R.I为平均随机一致 性指标，定义一致性比率CR为：
λmax为判断矩阵的最大特征根，其算法如下：
AW＝λmaxW，A表示权重比矩阵，W表示权重向量。
(5)综合评价值的计算：B＝W×R
B为目标层包含的各下级因素相对于目标层的综合模糊运算结果，W 为目标层下级各因素相对于该层的权重，R为模糊评价矩阵，由专家打分 法确定。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行 了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已， 并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、 等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种耦合地缘环境要素的地缘环境模拟与预测平台，包括：
基础设施层，用于为平台的功能服务提供底层服务基础；
数据层，用于对基础设施层收集的数据进行存储和管理；
支撑层，用于为地缘模拟提供基础平台支持，为应用层提供可扩展技术框架；
应用层；
表现层，用于方便用户设计，提供桌面端、Web端和移动端的访问；
其中，所述应用层包括：
基础模块，用于典型区域的模拟与预测的基础辅助；
数据管理模块，用于典型区域要素的模拟；
数据挖掘模块，用于根据所述数据管理模块的数据，进行地物识别、变化检测、轨迹分析、热点探测和可视化分析；
专题分析模块，用于根据所述数据管理模块的数据，进行地缘格局分析、地缘冲突分析和地缘关系分析；
区域分析模块，用于根据所述数据管理模块的数据，对特定区域进行分析；
综合评估模块，用于根据所述数据管理模块的数据进行恐怖袭击风险评估、武装冲突风险评估、地缘环境风险综合评估。
2.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述基础模块的功能包括二三维一体化、地图切换、地缘环境要素综合检索、3D平移与旋转和重置罗盘仪。
3.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述数据管理模块包括全球基础地理要素数据库、全球重点资源环境要素数据库、全球人文与发展要素数据库、全球海洋与战略支点要素数据库和全球典型区域特征要素数据库。
4.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述区域分析模块包括中亚战略能矿资源分析、印度洋港口运输态势分析、孟中印缅区域粮食安全分析和中蒙俄跨境高铁地缘影响分析。
5.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述恐怖袭击风险评估包括基础数据、事件回顾和风险模拟；
所述基础数据，包括评估建模过程中所需恐怖袭击风险评估因子数据；
所述事件回顾，记录自1970年起恐怖袭击发生地点的分布；
所述风险模拟，根据模拟因子数据，选用支持向量机、BP神经网络或随机森林算法进行恐怖袭击风险模拟过程。
6.如权利要求5所述的地缘环境模拟与预测平台，其特征在于，选用支持向量机方法进行恐怖袭击事件的风险模拟时，其模型方法表达式为：
式中，ξ＝(ξ1，ξ2，…，ξn)为松弛变量的集合，C为惩罚参数；
选用向后BP神经网络方法进行风险模拟时，其模型方法表达式为：
式中，Hj为隐含层第j个节点的输出值，wij为输入层第i个节点到隐含层第j个节点之间的权重，ai为输入层第i个节点的输入值，n为输入层节点个数，θj为隐含层第j个节点阈值，f为传递函数；
式中，Ot为输出层第t个节点的输出值，vjt为隐含层第j个节点到输出层第t个节点之间的权重，q为输出层节点个数，γt为输出层第t个节点阈值。
式中，为输出层第t个节点的理想输出值；
选用随机森林算法进行风险模拟时，随机森林算法采用CART树(classification andregression tree)作为单元树，而CART树使用具有最小基尼指数的属性作为分类属性，其基尼指数的公式如下：
式中，pi为训练数据集D中属于第i类的概率。
7.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述武装冲突风险评估包括基础数据、事件回顾、风险模拟三部分；
所述基础数据，包括评估建模过程中所需武装冲突风险评估因子数据；
所述事件回顾，记录自1970年起武装冲突发生地点的分布；
所述风险模拟，基于增强回归树算法，在栅格单元上模拟武装冲突与各类协变量之间的关系，生成全球武装冲突风险发生概率图。
8.如权利要求7所述的地缘环境模拟与预测平台，其特征在于，其中风险模拟方法的表达式为：
其中每个fk是一个在函数空间F里面的函数，而F对应了所有回归树的集合，X代表与武装冲突相关的地理、环境和社会人文要素的集合，K是回归树的个数，k指第k次增加训练。
9.如权利要求1所述的地缘环境模拟与预测平台，其特征在于，所述地缘环境风险综合评估，根据地缘风险评估因子，通过全球技术风险评估、全球环境风险评估、全球经济风险评估、全球社会稳定性风险评估以及全球地缘政治风险评估五个风险评估因子，在AHP模型专家知识支持下，对各评估因子设置不同的权重，进而进行综合评估。
10.如权利要求9所述的地缘环境模拟与预测平台，其特征在于，根据权重向量进行综合评估的计算方法为：
(1)计算判断矩阵A的每一行元素的积Mi：
bij为第i行j列的元素；
(2)计算各行Mi的n次方根值：
式中，n为矩阵阶数，为n次方根；
(3)将向量归一化，计算如下：
Wi即为所求的各指标的权重；
(4)设一致性指标为C.I.，即有为平均随机一致性指标，定义一致性比率CR为：
λmax为判断矩阵的最大特征根，其算法如下：
AW＝λmaxW，A表示权重比矩阵，W表示权重向量；
(5)综合评价值的计算：B＝W×R
其中，B为目标层包含的各下级因素相对于目标层的综合模糊运算结果，W为目标层下级各因素相对于该层的权重，R为模糊评价矩阵，由专家打分法确定。
CN201810088228.9A 2018-01-29 2018-01-29 一种耦合地缘环境要素的地缘环境模拟与预测平台 Pending CN108304536A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810088228.9A CN108304536A (zh) 2018-01-29 2018-01-29 一种耦合地缘环境要素的地缘环境模拟与预测平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810088228.9A CN108304536A (zh) 2018-01-29 2018-01-29 一种耦合地缘环境要素的地缘环境模拟与预测平台

Publications (1)

Publication Number Publication Date
CN108304536A true CN108304536A (zh) 2018-07-20

Family

ID=62867199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810088228.9A Pending CN108304536A (zh) 2018-01-29 2018-01-29 一种耦合地缘环境要素的地缘环境模拟与预测平台

Country Status (1)

Country Link
CN (1) CN108304536A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242246A (zh) * 2018-08-01 2019-01-18 深圳市城市公共安全技术研究院有限公司 情景构建方法、应急演练方法及情景构建系统
CN109978249A (zh) * 2019-03-19 2019-07-05 广州大学 基于分区建模的人口数据空间化方法、系统及介质
CN111563033A (zh) * 2020-04-02 2020-08-21 北京明略软件系统有限公司 一种模拟数据的生成方法和装置
CN111562541A (zh) * 2020-05-31 2020-08-21 宁夏隆基宁光仪表股份有限公司 一种应用cart算法实现电能表检测数据管理的软件平台
CN112100800A (zh) * 2020-06-22 2020-12-18 中国人民解放军战略支援部队信息工程大学 面向地缘环境的时空信息智能分析体系架构设计方法
CN113762150A (zh) * 2021-09-07 2021-12-07 北京工商大学 一种尾矿库特征分析及模型构建方法及系统
CN113761083A (zh) * 2020-06-01 2021-12-07 中国人民解放军战略支援部队信息工程大学 基于国家地缘关系的图像生成方法与装置
CN114742320A (zh) * 2022-05-18 2022-07-12 海南省气象科学研究所 一种地理要素预测模型构建方法、预测方法及相关装置
US11636239B2 (en) 2019-06-03 2023-04-25 At&T Intellectual Property I, L.P. Method and apparatus for simulating events on smart cities

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140065576A1 (en) * 2012-05-07 2014-03-06 Eads Deutschland Gmbh Device for Visualizing Military Operations
CN105809578A (zh) * 2016-05-30 2016-07-27 北京师范大学 一种区域水环境风险评估和分区方法
CN106062737A (zh) * 2013-09-06 2016-10-26 道富公司 用于多维时态数据的交互式可视分析的系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140065576A1 (en) * 2012-05-07 2014-03-06 Eads Deutschland Gmbh Device for Visualizing Military Operations
CN106062737A (zh) * 2013-09-06 2016-10-26 道富公司 用于多维时态数据的交互式可视分析的系统和方法
CN105809578A (zh) * 2016-05-30 2016-07-27 北京师范大学 一种区域水环境风险评估和分区方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冯长强等: "地缘环境分析模型图形化建模", 《测绘科学技术学报》 *
杨理智等: ""21世纪海上丝绸之路" 地缘环境分析与风险区划", 《军事运筹与系统工程》 *
王淑芳等: "中国周边地缘影响力的建模与测算——以南亚为例", 《地理科学进展》 *
葛全胜等: "地缘环境系统模拟研究探讨", 《地理学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242246B (zh) * 2018-08-01 2021-05-04 深圳市城市公共安全技术研究院有限公司 情景构建方法、应急演练方法及情景构建系统
CN109242246A (zh) * 2018-08-01 2019-01-18 深圳市城市公共安全技术研究院有限公司 情景构建方法、应急演练方法及情景构建系统
CN109978249A (zh) * 2019-03-19 2019-07-05 广州大学 基于分区建模的人口数据空间化方法、系统及介质
US11636239B2 (en) 2019-06-03 2023-04-25 At&T Intellectual Property I, L.P. Method and apparatus for simulating events on smart cities
CN111563033A (zh) * 2020-04-02 2020-08-21 北京明略软件系统有限公司 一种模拟数据的生成方法和装置
CN111563033B (zh) * 2020-04-02 2023-06-02 北京明略软件系统有限公司 一种模拟数据的生成方法和装置
CN111562541A (zh) * 2020-05-31 2020-08-21 宁夏隆基宁光仪表股份有限公司 一种应用cart算法实现电能表检测数据管理的软件平台
CN111562541B (zh) * 2020-05-31 2022-05-24 宁夏隆基宁光仪表股份有限公司 一种应用cart算法实现电能表检测数据管理的软件平台
CN113761083B (zh) * 2020-06-01 2023-12-01 中国人民解放军战略支援部队信息工程大学 基于国家地缘关系的图像生成方法与装置
CN113761083A (zh) * 2020-06-01 2021-12-07 中国人民解放军战略支援部队信息工程大学 基于国家地缘关系的图像生成方法与装置
CN112100800A (zh) * 2020-06-22 2020-12-18 中国人民解放军战略支援部队信息工程大学 面向地缘环境的时空信息智能分析体系架构设计方法
CN112100800B (zh) * 2020-06-22 2024-02-09 中国人民解放军战略支援部队信息工程大学 面向地缘环境的时空信息智能分析体系架构设计方法
CN113762150A (zh) * 2021-09-07 2021-12-07 北京工商大学 一种尾矿库特征分析及模型构建方法及系统
CN113762150B (zh) * 2021-09-07 2024-04-02 北京工商大学 一种尾矿库特征分析及模型构建方法及系统
CN114742320A (zh) * 2022-05-18 2022-07-12 海南省气象科学研究所 一种地理要素预测模型构建方法、预测方法及相关装置

Similar Documents

Publication Publication Date Title
CN108304536A (zh) 一种耦合地缘环境要素的地缘环境模拟与预测平台
Souza et al. City Information Modelling as a support decision tool for planning and management of cities: A systematic literature review and bibliometric analysis
He et al. Mining transition rules of cellular automata for simulating urban expansion by using the deep learning techniques
Feng et al. Dynamic land use change simulation using cellular automata with spatially nonstationary transition rules
Chen et al. Exploring the spatial differentiation of urbanization on two sides of the Hu Huanyong Line--based on nighttime light data and cellular automata
Niu et al. Measuring urban poverty using multi-source data and a random forest algorithm: A case study in Guangzhou
De la Luz Hernández-Flores et al. Urban driving forces and megacity expansion threats. Study case in the Mexico City periphery
Zhu et al. Flood disaster risk assessment based on random forest algorithm
Roy et al. Predicting land cover change in a Mediterranean catchment at different time scales
CN110458048A (zh) 顾及城镇格局特征的人口分布时空演变与认知
Shang et al. Estimating building-scale population using multi-source spatial data
Qiu et al. Disaggregating population data for assessing progress of SDGs: methods and applications
CN102646164A (zh) 一种结合空间滤波的土地利用变化建模方法及其系统
CN107480826A (zh) 基于gis的输电线路覆冰预警三维系统的应用
Wang et al. Modeling urban growth by coupling localized spatio-temporal association analysis and binary logistic regression
CN109447436A (zh) 一种环湖旅游公路景观视觉影响评价方法
Guo et al. Monitoring and simulation of dynamic spatiotemporal land use/cover changes
Zhang et al. Urban spatial risk prediction and optimization analysis of POI based on deep learning from the perspective of an epidemic
CN115994685A (zh) 一种国土空间规划现状评估方法
Wu et al. Disaggregating county-level census data for population mapping using residential geo-objects with multisource geo-spatial data
Girotto et al. A critical review of digital technology innovations for early warning of water-related disease outbreaks associated with climatic hazards
Mohan et al. A brief review of recent developments in the integration of deep learning with GIS
Xu et al. Comparing satellite image and GIS data classified local climate zones to assess urban heat island: A case study of Guangzhou
CN107608938A (zh) 基于增强回归树算法的面向二值分类的因子筛选方法
Miah et al. Exploring the nexus between land cover change dynamics and spatial heterogeneity of demographic trajectories in rapidly growing ecosystems of south Asian cities

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