CN111080080B - 一种村镇地质灾害风险预估方法及系统 - Google Patents
一种村镇地质灾害风险预估方法及系统 Download PDFInfo
- Publication number
- CN111080080B CN111080080B CN201911168119.9A CN201911168119A CN111080080B CN 111080080 B CN111080080 B CN 111080080B CN 201911168119 A CN201911168119 A CN 201911168119A CN 111080080 B CN111080080 B CN 111080080B
- Authority
- CN
- China
- Prior art keywords
- case
- village
- geological disaster
- attribute
- representing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 230000014509 gene expression Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000002689 soil Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种村镇地质灾害风险预估方法及系统,该方法包括:收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。通过该方案解决了现有灾害风险预估准确度不高的问题,可以提高村镇灾害风险预估精度和案例推理时间效率。
Description
技术领域
本发明涉及灾害防治领域,尤其涉及一种村镇地质灾害风险预估方法及系统。
背景技术
地质灾害频发给人民的生命财产及环境造成巨大破坏,我国作为自然灾害发生比例较高的国家之一,60%的地质灾害发生在村镇,相对于城市,村镇地质灾害受地理位置、气候条件、基础设施、经济基础等影响,灾害呈现出分布广泛、种类繁多、发生频繁等特点,地质灾害发生环境复杂,加上资料信息不完备乃至缺失,导致对灾害风险评估较为困难,难以进行有效防治。
借助案例推理CBR(Case-Based Reasoni ng)可以对这类多种灾害类型的村镇灾害风险评估问题进行求解,根据以往案例,通过不断学习和知识积累,完成对当前灾害的预测评估。目前,案例推理方法已被应用到洪水灾害的预测、典型城市灾害分类推理及应急救援案例匹配、救灾口粮需求预估等,通过简单罗列灾情、过程,可以实现对灾害预估,然而对于复杂多样的村镇灾害,难以准确快速进行灾害风险预估。
发明内容
有鉴于此,本发明实施例提供了一种村镇地质灾害风险预估方法及系统,以解决现有村镇灾害预估结果准确度不高的问题。
在本发明实施例的第一方面,提供了一种村镇地质灾害风险预估方法,包括:
收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
在本发明实施例的第二方面,提供了一种村镇地质灾害风险预估系统,包括:
建立模块,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
聚类模块,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
提取模块,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
检索模块,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
本发明实施例中,通过建立具有空间关系的村镇地质灾害案例库,基于autoclust算法进行聚类以初步划分案例库,通过粗糙集和遗传算法对案例库进行核心特征提取和特征权值分配,根据案例特征和空间要素,在案例库中检索与目标案例最相似的历史案例,从而进行案例重用,对当前村镇灾害进行准确预估,解决了现有村镇灾害预估准确度不高的问题,能够快速准确的进行灾害风险预估,缩短推理时间,可以应对多种类型的地质灾害评估问题。基于灾害位置的空间关系,可以对复杂类型的村镇地质灾害进行求解,简化过程,提高风险预估精度和速度。基于粗糙集和遗传算法进行特征提取和权值分配,可以有效提高检索效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,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取其他附图。
图1为本发明的一个实施例提供的村镇地质灾害案例库的结构示意图;
图2为本发明的一个实施例提供的村镇地质灾害风险预估方法的流程示意图;
图3为本发明的一个实施例提供的村镇地质灾害风险预估方法的另一流程示意图;
图4为本发明的一个实施例提供的村镇地质灾害风险预估系统的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第一”“第二”用于区分不同对象,并非用于描述特定顺序。
请参阅图1,图1为本发明实施例提供的村镇地质灾害案例库的结构示意图,如图所示:
在地质灾害空间数据库110中存储有地质灾害空间数据,基于地质灾害空间数据可以形成案例库120,所述地质灾害空间数据库110和所述案例库120均基于GIS分析管理技术支持,进行对应的数据或案例管理。
在所述案例库120中包括矢量数据、栅格数据和表格数据。矢量数据对应于地形地貌、底层岩性、气象水文、人类活动等,栅格数据对应于遥感影像、现场照片等,表格数据对应于滑坡、崩塌、泥石流等。
示例性的,案例库中数据可以包括:某村落,不稳定-1(X2),发生规模为:长25m、宽87m、厚4m,体积8700m3(X3),诱发因素为:年降雨量-1(X4),地貌形态为:高丘-3(X5),相对高差为:(58-117.5)-1(X6),地貌分区为中山-5(X7),地形坡度为:25°(X8),地层岩性为:寒武系黄洞口组砂岩夹泥岩(∈h)(X9),地质构造为:构造线(1-3km)-2(X10),工程地质岩组为:砂质土及双层土体-3(X11),风化土层厚度为:1~3m-2(X12),水文地质为:松散岩类孔隙水-1(X13),月均降雨量:1760mm(X14),人类工程活动强度为:中等区-2(X15),灾害点位置为:x:2694498,y:19402918(X16),与道路距离为:476m(X17),与河流距离为:793m(X18),与地质断层距离为:1243m(X19),与灾害点距离为:390m(X20),灾害形状:8.54(X21)。
请参阅图2,本发明实施例提供的一种村镇地质灾害风险预估方法的流程示意图,包括:
S201、收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
在灾害评估或预测当中,空间环境要素对评估的精度存在着较大的影响,当前大多数据地质灾害案例库的研究与应用采用传统的“问题—结果”二元组模式,空间要素通常在“问题”当中仅作为案例描述的一部分,限制了案例推理在地质灾害风险预估中有效应用。
采用“问题-空间关系-结果”三元组案例表达方式建立具有空间属性特征的村镇地质灾害案例库,可以综合考虑空间因素影响,保障历史案例的准确应用。其中,案例“问题”由村镇历史地质灾害的基本属性与地质环境条件属性组成,属性包括:灾害位置、发生时间、稳定程度、发生规模、土层厚度、灾害成因等。地质环境条件属性包括:地形地貌、气象水文,地层岩性、地质构造、岩土体类型、水文地质条件、岩溶发育特征、地质灾害有关的人类工程经济活动等,数据来源采用GIS网格划分技术从地质害数据库中的基础地质图层中提取:如地形地貌图层、降雨量等值线图图层、水系与水文地质图层、地层分布图层、地质构造图层、工程地质岩组分布图层等。空间关系主要包括:历史地质灾害发生的空间位置、几何形态、距离道路、水系、最近灾害点与地质断层距离等,可从基础地质图层中采用GIS空间距离分析算法或分析工具进行提取。案例“结果”为地质灾害类型、规模等级、危害等级、威胁对象、人数、财产等属性描述。假定案例库采用以下三元组的表达形式,历史地质灾害案例库表达式如下:
Ck:<Ak;Sk;Rk>,k=1,2,…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k,…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k,…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k,…,rm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
S202、通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
所述AUTOCLUST算法为一种经典的基于Delaunay三角网的自适应的空间聚类算法,用于对案例库中案例进行聚类集群。
地质灾害案例库中案例规模较大,每个案例还存在大量特征属性,若直接采用全部的特征或权值分配会影响检索精度与效率,以历史案例灾害点位置信息进行空间聚类,对案例库进行初步划分,方便特征提取和权值分配,减少计算资源耗费,提高检索效率。目前采用的聚类方法与数据挖掘技术将案例库划分子库,虽可以满足了一些具体的应用,但仍会存在一定缺陷,如需要先验知识与预设参数,不能发现任意形状的簇,难以处理内部变化密度簇,以及离群点及噪音等问题。另外,地质灾害发生位置具有相似性,甚至同一位置还会发生多次灾害。因此,空间位置密度也反应易发地质灾害的敏感性。若两点间的距离足够小则认为其为相似点,为此,可在案例检索前将发生灾害的空间位置进行空间聚类来预先组织案例,以形成具有高度相似的子案例优化检索效率与定位精度。
由于Delaunay三角网能够自动适应不同区域的点的密度的变化,采用统计规则分步骤删除空间实体间一致长边和短边来生成簇。
具体的,计算与点pi相连的边的平均值:
d(pi)表示与pi相连的边的数量,ej表示与点pi相连的边。
计算与点pi相连的边的标准方差:
计算所有点的标准方差的平均值:
则短边集合为:
Short_Edges(pi)={ej||ej<Local_Mean(pi)-Mean_st_Dev(P)};
则长边集合为:
Short_Edges(pi)={ej||ej>Local_Mean(pi)+Mean_st_DeV(P)};
其他边集合:
Other_Edges(pi)=N(pi)-(Short_Edges(pi)∪Long_Edges(pi));
删除短边集合中短边和长边集合中长边,修复位于簇边界的部分短边,最后扩张邻域在二阶邻域内进一步删除长边获得最终的聚类结果。
AUTOCLUST算法的时间复杂度约为O(nlogn),具有较高的运行效率,同时其可以不需要用户输入参数,能够发现任意形状、不同密度的空间簇,可以解决多链问题。
S203、通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
每个案例如果有太多的特征因子参与运算将消耗大量系统内存与计算时间,案例检索算法也会变得更加复杂。特征提取既减少了存储的空间要求,又更精确的描述了属性特征和决策特征之间的关系。也能提高了CBR的抗噪能力。
粗糙集算法以不完备信息或知识去处理一些不可分辨现象的能力,在反映客观世界不精确性及不确定性的同时,可以不依赖专家知识挖掘数据中隐含的模式,使评估因子权重确定具有很好的客观性,可以通过对数据约简发现最小数据集,评估数据的价值,并对结果提供简明易懂的解释。地质灾害案例库随着规模的增加,直接采用粗糙集约简与权值分配复杂性呈指数级增加,遗传算法能从整体上对问题进行全局优化与隐含并行性等优点。针对地质灾害数据量大,属性冗余度高等特点,采用基于粗糙集与遗传算法相混合的算法进行特征提取,可以约简地质灾害案例属性。
嵌入粗糙集一个局部搜索操作以加强遗传算法的强化能力。在进化过程中生成的所有候选对象都被强制包含核心特性来加速收敛。
各种约简特征具有不同的重要性,根据粗糙集的定义与依赖程度,能构建决策表中各指标权重。如:在信息系统S={U,C∪D,V,f}中,则条件的重要度Si g(c)=rc(D)-rC-|c|(D),c的权重为:
S204、基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
所述案例属性特征为历史地质灾害案例具有的特征,如灾害类型、气象水文、地形地貌等,所述空间要素为历史地质灾害案例具有的空间特征,如空间位置、几何形态等,所述目标案例为当前需要在案例库中进行历史匹配,找到类似案例,以进行灾害评估的地质灾害案例。
获取与目标案例最相似的的历史案例,通过案例重用,可以找到当前目标案例的解决方案,方便高效地解决灾害问题。
具体的,采用传统的最近临近法,计算目标案例A与源案例Ak的相似度:
其中,wi是第i个特征属性的权重,且满足:
由于村镇地质灾害易受周边地质环境的影响,依据案例间存在的空间依赖或制约关系,在案例检索中需要考虑空间特性的相似性计算。如源案例与目标案例的距离,源案例距离历史灾害点,人类活动的建筑工程与道路工程距离。通过源案例与目标案例的空间形态的相似匹配计算,计算空间相似度:
距离关系相似性计算:
其中,dA是场景中A中的两空间目标间的距离,如:源案例中距离历史灾害点或道路的距离等,dB是场景中B中的两空间目标间的距离,如:目标案例中距离历史灾害点或道路的距离等,U是标准化因子,其值取相应特征间的最大距离。
形状相似度采用紧凑度(面积SA与周长LA之比)的方法来描述,如实体A的紧凑度描述为:
则计算实体A与B形状相似性为:
大小相似度的计算:
其中,Area(A),AreaB(B)分别是A与B的面积。
则总的空间相似度为:
其中,S为目标案例空间属性,Sk为源案例的空间属性。wd,wsp,wa分别为距离相似度、形状相似度和大小相似度的权重。
综上,基于空间相似性的地质灾害案例推理模型为:
Simk=Sima(A,Ak)w1+Sims(S,Sk)w2
w1和w2分别表示属性特征、空间特征的权重系数。
则最大相似度为:
Smax=max(Simk,Simk(i)),i=1,2,…,p;
通过案例重用可由具有最大相似度的相似案例得到目标案例的建议解。
假设最大相似度Smax对应q个案例纪录,则与目标案例A最为相似的记录为:
Recq=(Caseq;Rq)
由此式可以通过重用最大相似度案例Recq的结果Rq得到目标案例的建议解。当建议解与实情况完全不相符合时仍需要做案例修正。
在另一个实施例中,如图3所示,图3为本发明实施例提供的村镇地质灾害风险预估方法的另一流程示意图,在图3中,收集历史地质灾害案例数据,放入历史地质灾害数据库中,基于GIS分析和管理,建立具有空间关系的“问题-空间关系-结果”三元组案例表达的案例库310,对案例库310进行空间聚类,得到多个案例集群或空间簇,具体由不同数据库子库DBn320(n表示子库数量或序号)存储,通过粗糙集和遗传算法对数据库DB中存储的案例进行特征提取和权值分配330。获取到目标案例后,通过案例相似性计算340,可以得到类似的历史案例进行案例重用,依据重用案例可以得到目标案例的解决方案。
在本实施例中,通过建立具有空间关系的案例库,对案例库中历史案例进行空间聚类后,基于粗糙集和遗传算法提取案例特征并分配权值,方便准确高效进行案例检索,然后基于案例属性特征和空间要素,检索与目标案例最相似的历史案例进行案例重用。基于案例的空间特征,可以准确可靠的对历史案例检索,方便对复杂的村镇历史案例进行求解,提高检索效率减少计算量。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图4为本发明实施例提供的一种村镇地质灾害风险预估系统的结构示意图,该系统包括:
建立模块410,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
可选的,所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
其中,所述村镇地质灾害案例库表达式为:
Ck:<Ak;Sk;Rk>,k=1,2,…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k,…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k,…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k,…,rm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
聚类模块420,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
可选的,所述AUTOCLUST算法为一种基于Delaunay三角网的空间聚类算法。
可选的,所述聚类模块420包括:
第一计算单元,分别计算与灾害点相连的边的平均值、相连点的标准方差的平均值;
第二计算单元,根据相连边的平均值、相连点的标准方差的平均值,计算得到短边集合和长边集合;
删除单元,删除所有长边集合和短边集合,修复簇边界的短边,扩张邻域在二阶邻域内进一步删除长边得到聚类结果。
提取模块430,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
检索模块440,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例包括:
按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi是第i个特征属性的权重,且满足:
可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例还包括:
分别计算目标案例与所述村镇地质灾害案例库中源案例的距离关系相似度、形状相似度、大小相似度;
根据下式计算总的空间相似度:
其中,S为目标案例空间属性,Sk为源案例的空间属性,Simd表示距离相似度,Sima表示大小相似度,Simsp表示形状相似度,wd表示距离相似度权重,wsp表示形状相似度权重,wa表示大小相似度权重。
可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用还包括:
根据案例重用的历史案例得到所述目标案例的建议解;
当所述建议解与所述目标案例实际情况不符合,对检索得到的案例重用的历史案例进行案例修正,以适应所述目标案例。
在本实施例中,可以采用Oracle10G和ArcSDE,MySQL作为数据库管理软件,以WebGIS为技术依托,建立基于分步式数据源的空间托管与非空间托管资源共享数据库,实现规划项目空间数据与属性信息、视频、文本图片信息建立关联进行同步管理。平台采用Visual C#为开发语言,Flex Builder4为开发应用基础平台,ArcGIS作为组件库,结合Adobe FlexSDK3、FLASH、WPF及CityMake海量三维数据、海量影像数据压缩技术,利用富客户端Flex构建插件式的B/S架构模式,充分整合现有最新信息应用平台和灵活架构的特点,建立起互动平台共享系统。
在本发明的一个实施例中还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述实施例提供的水下拖缆稳态运动多目标优化方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S201至S204,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种村镇灾害风险预估方法,其特征在于,包括:
收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用;
所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
Ck:<Ak;Sk;Rk>,k=1,2,3…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k…,sm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数;
在所述村镇地质灾害案例库检索目标案例包括:
按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi
是第i个特征属性的权重,且满足:
所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例还包括:
分别计算目标案例与所述村镇地质灾害案例库中源案例的距离关系相似度、形状相似度、大小相似度;
根据下式计算总的空间相似度:
其中,S为目标案例空间属性,Sk为源案例的空间属性,Simd表示距离相似度,Sima表示大小相似度,Simsp表示形状相似度,wd表示距离相似度权重,wsp表示形状相似度权重,wa表示大小相似度权重。
2.根据权利要求1所述的方法,其特征在于,所述AUTOCLUST算法为一种基于Delaunay三角网的空间聚类算法。
3.根据权利要求1或2所述的方法,其特征在于,所述通过AUTOCLUST算法对村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库包括:
分别计算与灾害点相连的边的平均值、相连点的标准方差的平均值;
根据相连边的平均值、相连点的标准方差的平均值,计算得到短边集合和长边集合;
删除所有长边集合和短边集合,修复簇边界的短边,扩张邻域在二阶邻域内进一步删除长边得到聚类结果。
4.根据权利要求1所述的方法,其特征在于,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用还包括:
根据案例重用的历史案例得到所述目标案例的建议解;
当所述建议解与所述目标案例实际情况不符合,对检索得到的案例重用的历史案例进行案例修正,以适应所述目标案例。
5.一种村镇地质灾害风险预估系统,其特征在于,包括:
建立模块,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
聚类模块,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
提取模块,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
检索模块,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用;
所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
其中,所述村镇地质灾害案例库表达式为:
Ck:<Ak;Sk;Rk>,k=1,2,3…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k…,sm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数;
在所述村镇地质灾害案例库检索目标案例包括:
按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi
是第i个特征属性的权重,且满足:
所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例还包括:
分别计算目标案例与所述村镇地质灾害案例库中源案例的距离关系相似度、形状相似度、大小相似度;
根据下式计算总的空间相似度:
其中,S为目标案例空间属性,Sk为源案例的空间属性,Simd表示距离相似度,Sima表示大小相似度,Simsp表示形状相似度,wd表示距离相似度权重,wsp表示形状相似度权重,wa表示大小相似度权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168119.9A CN111080080B (zh) | 2019-11-25 | 2019-11-25 | 一种村镇地质灾害风险预估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168119.9A CN111080080B (zh) | 2019-11-25 | 2019-11-25 | 一种村镇地质灾害风险预估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080080A CN111080080A (zh) | 2020-04-28 |
CN111080080B true CN111080080B (zh) | 2023-05-26 |
Family
ID=70311635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911168119.9A Active CN111080080B (zh) | 2019-11-25 | 2019-11-25 | 一种村镇地质灾害风险预估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080080B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782638A (zh) * | 2020-07-02 | 2020-10-16 | 武汉凡果信息技术股份有限公司 | 一种基于大数据的地质灾害数据库建立方法 |
CN112767544B (zh) * | 2021-01-06 | 2022-04-01 | 成都理工大学 | 面向区域滑坡危险性评价的空间案例推理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272593B1 (en) * | 1999-01-26 | 2007-09-18 | International Business Machines Corporation | Method and apparatus for similarity retrieval from iterative refinement |
JP2008176355A (ja) * | 2007-01-16 | 2008-07-31 | Ntt Advanced Technology Corp | 災害時の情報共有システム |
EP2977951A1 (en) * | 2014-07-24 | 2016-01-27 | Samsung Electronics Co., Ltd | Operating method and device for disaster information |
CN105975573A (zh) * | 2016-05-04 | 2016-09-28 | 北京广利核系统工程有限公司 | 一种基于knn的文本分类方法 |
CN106485327A (zh) * | 2016-09-08 | 2017-03-08 | 同济大学 | 一种灾害条件下人群踩踏行为演化的知识发现方法 |
CN106844563A (zh) * | 2016-12-30 | 2017-06-13 | 桂林理工大学南宁分校 | 便于学生学情分析与学习的系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644572B (zh) * | 2009-06-24 | 2011-01-12 | 中国科学院地理科学与资源研究所 | 一种基于历史相似性案例的海洋涡旋变化检测方法 |
CN102013083B (zh) * | 2010-12-01 | 2015-01-07 | 天维尔信息科技股份有限公司 | 一种基于预案生成应急行动方案的方法及系统 |
WO2012155540A1 (zh) * | 2011-05-13 | 2012-11-22 | 北京市电力公司 | 地质信息的处理方法及装置 |
CN103049532A (zh) * | 2012-12-21 | 2013-04-17 | 东莞中国科学院云计算产业技术创新与育成中心 | 基于突发事件应急管理的知识库引擎构建及其查询方法 |
CN103700030A (zh) * | 2013-12-16 | 2014-04-02 | 国家电网公司 | 基于灰色粗糙集的电网建设项目后评价指标赋权方法 |
CN104751615B (zh) * | 2015-02-11 | 2017-10-10 | 西南科技大学 | 一种基于泥石流演化进程的层次预警方法 |
CN104598766B (zh) * | 2015-03-05 | 2017-11-24 | 成都理工大学 | 面向油气储层综合评价的空间案例推理方法 |
CN204576509U (zh) * | 2015-03-10 | 2015-08-19 | 南宁市城规地理信息技术中心 | 城市规划信息查询及政府公众互动设备 |
CN106447335A (zh) * | 2015-07-21 | 2017-02-22 | 深圳市银信网银科技有限公司 | 一种电子凭证设置及数据交互处理的方法、系统及装置 |
CN106997509B (zh) * | 2017-03-28 | 2021-02-05 | 南京航空航天大学 | 一种不确定信息融合的应急物资分布需求预测方法 |
CN107844538B (zh) * | 2017-10-19 | 2021-09-14 | 武汉大学 | 面向山区村镇的综合防灾减灾规划数据管理系统及方法 |
CN110263111B (zh) * | 2019-05-31 | 2024-03-08 | 南京林业大学 | 基于先验知识的土地利用/覆被信息时空监测方法 |
-
2019
- 2019-11-25 CN CN201911168119.9A patent/CN111080080B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272593B1 (en) * | 1999-01-26 | 2007-09-18 | International Business Machines Corporation | Method and apparatus for similarity retrieval from iterative refinement |
JP2008176355A (ja) * | 2007-01-16 | 2008-07-31 | Ntt Advanced Technology Corp | 災害時の情報共有システム |
EP2977951A1 (en) * | 2014-07-24 | 2016-01-27 | Samsung Electronics Co., Ltd | Operating method and device for disaster information |
CN105975573A (zh) * | 2016-05-04 | 2016-09-28 | 北京广利核系统工程有限公司 | 一种基于knn的文本分类方法 |
CN106485327A (zh) * | 2016-09-08 | 2017-03-08 | 同济大学 | 一种灾害条件下人群踩踏行为演化的知识发现方法 |
CN106844563A (zh) * | 2016-12-30 | 2017-06-13 | 桂林理工大学南宁分校 | 便于学生学情分析与学习的系统 |
Non-Patent Citations (2)
Title |
---|
基于GIS的地质灾害数据库设计;王小东;;河南理工大学学报(自然科学版)(第03期);全文 * |
滑坡灾害空间智能预测展望;汪华斌;吴树仁;汪微波;;地质科技情报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111080080A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | An integrated flood risk assessment model for property insurance industry in Taiwan | |
CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
CN113723715B (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
KR101588232B1 (ko) | 지리정보시스템 및 뉴로퍼지 기법에 기반한 산사태 예측 시스템 및 이를 이용한 산사태 예측 방법 | |
CN109741209B (zh) | 台风灾害下配电网多源数据融合方法、系统及存储介质 | |
CN114065364B (zh) | 基于无人机遥感测绘的城市工程规划方法及系统 | |
CN113946700A (zh) | 一种时空索引构建方法、装置、计算机设备及存储介质 | |
CN111080080B (zh) | 一种村镇地质灾害风险预估方法及系统 | |
CN113724279B (zh) | 路网自动划分交通小区的系统、方法、设备及存储介质 | |
CN108022006B (zh) | 一种数据驱动的可达性概率和区域生成方法 | |
Long | Modeling movement probabilities within heterogeneous spatial fields | |
CN116778146A (zh) | 基于多模态数据的道路信息提取方法及装置 | |
Yang et al. | A map‐algebra‐based method for automatic change detection and spatial data updating across multiple scales | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及系统 | |
CN114661744B (zh) | 一种基于深度学习的地形数据库更新方法及系统 | |
KR101846294B1 (ko) | 기상 레이더 기반 강우중심 추적방법 | |
CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
CN107239889B (zh) | 一种定量评价泥石流胁迫下山区建筑物易损性的方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
LU502699B1 (en) | Method and system for predicting risk of geological disasters in villages and towns | |
Xing et al. | Continuous monitoring of nearest neighbors on land surface | |
CN115169718A (zh) | 基于元胞自动机的区域滑坡危险性动态预测方法及装置 | |
CN113076591A (zh) | 基于模糊数学的建筑区域结构特征提取及震害预测方法 | |
CN112686468A (zh) | 一种公共设施稳定性优化方法 | |
Kumar et al. | Spatial data mining: recent trends and techniques |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |