CN112132371A - 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 - Google Patents

Abstract

本发明公开了一种基于改进熵权‑聚类分析算法的洪涝风险评估方法，该方法克服了风险分级中阈值不易确定的缺点，并采用熵权法考虑了各指标的权重，使评价结果更为科学。该发明为洪涝风险评价提供了新的途径，具有一定的实际应用价值，可为城市资源配置、有关部门应急预案等防灾减灾决策提供一定的科学依据。

Description

一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法

技术领域

本发明属于防灾减灾技术领域，尤其涉及一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法。

背景技术

洪涝灾害是世界上发生频率最高，影响范围最广的自然灾害，在过去几十年里造成了巨大的生命和财产损失。统计数据显示，1900-2013年，洪涝灾害共造成约700万人死亡、6000亿美元财产损失。依据第五次IPCC(政府间气候变化专门委员会)气候评估报告，极端强降水事件发生频率和海平面将进一步上升，这导致洪涝灾害发生频率和强度将进一步增加。

洪涝风险评估作为灾害预防的重要工具，是人类社会预防自然灾害，控制和降低自然灾害风险的重要基础研究，其目的是为了更精确掌握洪灾风险的空间格局及内在规律。目前，洪涝风险评估主要采用历史灾情分析、指标体系分析以及情景分析等方法进行，但上述研究方法均存在一些不足，如对数据要求较高、风险分级阈值不易以及不考虑指标权重等。为此，本发明综合指标体系法及情景分析法进行洪涝风险评价，以克服在指标选取上存在的不足。

聚类分析能够从样本数据自身属性出发，通过挖掘数据中潜在而又有用信息，自动对数据进行分类，而不必事先给出一个分类的标准。作为数据挖掘技术，聚类分析算法已广泛应用到空间数据处理、医疗图像检测、基因识别、人工智能、水污染评估及含水层脆弱性评估等领域，本文引入聚类分析算法进行洪涝风险评价。传统的聚类分析算法不考虑各指标的重要程度，但不同数据本身属性对于评价目标的贡献不一样，因而需要确定各指标的权重系数。本发明采用熵权法确定各指标权重，并将其与聚类分析算法结合，应用到城市洪涝风险评估中，从而提出了一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法。

发明内容

本发明旨在针对现有洪涝风险评估方法的不足，提出了一种基于改进熵权-聚类分析算法的洪涝风险评估方法，该方法克服了风险分级中阈值不易确定的缺点，并采用熵权法考虑了各指标的权重，使评价结果更为科学。该发明为洪涝风险评价提供了新的途径，具有一定的实际应用价值，可为城市资源配置、有关部门应急预案等防灾减灾决策提供一定的科学依据。

为了实现上述目的，本发明提供了一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，包括如下步骤：

步骤(1)：根据基础数据资料，建立洪涝风险评价指标体系，指标的选取考虑致灾因子、承灾体、孕灾环境；

步骤(2)：运用城市洪涝模拟模型和ArcGIS软件进行指标量化；

步骤(3)：根据熵权法确定指标权重，其方法如下：

1)根据m个待评对象(一个网格为一个对象)，n个评价指标，形成原始数据矩阵X＝(x_ij)_m×n

2)对指标数据进行标准化处理，这里采用极差标准化处理方法，得到无量纲化矩阵：Y＝(y_ij)_m×n

正指标：

逆指标：

但由于计算熵时要取自然对数，因此指标值必须为正数，令R_ij＝Y_ij+d，其中d为使d+min(x_ij)为略大于0的正数,这样便得到了标准化矩阵R＝(r_ij)_m×n

3)计算第j项指标下，第i个评价对象的特征比重p_ij

4)计算第j项指标的熵值e_j

5)计算第j项指标的差异系数D_j

D_j＝1-e_j (7)

差异系数D_j越大表示该指标提供的信息量越大，越应赋予较大的指标权重；

6)计算第j项指标的熵权ω”

步骤(4)：模糊聚类法进行分类，模糊C均值聚类法的原理如下：根据给定的n个样本，p个评价指标，得到样本观测矩阵X＝(x_ij)_n×p

模糊聚类就是讲n个样品划分为c类，记V＝{v₁，v₂，…，v_c}为c个类的聚类中心，令u_ik表示第k个样本属于第i类的隶属度，这里0≤u_ik≤1，

定义目标函数

其中，U＝(u_ik)_c×n为隶属度矩阵，d_ik＝||x_k-v_i||，显然J(U,V)表示了各类中样品到聚类中心的加权平方距离之和，权重是样品x_k属于第i类的隶属度的m次方，模糊C均值聚类法的聚类准则是求U，V，使得J(U,V)取得最小值；

聚类的具体步骤如下：

1)确定类的个数c，幂指数m>1和初始隶属度矩阵U⁰，通常取[0，1]上的均匀分布随机数来确定初始隶属度矩阵U⁰，令l＝1表示第一步迭代；

2)计算聚类中心V^l：

3)修正U

4)对给定的隶属度终止容限ε_u＞0，当

时，停止迭代，否则l＝l+1，然后转2)，

若

则将样品x_k归为第j类；

步骤(5)：风险评估等级的划分；

步骤(6)：结果分析与验证。运用GIS空间分析技术，对由熵权-模糊聚类算法得到的研究区洪涝灾害风险评价图进行区域分析，选取典型历史降雨与实测的内涝情况对洪涝评估结果进行验证，检验其合理性与可行性。

其中，所述致灾因子指标选取基于城市一二维耦合洪涝模拟模型。

其中，所述步骤(2)具体包括：首先，基于评估区历史降雨进行情景分析，提取评估指标相应数据；然后，借助GIS空间数据处理功能，根据研究区状况确定分辨率生成空间网格，对上述指标数据进行空间统计处理，并生成栅格数据图层，完成指标的量化。

其中，在所述步骤(5)中，聚类结果输出后，需要对风险等级进行划分，风险级数由聚类数目决定，假设通过模糊聚类将指标数据分为四类，则相应的风险分为四个等级，分别为高等风险区、中等风险区、低等风险区以及极低风险区。

其中，每一类别对应的风险等级由该类别的指标数据属性进行确定。例如，如果某一类别对应的最大水深最大、积水时间长且高程最低，则该类别将被识别为高等风险区，根据此原则完成风险等级的确定。

与现有技术相比，本发明的有益效果为，与传统的洪涝评估方法相比，本发明提出的方法优点在于：本发明从致灾因子、承灾体和孕灾环境三方面考虑，可以建立更为完善的评估指标体系；从数据挖掘的角度，引入了模糊聚类算法，克服了传统风险评估中风险分级阈值不易确定的缺点以及硬分类方法中的不合理因素，因此该方法更具合理性与科学性。

附图说明

图1为本申请方法步骤示意图；

图2为本申请实施例海甸岛区位图；

图3为本申请实施例各指标空间分布图；

图4为本申请实施例海甸岛区风险评估结果图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

参见图1，本实施例提供了一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，选取海南省海口市海甸岛这一独立排水区域(如图2所示)进行实证研究，方法步骤如下：

(1)建立洪涝风险评估指标体系

根据海口市水务局提供的基础数据资料，包括降雨和潮位数据(1974-2012年)、DEM高程、排水管网和检查井数据、河道断面资料，选定以下11个指标：管道长度、建筑物面积、高程、坡度、坡向、平面曲率、剖面曲率、最大水深、积水时间、最大流速以及距河网距离，建立洪涝评估指标体系。本发明设定指标数值越大造成的洪涝风险性越高的评价指标为正向指标，相反，指标数值越小造成的风险性越高的评价指标为逆向指标，具体划分如表1所示。

表1.评估指标体系表

(2)指标量化

确立了评估指标体系后，在PCSWMM模型以及ArcGIS软件中进行数据提取，其中，最大水深、积水时间以及最大流速三个指标，在基于PCSWMM的情景分析下提取得到，本发明选取2014年威马逊台风期间降雨及潮位数据作为输入条件，考虑实际条件确定主要模型参数范围，并通过对比观测点的实测淹没深度与模型模拟水深，反复试验调整参数进行模型率定；模型率定完成后，以2011年10月5日暴雨(10·5暴雨)期间降雨、潮位以及实际淹没数据进行验证，最终得到可靠模型。数据提取后，运用GIS技术对上述11项指标进行统计处理，得到量化后的数据，生成11个grid栅格数据图层，空间分辨率为20m×20m，海甸岛区共划分成34070个栅格，各指标空间分布如图3。

(3)熵权法计算指标权重

根据熵权法，由式(1)-(8)计算得到11个指标的权重，各指标客观权重排序为：最大流速、最大深度、建筑屋面积、积水时间、坡向、距河网距离、管道长度、高程、坡度、平面曲率、剖面曲率。具体权重见表2。

表2.各指标权重

(4)模糊聚类结果以及风险等级的确定

由34070个栅格以及11个指标组成34070×11的观测矩阵，经过标准化并赋加权重得到聚类分析的基础数据矩阵，依据模糊聚类方法的步骤进行聚类分析，聚类结果为为四类。其中，第I类包含栅格6934个，第Ⅱ类包含栅格6389个，第Ⅲ类包含栅格16736个，第Ⅳ类包含栅格4011个。

得到初步的聚类结果后，根据上述风险评估等级的划分方法，确定第I类为低风险区，第Ⅱ类为高等风险区，第Ⅲ类为极低风险区，第Ⅳ类为中等风险区。

(5)洪涝风险评估结果分析及验证

按照上述计算方法与过程，利用熵权-模糊聚类算法得到海甸岛洪涝风险评估图(图4)。对风险图进行分析，可以看出：高风险区主要分布在以下五个区域：人民大道、白沙河与鸭尾溪交汇处、海达路-和平大道、西部丘海湖区域以及中部东坡湖区域；中等风险区主要分布海甸二东路、海甸三西路和海甸五西路等；低等风险区与极低风险区主要位于海甸岛东南部以及北部大片区域。总体来看，较高风险区主要位于海甸岛中部，并且北部洪涝风险明显低于南部。

最后，为探究此方法进行洪涝风险评估的准确性，将风险评估结果与实际洪涝灾害情况进行对比。考虑到实际数据资料，且本次评估基于威马逊台风期间的情景分析，因此选取“10·5暴雨”造成的实际内涝情况进行比较，分析发现，6个内涝较为严重的观测点，均位于中、高等风险区，因此验证了本研究风险评估结果的合理性，进而说明基于熵权-模糊聚类算法的城市洪涝风险评估具有可行性

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，其特征在于，包括如下步骤：

步骤(1)：根据基础数据资料，建立洪涝风险评价指标体系，指标的选取考虑致灾因子、承灾体、孕灾环境；

步骤(2)：运用城市洪涝模拟模型和ArcGIS软件进行指标量化；

步骤(3)：根据熵权法确定指标权重，其方法如下：

1)根据m个待评对象(一个网格为一个对象)，n个评价指标，形成原始数据矩阵X＝(x_ij)_m×n

2)对指标数据进行标准化处理，这里采用极差标准化处理方法，得到无量纲化矩阵：Y＝(y_ij)_m×n

正指标：

逆指标：

但由于计算熵时要取自然对数，因此指标值必须为正数，令R_ij＝Y_ij+d，其中d为使d+min(x_ij)为略大于0的正数,这样便得到了标准化矩阵R＝(r_ij)_m×n

3)计算第j项指标下，第i个评价对象的特征比重p_ij

4)计算第j项指标的熵值e_j

5)计算第j项指标的差异系数D_j

D_j＝1-e_j (7)

差异系数D_j越大表示该指标提供的信息量越大，越应赋予较大的指标权重；

6)计算第j项指标的熵权ω”

步骤(4)：模糊聚类法进行分类，模糊C均值聚类法的原理如下：根据给定的n个样本，p个评价指标，得到样本观测矩阵X＝(x_ij)_n×p

模糊聚类就是讲n个样品划分为c类，记V＝{v₁，v₂，…，v_c}为c个类的聚类中心，令u_ik表示第k个样本属于第i类的隶属度，这里0≤u_ik≤1，

定义目标函数

其中，U＝(u_ik)_c×n为隶属度矩阵，d_ik＝||x_k-v_i||，显然J(U,V)表示了各类中样品到聚类中心的加权平方距离之和，权重是样品x_k属于第i类的隶属度的m次方，模糊C均值聚类法的聚类准则是求U，V，使得J(U,V)取得最小值；

聚类的具体步骤如下：

1)确定类的个数c，幂指数m>1和初始隶属度矩阵U⁰，通常取[0，1]上的均匀分布随机数来确定初始隶属度矩阵U⁰，令l＝1表示第一步迭代；

2)计算聚类中心V^l：

3)修正U

4)对给定的隶属度终止容限ε_u＞0，当

时，停止迭代，否则l＝l+1，然后转2)，

若

则将样品x_k归为第j类；

步骤(5)：风险评估等级的划分；

步骤(6)：结果分析与验证。运用GIS空间分析技术，对由熵权-模糊聚类算法得到的研究区洪涝灾害风险评价图进行区域分析，选取典型历史降雨与实测的内涝情况对洪涝评估结果进行验证，检验其合理性与可行性。

2.根据权利要求1所述的一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，其特征在于，所述致灾因子指标选取基于城市一二维耦合洪涝模拟模型。

3.根据权利要求1所述的一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，其特征在于，所述步骤(2)具体包括：首先，基于评估区历史降雨进行情景分析，提取评估指标相应数据；然后，借助GIS空间数据处理功能，根据研究区状况确定分辨率生成空间网格，对上述指标数据进行空间统计处理，并生成栅格数据图层，完成指标的量化。

4.根据权利要求1所述的一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，其特征在于，在所述步骤(5)中，聚类结果输出后，需要对风险等级进行划分，风险级数由聚类数目决定，假设通过模糊聚类将指标数据分为四类，则相应的风险分为四个等级，分别为高等风险区、中等风险区、低等风险区以及极低风险区。

5.根据权利要求4所述的一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法，其特征在于，每一类别对应的风险等级由该类别的指标数据属性进行确定。

Images