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
一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 Download PDFInfo
- Publication number
- CN112132371A CN112132371A CN201910554191.9A CN201910554191A CN112132371A CN 112132371 A CN112132371 A CN 112132371A CN 201910554191 A CN201910554191 A CN 201910554191A CN 112132371 A CN112132371 A CN 112132371A
- Authority
- CN
- China
- Prior art keywords
- index
- risk
- evaluation
- flood
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012502 risk assessment Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000011160 research Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000012732 spatial analysis Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000013459 approach Methods 0.000 abstract description 2
- 238000013468 resource allocation Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013551 empirical research Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003911 water pollution Methods 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
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=(xij)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=(yij)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Rij=Yij+d,其中d为使d+min(xij)为略大于0的正数,这样便得到了标准化矩阵R=(rij)m×n
3)计算第j项指标下,第i个评价对象的特征比重pij
4)计算第j项指标的熵值ej
5)计算第j项指标的差异系数Dj
Dj=1-ej (7)
差异系数Dj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=(xij)n×p
其中,U=(uik)c×n为隶属度矩阵,dik=||xk-vi||,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xk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Vl:
3)修正U
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=(xij)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=(yij)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Rij=Yij+d,其中d为使d+min(xij)为略大于0的正数,这样便得到了标准化矩阵R=(rij)m×n
3)计算第j项指标下,第i个评价对象的特征比重pij
4)计算第j项指标的熵值ej
5)计算第j项指标的差异系数Dj
Dj=1-ej (7)
差异系数Dj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=(xij)n×p
其中,U=(uik)c×n为隶属度矩阵,dik=||xk-vi||,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xk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Vl:
3)修正U
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910554191.9A CN112132371A (zh) | 2019-06-25 | 2019-06-25 | 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910554191.9A CN112132371A (zh) | 2019-06-25 | 2019-06-25 | 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132371A true CN112132371A (zh) | 2020-12-25 |
Family
ID=73849358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910554191.9A Pending CN112132371A (zh) | 2019-06-25 | 2019-06-25 | 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132371A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191644A (zh) * | 2021-05-06 | 2021-07-30 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
CN113516388A (zh) * | 2021-07-09 | 2021-10-19 | 中国人民解放军军事科学院评估论证研究中心 | 基于熵权的加权主成分距离聚类的创新发展态势评估方法 |
CN113570191A (zh) * | 2021-06-21 | 2021-10-29 | 天津大学 | 一种河流凌汛冰塞险情智能诊断方法 |
CN113627686A (zh) * | 2021-09-02 | 2021-11-09 | 广东省城乡规划设计研究院有限责任公司 | 一种洪涝评估方法 |
CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
CN113762729A (zh) * | 2021-08-16 | 2021-12-07 | 河海大学 | 一种城市排水系统改造工程综合评价方法 |
CN114943488A (zh) * | 2022-07-21 | 2022-08-26 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种气象灾害预警信号效能评估方法 |
CN115828125A (zh) * | 2022-11-17 | 2023-03-21 | 盐城工学院 | 一种基于信息熵特征加权模糊聚类方法及系统 |
CN117556628A (zh) * | 2023-11-23 | 2024-02-13 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101341437B1 (ko) * | 2012-12-27 | 2013-12-13 | 성균관대학교산학협력단 | 다기준 홍수위험도 평가방법 |
CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
US20170308966A1 (en) * | 2016-04-22 | 2017-10-26 | Economy Research Institute of State Grid Zhejiang Electric Power | Post-evaluation and risk management and control method of power transmission engineering cost |
CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
CN109583655A (zh) * | 2018-12-04 | 2019-04-05 | 国网山东省电力公司经济技术研究院 | 一种发输电多阶段联合扩展规划方法及系统 |
-
2019
- 2019-06-25 CN CN201910554191.9A patent/CN112132371A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101341437B1 (ko) * | 2012-12-27 | 2013-12-13 | 성균관대학교산학협력단 | 다기준 홍수위험도 평가방법 |
US20170308966A1 (en) * | 2016-04-22 | 2017-10-26 | Economy Research Institute of State Grid Zhejiang Electric Power | Post-evaluation and risk management and control method of power transmission engineering cost |
CN106651211A (zh) * | 2016-12-30 | 2017-05-10 | 吉林师范大学 | 一种不同尺度区域洪水灾害风险评估的方法 |
CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
CN109583655A (zh) * | 2018-12-04 | 2019-04-05 | 国网山东省电力公司经济技术研究院 | 一种发输电多阶段联合扩展规划方法及系统 |
Non-Patent Citations (3)
Title |
---|
HONGSHI XU .ETC.: ""Urban flooding risk assessment based on an integrated k-means cluster algorithm and improved entropy weight method in the region of Haikou, China"", 《JOURNAL OF HYDROLOGY》, 26 June 2018 (2018-06-26) * |
余建星;蒋旭光;练继建;: "水资源优化配置方案综合评价的模糊熵模型", 水利学报, no. 06, 15 June 2009 (2009-06-15) * |
王国伟等: ""基于熵权法加权的模糊 C 均值聚类算法研究"", 《农业网络信息》, no. 8, 31 August 2010 (2010-08-31), pages 148 - 153 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191644A (zh) * | 2021-05-06 | 2021-07-30 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
CN113191644B (zh) * | 2021-05-06 | 2022-12-06 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
CN113570191B (zh) * | 2021-06-21 | 2023-10-27 | 天津大学 | 一种河流凌汛冰塞险情智能诊断方法 |
CN113570191A (zh) * | 2021-06-21 | 2021-10-29 | 天津大学 | 一种河流凌汛冰塞险情智能诊断方法 |
CN113516388A (zh) * | 2021-07-09 | 2021-10-19 | 中国人民解放军军事科学院评估论证研究中心 | 基于熵权的加权主成分距离聚类的创新发展态势评估方法 |
CN113762729A (zh) * | 2021-08-16 | 2021-12-07 | 河海大学 | 一种城市排水系统改造工程综合评价方法 |
CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
CN113627817B (zh) * | 2021-08-19 | 2024-05-28 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
CN113627686A (zh) * | 2021-09-02 | 2021-11-09 | 广东省城乡规划设计研究院有限责任公司 | 一种洪涝评估方法 |
CN114943488A (zh) * | 2022-07-21 | 2022-08-26 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种气象灾害预警信号效能评估方法 |
CN114943488B (zh) * | 2022-07-21 | 2022-11-22 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种气象灾害预警信号效能评估方法 |
CN115828125A (zh) * | 2022-11-17 | 2023-03-21 | 盐城工学院 | 一种基于信息熵特征加权模糊聚类方法及系统 |
CN117556628A (zh) * | 2023-11-23 | 2024-02-13 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
CN117556628B (zh) * | 2023-11-23 | 2024-05-28 | 郑州大学 | 一种智慧城市洪涝风险评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132371A (zh) | 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 | |
CN110084418B (zh) | 一种突发大气污染事故应急监测的监测点优化布设方法 | |
CN106650767B (zh) | 基于聚类分析和实时校正的洪水预报方法 | |
CN113409314B (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及系统 | |
CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
CN107742099A (zh) | 一种基于全卷积网络的人群密度估计、人数统计的方法 | |
CN115689293B (zh) | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 | |
CN114399204A (zh) | 一种城市内涝灾害风险评估方法 | |
CN113487730A (zh) | 一种基于激光雷达点云数据的城市三维自动建模方法 | |
CN109033605B (zh) | 一种基于多阶段划分和多单位线选择的流域汇流模拟方法 | |
CN111859779B (zh) | 一种燃气管网防第三方施工破坏风险预警的方法及装置 | |
CN115659816A (zh) | 基于孪生模型的城市内涝点预测方法及系统 | |
CN111079999A (zh) | 一种基于cnn和svm的洪水灾害易发性预测方法 | |
CN114330812A (zh) | 基于机器学习的滑坡灾害风险评估方法 | |
CN114492233B (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
Li et al. | Analysis and modelling of flood risk assessment using information diffusion and artificial neural network | |
CN114418446A (zh) | 水资源短缺的定量评估方法 | |
CN112926556A (zh) | 一种基于语义分割的航拍输电线路散断股识别方法及系统 | |
CN115578227A (zh) | 一种基于多源数据确定大气颗粒物污染重点区域的方法 | |
CN114493052A (zh) | 多模型融合自适应新能源功率预测方法和系统 | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN114882373A (zh) | 基于深度神经网络的多特征融合沙尘暴预测方法 | |
CN113902259A (zh) | 湿雪崩灾害风险评估方法及装置 | |
Anilan et al. | Application of Artificial Neural Networks and regression analysis to L-moments based regional frequency analysis in the Eastern Black Sea Basin, Turkey | |
CN115186230B (zh) | 一种判定台风对空气质量影响的方法及装置 |
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 |