CN113053063A - 基于移动端的灾害在线处置流程实现方法 - Google Patents

Abstract

本发明公开了基于移动端的灾害在线处置流程实现方法，涉及灾害预警技术领域，解决了现有方案无法对灾情进行精准预测，且无法根据灾情信息及时预警的技术问题；本发明设置了故障诊断模块，该设置用于判断通信故障并生成通信状态标签，能够保证数据中心模块正常接收到灾情数据，避免因通信故障造成灾情预警的延误；本发明设置了灾情分析模块，该设置通过灾情数据结合人工智能模型获取灾情的预测等级和灾情区域，不仅保证了灾情预测等级的精度，而且能够避免因个别异常数据造成的灾情误判；本发明设置了灾情上报模块，该设置向灾情区域内的智能终端发送预警，有助于灾情区域内的居民迅速撤离，能够增加对灾情的反应时间。

Description

基于移动端的灾害在线处置流程实现方法

技术领域

本发明属于灾害预警技术领域，具体是基于移动端的灾害在线处置流程实现方法。

背景技术

每年因地质灾害造成的直接或间接损失非常大，且点多面广，多分散在偏远地区，治理难度大，要做好地质灾害防治工作，须加强监测预警体系建设，关于地质灾害监测预警技术，前人已经做过很多工作，总结起来有两种方法：一、预警人员在现场纸质记录地质灾害信息，再将纸质信息运输到室内由专家分析预警；二、通过在现场安装专业化的预警仪器获取地质灾害信息并将信息通过无线网发送到设备由专家分析预警；两种方法均具有一定的局限性。

公开号为CN109035110A的发明专利公开了一种基于移动端的地质灾害上报方法，具体包括以下步骤：S1、首先在相应的多个地质地理位置安装灾情检测点，多个灾情检测点可组成灾情检测单元，并且在每个灾情检测点均对应一个GPRS通信点，多个GPRS通信点可组成GPRS通信点单元，每个灾情检测点均可通过与之对应的GPRS通信点传送至灾情管理模块内。

上述方案避免灾情数据传输失真，解决现有的灾害上报只能适用于小范围的通讯信息传输的问题，实现了在偏远山区和地形复杂地区的灾情数据信息进行及时传输，保证了偏远地区灾情检测数据的准确性；但是，上述方案只是解决了信息的传输问题，并没有实现灾情的精准预警；因此，上述方案仍需进一步改进。

发明内容

为了解决上述方案存在的问题，本发明提供了基于移动端的灾害在线处置流程实现方法。

本发明的目的可以通过以下技术方案实现：基于移动端的灾害在线处置流程实现方法，所述实现方法具体包括以下步骤：

步骤一：通过移动终端获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

步骤二：当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；获取测试时长变化曲线的一阶导数值；根据一阶导数值和通信参数总量判定数据采集装置和数据中心模块之间的通信状态；生成通信状态标签；通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块；

步骤三：当灾情分析模块接收到灾情数据之后，根据灾情数据获取输入数据，将输入数据结合灾情等级预测模型获取预测等级，同时获取灾情区域；通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块；

步骤四：当通信状态标签为1时，提取预测等级和灾情区域；获取灾情区域内的智能终端；将灾情等级和灾情区域通过通信基站发送至智能终端；获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；将灾情实时监测图发送至数据存储模块进行存储。

优选的，所述移动终端包括处理器、故障诊断模块、灾情分析模块、灾情上报模块、后台监控模块和数据存储模块；

所述数据中心模块与数据采集装置通信连接，且通信连接的方式包括GPRS通信网络连接；所述数据中心模块用于获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

所述灾情上报模块根据通信状态标签、预测等级和灾情区域对灾情进行报警，包括：

当通信状态标签为1时，提取预测等级和灾情区域；

获取灾情区域内的智能终端；所述智能终端包括智能手机、平板电脑和笔记本电脑；

将灾情等级和灾情区域通过通信基站发送至智能终端；

所述后台监控模块用于生成灾害实时监控图，包括：

获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；所述第三方地图平台包括百度地图、高德地图和腾讯地图；

为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；所述灾情状态标签包括通信状态标签和预测等级，且灾情实时监测图中的灾情区域根据对应的预测等级设置不同的颜色；

将灾情实时监测图发送至数据存储模块进行存储。

优选的，所述灾情分析模块根据灾情数据获取预测等级和灾情区域，包括：

当灾情分析模块接收到灾情数据之后，提取灾情数据中的监测图像、温度、湿度、气压、风速和雨量；

以获取时间为自变量，以温度、湿度、气压、风速和雨量为因变量，结合多项式拟合法分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线；

分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线的驻点，并分别标记为温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

生成输入数据；所述输入数据包括监测图像、温度、湿度、气压、风速和雨量、温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

通过数据存储模块获取灾情等级预测模型；

将输入数据输入至灾情等级预测模型中获取预测的灾情等级并标记为预测等级；

根据预测等级获取灾情区域；

通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块。

优选的，所述灾情区域的获取具体包括：

当预测等级为1级时，以数据采集装置为圆心，以R1米为半径划定圆形区域并标记为灾情区域；

当预测等级为2级时，以数据采集装置为圆心，以R2米为半径划定圆形区域并标记为灾情区域；

当预测等级为3级时，以数据采集装置为圆心，以R3米为半径划定圆形区域并标记为灾情区域；其中R1、R2和R3为半径阈值，且R1>R2>R3>0。

优选的，所述灾情等级预测模型的获取具体包括：

通过数据存储模块获取灾情历史数据；所述灾情历史数据包括灾情等级及对应的灾情数据；所述灾情等级包括0级、1级、2级和3级，其中灾情等级为0级时表示未发生灾情；

灾情等级对应的灾情数据结合输入数据的获取方式获取训练数据集；

将训练数据集及对应的灾情等级按照设定比例划分为训练集、测试集和校验集；所述设定比例包括3:1:1、4:1:1和4:3:2；

构建人工智能模型；所述人工智能模型至少包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络中的一种；

通过训练集、测试集和校验集对人工智能模型进行训练，将训练完成的人工智能模型标记为灾情等级预测模型；

通过处理器将灾情等级预测模型发送至数据存储模块进行存储。

优选的，所述故障诊断模块根据通信数据分析数据采集装置和数据中心模块的通信状态，并生成通信状态标签，包括：

当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；

以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；

获取测试时长变化曲线的一阶导数值；当任意连续的三个一阶导数值均小于等于导数阈值时，提取通信数据中的通信参数总量，当通信参数总量小于等于参数总量阈值时，则判定数据采集装置和数据中心模块之间的通信状态异常；否则，判定数据采集装置和数据中心模块之间的通信状态正常；其中导数阈值和参数总量阈值均通过大数据模拟获取；

生成通信状态标签；所述通信状态标签的取值为0和1，当通信状态标签为0时，表示数据采集装置和数据中心模块之间的通信状态异常，当通信状态标签为1时，表示数据采集装置和数据中心模块之间的通信状态正常；

通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块。

优选的，所述灾情数据为数据采集装置采集的数据，且灾情数据包括监测图像、温度、湿度、气压、风速和雨量，所述监测图像通过图像采集单元获取；所述通信数据包括通信测试时长和通信参数总量，所述通信参数总量为通信测试时长内数据中心模块接收到的数据总量；所述通信测试时长的获取具体包括：

通过处理器按照设定周期发送第一测试信号至数据采集装置的控制器，当控制器接收到第一测试信号之后立即生成第二测试信号，并将第二测试信号发送至处理器；所述设定周期包括一分钟、五分钟和十分钟；

获取处理器发送第一测试信号和处理器接收到第二测试信号之间的时间差值，将时间差值标记为通信测试时长。

与现有技术相比，本发明的有益效果是：

1、本发明设置了故障诊断模块，该设置根据通信数据分析数据采集装置和数据中心模块的通信状态，并生成通信状态标签；故障诊断模块从通信测试时长和通信参数总量来判断通信故障并生成通信状态标签，能够保证数据中心模块正常接收到灾情数据，避免因通信故障造成灾情预警的延误；

2、本发明设置了灾情分析模块，该设置根据灾情数据获取预测等级和灾情区域；灾情分析模块通过灾情数据结合人工智能模型获取灾情的预测等级和灾情区域，不仅保证了灾情预测等级的精度，而且能够避免因个别异常数据造成的灾情误判；

3、本发明设置了灾情上报模块，该设置根据通信状态标签、预测等级和灾情区域对灾情进行报警；灾情上报模块向灾情区域内的智能终端发送预警，有助于灾情区域内的居民迅速撤离，能够增加对灾情的反应时间。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中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得其他的附图。

图1为本发明的方法步骤示意图；

图2为本发明移动终端的原理示意图。

具体实施方式

下面将结合实施例对本发明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。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。

请参阅图1-图2，基于移动端的灾害在线处置流程实现方法，实现方法具体包括以下步骤：

步骤一：通过移动终端获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

步骤二：当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；获取测试时长变化曲线的一阶导数值；根据一阶导数值和通信参数总量判定数据采集装置和数据中心模块之间的通信状态；生成通信状态标签；通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块；

步骤三：当灾情分析模块接收到灾情数据之后，根据灾情数据获取输入数据，将输入数据结合灾情等级预测模型获取预测等级，同时获取灾情区域；通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块；

步骤四：当通信状态标签为1时，提取预测等级和灾情区域；获取灾情区域内的智能终端；将灾情等级和灾情区域通过通信基站发送至智能终端；获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；将灾情实时监测图发送至数据存储模块进行存储。

进一步地，移动终端包括处理器、故障诊断模块、灾情分析模块、灾情上报模块、后台监控模块和数据存储模块；

数据中心模块与数据采集装置通信连接，且通信连接的方式包括GPRS通信网络连接；数据中心模块用于获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

灾情上报模块根据通信状态标签、预测等级和灾情区域对灾情进行报警，包括：

当通信状态标签为1时，提取预测等级和灾情区域；

获取灾情区域内的智能终端；智能终端包括智能手机、平板电脑和笔记本电脑；

将灾情等级和灾情区域通过通信基站发送至智能终端；

后台监控模块用于生成灾害实时监控图，包括：

获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；第三方地图平台包括百度地图、高德地图和腾讯地图；

为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；灾情状态标签包括通信状态标签和预测等级，且灾情实时监测图中的灾情区域根据对应的预测等级设置不同的颜色；

将灾情实时监测图发送至数据存储模块进行存储。

进一步地，灾情分析模块根据灾情数据获取预测等级和灾情区域，包括：

当灾情分析模块接收到灾情数据之后，提取灾情数据中的监测图像、温度、湿度、气压、风速和雨量；

以获取时间为自变量，以温度、湿度、气压、风速和雨量为因变量，结合多项式拟合法分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线；

分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线的驻点，并分别标记为温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

生成输入数据；输入数据包括监测图像、温度、湿度、气压、风速和雨量、温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

通过数据存储模块获取灾情等级预测模型；

将输入数据输入至灾情等级预测模型中获取预测的灾情等级并标记为预测等级；

根据预测等级获取灾情区域；

通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块。

进一步地，灾情区域的获取具体包括：

当预测等级为1级时，以数据采集装置为圆心，以R1米为半径划定圆形区域并标记为灾情区域；

当预测等级为2级时，以数据采集装置为圆心，以R2米为半径划定圆形区域并标记为灾情区域；

当预测等级为3级时，以数据采集装置为圆心，以R3米为半径划定圆形区域并标记为灾情区域；其中R1、R2和R3为半径阈值，且R1>R2>R3>0。

进一步地，灾情等级预测模型的获取具体包括：

通过数据存储模块获取灾情历史数据；灾情历史数据包括灾情等级及对应的灾情数据；灾情等级包括0级、1级、2级和3级，其中灾情等级为0级时表示未发生灾情；

灾情等级对应的灾情数据结合输入数据的获取方式获取训练数据集；

将训练数据集及对应的灾情等级按照设定比例划分为训练集、测试集和校验集；设定比例包括3:1:1、4:1:1和4:3:2；

构建人工智能模型；人工智能模型至少包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络中的一种；

通过训练集、测试集和校验集对人工智能模型进行训练，将训练完成的人工智能模型标记为灾情等级预测模型；

通过处理器将灾情等级预测模型发送至数据存储模块进行存储。

进一步地，故障诊断模块根据通信数据分析数据采集装置和数据中心模块的通信状态，并生成通信状态标签，包括：

当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；

以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；

获取测试时长变化曲线的一阶导数值；当任意连续的三个一阶导数值均小于等于导数阈值时，提取通信数据中的通信参数总量，当通信参数总量小于等于参数总量阈值时，则判定数据采集装置和数据中心模块之间的通信状态异常；否则，判定数据采集装置和数据中心模块之间的通信状态正常；其中导数阈值和参数总量阈值均通过大数据模拟获取；

生成通信状态标签；通信状态标签的取值为0和1，当通信状态标签为0时，表示数据采集装置和数据中心模块之间的通信状态异常，当通信状态标签为1时，表示数据采集装置和数据中心模块之间的通信状态正常；

通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块。

进一步地，灾情数据为数据采集装置采集的数据，且灾情数据包括监测图像、温度、湿度、气压、风速和雨量，监测图像通过图像采集单元获取；通信数据包括通信测试时长和通信参数总量，所述通信参数总量为通信测试时长内数据中心模块接收到的数据总量；通信测试时长的获取具体包括：

通过处理器按照设定周期发送第一测试信号至数据采集装置的控制器，当控制器接收到第一测试信号之后立即生成第二测试信号，并将第二测试信号发送至处理器；设定周期包括一分钟、五分钟和十分钟；

获取处理器发送第一测试信号和处理器接收到第二测试信号之间的时间差值，将时间差值标记为通信测试时长。

进一步地，数据采集装置包括控制器、图像采集单元、温度传感器、湿度传感器、气压传感器、风速传感器和雨量传感器；图像采集单元包括高清摄像头和动作云台。

进一步地，处理器分别与故障诊断模块、灾情分析模块、灾情上报模块、后台监控模块和数据存储模块通信连接；数据中心模块分别与故障诊断模块和灾情分析模块通信连接，后台监控模块分别与数据存储模块和灾情上报模块，灾情上报模块和灾情分析模块通信连接。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

数据中心模块用于获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；获取测试时长变化曲线的一阶导数值；当任意连续的三个一阶导数值均小于等于导数阈值时，提取通信数据中的通信参数总量，当通信参数总量小于等于参数总量阈值时，则判定数据采集装置和数据中心模块之间的通信状态异常；否则，判定数据采集装置和数据中心模块之间的通信状态正常；生成通信状态标签；通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块；

当灾情分析模块接收到灾情数据之后，提取灾情数据中的监测图像、温度、湿度、气压、风速和雨量；以获取时间为自变量，以温度、湿度、气压、风速和雨量为因变量，结合多项式拟合法分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线；分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线的驻点，并分别标记为温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；生成输入数据；通过数据存储模块获取灾情等级预测模型；将输入数据输入至灾情等级预测模型中获取预测的灾情等级并标记为预测等级；根据预测等级获取灾情区域；通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块；

当通信状态标签为1时，提取预测等级和灾情区域；获取灾情区域内的智能终端；将灾情等级和灾情区域通过通信基站发送至智能终端；获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；将灾情实时监测图发送至数据存储模块进行存储。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.基于移动端的灾害在线处置流程实现方法，其特征在于，所述实现方法具体包括以下步骤：

步骤一：通过移动终端获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

步骤二：当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；获取测试时长变化曲线的一阶导数值；根据一阶导数值和通信参数总量判定数据采集装置和数据中心模块之间的通信状态；生成通信状态标签；通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块；

步骤三：当灾情分析模块接收到灾情数据之后，根据灾情数据获取输入数据，将输入数据结合灾情等级预测模型获取预测等级，同时获取灾情区域；通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块；

步骤四：当通信状态标签为1时，提取预测等级和灾情区域；获取灾情区域内的智能终端；将灾情等级和灾情区域通过通信基站发送至智能终端；获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；将灾情实时监测图发送至数据存储模块进行存储。

2.根据权利要求1所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述移动终端包括处理器、故障诊断模块、灾情分析模块、灾情上报模块、后台监控模块和数据存储模块；

所述数据中心模块与数据采集装置通信连接，且通信连接的方式包括GPRS通信网络连接；所述数据中心模块用于获取灾情数据和通信数据，将通信数据分别发送至故障诊断模块和数据存储模块，将灾情数据分别发送至灾情分析模块和数据存储模块；

所述灾情上报模块根据通信状态标签、预测等级和灾情区域对灾情进行报警，包括：

当通信状态标签为1时，提取预测等级和灾情区域；

获取灾情区域内的智能终端；所述智能终端包括智能手机、平板电脑和笔记本电脑；

将灾情等级和灾情区域通过通信基站发送至智能终端；

所述后台监控模块用于生成灾害实时监控图，包括：

获取数据采集装置的地理坐标，结合第三方地图平台获取灾害实时监测图；所述第三方地图平台包括百度地图、高德地图和腾讯地图；

为灾害实时监测图中数据采集装置设置灾情状态标签，并在灾情实时监测图中显示数据采集装置的灾情区域；所述灾情状态标签包括通信状态标签和预测等级，且灾情实时监测图中的灾情区域根据对应的预测等级设置不同的颜色；

将灾情实时监测图发送至数据存储模块进行存储。

3.根据权利要求2所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述灾情分析模块根据灾情数据获取预测等级和灾情区域，包括：

当灾情分析模块接收到灾情数据之后，提取灾情数据中的监测图像、温度、湿度、气压、风速和雨量；

以获取时间为自变量，以温度、湿度、气压、风速和雨量为因变量，结合多项式拟合法分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线；

分别获取温度变化曲线、湿度变化曲线、气压变化曲线、风速变化曲线和雨量变化曲线的驻点，并分别标记为温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

生成输入数据；所述输入数据包括监测图像、温度、湿度、气压、风速和雨量、温度驻点、湿度驻点、气压驻点、风速驻点和雨量驻点；

通过数据存储模块获取灾情等级预测模型；

将输入数据输入至灾情等级预测模型中获取预测的灾情等级并标记为预测等级；

根据预测等级获取灾情区域；

通过处理器将预测等级和灾情区域分别发送至数据存储模块、后台监控模块和灾情上报模块。

4.根据权利要求3所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述灾情区域的获取具体包括：

当预测等级为1级时，以数据采集装置为圆心，以R1米为半径划定圆形区域并标记为灾情区域；

当预测等级为2级时，以数据采集装置为圆心，以R2米为半径划定圆形区域并标记为灾情区域；

当预测等级为3级时，以数据采集装置为圆心，以R3米为半径划定圆形区域并标记为灾情区域；其中R1、R2和R3为半径阈值，且R1>R2>R3>0。

5.根据权利要求3所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述灾情等级预测模型的获取具体包括：

通过数据存储模块获取灾情历史数据；所述灾情历史数据包括灾情等级及对应的灾情数据；所述灾情等级包括0级、1级、2级和3级，其中灾情等级为0级时表示未发生灾情；

灾情等级对应的灾情数据结合输入数据的获取方式获取训练数据集；

将训练数据集及对应的灾情等级按照设定比例划分为训练集、测试集和校验集；所述设定比例包括3:1:1、4:1:1和4:3:2；

构建人工智能模型；所述人工智能模型至少包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络中的一种；

通过训练集、测试集和校验集对人工智能模型进行训练，将训练完成的人工智能模型标记为灾情等级预测模型；

通过处理器将灾情等级预测模型发送至数据存储模块进行存储。

6.根据权利要求2所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述故障诊断模块根据通信数据分析数据采集装置和数据中心模块的通信状态，并生成通信状态标签，包括：

当故障诊断模块接收到通信数据之后，提取通信数据中的通信测试时长；

以通信测试时长的获取时间为自变量，以通信测试时长为因变量，结合多项式拟合法获取测试时长变化曲线；

获取测试时长变化曲线的一阶导数值；当任意连续的三个一阶导数值均小于等于导数阈值时，提取通信数据中的通信参数总量，当通信参数总量小于等于参数总量阈值时，则判定数据采集装置和数据中心模块之间的通信状态异常；否则，判定数据采集装置和数据中心模块之间的通信状态正常；其中导数阈值和参数总量阈值均通过大数据模拟获取；

生成通信状态标签；所述通信状态标签的取值为0和1，当通信状态标签为0时，表示数据采集装置和数据中心模块之间的通信状态异常，当通信状态标签为1时，表示数据采集装置和数据中心模块之间的通信状态正常；

通过处理器将通信状态标签分别发送至灾情上报模块、后台监控模块和数据存储模块。

7.根据权利要求2所述的基于移动端的灾害在线处置流程实现方法，其特征在于，所述灾情数据为数据采集装置采集的数据，且灾情数据包括监测图像、温度、湿度、气压、风速和雨量，所述监测图像通过图像采集单元获取；所述通信数据包括通信测试时长和通信参数总量，所述通信参数总量为通信测试时长内数据中心模块接收到的数据总量；所述通信测试时长的获取具体包括：

通过处理器按照设定周期发送第一测试信号至数据采集装置的控制器，当控制器接收到第一测试信号之后立即生成第二测试信号，并将第二测试信号发送至处理器；所述设定周期包括一分钟、五分钟和十分钟；

获取处理器发送第一测试信号和处理器接收到第二测试信号之间的时间差值，将时间差值标记为通信测试时长。

Images