CN113139760B - 基于风雨大数据的台风风险综合评估方法及系统 - Google Patents
基于风雨大数据的台风风险综合评估方法及系统 Download PDFInfo
- Publication number
- CN113139760B CN113139760B CN202110588222.XA CN202110588222A CN113139760B CN 113139760 B CN113139760 B CN 113139760B CN 202110588222 A CN202110588222 A CN 202110588222A CN 113139760 B CN113139760 B CN 113139760B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- grid
- influence
- rainfall
- 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.)
- Active
Links
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
- G06F16/29—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
本发明提出一种基于风雨大数据的台风风险综合评估方法及系统,其按固定精度将待评估区域划分为多个网格区域,采用统一的地理坐标系和统一的地理网格精度,将地理网格区域与台风路径网格、风力再分析数据网络、降雨再分析数据网格进行关联;根据台风路径节点,按照强风影响范围和降雨影响范围,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值、降雨影响分值和综合影响分值;遍历台风路径各节点,而后计算单个台风的强风、降雨和综合危险性,以及不同年份、不同年段的台风危险性的综合评估。
Description
技术领域
本发明涉及自然灾害风险评估技术领域,尤其是一种基于风雨大数据的台风风险综合评估方法及系统。
背景技术
台风带来的狂风、暴雨、风暴潮等灾害造成重大经济损失与人员伤亡。为了减轻台风灾害风险,减少台风灾害损失,需要开展台风风险评估相关研究工作,现有技术中,普遍采用基于自然灾害风险理论模型,即R=F(D,E,V)。其中R为自然灾害风险;D为致灾因子,主要根据灾害发生的频率和强度确定;E为承灾体暴露度,主要根据灾害发生时暴露在灾害影响范围内的人口和社会经济确定;V为承灾体脆弱性,主要根据承灾体自身能力以及外部防灾减灾能力确定。基于以上理论,首先确定台风致灾因子和承灾体调查范围,其中台风致灾因子主要包括强风、暴雨、风暴潮及其带来的洪水、地质灾害等次生灾害,承灾体主要包括危房等灾害易发多发区、水电煤气等生命线工程、危化品企业等重点保护对象、景区等人员密集场所等;然后根据确定的调查范围,收集、整编历史台风发生频率、承灾体脆弱度与暴露度、防灾减灾能力、灾害损失等数据;再通过风险理论模型和数理统计模型对台风灾害风险进行分析与评估,最终给出台风风险评估结果。
相关现有技术:
一种基于ArcGIS平台的台风风暴潮风险评估方法及系统,申请号:CN201910512703.5申请日2019-06-13
一种基于GIS的电网台风灾害风险评估方法,申请号:CN201611188706.0申请日:2016-12-21
一种台风灾害风险预估方法,申请号:CN201310078961.X申请日:2013-03-12
现有技术的缺点主要包括:
1、现有技术主要以人工经验进行模型设计,包括计算方法和权重赋值,由于考虑要素过多,权重赋值无法准确客观。
2、承灾体数据和灾害损失数据调查难度极大,现有技术受到承灾体数据和灾害损失数据完整性、准确性的制约。
3、台风灾害主要对地理网格造成影响,而现有技术主要以行政网格为对象进行分析研究,造成结果精度较低。
4、台风带来的强风主要对我国沿海省份造成影响,但其带来的降雨却直接影响着我国中西部省份,现有技术主要针对沿海省份以及部分年份进行分析,对台风轨迹以及强风、降雨等再分析数据资源的使用率较低。
发明内容
为了弥补现有技术的不足和空白,本发明提出一种基于风雨大数据的台风风险综合评估方法及系统。
本发明所采用的技术手段包括:
1、简化评估模型,利用大数据技术对以台风数据、风力数据、降雨数据等进行建模。
2、构建高精度地理网格,并以网格为对象进行台风风险精细化评估。
3、充分利用历史台风数据、风力数据、降雨数据以及地理网格数据,对台风风险分析研究。
4、利用大数据技术提升不同台风、不同年份、不同年段的台风风险综合评估效率。
本发明具体采用以下技术方案:
一种基于风雨大数据的台风风险综合评估方法,其特征在于:
按固定精度将待评估区域划分为多个网格区域,采用统一的地理坐标系和统一的地理网格精度,将地理网格区域与台风路径网格、风力再分析数据网络、降雨再分析数据网格进行关联;
根据台风路径节点,按照强风影响范围和降雨影响范围,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值和/或降雨影响分值和/或综合影响分值;遍历台风路径各节点,而后计算单个台风的强风和/或降雨和/或综合危险性,以及不同年份和/或不同年段的台风综合风险。
进一步地,选取历史台风路径中包含风力、风圈半径的数据集,利用神经网络建立风力TFPower与最大影响范围Radius之间的拟合函数F(P);然后遍历每条台风的网格序列,通过拟合函数F(P)计算该网格最大影响范围Radius及Radius范围内的领域网格X、Y坐标集合WindPowerData。
进一步地,根据台风物理结构构建强风影响衰减函数F(L),如下所示:
其中L为台风中心网格与受影响地网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数。
进一步地,选取台风网格序列中的某一节点TFNode,提取该节点影响范围内的降雨网格数据集合RainfulData和风力网格数据集合WindPowerData,计算网格的强风影响分值SGridWind和降雨影响分值SGridRain,其中SGridWind=F(WindPowerData,F(L));然后根据SGridWind、SGridRain通过加权平均法计算各网格综合影响分值SGrid,其中SGrid=F(SGridWind,SGridRain)如(SGrid=SGridWind*0.5+SGridRain*0.5)。
进一步地,采用Spark遍历单个台风路径上的所有节点,计算SGridWind、SGridRain、SGrid平均值作为该台风的强风影响分值STyphoonWind、降雨影响分值STyphoonRain和综合影响分值STyphoon。
以及,一种基于风雨大数据的台风风险综合评估方法,其特征在于,包括以下步骤:
步骤S1:建立区域网格索引:按固定精度将待评估区域(比如中国全域)划分为多个小矩阵网格区域,并为每个区域网格建立唯一的索引ID;
步骤S2:初始化网格属性:建立平面坐标系,将区域网格投影至平面坐标系中,记录坐标值及网格地理要素信息;
步骤S3:数据源选择:采用的数据源为包括台风数据、风力数据和降雨数据的历史数据集;其中,台风路径数据可以使用中国气象局出版的《台风年鉴(1949-1988)和热带气旋年鉴(1989-2010年)》以及相关气象网站发布的2011-2019年台风数据,风力数据和降雨数据可以采用欧洲中期天气预报中心(ECMWF)1974年至2019年的再分析数据集;
步骤S4:台风数据预处理,由于台风路径轨迹较为稀疏,基于区域网格,采用插值法补齐台风路径轨迹数据;同时仅选取登陆待评估区域的台风以及距离待评估区域陆地一百公里范围内的台风参与计算。
步骤S5:风力和降雨数据预处理:基于区域网格精度对风力、降雨再分析数据集进行预处理,将风力网格、降雨网格与区域网格进行关联;
步骤S6:降雨影响范围筛选:选取台风途径区域及其相邻区域降雨网格数据参与计算;
步骤S7:建立强风影响范围拟合函数:根据历史台风风力、风圈半径数据,利用神经网络建立风力与最大影响范围之间的拟合函数;
步骤S8:建立强风影响衰减函数:根据台风物理结构设计强风影响衰减函数;
步骤S9:台风单个轨迹点影响力计算:根据台风路径节点,按照强风影响范围和降雨影响范围提取规则,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值和降雨影响分值,根据各网格强风、降雨影响分值,计算各网格综合影响分值;
步骤S10:单个台风综合影响力计算:采用分布式计算引擎遍历单个台风路径上的所有节点,计算各节点影响范围内网格的强风影响分值、降雨影响分值和综合影响分值;
步骤S11:单个台风风险评估:根据计算分值进行风险评估,将风险评估结果划分为若干个等级;一般可以将风险评估结果划分为“极高”、“高”、“中”、“低”、“极低”五个等级。
步骤S12:台风风险综合评估:采用分布式计算引擎计算对待评估区域内造成影响的每一个台风风险情况,并基于计算结果评估不同年份、不同年段台风综合风险状况。
本发明方案的具体执行过程不为以上步骤的序号所限,如步骤S3可以在步骤S1之前,本领域技术人员在本发明提供方案之内所进行的等同替换也属于本发明方案的保护之列。
进一步地,在步骤S1中,采用CGCS2000大地坐标系,按经度0.1°、维度0.1°将待评估区域划分为M*N个小矩阵网格区域,按从东向西、从南向北顺序依次为每个区域网格建立唯一的索引ID;
在步骤S2中,建立平面坐标系,包含X、Y两个方向;将区域网格投影至平面坐标系中,将X、Y两个方向上的编号以及网格角点地理坐标Xmin、Xmax、Ymin、Ymax进行记录,形成网格索引ID、X、Y、Xmin、Xmax、Ymin、Ymax数据组;
在步骤S3中,采集、整编台风路径、强风、降雨数据,其中:台风路径选取台风编号TFCode、台风轨迹数据集包含:时间TFTime、经度TFLong、纬度TFDim、风力TFPower、风速TFSpeed、风圈半径信息TFRadius,强风选取时间WindTime、网格WindGridID、风速WindSpeed;降雨选取时间RainTime、网格RainGridID、雨量Rainfall;
在步骤S4中,通过GIS软件提取台风数据,按台风编号TFCode顺序从小到大进行数据预处理;连接单个台风路径各节点,生成台风路径轨迹线路,通过GIS软件提取线路经过的网格索引ID,采用插值法将台风经过该网格时的时间TFTime、风力TFPower、风速TFSpeed以及台风编号TFCode信息补齐,形成网格ID、TFCode、TFTime、TFPower、TFSpeed数据组;
在步骤S5中,将获取的基于WGS84坐标系的风力、降雨再分析数据集转换至CGCS2000坐标系,按经度0.1°、维度0.1°将风力网格ID、降雨网格ID与区域网格ID进行关联;
在步骤S6中,通过GIS软件将网格ID与区域区划ID进行多对一关联,并通过GIS软件计算各区域的相邻区域;若台风路径某节点网格ID位于A区域,则选取A区域及A区域相邻区域降雨网格数据集合RainfulData参与计算;
在步骤S7中,选取历史台风路径中包含风力、风圈半径的数据集,利用神经网络建立风力TFPower与最大影响范围Radius之间的拟合函数F(P);然后遍历每条台风的网格序列,通过拟合函数F(P)计算该网格最大影响范围Radius及Radius范围内的领域网格X、Y坐标集合WindPowerData;
在步骤S8中,根据台风物理结构构建强风影响衰减函数F(L),如公式(1)所示:其中L为台风中心网格与受影响地网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数:
在步骤S9中,选取台风网格序列中的某一节点TFNode,提取该节点影响范围内的降雨网格数据集合RainfulData和风力网格数据集合WindPowerData,计算网格的强风影响分值SGridWind和降雨影响分值SGridRain,其中SGridWind=F(WindPowerData,F(L));然后根据SGridWind、SGridRain通过加权平均法计算各网格综合影响分值SGrid,其中SGrid=SGridWind*0.5+SGridRain*0.5;
在步骤S10中,采用Spark遍历单个台风路径上的所有节点,计算SGridWind、SGridRain、SGrid平均值作为该台风的强风影响分值STyphoonWind、降雨影响分值STyphoonRain和综合影响分值STyphoon;
在步骤S11中,将计算分值归一化,根据计算结果进行风险评估,将风险等级划分为“极高”、“高”、“中”、“低”、“极低”五个等级;
步骤S12:采用Spark,按步骤S9至步骤S11遍历计算TFCode列表中各个台风,然后通过加权平均方法计算不同年份、不同年段台风综合风险状况。
以及,一种基于风雨大数据的台风风险综合评估系统,其特征在于,包括:
网格化模块:用于按固定精度将待评估区域划分为多个小矩阵网格区域,并为每个区域网格建立唯一的索引ID;并建立平面坐标系,将区域网格投影至平面坐标系中,记录坐标值及网格地理要素信息;
数据集生成模块:用于将包括台风数据、风力数据和降雨数据的历史数据集进行预处理,并采用插值法补齐台风路径轨迹数据;并与区域网格进行关联;
台风模型处理模块:用于筛选台风影响区域、建立强风影响范围拟合函数和建立强风影响衰减函数;
计算模块:用于执行台风单个轨迹点影响力计算、单个台风综合影响力计算、单个台风风险评估和台风风险综合评估。
以及,一种基于风雨大数据的台风风险综合评估系统,其特征在于,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。
相对于现有技术,本发明及其优选方案具有以下优势:
1、利用大数据对台风数据、风力数据、降雨数据等进行建模,数据源完整、可靠,不受外部数据资料收集制约,评估结果更客观。
2、以经度0.1°、维度0.1°构建高精度地理网格,然后将地理网格关联至区域(行政)网格,台风风险评估精度高,更有利于开展风险研判。
3、将台风危险性进行分类,能够更直观的了解、分析台风致灾因子,辅助开展城市规划。
4、建立强风影响衰减函数和风力影响范围拟合函数,最大程度降低噪声数据干扰,提升数据的可用性。
5、基于地理网格,采用插值法补齐台风路径轨迹数据,提升计算数据的完整性。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明:
图1是本发明实施例建立平面坐标系示意图;
图2是本发明实施例方法整体流程示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂,下文特举实施例,作详细说明如下:
如图2所示,本实施例提供的基于风雨大数据的台风风险综合评估方法具体包括以下步骤:
步骤S1:采用CGCS2000大地坐标系,按经度0.1°、维度0.1°将我国全国范围划分为M*N个小矩阵网格区域,按从东向西、从南向北顺序依次为每个区域网格建立唯一的索引ID。
步骤S2:建立平面坐标系,包含X、Y两个方向,如图1所示。将区域网格投影至平面坐标系中,将X、Y两个方向上的编号以及网格角点地理坐标Xmin、Xmax、Ymin、Ymax进行记录,形成网格索引ID、X、Y、Xmin、Xmax、Ymin、Ymax数据组。
步骤S3:采集、整编1974年至2019年台风路径、强风、降雨数据,其中台风路径选取台风编号TFCode、台风轨迹数据集(包含时间TFTime、经度TFLong、纬度TFDim、风力TFPower、风速TFSpeed、风圈半径信息TFRadius);强风选取时间WindTime、网格WindGridID、风速WindSpeed;降雨选取时间RainTime、网格RainGridID、雨量Rainfall。
步骤S4:通过GIS软件提取1974年至2019年期间台风以及距离我国陆地一百公里范围内的台风编号TFCode,按TFCode顺序从小到大进行数据预处理。连接单个台风路径各节点,生成台风路径轨迹线路,通过GIS软件提取线路经过的网格索引ID,采用插值法将台风经过该网格时的时间TFTime、风力TFPower、风速TFSpeed以及台风编号TFCode信息补齐,形成网格ID、TFCode、TFTime、TFPower、TFSpeed数据组。
步骤S5:将获取的基于WGS84坐标系的风力、降雨再分析数据集转换至CGCS2000坐标系,按经度0.1°、维度0.1°将风力网格ID、降雨网格ID与区域网格ID进行关联。
步骤S6:通过GIS软件将网格ID与省级行政区划ID进行多对一关联,并通过GIS软件计算各省份的相邻省份。若台风路径某节点网格ID位于A省份,则选取A省份及A省相邻省份降雨网格数据集合RainfulData参与计算。
步骤S7:选取历史台风路径中包含风力、风圈半径的数据集,利用神经网络算法建立风力TFPower与最大影响范围Radius之间的拟合函数F(P)。然后遍历每条台风的网格序列,通过拟合函数F(P)计算该网格最大影响范围Radius及Radius范围内的领域网格X、Y坐标集合WindPowerData。
步骤S8:根据台风物理结构设计强风影响衰减函数F(L),如公式(1)所示。其中L为台风中心网格与受影响地网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数。
步骤S9:选取台风网格序列中的某一节点TFNode,提取该节点影响范围内的降雨网格数据集合RainfulData和风力网格数据集合WindPowerData,计算网格的强风影响分值SGridWind和降雨影响分值SGridRain,其中SGridWind=F(WindPowerData,F(L))。然后根据SGridWind、SGridRain通过加权平均法计算各网格综合影响分值SGrid,其中SGrid=SGridWind*0.5+SGridRain*0.5。
步骤S10:采用Spark遍历单个台风路径上的所有节点,计算SGridWind、SGridRain、SGrid平均值作为该台风的强风影响分值STyphoonWind、降雨影响分值STyphoonRain和综合影响分值STyphoon。
步骤S11:将计算分值归一化,根据计算结果进行风险评估,将风险等级划分为“极高”、“高”、“中”、“低”、“极低”五个等级,如表1所示。
步骤S12:采用Spark,按步骤S9至S11遍历计算TFCode列表中各个台风,然后通过加权平均方法计算我国不同年份、不同年段台风综合风险状况。
本实施例提供方案主要包含以下关键点:
1、按固定精度将我国划分为多个网格区域,采用统一的地理坐标系和统一的地理网格精度,将地理网格区域与台风路径网格、风力再分析数据网络、降雨再分析数据网格进行关联,辅助开展台风危险性综合评估。
2、根据台风路径节点,按照强风影响范围和降雨影响范围,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值、降雨影响分值和综合影响分值。通过上述方法遍历台风路径各节点,而后计算单个台风的强风、降雨和综合危险性,以及不同年份、不同年段的台风危险性。
3、根据台风物理结构设计强风影响衰减函数F(L),如下所示:
其中L为台风中心网格与受影响地网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数。
4、根据历史台风风力、风圈半径数据,利用神经网络建立风力与最大影响范围之间的拟合函数,以此消除数据干扰。
5、建立平面坐标系,将地理网格投影至平面坐标系中,记录坐标值及网格地理要素信息来提升台风危险性评估效率。
6、基于地理网格,采用插值法补齐台风路径轨迹数据,以此提升计算数据的完整性和可靠性。
进一步地,基于以上方法步骤,可以包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序进行实现。
该系统包括:
网格化模块:用于按固定精度将待评估区域划分为多个小矩阵网格区域,并为每个区域网格建立唯一的索引ID;并建立平面坐标系,将区域网格投影至平面坐标系中,记录坐标值及网格地理要素信息;
数据集生成模块:用于将包括台风数据、风力数据和降雨数据的历史数据集进行预处理,并采用插值法补齐台风路径轨迹数据;并与区域网格进行关联;
台风模型处理模块:用于筛选台风影响区域、建立强风影响范围拟合函数和建立强风影响衰减函数;
计算模块:用于执行台风单个轨迹点影响力计算、单个台风综合影响力计算、单个台风风险评估和台风风险综合评估。
本专利不局限于上述最佳实施方式,任何人在本专利的启示下都可以得出其它各种形式的基于风雨大数据的台风风险综合评估方法及系统,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本专利的涵盖范围。
Claims (6)
1.一种基于风雨大数据的台风风险综合评估方法,其特征在于:
按固定精度将待评估区域划分为多个网格区域,采用统一的地理坐标系和统一的地理网格精度,将地理网格区域与台风路径网格、风力再分析数据网格、降雨再分析数据网格进行关联;
根据台风路径节点,按照强风影响范围和降雨影响范围,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值和/或降雨影响分值和/或综合影响分值;遍历台风路径各节点,而后计算单个台风的强风和/或降雨和/或综合危险性,以及不同年份和/或不同年段的台风综合风险;
选取历史台风路径中包含风力、风圈半径的数据集,利用神经网络建立风力TFPower与最大影响范围Radius之间的拟合函数F(P);然后遍历每条台风的网格序列,通过拟合函数F(P)计算该网格最大影响范围Radius及Radius范围内的邻域网格X、Y坐标集合;
根据台风物理结构构建强风影响衰减函数F(L),如下所示:
其中L为台风中心网格与受影响的网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数。
2.根据权利要求1所述的基于风雨大数据的台风风险综合评估方法,其特征在于:选取台风网格序列中的某一节点TFNode,提取该节点影响范围内的降雨网格数据集合RainfulData和风力网格数据集合WindPowerData,计算网格的强风影响分值SGridWind和降雨影响分值SGridRain,其中SGridWind=F(WindPowerData,F(L));然后根据强风影响分值SGridWind、降雨影响分值SGridRain计算各网格综合影响分值SGrid,其中SGrid=F(SGridWind,SGridRain)。
3.根据权利要求2所述的基于风雨大数据的台风风险综合评估方法,其特征在于:采用Spark遍历单个台风路径上的所有节点,分别计算强风影响分值SGridWind、降雨影响分值SGridRain、网格综合影响分值SGrid的平均值,并将其分别作为该台风的强风影响分值STyphoonWind、降雨影响分值STyphoonRain和综合影响分值STyphoon。
4.一种基于风雨大数据的台风风险综合评估方法,其特征在于,包括以下步骤:
步骤S1:建立区域网格索引:按固定精度将待评估区域划分为多个小矩阵网格区域,并为每个区域网格建立唯一的索引ID;
步骤S2:初始化网格属性:建立平面坐标系,将区域网格投影至平面坐标系中,记录坐标值及网格地理要素信息;
步骤S3:数据源选择:采用的数据源为包括台风数据、风力数据和降雨数据的历史数据集;
步骤S4:台风数据预处理,并采用插值法补齐台风路径轨迹数据;
步骤S5:风力和降雨数据预处理:基于区域网格精度对风力、降雨再分析数据集进行预处理,将风力网格、降雨网格与区域网格进行关联;
步骤S6:降雨影响范围筛选:选取台风途径区域及其相邻区域降雨网格数据参与计算;
步骤S7:建立强风影响范围拟合函数:根据历史台风风力、风圈半径数据,利用神经网络建立风力与最大影响范围之间的拟合函数;
步骤S8:建立强风影响衰减函数:根据台风物理结构设计强风影响衰减函数;
步骤S9:台风单个轨迹点影响力计算:根据台风路径节点,按照强风影响范围和降雨影响范围提取规则,提取该节点影响范围内的区域网格索引序列,逐一计算各影响范围内网格的强风影响分值和降雨影响分值,根据各网格强风、降雨影响分值,计算各网格综合影响分值;
步骤S10:单个台风综合影响力计算:采用分布式计算引擎遍历单个台风路径上的所有节点,计算各节点影响范围内网格的强风影响分值、降雨影响分值和综合影响分值;
步骤S11:单个台风风险评估:根据计算分值进行风险评估,将风险评估结果划分为若干个等级;
步骤S12:台风风险综合评估:采用分布式计算引擎计算对待评估区域内造成影响的每一个台风风险情况,并基于计算结果评估不同年份、不同年段台风综合风险状况;
在步骤S1中,采用CGCS2000大地坐标系,按固定网格精度将待评估区域划分为M*N个小矩阵网格区域,按从东向西、从南向北顺序依次为每个区域网格建立唯一的索引ID;
在步骤S2中,建立的平面坐标系包含X、Y两个方向;将X、Y两个方向上的编号以及网格角点地理坐标Xmin、Xmax、Ymin、Ymax进行记录,形成网格索引ID、X、Y、Xmin、Xmax、Ymin、Ymax数据组;
在步骤S3中,采集、整编台风路径、强风、降雨数据,其中:台风路径选取台风编号TFCode、台风轨迹数据集包含:时间TFTime、经度TFLong、纬度TFDim、风力TFPower、风速TFSpeed、风圈半径信息TFRadius,强风选取时间WindTime、网格WindGridID、风速WindSpeed;降雨选取时间RainTime、网格RainGridID、雨量Rainfall;
在步骤S4中,通过GIS软件提取台风数据,按台风编号TFCode顺序进行数据预处理;连接单个台风路径各节点,生成台风路径轨迹线路,通过GIS软件提取线路经过的网格索引ID,采用插值法将台风经过该网格时的时间TFTime、风力TFPower、风速TFSpeed以及台风编号TFCode信息补齐,形成网格ID、台风编号TFCode、时间TFTime、风力TFPower、风速TFSpeed数据组;
在步骤S5中,将获取的基于WGS84坐标系的风力、降雨再分析数据集转换至CGCS2000坐标系,按相同网格精度将风力网格ID、降雨网格ID与区域网格ID进行关联;
在步骤S6中,通过GIS软件将降雨网格ID与区域网格ID进行多对一关联,并通过GIS软件计算各区域的相邻区域;若台风路径某节点降雨网格ID位于A区域,则选取A区域及A区域相邻区域降雨网格数据集合RainfulData参与计算;
在步骤S7中,选取历史台风路径中包含风力、风圈半径的数据集,利用神经网络建立风力TFPower与最大影响范围Radius之间的拟合函数F(P);然后遍历每条台风的网格序列,通过拟合函数F(P)计算该网格最大影响范围Radius及Radius范围内的邻域网格X、Y坐标集合,即风力网格数据集合WindPowerData;
在步骤S8中,根据台风物理结构构建强风影响衰减函数F(L),如公式(1)所示:其中L为台风中心网格与受影响的网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数:
在步骤S9中,选取台风网格序列中的某一节点TFNode,提取该节点影响范围内的降雨网格数据集合RainfulData和风力网格数据集合WindPowerData,计算网格的强风影响分值SGridWind和降雨影响分值SGridRain,其中SGridWind=F(WindPowerData,F(L));然后根据强风影响分值SGridWind、降雨影响分值SGridRain计算各网格综合影响分值SGrid,其中SGrid=F(SGridWind,SGridRain);
在步骤S10中,采用Spark遍历单个台风路径上的所有节点,分别计算强风影响分值SGridWind、降雨影响分值SGridRain、网格综合影响分值SGrid平均值,并将其分别作为该台风的强风影响分值STyphoonWind、降雨影响分值STyphoonRain和综合影响分值STyphoon;
在步骤S11中,将计算分值归一化,根据计算结果进行风险评估,将风险等级划分为“极高”、“高”、“中”、“低”、“极低”五个等级;
步骤S12:采用Spark,按步骤S9至步骤S11遍历计算TFCode列表中各个台风,然后通过加权平均方法计算不同年份、不同年段台风综合风险状况。
5.一种基于风雨大数据的台风风险综合评估系统,其特征在于,包括:
网格化模块:用于按固定精度将待评估区域划分为多个小矩阵网格区域,并为每个区域网格建立唯一的索引ID;并建立平面坐标系,将区域网格投影至平面坐标系中,记录坐标值及网格地理要素信息;
数据集生成模块:用于将包括台风数据、风力数据和降雨数据的历史数据集进行预处理,并采用插值法补齐台风路径轨迹数据;并与区域网格进行关联;
台风模型处理模块:用于筛选台风影响区域、建立强风影响范围拟合函数和建立强风影响衰减函数;
计算模块:用于执行台风单个轨迹点影响力计算、单个台风综合影响力计算、单个台风风险评估和台风风险综合评估;
所述建立强风影响衰减函数具体为:根据台风物理结构构建强风影响衰减函数F(L),如下所示:
其中L为台风中心网格与受影响的网格之间的距离,LS为台风开始出现衰减的距离,Lmax为台风最大影响距离,b为最小衰减系数。
6.一种基于风雨大数据的台风风险综合评估系统,其特征在于,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588222.XA CN113139760B (zh) | 2021-05-27 | 2021-05-27 | 基于风雨大数据的台风风险综合评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588222.XA CN113139760B (zh) | 2021-05-27 | 2021-05-27 | 基于风雨大数据的台风风险综合评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139760A CN113139760A (zh) | 2021-07-20 |
CN113139760B true CN113139760B (zh) | 2022-07-08 |
Family
ID=76815799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588222.XA Active CN113139760B (zh) | 2021-05-27 | 2021-05-27 | 基于风雨大数据的台风风险综合评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139760B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146995A (zh) * | 2018-08-13 | 2019-01-04 | 长沙矿冶研究院有限责任公司 | 一种台风分布图绘制方法与系统 |
CN116150570B (zh) * | 2022-11-07 | 2024-04-23 | 浙江省水文管理中心 | 一种高精度网格降雨的存储和叠加分析计算方法及装置 |
CN116303750B (zh) * | 2023-05-24 | 2023-09-22 | 南京信息工程大学 | 一种致灾气旋的多维度特征辨识方法和系统 |
CN116451507B (zh) * | 2023-06-13 | 2023-11-10 | 浙江大学 | 一种基于非均匀栅格划分进行台风轨迹路径模拟的方法 |
CN116911620B (zh) * | 2023-09-12 | 2023-12-15 | 航天宏图信息技术股份有限公司 | 台风全生命周期风险评估预警方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN104899368A (zh) * | 2015-05-29 | 2015-09-09 | 浙江宇视科技有限公司 | 基于数据热度的监控布点需求图生成方法及装置 |
CN108564263A (zh) * | 2018-04-02 | 2018-09-21 | 国网安徽省电力有限公司电力科学研究院 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
CN109784720A (zh) * | 2019-01-15 | 2019-05-21 | 南京邮电大学 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10962681B2 (en) * | 2017-11-28 | 2021-03-30 | Athenium Llc | Automated severity-based risk scoring for ice storms and freezing rain |
-
2021
- 2021-05-27 CN CN202110588222.XA patent/CN113139760B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN104899368A (zh) * | 2015-05-29 | 2015-09-09 | 浙江宇视科技有限公司 | 基于数据热度的监控布点需求图生成方法及装置 |
CN108564263A (zh) * | 2018-04-02 | 2018-09-21 | 国网安徽省电力有限公司电力科学研究院 | 一种用于飑线环境下输电线路杆塔受灾预测方法 |
CN109784720A (zh) * | 2019-01-15 | 2019-05-21 | 南京邮电大学 | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Non-Patent Citations (4)
Title |
---|
A Spark-based High Performance Computational Approach for Simulating Typhoon Wind Fields;Shaofu Lin et al;《IEEE Access》;20180626;第1-12页 * |
中国沿海台风风暴潮灾害风险评估研究;殷杰;《中国博士学位论文全文数据库》;20110915(第9期);第39-95页 * |
国内农业台风灾害风险评估研究进展;尚志海 等;《灾害学》;20190420;第34卷(第2期);第168-171页 * |
基于风雨数据的台风危险性评估方法研究与实现;单森华;《水利信息化》;20211225(第6期);第40-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113139760A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139760B (zh) | 基于风雨大数据的台风风险综合评估方法及系统 | |
CN113313384B (zh) | 一种融合弹性的城市洪涝灾害风险评估方法 | |
Yang et al. | Simulating intraurban land use dynamics under multiple scenarios based on fuzzy cellular automata: a case study of Jinzhou district, Dalian | |
CN109146204A (zh) | 一种多层次综合评估的风电场升压站自动选址方法 | |
CN106650618A (zh) | 一种基于随机森林模型的人口数据空间化方法 | |
AU2021435561A1 (en) | Big data-based commercial space quality evaluation method and system, device, and medium | |
CN104217257A (zh) | 一种灾害链综合风险计算方法 | |
CN111898315A (zh) | 基于分形—机器学习混合模型的滑坡易发性评估方法 | |
CN107133686A (zh) | 基于时空数据模型的城市级pm2.5浓度预测方法 | |
CN111062446A (zh) | 基于多源国土资源数据的土地类型分类方法 | |
Wu et al. | Assessment of waterlogging risk in the deep foundation pit projects based on projection pursuit model | |
CN113240257A (zh) | 一种基于最小累积阻力模型的国土空间分区方法和装置 | |
CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、系统及存储介质 | |
Jie et al. | Assessment of economic damage risks from typhoon disasters in Guangdong, China | |
CN110716998B (zh) | 一种精细尺度人口数据空间化方法 | |
CN112287046B (zh) | 一种台风风圈内地表平均粗糙度系数的确定方法及系统 | |
Thompson et al. | Developing effective sampling designs for monitoring natural resources in Alaskan national parks: An example using simulations and vegetation data | |
Vega-Oliveros et al. | From spatio-temporal data to chronological networks: An application to wildfire analysis | |
Xu et al. | GEO-environmental suitability evaluation of land for urban construction based on a back-propagation neural network and GIS: A case study of Hangzhou | |
CN115860213A (zh) | 多情景城市应急采样场所选址优化方法、系统、设备及介质 | |
CN115906669A (zh) | 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法 | |
CN115689106A (zh) | 复杂网络视角的区域空间结构定量识别方法、装置及设备 | |
CN114154789A (zh) | 一种结合多源数据的建设用地适宜性评价方法及装置 | |
Yu et al. | Research on site classification method based on BP neural network | |
CN111696330B (zh) | 一种用于输电线路风灾的分类方法和系统 |
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 |