CN113256138A - 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 - Google Patents
一种基于异源多尺度监测数据的洪涝灾害风险评估方法 Download PDFInfo
- Publication number
- CN113256138A CN113256138A CN202110618274.7A CN202110618274A CN113256138A CN 113256138 A CN113256138 A CN 113256138A CN 202110618274 A CN202110618274 A CN 202110618274A CN 113256138 A CN113256138 A CN 113256138A
- Authority
- CN
- China
- Prior art keywords
- disaster
- flood
- risk assessment
- monitoring data
- heterogeneous multi
- 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
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及洪涝灾害风险评估,具体涉及一种基于异源多尺度监测数据的洪涝灾害风险评估方法,获取异源多尺度监测数据,进行分析后建立指标体系,筛选并确定基本风险因素集,明确各网络节点及因果关系,基于各网络节点及因果关系构建贝叶斯网络风险评估模型,对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,基于目标事件的后验概率进行洪涝灾害风险评估;本发明提供的技术方案能够有效克服现有技术所存在的不能有效应对洪涝风险的空间非均匀性,不能有效解决洪涝灾害孕育、发生、发展过程中风险动态变化以及风险多层次问题的缺陷。
Description
技术领域
本发明涉及洪涝灾害风险评估,具体涉及一种基于异源多尺度监测数据的洪涝灾害风险评估方法。
背景技术
随着全球气候变暖,洪涝灾害愈加频繁,灾害风险监测预警评估作为防灾减灾的重要手段成为当前灾害学研究的核心内容之一。洪涝灾害是世界上发生最为频繁、危害非常严重的自然灾害之一。近年来,中国洪涝灾害的发生越来越频繁,强度越来越大,对人类社会、经济、生态环境造成的影响和破坏也越来越严重。由于对洪涝灾害的发生缺乏思想和物质准备,而导致灾害损失加重的事件屡见不鲜。因而加强洪涝灾害风险监测预警评估,进行科学地灾害风险管理,具有非常重要的现实意义。
洪涝灾害风险监测预警评估是一项在洪涝危险性、承灾体脆弱性及相关不确定性研究的基础上进行的多因子综合分析工作,主要包括对洪涝风险统计特征的辨识、实时险情的监测和预报、损失的评估及警报发布范围与时机的判断等。洪涝灾害风险监测预警评估是洪涝灾害风险管理的重要基础,重视对洪涝危险性、承灾体脆弱性的监测,加强灾害预测和评估系统的建设,加强防灾减灾设施的建设是当前防灾工作和灾害研究的当务之急。
目前,现有风险监测预警评估系统一般将洪涝灾害风险形成因素当成确定状态,而较少考虑致灾因子、承灾体和孕灾环境在洪涝灾害形成过程中的多样不确定性、动态变化性、多层次性和系统复杂性,并且洪涝灾害实际上需要根据洪涝人口风险的动态变化情况,采取相应的应急救援措施。
由于传统的风险监测预警评估系统往往没有充分利用天地空一体化监测数据,导致洪涝灾害风险评估的可靠性不能满足现实要求。此外,现有风险监测预警评估系统虽然能较好解决洪涝灾害风险的静态评估问题,但是不能有效应对洪涝风险的空间非均匀性,不能有效解决洪涝灾害孕育、发生、发展过程中风险动态变化以及风险多层次的问题。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点,本发明提供了一种基于异源多尺度监测数据的洪涝灾害风险评估方法,能够有效克服现有技术所存在的不能有效应对洪涝风险的空间非均匀性,不能有效解决洪涝灾害孕育、发生、发展过程中风险动态变化以及风险多层次问题的缺陷。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于异源多尺度监测数据的洪涝灾害风险评估方法,包括以下步骤:
S1、获取异源多尺度监测数据,进行分析后建立指标体系;
S2、筛选并确定基本风险因素集,明确各网络节点及因果关系;
S3、基于各网络节点及因果关系构建贝叶斯网络风险评估模型;
S4、对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,基于目标事件的后验概率进行洪涝灾害风险评估。
优选地,S1中获取异源多尺度监测数据,进行分析后建立指标体系,包括:
获取异源多尺度监测数据后,分析得到致灾因子危险性、承灾体暴露性、孕灾环境脆弱性和防灾减灾能力,并建立指标体系。
优选地,所述异源多尺度监测数据包括:基于多源卫星遥感平台的大尺度洪涝灾害数据、基于无人机平台的中等尺度洪涝灾害数据,以及基于物联网平台的小尺度洪涝灾害数据。
优选地,S2中筛选并确定基本风险因素集,明确各网络节点及因果关系,包括:
基于指标体系和实际情况筛选并确定基本风险因素集,依据指标体系同时结合贝叶斯网络构建原则,明确各网络节点及因果关系。
优选地,所述网络节点包括目标节点、中间节点和证据节点;
所述目标节点包括洪涝灾害中人员伤亡、经济损失、社会影响和生态环境影响;
所述中间节点包括致灾因子、承灾体、孕灾环境和防灾减灾能力;
所述证据节点包括洪水淹没范围、洪水淹没强度、洪水淹没水深、洪水淹没历时、承灾体暴露性、物质保障能力、人员保障能力、应急管理制度、应急防范能力、基础设施保障能力、实时视频监测系统、灾害识别能力、灾害监测能力、灾害评估能力、灾害预警能力、灾害控制能力、周边环境信息获取能力、山体情况、危险抵抗能力、人员密集程度。
优选地,S3中基于各网络节点及因果关系构建贝叶斯网络风险评估模型之后,包括:
在确定各网络节点及因果关系的前提下,根据贝叶斯网络拓扑结构的构建原理,通过有向边将各网络节点进行连接,从而形成一个非循环有向图。
优选地,S4中对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,包括:
对网络节点中的证据节点进行模糊评价,并进行去模糊化,对证据节点的先验概率进行主观概率估计,将估计概率值输入最优风险评估模型得到证据节点中目标事件的后验概率。
优选地,所述网络节点中的证据节点进行模糊评价后,通过最大隶属度法、重心法、加权平均法中的一种进行去模糊化。
优选地,S4中基于目标事件的后验概率进行洪涝灾害风险评估,包括:
得到证据节点中目标事件的后验概率之后,结合因果推理、诊断推理,并进行灵敏度分析,形成对洪涝灾害风险的有效评估。
(三)有益效果
与现有技术相比,本发明所提供的一种基于异源多尺度监测数据的洪涝灾害风险评估方法,综合利用基于多源卫星遥感平台的大尺度洪涝灾害数据、基于无人机平台的中等尺度洪涝灾害数据,以及基于物联网平台的小尺度洪涝灾害数据,通过贝叶斯网络和模糊集理论构建更加可信的基于多分辨率、多时相、多维度数据的层次化风险评估模型,以解决洪涝风险的空间非均匀性、风险动态变化以及风险多层次问题,从而实现快速的洪涝灾害风险监测预警评估,与传统监测预警系统相比,在实时性、准确性上具有很大优势,同时实现了天地空系统的一体化融合。
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为本发明的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于异源多尺度监测数据的洪涝灾害风险评估方法,如图1所示,包括以下步骤:
S1、获取异源多尺度监测数据,进行分析后建立指标体系;
S2、筛选并确定基本风险因素集,明确各网络节点及因果关系;
S3、基于各网络节点及因果关系构建贝叶斯网络风险评估模型;
S4、对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,基于目标事件的后验概率进行洪涝灾害风险评估。
S1中获取异源多尺度监测数据,进行分析后建立指标体系,包括:
获取异源多尺度监测数据后,分析得到致灾因子危险性、承灾体暴露性、孕灾环境脆弱性和防灾减灾能力,并建立指标体系。
异源多尺度监测数据包括:基于多源卫星遥感平台的大尺度洪涝灾害数据、基于无人机平台的中等尺度洪涝灾害数据,以及基于物联网平台的小尺度洪涝灾害数据。
S2中筛选并确定基本风险因素集,明确各网络节点及因果关系,包括:
基于指标体系和实际情况筛选并确定基本风险因素集,依据指标体系同时结合贝叶斯网络构建原则,明确各网络节点及因果关系。
网络节点包括目标节点、中间节点和证据节点,其中:
目标节点包括洪涝灾害中人员伤亡、经济损失、社会影响和生态环境影响;
中间节点包括致灾因子、承灾体、孕灾环境和防灾减灾能力;
证据节点包括洪水淹没范围、洪水淹没强度、洪水淹没水深、洪水淹没历时、承灾体暴露性、物质保障能力、人员保障能力、应急管理制度、应急防范能力、基础设施保障能力、实时视频监测系统、灾害识别能力、灾害监测能力、灾害评估能力、灾害预警能力、灾害控制能力、周边环境信息获取能力、山体情况、危险抵抗能力、人员密集程度。
S3中基于各网络节点及因果关系构建贝叶斯网络风险评估模型之后,包括:
在确定各网络节点及因果关系的前提下,根据贝叶斯网络拓扑结构的构建原理,通过有向边将各网络节点进行连接,从而形成一个非循环有向图。
S4中对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,包括:
对网络节点中的证据节点进行模糊评价,并进行去模糊化,对证据节点的先验概率进行主观概率估计,将估计概率值输入最优风险评估模型得到证据节点中目标事件的后验概率。
网络节点中的证据节点进行模糊评价后,通过最大隶属度法、重心法、加权平均法中的一种进行去模糊化。
S4中基于目标事件的后验概率进行洪涝灾害风险评估,包括:
得到证据节点中目标事件的后验概率之后,结合因果推理、诊断推理,并进行灵敏度分析,形成对洪涝灾害风险的有效评估。
本申请技术方案中,利用贝叶斯网络风险评估模型进行分析推理,并不仅仅只有顺着有向边的方向正向推理目标节点概率一种方式,还可以利用因果推理、诊断推理。洪涝灾害风险属于并不确定的模糊事件,其成因较为复杂且难以准确量化,因此就需要借助模糊集理论,将贝叶斯网络和模糊集理论结合进行推理计算,以获得最优风险评估模型。
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,并不会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 (9)
1.一种基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:包括以下步骤:
S1、获取异源多尺度监测数据,进行分析后建立指标体系;
S2、筛选并确定基本风险因素集,明确各网络节点及因果关系;
S3、基于各网络节点及因果关系构建贝叶斯网络风险评估模型;
S4、对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,基于目标事件的后验概率进行洪涝灾害风险评估。
2.根据权利要求1所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:S1中获取异源多尺度监测数据,进行分析后建立指标体系,包括:
获取异源多尺度监测数据后,分析得到致灾因子危险性、承灾体暴露性、孕灾环境脆弱性和防灾减灾能力,并建立指标体系。
3.根据权利要求1或2所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:所述异源多尺度监测数据包括:基于多源卫星遥感平台的大尺度洪涝灾害数据、基于无人机平台的中等尺度洪涝灾害数据,以及基于物联网平台的小尺度洪涝灾害数据。
4.根据权利要求2所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:S2中筛选并确定基本风险因素集,明确各网络节点及因果关系,包括:
基于指标体系和实际情况筛选并确定基本风险因素集,依据指标体系同时结合贝叶斯网络构建原则,明确各网络节点及因果关系。
5.根据权利要求4所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:所述网络节点包括目标节点、中间节点和证据节点;
所述目标节点包括洪涝灾害中人员伤亡、经济损失、社会影响和生态环境影响;
所述中间节点包括致灾因子、承灾体、孕灾环境和防灾减灾能力;
所述证据节点包括洪水淹没范围、洪水淹没强度、洪水淹没水深、洪水淹没历时、承灾体暴露性、物质保障能力、人员保障能力、应急管理制度、应急防范能力、基础设施保障能力、实时视频监测系统、灾害识别能力、灾害监测能力、灾害评估能力、灾害预警能力、灾害控制能力、周边环境信息获取能力、山体情况、危险抵抗能力、人员密集程度。
6.根据权利要求4所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:S3中基于各网络节点及因果关系构建贝叶斯网络风险评估模型之后,包括:
在确定各网络节点及因果关系的前提下,根据贝叶斯网络拓扑结构的构建原理,通过有向边将各网络节点进行连接,从而形成一个非循环有向图。
7.根据权利要求6所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:S4中对网络节点进行模糊评价,并进行去模糊化,计算目标事件的后验概率,包括:
对网络节点中的证据节点进行模糊评价,并进行去模糊化,对证据节点的先验概率进行主观概率估计,将估计概率值输入最优风险评估模型得到证据节点中目标事件的后验概率。
8.根据权利要求7所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:所述网络节点中的证据节点进行模糊评价后,通过最大隶属度法、重心法、加权平均法中的一种进行去模糊化。
9.根据权利要求7所述的基于异源多尺度监测数据的洪涝灾害风险评估方法,其特征在于:S4中基于目标事件的后验概率进行洪涝灾害风险评估,包括:
得到证据节点中目标事件的后验概率之后,结合因果推理、诊断推理,并进行灵敏度分析,形成对洪涝灾害风险的有效评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110618274.7A CN113256138A (zh) | 2021-06-01 | 2021-06-01 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110618274.7A CN113256138A (zh) | 2021-06-01 | 2021-06-01 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256138A true CN113256138A (zh) | 2021-08-13 |
Family
ID=77186189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110618274.7A Pending CN113256138A (zh) | 2021-06-01 | 2021-06-01 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256138A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115146746A (zh) * | 2022-09-06 | 2022-10-04 | 武汉商学院 | 基于多源数据融合的区域滑坡灾害识别方法 |
CN116016609A (zh) * | 2023-02-27 | 2023-04-25 | 水利部珠江水利委员会水文局 | 一种区域洪涝的智能监测方法及装置 |
CN116070886A (zh) * | 2023-04-04 | 2023-05-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源系统多维适应性调控方法及系统 |
CN116090839A (zh) * | 2023-04-07 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源耦合系统多重风险分析与评估方法及系统 |
CN116187769A (zh) * | 2023-05-04 | 2023-05-30 | 四川省安全科学技术研究院 | 基于情景模拟的城镇洪涝灾害风险研判方法 |
CN116307709A (zh) * | 2023-03-13 | 2023-06-23 | 国网河南省电力公司电力科学研究院 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
CN116341739A (zh) * | 2023-03-27 | 2023-06-27 | 应急管理部国家减灾中心(应急管理部卫星减灾应用中心) | 一种洪涝损失预评估方法、装置、设备及介质 |
CN117236700A (zh) * | 2023-11-13 | 2023-12-15 | 珠江水利委员会珠江水利科学研究院 | 一种洪涝灾害风险防控方法及系统 |
CN117745081A (zh) * | 2024-02-20 | 2024-03-22 | 中国石油大学(华东) | 一种台风风暴潮灾害风险评估方法和装置 |
CN118037062A (zh) * | 2024-04-10 | 2024-05-14 | 暗物智能科技(广州)有限公司 | 一种基于因果与或图的内涝灾害风险评估系统 |
CN116307709B (zh) * | 2023-03-13 | 2024-06-11 | 国网河南省电力公司电力科学研究院 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
-
2021
- 2021-06-01 CN CN202110618274.7A patent/CN113256138A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115146746A (zh) * | 2022-09-06 | 2022-10-04 | 武汉商学院 | 基于多源数据融合的区域滑坡灾害识别方法 |
CN116016609A (zh) * | 2023-02-27 | 2023-04-25 | 水利部珠江水利委员会水文局 | 一种区域洪涝的智能监测方法及装置 |
CN116307709B (zh) * | 2023-03-13 | 2024-06-11 | 国网河南省电力公司电力科学研究院 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
CN116307709A (zh) * | 2023-03-13 | 2023-06-23 | 国网河南省电力公司电力科学研究院 | 基于信息增益融合的变电站防汛能力综合评估方法、系统 |
CN116341739A (zh) * | 2023-03-27 | 2023-06-27 | 应急管理部国家减灾中心(应急管理部卫星减灾应用中心) | 一种洪涝损失预评估方法、装置、设备及介质 |
CN116070886B (zh) * | 2023-04-04 | 2023-06-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源系统多维适应性调控方法及系统 |
CN116070886A (zh) * | 2023-04-04 | 2023-05-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源系统多维适应性调控方法及系统 |
CN116090839A (zh) * | 2023-04-07 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 水资源耦合系统多重风险分析与评估方法及系统 |
CN116187769A (zh) * | 2023-05-04 | 2023-05-30 | 四川省安全科学技术研究院 | 基于情景模拟的城镇洪涝灾害风险研判方法 |
CN117236700A (zh) * | 2023-11-13 | 2023-12-15 | 珠江水利委员会珠江水利科学研究院 | 一种洪涝灾害风险防控方法及系统 |
CN117236700B (zh) * | 2023-11-13 | 2024-02-09 | 珠江水利委员会珠江水利科学研究院 | 一种洪涝灾害风险防控方法及系统 |
CN117745081A (zh) * | 2024-02-20 | 2024-03-22 | 中国石油大学(华东) | 一种台风风暴潮灾害风险评估方法和装置 |
CN118037062A (zh) * | 2024-04-10 | 2024-05-14 | 暗物智能科技(广州)有限公司 | 一种基于因果与或图的内涝灾害风险评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256138A (zh) | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 | |
Zhang et al. | Big data and artificial intelligence based early risk warning system of fire hazard for smart cities | |
CN113240688A (zh) | 一种一体化洪涝灾害精准监测预警方法 | |
CN109738970A (zh) | 基于雷电数据挖掘实现雷电预警的方法、装置和存储介质 | |
Al Boni et al. | Area-specific crime prediction models | |
CN110008355A (zh) | 基于知识图谱的灾害场景信息融合方法及装置 | |
CN107332698A (zh) | 一种面向明长城智能感知系统的安全态势感知系统及方法 | |
CN111626199B (zh) | 面向大型多人车厢场景的异常行为分析方法 | |
CN105825271B (zh) | 基于证据推理的卫星故障诊断与预测方法 | |
Krzysztofowicz et al. | Fusion of detection probabilities and comparison of multisensor systems | |
CN104361418A (zh) | 一种流域水生态安全监控预警平台及其预警方法 | |
CN111639845A (zh) | 一种考虑完整性和可操作性的应急预案有效性评估方法 | |
CN111079860B (zh) | 基于情景相似度的突发事件多粒度响应模型构建方法 | |
CN115758252B (zh) | 基于多源信息融合技术的监测信息实时处理与分析方法 | |
CN109947806A (zh) | 一种基于案例推理的超高层施工安全事故应急辅助决策方法 | |
CN112232316B (zh) | 人群聚集检测方法、装置、电子设备及存储介质 | |
Zhang et al. | Urban spatial risk prediction and optimization analysis of POI based on deep learning from the perspective of an epidemic | |
CN117556197B (zh) | 一种基于人工智能的台风涡旋初始化方法 | |
CN115964503B (zh) | 基于社区设备设施的安全风险预测方法及系统 | |
CN114023399A (zh) | 一种基于人工智能的空气颗粒物分析预警方法和装置 | |
Shi et al. | Scenario construction and deduction for railway emergency response decision-making based on network models | |
De Iuliis et al. | Quantifying restoration time of pipelines after earthquakes: Comparison of Bayesian belief networks and fuzzy models | |
Jiang et al. | Method of fusion diagnosis for dam service status based on joint distribution function of multiple points | |
Gai et al. | Research on water quality spatiotemporal forecasting model based on ST-BIGRU-SVR neural network | |
CN115796361A (zh) | 一种架空线路工程可研阶段的风速区间预测方法和装置 |
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 |