CN113435713A - 基于gis技术和两模型融合的风险地图编制方法及系统 - Google Patents
基于gis技术和两模型融合的风险地图编制方法及系统 Download PDFInfo
- Publication number
- CN113435713A CN113435713A CN202110637648.XA CN202110637648A CN113435713A CN 113435713 A CN113435713 A CN 113435713A CN 202110637648 A CN202110637648 A CN 202110637648A CN 113435713 A CN113435713 A CN 113435713A
- Authority
- CN
- China
- Prior art keywords
- index
- risk
- weight
- matrix
- evaluation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 238000001308 synthesis method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000011156 evaluation Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 2
- 238000007500 overflow downdraw method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于GIS技术和两模型融合的风险地图编制方法,包括以下:获取并判断目标区域的各项指标的格式,若所述指标为定量指标,则通过隶属度法将所述指标关联的数据转化为风险值,若所述指标为定性指标,则通过模糊综合法将所述指标关联的数据转化为风险值;通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。通过将风险信息数字化,并基于多模型融合的方法,将大量的调研数据转化成为风险数据信息,实现了线下信息的线上资源整合。
Description
技术领域
本发明涉及风险评估技术领域,尤其涉及基于GIS技术和两模型融合的风险地图编制方法及系统。
背景技术
风险评估是指在风险事件发生之前或之后该事件给人们的生活、生命、财产等各个方面造成的影响和损失的可能性进行量化评估的工作。自2012年以来,社会稳定风险评估作为平衡发展和稳定、促进加强源头风险防治的重要手段,被应用在经济建设项目、社会民生工程、环境影响领域、行政执法事项等方方面面。
在社会主要矛盾转化和当前防范化解重大社会风险的背景下,社会稳定风险评估的重要性不断提升,工作的重心也愈发前置,这就对第三方评估机构对于风险的预判能力提出了更高的要求。因此,有必要研发一种基于风险调查信息梳理整合的风险地图编制方法,对某一区域的社会稳定风险态势进行动态呈现,对于可能出现的风险事件提前采取措施。
发明内容
本发明的目的是为了至少解决现有技术的不足之一,提供基于GIS技术和两模型融合的风险地图编制方法及系统。
为了实现上述目的,本发明采用以下的技术方案:
具体的,提出基于GIS技术和两模型融合的风险地图编制方法,包括以下:
风险信息数字化过程,
获取并判断目标区域的各项指标的格式,
若所述指标为定量指标,则通过隶属度法将所述指标关联的数据转化为风险值,
若所述指标为定性指标,则通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算过程,
通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
风险地图呈现过程,
通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
进一步,所述通过隶属度法将所述指标关联的数据转化为风险值的过程具体包括以下:
所述隶属度法是指将某个评价指标分为20,40,60,80,100共5个等级,采取降半梯形分布函数,隶属函数的数值越大,评价指标对于该等级的隶属度就越高,具体如下,
当j=1时,则:
当j=2,3,...,m-1时,则:
当j=m时,则:
其中xi表示某指标在调研中的实际值,si,j-1、si,j、si,j+1分别表示评价指标i对应的第j-1、j、j+1级的标准值。
进一步,所述通过模糊综合法将所述指标关联的数据转化为风险值的过程具体包括以下:
所述模糊综合评估法以模糊隶属理论为基础,将复杂关系分解为由局部简单关系构成的多层次结构,然后进行综合评估,将指标体系中定性指标数字化,具体包括以下,
将某个定性指标分成s个要素,记为Y1,Y2,…,Ys,并满足条件Y={Y1,Y2,…,Ys};
建立所有评价指标的评语集,设有5个评语,V={20,40,60,80,100},定义20表示风险很低,40表示风险较低,60表示风险一般,80表示风险较高,100表示风险很高;
求模糊矩阵,项目组成员根据调研采集到的数据,针对评语给每项要素打分,打分范围在区间[0,1]之内,以此分数作为对应的隶属度,每项要素得分之和为1,得出某个指标的评估矩阵φi;
建立权重集,给出中各要素的权重:
权重系数的确定采用社会稳定风险特征与专家经验相结合的方法,由专家打分综合确定;
模糊综合评估,Y的隶属度向量T=A·φi=(t1,t2,…,t5),根据V={20,40,60,80,100},得出该指标的具体分值。
进一步,所述熵权模型的构建过程具体包括以下,
建立风险评价原始矩阵
设某一区域的社会稳定风险评估有m个风险因素,z个子区域,构造原始数据矩阵L=(xij)m×z,其中xij(i=1,2,...,m;j=1,2,...,z)为第j个子区域对应的第i个因素的风险值,
规范化与标准化
利用如下公式得到规范化矩阵:
lij=(xij-xmin)/(xmax-xmin),
利用如下公式得到标准化矩阵:
计算熵值和权重
确定第i个评价指标因素的熵为:
第i个评价指标对应的熵权hi为:
计算所有评价指标的熵及熵权,构造评价指标的权重列向量:
H=(h1,h2,...,hm)T。
进一步,所述FAHP模型的构建过程具体包括以下,
构造优先判断矩阵:
根据因素间的相对重要性建立模糊互补矩阵R=(rij)n×n,为了清晰的比较两因素之间的重要性,采用三标度法建立判断矩阵,即
且rij+rji=1,
将优先判断矩阵改造成模糊一致矩阵;
对模糊互补矩阵R=(rij)n×n按行求和,
则据此建立的矩阵F=(fij)n×n即为模糊一致矩阵;
计算指标权重:
利用行和归一法求模糊一致矩阵F=(fij)n×n的权值向量
对di归一化后得到判断矩阵的各指标权重:
各指标的权重向量即为
W=(w1,w2,...,wn)T;
计算权重向量:
通过上述步骤,分别计算出第一层指标对于总目标的权重,以及第二层指标对于第一层指标的权重,然后进行层次总排序,即指标系统中每个第二层指标相对于第一层指标的权重分别乘以第一层指标对于总目标的权重,然后将加权后所有第二层指标的计算结果归一化,得到第二层指标相对于总目标的风险权重向量记为Z,
Z=(z1,z2,...,zn)T;
计算权重矩阵:
重复以上四步可计算出是g位评价者分别对n个评价因素确定的权重,其中第i个评价者计算出来的权重向量记为
Zi=(zi1,zi2,...,zin)T,
根据如下公式
计算各专家针对各风险因素权重向量的相关系数矩阵D,
通过下述公式,计算评价者的权重值,
di表示第i个评价者与其他评价者的意见的相似程度之和,di越大表示与其他评价者的意见越集中,筛选后,再将权重进行加权平均,计算FAHP法的最终权重。
进一步,所述FAHP模型还通过熵权法进行修正,引入熵值ei作为组合权重值,综合权重每个分量的计算公式如下:
本发明还提出基于GIS技术和两模型融合的风险地图编制系统,包括,
风险信息数字化系统,包括,
格式判断模块,用于获取并判断目标区域的各项指标的格式,
隶属度模块,用于在所述指标为定量指标时,通过隶属度法将所述指标关联的数据转化为风险值,
模糊综合模块,用于在所述指标为定性指标时,通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算系统,包括,
权重模块,通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
地图呈现系统,包括,
GIS模块,用于通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
本发明的有益效果为:
1.通过将风险信息数字化,并基于多模型融合的方法,将大量的调研数据转化成为风险数据信息,实现了线下信息的线上资源整合;
2.通过GIS技术,将风险数据信息和地理空间信息进行结合,有助于对某一区域省会稳定风险的精准评估和预判;
3.利用FAHP模型计算指标的主观权重,利用熵权模型计算指标的客观权重,然后将主客观权重融合得到综合权重,克服了各自模型的不足,有益于风险的准确评估。
附图说明
为了更清楚地说明本发明实例中的技术方案,下面将对实例描述中所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它的附图,其中:
图1所示为本发明基于GIS技术和两模型融合的风险地图编制方法的流程图;
图2所示为本发明基于GIS技术和两模型融合的风险地图编制系统的结构原理图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。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。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1,实施例1,本发明提出基于GIS技术和两模型融合的风险地图编制方法,包括以下:
风险信息数字化过程,
步骤110、获取并判断目标区域的各项指标的格式,
步骤120、若所述指标为定量指标,则通过隶属度法将所述指标关联的数据转化为风险值,若所述指标为定性指标,则通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算过程,
步骤130、通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
风险地图呈现过程,
步骤140、通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
本实施方式通过建立一套社会稳定风险态势评价指标体系,基于FAHP法和熵权法确定指标权重,构建风险态势评估模型,并将风险调查积累的各地市的信息以数据化的方法导入模型,计算各地市的风险数据信息。依托于GIS技术,将风险评估系统得到的风险数据信息和地理空间信息进行结合,绘制风险地图,实现风险信息数据的可视化,并对地方社会稳定风险进行预判。
作为本发明的优选实施方式,所述通过隶属度法将所述指标关联的数据转化为风险值的过程具体包括以下:
所述隶属度法是指将某个评价指标分为20,40,60,80,100共5个等级,采取降半梯形分布函数,隶属函数的数值越大,评价指标对于该等级的隶属度就越高,具体如下,
当j=1时,则:
当j=2,3,...,m-1时,则:
当j=m时,则:
其中xi表示某指标在调研中的实际值,si,j-1、si,j、si,j+1分别表示评价指标i对应的第j-1、j、j+1级的标准值。
作为本发明的优选实施方式,所述通过模糊综合法将所述指标关联的数据转化为风险值的过程具体包括以下:
所述模糊综合评估法以模糊隶属理论为基础,将复杂关系分解为由局部简单关系构成的多层次结构,然后进行综合评估,将指标体系中定性指标数字化,具体包括以下,
将某个定性指标分成s个要素,记为Y1,Y2,…,Ys,并满足条件Y={Y1,Y2,…,Ys};
建立所有评价指标的评语集,设有5个评语,V={20,40,60,80,100},定义20表示风险很低,40表示风险较低,60表示风险一般,80表示风险较高,100表示风险很高;
求模糊矩阵,项目组成员根据调研采集到的数据,针对评语给每项要素打分,打分范围在区间[0,1]之内,以此分数作为对应的隶属度,每项要素得分之和为1,得出某个指标的评估矩阵φi;
建立权重集,给出中各要素的权重:
权重系数的确定采用社会稳定风险特征与专家经验相结合的方法,由专家打分综合确定;
模糊综合评估,Y的隶属度向量T=A·φi=(t1,t2,…,t5),根据V={20,40,60,80,100},得出该指标的具体分值。
作为本发明的优选实施方式,所述熵权模型基于信息论中的熵,它是对不确定性进行定量化的一种度量,熵权由评价因素传达给决策者的信息量的多少来决定。若评价者在某评价因素上的值差异较大,则熵值较小,该指标对系统的比较作用就越大,该评价因素包含和传递的信息量也就越大,因此赋予较高的权重所述熵权模型的构建过程具体包括以下,
建立风险评价原始矩阵
设某一区域的社会稳定风险评估有m个风险因素,z个子区域,构造原始数据矩阵L=(xij)m×z,其中xij(i=1,2,...,m;j=1,2,...,z)为第j个子区域对应的第i个因素的风险值,
规范化与标准化
利用如下公式得到规范化矩阵:
lij=(xij-xmin)/(xmax-xmin),
利用如下公式得到标准化矩阵:
计算熵值和权重
确定第i个评价指标因素的熵为:
第i个评价指标对应的熵权hi为:
计算所有评价指标的熵及熵权,构造评价指标的权重列向量:
H=(h1,h2,...,hm)T。
作为本发明的优选实施方式,FAHP模型是为了避免传统的AHP法中存在的问题,将模糊数学的概念引入AHP法中,由于模糊一致矩阵不需要进行一致性检验,大大简化了计算过程,提高了计算精度,所述FAHP模型的构建过程具体包括以下,
构造优先判断矩阵:
根据因素间的相对重要性建立模糊互补矩阵R=(rij)n×n,为了清晰的比较两因素之间的重要性,采用三标度法建立判断矩阵,即
且rij+rji=1,
将优先判断矩阵改造成模糊一致矩阵;
对模糊互补矩阵R=(rij)n×n按行求和,
则据此建立的矩阵F=(fij)n×n即为模糊一致矩阵;
计算指标权重:
利用行和归一法求模糊一致矩阵F=(fij)n×n的权值向量
对di归一化后得到判断矩阵的各指标权重:
各指标的权重向量即为
W=(w1,w2,...,wn)T;
计算权重向量:
通过上述步骤,分别计算出第一层指标对于总目标的权重,以及第二层指标对于第一层指标的权重,然后进行层次总排序,即指标系统中每个第二层指标相对于第一层指标的权重分别乘以第一层指标对于总目标的权重,然后将加权后所有第二层指标的计算结果归一化,得到第二层指标相对于总目标的风险权重向量记为Z,
Z=(z1,z2,...,zn)T;
计算权重矩阵:
重复以上四步可计算出是g位评价者分别对n个评价因素确定的权重,其中第i个评价者计算出来的权重向量记为
Zi=(zi1,zi2,...,zin)T,
根据如下公式
计算各专家针对各风险因素权重向量的相关系数矩阵D,
通过下述公式,根据下表中淘汰比例去掉偏离程度较大的个别评价者的权重值,
评价专家人数 | 5 | 6 | 7 | 8 | 9 | 10 |
淘汰人数 | 1 | 1-2 | 1-2 | 2 | 2-3 | 2-3 |
采纳意见人数 | 4 | 4-5 | 5-6 | 6 | 6-7 | 7-8 |
di表示第i个评价者与其他评价者的意见的相似程度之和,di越大表示与其他评价者的意见越集中,筛选后,再将权重进行加权平均,计算FAHP法的最终权重。
作为本发明的优选实施方式,所述FAHP模型还通过熵权法进行修正,引入熵值ei作为组合权重值,综合权重每个分量的计算公式如下:
本发明还提出基于GIS技术和两模型融合的风险地图编制系统,包括,
风险信息数字化系统,包括,
格式判断模块,用于获取并判断目标区域的各项指标的格式,
隶属度模块,用于在所述指标为定量指标时,通过隶属度法将所述指标关联的数据转化为风险值,
模糊综合模块,用于在所述指标为定性指标时,通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算系统,包括,
权重模块,通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
地图呈现系统,包括,
GIS模块,用于通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储的介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (7)
1.基于GIS技术和两模型融合的风险地图编制方法,其特征在于,包括以下:
风险信息数字化过程,
获取并判断目标区域的各项指标的格式,
若所述指标为定量指标,则通过隶属度法将所述指标关联的数据转化为风险值,
若所述指标为定性指标,则通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算过程,
通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
风险地图呈现过程,
通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
3.根据权利要求2所述的基于GIS技术和两模型融合的风险地图编制方法,其特征在于,所述通过模糊综合法将所述指标关联的数据转化为风险值的过程具体包括以下:
所述模糊综合评估法以模糊隶属理论为基础,将复杂关系分解为由局部简单关系构成的多层次结构,然后进行综合评估,将指标体系中定性指标数字化,具体包括以下,
将某个定性指标分成s个要素,记为Y1,Y2,…,Ys,并满足条件Y={Y1,Y2,…,Ys};
建立所有评价指标的评语集,设有5个评语,V={20,40,60,80,100},定义20表示风险很低,40表示风险较低,60表示风险一般,80表示风险较高,100表示风险很高;
求模糊矩阵,项目组成员根据调研采集到的数据,针对评语给每项要素打分,打分范围在区间[0,1]之内,以此分数作为对应的隶属度,每项要素得分之和为1,得出某个指标的评估矩阵φi;
建立权重集,给出中各要素的权重:
权重系数的确定采用社会稳定风险特征与专家经验相结合的方法,由专家打分综合确定;
模糊综合评估,Y的隶属度向量T=A·φi=(t1,t2,…,t5),根据V={20,40,60,80,100},得出该指标的具体分值。
4.根据权利要求3所述的基于GIS技术和两模型融合的风险地图编制方法,其特征在于,所述熵权模型的构建过程具体包括以下,
建立风险评价原始矩阵
设某一区域的社会稳定风险评估有m个风险因素,z个子区域,构造原始数据矩阵L=(xij)m×z,其中xij(i=1,2,...,m;j=1,2,...,z)为第j个子区域对应的第i个因素的风险值,
规范化与标准化
利用如下公式得到规范化矩阵:
lij=(xij-xmin)/(xmax-xmin),
Lij={lij}m×z;
利用如下公式得到标准化矩阵:
计算熵值和权重
确定第i个评价指标因素的熵为:
第i个评价指标对应的熵权hi为:
计算所有评价指标的熵及熵权,构造评价指标的权重列向量:
H=(h1,h2,...,hm)T。
5.根据权利要求4所述的基于GIS技术和两模型融合的风险地图编制方法,其特征在于,所述FAHP模型的构建过程具体包括以下,
构造优先判断矩阵:
根据因素间的相对重要性建立模糊互补矩阵R=(rij)n×n,为了清晰的比较两因素之间的重要性,采用三标度法建立判断矩阵,即
且rij+rji=1,
将优先判断矩阵改造成模糊一致矩阵;
对模糊互补矩阵R=(rij)n×n按行求和,
则据此建立的矩阵F=(fij)n×n即为模糊一致矩阵;
计算指标权重:
利用行和归一法求模糊一致矩阵F=(fij)n×n的权值向量
对di归一化后得到判断矩阵的各指标权重:
各指标的权重向量即为
W=(w1,w2,...,wn)T;
计算权重向量:
通过上述步骤,分别计算出第一层指标对于总目标的权重,以及第二层指标对于第一层指标的权重,然后进行层次总排序,即指标系统中每个第二层指标相对于第一层指标的权重分别乘以第一层指标对于总目标的权重,然后将加权后所有第二层指标的计算结果归一化,得到第二层指标相对于总目标的风险权重向量记为Z,
Z=(z1,z2,...,zn)T;
计算权重矩阵:
重复以上四步可计算出是g位评价者分别对n个评价因素确定的权重,其中第i个评价者计算出来的权重向量记为
Zi=(zi1,zi2,...,zin)T,
根据如下公式
计算各专家针对各风险因素权重向量的相关系数矩阵D,
通过下述公式,计算评价者的权重值,
di表示第i个评价者与其他评价者的意见的相似程度之和,di越大表示与其他评价者的意见越集中,筛选后,再将权重进行加权平均,计算FAHP法的最终权重。
7.基于GIS技术和两模型融合的风险地图编制系统,其特征在于,包括,
风险信息数字化系统,包括,
格式判断模块,用于获取并判断目标区域的各项指标的格式,
隶属度模块,用于在所述指标为定量指标时,通过隶属度法将所述指标关联的数据转化为风险值,
模糊综合模块,用于在所述指标为定性指标时,通过模糊综合法将所述指标关联的数据转化为风险值;
风险数据信息计算系统,包括,
权重模块,通过将熵权模型与FAHP模型融合,分析计算各项所述指标所对应的权重,并根据各项所述指标所对应的所述风险值以及所述权重得出目标区域的风险数据信息;
地图呈现系统,包括,
GIS模块,用于通过GIS技术将目标区域的所述风险数据信息与地理信息相结合,以绘制风险地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637648.XA CN113435713B (zh) | 2021-06-08 | 2021-06-08 | 基于gis技术和两模型融合的风险地图编制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637648.XA CN113435713B (zh) | 2021-06-08 | 2021-06-08 | 基于gis技术和两模型融合的风险地图编制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435713A true CN113435713A (zh) | 2021-09-24 |
CN113435713B CN113435713B (zh) | 2024-02-23 |
Family
ID=77803936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110637648.XA Active CN113435713B (zh) | 2021-06-08 | 2021-06-08 | 基于gis技术和两模型融合的风险地图编制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435713B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081869A (zh) * | 2022-06-20 | 2022-09-20 | 中国银行股份有限公司 | 审计项目生成方法和装置 |
CN115100362A (zh) * | 2022-08-23 | 2022-09-23 | 航天正通汇智(北京)科技股份有限公司 | 基于四色图和倾斜摄影的空间自动化建模和可视化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020083036A (ko) * | 2001-04-25 | 2002-11-01 | 노삼규 | 지리정보시스템을 이용한 위험정보시스템 및 그의 제어방법 |
CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
CN107145672A (zh) * | 2017-05-09 | 2017-09-08 | 上海市环境科学研究院 | 平原河网区域地下水脆弱性及污染风险评估方法及系统 |
CN107544253A (zh) * | 2017-03-17 | 2018-01-05 | 中国人民解放军91049部队 | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 |
CN107958065A (zh) * | 2017-12-04 | 2018-04-24 | 国网湖南省电力有限公司 | 基于地图数据的电力系统可视化方法 |
CN109377034A (zh) * | 2018-10-11 | 2019-02-22 | 国网新疆电力有限公司信息通信公司 | 基于智能电网信息通信系统的风险态势评估方法 |
CN112613740A (zh) * | 2020-12-23 | 2021-04-06 | 中国科学院城市环境研究所 | 一种企业突发环境事件风险等级评价的可视化平台及方法 |
-
2021
- 2021-06-08 CN CN202110637648.XA patent/CN113435713B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020083036A (ko) * | 2001-04-25 | 2002-11-01 | 노삼규 | 지리정보시스템을 이용한 위험정보시스템 및 그의 제어방법 |
CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
CN107544253A (zh) * | 2017-03-17 | 2018-01-05 | 中国人民解放军91049部队 | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 |
CN107145672A (zh) * | 2017-05-09 | 2017-09-08 | 上海市环境科学研究院 | 平原河网区域地下水脆弱性及污染风险评估方法及系统 |
CN107958065A (zh) * | 2017-12-04 | 2018-04-24 | 国网湖南省电力有限公司 | 基于地图数据的电力系统可视化方法 |
CN109377034A (zh) * | 2018-10-11 | 2019-02-22 | 国网新疆电力有限公司信息通信公司 | 基于智能电网信息通信系统的风险态势评估方法 |
CN112613740A (zh) * | 2020-12-23 | 2021-04-06 | 中国科学院城市环境研究所 | 一种企业突发环境事件风险等级评价的可视化平台及方法 |
Non-Patent Citations (1)
Title |
---|
姜安民等: "基于熵权与模糊综合评判法的深基坑施工风险预测模型研究", 《甘肃科学学报》, vol. 33, no. 1, 28 February 2021 (2021-02-28), pages 83 - 88 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081869A (zh) * | 2022-06-20 | 2022-09-20 | 中国银行股份有限公司 | 审计项目生成方法和装置 |
CN115100362A (zh) * | 2022-08-23 | 2022-09-23 | 航天正通汇智(北京)科技股份有限公司 | 基于四色图和倾斜摄影的空间自动化建模和可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113435713B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
CN110956273A (zh) | 融合多种机器学习模型的征信评分方法及系统 | |
CN107729519B (zh) | 基于多源多维数据的评估方法及装置、终端 | |
CN113435713A (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
CN110310012B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
Wanke et al. | Revisiting camels rating system and the performance of Asean banks: a comprehensive mcdm/z-numbers approach | |
CN116596570A (zh) | 一种基于大数据分析算法的同产品在不同电商平台中的信息对比系统 | |
CN117455529A (zh) | 基于大数据技术的用户用电特征画像构建方法及系统 | |
Yang et al. | Stacking-based and improved convolutional neural network: a new approach in rice leaf disease identification | |
Chen et al. | A full population auditing method based on machine learning | |
CN110750572A (zh) | 一种科技成果启发式评价的自适应方法和装置 | |
Wang et al. | Product design evaluation based on improved CRITIC and Comprehensive Cloud-TOPSIS–Applied to automotive styling design evaluation | |
CN111221915B (zh) | 基于CWK-means的在线学习资源质量分析方法 | |
CN112070336A (zh) | 一种基于层次分析法的制造业信息量化分析方法及装置 | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN111738610A (zh) | 一种基于舆情数据的企业流失性风险预警系统和方法 | |
CN109063944A (zh) | 基于大数据分析技术的城市金融指数分析方法及装置 | |
CN111832854A (zh) | 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质 | |
CN115936841A (zh) | 一种构建信贷风险评估模型的方法及装置 | |
CN115952216A (zh) | 一种养老保险数据挖掘方法、装置、存储介质及电子设备 | |
Srdjevic et al. | Causality and Importance of sustainable forestry goals: Strategic and tactical assessment by DEMATEL and AHP | |
CN111144910B (zh) | 基于模糊熵均值阴影集的招投标“串标、陪标”对象推荐方法及装置 | |
Safi et al. | Optimizing Linear Regression Models with Lasso and Ridge Regression: A Study on UAE Financial Behavior during COVID-19 | |
CN113888318A (zh) | 风险检测方法及系统 | |
Murpratiwi et al. | Accuracy Analysis of Predictive Value in Transaction Data of Service Company Using Combination of K-Means Clustering and Time Series Methods |
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 |