CN113611084B - 一种针对自然灾害可视化监测预警方法、装置和设备 - Google Patents
一种针对自然灾害可视化监测预警方法、装置和设备 Download PDFInfo
- Publication number
- CN113611084B CN113611084B CN202111153836.1A CN202111153836A CN113611084B CN 113611084 B CN113611084 B CN 113611084B CN 202111153836 A CN202111153836 A CN 202111153836A CN 113611084 B CN113611084 B CN 113611084B
- Authority
- CN
- China
- Prior art keywords
- disaster
- rescue
- monitoring
- area
- evolution
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种针对自然灾害可视化监测预警方法、装置和设备,涉及自然灾害监测技术领域,包括灾害监测模块、监测预警中心、灾害进程演化模块;所述灾害监测模块用于对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;所述灾害进程演化模块用于分析灾害监测模块的监测数据,并运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,得到灾害波及范围分析评估结果;帮助用户直观、清晰地了解灾情发生的全过程,辅助管理者做好防护措施、修正策略,提高自然灾害应急响应与防范能力;所述灾害救援模块用于对接收到的灾害救援任务进行分析,并执行不同等级的救援方案,有效提高救援效率,实现救援资源分配利用最大化。
Description
技术领域
本发明涉及自然灾害监测技术领域,具体是一种针对自然灾害可视化监测预警方法、装置和设备。
背景技术
自然灾害预警是指在自然灾害发生以后,抢在自然灾害传播到设防地区前,向设防地区提前几秒至数十秒发出警报,以减小当地的损失;
传统条件下在自然灾害发生之后,新闻记者才会通过电视进行相关播报,例如,报道自然灾害发生地的受灾情况,而这种播报方式时效性较差,并不能起到自然灾害预警的作用,无法使设防地区的群众及时获知自然灾害动态并及时采取必要的抗灾措施,以减少自然灾害造成的社会损失;
因此,目前迫切需要一种切实有效的自然灾害预警方案,以提高自然灾害预警的及时性,帮助用户直观、清晰地了解灾情发生的全过程,辅助管理者做好防护措施、修正策略,提高自然灾害应急响应与防范能力,减少自然灾害造成的社会损失。
发明内容
为了解决上述方案存在的问题,本发明提供了一种针对自然灾害可视化监测预警方法、装置和设备。
本发明的目的可以通过以下技术方案实现:
一种针对自然灾害可视化监测预警装置,包括灾害监测模块、监测预警中心、灾害信息采集模块、灾害进程演化模块;
所述灾害监测模块用于对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点,并将监测数据上传至监测预警中心进行存储;
所述灾害信息采集模块用于采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系,同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;
所述灾害进程演化模块用于分析灾害监测模块的监测数据,并将监测数据输入至对应的演化模型进行灾害发展过程的演化,建立灾害发展时间轴,得到灾害波及范围分析评估结果;并将其反馈至监测预警中心;
所述监测预警中心用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并发送灾害救援任务至灾害救援模块;
所述灾害救援模块用于对接收到的灾害救援任务进行分析,计算得到待救援区域的救援系数,并根据救援系数执行不同等级的救援方案。
进一步地,所述灾害进程演化模块与灾害进程修正模块相连接,灾害进程修正模块用于对演化得到的灾害波及范围分析评估结果进行修正,具体为:
首次演化完成后,快速筛选出建筑物损毁面积/电力设备损毁数量/受灾人员数量超过对应阈值的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束;
所述灾害进程修正模块用于将修正后的灾害波及范围分析评估结果反馈至监测预警中心,供关联方实时查询。
进一步地,所述救援系数JY的计算方法为:
将灾害救援任务对应的灾害波及区域标记为待救援区域;将待救援区域的灾害波及等级标记为D1;从受灾信息融合数据平台中调取待救援区域的历史受灾情况,根据历史受灾情况对待救援区域的灾害系数ZH进行评估;
将救援系数JY与预设阈值相比较,根据比较结果确定对该救援区域执行对应等级的救援方案。
进一步地,将救援系数JY与预设阈值相比较,具体为:
其中预设阈值包括L1、L2,且L1>L2;若JY>L1,则对该待救援区域执行第一等级救援方案;若L2<JY≤L1,则对该待救援区域执行第二等级救援方案;若JY≤L2,则对该待救援区域执行第三等级救援方案;
其中救援方案表现为:在对应时限内筹措派遣对应规格数量的应急资源送至待救援区域;其中第一等级>第二等级>第三等级。
进一步地,所述灾害波及范围分析评估结果包括灾害波及区域、对应的波及时刻以及对应的灾害波及等级;所述历史受灾情况携带有受灾时长以及灾害影响程度,其中灾害影响程度由灾害救援中心根据灾害类型、建筑物损害、设备损害和应急资源投入四个维度的数据评估得出。
进一步地,所述灾害系数ZH的具体评估方法为:
统计待救援区域的受灾次数为C1,将该待救援区域每次受灾的受灾时长与预设时长阈值相比较;统计受灾时长大于预设时长阈值的次数以及对应的时间差值,对该待救援区域受灾的超时系数CS进行评估;
将该待救援区域每次受灾的灾害影响程度与预设程度阈值相比较;统计灾害影响程度大于预设程度阈值的次数以及对应的程度差值,对该待救援区域受灾的超程度系数CD进行评估;利用公式ZH=C1×a1+CS×a2+CD×a3计算得到该待救援区域的灾害系数ZH,其中a1、a2、a3均为预设系数因子。
进一步地,一种针对自然灾害可视化监测预警方法,包括:
对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;
采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系,同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;
分析实时监测到的灾害进程,并运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,得到灾害波及范围分析评估结果;
监测预警中心用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并生成灾害救援任务;
对接收到的灾害救援任务进行分析,计算得到待救援区域的救援系数,并根据救援系数执行不同等级的救援方案。
进一步地,根据救援系数执行不同等级的救援方案,具体为:
将救援系数JY与预设阈值相比较,其中预设阈值包括L1、L2,且L1>L2;若JY>L1,则对该待救援区域执行第一等级救援方案;若L2<JY≤L1,则对该待救援区域执行第二等级救援方案;若JY≤L2,则对该待救援区域执行第三等级救援方案。
进一步地,该方法还包括:首次演化完成后,快速筛选出建筑物损毁面积/电力设备损毁数量/受灾人员数量超过对应阈值的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束。
进一步地,一种针对自然灾害可视化监测预警设备,包括处理器、存储器以及存储在存储器中的计算机程序;所述处理器执行计算机程序时执行上述的一种针对自然灾害可视化监测预警方法。
与现有技术相比,本发明的有益效果是:
1、本发明中所述灾害进程演化模块用于运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,对时间、节点进行预判,得到灾害波及范围分析评估结果,帮助用户直观、清晰地了解灾情发生的全过程,辅助管理者做好防护措施、修正策略,提高自然灾害应急响应与防范能力;
2、本发明中灾害进程修正模块利用反演结果与灾害监测模块监测到的真实结果相比较,修正演化模型再次演化,随着灾变演化改变灾害波及区域,多次演化更正,直至灾害结束,方便关联方在灾害未波及时提前进行防护或救援安排,缩短各个环节的衔接时间及运作时间,实现灾害防护救援链整体效率的提升;
3、本发明中监测预警中心还用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并发送灾害救援任务至灾害救援模块,所述灾害救援模块用于对接收到的灾害救援任务进行分析,经过相关处理计算得到待救援区域的救援系数JY,并根据救援系数JY执行不同等级的救援方案,有效提高救援效率,实现救援资源分配利用最大化。
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为本发明一种针对自然灾害可视化监测预警装置的系统框图。
图2为本发明一种针对自然灾害可视化监测预警方法的流程图。
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。
如图1所示,一种针对自然灾害可视化监测预警装置,包括灾害监测模块、监测预警中心、灾害信息采集模块、灾害进程演化模块、灾害进程修正模块以及灾害救援模块;
灾害监测模块用于对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;监测数据包括自然灾害过程中的气象要素、受灾区域的受灾情况以及应急资源情况;并将监测数据上传至监测预警中心进行存储,供管理人员对自然灾害事件进行复现,辅助回顾总结经验,修正策略,提高自然灾害应急响应与防范能力;
其中受灾区域的受灾情况包括建筑物损毁情况、电力设备损毁情况以及人员受伤情况;应急资源包括应急物资、专家团队、应急车辆和救援队伍;
所述灾害信息采集模块主要采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系;同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;
其中微气象数据包括风速、风向、温度、湿度、气压;微地形数据包括裸地面积占比、植被面积占比、湖泊面积占比和平均海拔高度;
灾害进程演化模块用于将灾害监测模块的监测数据输入至对应的演化模型,进行灾害发展过程的演化,建立灾害发展时间轴,对时间、节点进行预判,得到灾害波及范围分析评估结果,灾害波及范围分析评估结果包括灾害波及区域、对应的波及时刻以及对应的灾害波及等级;具体为:
对灾害监测模块的监测数据进行分析,得到灾害类型;将监测数据输入至对应类型的演化模型,进行灾害发展过程的演化,建立灾害发展时间轴;根据灾害发展时间轴得到灾害波及范围分析评估结果;
其中演化模型的获取方法为:
建立神经网络模型,通过互联网调取各类自然灾害的历史发展过程和对应的监测数据;其中监测数据为自然灾害过程中的气象要素、受灾区域的受灾情况以及应急资源情况;
将同一类型自然灾害的历史发展过程和对应的监测数据整合标记为训练集,其中监测数据为输入数据,对应的自然灾害历史发展过程为输出数据,通过训练集对神经网络模型进行训练,将训练后的神经网络模型标记为对应类型的演化模型;
其中灾害进程演化是动态且非单次演化,首次演化完成后,快速筛选出建筑物/电力设备损毁严重、受灾人员多的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较,修正演化模型再次演化,随着灾变演化改变灾害波及区域,多次演化更正,直至灾害结束;
在本实施例中建筑物/电力设备损毁严重、受灾人员多的区域表现为:建筑物损毁面积/电力设备损毁数量/受灾人员数量超过对应阈值的区域;
灾害进程修正模块用于对灾害进程演化模块演化得到的灾害波及范围分析评估结果进行修正;具体为:
将反演结果与灾害监测模块监测到的真实结果相比较,在可接受误差范围内时认为演化结果是准确的,若监测到的真实结果与演化数据差距不在可接受范围内时,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束,使得演化结果更加接近现实;
灾害进程修正模块用于将修正后的灾害波及范围分析评估结果反馈至监测预警中心,供关联方实时查询,方便关联方在灾害未波及时提前进行防护或救援安排,缩短各个环节的衔接时间及运作时间,实现灾害防护救援链整体效率的提升;其中关联方包括灾害救援中心、受灾人员等;监测预警中心还用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并发送灾害救援任务至灾害救援模块,其中灾害救援任务携带有对应的灾害波及区域和灾害波及等级;
灾害救援模块用于对接收到的灾害救援任务进行分析,并执行不同等级的救援方案;具体为:
将灾害救援任务对应的灾害波及区域标记为待救援区域;将待救援区域的灾害波及等级标记为D1;
从受灾信息融合数据平台中调取待救援区域的历史受灾情况,历史受灾情况携带有受灾时长以及灾害影响程度,其中灾害影响程度由灾害救援中心根据灾害类型、建筑物损害、设备损害和应急资源投入四个维度的数据评估得出;
统计待救援区域的受灾次数为C1,将该待救援区域每次受灾的受灾时长与预设时长阈值相比较;若受灾时长大于预设时长阈值,则将对应的受灾时长标记为影响时长;统计影响时长出现的次数为C2,将影响时长与预设时长阈值进行差值计算得到超时值,将所有的超时值进行求和得到时间差值CT;
将影响时长出现的次数、时间差值进行归一化处理并取其数值;利用公式CS=C2×k1+CZ×k2计算得到超时系数CS,其中k1、k2均为预设系数因子;
将该待救援区域每次受灾的灾害影响程度与预设程度阈值相比较;若灾害影响程度大于预设程度阈值,则将对应的灾害影响程度标记为超越程度,统计超越程度出现的次数为C3,将超越程度与预设程度阈值进行差值计算得到超越值,将所有的超越值进行求和得到程度差值CY;
将超越程度出现的次数、程度差值进行归一化处理并取其数值,利用公式CD=C3×k3+CY×k4计算得到超程度系数CD,其中k3、k4为预设系数因子;
将受灾次数、超时系数、超程度系数进行归一化处理并取其数值;
利用公式ZH=C1×a1+CS×a2+CD×a3计算得到该待救援区域的灾害系数ZH,其中a1、a2、a3均为预设系数因子;
将救援系数JY与预设阈值相比较;其中预设阈值包括L1、L2,且L1>L2;
若JY>L1,则对该待救援区域执行第一等级救援方案;
若L2<JY≤L1,则对该待救援区域执行第二等级救援方案;
若JY≤L2,则对该待救援区域执行第三等级救援方案;
其中救援方案表现为:在对应时限内筹措派遣对应规格数量的应急资源送至待救援区域;其中第一等级>第二等级>第三等级,等级越高,则表明筹措的应急资源的规格数量越多,筹措的时限越短;有效提高救援效率,实现救援资源分配利用最大化;
如图2所示,一种针对自然灾害可视化监测预警方法,包括如下步骤:
步骤一:通过灾害监测模块对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;
步骤二:通过灾害信息采集模块采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系;同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;
步骤三:对灾害监测模块的监测数据进行分析,运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,对时间、节点进行预判,得到灾害波及范围分析评估结果;
步骤四:将演化得到的灾害波及范围分析评估结果反馈至监测预警中心,供关联方实时查询;监测预警中心用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并生成灾害救援任务;
步骤五:对接收到的灾害救援任务进行分析:从受灾信息融合数据平台中调取待救援区域的历史受灾情况,根据历史受灾情况对待救援区域的灾害系数进行评估,根据救援系数执行不同等级的救援方案。
该方法还包括:对演化得到的灾害波及范围分析评估结果进行修正,具体为:
首次演化完成后,快速筛选出建筑物/电力设备损毁严重、受灾人员多的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较;若监测到的真实结果与演化数据差距不在可接受范围内时,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束,使得演化结果更加接近现实。
一种针对自然灾害可视化监测预警设备,包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序,处理器执行计算机程序时实现上述的一种针对自然灾害可视化监测预警方法。
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:
一种针对自然灾害可视化监测预警方法、装置和设备,在工作时,首先灾害监测模块用于对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;然后采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系;同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;灾害进程演化模块用于运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,对时间、节点进行预判,得到灾害波及范围分析评估结果,并反馈至监测预警中心,供关联方实时查询;
监测预警中心还用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并发送灾害救援任务至灾害救援模块,灾害救援模块用于对接收到的灾害救援任务进行分析,经过相关处理计算得到待救援区域的救援系数JY,并根据救援系数JY执行不同等级的救援方案,有效提高救援效率,实现救援资源分配利用最大化。
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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种针对自然灾害可视化监测预警装置,其特征在于,包括灾害监测模块、监测预警中心、灾害信息采集模块、灾害进程演化模块;
所述灾害监测模块用于对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点,并将监测数据上传至监测预警中心进行存储;
所述灾害信息采集模块用于采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系,同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;所述历史受灾情况携带有受灾时长以及灾害影响程度,其中灾害影响程度由灾害救援中心根据灾害类型、建筑物损害、设备损害和应急资源投入四个维度的数据评估得出;
所述灾害进程演化模块用于分析灾害监测模块的监测数据,并将监测数据输入至对应的演化模型进行灾害发展过程的演化,建立灾害发展时间轴,得到灾害波及范围分析评估结果;并将其反馈至监测预警中心;
其中演化模型的获取方法为:
建立神经网络模型,通过互联网调取各类自然灾害的历史发展过程和对应的监测数据;其中监测数据为自然灾害过程中的气象要素、受灾区域的受灾情况以及应急资源情况;
将同一类型自然灾害的历史发展过程和对应的监测数据整合标记为训练集,其中监测数据为输入数据,对应的自然灾害历史发展过程为输出数据,通过训练集对神经网络模型进行训练,将训练后的神经网络模型标记为对应类型的演化模型;
所述监测预警中心用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并发送灾害救援任务至灾害救援模块;其中所述灾害波及范围分析评估结果包括灾害波及区域、对应的波及时刻以及对应的灾害波及等级;
所述灾害救援模块用于对接收到的灾害救援任务进行分析,计算得到待救援区域的救援系数JY,并根据救援系数JY执行不同等级的救援方案;具体分析步骤为:
将灾害救援任务对应的灾害波及区域标记为待救援区域;将待救援区域的灾害波及等级标记为D1;
从受灾信息融合数据平台中调取待救援区域的历史受灾情况,根据历史受灾情况对待救援区域的灾害系数ZH进行评估;具体评估方法为:
统计待救援区域的受灾次数为C1,将该待救援区域每次受灾的受灾时长与预设时长阈值相比较;统计受灾时长大于预设时长阈值的次数以及对应的时间差值,对该待救援区域受灾的超时系数CS进行评估;
将该待救援区域每次受灾的灾害影响程度与预设程度阈值相比较;统计灾害影响程度大于预设程度阈值的次数以及对应的程度差值,对该待救援区域受灾的超程度系数CD进行评估;利用公式ZH=C1×a1+CS×a2+CD×a3计算得到该待救援区域的灾害系数ZH,其中a1、a2、a3均为预设系数因子;
将救援系数JY与预设阈值相比较,根据比较结果确定对该救援区域执行对应等级的救援方案;具体为:
将救援系数JY与预设阈值相比较,具体为:
其中预设阈值包括L1、L2,且L1>L2;若JY>L1,则对该待救援区域执行第一等级救援方案;若L2<JY≤L1,则对该待救援区域执行第二等级救援方案;若JY≤L2,则对该待救援区域执行第三等级救援方案;
其中救援方案表现为:在对应时限内筹措派遣对应规格数量的应急资源送至待救援区域;其中第一等级>第二等级>第三等级。
2.根据权利要求1所述的一种针对自然灾害可视化监测预警装置,其特征在于,所述灾害进程演化模块与灾害进程修正模块相连接,灾害进程修正模块用于对演化得到的灾害波及范围分析评估结果进行修正,具体为:
首次演化完成后,快速筛选出建筑物损毁面积/电力设备损毁数量/受灾人员数量超过对应阈值的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束;
所述灾害进程修正模块用于将修正后的灾害波及范围分析评估结果反馈至监测预警中心,供关联方实时查询。
3.一种针对自然灾害可视化监测预警方法,采用于如权利要求1所述的一种针对自然灾害可视化监测预警装置,其特征在于,包括:
对自然灾害的灾害进程进行实时监测,确定自然灾害发生地点;
采集受灾区域的微气象数据、微地形数据、建筑物布置拓扑关系,同时收集受灾区域历史受灾情况的详细数据以及相近条件区域的受灾情况,建立受灾信息融合数据平台;
分析实时监测到的灾害进程,并运用相关演化模型进行灾害发展过程的演化,建立灾害发展时间轴,得到灾害波及范围分析评估结果;
其中演化模型的获取方法为:
建立神经网络模型,通过互联网调取各类自然灾害的历史发展过程和对应的监测数据;其中监测数据为自然灾害过程中的气象要素、受灾区域的受灾情况以及应急资源情况;
将同一类型自然灾害的历史发展过程和对应的监测数据整合标记为训练集,其中监测数据为输入数据,对应的自然灾害历史发展过程为输出数据,通过训练集对神经网络模型进行训练,将训练后的神经网络模型标记为对应类型的演化模型;
监测预警中心用于根据灾害波及范围分析评估结果对灾害波及区域进行预警,并生成灾害救援任务;
对接收到的灾害救援任务进行分析,计算得到待救援区域的救援系数JY,根据救援系数JY执行不同等级的救援方案。
4.根据权利要求3所述的一种针对自然灾害可视化监测预警方法,其特征在于,根据救援系数JY执行不同等级的救援方案,具体为:
将救援系数JY与预设阈值相比较,其中预设阈值包括L1、L2,且L1>L2;若JY>L1,则对该待救援区域执行第一等级救援方案;若L2<JY≤L1,则对该待救援区域执行第二等级救援方案;若JY≤L2,则对该待救援区域执行第三等级救援方案。
5.根据权利要求3所述的一种针对自然灾害可视化监测预警方法,其特征在于,该方法还包括:首次演化完成后,快速筛选出建筑物损毁面积/电力设备损毁数量/受灾人员数量超过对应阈值的区域,再进行反演推算,利用反演结果与灾害监测模块监测到的真实结果相比较,参考受灾信息融合数据平台中的相近历史数据,分析成因,修正演化模型再次演化,随着实际监测到的灾变演化改变灾害波及区域,多次演化更正,直至灾害结束。
6.一种针对自然灾害可视化监测预警设备,其特征在于,包括处理器、存储器以及存储在存储器中的计算机程序;所述处理器执行计算机程序时执行如权利要求3至5中任意一项所述的一种针对自然灾害可视化监测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153836.1A CN113611084B (zh) | 2021-09-29 | 2021-09-29 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153836.1A CN113611084B (zh) | 2021-09-29 | 2021-09-29 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113611084A CN113611084A (zh) | 2021-11-05 |
CN113611084B true CN113611084B (zh) | 2021-12-21 |
Family
ID=78343252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111153836.1A Active CN113611084B (zh) | 2021-09-29 | 2021-09-29 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113611084B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781862B (zh) * | 2022-04-21 | 2024-10-22 | 淮阴工学院 | 一种针对自然灾害影响的农产品供应预警系统 |
CN115185220B (zh) * | 2022-08-11 | 2023-03-24 | 安徽中昆绿色防控科技有限公司 | 一种基于物联网的农林病虫害监控系统 |
CN115662061B (zh) * | 2022-12-12 | 2023-03-10 | 深圳位置网科技有限公司 | 一种基于北斗短报文通信的报警方法、装置及存储介质 |
CN116844309B (zh) | 2023-08-16 | 2023-12-29 | 中国长江电力股份有限公司 | 一种气象数据实时监测多途径预警系统 |
CN118015791B (zh) * | 2024-02-02 | 2024-11-22 | 中核大地生态科技有限公司 | 边坡崩塌灾害智能监测预警系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354431A (zh) * | 2011-08-06 | 2012-02-15 | 河北省第一测绘院 | 地质灾害监测预警系统和监测预警方法 |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
CN105260625A (zh) * | 2015-11-19 | 2016-01-20 | 阿坝师范学院 | 一种滑坡地质灾害预警推送方法 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN111031107A (zh) * | 2019-11-29 | 2020-04-17 | 武汉智菱物联科技有限公司 | 基于低功耗通信网络的地质灾害监测系统及方法 |
CN111144656A (zh) * | 2019-12-27 | 2020-05-12 | 兰州大方电子有限责任公司 | 一种基于gis的灾害评价分析方法 |
CN112735094A (zh) * | 2020-12-17 | 2021-04-30 | 中国地质环境监测院 | 基于机器学习的地质灾害预测方法、装置和电子设备 |
-
2021
- 2021-09-29 CN CN202111153836.1A patent/CN113611084B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354431A (zh) * | 2011-08-06 | 2012-02-15 | 河北省第一测绘院 | 地质灾害监测预警系统和监测预警方法 |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
CN105260625A (zh) * | 2015-11-19 | 2016-01-20 | 阿坝师范学院 | 一种滑坡地质灾害预警推送方法 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN111031107A (zh) * | 2019-11-29 | 2020-04-17 | 武汉智菱物联科技有限公司 | 基于低功耗通信网络的地质灾害监测系统及方法 |
CN111144656A (zh) * | 2019-12-27 | 2020-05-12 | 兰州大方电子有限责任公司 | 一种基于gis的灾害评价分析方法 |
CN112735094A (zh) * | 2020-12-17 | 2021-04-30 | 中国地质环境监测院 | 基于机器学习的地质灾害预测方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113611084A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113611084B (zh) | 一种针对自然灾害可视化监测预警方法、装置和设备 | |
CN107832973B (zh) | 一种基于多态信息综合评判的设备质量管控的方法 | |
CN110855497B (zh) | 一种基于大数据环境的告警排序方法及装置 | |
CN108199795A (zh) | 一种设备状态的监测方法和装置 | |
CN107944590B (zh) | 一种渔情分析预报的方法及设备 | |
CN109447330B (zh) | 考虑电网弹性及适应能力的配电网风险预警方法 | |
CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
CN107273273A (zh) | 一种分布式集群硬件故障预警方法及系统 | |
CN115439099A (zh) | 基于bim模型的施工项目协同监管系统 | |
CN109447448A (zh) | 一种消防安全评估管理的方法、客户端、服务器与系统 | |
CN117852324B (zh) | 一种基于数据孪生的场景构建方法 | |
CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
Wang et al. | Risk assessment of fire safety in large-scale commercial and high-rise buildings based on intuitionistic fuzzy and social graph | |
CN113989086A (zh) | 一种基于植物绿化的荒漠生态修复方法及管理分析系统 | |
CN116777244A (zh) | 一种营区安全防范系统效能评估方法 | |
CN116308897A (zh) | 一种基于人工智能的物业管理安全预测系统 | |
CN115829312A (zh) | 基于智能感知的工地施工监测方法、装置和计算机设备 | |
CN118898354B (zh) | 一种基于模型反馈的公共卫生应急体系管理方法及系统 | |
CN117540462B (zh) | 一种基于bim的应急模拟监测方法及系统 | |
KR102534920B1 (ko) | 재난감지 및 대응지원 시스템 | |
CN117496668A (zh) | 一种水利数字孪生信息化管理平台及管理方法 | |
CN119402620A (zh) | 一种基于视频图像的通信线路工程安全巡检方法及系统 | |
CN118228528A (zh) | 考虑迟滞时间的震损结构状态相关韧性测算方法及系统 | |
CN115859569A (zh) | 一种向量式主余震风险分析模型构建及预警方法、系统 | |
CN118486134A (zh) | 一种基于大数据的地质灾害智能预警系统 |
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 |