CN114187751B - 预警系统的适应性评价方法、装置、设备及可读存储介质 - Google Patents
预警系统的适应性评价方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114187751B CN114187751B CN202111477336.3A CN202111477336A CN114187751B CN 114187751 B CN114187751 B CN 114187751B CN 202111477336 A CN202111477336 A CN 202111477336A CN 114187751 B CN114187751 B CN 114187751B
- Authority
- CN
- China
- Prior art keywords
- coordinate point
- spatial coordinate
- data
- distance
- information
- 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
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/12—Checking intermittently signalling or alarm systems
- G08B29/14—Checking intermittently signalling or alarm systems checking the detection circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Geophysics And Detection Of Objects (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及地震预警领域,具体而言,涉及一种预警系统的适应性评价方法、装置、设备及可读存储介质,所述方法包括通过地震预警系统的性能信息、地震的应急处置信息和地震震后恢复信息分别转化为第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;然后根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果。本发明简单快捷,能够确定所述地震预警系统每个方面的适应性是否符合要求,相比一般的评价方式更全面。
Description
技术领域
本发明涉及地震预警领域,具体而言,涉及一种预警系统的适应性评价方法、装置、设备及可读存储介质。
背景技术
目前地震预警系统适应性评价方法选取的评价途径太过单一,考虑的因素不够充裕,并不能全方位的评价一个系统的优劣,得到的结果可能与实际有很大出入,导致评价结果有很大争议。
发明内容
本发明的目的在于提供一种预警系统的适应性评价方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
一方面,本申请提供了一种预警系统的适应性评价方法,所述方法包括:
获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果。
可选地,根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,包括:
将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
可选地,将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,包括:
将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
可选地,根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值,包括:
分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
第二方面,本申请实施例提供了一种预警系统的适应性评价装置,所述装置包括:
第一获取单元,用于获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
第一处理单元,用于根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
第二处理单元,用于根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
第三处理单元,用于将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果。
可选地,所述系统包括:
第一处理子单元,用于将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
第一发送子单元,用于将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
可选地,所述系统包括:
第一对比子单元,用于将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
第二处理子单元,用于将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
可选地,所述系统包括:
第三处理子单元,用于分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
第二发送子单元,用于将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
第四处理子单元,用于根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
第五处理子单元,用于根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
第三方面,本申请实施例提供了一种预警系统的适应性评价设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述预警系统的适应性评价方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述预警系统的适应性评价方法的步骤。
本发明的有益效果为:
本发明通过运用三维空间对地震预警系统在性能、地震的应急处置和地震震后恢复三个方面来评价地震预警系统的适应性,将所述三个方面进行量化作为三维空间坐标系的X、Y和Z轴的三个指标,以词来得到一个三维空间点,并以此三维空间点到坐标系原点的距离作为适应性的评价标准,这种评价方法简单快捷,并且具有代表性,还能够确定所述地震预警系统每个方面的适应性是否符合要求,相比一般的评价方式更全面,并且节约成本,还可以根据评价结果来对所述地政预警系统进行单方面适应性的优化。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例中所述的一种预警系统的适应性评价方法流程示意图;
图2为本发明实施例中所述的一种预警系统的适应性评价装置结构示意图;
图3是本发明实施例中所述的一种预警系统的适应性评价设备结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种预警系统的适应性评价方法,其所述方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
步骤S2、根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
步骤S3、根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
步骤S4、将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果。
可以理解的是本发明通过运用三维空间对地震预警系统在性能、地震的应急处置和地震震后恢复三个方面来评价地震预警系统的适应性,将所述三个方面进行量化作为三维空间坐标系的X、Y和Z轴的三个指标,以词来得到一个三维空间点,并以此三维空间点到坐标系原点的距离作为适应性的评价标准,这种评价方法简单快捷,并且具有代表性,还能够确定所述地震预警系统每个方面的适应性是否符合要求,相比一般的评价方式更全面,并且节约成本,还可以根据评价结果来对所述地政预警系统进行单方面适应性的优化。
可以理解的是所述训练后的适应性的评价模型为将预设的所述地震预警系统历史信息和预设的地震预警系统历史评价信息输入神经网络模型根据SVM算法进行训练得到的。
可以理解的是地震预警系统的性能信息包括地震震级估算的准确度、震级处置范围的准确度和识别地震波的时间;地震的应急处置信息包括在地震的应急处置后人员的伤亡情况、列车损伤情况和应急处置的效果情况;地震震后恢复信息包括列车恢复通行的时间、隧道结构稳定性检查时间和列车故障排查时间;
在本公开的一种具体实施方式中,所述步骤S2包括步骤S21和步骤S22。
步骤S21、将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
步骤S22、将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
可以理解的是上述步骤是为了将所述第一信息的三个数据转化为空间坐标点,确定所述预警系统的适应性评价在性能、地震的应急处置和地震震后恢复三个方面的适应性。
在本公开的一种具体实施方式中,所述步骤S21包括步骤S211和步骤S212。
步骤S211、将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
步骤S212、将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
可以理解的是上述步骤中为将不同的参数转化为相同比例的数值的过程,其中所述信息转化表中包括有每个参数对应的数值,可以将每个参数均分别转化为数值,并且通过加权计算,将不同数值转化为相同的比例,这样才能在三维空间坐标系中代表各方面的性能。
在本公开的一种具体实施方式中,所述步骤S3包括步骤S31和步骤S32。
步骤S31、分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
步骤S32、将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
步骤S33、根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
步骤S34、根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
可以理解的是本发明通过将地震预警系统在性能、地震的应急处置和地震震后恢复在三个第一空间坐标系内的坐标点到坐标原点的距离进行转化,并作为第二空间坐标系的X轴、Y轴和Z轴的具体数值,通过将坐标系的X轴、Y轴和Z轴的具体数值转化成坐标点,并计算所述坐标点到第二空间坐标系空间原点的距离来评价所述地震预警系统的适应性,这样得到的适应性评价结果更准确,并且方便快捷,出现的误差小。
在本公开的一种具体实施方式中,所述步骤S4包括步骤S5、步骤S6、步骤S7、步骤S8、步骤S9和步骤S10。
步骤S5、获取地震预警系统多次测试得到的多个第一空间坐标点、多个所述第二空间坐标点和多个所述第三空间坐标点;
步骤S6、将多个第一空间坐标点、多个所述第二空间坐标点和多个所述第三空间坐标点中发送至K-means三维聚类模型进行聚类,得到多个聚类簇;
步骤S7、获取每个所述聚类簇的空间坐标点个数;
步骤S8、将所述每个所述聚类簇的空间坐标点个数分别与预设的第一阈值进行对比,得到空间坐标点个数大于或等于所述第一阈值的聚类簇;
步骤S9、根据所述坐标点个数大于或等于所述第一阈值的聚类簇内的空间坐标点,得到第五距离,所述第五距离为所述坐标点个数大于或等于所述第一阈值的聚类簇内的每个空间坐标点到第三坐标系的第三坐标原点的距离;
步骤S10、分别计算每个所述坐标点个数大于或等于所述第一阈值的聚类簇内第五距离的平均值,并将所述平均值和预设的坐标距离评价表进行对比,得到所述地震预警系统的第二评价值。
可以理解的是本发明通过对多个第一空间坐标点、多个所述第二空间坐标点和多个所述第三空间坐标点进行聚类,去除掉小于预设阈值的聚类簇,这样减少评价模型的误差,并且根据所述坐标点个数大于或等于所述第一阈值的聚类簇内的空间坐标点到第三空间坐标系坐标原点的距离,得到第五距离,所述第五距离代表所述地震预警系统的多个适应性的平均值,这样防止出现个别适应性极高或极低的情况出现。
在本公开的一种具体实施方式中,所述步骤S4包括步骤S11、步骤S12和步骤S13。
步骤S11、将所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点发送至第四空间坐标系内,所述第四空间坐标系内设置有以坐标原点为圆心的球形区域;
步骤S12、根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点是否在所述球形区域内分别判断所述地震预警系统性能适应性、地震预警系统应急处置适应性和地震预警系统震后恢复适应性是否符合要求,得到判断结果:
步骤S13、对不符合要求的判断结果进行标记,并将不符合要求判断结果发送至地震预警系统维护人员的通讯设备,并提示地震预警系统维护人员对适应性不符合要求的地震预警系统进行适应性优化。
可以理解的是本发明将第四空间坐标系分为合格空间和不合格空间,并根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点是否在合格空间内来评价所述地震预警系统的适应性是否符合要求,以此评价所述地震预警系统的单方面适应性,并且根据所述单方面适应性评价来优化地震预警系统的单方面性能,减少优化成本和评价成本。
实施例2
如图2所示,本实施例提供了一种预警系统的适应性评价装置,所述装置包括第一获取单元701、第一处理单元702、第二处理单元703和第三处理单元704。
第一获取单元701,用于获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
第一处理单元702,用于根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
第二处理单元703,用于根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
第三处理单元704,用于将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果。
在本公开的一种具体实施方式中,所述第一处理单元702包括第一处理子单元7021和第一发送子单元7022。
第一处理子单元7021,用于将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
第一发送子单元7022,用于将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
在本公开的一种具体实施方式中,所述第一处理子单元7021包括第一对比子单元70211和第二处理子单元70212。
第一对比子单元70211,用于将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
第二处理子单元70212,用于将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
在本公开的一种具体实施方式中,所述第二处理单元703包括第三处理子单元7031、第二发送子单元7032、第四处理子单元7033和第五处理子单元7034。
第三处理子单元7031,用于分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
第二发送子单元7032,用于将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
第四处理子单元7033,用于根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
第五处理子单元7034,用于根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
在本公开的一种具体实施方式中,所述第三处理单元704之后还包括第二获取单元705、第四处理单元706、第三获取单元707、第一对比单元708、第五处理单元709和第六处理单元710。
第二获取单元705,用于获取地震预警系统多次测试得到的多个第一空间坐标点、多个所述第二空间坐标点和多个所述第三空间坐标点;
第四处理单元706,用于将多个第一空间坐标点、多个所述第二空间坐标点和多个所述第三空间坐标点中发送至K-means三维聚类模型进行聚类,得到多个聚类簇;
第三获取单元707,用于获取每个所述聚类簇的空间坐标点个数;
第一对比单元708,用于将所述每个所述聚类簇的空间坐标点个数分别与预设的第一阈值进行对比,得到空间坐标点个数大于或等于所述第一阈值的聚类簇;
第五处理单元709,用于根据所述坐标点个数大于或等于所述第一阈值的聚类簇内的空间坐标点,得到第五距离,所述第五距离为所述坐标点个数大于或等于所述第一阈值的聚类簇内的每个空间坐标点到第三坐标系的第三坐标原点的距离;
第六处理单元710,用于分别计算每个所述坐标点个数大于或等于所述第一阈值的聚类簇内第五距离的平均值,并将所述平均值和预设的坐标距离评价表进行对比,得到所述地震预警系统的第二评价值。
在本公开的一种具体实施方式中,所述第三处理单元704之后还包括第七处理单元711、第一判断单元712和第一发送单元713。
第七处理单元711,用于将所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点发送至第四空间坐标系内,所述第四空间坐标系内设置有以第四空间坐标系的坐标原点为圆心的球形区域;
第一判断单元712,用于根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点是否在所述球形区域内分别判断所述地震预警系统性能适应性、地震预警系统应急处置适应性和地震预警系统震后恢复适应性是否符合要求,得到判断结果:
第一发送单元713,用于对不符合要求的判断结果进行标记,并将不符合要求判断结果发送至地震预警系统维护人员的通讯设备,并提示地震预警系统维护人员对适应性不符合要求的地震预警系统进行适应性优化。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种预警系统的适应性评价设备,下文描述的一种预警系统的适应性评价设备与上文描述的一种预警系统的适应性评价方法可相互对应参照。
图3是根据一示例性实施例示出的一种预警系统的适应性评价设备800的框图。如图3所示,该预警系统的适应性评价设备800可以包括:处理器801,存储器802。该预警系统的适应性评价设备800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该预警系统的适应性评价设备800的整体操作,以完成上述的预警系统的适应性评价方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该预警系统的适应性评价设备800的操作,这些数据例如可以包括用于在该预警系统的适应性评价设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandom Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该预警系统的适应性评价设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,预警系统的适应性评价设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的一种预警系统的适应性评价方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的预警系统的适应性评价方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由预警系统的适应性评价设备800的处理器801执行以完成上述的预警系统的适应性评价方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种预警系统的适应性评价方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的预警系统的适应性评价方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种预警系统的适应性评价方法,其特征在于,包括:
获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果;
其中,根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值,包括:
分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
2.根据权利要求1所述的预警系统的适应性评价方法,其特征在于,根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,包括:
将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
3.根据权利要求2所述的预警系统的适应性评价方法,其特征在于,将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,包括:
将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
4.一种预警系统的适应性评价系统,其特征在于,包括:
第一获取单元,用于获取第一信息,所述第一信息包括第一数据、第二数据和第三数据,所述第一数据为地震预警系统的性能信息,所述第二数据为地震的应急处置信息,所述第三数据为地震震后恢复信息;
第一处理单元,用于根据所述第一数据得到第一空间坐标点,根据所述第二数据得到第二空间坐标点,根据所述第三数据得到第三空间坐标点,所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点均设置在第一空间坐标系内;
第二处理单元,用于根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到所述地震预警系统的第一评价值;
第三处理单元,用于将所述第一评价值输入训练后的适应性评价模型,得到预警系统的适应性评价结果;
其中,所述第二处理单元包括:
第三处理子单元,用于分别根据所述第一空间坐标点、所述第二空间坐标点和所述第三空间坐标点,得到第一距离、第二距离和第三距离;所述第一距离为所述第一空间坐标点与所述第一空间坐标系的第一坐标原点的距离,所述第二距离为所述第二空间坐标点与所述第一坐标原点的距离,所述第三距离为所述第三空间坐标点与所述第一坐标原点的距离;
第二发送子单元,用于将所述第一距离、第二距离和第三距离发送至第二空间坐标系,得到第四空间坐标点;
第四处理子单元,用于根据所述第四空间坐标点,得到第四距离;所述第四距离为所述第四空间坐标点与所述第二空间坐标系的第二坐标原点的距离;
第五处理子单元,用于根据所述第四距离和预设的坐标距离评价表得到所述第一评价值。
5.根据权利要求4所述的预警系统的适应性评价系统,其特征在于,所述系统包括:
第一处理子单元,用于将所述第一信息的三个数据分别与预设的信息转化表进行对比并进行加权计算,得到第二信息,所述第二信息包括三个第一加权值、三个第二加权值和三个第三加权值,每个所述第一加权值包括所述第一数据中的一个参数的加权值,每个所述第二加权值包括所述第二数据中的一个参数的加权值,每个所述第三加权值包括所述第三数据中的一个参数的加权值;
第一发送子单元,用于将所述第二信息发送至第一坐标系模型,得到第三信息,所述第三信息包括第一空间坐标点、第二空间坐标点和第三空间坐标点,所述第一空间坐标点为三个所述第一加权值构成的空间坐标点,所述第二空间坐标点为三个所述第二加权值构成的空间坐标点,所述第三空间坐标点为三个所述第三加权值构成的空间坐标点。
6.根据权利要求5所述的预警系统的适应性评价系统,其特征在于,所述系统包括:
第一对比子单元,用于将所述第一数据中的每个参数、所述第二数据中的每个参数和所述第三数据中的每个参数,分别与所述预设的信息转化表进行对比,得到三个第一转化值、三个第二转化值和三个第三转化值;
第二处理子单元,用于将三个所述第一转化值、三个所述第二转化值和三个所述第三转化值分别按照预设的权重系数进行加权计算,得到三个第一加权值、三个第二加权值和三个第三加权值。
7.一种预警系统的适应性评价设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述预警系统的适应性评价方法的步骤。
8.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述预警系统的适应性评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477336.3A CN114187751B (zh) | 2021-12-06 | 2021-12-06 | 预警系统的适应性评价方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477336.3A CN114187751B (zh) | 2021-12-06 | 2021-12-06 | 预警系统的适应性评价方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114187751A CN114187751A (zh) | 2022-03-15 |
CN114187751B true CN114187751B (zh) | 2022-09-02 |
Family
ID=80603466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111477336.3A Active CN114187751B (zh) | 2021-12-06 | 2021-12-06 | 预警系统的适应性评价方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187751B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114675346B (zh) * | 2022-04-06 | 2022-12-16 | 西南交通大学 | 一种测震井性能分析方法、装置、设备及可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010011186B4 (de) * | 2010-03-12 | 2014-09-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Visualisierung von räumlich verteilten Informationen in einem Frühwarnsystem |
CN112230270B (zh) * | 2020-12-14 | 2021-03-09 | 西南交通大学 | 一种地震预警方法、装置、设备及可读存储介质 |
CN112633679A (zh) * | 2020-12-21 | 2021-04-09 | 贵州电网有限责任公司电力科学研究院 | 信息质量量化方法、装置、计算机设备和存储介质 |
CN113053064B (zh) * | 2021-03-15 | 2022-11-04 | 中国地震局地球物理研究所 | 一种面向区域性地震预警系统评测方法及评测系统 |
-
2021
- 2021-12-06 CN CN202111477336.3A patent/CN114187751B/zh active Active
Non-Patent Citations (1)
Title |
---|
岩石高边坡监测预警综合评价方法研究;金海元;《长江科学院院报》;20110115(第01期);29-33 * |
Also Published As
Publication number | Publication date |
---|---|
CN114187751A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564181B (zh) | 电力设备故障检测与维修方法及终端设备 | |
CN109686036B (zh) | 一种火灾监控方法、装置及边缘计算装置 | |
CN112364439A (zh) | 自动驾驶系统的仿真测试方法、装置以及存储介质 | |
CN109214421B (zh) | 一种模型训练方法、装置、及计算机设备 | |
CN109145446B (zh) | 一种基于模态应变能和卷积神经网络的结构损伤识别方法 | |
CN110348471B (zh) | 异常对象识别方法、装置、介质及电子设备 | |
CN113239914B (zh) | 课堂学生表情识别及课堂状态评估方法、装置 | |
CN112749305A (zh) | 基于人工智能的监测数据管理方法、系统、设备及介质 | |
CN110672323A (zh) | 一种基于神经网络的轴承健康状态评估方法及装置 | |
CN114187751B (zh) | 预警系统的适应性评价方法、装置、设备及可读存储介质 | |
CN113419271A (zh) | 一种地震震级预测方法、装置、设备及可读存储介质 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN112766402A (zh) | 算法选择方法、装置和电子设备 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
CN117791856B (zh) | 一种基于巡检机器人的电网故障预警方法及装置 | |
CN112560791B (zh) | 识别模型的训练方法、识别方法、装置及电子设备 | |
US10288547B2 (en) | Facility state analysis device, analysis method for facility state, storage medium, and facility management system | |
CN114238062B (zh) | 板卡烧录装置性能分析方法、装置、设备及可读存储介质 | |
CN114116431B (zh) | 系统运行健康检测方法、装置、电子设备及可读存储介质 | |
CN114648688B (zh) | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 | |
CN114841203A (zh) | 一种牲畜状态监测方法、装置、终端及存储介质 | |
CN112800035A (zh) | 一种基于gis系统的电网数据联通共享系统 | |
CN115237739B (zh) | 板卡运行环境的分析方法、装置、设备及可读存储介质 | |
JP7515169B2 (ja) | 落雷位置標定システムによる落雷検知の真偽を確認するための確認装置、確認方法及び確認プログラム | |
CN111522678B (zh) | 故障检测方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |