CN114219166A - 一种在线动态分析暴雨灾害链概率的方法及终端 - Google Patents
一种在线动态分析暴雨灾害链概率的方法及终端 Download PDFInfo
- Publication number
- CN114219166A CN114219166A CN202111577472.XA CN202111577472A CN114219166A CN 114219166 A CN114219166 A CN 114219166A CN 202111577472 A CN202111577472 A CN 202111577472A CN 114219166 A CN114219166 A CN 114219166A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- rainstorm
- probability
- historical
- continuous long
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007774 longterm Effects 0.000 claims abstract description 89
- 238000009825 accumulation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002085 persistent effect Effects 0.000 description 15
- 230000002265 prevention Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在线动态分析暴雨灾害链概率的方法,包括步骤:S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。其具有更准确的灾害预测结果,提升对暴雨灾害链发生概率的动态分析精细化水平。
Description
技术领域
本发明涉及防灾减灾技术领域,特别涉及一种在线动态分析暴雨灾害链概率的方法及终端。
背景技术
暴雨灾害是一种比较常见的自然灾害,短时强雨和持续性久雨经常会诱发各类次生灾害,从而对人民生命财产造成损失。现有技术中,在防灾减灾领域,暴雨造成的灾害风险高低都是依靠监测致灾因子的数据变化以及人们基于历史灾情的工作积累产生的经验直觉,对特定区域发布预警信息,进而提前做好防灾应急准备。
但基于如实测降雨量等监测致灾因子的数据变化进行灾害危险性判断与提示,相对比较粗放,不能提供有针对性的预警信息,人力所能积累的经验也是有限的,能提供的预警提示的区域相对较小。
发明内容
本发明所要解决的技术问题是:提供一种在线动态分析暴雨灾害链概率的方法及终端,能自动分析降雨数据得到次生灾害概率,提高暴雨灾害链预警的遇见期。
为了解决上述技术问题,本发明采用的技术方案为:一种在线动态分析暴雨灾害链概率的方法,包括步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
为了解决上述技术问题,本发明采用的另一种技术方案为:一种在线动态分析暴雨灾害链概率的终端,包括存储器、处理器及存储在存储器上并可在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以下步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
本发明的有益效果在于:一种在线动态分析暴雨灾害链概率的方法及终端,其通过将降雨数据分为暴雨且持续性降雨和普通降雨数据两种,并分别和历史上的暴雨且持续性降雨和普通降雨比较得到次生灾害发生的概率,提升对暴雨灾害链发生概率的动态分析精细化水平及提高暴雨灾害链预警的遇见期,实现市级、省级行政区乃至全国范围内暴雨灾害链的动态分析,且其分析了是否持续性久雨,从而能在更长的时间尺度上对降雨进行分析,得到更准确的灾害预测结果。
附图说明
图1为本发明实施例的一种在线动态分析暴雨灾害链概率的方法的分析结构示意图;
图2为本发明实施例一种在线动态分析暴雨灾害链概率的程序流程示意图;
图3为本发明实施例涉及的暴雨及次生灾害关系的示意图;
图4为本发明实施例的一种在线动态分析暴雨灾害链概率的终端的结构示意图。
标号说明:
1、一种在线动态分析暴雨灾害链概率的终端;2、处理器;3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1至图3,一种在线动态分析暴雨灾害链概率的方法,包括步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
由上述描述可知,本发明的有益效果在于:一种在线动态分析暴雨灾害链概率的方法及终端,其通过将降雨数据分为暴雨且持续性降雨和普通降雨数据两种,并分别和历史上的暴雨且持续性降雨和普通降雨比较得到次生灾害发生的概率,提升对暴雨灾害链发生概率的动态分析精细化水平及提高暴雨灾害链预警的遇见期,实现市级、省级行政区乃至全国范围内暴雨灾害链的动态分析,且其分析了是否持续性久雨,从而能在更长的时间尺度上对降雨进行分析,得到更准确的灾害预测结果。
进一步地,所述步骤S2具体包括:
若降雨不为暴雨且持续性久雨时,则将其与降雨数据库中的历史普通降雨数据样本进行对比,根据P(A)=Y1/X1得出发生次生灾害的概率,其中,P(A)指不为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史普通降雨事件数,Y1为历史普通降雨事件次生灾害事件数;
若降雨为暴雨且持续性久雨时,则将其与降雨数据库中的历史暴雨且持续性久雨进行对比,根据P(A|B)=Y2/X2计算得到发生次生灾害的概率,其中P(A|B)指为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史暴雨且持续性久雨事件数,Y1为历史暴雨且持续性久雨事件次生灾害事件数。
由上述描述可知,给出了次生灾害概率的计算方法,实现了对次生灾害概率的计算,其具有较好的准确性,基于了相关人员制定防灾救灾策略提供了参考。
进一步地,若降雨数据满足以下任意一者则判定为暴雨:
1小时降雨量大于30;
3小时降雨量大于50;
24小时降雨量大于100;
若降雨数据满足以下任意一者则判定为持续性久雨:
发生暴雨当日往前15日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于7天且累积雨量大于70mm;
发生暴雨当日往前10日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于5天且累积雨量大于50mm;
发生暴雨当日往前5日这一时间段内累积降雨量大于30mm以上。
由上述描述可知,给出了暴雨且持续性久雨的判定标准,其具有较高的准确性和科学性。
进一步地,还包括步骤:
S3、若降雨为暴雨且为持续性久雨,则将其作为历史暴雨且持续性久雨样本更新历史降雨数据库;
若降雨不为暴雨且为持续性久雨,则将其作为历史普通降雨样本更新历史降雨数据库。
由上述描述可知,实现了历史降雨数据库的实时更新,在运行足够长时间后准确度不仅不会由于气候变化而降低,反而能够逐渐提高,更加准确。
进一步地,所述步骤S2中,在判断发生次生灾害的概率大于零的情况下,进一步计算发生二级次生灾害的概率。
由上述描述可知,在判断次生灾害的概率不为零的情况下,进一步计算发生二级次生灾害的可能,更好的实现防灾救灾。
一种在线动态分析暴雨灾害链概率的终端,包括存储器、处理器及存储在存储器上并可在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以下步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
由上述描述可知,本发明的有益效果在于:一种在线动态分析暴雨灾害链概率的方法及终端,其通过将降雨数据分为暴雨且持续性降雨和普通降雨数据两种,并分别和历史上的暴雨且持续性降雨和普通降雨比较得到次生灾害发生的概率,提升对暴雨灾害链发生概率的动态分析精细化水平及提高暴雨灾害链预警的遇见期,实现市级、省级行政区乃至全国范围内暴雨灾害链的动态分析,且其分析了是否持续性久雨,从而能在更长的时间尺度上对降雨进行分析,得到更准确的灾害预测结果。
进一步地,所述步骤S2具体包括:
若降雨不为暴雨且持续性久雨时,则将其与降雨数据库中的历史普通降雨数据样本进行对比,根据P(A)=Y1/X1得出发生次生灾害的概率,其中,P(A)指不为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史普通降雨事件数,Y1为历史普通降雨事件次生灾害事件数;
若降雨为暴雨且持续性久雨时,则将其与降雨数据库中的历史暴雨且持续性久雨进行对比,根据P(A|B)=Y2/X2计算得到发生次生灾害的概率,其中P(A|B)指为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史暴雨且持续性久雨事件数,Y1为历史暴雨且持续性久雨事件次生灾害事件数。
由上述描述可知,给出了次生灾害概率的计算方法,实现了对次生灾害概率的计算,其具有较好的准确性,基于了相关人员制定防灾救灾策略提供了参考。
进一步地,若降雨数据满足以下任意一者则判定为暴雨:
1小时降雨量大于30;
3小时降雨量大于50;
24小时降雨量大于100;
若降雨数据满足以下任意一者则判定为持续性久雨:
发生暴雨当日往前15日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于7天且累积雨量大于70mm;
发生暴雨当日往前10日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于5天且累积雨量大于50mm;
发生暴雨当日往前5日这一时间段内累积降雨量大于30mm以上。
由上述描述可知,给出了暴雨且持续性久雨的判定标准,其具有较高的准确性和科学性。
进一步地,还包括步骤:
S3、若降雨为暴雨且为持续性久雨,则将其作为历史暴雨且持续性久雨样本更新历史降雨数据库;
若降雨不为暴雨且为持续性久雨,则将其作为历史普通降雨样本更新历史降雨数据库。
由上述描述可知,实现了历史降雨数据库的实时更新,在运行足够长时间后准确度不仅不会由于气候变化而降低,反而能够逐渐提高,更加准确。
进一步地,所述步骤S2中,在判断发生次生灾害的概率大于零的情况下,进一步计算发生二级次生灾害的概率。
由上述描述可知,在判断次生灾害的概率不为零的情况下,进一步计算发生二级次生灾害的可能,更好的实现防灾救灾。
本发明的一种在线动态分析暴雨灾害链概率的方法及终端,用于防灾减灾技术领域,根据降雨数据对灾害进行预警,以提前做出对灾害的预防政策和其他应对手段。
请参照图1,本发明的实施例一为:
一种在线动态分析暴雨灾害链概率的方法,本发明通过对实时和历史的降雨数据和灾情数据进行灾害评估分析,得到降雨事件的灾害发生概率,请参照图2,其包括步骤:
S1、获取降雨数据,所述降雨数据包括降雨量和降雨时长,并根据降雨数据计算降雨是否为暴雨且为持续性久雨。
其降雨数据,可以是实时的降雨数据,也可以是气象部门预测的未来降雨数据。
对于实时的降雨数据而言,当降雨时,系统获取降雨数据和降雨时长,并以乡镇或者村居为单元,自动计算降雨量。
是否持续性久雨按照以下列情形判断,满足任一者即为持续性久雨:
发生暴雨当日往前15日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于7天且累积雨量大于70mm;
发生暴雨当日往前10日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于5天且累积雨量大于50mm;
发生暴雨当日往前5日这一时间段内累积降雨量大于30mm以上。
而对于是否暴雨,根据降雨时长和降雨量进行计算,具体可参照下表:
特征编号 | 时段 | 降雨量 | 等级 | 备注 |
001 | 1小时 | 30 | 暴雨 | 1小时降雨量大于30则为暴雨 |
002 | 3小时 | 50 | 暴雨 | 3小时降雨量大于50则为暴雨 |
003 | 24小时 | 100 | 暴雨 | 24小时降雨量大于100则为暴雨 |
步骤S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本。
降雨事件数据库通过对对历史的降雨事件数据(事件编号、时间、降雨量、是否持续性久雨、次生灾害类型及次数、位置等)进行整编、处理得到。
其中,事件编号是某次完整降雨过程的唯一编号,系统可以自动生成;
降雨事件数据库以表格形式保存,具体可参考如下:
对于计算,当降雨不为暴雨且持续性久雨时,则将其与降雨数据库中的历史普通降雨数据样本进行对比,根据P(A)=Y1/X1得出发生次生灾害的概率,其中,P(A)指不为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史普通降雨事件数,Y1为历史普通降雨事件次生灾害事件数。
当降雨为暴雨且持续性久雨时,则将其与降雨数据库中的历史暴雨且持续性久雨进行对比,根据P(A|B)=Y2/X2计算得到发生次生灾害的概率,其中P(A|B)指为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史暴雨且持续性久雨事件数,Y1为历史暴雨且持续性久雨事件次生灾害事件数。
请参照图3,次生灾害具体包括山体滑坡、小流域山洪、内涝、江河洪水和危化品事故,在一个可选的实施例中,在判断发生山体滑坡和/或小流域山洪概率不为零的情况下,进一步计算发生二级次生灾害的概率,二级次生灾害包括泥石流、堰塞湖和矿山淹井。
当降雨数据为当前实时的降雨数据时,步骤S3,若降雨为暴雨且为持续性久雨,则将其作为历史暴雨且持续性久雨样本更新历史降雨数据库;
若降雨不为暴雨且为持续性久雨,则将其作为历史普通降雨样本更新历史降雨数据库。
请参照图4;,本发明的实施例二为:
一种在线动态分析暴雨灾害链概率的终端1,包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序,处理器2执行计算机程序时实现上述实施例一的步骤。
综上所述,本发明提供的一种在线动态分析暴雨灾害链概率的方法及终端,其通过将降雨数据分为暴雨且持续性降雨和普通降雨数据两种,并分别和历史上的暴雨且持续性降雨和普通降雨比较得到次生灾害发生的概率,提升对暴雨灾害链发生概率的动态分析精细化水平及提高暴雨灾害链预警的遇见期,实现市级、省级行政区乃至全国范围内暴雨灾害链的动态分析,且其分析了是否持续性久雨,从而能在更长的时间尺度上对降雨进行分析,得到更准确的灾害预测结果,实现了历史降雨数据库的实时更新,在运行足够长时间后准确度不仅不会由于气候变化而降低,反而能够逐渐提高,更加准确,在判断次生灾害的概率不为零的情况下,进一步计算发生二级次生灾害的可能,更好的实现防灾救灾。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种在线动态分析暴雨灾害链概率的方法,其特征在于,包括步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
2.根据权利要求1所述的一种在线动态分析暴雨灾害链概率的方法,其特征在于,所述步骤S2具体包括:
若降雨不为暴雨且持续性久雨时,则将其与降雨数据库中的历史普通降雨数据样本进行对比,根据P(A)=Y1/X1得出发生次生灾害的概率,其中,P(A)指不为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史普通降雨事件数,Y1为历史普通降雨事件次生灾害事件数;
若降雨为暴雨且持续性久雨时,则将其与降雨数据库中的历史暴雨且持续性久雨进行对比,根据P(A|B)=Y2/X2计算得到发生次生灾害的概率,其中P(A|B)指为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史暴雨且持续性久雨事件数,Y1为历史暴雨且持续性久雨事件次生灾害事件数。
3.根据权利要求1所述的一种在线动态分析暴雨灾害链概率的方法,其特征在于,若降雨数据满足以下任意一者则判定为暴雨:
1小时降雨量大于30;
3小时降雨量大于50;
24小时降雨量大于100;
若降雨数据满足以下任意一者则判定为持续性久雨:
发生暴雨当日往前15日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于7天且累积雨量大于70mm;
发生暴雨当日往前10日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于5天且累积雨量大于50mm;
发生暴雨当日往前5日这一时间段内累积降雨量大于30mm以上。
4.根据权利要求1所述的一种在线动态分析暴雨灾害链概率的方法,其特征在于,还包括步骤:
S3、若降雨为暴雨且为持续性久雨,则将其作为历史暴雨且持续性久雨样本更新历史降雨数据库;
若降雨不为暴雨且为持续性久雨,则将其作为历史普通降雨样本更新历史降雨数据库。
5.根据权利要求1所述的一种在线动态分析暴雨灾害链概率的方法,其特征在于,所述步骤S2中,在判断发生次生灾害的概率大于零的情况下,进一步计算发生二级次生灾害的概率。
6.一种在线动态分析暴雨灾害链概率的终端,包括存储器、处理器及存储在存储器上并可在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以下步骤:
S1、获取实时的降雨数据,并根据降雨数据计算降雨是否为暴雨且为持续性久雨,所述降雨数据包括降雨量和降雨时长;
S2、根据实时的降雨数据和存储的降雨事件数据库计算当前降雨下发生次生灾害的概率,所述降雨时间数据库包括历史普通降雨样本和历史暴雨且持续性久雨样本;
若降雨为暴雨且为持续性久雨,则根据实时的降雨数据和历史暴雨且持续性久雨样本计算当前降雨下发生次生灾害的概率;
若降雨不为暴雨且为持续性久雨,则根据实时的降雨数据和历史普通降雨样本计算当前降雨下发生次生灾害的概率。
7.根据权利要求6所述的一种在线动态分析暴雨灾害链概率的终端,其特征在于,所述步骤S2具体包括:
若降雨不为暴雨且持续性久雨时,则将其与降雨数据库中的历史普通降雨数据样本进行对比,根据P(A)=Y1/X1得出发生次生灾害的概率,其中,P(A)指不为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史普通降雨事件数,Y1为历史普通降雨事件次生灾害事件数;
若降雨为暴雨且持续性久雨时,则将其与降雨数据库中的历史暴雨且持续性久雨进行对比,根据P(A|B)=Y2/X2计算得到发生次生灾害的概率,其中P(A|B)指为暴雨且持续性久雨时,发生次生灾害的概率,X1为历史暴雨且持续性久雨事件数,Y1为历史暴雨且持续性久雨事件次生灾害事件数。
8.根据权利要求6所述的一种在线动态分析暴雨灾害链概率的终端,其特征在于,若降雨数据满足以下任意一者则判定为暴雨:
1小时降雨量大于30;
3小时降雨量大于50;
24小时降雨量大于100;
若降雨数据满足以下任意一者则判定为持续性久雨:
发生暴雨当日往前15日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于7天且累积雨量大于70mm;
发生暴雨当日往前10日这一时间段内有每日降雨量累计大于10mm以上的天数相加大于5天且累积雨量大于50mm;
发生暴雨当日往前5日这一时间段内累积降雨量大于30mm以上。
9.根据权利要求6所述的一种在线动态分析暴雨灾害链概率的终端,其特征在于,还包括步骤:
S3、若降雨为暴雨且为持续性久雨,则将其作为历史暴雨且持续性久雨样本更新历史降雨数据库;
若降雨不为暴雨且为持续性久雨,则将其作为历史普通降雨样本更新历史降雨数据库。
10.根据权利要求6所述的一种在线动态分析暴雨灾害链概率的终端,其特征在于,所述步骤S2中,在判断发生次生灾害的概率大于零的情况下,进一步计算发生二级次生灾害的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577472.XA CN114219166A (zh) | 2021-12-22 | 2021-12-22 | 一种在线动态分析暴雨灾害链概率的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577472.XA CN114219166A (zh) | 2021-12-22 | 2021-12-22 | 一种在线动态分析暴雨灾害链概率的方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219166A true CN114219166A (zh) | 2022-03-22 |
Family
ID=80704925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111577472.XA Pending CN114219166A (zh) | 2021-12-22 | 2021-12-22 | 一种在线动态分析暴雨灾害链概率的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219166A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099536A (zh) * | 2022-08-24 | 2022-09-23 | 深圳市城市公共安全技术研究院有限公司 | 灾害链管控应对方法、系统、终端设备及介质 |
-
2021
- 2021-12-22 CN CN202111577472.XA patent/CN114219166A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099536A (zh) * | 2022-08-24 | 2022-09-23 | 深圳市城市公共安全技术研究院有限公司 | 灾害链管控应对方法、系统、终端设备及介质 |
CN115099536B (zh) * | 2022-08-24 | 2022-11-15 | 深圳市城市公共安全技术研究院有限公司 | 灾害链管控应对方法、系统、终端设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zomlot et al. | Trajectory analysis of land use and land cover maps to improve spatial–temporal patterns, and impact assessment on groundwater recharge | |
Alfieri et al. | Ensemble hydro-meteorological simulation for flash flood early detection in southern Switzerland | |
CN104899437A (zh) | 强降雨型滑坡灾害预警方法 | |
CN111703593B (zh) | 地球同步轨道卫星表面充电效应的预警方法及预警系统 | |
CN112508237B (zh) | 基于数据分析的雨型区域划分方法和实时雨型预测方法 | |
Mohammed et al. | Analysis of meteorological droughts in the Lake’s Region of Ethiopian Rift Valley using reconnaissance drought index (RDI) | |
CN113538861A (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
CN109992635B (zh) | 一种震后泥石流早期识别方法 | |
JP6502405B2 (ja) | 危険箇所に防災気象情報発表基準を設定するシステム及び方法 | |
Ha et al. | Assessment of flood-risk areas using random forest techniques: Busan Metropolitan City | |
CN114219166A (zh) | 一种在线动态分析暴雨灾害链概率的方法及终端 | |
Fei et al. | Contribution of industrial density and socioeconomic status to the spatial distribution of thyroid cancer risk in Hangzhou, China | |
CN113177857A (zh) | 一种基于台风灾害预估的资源弹性调配方法 | |
CN116030597A (zh) | 地质灾害风险预警处理方法、系统及电子设备 | |
CN111369178A (zh) | 一种基于生态大数据的矿区生态修复指导系统 | |
KR102296077B1 (ko) | 재난유형별 환경기초시설의 피해진단 및 피해복구 예측방법 및 시스템 | |
Jayasinghe et al. | Landslide susceptibility assessment using statistical models: A case study in Badulla district, Sri Lanka | |
CN115600047B (zh) | 一种基于栅格分析的小流域面平均降雨量测算方法和系统 | |
CN115355939B (zh) | 城市排水管网的淤积分析方法及平台、信息控制中心设备 | |
CN116486279A (zh) | 一种基于InSAR的泥石流灾害易发性动态评价方法 | |
CN116110210A (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
CN115345511A (zh) | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 | |
Yuan et al. | Predicting road flooding risk with machine learning approaches using crowdsourced reports and fine-grained traffic data | |
CN114357595A (zh) | 一种基于Forecast函数预测基坑侧壁水平位移的方法及系统 | |
Singh | Detecting and assessing the impacts of outlier events and data availability on design rainfall and flood estimation in South Africa. |
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 |