CN114819595A - 基于累积频率法的风暴潮灾害重点防御区选划方法 - Google Patents
基于累积频率法的风暴潮灾害重点防御区选划方法 Download PDFInfo
- Publication number
- CN114819595A CN114819595A CN202210417476.XA CN202210417476A CN114819595A CN 114819595 A CN114819595 A CN 114819595A CN 202210417476 A CN202210417476 A CN 202210417476A CN 114819595 A CN114819595 A CN 114819595A
- Authority
- CN
- China
- Prior art keywords
- data
- key defense
- judgment
- index
- indicators
- 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
- 230000007123 defense Effects 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000001186 cumulative effect Effects 0.000 title claims description 124
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims 6
- 238000013439 planning Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Ecology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于累积频率法的风暴潮灾害重点防御区选划方法，其能够避免经验判断法常发生的认为误差问题，又避免风暴潮灾害重点防御区划分标准研究基础薄弱，无法找到合适的经验模型进行标准定值的困扰。本方案提出的定值与分区方法，不仅对我国沿海城市海洋灾害重点防御区划定提供了科学、合理、有效的技术方法，为今后该工作的顺利开展起到了很好的支撑作用。同时，也为国内同样需要开展基于指标体系的区划工作提供了值得借鉴的标准定值方法，对当前我国常用的主观定值方法进行了有效补充，提升标准定值结果的科学性，能够较好地应用于我国当前空间规划领域，提升规划成果科学性与合理性，该方法具有良好的市场推广前景。
Description
技术领域
本发明涉及海洋灾害数据分析技术领域，尤其涉及基于累积频率法的风暴潮灾害重点防御区选划方法。
背景技术
风暴潮灾害是我国面临的主要海洋灾害之一，几乎遍及中国沿海，其成灾频率高、致灾强度大，造成的人员和经济损失惨重，目前已列入我国的巨灾种类。有必要采用定量化的方法为风暴潮灾害重点防御区选划标准进行赋值，据此开展风暴潮灾害重点防御区选划才能更具有科学性与客观性。
目前国内外开展的灾害重点防御区选划，基本是通过一个或多个指标对目标单元是否能够选划为重点防御区进行综合判断。通常的做法是先建立多层级的指标体系并对各指标进行赋值，然后通过建立不同层级指标间的函数关系，将多个指标映射为一个综合评价指标,最后通过该综合指标来判断目标单元是否能够选划为重点防御区，因此，如何科学的设定综合评价指标的判断标准是进行重点防御区选划的核心技术。现阶段，我国常用的指标标准赋值方法主要有：
1)经验判断法，即根据项目负责人自身的工作经验，主观上设定指标标准值，该方法操作起来最简便，但主观性也最强，严重依赖于项目负责人自身的经验与水平，适用于对客观数据依赖度不高且对赋值结果科学性不做要求的情况；
2)专家打分法，即通过向多位具有相关领域丰富经验的专家进行咨询的方式来确定指标标准值，该方法具有简便、直观性强、计算方法简单等优点，但总体而言也是反映主观意识，对专家的代表性与专业性具有严格的要求；
3)类比分析法，即借鉴相关性强的同类项目的指标标准值，作为本项目的指标标准值，该方法具有较好的可操作性与一定的科学性，但受类比项目指标标准值设立科学性与两个项目之间相似性等因素的影响，在没有同类项目或项目相似性不足的情况下，无法有效使用该方法；
4)统计分析法，即采用统计学原理对获取的指标数据进行整理，找到一定的数学规律，从中选择具有统计学意义的特征值作为指标标准值，该方法基于客观数据，具有较好的科学性，但不同项目涉及数据样本自身特性不同，需要采用不同的数据处理方式才能找到特征值，即使同样的数据样本采用不同的数据处理方式得到的特征值也可能不同，此时需要对不同结果的合理性进行验证进而选择最佳数值，因此该方法适用于数据样本丰富的情况，且具体采用的数据分析方法与具体项目可能具有极强的关联性，而且少普遍适用特征。
鉴于经验判断法操作起来最简便，但主观性也最强，严重依赖于项目负责人自身的经验与水平，适用于对客观数据依赖度不高且对赋值结果科学性不做要求的情况。专家打分法具有简便、直观性强、计算方法简单等优点，但总体而言也是反映主观意识，其客观性依赖于专家的代表性与专业性。类比分析法具有较好的可操作性与一定的科学性，但受类比项目指标标准值设立科学性与两个项目之间相似性等因素的影响，在没有同类项目或项目相似性不足的情况下，无法有效使用该方法。统计分析法基于客观数据，具有较好的科学性，但不同项目涉及的数据类型不同，所采用的统计学分析方法不同，得出的结果也会有差异，因此该方法具有一事一议的特性，关键是如何选择合适的统计学方法；本专利提出的基于累积频率法的风暴潮灾害重点防御区选划方法是一种基于统计分析方法的方案，目前尚未有人将其运用于风暴潮灾害重点防御区选划和指标定值中。
发明内容
有鉴于此，本发明的目的在于提出一种实施可靠、结果指导性佳和客观性好的基于累积频率法的风暴潮灾害重点防御区选划方法。
为了实现上述的技术目的，本发明所采用的技术方案为：
一种基于累积频率法的风暴潮灾害重点防御区选划方法，其包括：
S01、获取待选划地区对应的风暴潮灾害评估信息，然后按预设条件对其进行数据提取，生成待处理数据集；
S02、获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
S03、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区；
S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
作为一种可能的实施方式，进一步，S01中，所述风暴潮灾害评估信息至少包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据；
所述待处理数据集中的数据包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据；
S02中，所述淹没水深数据被筛选设定为独立判断指标，所述影响人口数据、直接经济损失数据和间接经济损失数据被筛选设定为并行判断指标。
作为一种较优的实施选择，优选的，S03、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准的方法包括：
S031、获取独立判断指标和并行判断指标，并按预设间隔单位分别对独立判断指标和并行判断指标中对应的样本数据进行分组；
S032、根据独立判断指标、并行判断指标的样本数据分组，将样本数据以从小至大的顺序进行排序，分别构建频数分布直方图并在频数分布直方图上构建累积频率分布曲线，其中，直方图的主纵坐标标识各数据分组的频数，副纵坐标标识数据分组的累计频率，横坐标标识分组间隔；
S033、获取独立判断指标和并行判断指标对应的频数分布直方图和累积频率分布曲线，按预设条件确定独立判断指标和并行判断指标各样本数据分组对应的累积频率；
S034、根据独立判断指标和并行判断指标各样本数据分组对应的累积频率，获得划分标准，且将该划分标准设为阈值。
作为一种较优的实施选择，优选的，S031中，对独立判断指标及并列判断指标进行分组，
其中，淹没水深数据的单位采用“米”作为计量单位，以0.1m为间隔进行分组；
影响人口数据的采用“万人”作为计量单位，同时以一千人为间隔进行分组；
直接经济损失数据和间接经济数据的单元均以“万元”作为计量单位，同时以万元进行分组。
作为一种较优的实施选择，优选的，S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区的方法包括：
S041、根据三组并行判断指标对应的划分标准，将并行判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S042、将三组并行判断指标对应的上界部分设为潜在重点区域，下界部分设为非重点区域；
S043、将三组并行判断指标对应的潜在重点区域进行空间叠加，取重叠部分，输出第一重点防御区。
作为一种较优的实施选择，优选的，S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区的方法包括：
S051、根据独立判断指标对应的划分标准，将独立判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S052、取独立判断指标对应的上界部分为选划的重点防御区，将其设为第二重点防御区；
S053、将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
基于上述方案，本发明还提供一种基于累积频率法的风暴潮灾害重点防御区选划系统，其包括：
服务器，用于存储不同地区对应的风暴潮灾害评估信息；
数据调度模块，用于获取待选划地区对应的风暴潮评估信息，按预设条件对其进行数据提取，生成待处理数据集；
数据处理模块，用于获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
数据分析模块，用于获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
数据匹配模块，用于根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区，还用于根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区；
空间选划模块，用于将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
基于上述方案，本发明还提供一种计算机可读的存储介质，所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的基于累积频率法的风暴潮灾害重点防御区选划方法。
目前常用的指标标准赋值方法中，经验判断方经常被质疑其主观性过强，专家打分法经常因专家人数、研究领域分布与专业水平深度等因素而被质疑代表性不足，由于风暴潮灾害重点防御区选划工作处于刚启动阶段，并没有可借鉴的标准值。本专利提出的累积频率分布曲线是让数据说话、由数据自行确定指标的定值，具有较好的客观性，同时累积频率本身是一种统计学方法，已运用于多个领域，解决了一些实际工程问题，具有较普遍的认识度与接受度。
本方案累积频率的原理如下：
累积频率是指按某种标志对数据进行分组后，分布在各组内的数据个数称为频数或次数，各组频数与全部频数之和的比值称为频率或比重。为了统计分析的需要，有时需要观察某一数值以下或某一数值以上的频率之和，叫做累积频率，或叫做对频率的累计。从变量值小的一方向变量值大的一方累加，称为向上累积，反之为向下累积。频率的最终累积值为100％，观测年限越长，则样本容量越大，其预见性越可靠。
从数学角度来讲，累积频率分布函数表示为概率密度函数的积分。连续性随机变量的概率密度函数，是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。而离散型随机变量的概率密度函数描述的是离散型随机变量在各取值的概率值。
根据随机变量的类别不同，累积频率分布函数也可分为离散型和连续性两种：连续型随机变量的累积频率用公式表示为：
反映的是变量从 -∞至某取值之间所有事件发生概率之和。
在实际运用过程中，常用到是离散型累积频率。设离散型随机变量 X＝(x1，x2，...，xm，...，xn)，其中x1＜x2＜....＜xm＜...＜xn。
累积频率可表示为：F(x)＝f(x1)+f(x2)+f(x3)+...+f(xm)
其中，f(xi)代表的是样本xi所对应的概率，F(x)即为代表样本x1至样本xm的累计频率。
目前累积频率也常常用曲线来直观地进行表示，累积频率曲线法指用曲线图形的方式表示出向上或向下的累积频率的曲线图形，常用排列图展示(图1)。图1中的排列图有两个纵坐标，一个横坐标，几个直方图和一条曲线(累计频率分布曲线)组成。左边纵坐标表示频数，右边纵坐标表示累积频率(0～100％)，横坐标表示事件的组别。累积频率的高低表示该样本中，某个因素影响的大小，曲线表示各因素影响大小的累计百分数。按主次因素的排列，可分为三类：累积频率在0～80％的因素，称A类因素，显然是主要因素；累积频率在80～90％的因素称B类次主要因素；累积频率在90～100％的因素称C类次要因素。
本方案根据累积频率确定标准值的方法原理如下：
较多的研究结果表明，通常采用50％、75％、80％和90％所在组的数值作为指标的标准值，同时，考虑到各个指标的重要程度不同以及最高频次出现的位置不同，因此各个方面的影响需要综合考虑，需要通过大量的数据实验，来判断累计频率分布曲线法在风暴潮灾害重点防御区划分标准定值中的适应性。本研究的关键是从4个常用频率、最高频次、各指标的重要程度方面进行综合考虑。
根据累积频率确定标准值需要综合考虑的点可分为三个：
1.选取指标的重要程度。本文中的淹没水深、影响人口、直接经济损失、间接经济损失四个指并不是单纯的并列关系，淹没水深是设置重点防御区的主属性，是主要依据；影响人口、直接经济损失、间接经济损失三者为损失指标，且影响人口指标相对经济损失更加重要，因此重要性为：淹没水深＞影响人口＞直接经济损失＞间接经济损失。在考虑累积频率的选择上应将指标的重要程度纳入考虑。
2.四个常用累积频率。50％、75％、80％和90％四个常用累积频率有其自身的统计学意义。本文的累积频率的选择将围绕这四个常用频率。累积频率选择过低，选化的区域不足以体现出重点防御区的重要性。累积频率选择过高，可能会疏漏一些受灾严重，需要重点防护的地区。
3.频次以及最高频次。频次(频数)是确定累积频率的重要参数。在确定累积频率时，应格外注意高频次所在的组别。通常情况下，若数据中含有较为突出的高频次分组，则要与累积频率一起进行综合考虑，以确定标准值。
本方案关于累积频率方法中的分组说明：
用累计频率法进行分析时，对数据进行合理分组是一个关键，分组的不同会对后续的累积频率取值产生直接的影响。关于分组的原则：首先，分组与国家统计数据的要求和方式有关。在水深方面，常以0.1m的精度进行统计，因此本研究的淹没水深数据同样是以0.1m为间隔进行分组；在影响人口方面，则常以“人”为单位，而经济损失则以“万元”为单位。
同时，单位精度的选择还要考虑划分单元的大小。不同的划分单元(如县和市)所要求的单位精度会有所差异，划分单元越小，单位的精度就越高，反之则精度越低，这也与实际情况相符合。
更精确的分组可以使累积频率的选取更加精确，但过于精确的分组也会对统计和数据的可视化造成困难。因此在实际分组过程中除了考虑上述两种分组的原则外还应考虑实际情况，对组别进行合并或者拆分。
本发明将统计学中的累积频率法用于风暴潮指标定值以作为后续重点防御区划选的参考，为指标定值提供了客观依据和方法。在指标判定标准过程中，选取风暴潮淹没水深，影响人口指标、直接经济损失指标、间接经济损失指标四项指标，制其累计频率的统计图，结合指标的重要程度和最高频次出现区间，确定出适宜的累计频率，从而确定影响风暴潮重点防御区的各指标的标准值。
采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：本方案基于累积频率法的风暴潮灾害重点防御区选划方法能够避免经验判断法常发生的认为误差问题，又避免风暴潮灾害重点防御区划分标准研究基础薄弱，无法找到合适的经验模型进行标准定值的困扰。本方案提出的定值与分区方法，不仅对我国沿海城市海洋灾害重点防御区划定提供了科学、合理、有效的技术方法，为今后该工作的顺利开展起到了很好的支撑作用。同时，也为国内同样需要开展基于指标体系的区划工作提供了值得借鉴的标准定值方法，对当前我国常用的主观定值方法进行了有效补充，提升标准定值结果的科学性，能够较好地应用于我国当前空间规划领域，提升规划成果科学性与合理性。该方法已试运用于天津市与舟山市进行内部论证，并经过一定的适应性评估，能为该方法的推广提供较好的案例基础，并具有良好的市场推广前景。
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是累计频率分布曲线直方图的简要示意图；
图2是本发明方法的简要实施流程示意图；
图3至图8是本发明方案实例中舟山市普陀区各典型重现期淹没水深频率分布直方图，其分别示出了5、10、20、50、100、200年的淹没水深数据；
图9是本发明方案实例中舟山市普陀区影响人口累积频率直方图；
图10是本发明方案实例中舟山市普陀区直接经济损失累积频率直方图；
图11是本发明方案实例中舟山市普陀区直接经济损失累积频率直方图；
图12是本发明方案系统的简要模块连接示意图。
具体实施方式
下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是，以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下实施例仅为本发明的部分实施例而非全部实施例，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它实施例，都属于本发明保护的范围。
如图2所示，本方案一种基于累积频率法的风暴潮灾害重点防御区选划方法，其包括：
S01、获取待选划地区对应的风暴潮灾害评估信息，然后按预设条件对其进行数据提取，生成待处理数据集；
S02、获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
S03、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区；
S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
本方案S01中，所述风暴潮灾害评估信息至少包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据；所述待处理数据集中的数据包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据。
本方案S02中，所述淹没水深数据被筛选设定为独立判断指标，所述影响人口数据、直接经济损失数据和间接经济损失数据被筛选设定为并行判断指标。
本方案S03中、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准的方法包括：
S031、获取独立判断指标和并行判断指标，并按预设间隔单位分别对独立判断指标和并行判断指标中对应的样本数据进行分组；
S032、根据独立判断指标、并行判断指标的样本数据分组，将样本数据以从小至大的顺序进行排序，分别构建频数分布直方图并在频数分布直方图上构建累积频率分布曲线，其中，直方图的主纵坐标标识各数据分组的频数，副纵坐标标识数据分组的累计频率，横坐标标识分组间隔；
S033、获取独立判断指标和并行判断指标对应的频数分布直方图和累积频率分布曲线，按预设条件确定独立判断指标和并行判断指标各样本数据分组对应的累积频率；
S034、根据独立判断指标和并行判断指标各样本数据分组对应的累积频率，获得划分标准，且将该划分标准设为阈值。
作为S031优选实施方式，本方案S031中，对独立判断指标及并列判断指标进行分组，
其中，淹没水深数据的单位采用“米”作为计量单位，以0.1m为间隔进行分组；
影响人口数据的采用“万人”作为计量单位，同时以一千人为间隔进行分组；
直接经济损失数据和间接经济数据的单元均以“万元”作为计量单位，同时以万元进行分组。
本方案S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区的方法包括：
S041、根据三组并行判断指标对应的划分标准，将并行判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S042、将三组并行判断指标对应的上界部分设为潜在重点区域，下界部分设为非重点区域；
S043、将三组并行判断指标对应的潜在重点区域进行空间叠加，取重叠部分，输出第一重点防御区。
本方案S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区的方法包括：
S051、根据独立判断指标对应的划分标准，将独立判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S052、取独立判断指标对应的上界部分为选划的重点防御区，将其设为第二重点防御区；
S053、将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
本实施例以舟山市普陀区风暴潮灾害重点防御区选划方法作为具体实例，以累计频率法进行指标定值示例，具体如下：
淹没水深指标
(1)数据模拟：对舟山市示范区典型重现期风暴潮灾害进行数值模拟，获取相应结果，典型重现为5、10、20、50、100、200年。
(2)数据描述：共有淹没水深数据为22253个(5年重现期)-35881个(200 年重现期)，淹没水深最小值均为0.05m(模拟单元格是否淹没判断数值)，淹没最高水深为5.3m(5年重现期)-7.0m(200年重现期)。
(3)样本分组：以0.2m水深为单位间隔进行分组，0.05-0.2m单独分为1 组。
(4)累积频率分布曲线构建：根据上述的累积频率分布曲线构建方法建立舟山市普陀区各典型重现期风暴潮灾害淹没水深累积频率直方图，其中横坐标为淹没水深，主纵坐标为各组频数，副纵坐标为累积频率，结果见图3至图8。
(5)标准定值：通过图3至图8可见，以80％的累计频率所在组数值作为淹没水深指标标准，会根据重现期增大而增大，因此需要先确定采用哪个典型重现期作为淹没水深的模拟情景。考虑到舟山市普遍海堤的防护等级为20-50 年，考虑采用100年一遇重现期情景下风暴潮灾害淹没水深模拟结果作为舟山市普陀区淹没水深指标的数据来源，据此，推荐2.6m水深作为舟山市普陀区风暴潮灾害重点防御区淹没水深指标标准。
影响人口指标
(1)数据模拟：对影响人口进行评估模拟，获取相应结果。
(2)数据描述：共有对应的淹没水深数据为6447个，数值区间为0.1-0.85 万人。
(3)样本分组：分为0.1、0.25、0.35、0.5和0.85共5组，单位为万人。
(4)累积频率分布曲线构建：根据上述的累积频率分布曲线构建方法建立舟山市普陀区影响人口累积频率直方图，其中横坐标为影响人口，主纵坐标为各组频数，副纵坐标为累积频率，结果见图9。
(5)标准定值：通过图9可见，出现频次最高的组为0.35万人组，累积频率近70％(69.77％)，其次是0.5万人组，累积频率近95％(94.81％)，考虑到影响人口指标相对于经济损失指标而言，重要性更强，因此推荐累积频率近70％所在组数值作为舟山市普陀区风暴潮重点防御区影响人口指标标准，结果为 0.35万人。
直接经济损失指标
(1)数据模拟：对直接经济损失进行评估模拟，获取相应结果。
(2)数据描述：共有对应的淹没水深数据为6447个，数值区间为 0.0001-6813195元。
(3)样本分组：根据数据特征，分为0.0001～10，10～100，100～1000， 1000～10000，10000～100000(每10000为一组)，100000～1000000(每100000 为一组)，1000000～10000000进行分组。
(4)累积频率分布曲线构建：根据上述的累积频率分布曲线构建方法建立舟山市普陀区直接经济损失累积频率直方图，其中横坐标为直接经济损失，主纵坐标为各组频数，副纵坐标为累积频率，结果见图10。
(5)标准定值：通过图10可见，出现频次最高的组为10000元组，累积频率近25％(23.82％)，其次是300000元组，累积频率近80％(79.2％)。考虑到直接经济损失指标重要不及有影响人口指标，因此推荐累积频率近80％所在组数值作为舟山市普陀区风暴潮重点防御区影响人口指标标准，结果为300000 元。
间接经济损失指标
(1)数据模拟：对间接经济损失进行评估模拟，获取相应结果。
(2)数据描述：共有对应的淹没水深数据为6446个，数值区间为 0.01-3058989元。
(3)样本分组：根据数据特征，分为0.01～10，10～100，100～1000， 1000～10000(每1000为一组)，10000～100000(每10000为一组)，100000～ 1000000，1000000～10000000进行分组。
(4)累积频率分布曲线构建：根据上述的累积频率分布曲线构建方法建立舟山市普陀区间接经济损失累积频率直方图，其中横坐标为间接经济损失，主纵坐标为各组频数，副纵坐标为累积频率，结果见图11。
(5)标准定值：通过图11可见，出现频次最高的组为1000元组，累积频率近25％(22.31％)，其次是40000元组，累积频率近75％(76.07％)。考虑到间接经济损失指标重要性最弱，因此推荐累积频率近75％所在组数值作为舟山市普陀区风暴潮重点防御区影响人口指标标准，结果为40000元。
上述实例在在风暴潮增水指标中，需对风暴潮增水指标进行定值。水深一般以0.1m的间隔进行分组。首先重现期的选择根据舟山市普遍海堤的防护等级确定为100年。由于各个分组之间的频数差异不大，因此选用80％频率的水深作为指标标准，获得2.6m水深作为舟山市普陀区风暴潮灾害重点防御区淹没水深指标标准。
在影响人口指标中，影响人口的范围为0.1-0.85万人，按照数据特征相关的研究报告，将人口标准分为5组，0.35万人对应的累计频率为近70％，且0.35 万人组的频数最大，0.5万人组累计频率为94.81％(近95％)，影响人口指标较为重要，因此采用0.35万人作为影响人口标准。
在直接经济损失指标中，频次最高组有1万元组和30万元组，累计频率分别为23.82％和79.2％，由于直接经济损失指标不及影响人口指标，选用30万元的作为直接损失标准。
间接损失指标的选取依据类似直接经济损失标准，采用累积频率为75％所在组的数值作为标准，获得40000元作为间接损失标准。
在确定淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据对应的划分标准后，即可获得处于上界部分的数据，然后对应获知潜在的灾害重点防御区。至于如何将独立判断数据(淹没水深数据)、并行判断数据(影响人口数据、直接经济损失数据和间接经济损失数据)对应的灾害重点防御区进行按预设条件选划，本方案已在前述步骤中提及，便不再对其赘述。
如图12所示，基于上述方案，本发明还提供一种基于累积频率法的风暴潮灾害重点防御区选划系统，其包括：
服务器，用于存储不同地区对应的风暴潮灾害评估信息；
数据调度模块，用于获取待选划地区对应的风暴潮评估信息，按预设条件对其进行数据提取，生成待处理数据集；
数据处理模块，用于获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
数据分析模块，用于获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
数据匹配模块，用于根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区，还用于根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区；
空间选划模块，用于将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，包括：
S01、获取待选划地区对应的风暴潮灾害评估信息，然后按预设条件对其进行数据提取，生成待处理数据集；
S02、获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
S03、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区；
S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
2.如权利要求1所述的基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，S01中，所述风暴潮灾害评估信息至少包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据；
所述待处理数据集中的数据包括淹没水深数据、影响人口数据、直接经济损失数据和间接经济损失数据；
S02中，所述淹没水深数据被筛选设定为独立判断指标，所述影响人口数据、直接经济损失数据和间接经济损失数据被筛选设定为并行判断指标。
3.如权利要求2所述的基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，S03、获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准的方法包括：
S031、获取独立判断指标和并行判断指标，并按预设间隔单位分别对独立判断指标和并行判断指标中对应的样本数据进行分组；
S032、根据独立判断指标、并行判断指标的样本数据分组，将样本数据以从小至大的顺序进行排序，分别构建频数分布直方图并在频数分布直方图上构建累积频率分布曲线，其中，直方图的主纵坐标标识各数据分组的频数，副纵坐标标识数据分组的累计频率，横坐标标识分组间隔；
S033、获取独立判断指标和并行判断指标对应的频数分布直方图和累积频率分布曲线，按预设条件确定独立判断指标和并行判断指标各样本数据分组对应的累积频率；
S034、根据独立判断指标和并行判断指标各样本数据分组对应的累积频率，获得划分标准，且将该划分标准设为阈值。
4.如权利要求3所述的基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，S031中，对独立判断指标及并列判断指标进行分组，
其中，淹没水深数据的单位采用“米”作为计量单位，以0.1m为间隔进行分组；
影响人口数据的采用“万人”作为计量单位，同时以一千人为间隔进行分组；
直接经济损失数据和间接经济数据的单元均以“万元”作为计量单位，同时以万元进行分组。
5.如权利要求3或4所述的基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，S04、根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区的方法包括：
S041、根据三组并行判断指标对应的划分标准，将并行判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S042、将三组并行判断指标对应的上界部分设为潜在重点区域，下界部分设为非重点区域；
S043、将三组并行判断指标对应的潜在重点区域进行空间叠加，取重叠部分，输出第一重点防御区。
6.如权利要求5所述的基于累积频率法的风暴潮灾害重点防御区选划方法，其特征在于，S05、根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区，将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区的方法包括：
S051、根据独立判断指标对应的划分标准，将独立判断指标中的样本数据分为大于等于阈值的上界部分和小于阈值的下界部分；
S052、取独立判断指标对应的上界部分为选划的重点防御区，将其设为第二重点防御区；
S053、将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
7.基于累积频率法的风暴潮灾害重点防御区选划系统，其特征在于，其包括：
服务器，用于存储不同地区对应的风暴潮灾害评估信息；
数据调度模块，用于获取待选划地区对应的风暴潮评估信息，按预设条件对其进行数据提取，生成待处理数据集；
数据处理模块，用于获取待处理数据集，对待处理数据集进行数据筛选，获得一组独立判断指标及三组相异且分类并列的并行判断指标，将其作为风暴潮灾害重点防御区选划的指标；
数据分析模块，用于获取独立判断指标和并行判断指标，按预设条件对独立判断指标和并行判断指标进行累积频率分析，并确定独立判断指标和并行判断指标各自对应的累积频率和划分标准；
数据匹配模块，用于根据三组并行判断指标对应的划分标准，按预设条件确定三组并行判断指标对应选划的潜在重点防御区，然后对三组并行判断指标对应的潜在重点防御区进行空间叠加取重叠部分，输出第一重点防御区，还用于根据独立判断指标对应的划分标准，获得独立判断指标对应选划的重点防御区，设为第二重点防御区；
空间选划模块，用于将第一重点防御区与第二重点防御区进行结合，输出最终所选划确定的风暴潮灾害重点防御区。
8.一种计算机可读的存储介质，其特征在于：所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至6之一所述的基于累积频率法的风暴潮灾害重点防御区选划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210417476.XA CN114819595B (zh) | 2022-04-20 | 2022-04-20 | 基于累积频率法的风暴潮灾害重点防御区选划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210417476.XA CN114819595B (zh) | 2022-04-20 | 2022-04-20 | 基于累积频率法的风暴潮灾害重点防御区选划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114819595A true CN114819595A (zh) | 2022-07-29 |
| CN114819595B CN114819595B (zh) | 2025-01-14 |
Family
ID=82506476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210417476.XA Active CN114819595B (zh) | 2022-04-20 | 2022-04-20 | 基于累积频率法的风暴潮灾害重点防御区选划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114819595B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005327214A (ja) * | 2004-05-17 | 2005-11-24 | Mitsui Sumitomo Insurance Co Ltd | 災害発生頻度推定装置、方法、ソフトウェア、記録媒体及び災害事象発生頻度推定システム |
| CN112508392A (zh) * | 2020-12-02 | 2021-03-16 | 云南省交通规划设计研究院有限公司 | 一种山区双车道公路隐患路段交通冲突风险动态评估方法 |
| CN113869438A (zh) * | 2021-09-30 | 2021-12-31 | 自然资源部第三海洋研究所 | 一种基于k-means的风暴潮灾害重点防御区选划方法 |
-
2022
- 2022-04-20 CN CN202210417476.XA patent/CN114819595B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005327214A (ja) * | 2004-05-17 | 2005-11-24 | Mitsui Sumitomo Insurance Co Ltd | 災害発生頻度推定装置、方法、ソフトウェア、記録媒体及び災害事象発生頻度推定システム |
| CN112508392A (zh) * | 2020-12-02 | 2021-03-16 | 云南省交通规划设计研究院有限公司 | 一种山区双车道公路隐患路段交通冲突风险动态评估方法 |
| CN113869438A (zh) * | 2021-09-30 | 2021-12-31 | 自然资源部第三海洋研究所 | 一种基于k-means的风暴潮灾害重点防御区选划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 段浩;赵红莉;蒋云钟;贾仰文;杜军凯;刘佳嘉;徐飞;: "一种改进的参数区间选取方法及在WEP-L模型中的应用", 南水北调与水利科技, no. 04, 16 May 2018 (2018-05-16), pages 54 - 61 * |
| 石先武;高廷;谭骏;国志兴;: "我国沿海风暴潮灾害发生频率空间分布研究", 灾害学, no. 01, 9 January 2018 (2018-01-09), pages 51 - 54 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114819595B (zh) | 2025-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111898385B (zh) | 一种地震灾害评估方法及系统 | |
| CN113240312B (zh) | 一种海底管道风险评估方法、系统及设备 | |
| CN109102157A (zh) | 一种基于深度学习的银行工单派单方法及系统 | |
| CN113849702B (zh) | 一种确定目标数据的方法、装置、电子设备及存储介质 | |
| CN114648155A (zh) | 基于天气分型与气象预报的源解析方法及应急响应系统 | |
| CN117332161A (zh) | 一种社交网络话题讨论影响力检测方法、系统 | |
| CN116050712A (zh) | 一种基于改进熵权法赋权模型的土地生态状况评估方法 | |
| CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
| CN114819595A (zh) | 基于累积频率法的风暴潮灾害重点防御区选划方法 | |
| CN117033561B (zh) | 基于esg指标优化的企业评估模型生成方法及系统 | |
| CN107402925B (zh) | 信息推送方法及装置 | |
| US20240281770A1 (en) | Cross-platform standardized maintenance method for power plant | |
| CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
| CN111552814A (zh) | 基于考核指标图谱的考核方案生成方法及装置 | |
| CN111291029A (zh) | 数据清洗方法及装置 | |
| CN105573984A (zh) | 社会经济指标的识别方法及装置 | |
| CN114037271A (zh) | 警力资源分配方法及装置 | |
| Li et al. | Study of personal credit evaluation method based on PSO-RBF neural network model | |
| CN109685638B (zh) | 一种审计覆盖率测量方法、装置及存储介质 | |
| CN114330552A (zh) | 基于分类特征识别的量化多因子信用评级系统及方法 | |
| CN118674276B (zh) | 一种预付式消费风险识别方法和预警系统 | |
| CN113836313B (zh) | 一种基于图谱的审计信息识别方法与系统 | |
| Li et al. | Revaluation of occupancy duration for live load using big data of enterprise credit information | |
| CN114723307B (zh) | 基于分位数法的风暴潮灾害重点防御区选划方法 | |
| CN116433032B (zh) | 基于网络爬虫方式的智能评估方法 |
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 |