CN115759729A - 一种基于算法的灾害风险预警管理系统以及预测方法 - Google Patents
一种基于算法的灾害风险预警管理系统以及预测方法 Download PDFInfo
- Publication number
- CN115759729A CN115759729A CN202211093017.7A CN202211093017A CN115759729A CN 115759729 A CN115759729 A CN 115759729A CN 202211093017 A CN202211093017 A CN 202211093017A CN 115759729 A CN115759729 A CN 115759729A
- Authority
- CN
- China
- Prior art keywords
- module
- risk
- data
- disaster
- matrix
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及风险管理技术领域,具体地说,涉及一种基于算法的灾害风险预警管理系统以及预测方法。包括基建管理单元、数据处理单元、风险研究单元和预警管理单元;基建管理单元用于对支撑系统运行的基础建设进行管控;数据处理单元用于对监测数据进行处理;风险研究单元用于基于云计算对灾害的风险等级进行计算评估;预警管理单元用于展示分析结果并进行预警。本发明设计可以实时获取多种气象目标状态数据并归类统计,实现对灾害风险的辨识、评估和分级;可以更精确地评估自然灾害对区域的危害程度;多元展示灾害风险预测情况,并可通过多种方式将预测的灾害风险反馈给公众,以便及时进行应急处理和预防安排,以减轻灾害可能造成的人员伤亡和经济损失情况。
Description
技术领域
本发明涉及风险管理技术领域,具体地说,涉及一种基于算法的灾害风险预警管理系统以及预测方法。
背景技术
灾害是指由于自然的、人为的或自然与人为综合的原因,对人类生存和社会发展造成损害、产生人员伤亡和财产损失等不利后果的现象,主要分为自然灾害、事故灾害、公共卫生实践和社会安全事件等四类。灾害主要由孕灾环境、致灾因子、承载体、灾情组成。随着科学技术的不断发展,自然的气象情况可以越来越精准地被预测出来,若基于精确的气象监测,结合孕灾环境和致灾因子的碰撞分析,则有望对多种可能由气象情况引起的自然灾害如强降雨/雪、旱涝、极端高低温天气等灾害进行预测,并可及时告知公众以便快速进行应急处理,以降低人员伤亡、经济损失等。然而,目前却没有基于云计算的全面精准的灾害风险预警管理系统。
发明内容
本发明的目的在于提供了一种基于算法的灾害风险预警管理系统以及预测方法,以解决上述背景技术中提出的问题。
为实现上述技术问题的解决,本发明的目的之一在于,提供了一种基于算法的灾害风险预警管理系统以及预测方法,包括
基建管理单元、数据处理单元、风险研究单元和预警管理单元;所述基建管理单元、所述数据处理单元、所述风险研究单元与所述预警管理单元依次通过网络通信连接;所述基建管理单元用于对预警管理系统运行的基础设施进行管理控制,所述基础设施包括设备、传感装置、数据库、通讯技术;所述数据处理单元用于对通过各目标监测终端获取的监测数据进行聚类、统计处理;所述风险研究单元用于构建灾害风险的层次模型并基于云计算对灾害的风险等级进行计算评估;所述预警管理单元用于以多元形式展示分析结果并对灾害风险进行预警管理;
所述基建管理单元包括基础设备模块、监测传感模块、分布数据库模块和通讯支持模块;
所述数据处理单元包括采集传输模块、密度聚类模块、二次聚类模块和归类统计模块;
所述风险研究单元包括层次模型模块、判断计算模块、评价分级模块和风险评估模块;
所述预警管理单元包括报表图形模块、综合报告模块、多元展示模块和风险告警模块。
作为本技术方案的进一步改进,所述基础设备模块、所述监测传感模块、所述分布数据库模块与所述通讯支持模块依次通过网络通信连接;所述基础设备模块用于提供并管理构成系统运行的处理设备;所述监测传感模块用于在监测区域内布设若干可能形成自然灾害的气象环境目标监测终端传感器并实时获取各传感器采集的对应状态数据;所述分布数据库模块用于基于区块链技术在云端建立分布式数据库以便在终端近端处提供数据服务;所述通讯支持模块用于通过多种通信技术在系统各层面、系统内各设备之间建立信号连接及数据传输的通道;所述分布数据库模块采用主备库方式进行数据同步,其中,具体包括:判断主备数据文件数量是否一致,若不一致则重传最新的控制文件;检查主库日志范围并对比备库控制文件系统改变号,若备库的控制文件小于日志范围则重传最新的控制文件;重传控制文件后,更新控制文件对应的数据文件信息;检测备库数据文件是否在主库日志范围内;重传断档的数据文件及未发送的数据文件,并更新控制文件信息;执行一次日志归档,记录最后一条记录的首次更改号,确定待传输的归档日志;将差异的归档日志从主库传输到备库;对备库进行数据恢复,保证所有数据文件都已经传输完成,并且日志应用到最新状态;重新打开备库,验证数据库是否可以正常打开,并校验数据文件是否存在传输错误。
其中,基础设备包括但不限于计算机、处理器、显示终端、移动终端等。
其中,目标监测终端传感器包括但不限于风力风速计、气象温度计、雷电监测设备、雷电流在线监测仪器、气象水文监测仪、降雨量监测仪等。
其中,通讯技术包括但不限于有线网、局域网、无线传输、数据流量、蓝牙、ZigBee等。
作为本技术方案的进一步改进,所述采集传输模块的信号输出端与所述密度聚类模块的信号输入端连接,所述密度聚类模块的信号输出端与所述二次聚类模块的信号输入端连接,所述二次聚类模块的信号输出端与所述归类统计模块的信号输入端连接;所述采集传输模块用于通过布设的各目标监测终端采集获取相应的状态数据并实时传输到系统的数据处理单元;所述密度聚类模块用于在数据处理单元统计处理的数据中随机抽取部分样本数据,对抽样数据进行基于密度的聚类处理,快速聚类确定簇数和初始簇心;所述二次聚类模块用于将样本密度聚类获取的簇数和初始簇心作为输入条件对数据处理单元统计处理的数据进行快速聚类处理;所述归类统计模块用于根据快速聚类的结果,根据检测数据的目标类型分别进行归类、统计及存储,以便后续对存在相关性的数据进行碰撞分析。
作为本技术方案的进一步改进,所述密度聚类模块中,密度聚类的方法优选采用DBSCAN算法,该算法的具体步骤为:
Step1、以每一个数据点xi为圆心,以eps为半径画一个圆圈,这个圆圈被称为xi的eps邻域;
Step2、对这个圆圈内包含的点进行计算,若一个圆圈内的点数目超过了密度阈值MinPts,则将该圆圈的圆心记为核心点,又称核心对象,若某个点的eps邻域内点的个数小于密度阈值单只落在核心点的邻域内,则称该点为边界点,同时既不是核心点也不是边界点的点称为噪声点或离群点;根据eps邻域和密度阈值MinPts,依次完成所有数据的点类型判断,并删除噪声点或离群点;核心点xi的eps邻域内的所有点,都是xi的直接密度直达,若xj由xi密度直达,xk由xj密度直达,…,xn由xk密度直达,则通过密度直达的传递性可以推导出,xn由xi密度可达;如果对于xk,使xi和xj都可以由xk密度可达,则可称xi和xj密度相连,将密度相连的点连接在一起就形成了聚类簇;
Step3、将距离小于MinPts的两个核心点连接在一起,形成若干组簇;将边界点分配到距离其最近的核心点范围内,直到形成最终的聚类结果。
作为本技术方案的进一步改进,所述层次模型模块的信号输出端与所述判断计算模块的信号输入端连接,所述判断计算模块的信号输出端与所述评价分级模块的信号输入端连接,所述评价分级模块的信号输出端与所述风险评估模块的信号输入端连接;所述层次模型模块用于根据灾害风险在区域内可能造成的影响,选取多个指标分别进行归一化处理,以各指标作为灾害风险评估的初始值,并依据风险评估要求建立风险评估的层次结构模型;所述判断计算模块用于构造各风险指标因素的判断矩阵,并通过对矩阵的分析计算来获取各指标在综合风险度评估中的权重值;所述评价分级模块用于通过结合层次结构分析法计算各指标的权重矩阵,并结合风险评价指标建立灾害风险度评价指数的数学模型,并依据一定的评判标准来将区域内灾害的风险程度依指数划分为不同等级;所述风险评估模块用于结合区域内大量的环境条件,分别对不同类型的灾害及风险程度进行统计评估及分析。
其中,层次结构模型可以分为三层或更多,此处优选为三层结构,具体可以为:第一层为区域内灾害风险度的目标层,第二层为灾害形成条件的准则层,第三层为综合影响因素的指标层;具体地,评估指标包括但不限于区域内灾害发生频次、区域路网密度、区域环境条件、区域人口分布密度等。
作为本技术方案的进一步改进,所述判断计算模块包括构造矩阵模块、层次单排序模块、层次总排序模块和特征向量模块;所述构造矩阵模块的信号输出端与所述层次单排序模块的信号输入端连接,所述层次单排序模块的信号输出端与所述层次总排序模块的信号输入端连接,所述层次总排序模块的信号输出端与所述特征向量模块的信号输入端连接;所述构造矩阵模块用于在影响灾害形成的因子较多时,采用对因子进行两两对比建立成对比较矩阵的判断矩阵,以便更直观地反映层次结构中各因素之间的关系;所述层次单排序模块用于对构造的判断矩阵进行一致性检验以检查矩阵及由之导出的权重向量的合理性,并得出一组元素对其上一层中某元素的权重向量;所述层次总排序模块用于自上而下地将单准则下的权重进行合成以获取总排序权重,并由高层到低层地对层次总排序进行一致性检验;所述特征向量模块用于计算判断矩阵中的特征向量以作为各指标在综合风险度评估中的权重。
作为本技术方案的进一步改进,所述构造矩阵模块采用层次分析法原理,建立成对比较矩阵来对因子进行两两比较,具体为:
若矩阵
A=(aij)n×n
满足aij>0,aji=1/aij,
则称之为正互反矩阵,其中:i,j=1,2,...,n;n为矩阵的行列数;
其中,aij的值可以引用数字1~9及其倒数作为标度,来表示两个因子之间的重要程度。
其中,数字1~9及其倒数作为标度的具体含义为:1表示两个因素相比具有相同重要性,3表示两个因素相比前者比后者稍重要,5表示两个因素相比前者比后者明显重要,7表示两个因素相比前者比后者强烈重要,9表示两个因素相比前者比后者极端重要,2、4、6、8分别表示上述相邻判断的中间值,倒数含义为若因素i、因素j的重要性之比为aij,则因素j与因素i重要性之比为1/aij。
其中,构造判断矩阵的原因在于:层次结构只反映了各因素之间的关系,单准则层中的各准则在目标衡量中所占的比重并不一定相同,同时当影像灾害形成的因子较多时,直接考虑各因子对灾害有多大程度的影响时,可能会因考虑不周全而顾此失彼。
作为本技术方案的进一步改进,所述层次单排序模块、所述层次总排序模块中,一致性检验均采用一致性比率指标CR进行检验,其具体为:
先计算一致性指标CI:
其中,λmax为矩阵的最大特征值,n为因数的个数;
再通过查表确定相应的平均随机一致性指标RI;
然后计算一致性比例CR并进行判断:
当CR<0.1时,认为判断矩阵的一致性是可以接受的,当CR>0.1时,认为判断矩阵不符合一致性要求,需要对该判断矩阵进行重新修正。
其中,依据判断矩阵计算权向量后,只有通过一致性检验,才能说明判断矩阵在逻辑上是合理的,才能继续对结果进行分析。
作为本技术方案的进一步改进,所述评价分级模块中,区域内灾害风险度评价指数的数学模型为:
式中,w为风险程度指数,m为风险程度评价指标总数,R(j)为各评价指标的权重值,Y(j)为各指标的归一化指数值。
作为本技术方案的进一步改进,所述报表图形模块、所述综合报告模块、所述多元展示模块与所述风险告警模块依次通过网络通信连接;所述报表图形模块用于通过装载在预警管理系统内的绘图软件,实时将统计、计算及分析出的数据绘制成相应的表格或统计图形;所述综合报告模块用于结合数据信息及绘制的图形来生成综合性的灾害风险评估预警报告;所述多元展示模块用于通过多种结构模式或界面形式实时将计算分析的灾害风险情况展现在显示终端上;所述风险告警模块用于在监测到某种气象因素达到一定的灾害风险程度时通过多种方式发出告警。
其中,风险告警的方式包括闪屏、弹窗、警报音、短信通知等。
本发明的目的之二在于,提供了一种基于算法的灾害风险预警管理系统以及预测方法的运行方法,包括:
首先通过布设在监测区域内各处的多种目标监测终端实时采集对应的目标状态数据并传输到数据处理单元,对大量的数据进行密度聚类及快速的二次聚类操作,并按照不同监测目标对数据分别进行归类、统计及存储操作,其次将属于同一类的目标数据导入层次模型中,通过层次结构分析方法,判断计算各指标因素对灾害风险的影响程度,再依此计算各指标因素的评价权重值,并分别对各监测目标可引起的灾害风险程度进行评估、排序及等级划分操作,然后将实时计算分析的结果绘制成直观的图表,并自动生成相应综合性报告以便上报及存储管理,最后根据预设的告警方式,将分析预测出的灾害风险及相关信息反馈到公众用户。
与现有技术相比,本发明的有益效果:
1.该基于算法的灾害风险预警管理系统以及预测方法以成熟的气象预测技术为基础,通过在监测区域内布设多种气象目标监测终端传感器,可以实时采集并上传多种气象目标状态数据,通过对这些数据进行快速的二次聚类处理,可以快速完成数据的归类统计,并结合层次结构模型,实现对灾害风险的辨识、评估和分级;
2.该基于算法的灾害风险预警管理系统以及预测方法通过对自然气象的孕灾环境、致灾因子进行分析,结合区域内的环境条件和人口密度分布等因素,可以更精确地评判出自然灾害对区域的危害程度,实现精准的灾害风险评估;
3.该基于算法的灾害风险预警管理系统以及预测方法通过图形报表及综合报告等多种形式,多元地实时展示灾害风险预测情况,并可通过多种方式将预测出的灾害风险反馈给公众,以便及时进行应急处理和预防安排,以减轻灾害可能造成的人员伤亡和经济损失情况。
附图说明
图1为本发明的整体示例性产品架构图;
图2为本发明的整体系统结构图;
图3为本发明的局部系统结构图之一;
图4为本发明的局部系统结构图之二;
图5为本发明的局部系统结构图之三;
图6为本发明的局部系统结构图之四;
图7为本发明的局部系统结构图之五。
图8为本发明的示例性电子计算机产品装置结构示意图。
图中各个标号意义为:
1、计算机处理器;2、计算模型;3、目标监测传感器;4、云端数据库;5、显示大屏;6、移动终端;7、用户;
100、基建管理单元;101、基础设备模块;102、监测传感模块;103、分布数据库模块;104、通讯支持模块;
200、数据处理单元;201、采集传输模块;202、密度聚类模块;203、二次聚类模块;204、归类统计模块;
300、风险研究单元;301、层次模型模块;302、判断计算模块;3021、构造矩阵模块;3022、层次单排序模块;3023、层次总排序模块;3024、特征向量模块;303、评价分级模块;304、风险评估模块;
400、预警管理单元;401、报表图形模块;402、综合报告模块;403、多元展示模块;404、风险告警模块。
具体实施方式
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他实施例,都属于本发明保护的范围。
实施例1
如图1-图7所示,本实施例提供了一种基于算法的灾害风险预警管理系统以及预测方法,包括
基建管理单元100、数据处理单元200、风险研究单元300和预警管理单元400;所述基建管理单元100、所述数据处理单元200、所述风险研究单元300与所述预警管理单元400依次通过网络通信连接;所述基建管理单元100用于对预警管理系统运行的基础设施进行管理控制,基础设施包括设备、传感装置、数据库、通讯技术;所述数据处理单元200用于对通过各目标监测终端获取的监测数据进行聚类、统计处理;所述风险研究单元300用于构建灾害风险的层次模型并基于云计算对灾害的风险等级进行计算评估;所述预警管理单元400用于以多元形式展示分析结果并对灾害风险进行预警管理;
所述基建管理单元100包括基础设备模块101、监测传感模块102、分布数据库模块103和通讯支持模块104;
所述数据处理单元200包括采集传输模块201、密度聚类模块202、二次聚类模块203和归类统计模块204;
所述风险研究单元300包括层次模型模块301、判断计算模块302、评价分级模块303和风险评估模块304;
所述预警管理单元400包括报表图形模块401、综合报告模块402、多元展示模块403和风险告警模块404。
本实施例中,所述基础设备模块101、所述监测传感模块102、所述分布数据库模块103与所述通讯支持模块104依次通过网络通信连接;所述基础设备模块101用于提供并管理构成系统运行的处理设备;所述监测传感模块102用于在监测区域内布设若干可能形成自然灾害的气象环境目标监测终端传感器并实时获取各传感器采集的对应状态数据;所述分布数据库模块103用于基于区块链技术在云端建立分布式数据库以便在终端近端处提供数据服务;所述通讯支持模块104用于通过多种通信技术在系统各层面、系统内各设备之间建立信号连接及数据传输的通道。所述分布数据库模块103采用主备库方式进行数据同步,其中,具体包括:判断主备数据文件数量是否一致,若不一致则重传最新的控制文件;检查主库日志范围并对比备库控制文件系统改变号,若备库的控制文件小于日志范围则重传最新的控制文件;重传控制文件后,更新控制文件对应的数据文件信息;检测备库数据文件是否在主库日志范围内;重传断档的数据文件及未发送的数据文件,并更新控制文件信息;执行一次日志归档,记录最后一条记录的首次更改号,确定待传输的归档日志;将差异的归档日志从主库传输到备库;对备库进行数据恢复,保证所有数据文件都已经传输完成,并且日志应用到最新状态;重新打开备库,验证数据库是否可以正常打开,并校验数据文件是否存在传输错误。判断主备数据文件数量是否一致的具体方法流程包括如下步骤:登录到数据库,确认主库,并采用细粒度原理搭建若干备库;检测并获取主库内数据文件的数量n;检测并获取备库内数据文件的数量m;判断主备数据文件数量n和m是否一致;若数量不一致,一般为n>m,则将主库中最新的(n-m)个控制文件重新传输到备库;若数量一致,即n=m,则进入后续步骤。
其中,基础设备包括但不限于计算机、处理器、显示终端、移动终端等。
其中,目标监测终端传感器包括但不限于风力风速计、气象温度计、雷电监测设备、雷电流在线监测仪器、气象水文监测仪、降雨量监测仪等。
其中,通讯技术包括但不限于有线网、局域网、无线传输、数据流量、蓝牙、ZigBee等。
本实施例中,所述采集传输模块201的信号输出端与所述密度聚类模块202的信号输入端连接,所述密度聚类模块202的信号输出端与所述二次聚类模块203的信号输入端连接,所述二次聚类模块203的信号输出端与所述归类统计模块204的信号输入端连接;所述采集传输模块201用于通过布设的各目标监测终端采集获取相应的状态数据并实时传输到系统的数据处理单元200;所述密度聚类模块202用于在数据处理单元200统计处理的数据中随机抽取部分样本数据,对抽样数据进行基于密度的聚类处理,快速聚类确定簇数和初始簇心;所述二次聚类模块203用于将样本密度聚类获取的簇数和初始簇心作为输入条件对所有的数据处理单元200统计处理的数据进行快速聚类处理;所述归类统计模块204用于根据快速聚类的结果,根据检测数据的目标类型分别进行归类、统计及存储,以便后续对存在相关性的数据进行碰撞分析。
具体地,所述密度聚类模块202中,密度聚类的方法优选采用DBSCAN算法(基于密度的噪声应用空间聚类算法),该算法的具体步骤为:
Step1、以每一个数据点xi为圆心,以eps为半径画一个圆圈,这个圆圈被称为xi的eps邻域;
Step2、对这个圆圈内包含的点进行计算,若一个圆圈内的点数目超过了密度阈值MinPts,则将该圆圈的圆心记为核心点,又称核心对象,若某个点的eps邻域内点的个数小于密度阈值单只落在核心点的邻域内,则称该点为边界点,同时既不是核心点也不是边界点的点称为噪声点或离群点;根据eps邻域和密度阈值MinPts,依次完成所有数据的点类型判断,并删除噪声点或离群点;核心点xi的eps邻域内的所有点,都是xi的直接密度直达,若xj由xi密度直达,xk由xj密度直达,…,xn由xk密度直达,则通过密度直达的传递性可以推导出,xn由xi密度可达;如果对于xk,使xi和xj都可以由xk密度可达,则可称xi和xj密度相连,将密度相连的点连接在一起就形成了聚类簇;
Step3、将距离小于MinPts的两个核心点连接在一起,形成若干组簇;并将边界点分配到距离其最近的核心点范围内,直到形成最终的聚类结果。
本实施例中,所述层次模型模块301的信号输出端与所述判断计算模块302的信号输入端连接,所述判断计算模块302的信号输出端与所述评价分级模块303的信号输入端连接,所述评价分级模块303的信号输出端与所述风险评估模块304的信号输入端连接;所述层次模型模块301用于根据灾害风险在区域内可能造成的影响,选取多个指标分别进行归一化处理,以各指标作为灾害风险评估的初始值,并依据风险评估要求建立风险评估的层次结构模型;所述判断计算模块302用于构造各风险指标因素的判断矩阵,并通过对矩阵的分析计算来获取各指标在综合风险度评估中的权重值;所述评价分级模块303用于通过结合层次结构分析法计算各指标的权重矩阵,并结合风险评价指标建立灾害风险度评价指数的数学模型,并依据一定的评判标准来将区域内灾害的风险程度依指数划分为不同等级;所述风险评估模块304用于结合区域内大量的环境条件,分别对不同类型的灾害及风险程度进行统计评估及分析。
其中,层次结构模型可以分为三层或更多,此处优选为三层结构,具体可以为:第一层为区域内灾害风险度的目标层,第二层为灾害形成条件的准则层,第三层为综合影响因素的指标层;具体地,评估指标包括但不限于区域内灾害发生频次、区域路网密度、区域环境条件、区域人口分布密度等。
进而,可以通过区域内人口撤离难度、区域内灾害排除或重建难度等因素来综合并精确地评估灾害风险的危害程度。
进一步地,所述判断计算模块302包括构造矩阵模块3021、层次单排序模块3022、层次总排序模块3023和特征向量模块3024;所述构造矩阵模块3021的信号输出端与所述层次单排序模块3022的信号输入端连接,所述层次单排序模块3022的信号输出端与所述层次总排序模块3023的信号输入端连接,所述层次总排序模块3023的信号输出端与所述特征向量模块3024的信号输入端连接;所述构造矩阵模块3021用于在影响灾害形成的因子较多时,采用对因子进行两两对比建立成对比较矩阵的判断矩阵,以便更直观地反映层次结构中各因素之间的关系;所述层次单排序模块3022用于对构造的判断矩阵进行一致性检验以检查矩阵及由之导出的权重向量的合理性,并得出一组元素对其上一层中某元素的权重向量;所述层次总排序模块3023用于自上而下地将单准则下的权重进行合成以获取总排序权重,并由高层到低层地对层次总排序进行一致性检验;所述特征向量模块3024用于计算判断矩阵中的特征向量以作为各指标在综合风险度评估中的权重。
具体地,所述构造矩阵模块3021采用层次分析法原理,建立成对比较矩阵来对因子进行两两比较,具体为:
若矩阵
A=(aij)n×n
满足aij>0,aji=1/aij,
则称之为正互反矩阵,其中:i,j=1,2,...,n;n为矩阵的行列数;
其中,aij的值可以引用数字1~9及其倒数作为标度,来表示两个因子之间的重要程度。
其中,数字1~9及其倒数作为标度的具体含义为:1表示两个因素相比具有相同重要性,3表示两个因素相比前者比后者稍重要,5表示两个因素相比前者比后者明显重要,7表示两个因素相比前者比后者强烈重要,9表示两个因素相比前者比后者极端重要,2、4、6、8分别表示上述相邻判断的中间值,倒数含义为若因素i、因素j的重要性之比为aij,则因素j与因素i重要性之比为1/aij。
其中,构造判断矩阵的原因在于:层次结构只反映了各因素之间的关系,单准则层中的各准则在目标衡量中所占的比重并不一定相同,同时当影像灾害形成的因子较多时,直接考虑各因子对灾害有多大程度的影响时,可能会因考虑不周全而顾此失彼。
具体地,所述层次单排序模块3022、所述层次总排序模块3023中,一致性检验均采用一致性比率指标CR进行检验,其具体为:
先计算一致性指标CI:
其中,λmax为矩阵的最大特征值,n为因数的个数;
再通过查表确定相应的平均随机一致性指标RI;
然后计算一致性比例CR并进行判断:
当CR<0.1时,认为判断矩阵的一致性是可以接受的,当CR>0.1时,认为判断矩阵不符合一致性要求,需要对该判断矩阵进行重新修正。
其中,依据判断矩阵计算权向量后,只有通过一致性检验,才能说明判断矩阵在逻辑上是合理的,才能继续对结果进行分析。
具体地,所述评价分级模块303中,区域内灾害风险度评价指数的数学模型为:
式中,w为风险程度指数,m为风险程度评价指标总数,R(j)为各评价指标的权重值,Y(j)为各指标的归一化指数值。
本实施例中,所述报表图形模块401、所述综合报告模块402、所述多元展示模块403与所述风险告警模块404依次通过网络通信连接;所述报表图形模块401用于通过装载在预警管理系统内的绘图软件,实时将统计、计算及分析出的数据绘制成相应的表格或统计图形;所述综合报告模块402用于结合数据信息及绘制的图形来生成综合性的灾害风险评估预警报告;所述多元展示模块403用于通过多种结构模式或界面形式实时将计算分析的灾害风险情况展现在显示终端上;所述风险告警模块404用于在监测到某种气象因素达到一定的灾害风险程度时通过多种方式发出告警。
其中,风险告警的方式包括闪屏、弹窗、警报音、短信通知等。
本实施例还提供了一种基于算法的灾害风险预警管理系统以及预测方法的运行方法,包括:
首先通过布设在监测区域内各处的多种目标监测终端实时采集对应的目标状态数据并传输到数据处理单元200,对大量的数据进行密度聚类及快速的二次聚类操作,并按照不同监测目标对数据分别进行归类、统计及存储操作,其次将属于同一类的目标数据导入层次模型中,通过层次结构分析方法,判断计算各指标因素对灾害风险的影响程度,再依此计算各指标因素的评价权重值,并分别对各监测目标可引起的灾害风险程度进行评估、排序及等级划分操作,然后将实时计算分析的结果绘制成直观的图表,并自动生成相应综合性报告以便上报及存储管理,最后根据预设的告警方式,将分析预测出的灾害风险及相关信息反馈到公众用户。
如图1所示,本实施例还提供了一种基于算法的灾害风险预警管理系统以及预测方法的示例性产品架构,包括计算机处理器1,计算机处理器1内装载有计算模型2,计算机处理器1外通讯连接有若干目标监测传感器3,计算机处理器1还无线连接有云端数据库4,计算机处理器1外信号连接有显示大屏5,用户7可通过显示大屏5或移动终端6访问系统并获取反馈信息。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于云计算的灾害风险预警管理系统,其特征在于:包括
基建管理单元(100)、数据处理单元(200)、风险研究单元(300)和预警管理单元(400);所述基建管理单元(100)、所述数据处理单元(200)、所述风险研究单元(300)与所述预警管理单元(400)依次通过网络通信连接;所述基建管理单元(100)用于对预警管理系统运行的基础设施进行管理控制,所述基础设施包括设备、传感装置、数据库、通讯技术;所述数据处理单元(200)用于对通过各目标监测终端获取的监测数据进行聚类、统计处理;所述风险研究单元(300)用于构建灾害风险的层次模型并基于云计算对灾害的风险等级进行计算评估;所述预警管理单元(400)用于以多元形式展示分析结果并对灾害风险进行预警管理;
所述基建管理单元(100)包括基础设备模块(101)、监测传感模块(102)、分布数据库模块(103)和通讯支持模块(104);
所述数据处理单元(200)包括采集传输模块(201)、密度聚类模块(202)、二次聚类模块(203)和归类统计模块(204);
所述风险研究单元(300)包括层次模型模块(301)、判断计算模块(302)、评价分级模块(303)和风险评估模块(304);
所述预警管理单元(400)包括报表图形模块(401)、综合报告模块(402)、多元展示模块(403)和风险告警模块(404);
所述基础设备模块(101)、所述监测传感模块(102)、所述分布数据库模块(103)与所述通讯支持模块(104)依次通过网络通信连接;所述基础设备模块(101)用于提供并管理构成系统运行的处理设备;所述监测传感模块(102)用于在监测区域内布设若干可能形成自然灾害的气象环境目标监测终端传感器并实时获取各传感器采集的对应状态数据;所述分布数据库模块(103)用于基于区块链技术在云端建立分布式数据库以便在终端近端处提供数据服务;所述通讯支持模块(104)用于通过多种通信技术在系统各层面、系统内各设备之间建立信号连接及数据传输的通道;所述分布数据库模块(103)采用主备库方式进行数据同步,其中,具体包括:判断主备数据文件数量是否一致,若不一致则重传最新的控制文件;检查主库日志范围并对比备库控制文件系统改变号,若备库的控制文件小于日志范围则重传最新的控制文件;重传控制文件后,更新控制文件对应的数据文件信息;检测备库数据文件是否在主库日志范围内;重传断档的数据文件及未发送的数据文件,并更新控制文件信息;执行一次日志归档,记录最后一条记录的首次更改号,确定待传输的归档日志;将差异的归档日志从主库传输到备库;对备库进行数据恢复,保证所有数据文件都已经传输完成,并且日志应用到最新状态;重新打开备库,验证数据库是否可以正常打开,并校验数据文件是否存在传输错误;判断主备数据文件数量是否一致的具体方法流程包括如下步骤:登录到数据库,确认主库,并采用细粒度原理搭建若干备库;检测并获取主库内数据文件的数量n;检测并获取备库内数据文件的数量m;判断主备数据文件数量n和m是否一致;若数量不一致,为n>m,则将主库中最新的(n-m)个控制文件重新传输到备库;若数量一致,即n=m,则进入后续步骤;
所述采集传输模块(201)的信号输出端与所述密度聚类模块(202)的信号输入端连接,所述密度聚类模块(202)的信号输出端与所述二次聚类模块(203)的信号输入端连接,所述二次聚类模块(203)的信号输出端与所述归类统计模块(204)的信号输入端连接;所述采集传输模块(201)用于通过布设的各目标监测终端采集获取相应的状态数据并实时传输到预警管理系统的数据处理单元(200);所述密度聚类模块(202)用于在数据处理单元(200)统计处理的数据中随机抽取部分样本数据,对抽样数据进行基于密度的聚类处理,快速聚类确定簇数和初始簇心;所述二次聚类模块(203)用于将样本密度聚类获取的簇数和初始簇心作为输入条件对数据处理单元(200)统计处理的数据进行快速聚类处理;所述归类统计模块(204)用于根据快速聚类的结果,根据检测数据的目标类型分别进行归类、统计及存储,以便后续对存在相关性的数据进行碰撞分析;
所述层次模型模块(301)的信号输出端与所述判断计算模块(302)的信号输入端连接,所述判断计算模块(302)的信号输出端与所述评价分级模块(303)的信号输入端连接,所述评价分级模块(303)的信号输出端与所述风险评估模块(304)的信号输入端连接;所述层次模型模块(301)用于根据灾害风险在区域内可能造成的影响,选取多个指标分别进行归一化处理,以各指标作为灾害风险评估的初始值,并依据风险评估要求建立风险评估的层次结构模型;所述判断计算模块(302)用于构造各风险指标因素的判断矩阵,并通过对矩阵的分析计算来获取各指标在综合风险度评估中的权重值;所述评价分级模块(303)用于通过结合层次结构分析法计算各指标的权重矩阵,并结合风险评价指标建立灾害风险度评价指数的数学模型,并依据一定的评判标准来将区域内灾害的风险程度依指数划分为不同等级;所述风险评估模块(304)用于结合区域内大量的环境条件,分别对不同类型的灾害及风险程度进行统计评估及分析;
所述判断计算模块(302)包括构造矩阵模块(3021)、层次单排序模块(3022)、层次总排序模块(3023)和特征向量模块(3024);所述构造矩阵模块(3021)的信号输出端与所述层次单排序模块(3022)的信号输入端连接,所述层次单排序模块(3022)的信号输出端与所述层次总排序模块(3023)的信号输入端连接,所述层次总排序模块(3023)的信号输出端与所述特征向量模块(3024)的信号输入端连接;所述构造矩阵模块(3021)用于在影响灾害形成的因子较多时,采用对因子进行两两对比建立成对比较矩阵的判断矩阵,以便更直观地反映层次结构中各因素之间的关系;所述层次单排序模块(3022)用于对构造的判断矩阵进行一致性检验以检查矩阵及由之导出的权重向量的合理性,并得出一组元素对其上一层中某元素的权重向量;所述层次总排序模块(3023)用于自上而下地将单准则下的权重进行合成以获取总排序权重,并由高层到低层地对层次总排序进行一致性检验;所述特征向量模块(3024)用于计算判断矩阵中的特征向量以作为各指标在综合风险度评估中的权重;
所述密度聚类模块(202)中,密度聚类的方法采用DBSCAN算法,该算法的具体步骤为:
Step1、以每一个数据点xi为圆心,以eps为半径画一个圆圈,这个圆圈被称为xi的eps邻域;
Step2、对这个圆圈内包含的点进行计算,若一个圆圈内的点数目超过了密度阈值MinPts,则将该圆圈的圆心记为核心点,又称核心对象,若某个点的eps邻域内点的个数小于密度阈值,且该点单独落在核心点的邻域内,则称该点为边界点,同时既不是核心点也不是边界点的点称为噪声点或离群点;根据eps邻域和密度阈值MinPts,依次完成所有数据的点类型判断,并删除噪声点或离群点;核心点xi的eps邻域内的所有点,都是xi的直接密度直达,若xj由xi密度直达,xk由xj密度直达,...,xn由xk密度直达,则通过密度直达的传递性可以推导出,xn由xi密度可达;如果对于xk,使xi和xj都可以由xk密度可达,则可称xi和xj密度相连,将密度相连的点连接在一起就形成了聚类簇;
Step3、将距离小于MinPts的两个核心点连接在一起,形成若干组簇;并将边界点分配到距离边界点最近的核心点范围内,直到形成最终的聚类结果。
2.根据权利要求1所述的基于云计算的灾害风险预警管理系统,其特征在于:所述构造矩阵模块(3021)采用层次分析法原理,建立成对比较矩阵来对因子进行两两比较,具体为:
若矩阵
A=(aij)n×n
满足aij>0,aji=1/aij,
则称之为正互反矩阵,其中:i,j=1,2,...,n;n为矩阵的行列数;
其中,aij的值可以引用数字1~9及其倒数作为标度,来表示两个因子之间的重要程度。
5.根据权利要求3所述的基于云计算的灾害风险预警管理系统,其特征在于:所述报表图形模块(401)、所述综合报告模块(402)、所述多元展示模块(403)与所述风险告警模块(404)依次通过网络通信连接;所述报表图形模块(401)用于通过装载在预警管理系统内的绘图软件,实时将统计、计算及分析出的数据绘制成相应的表格或统计图形;所述综合报告模块(402)用于结合数据信息及绘制的图形来生成综合性的灾害风险评估预警报告;所述多元展示模块(403)用于通过多种结构模式或界面形式实时将计算分析的灾害风险情况展现在显示终端上;所述风险告警模块(404)用于在监测到某种气象因素达到一定的灾害风险程度时通过多种方式发出告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093017.7A CN115759729A (zh) | 2021-11-12 | 2021-11-12 | 一种基于算法的灾害风险预警管理系统以及预测方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211093017.7A CN115759729A (zh) | 2021-11-12 | 2021-11-12 | 一种基于算法的灾害风险预警管理系统以及预测方法 |
CN202111336182.6A CN113780902B (zh) | 2021-11-12 | 2021-11-12 | 一种基于云计算的灾害风险预警管理系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111336182.6A Division CN113780902B (zh) | 2021-11-12 | 2021-11-12 | 一种基于云计算的灾害风险预警管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759729A true CN115759729A (zh) | 2023-03-07 |
Family
ID=78956987
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211093017.7A Pending CN115759729A (zh) | 2021-11-12 | 2021-11-12 | 一种基于算法的灾害风险预警管理系统以及预测方法 |
CN202111336182.6A Active CN113780902B (zh) | 2021-11-12 | 2021-11-12 | 一种基于云计算的灾害风险预警管理系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111336182.6A Active CN113780902B (zh) | 2021-11-12 | 2021-11-12 | 一种基于云计算的灾害风险预警管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115759729A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116755350A (zh) * | 2023-08-24 | 2023-09-15 | 深圳小米房产网络科技有限公司 | 基于智能家居物联网技术的房屋安全监测与预警系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962992A (zh) * | 2021-12-21 | 2022-01-21 | 青岛大学附属医院 | 基于深度学习的泌尿结石平扫ct图像识别系统及训练方法 |
CN114626475B (zh) * | 2022-03-21 | 2022-11-11 | 中山大学 | 严重旱涝事件的时空变化分析方法、装置和设备 |
CN115270266B (zh) * | 2022-08-03 | 2023-06-30 | 南昌大学 | 基于改进层次分析法的边坡监测状态风险判断方法 |
CN115640496B (zh) * | 2022-12-16 | 2023-03-10 | 天津众联智能科技有限责任公司 | 基于改进层次分析法的电气隐患判断方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945195B (zh) * | 2012-11-26 | 2015-11-18 | 国电南瑞科技股份有限公司 | 一种基于SQLite数据库的主备冗余复制方法 |
CN104252481B (zh) * | 2013-06-27 | 2018-10-19 | 阿里巴巴集团控股有限公司 | 主从数据库一致性的动态校验方法和装置 |
CN105069160A (zh) * | 2015-08-26 | 2015-11-18 | 国家电网公司 | 一种基于自主可控数据库的高可用性方法及构架 |
CN106802895B (zh) * | 2015-11-26 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 用于修复数据库备库数据的方法和设备 |
CN112314044A (zh) * | 2018-07-02 | 2021-02-02 | 瑞典爱立信有限公司 | 分组数据汇聚协议数据恢复 |
CN111694894A (zh) * | 2020-04-26 | 2020-09-22 | 中国建设银行股份有限公司 | 对数据同步进行监控的方法、服务器、设备和存储介质 |
CN112307045A (zh) * | 2020-11-11 | 2021-02-02 | 支付宝(杭州)信息技术有限公司 | 一种数据同步方法及系统 |
CN112990797A (zh) * | 2021-05-13 | 2021-06-18 | 江西省自然资源厅国土资源勘测规划院 | 基于云计算技术的灾害风险预警管理方法、装置 |
-
2021
- 2021-11-12 CN CN202211093017.7A patent/CN115759729A/zh active Pending
- 2021-11-12 CN CN202111336182.6A patent/CN113780902B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116755350A (zh) * | 2023-08-24 | 2023-09-15 | 深圳小米房产网络科技有限公司 | 基于智能家居物联网技术的房屋安全监测与预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113780902A (zh) | 2021-12-10 |
CN113780902B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780902B (zh) | 一种基于云计算的灾害风险预警管理系统 | |
CN112819207B (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
CN104933841B (zh) | 一种基于自组织神经网络的火灾预测方法 | |
US8924332B2 (en) | Forecasting hotspots using predictive visual analytics approach | |
WO2019067627A1 (en) | SYSTEMS AND METHODS OF RISK ANALYSIS | |
CN110555617A (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
CN104636449A (zh) | 基于lsa-gcc的分布式大数据系统风险识别方法 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和系统 | |
CN106779215B (zh) | 一种基于机器学习的电网全局延时态势感知方法 | |
CN112765257A (zh) | 一种基于时序序列预测温度的环境采集系统设计的方法 | |
CN111815177A (zh) | 消防安全评估方法、服务器、系统及存储介质 | |
CN113781767A (zh) | 一种基于多源感知的交通数据融合方法及系统 | |
CN110490486B (zh) | 一种企业大数据管理系统 | |
CN110689140A (zh) | 一种通过大数据进行轨交报警数据智能管理的方法 | |
CN111223567A (zh) | 一种基于区域医学影像的疑似疾病风险范围的计算方法 | |
CN112101759A (zh) | 高速公路隧道的风险评估模型构建、风险评估方法及装置 | |
CN114880954A (zh) | 一种基于机器学习的滑坡敏感性的评估方法 | |
CN112561260B (zh) | 城区安全隐患的智慧管理方法、系统、终端及存储介质 | |
CN115294048A (zh) | 一种异物检测方法、装置、设备及存储介质 | |
CN111654853B (zh) | 一种基于用户信息的数据分析方法 | |
CN113807587A (zh) | 一种基于多梯核深度神经网络模型积分预警方法以及系统 | |
CN112562862A (zh) | 疫情信息识别方法、装置和设备 | |
CN117726181B (zh) | 一种煤矿典型灾害风险异构信息协同融合与分级预测方法 | |
CN116029578B (zh) | 服务对象业务水平检测方法、装置、电子设备及存储介质 | |
CN115830873B (zh) | 城市道路交通事件分类方法、装置、设备及可读存储介质 |
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 |