CN115860468A - 水旱灾害的动态评估预测方法和装置 - Google Patents

水旱灾害的动态评估预测方法和装置 Download PDF

Info

Publication number
CN115860468A
CN115860468A CN202211533862.1A CN202211533862A CN115860468A CN 115860468 A CN115860468 A CN 115860468A CN 202211533862 A CN202211533862 A CN 202211533862A CN 115860468 A CN115860468 A CN 115860468A
Authority
CN
China
Prior art keywords
flood
drought
economic loss
historical
disasters
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
Application number
CN202211533862.1A
Other languages
English (en)
Inventor
董雯怡
雷添杰
秦景
李翔宇
姚瑞虎
涂勇
王璐
王彦红
牛洁
王玮伟
张丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Institute of Environment and Sustainable Development in Agriculturem of CAAS
Original Assignee
China Institute of Water Resources and Hydropower Research
Institute of Environment and Sustainable Development in Agriculturem of CAAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research, Institute of Environment and Sustainable Development in Agriculturem of CAAS filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202211533862.1A priority Critical patent/CN115860468A/zh
Publication of CN115860468A publication Critical patent/CN115860468A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及灾害预测技术领域，是关于一种水旱灾害的动态评估预测方法和装置，方法包括：获取目标区域内各个地区的历史农作物损失量；根据所述历史农作物损失量计算历史农作物经济损失指数；根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。通过该技术方案，实现目标区域的水旱灾害损失的动态评估。

Description

水旱灾害的动态评估预测方法和装置
技术领域
本发明涉及灾害预测技术领域，尤其涉及一种海水旱灾害的动态评估预测方法和装置。
背景技术
随着全球变暖现象日益加剧，气候变化产生的极端灾害事件不断增加已成为21世纪人类所面临的严峻挑战之一。由于人类对自然资源的过度开采，已严重地破坏当前地球上的生态环境。中国是全球自然灾害发生频繁地国家之一，每年由于自然灾害所造成的损失达上千亿元。其中水旱灾害带来的经济损失更为严重，据记载，21世纪以来，旱灾发生持续时间变长，影响范围大，旱灾损失也逐渐加重，我国每年旱灾受灾面积占各种自然灾害受灾面积40％以上，旱灾造成的农业损失占各种自然灾害损失总量的60％以上，旱灾造成的受灾人口占各种自然灾害受灾人口的50％以上。水旱灾害已成为影响我国粮食产量的重要影响因子，同时也是抑制我国农业快速发展的重要胁迫因子，因此合理、科学、定量地评估水旱地区的受灾人口是抗旱减灾的重要举措，对抗旱减灾工程具有十分重要的意义。
国内外关于水旱区域的经济损失、灾害承载量、灾害程度、受灾人口等有很多，对上述研究有利于针对旱情区域的风险评估、抗旱减灾、水旱治理等有着十分重要的意义。大多数学者针对水旱区域的受灾人口、水旱承载量、灾害程度、经济损失研究往往针对整个旱情区域进行评估。但是旱情区域的受灾人口、水旱承载量、灾害程度、经济损失并不是统一的，而是呈区域型的，因此应将水旱区域进行合理的网格区域划分，获取的水旱区域的受灾人口、水旱承载量、灾害程度、经济损失等指数才具有科学性、合理性。
发明内容
为克服相关技术中存在的问题，本发明提供一种水旱灾害的动态评估预测方法和装置，从而实现目标区域的水旱灾害损失的动态评估。
根据本发明实施例的第一方面，提供一种水旱灾害的动态评估预测方法，所述方法包括：
获取目标区域内各个地区的历史农作物损失量；
根据所述历史农作物损失量计算历史农作物经济损失指数；
根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
在一个实施例中，优选地，采用以下第一计算公式计算所述历史农作物经济损失指数：
Figure BDA0003976807320000021
其中，I表示水灾或旱灾导致的农业经济损失指数，表示农业经济总产值因水灾或旱灾损失的比重；S表示当年农作物播种总面积，单位设为0.1万hm2；Si表示水灾或旱灾造成农作物成灾面积，单位设为0.1万hm2；SI为当年因水灾或旱灾造成的农作物成灾总面积，单位设为0.1万hm2。
在一个实施例中，优选地，采用以下第二计算公式计算所述历史农业经济损失指数的波动系数：
Figure BDA0003976807320000022
其中，λit表示第t年第i个地区的水旱灾害波动系数，通过波动系数来评估水旱灾害损失程度，λit越大表示该地区的受灾损失越大，反之λit越小表示该地区的受灾损失越小；It表示第t年水旱灾害导致的农业经济损失指数；I表示目标区域从1949年以来水旱灾害导致的农业经济损失指数均值。
在一个实施例中，优选地，根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级，包括：
当所述波动系数小于第一阈值时，确定对应的水旱灾害的等级为轻级；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级，其中，第二阈值大于所述第一阈值；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级；
当所述波动系数大于所述第二阈值时，确定对应的水旱灾害的等级为重级。
在一个实施例中，优选地，根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失，包括：
采用以下第三公式计算所述目标区域内的水旱灾害损失：
Figure BDA0003976807320000031
其中，P表示水旱灾害发生的概率；α表示截距；β表示回归系数，X表示所述历史农作物经济损失指数，当输出结果P为0时，则表示水旱灾害发生的概率为0；当输出结果P为1时，则表示水旱灾害发生的概率为100％。
在一个实施例中，优选地，所述方法还包括：
将所述目标区域内的各个地区的历史农作物经济损失指数按照不同水旱灾害的等级按照Logistic回归模型进行分类预测，并统计每个水旱灾害等级所预测的第一数据集个数；
统计实际的水旱灾害等级所对应的第二数据集个数；
将所述第一数据集个数与所述第二数据集个数进行对比，以确定所述Logistic回归模型的预测精度；
当所述预测精度小于预设精度时，调整所述截距和回归系数，重新确定所述Logistic回归模型。
根据本发明实施例的第二方面，提供一种水旱灾害的动态评估预测装置，所述装置包括：
获取模块，用于获取目标区域内各个地区的历史农作物损失量；
第一计算模块，用于根据所述历史农作物损失量计算历史农作物经济损失指数；
第二计算模块，用于根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
划分模块，用于根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
预测模块，用于根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
根据本发明实施例的第三方面，提供一种水旱灾害的动态评估预测装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标区域内各个地区的历史农作物损失量；
根据所述历史农作物损失量计算历史农作物经济损失指数；
根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第二方面的实施例中任一项所述方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明为了合理、科学、定量地估算水旱灾害受损情况，提出了一种基于Logistic回归模型的水旱灾害受损动态评估预测方法，该方法首先采集目标区域内各个市、县、乡自从1949年以来的农作物损失量，然后计算各个市、县、乡的农作物经济损失指数，采用波动系数获取各个地区在各个年份的水旱灾害波动系数，按照波动系数的取值范围划分不同等级的农业经济指数，最后采用Logistic回归模型完成各个地区在各个年份的农业经济损失指数，从而完成目标区域水旱灾害损失动态评估，进一步完成不同水旱灾害等级的农业经济损失指数的精度评估。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种水旱灾害的动态评估预测方法的流程图。
图2是根据一示例性实施例示出的另一种水旱灾害的动态评估预测方法的流程图。
图3是根据一示例性实施例示出的一种水旱灾害的动态评估预测装置的框图。
图4是根据一示例性实施例示出的另一种水旱灾害的动态评估预测装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种水旱灾害的动态评估预测方法的流程图。
如图1所示，根据本发明实施例的第一方面，提供一种水旱灾害的动态评估预测方法，所述方法包括：
步骤S101，获取目标区域内各个地区的历史农作物损失量；例如，目标区域为河南省，则可以通过年鉴、文献、网络等渠道收集河南省从1949年以来所有市、县、乡等农作物损失量。
步骤S102，根据所述历史农作物损失量计算历史农作物经济损失指数；
根据水灾、旱灾等自然灾害造成的农作物产量损失来计算农业经济损失最基本的常规方法，采用资料完备的农作物成灾面积来构建农业经济损失模型。研究以河南省水灾、旱灾成灾面积为基础构建农业经济水旱灾损指数。农业经济损失指数建立过程如式1所示：
Figure BDA0003976807320000071
其中，I为水灾或旱灾导致的农业经济损失指数，表示农业经济总产值因水灾或旱灾损失的比重；S为当年农作物播种总面积，单位设为0.1万hm2；Si为水灾或旱灾造成农作物成灾面积，单位设为0.1万hm2；SI为当年因水灾或旱灾造成的农作物成灾总面积，单位设为0.1万hm2。
步骤S103，根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；波动系数是基于统计中样本对整体偏差的去均值后标准化处理原理，主要衡量每个年份的水旱灾害值相对于整体平均的水旱灾害值出现偏差的程度，可以消除绝对值比较的不足。波动系数的计算过程如式2所示：
Figure BDA0003976807320000072
/>
其中，λit是指第t年第i个地区的水旱灾害波动系数，通过波动系数来评估水旱灾害损失程度，λit越大表示该地区的受灾损失越大，反之λit越小表示该地区的受灾损失越小；It来表示第t年水旱灾害导致的农业经济损失指数；
Figure BDA0003976807320000073
来表示河南省从1949年以来水旱灾害导致的农业经济损失指数均值。
步骤S104，根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
在一个实施例中，优选地，根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级，包括：
当所述波动系数小于第一阈值时，确定对应的水旱灾害的等级为轻级；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级，其中，第二阈值大于所述第一阈值；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级；
当所述波动系数大于所述第二阈值时，确定对应的水旱灾害的等级为重级。
例如，λit<1为轻旱，1<λit<3为中旱，λit>3为重旱，从而根据河南省各个市、县、乡在各个年份的波动系数实现旱情等级情况的划分。
步骤S105，根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
建立逻辑回归模型，实现水旱灾害预测评估。研究采用Logistic回归模型对河南省各个市、县、乡的农业经济损失指数进行回归预测。Logistic回归模型描述的是二元因变量与自变量之间的关系，其中设水旱灾害不发生为0，水旱灾害发生为1。Logistic回归函数如式3所示：
Figure BDA0003976807320000081
其中，P为水旱灾害发生的概率；α为截距；β为回归系数，X为历史农作物经济损失指数。当输出结果P为0时，则表示水旱灾害发生的概率为0；当输出结果P为1时，则表示水旱灾害发生的概率为100％。上式可变形为：
Figure BDA0003976807320000082
其中，影响因子Xi(i＝1,2,3...n)为自变量，表示历史农作物经济损失指数，
Figure BDA0003976807320000091
作为因变量。
图2是根据一示例性实施例示出的另一种水旱灾害的动态评估预测方法的流程图。
如图2所示，在一个实施例中，优选地，所述方法还包括：
步骤S201，将所述目标区域内的各个地区的历史农作物经济损失指数按照不同水旱灾害的等级按照Logistic回归模型进行分类预测，并统计每个水旱灾害等级所预测的第一数据集个数；
步骤S202，统计实际的水旱灾害等级所对应的第二数据集个数；
步骤S203，将所述第一数据集个数与所述第二数据集个数进行对比，以确定所述Logistic回归模型的预测精度；
步骤S204，当所述预测精度小于预设精度时，调整所述截距和回归系数，重新确定所述Logistic回归模型。
例如，根据上述波动系数的取值范围确定水旱灾害等级，将河南省自从1949年以来所有市、县、乡所获取的农业经济损失指数按照不同水旱灾害等级按照Logistic回归模型进行分类预测，统计实际的干旱等级所对应的数据集个数，并与Logistic回归模型所预测的数据集个数进行对比，精度达到85％则认为模型具备可行性；反之，精度未达到85％则认为模型不具备可行性，改变截距和回归系数，重新确定模型。
图3是根据一示例性实施例示出的一种水旱灾害的动态评估预测装置的框图。
如图3所示，根据本发明实施例的第二方面，提供一种水旱灾害的动态评估预测装置，所述装置包括：
获取模块31，用于获取目标区域内各个地区的历史农作物损失量；
第一计算模块32，用于根据所述历史农作物损失量计算历史农作物经济损失指数；
第二计算模块33，用于根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
划分模块34，用于根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
预测模块35，用于根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
在一个实施例中，优选地，采用以下第一计算公式计算所述历史农作物经济损失指数：
Figure BDA0003976807320000101
其中，I表示水灾或旱灾导致的农业经济损失指数，表示农业经济总产值因水灾或旱灾损失的比重；S表示当年农作物播种总面积，单位设为0.1万hm2；Si表示水灾或旱灾造成农作物成灾面积，单位设为0.1万hm2；SI为当年因水灾或旱灾造成的农作物成灾总面积，单位设为0.1万hm2。
在一个实施例中，优选地，采用以下第二计算公式计算所述历史农业经济损失指数的波动系数：
Figure BDA0003976807320000102
其中，λit表示第t年第i个地区的水旱灾害波动系数，通过波动系数来评估水旱灾害损失程度，λit越大表示该地区的受灾损失越大，反之λit越小表示该地区的受灾损失越小；It表示第t年水旱灾害导致的农业经济损失指数；
Figure BDA0003976807320000103
表示目标区域从1949年以来水旱灾害导致的农业经济损失指数均值。
在一个实施例中，优选地，所述划分模块具体用于：
当所述波动系数小于第一阈值时，确定对应的水旱灾害的等级为轻级；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级，其中，第二阈值大于所述第一阈值；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级；
当所述波动系数大于所述第二阈值时，确定对应的水旱灾害的等级为重级。
在一个实施例中，优选地，所述预测模块用于：
采用以下第三公式计算所述目标区域内的水旱灾害损失：
Figure BDA0003976807320000111
其中，P表示水旱灾害发生的概率；α表示截距；β表示回归系数，X表示所述历史农作物经济损失指数，当输出结果P为0时，则表示水旱灾害发生的概率为0；当输出结果P为1时，则表示水旱灾害发生的概率为100％。
图4是根据一示例性实施例示出的另一种水旱灾害的动态评估预测装置的框图。
如图4所示，在一个实施例中，优选地，所述装置还包括：
第一统计模块41，用于将所述目标区域内的各个地区的历史农作物经济损失指数按照不同水旱灾害的等级按照Logistic回归模型进行分类预测，并统计每个水旱灾害等级所预测的第一数据集个数；
第二统计模块42，用于统计实际的水旱灾害等级所对应的第二数据集个数；
对比模块43，用于将所述第一数据集个数与所述第二数据集个数进行对比，以确定所述Logistic回归模型的预测精度；
调整模块44，用于当所述预测精度小于预设精度时，调整所述截距和回归系数，重新确定所述Logistic回归模型。
根据本发明实施例的第三方面，提供一种水旱灾害的动态评估预测装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标区域内各个地区的历史农作物损失量；
根据所述历史农作物损失量计算历史农作物经济损失指数；
根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第二方面的实施例中任一项所述方法的步骤。
进一步可以理解的是，本发明中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
进一步可以理解的是，本发明实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (9)

1.一种水旱灾害的动态评估预测方法，其特征在于，所述方法包括：
获取目标区域内各个地区的历史农作物损失量；
根据所述历史农作物损失量计算历史农作物经济损失指数；
根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
2.根据权利要求1所述的方法，其特征在于，采用以下第一计算公式计算所述历史农作物经济损失指数：
Figure FDA0003976807310000011
其中，I表示水灾或旱灾导致的农业经济损失指数，表示农业经济总产值因水灾或旱灾损失的比重；S表示当年农作物播种总面积，单位设为0.1万hm2；Si表示水灾或旱灾造成农作物成灾面积，单位设为0.1万hm2；SI为当年因水灾或旱灾造成的农作物成灾总面积，单位设为0.1万hm2。
3.根据权利要求1所述的方法，其特征在于，采用以下第二计算公式计算所述历史农业经济损失指数的波动系数：
Figure FDA0003976807310000012
其中，λit表示第t年第i个地区的水旱灾害波动系数，通过波动系数来评估水旱灾害损失程度；It表示第t年水旱灾害导致的农业经济损失指数；
Figure FDA0003976807310000013
表示目标区域从1949年以来水旱灾害导致的农业经济损失指数均值。
4.根据权利要求1所述的方法，其特征在于，根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级，包括：
当所述波动系数小于第一阈值时，确定对应的水旱灾害的等级为轻级；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级，其中，第二阈值大于所述第一阈值；
当所述波动系数大于或等于第一阈值，小于或等于第二阈值时，确定对应的水旱灾害的等级为中级；
当所述波动系数大于所述第二阈值时，确定对应的水旱灾害的等级为重级。
5.根据权利要求1所述的方法，其特征在于，根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失，包括：
采用以下第三公式计算所述目标区域内的水旱灾害损失：
Figure FDA0003976807310000021
/>
其中，P表示水旱灾害发生的概率；α表示截距；β表示回归系数，X表示所述历史农作物经济损失指数，当输出结果P为0时，则表示水旱灾害发生的概率为0；当输出结果P为1时，则表示水旱灾害发生的概率为100％。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述目标区域内的各个地区的历史农作物经济损失指数按照不同水旱灾害的等级按照Logistic回归模型进行分类预测，并统计每个水旱灾害等级所预测的第一数据集个数；
统计实际的水旱灾害等级所对应的第二数据集个数；
将所述第一数据集个数与所述第二数据集个数进行对比，以确定所述Logistic回归模型的预测精度；
当所述预测精度小于预设精度时，调整所述截距和回归系数，重新确定所述Logistic回归模型。
7.一种水旱灾害的动态评估预测装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域内各个地区的历史农作物损失量；
第一计算模块，用于根据所述历史农作物损失量计算历史农作物经济损失指数；
第二计算模块，用于根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
划分模块，用于根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
预测模块，用于根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
8.一种水旱灾害的动态评估预测装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标区域内各个地区的历史农作物损失量；
根据所述历史农作物损失量计算历史农作物经济损失指数；
根据所述历史农作物经济损失指数，计算各个地区的历史农业经济损失指数的波动系数；
根据所述历史农业经济损失指数的波动系数划分水旱灾害的等级；
根据所述历史农作物经济损失指数和划分的水旱灾害的等级，采用Logistic回归模型对各个地区的经济损失指数进行回归预测，以动态评估所述目标区域内的水旱灾害损失。
9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202211533862.1A 2022-12-02 2022-12-02 水旱灾害的动态评估预测方法和装置 Pending CN115860468A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211533862.1A CN115860468A (zh) 2022-12-02 2022-12-02 水旱灾害的动态评估预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211533862.1A CN115860468A (zh) 2022-12-02 2022-12-02 水旱灾害的动态评估预测方法和装置

Publications (1)

Publication Number Publication Date
CN115860468A true CN115860468A (zh) 2023-03-28

Family

ID=85669113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211533862.1A Pending CN115860468A (zh) 2022-12-02 2022-12-02 水旱灾害的动态评估预测方法和装置

Country Status (1)

Country Link
CN (1) CN115860468A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433031A (zh) * 2023-04-26 2023-07-14 中国农业科学院农业环境与可持续发展研究所 基于投入-产出模型实现自然灾害的动态损失评估方法
CN116433031B (zh) * 2023-04-26 2024-06-28 中国农业科学院农业环境与可持续发展研究所 基于投入-产出模型实现自然灾害的动态损失评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433031A (zh) * 2023-04-26 2023-07-14 中国农业科学院农业环境与可持续发展研究所 基于投入-产出模型实现自然灾害的动态损失评估方法
CN116433031B (zh) * 2023-04-26 2024-06-28 中国农业科学院农业环境与可持续发展研究所 基于投入-产出模型实现自然灾害的动态损失评估方法

Similar Documents

Publication Publication Date Title
Azad et al. Efficient water use for sustainable irrigation industry
Karanovic et al. Developing an aggregate index for measuring financial stability in the Balkans
Paulo et al. Influence of precipitation changes on the SPI and related drought severity. An analysis using long-term data series
Nruthya et al. Evaluating methods to predict streamflow at ungauged sites using regional flow duration curves: A case study
Cravo et al. Economic growth in Brazil: a spatial filtering approach
Huttunen et al. Temporal variability in taxonomic completeness of stream macroinvertebrate assemblages
CN113128893A (zh) 区域防旱减灾的评估方法和装置
CN113033997A (zh) 基于改进集对分析的城市水质等级确定方法、装置及介质
De Ornellas et al. The impact of data realities on conservation planning
Potop et al. Drought episodes in the Czech Republic and their potential effects in agriculture
CN111401677A (zh) 生态水利工程的综合评价方法
CN109523077B (zh) 一种风电功率预测方法
Roman et al. Efficiency of pension systems in the EU countries
Nelson Bias in common catch-curve methods applied to age frequency data from fish surveys
KR101343097B1 (ko) 홍수 취약성 평가를 위한 퍼지 탑시스 접근방법
Wolter et al. Characterization of European lampreys and fishes by their longitudinal and lateral distribution traits
CN109740877A (zh) 一种分湖富营养化营养足迹指数评价方法
CN115860468A (zh) 水旱灾害的动态评估预测方法和装置
CN115239156B (zh) 一种城镇化指标对水系结构的影响警示方法和装置
Ahmadalipour Multi-dimensional drought risk assessment based on socio-economic vulnerabilities and hydro-climatological factors
CN116562698A (zh) 蓄滞洪区协调发展评估方法、系统、设备和存储介质
Ekhtiari et al. Application of effective drought index (EDI) in characterizing drought periods (case study: Tabriz, Bandar-e Anzali and Zahedan stations)
Wang et al. Receding water line and interspecific competition determines plant community composition and diversity in wetlands in Beijing
Lewandowska-Gwarda et al. Analysis of internal emigration in Poland using the spatial dynamic shift-share method
CN115600822B (zh) 跨省江河流域初始水权分配方法和系统

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