CN116050824A - 一种复合灾害的态势感知与应急评价方法及系统 - Google Patents
一种复合灾害的态势感知与应急评价方法及系统 Download PDFInfo
- Publication number
- CN116050824A CN116050824A CN202211614866.2A CN202211614866A CN116050824A CN 116050824 A CN116050824 A CN 116050824A CN 202211614866 A CN202211614866 A CN 202211614866A CN 116050824 A CN116050824 A CN 116050824A
- Authority
- CN
- China
- Prior art keywords
- disaster
- composite
- risk
- water area
- data
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 164
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 201
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000012502 risk assessment Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims description 53
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000011148 porous material Substances 0.000 claims description 20
- 238000005316 response function Methods 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 230000003204 osmotic effect Effects 0.000 claims description 5
- 230000035515 penetration Effects 0.000 claims description 5
- 230000001066 destructive effect Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000006424 Flood reaction Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000368 destabilizing effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect 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
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种复合灾害的态势感知与应急评价方法及系统，涉及灾害预警技术领域，连接水域数据采集装置获取水域数据集，根据水域数据集进行编码获取水域区块数据集，进行水域建模获取多个水域模型，连接目标区域的历史灾害数据库，获取单灾害类数据和复合灾害类数据，分别按照单灾害类数据、复合灾害类数据与多个水域模型进行复合灾害风险分析，获取第一风险指标与第二风险指标，以第一风险指标和第二风险指标进行态势应急分析，获取预警结果。本发明解决了现有技术对目标区域的情况掌握不足，使得灾害预警不准确的技术问题，实现了对目标区域的准确数据采集与处理，进而提高预警准确性，达到对灾害快速评价与反应的技术效果。
Description
技术领域
本发明涉及灾害预警技术领域，具体涉及一种复合灾害的态势感知与应急评价方法及系统。
背景技术
诸如洪水、地震、火山爆发和滑坡等自然灾害有可能同时发生，或者是其中的某些灾害发生后诱发其他的某些灾害，滑坡常常被地震、洪水和火山爆发诱发，但又反过来诱发次生灾害，例如，如果有足够的滑坡体物质滑入水体中并将水体涌出，一场地震诱发的滑坡可以导致灾难性的海啸，再如火山喷发或地震诱发的滑坡如果堵塞了河流，形成滑坡坝后将首先导致滑坡湖内的水位上升而导致上游地区淹没，而一旦滑坡坝溃决，则会在下游地区形成洪水灾害。这些洪水会加剧下游河岸和海岸的侵蚀，通过使边坡快速饱和或淘蚀边坡底部而使边坡失稳。因此，准确评估一个地区的灾害情况，分析可能会产生的自然灾害并进行预警是一项非常紧迫的任务。而现今常用的灾害预警方法还存在着一定的弊端，对于灾害预警还存在着一定的可提升空间。
现有的灾害预警方法由于对目标区域的情况掌握不足，使得灾害预警不准确。
发明内容
本申请实施例提供了一种复合灾害的态势感知与应急评价方法及系统，用于针对解决现有技术对目标区域的情况掌握不足，使得灾害预警不准确的技术问题。
鉴于上述问题，本申请实施例提供了一种复合灾害的态势感知与应急评价方法及系统。
第一方面，本申请实施例提供了一种复合灾害的态势感知与应急评价方法，所述方法包括：连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；根据所述水域数据集进行编码，获取水域区块数据集；按照所述水域区块数据集分别进行水域建模，获取多个水域模型；连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
第二方面，本申请实施例提供了一种复合灾害的态势感知与应急评价系统，所述系统包括：水域数据采集模块，所述水域数据采集模块用于连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；水域数据编码模块，所述水域数据编码模块用于根据所述水域数据集进行编码，获取水域区块数据集；水域模型构建模块，所述水域模型构建模块用于按照所述水域区块数据集分别进行水域建模，获取多个水域模型；灾害类别分析模块，所述灾害类别分析模块用于连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；单灾害风险分析模块，所述单灾害风险分析模块用于按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；复合灾害风险分析模块，所述复合灾害风险分析模块用于按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；态势应急分析模块，所述态势应急分析模块用于以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种复合灾害的态势感知与应急评价方法，涉及灾害预警技术领域，连接水域数据采集装置获取水域数据集，根据水域数据集进行编码获取水域区块数据集，进行水域建模获取多个水域模型，连接目标区域的历史灾害数据库，获取单灾害类数据和复合灾害类数据，按照单灾害类数据与多个水域模型进行复合灾害风险分析，获取第一风险指标，按照复合灾害类数据与多个水域模型进行复合灾害风险分析，获取第二风险指标，以第一风险指标和第二风险指标进行态势应急分析，获取预警结果。解决了现有技术对目标区域的情况掌握不足，使得灾害预警不准确的技术问题，实现了对目标区域的准确数据采集与处理，进而提高预警准确性，达到对灾害快速评价与反应的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种复合灾害的态势感知与应急评价方法流程示意图；
图2为本申请实施例提供了一种复合灾害的态势感知与应急评价方法中进行复合灾害风险分析流程示意图；
图3为本申请实施例提供了一种复合灾害的态势感知与应急评价方法中获取第一风险指标和第二风险指标流程示意图；
图4为本申请实施例提供了一种复合灾害的态势感知与应急评价系统结构示意图。
附图标记说明：水域数据采集模块10，水域数据编码模块20，水域模型构建模块30，灾害类别分析模块40，单灾害风险分析模块50，复合灾害风险分析模块60，态势应急分析模块70。
具体实施方式
本申请实施例通过提供一种复合灾害的态势感知与应急评价方法，用于针对解决现有技术对目标区域的情况掌握不足，使得灾害预警不准确的技术问题。
实施例一
如图1所示，本申请实施例提供了一种复合灾害的态势感知与应急评价方法，该方法应用于一种复合灾害的态势感知与应急评价系统，该系统与水域数据采集装置通信连接，该方法包括：
步骤S100：连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；
具体而言，本申请实施例提供的一种复合灾害的态势感知与应急评价方法应用于一种复合灾害的态势感知与应急评价系统，该复合灾害的态势感知与应急评价系统与水域数据采集装置通信连接，该水域数据采集装置设备用于进行水域数据采集。
其中，遥感数据采集装置一般为无人机上的仪器，从远距离探查、测量或侦查目标水域上的各种事物和变化情况，对所探测的目标区域实体及其属性进行识别、分离和收集。水质数据采集装置一般为水质自动采样器，它是一种智能化多功能吸入式水样分瓶采样装置，可以根据水样采样要求实现多种采样方式，包括定量采样、定时定量采样、定时流量比例采样、定流定量采样和远程控制采样，以及多种装瓶方式，包括单采和混采，是对江、河、湖泊等实现科学监测的采样工具。将水域数据采集装置采集到的水域数据进行整合，得到水域数据集，所述水域数据集包括目标水域经纬度、整体面积、水域分布、水域水质、水体物质等。通过目标水域数据采集，实现了对目标水域情况的基本掌握。
步骤S200：根据所述水域数据集进行编码，获取水域区块数据集；
具体而言，将得到的水域数据集按照每个独立水域的分布情况进行数字标记，如水域1、水域2、水域3，将带有标记信息的各独立水域的水域数据进行整合得到水域区块数据集。实现了对水域分区块管理，为后续的水域建模打下基础。
步骤S300：按照所述水域区块数据集分别进行水域建模，获取多个水域模型；
具体而言，选取第一独立水域，根据该独立水域的面积、深度、水域内的生物分布情况如动物、微生物、水草等构建该第一独立水域的三维数据模型，利用计算机辅助CAD程序可在屏幕上生成水域，使用方程式产生直线和形状，将水域深度根据水域物体分布进行多层划分，获取每一层的物体含量，依据物体相互之间及与所在的三维空间的关系精确放置，对每一层根据上下关系进行排列，获取第一独立水域模型。采取同样的方式对其他独立水域分别进行建模，获取多个水域模型。通过水域模型的构建实现了对目标水域的直观展示。
步骤S400：连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；
具体而言，根据目标水域的经纬度获取目标区域所在位置，基于大数据获取目标区域的历史灾害数据库，包含灾害发生时间、持续时间、灾害类别、灾害强度、灾害造成的影响等，其中灾害类别包括暴雨、洪涝、地震等。上述每一种灾害单独发生时为单灾害，根据每一种单灾害的种类、时间、强度、影响构建单灾害类数据，现实中，灾害严重时往往会带来次生灾害，比如，暴雨引发洪水为自然灾害，洪水引发山体滑坡和泥石流，泥石流冲垮房屋造成人员伤亡，山体滑坡和泥石流就属于复合灾害，根据复合灾害的种类、时间、强度、影响构建复合灾害类数据。通过对历史灾害数据库的调取，实现了对目标区域灾害的掌握，为后续的灾害分析打下基础。
步骤S500：按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；
具体而言，按照所述单灾害类数据与所述多个水域模型建立多对多的映射关系，生成单灾害映射模型，根据所述单灾害映射模型，获取P个风险指标，其中，P为单灾害映射模型的映射层数，对所述单灾害类数据进行灾害等级分析，获取n个单灾害的等级，其中，n为单灾害的类别数量，基于所述n个单灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
步骤S600：按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；
具体而言，按照所述复合灾害类数据与所述多个水域模型建立多对多的映射关系，生成复合灾害映射模型，根据所述复合灾害映射模型，获取Q个风险指标，其中，Q为单灾害映射模型的映射层数，对所述复合灾害类数据进行灾害等级分析，获取m个复合灾害的等级，其中，m为复合灾害的类别数量，基于所述m个复合灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第二风险指标。
步骤S700：以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
具体而言，根据当地应急配置条件，获取预设应急风险指标，以第一风险指标和第二风险指标为变量，以预设应急风险指标为响应目标，生成态势预警响应函数，根据态势预警响应函数进行函数响应分析，若函数响应失败，生成预警信息，用于提醒对目标区域进行水域干扰处理。实现了对目标区域的准确数据采集与处理，进而提高预警准确性，达到对灾害快速评价与反应的效果。
进一步而言，如图2所示，本申请步骤S500还包括：
步骤S510：按照所述单灾害类数据与所述多个水域模型建立多对多的映射关系，生成单灾害映射模型；
步骤S520：根据所述单灾害映射模型，获取P个风险指标，其中，P为单灾害映射模型的映射层数；
步骤S530：对所述单灾害类数据进行灾害等级分析，获取n个单灾害的等级，其中，n为单灾害的类别数量；
步骤S540：基于所述n个单灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
具体而言，获取第一水域模型，第一水域模型为水域模型中的任一模型，获取第一单灾害，第一单灾害为单灾害类型数据中的任一单灾害，通过水域模型得到第一单灾害作用在第一水域模型时产生的影响效果，将该影响设定为第一单灾害影响效果。所述单灾害映射模型为机器学习中的神经网络模型，简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一水域模型和所述第一单灾害输入神经网络模型，获得所述单灾害映射模型的输出信息，其中，所述输出信息包括第一单灾害影响效果。
进一步地，将多个单灾害类型和多个水域模型分别输入至单灾害映射模型中，根据单灾害类型和水域模型的多对多的映射关系，得到单灾害影响效果：x1、x2、x3...xP，其中，单灾害影响效果的数量P为单灾害类别数量与水域模型数量的乘积，表征着单灾害映射模型的映射层数。将单灾害多个类型对同一水域模型产生的影响效果，根据影响程度进行排序，根据排序结果获取n个单灾害的等级：μ1、μ2、μ3、...μn，经过层次拟合计算，得到第一风险指标W1＝μ1·x1+μ2·x2+...+μn·xP，第一风险指标为基于所述单灾害类数据的风险危险程度。
进一步而言，本申请步骤S500还包括：
步骤S550：按照所述复合灾害类数据与所述多个水域模型建立多对多的映射关系，生成复合灾害映射模型；
步骤S560：根据所述复合灾害映射模型，获取Q个风险指标，其中，Q为单灾害映射模型的映射层数；
步骤S570：对所述复合灾害类数据进行灾害等级分析，获取m个复合灾害的等级，其中，m为复合灾害的类别数量；
步骤S580：基于所述m个复合灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第二风险指标。
具体而言，获取第二水域模型，第二水域模型为水域模型中的任一模型，获取第一复合灾害，第一复合灾害为复合灾害类型数据中的任一复合灾害，通过水域模型得到第一复合灾害作用在第二水域模型时产生的影响效果，将该影响设定为第一复合灾害影响效果。获得所述复合灾害映射模型的输出信息，其中，所述输出信息包括第一复合灾害影响效果。
进一步地，将多个复合灾害类型和多个水域模型分别输入至复合灾害映射模型中，根据复合灾害类型和水域模型的多对多的映射关系，得到复合灾害影响效果：y1、y2、y3...yQ，其中，复合灾害影响效果的数量Q表征着复合灾害映射模型的映射层数。获取复合灾害所包括的多个子灾害，通过水域模型获取多个子灾害对同一水域模型产生的影响效果，根据影响程度进行排序，根据排序结果为对应复合灾害进行灾害等级分析的子集进行计算，得到m个复合灾害的等级：
根据子灾害经过层次拟合计算，得到第二风险指标
第二风险指标为基于所述复合灾害类数据的风险危险程度。
进一步而言，本申请步骤S570还包括：
步骤S571：根据所述复合灾害类数据，获取复合灾害所包括的多个子灾害；
步骤S572：基于所述多个子灾害分别进行灾害等级分析，获取多个子灾害等级；
步骤S573：以所述多个子灾害等级为对应复合灾害进行灾害等级分析的子集进行计算，输出所述m个复合灾害的等级。
具体而言，复合灾害指自然灾害带来的次生灾害，比如，暴雨引发洪水，洪水又引发山体滑坡和泥石流一般包含至少两个单灾害，将复合灾害中的多个单灾害作为复合灾害的子灾害进行提取，通过水域模型获取多个子灾害对同一水域模型产生的影响效果z1、z2、z3...zR，根据影响程度进行排序，获取多个子灾害等级σ1、σ2、σ3，...，σL，通过计算可得第m个复合灾害的影响程度为Am＝σL·zR，将得到的每个复合灾害影响程度进行排序，得到m个复合灾害的等级。通过计算，得到准确的复合灾害排序，达到提高灾害分析精确度的效果。
进一步而言，如图3所示，本申请还包括：
步骤S610：以破坏渗透力为x轴，孔隙水压力为y轴，二次变形强度为z轴，搭建复合灾害风险分析模型；
步骤S620：将所述单灾害类数据和所述复合灾害类数据，分别输入所述复合灾害风险分析模型中，根据所述复合灾害风险分析模型，输出所述第一风险指标和所述第二风险指标。
具体而言，对于地震作用引起的冰湖中的冰碛堰塞坝破坏，以及地震引起冰湖附近的冰崩入水后形成的涌浪，使得涌浪和浮冰共同冲击堰塞坝时导致堰塞坝的溃决破坏，通过在不同位置放置无线传感器，可以对其溃决破坏的渗透力，孔隙水压力，变形等指标进行反馈，将得到的反馈信息进行量化，以此各自作为坐标轴搭建复合灾害风险分析模型。根据所述复合灾害风险分析模型，获取单-破坏渗透力、单-孔隙水压力和单-二次变形强度，以所述单-破坏渗透力，所述单-孔隙水压力和所述单-二次变形强度进行向量计算，输出所述第一风险指标，根据所述复合灾害风险分析模型，获取复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度，以所述复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度进行向量计算，输出所述第二风险指标。实现了从多个角度量化灾害风险，达到直观展现灾害风险、精准衡量灾害强度的效果。
进一步而言，本申请步骤S620包括：
步骤S621：根据所述复合灾害风险分析模型，获取单-破坏渗透力、单-孔隙水压力和单-二次变形强度；
步骤S622：以所述单-破坏渗透力，所述单-孔隙水压力和所述单-二次变形强度进行向量计算，输出所述第一风险指标；
步骤S623：根据所述复合灾害风险分析模型，获取复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度；
步骤S624：以所述复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度进行向量计算，输出所述第二风险指标。
具体而言，从复合灾害风险分析模型获取第一单风险灾害坐标P(x1,y1,z1),根据三维向量计算，得到第一单风险灾害坐标P的向量
进一步而言，本申请步骤S700还包括：
步骤S710：根据应急配置条件，获取预设应急风险指标；
步骤S720：以所述第一风险指标和所述第二风险指标为变量，以所述预设应急风险指标为响应目标，生成态势预警响应函数；
步骤S730：根据所述态势预警响应函数进行函数响应分析，若函数响应失败，生成预警信息，用于提醒对所述目标区域进行水域干扰处理。
具体而言，应急配置包括灾害应急救援物资及救援人员，其中，灾害应急救援物资指洪涝、地震等自然灾害应急救援过程中所需的应急救援力量保障物资和抢险救援保障物资，获取当地应急配置条件，根据应急配置条件设定预设应急风险指标，以第一风险指标和第二风险指标为变量对预设应急风险指标进行判断，即根据当地应急配置条件匹配可以达到的应急程度，当灾害发生时，当地应急配置条件满足灾害预设应急风险指标，说明可以对灾害进行抵御，若不满足，说明灾害程度超出可承受范围，则需要作出反应如紧急撤离。
实施例二
基于与前述实施例中一种复合灾害的态势感知与应急评价方法相同的发明构思，如图4所示，本申请提供了一种复合灾害的态势感知与应急评价系统，系统包括：
水域数据采集模块10，所述水域数据采集模块10用于连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；
水域数据编码模块20，所述水域数据编码模块20用于根据所述水域数据集进行编码，获取水域区块数据集；
水域模型构建模块30，所述水域模型构建模块30用于按照所述水域区块数据集分别进行水域建模，获取多个水域模型；
灾害类别分析模块40，所述灾害类别分析模块40用于连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；
单灾害风险分析模块50，所述单灾害风险分析模块50用于按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；
复合灾害风险分析模块60，所述复合灾害风险分析模块60用于按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；
态势应急分析模块70，所述态势应急分析模块70用于以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
进一步而言，系统还包括：
第一映射关系建立模块，用于按照所述单灾害类数据与所述多个水域模型建立多对多的映射关系，生成单灾害映射模型；
第一风险指标获取模块，用于根据所述单灾害映射模型，获取P个风险指标，其中，P为单灾害映射模型的映射层数；
第一灾害等级分析模块，用于对所述单灾害类数据进行灾害等级分析，获取n个单灾害的等级，其中，n为单灾害的类别数量；
第一层次拟合计算模块，用于基于所述n个单灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
进一步而言，系统还包括：
第二映射关系建立模块，用于按照所述复合灾害类数据与所述多个水域模型建立多对多的映射关系，生成复合灾害映射模型；
第二风险指标获取模块，用于根据所述复合灾害映射模型，获取Q个风险指标，其中，Q为单灾害映射模型的映射层数；
第二灾害等级分析模块，用于对所述复合灾害类数据进行灾害等级分析，获取m个复合灾害的等级，其中，m为复合灾害的类别数量；
第二层次拟合计算模块，用于基于所述m个复合灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
进一步而言，系统还包括：
子灾害获取模块，用于根据所述复合灾害类数据，获取复合灾害所包括的多个子灾害；
子灾害等级获取模块，用于基于所述多个子灾害分别进行灾害等级分析，获取多个子灾害等级；
子灾害等级计算模块，用于基以所述多个子灾害等级为对应复合灾害进行灾害等级分析的子集进行计算，输出所述m个复合灾害的等级。
进一步而言，系统还包括：
复合灾害风险分析模型搭建模块，用于以破坏渗透力为x轴，孔隙水压力为y轴，二次变形强度为z轴，搭建复合灾害风险分析模型；
风险指标输出模块，用于将所述单灾害类数据和所述复合灾害类数据，分别输入所述复合灾害风险分析模型中，根据所述复合灾害风险分析模型，输出所述第一风险指标和所述第二风险指标。
进一步而言，系统还包括：
单风险获取模块，用于根据所述复合灾害风险分析模型，获取单-破坏渗透力、单-孔隙水压力和单-二次变形强度；
第一风险指标输出模块，用于以所述单-破坏渗透力，所述单-孔隙水压力和所述单-二次变形强度进行向量计算，输出所述第一风险指标；
复合风险获取模块，用于根据所述复合灾害风险分析模型，获取复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度；
第二风险指标输出模块，用于以所述复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度进行向量计算，输出所述第二风险指标。
进一步而言，系统还包括：
预设应急风险指标获取模块，用于根据应急配置条件，获取预设应急风险指标；
态势预警响应函数获取模块，用于以所述第一风险指标和所述第二风险指标为变量，以所述预设应急风险指标为响应目标，生成态势预警响应函数；
函数响应分析模块，用于根据所述态势预警响应函数进行函数响应分析，若函数响应失败，生成预警信息，用于提醒对所述目标区域进行水域干扰处理。
本说明书通过前述对一种复合灾害的态势感知与应急评价方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种复合灾害的态势感知与应急评价方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种复合灾害的态势感知与应急评价方法，其特征在于，所述方法包括：
连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；
根据所述水域数据集进行编码，获取水域区块数据集；
按照所述水域区块数据集分别进行水域建模，获取多个水域模型；
连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；
按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；
按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；
以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
2.如权利要求1所述的方法，其特征在于，所述按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，包括：
按照所述单灾害类数据与所述多个水域模型建立多对多的映射关系，生成单灾害映射模型；
根据所述单灾害映射模型，获取P个风险指标，其中，P为单灾害映射模型的映射层数；
对所述单灾害类数据进行灾害等级分析，获取n个单灾害的等级，其中，n为单灾害的类别数量；
基于所述n个单灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
3.如权利要求2所述的方法，其特征在于，所述按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，包括：
按照所述复合灾害类数据与所述多个水域模型建立多对多的映射关系，生成复合灾害映射模型；
根据所述复合灾害映射模型，获取Q个风险指标，其中，Q为单灾害映射模型的映射层数；
对所述复合灾害类数据进行灾害等级分析，获取m个复合灾害的等级，其中，m为复合灾害的类别数量；
基于所述m个复合灾害的等级对所述P个风险指标进行层次拟合计算，输出所述第一风险指标。
4.如权利要求3所述的方法，其特征在于，所述对所述复合灾害类数据进行灾害等级分析，包括：
根据所述复合灾害类数据，获取复合灾害所包括的多个子灾害；
基于所述多个子灾害分别进行灾害等级分析，获取多个子灾害等级；
以所述多个子灾害等级为对应复合灾害进行灾害等级分析的子集进行计算，输出所述m个复合灾害的等级。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
以破坏渗透力为x轴，孔隙水压力为y轴，二次变形强度为z轴，搭建复合灾害风险分析模型；
将所述单灾害类数据和所述复合灾害类数据，分别输入所述复合灾害风险分析模型中，根据所述复合灾害风险分析模型，输出所述第一风险指标和所述第二风险指标。
6.如权利要求5所述的方法，其特征在于，所述根据所述复合灾害风险分析模型，输出所述第一风险指标和所述第二风险指标，包括：
根据所述复合灾害风险分析模型，获取单-破坏渗透力、单-孔隙水压力和单-二次变形强度；
以所述单-破坏渗透力，所述单-孔隙水压力和所述单-二次变形强度进行向量计算，输出所述第一风险指标；
根据所述复合灾害风险分析模型，获取复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度；
以所述复合-破坏渗透力、复合-孔隙水压力和复合-二次变形强度进行向量计算，输出所述第二风险指标。
7.如权利要求6所述的方法，其特征在于，所述以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果，包括：
根据应急配置条件，获取预设应急风险指标；
以所述第一风险指标和所述第二风险指标为变量，以所述预设应急风险指标为响应目标，生成态势预警响应函数；
根据所述态势预警响应函数进行函数响应分析，若函数响应失败，生成预警信息，用于提醒对所述目标区域进行水域干扰处理。
8.一种复合灾害的态势感知与应急评价系统，其特征在于，所述系统包括：
水域数据采集模块，所述水域数据采集模块用于连接水域数据采集装置，对目标区域进行水域数据采集，获取水域数据集，其中，所述水域数据采集装置包括遥感数据采集装置和水质数据采集装置；
水域数据编码模块，所述水域数据编码模块用于根据所述水域数据集进行编码，获取水域区块数据集；
水域模型构建模块，所述水域模型构建模块用于按照所述水域区块数据集分别进行水域建模，获取多个水域模型；
灾害类别分析模块，所述灾害类别分析模块用于连接所述目标区域的历史灾害数据库进行灾害类别分析，获取单灾害类数据和复合灾害类数据；
单灾害风险分析模块，所述单灾害风险分析模块用于按照所述单灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第一风险指标，其中，所述第一风险指标为基于所述单灾害类数据的风险危险程度；
复合灾害风险分析模块，所述复合灾害风险分析模块用于按照所述复合灾害类数据与所述多个水域模型进行复合灾害风险分析，获取第二风险指标，其中，所述第二风险指标为基于所述复合灾害类数据的风险危险程度；
态势应急分析模块，所述态势应急分析模块用于以所述第一风险指标和所述第二风险指标进行态势应急分析，获取预警结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211614866.2A CN116050824B (zh) | 2022-12-14 | 2022-12-14 | 一种复合灾害的态势感知与应急评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211614866.2A CN116050824B (zh) | 2022-12-14 | 2022-12-14 | 一种复合灾害的态势感知与应急评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116050824A true CN116050824A (zh) | 2023-05-02 |
| CN116050824B CN116050824B (zh) | 2024-04-30 |
Family
ID=86130599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211614866.2A Active CN116050824B (zh) | 2022-12-14 | 2022-12-14 | 一种复合灾害的态势感知与应急评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116050824B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116629602A (zh) * | 2023-05-10 | 2023-08-22 | 中国三峡建工(集团)有限公司 | 基于数字孪生技术的土石坝渗流安全动态监测及灾变预警系统及其构建方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719053A (zh) * | 2016-01-13 | 2016-06-29 | 天津中科智能识别产业技术研究院有限公司 | 基于多终端的灾害预警及信息发布系统 |
| JP2018169823A (ja) * | 2017-03-30 | 2018-11-01 | 株式会社パスコ | 移動体運行における災害対応判断支援装置及び移動体運行における災害対応判断支援プログラム |
| CN110415489A (zh) * | 2019-07-31 | 2019-11-05 | 成都市西创科技有限公司 | 基于无线传感与通信技术的地质灾害预警监测系统 |
| CN111507539A (zh) * | 2020-04-26 | 2020-08-07 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于层次分析法的泥石流危险等级评价方法及系统 |
| CN112561274A (zh) * | 2020-12-08 | 2021-03-26 | 中南大学 | 基于多要素情境的台风诱发地质灾害风险评估方法 |
| KR102266066B1 (ko) * | 2020-12-16 | 2021-06-18 | (주)지오씨엔아이 | 지진 재난대응을 위한 의사결정 가시화 시스템 및 방법 |
| CN114118576A (zh) * | 2021-11-25 | 2022-03-01 | 深圳市地质局 | 一种区域地质灾害趋势预测方法及系统 |
| CN114638397A (zh) * | 2022-01-18 | 2022-06-17 | 广西电网有限责任公司电力科学研究院 | 一种考虑强降雨灾害的地质隐患点监测方法和系统 |
| CN114792154A (zh) * | 2022-02-18 | 2022-07-26 | 北京市地质灾害防治研究所 | 单沟泥石流预警方法、预警系统 |
| CN115099677A (zh) * | 2022-07-14 | 2022-09-23 | 中国安全生产科学研究院 | 尾矿库安全生产风险分级预警方法 |
-
2022
- 2022-12-14 CN CN202211614866.2A patent/CN116050824B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719053A (zh) * | 2016-01-13 | 2016-06-29 | 天津中科智能识别产业技术研究院有限公司 | 基于多终端的灾害预警及信息发布系统 |
| JP2018169823A (ja) * | 2017-03-30 | 2018-11-01 | 株式会社パスコ | 移動体運行における災害対応判断支援装置及び移動体運行における災害対応判断支援プログラム |
| CN110415489A (zh) * | 2019-07-31 | 2019-11-05 | 成都市西创科技有限公司 | 基于无线传感与通信技术的地质灾害预警监测系统 |
| CN111507539A (zh) * | 2020-04-26 | 2020-08-07 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于层次分析法的泥石流危险等级评价方法及系统 |
| CN112561274A (zh) * | 2020-12-08 | 2021-03-26 | 中南大学 | 基于多要素情境的台风诱发地质灾害风险评估方法 |
| KR102266066B1 (ko) * | 2020-12-16 | 2021-06-18 | (주)지오씨엔아이 | 지진 재난대응을 위한 의사결정 가시화 시스템 및 방법 |
| CN114118576A (zh) * | 2021-11-25 | 2022-03-01 | 深圳市地质局 | 一种区域地质灾害趋势预测方法及系统 |
| CN114638397A (zh) * | 2022-01-18 | 2022-06-17 | 广西电网有限责任公司电力科学研究院 | 一种考虑强降雨灾害的地质隐患点监测方法和系统 |
| CN114792154A (zh) * | 2022-02-18 | 2022-07-26 | 北京市地质灾害防治研究所 | 单沟泥石流预警方法、预警系统 |
| CN115099677A (zh) * | 2022-07-14 | 2022-09-23 | 中国安全生产科学研究院 | 尾矿库安全生产风险分级预警方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116629602A (zh) * | 2023-05-10 | 2023-08-22 | 中国三峡建工(集团)有限公司 | 基于数字孪生技术的土石坝渗流安全动态监测及灾变预警系统及其构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116050824B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023061039A1 (zh) | 基于物联网的尾矿库风险监测预警系统 | |
| CN112308292B (zh) | 一种火灾风险等级分布图的绘制方法 | |
| CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
| Melching et al. | A reliability estimation in modeling watershed runoff with uncertainties | |
| CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
| CN116050824B (zh) | 一种复合灾害的态势感知与应急评价方法及系统 | |
| CN112288275A (zh) | 一种基于物联网的地下水水质分析评价系统及方法 | |
| CN110597932B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
| JP7059466B2 (ja) | 予測座標変動算出システム | |
| CN103020727A (zh) | 地质灾害涌浪快速预测评估系统及方法 | |
| CN109871633B (zh) | 一种碾压混凝土压实质量实时可视化馈控方法 | |
| CN107817207B (zh) | 一种基坑渗透系数的计算方法及其自动化监测装置 | |
| CN112289006B (zh) | 山体滑坡风险监测预警方法和系统 | |
| CN114662344B (zh) | 基于连续在线观测数据的大气污染溯源预测方法及系统 | |
| CN115310361B (zh) | 基于wgan-cnn煤矿井下粉尘浓度预测方法和系统 | |
| Højberg et al. | Use of models to support the monitoring requirements in the water framework directive | |
| CN115100819B (zh) | 基于大数据分析的滑坡灾害预警方法、装置及电子设备 | |
| CN116227932B (zh) | 一种基坑工程健康趋势分析预警系统 | |
| CN114184760B (zh) | 基于水位在线观测的污染物通量监测方法、终端及存储介质 | |
| CN117893016B (zh) | 尾矿库溃坝灾情风险快速评估方法及系统 | |
| CN113671508B (zh) | 水下淤泥测量方法、装置及系统 | |
| CN103134433A (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法 | |
| Lecacheux et al. | Toward the probabilistic forecasting of cyclone-induced marine flooding by overtopping at Reunion Island aided by a time-varying random-forest classification approach | |
| CN117471071B (zh) | 港口基础设施结构耐久性安全预警系统及方法 | |
| CN112802307A (zh) | 一种用于地质勘察的地质监测预警方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |