CN116341739A - 一种洪涝损失预评估方法、装置、设备及介质 - Google Patents
一种洪涝损失预评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116341739A CN116341739A CN202310308671.3A CN202310308671A CN116341739A CN 116341739 A CN116341739 A CN 116341739A CN 202310308671 A CN202310308671 A CN 202310308671A CN 116341739 A CN116341739 A CN 116341739A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- disaster
- flood
- loss pre
- 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 57
- 238000011156 evaluation Methods 0.000 claims abstract description 294
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 238000011234 economic evaluation Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000035935 pregnancy Effects 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012911 target assessment Methods 0.000 description 1
- 230000007704 transition 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
- G06Q10/04—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
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种洪涝损失预评估方法、装置、设备及介质。其中,该方法响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;获取与洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,承灾体指标根据损失预评估指标的类型进行确定;基于洪涝损失预评估模型,根据致灾因子指标、孕灾环境指标、承灾体指标和损失预评估指标的类型,对损失预评估指标进行评估。本技术方案,以实现对洪涝损失的动态评估,且通过兼顾各洪涝风险因子对洪涝损失预评估结果的影响,提高洪涝损失预评估的全面性和准确性。
Description
技术领域
本申请涉及洪涝智能化评估技术领域,尤其涉及一种洪涝损失预评估方法、装置、设备及介质。
背景技术
洪涝损失预评估是指对洪涝灾害区域内承灾体的期望损失和灾害风险分布进行预估,是相关部门在洪涝灾害发生前了解洪涝灾害规模及范围最直观的方式。评估过程应尽可能快速、简单和准确;评估结果应能够反映洪涝过程可能造成的人口损失、农作物损失、房屋损失和经济损失,为确定应急救援方案、部署救援力量、拟定救助方案和物资准备等应急救灾工作提供科学依据。
目前,对洪涝损失预评估的最常见的做法是:基于致灾因子危险性、承灾体脆弱性、承灾体暴露度三要素,在评估区域通过统计方法建立不同强度暴雨与不同承灾体的关系;再将不同强度暴雨概率、承灾体脆弱性函数、承灾体分布三者进行耦合,建立评估模型。这类方法存在三类问题:一是不适应多尺度应用,尺度太小会导致样本量小,难以获取较好的回归函数,影响脆弱性函数表现,而尺度太大会导致脆弱性代表性不足;二是建模复杂,需要分步骤开展危险性和脆弱性研究,而且不同强度危险性分级会造成计算结果离散化,不能形成连续度量;三是难以考虑到灾害系统中其他指标,如孕灾环境指标、防灾减灾能力指标等。
因此,如何提供一种可以全面快速准确对洪涝损失进行评估的技术方案,是本领域技术人员亟待解决的技术问题。
发明内容
本申请提供了一种洪涝损失预评估方法、装置、设备及介质,以实现对洪涝损失的动态评估,且通过兼顾各洪涝风险因子对洪涝损失预评估结果的影响,提高了洪涝损失预评估的准确性。
根据本申请的一方面,提供了一种洪涝损失预评估方法,该方法包括:
响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;
获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定;
基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
根据本申请的另一方面,提供了一种洪涝损失预评估装置,该装置包括:
评估指标确定模块,用于响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;
风险因子获取模块,用于获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定;
洪涝损失评估模块,用于获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定。
根据本申请的另一方面,提供了一种电子设备,该设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任一实施例所述的洪涝损失预评估方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本申请任一实施例所述的洪涝损失预评估方法。
本申请提供的技术方案,响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;获取与洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,承灾体指标根据损失预评估指标的类型进行确定;基于洪涝损失预评估模型,根据致灾因子指标、孕灾环境指标、承灾体指标和损失预评估指标的类型,对损失预评估指标进行评估。本技术方案,以实现对洪涝损失的动态评估,且通过兼顾各洪涝风险因子对洪涝损失预评估结果的影响,提高洪涝损失预评估的全面性和准确性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本申请实施例一提供的一种洪涝损失预评估方法的流程图;
图2为本申请实施例二提供的一种洪涝损失预评估方法的流程图;
图3为本申请实施例三提供的一种洪涝损失预评估装置的结构示意图;
图4是实现本申请实施例的一种洪涝损失预评估方法的设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“历史”、“目标”、“候选”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本申请实施例一提供的一种洪涝损失预评估方法的流程图,本实施例可适用于对与当前台风对应的相似路径台风进行确定的情况,该方法可以由洪涝损失预评估装置来执行,该洪涝损失预评估装置可以采用硬件和/或软件的形式实现,该洪涝损失预评估装置可配置于具有数据处理能力的设备中。如图1所示,该方法包括:
S110、响应于洪涝损失预评估请求,确定损失预评估指标的类型。其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项。
其中,洪涝损失预评估请求可为由客户端发起或服务器自主生成的评估请求信息。具体的,洪涝损失预评估请求可为在降雨量达到预设值时自动触发生成的请求信息;也可为用户在客户端对某降雨区域发起的洪涝损失预评估请求。洪涝损失预评估请求可包括损失预评估的区域范围、损失预评估的周期、损失预评估指标的类型等。
其中,损失预评估指标可为损失预评估区域范围内因洪涝而造成社会经济和环境方面的损坏与灾害,可包括直接洪涝损失和间接洪涝损失。损失预评估指标的类型可至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标。其中,人口评估指标可为受灾人口数量、因灾被困人口数量、因灾死亡人口数量、因灾伤病人口数量、因灾失踪人口数量、紧急转移安置人口数量、需经济生活救助人口数量、需过渡期生活救助人口数量等;环境评估指标可为农作物成灾面积、农作物绝收面积、牲畜伤亡数量、受淹城区数量、受淹镇区数量、受淹乡村数量等;建筑物评估指标可为倒塌房屋数量、损坏房屋数量等;经济评估指标可为直接经济损失、工矿企业损失、基础设施损失、公益设施损失、家庭财产损失等。
具体的,可根据洪涝损失预评估请求中损失预评估区域的性质确定损失预评估指标的类型。示例性的,若洪涝损失预评估请求中损失预评估区域为农耕区,则可确定损失预评估指标的类型可包括环境评估指标,如农作物成灾面积、农作物绝收面积等,还可包括经济评估指标,如直接经济损失、基础设施损失等。若洪涝损失预评估请求中损失预评估区域为牧区,则可确定损失预评估指标的类型可包括环境评估指标,如牲畜伤亡数量等,还可包括经济评估指标,如直接经济损失、基础设施损失等。若洪涝损失预评估请求中损失预评估区域为城区,则可确定损失预评估指标的类型可包括人口评估指标,如为因灾被困人口数量、因灾死亡人口数量、因灾伤病人口数量、因灾失踪人口数量、紧急转移安置人口数量等,还可包括建筑物评估指标,如倒塌房屋数量、损坏房屋数量等,还可包括经济评估指标,如直接经济损失、基础设施损失、公益设施损失、家庭财产损失等。
当然,还可根据洪涝损失预评估请求中指定的损失预评估指标类型进行确定。
作为一种可选的但非限定性的实现方式,在响应于洪涝损失预评估请求之前,所述方法还包括但不限于如下步骤A1至A2的过程:
步骤A1、定时获取候选区域的降雨量数据。
其中,候选区域可为历史易发生洪涝灾害的区域。降雨量数据可为实时降雨量预报数据,可通过国家气候中心网站、中国气象局网站等途径定时获取候选区域的降雨量数据。
步骤A2、若存在大于预设降雨量数据的降雨量数据,则将该所述降雨量数据对应的候选区域作为目标降雨区域,并生成所述目标降雨区域的洪涝损失预评估请求。
其中,预设降雨量数据可为判断是否为暴雨的标准,例如可以是日降雨量为50毫米,也可根据实际需求进行确定。目标降雨区域可为当前时刻降雨量易导致发生洪涝灾害的区域。具体的,当候选区域的降雨量数据大于预设降雨量数据时,可判定该候选区域出现暴雨,易发生洪涝灾害,则将该降雨量数据对应的候选区域作为目标降雨区域。
在确定目标降雨区域之后,可根据目标降雨区域的降雨量和区域范围,生成对该目标降雨区域的洪涝损失预评估请求。
上述技术方案的有益效果在于,通过对各候选区域的降雨量进行实时监控,以实现对易发生洪涝灾害的区域进行有效的洪涝损失预评估。
S120、获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标。其中,所述承灾体指标根据所述损失预评估指标的类型进行确定。
其中,致灾因子指标可为导致洪涝灾害发生的直接因素,可为降雨相关指标。例如,致灾因子指标可为平均降雨量、最大单日降雨量、累积降雨量等。孕灾环境指标可为致灾因子形成或灾情产生的直接因素,可为河网和地形的相关指标。例如,孕灾环境指标可为河网密度、离河道距离、地形指数、坡度等。承灾体指标可为直接受到洪涝灾害影响的主体的相关情况,可为人口、农作物、房屋和经济等相关指标。例如,承灾体指标可为人口总量、人口密度、三大农作物面积、耕地面积、房屋数量、房屋结构、人均住房间数、GDP总量、人均GDP、GDP密度等。
其中,承灾体指标根据损失预评估指标的类型进行确定。例如,若损失预评估指标的类型为人口评估指标,则承灾体指标可为人口总量、人口密度等;若损失预评估指标的类型为环境评估指标,则承灾体指标可为三大农作物面积、耕地面积等;若损失预评估指标的类型为建筑物评估指标,则承灾体指标可为房屋数量、房屋结构、人均住房间数等;若损失预评估指标的类型为经济评估指标,则承灾体指标可为GDP总量、人均GDP、GDP密度等。
S130、基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
其中,洪涝损失预评估模型可为基于深度学习算法或者机器学习算法所构建的致灾因子指标、孕灾环境指标和承灾体指标与损失预评估指标之间关联关系的模型。
具体的,通过洪涝损失预评估模型,可根据预先建立的洪涝灾害中致灾因子指标、孕灾环境指标和承灾体指标与损失预评估指标之间的关联关系,以及目标降雨区域的损失预评估指标类型、致灾因子指标、孕灾环境指标和承灾体指标,确定目标降雨区域的损失预评估指标结果。
作为一种可选的但非限定性的实现方式,洪涝损失预评估模型的建立过程包括但不限于如下步骤B1至B3的过程:
步骤B1、分别建立与各类型损失预评估指标对应的洪涝损失预评估训练模型。
具体的,可针对每个损失预评估指标分别建立对应的洪涝损失预评估训练模型,以用于后续根据训练数据对各训练模型进行训练。
步骤B2、获取历史洪涝灾害的历史致灾因子指标、历史孕灾环境指标、历史承灾体指标以及各类型历史损失指标。
其中,历史洪涝灾害的历史致灾因子指标、历史孕灾环境指标、历史承灾体指标以及各类型历史损失指标可通过灾情报送体系进行获取。可以理解的是,训练所选用的历史洪涝灾害的场次越多,其训练结果越准确。
步骤B3、将所述历史致灾因子指标、所述历史孕灾环境指标、所述历史承灾体指标以及所述历史损失指标输入至相应的洪涝损失预评估训练模型中进行训练,分别得到各类型损失预评估指标对应的洪涝损失预评估模型。
具体的,将历史致灾因子指标、历史孕灾环境指标、历史承灾体指标以及历史损失指标输入至洪涝损失预评估训练模型中,优化洪涝损失预评估训练模型的参数,建立各类型的损失预评估指标对应的洪涝损失预评估模型。
上述技术方案的有益效果在于,通过建立洪涝损失预评估模型,对损失预评估指标的结果进行量化,可以使洪涝损失预评估更加准确。
本发明实施例提供了一种洪涝损失预评估方法,该方法响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;获取与洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,承灾体指标根据损失预评估指标的类型进行确定;基于洪涝损失预评估模型,根据致灾因子指标、孕灾环境指标、承灾体指标和损失预评估指标的类型,对损失预评估指标进行评估。本技术方案,以实现对洪涝损失的动态评估,且通过兼顾各洪涝风险因子对洪涝损失预评估结果的影响,提高洪涝损失预评估的全面性和准确性。
实施例二
图2为本申请实施例二提供的一种洪涝损失预评估方法的流程图,本实施例以上述实施例为基础进行优化,具体优化为所述洪涝损失预评估请求包括目标评估单元;其中,所述目标评估单元的类型包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元中的至少一项。如图2所示,本实施例的方法具体包括如下步骤:
S210、响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项。
S220、获取与所述目标评估单元对应的致灾因子指标、孕灾环境指标和承灾体指标。其中,所述承灾体指标根据所述损失预评估指标的类型进行确定。
其中,目标评估单元可为洪涝损失预评估过程的最小评估单元,可为行政区划级别,至少包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元。具体的,目标评估单元可根据目标降雨区域的范围进行确定,也可根据实际需要进行确定。示例性的,某目标降雨区域横跨A市的B县和C县,若目标评估单元为市级评估单元,则确定此次降雨对A市造成的洪涝损失进行评估,若目标评估单元为县级评估单元,则确定此次降雨对B县或C县造成的洪涝损失进行评估。
具体的,根据目标评估单元的类型,分别获取与目标评估单元的类型对应的致灾因子指标、孕灾环境指标和承灾体指标。示例性的,若目标评估单元的类型为县级评估单元,则分别获取县级的致灾因子指标、孕灾环境指标和承灾体指标。
S230、基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
需要说明的是,洪涝损失预评估模型可分别根据目标评估单元的类型和损失预评估指标的类型进行建立。示例性的,可建立市级评估单元级别的有关受灾人口数量的洪涝损失预评估模型;又示例性的,可建立县级评估单元级别的有关农作物绝收面积的洪涝损失预评估模型。
本发明实施例提供了洪涝损失预评估方法,该方法通过响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;洪涝损失预评估请求包括目标评估单元;其中,目标评估单元的类型至少包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元;获取与目标评估单元对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,承灾体指标根据损失预评估指标的类型进行确定;基于洪涝损失预评估模型,根据致灾因子指标、孕灾环境指标、承灾体指标和损失预评估指标的类型,对损失预评估指标进行评估。本技术方案,以实现从对多尺度评估单元对目标降雨区域的洪涝损失进行评估,进一步提高洪涝损失预评估的全面性和准确性。
在上述各实施例的基础上,可选的,在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,所述方法还包括:获取与所述损失预评估指标对应的实际损失指标;根据所述损失预评估指标和所述实际损失指标,对与所述损失预评估指标类型对应的洪涝损失预评估模型进行训练。
其中,实际损失指标可为灾情报送体系反馈的目标降雨区域的灾害损失情况,可包括人口伤亡情况、环境损失情况、建筑物损失情况和经济损失情况等。实际损失指标可在目标降雨区域的降雨期间定时从灾情报送体系获取,也可在目标降雨区域结束降雨之后进行统计。
具体的,可通过将实际损失指标和损失预评估指标进行对比,以对损失预评估结果进行校正,持续优化洪涝损失预评估模型参数,使洪涝损失预评估模型的稳定性和准确性持续提升。
在上述各实施例的基础上,可选的,在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,所述方法还包括:根据所述损失预评估指标的评估结果,确定洪涝风险等级。
其中,洪涝风险等级可基于历史各场次洪涝灾害的各实际损失指标的绝对值或者相对值,采用自然裂点分级法、相等间隔分级法、分位数分级法、几何间隔分级法或标准差分级法等进行等级划分。
具体的,根据目标降雨区域的各损失预评估指标的评估结果、以及预先确定的与洪涝风险等级对应的指标结果,确定与目标降雨区域的各损失预评估指标对应的洪涝风险子等级;再将各洪涝风险子等级进行加权或者综合考虑,以确定目标降雨区域的洪涝风险等级。
上述技术方案的有益效果在于,通过对目标降雨区域的洪涝风险等级进行确定,以实现对目标降雨区域的预估风险程度进行划分,便于工作人员更进一步基于洪涝风险等级做出相应的措施,避免造成更大的损失。
实施例三
图3为本申请实施例三提供的一种洪涝损失预评估装置的结构示意图。如图3所示,该装置包括:
评估指标确定模块310,用于响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;
风险因子获取模块320,用于获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定;
洪涝损失预评估模块330,用于基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
本发明实施例提供了一种洪涝损失预评估装置,该装置通过响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;获取与洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,承灾体指标根据损失预评估指标的类型进行确定;基于洪涝损失预评估模型,根据致灾因子指标、孕灾环境指标、承灾体指标和损失预评估指标的类型,对损失预评估指标进行评估。本技术方案,以实现对洪涝损失的动态评估,且通过兼顾各洪涝风险因子对洪涝损失预评估结果的影响,提高洪涝损失预评估的全面性和准确性。
进一步的,所述洪涝损失预评估模型的建立过程如下:
分别建立与各类型损失预评估指标对应的洪涝损失预评估训练模型;
获取历史洪涝灾害的历史致灾因子指标、历史孕灾环境指标、历史承灾体指标以及各类型历史损失指标;
将所述历史致灾因子指标、所述历史孕灾环境指标、所述历史承灾体指标以及所述各类型历史损失指标分别输入至相应的洪涝损失预评估训练模型中进行训练,分别得到各类型损失预评估指标对应的洪涝损失预评估模型。
进一步的,所述装置还包括:
降雨量数据确定模块,用于在根据目标降雨区域,确定损失预评估指标的类型之前,定时获取候选区域的降雨量数据;
目标降雨区域确定模块,用于若存在大于预设降雨量数据的降雨量数据,则将该所述降雨量数据对应的候选区域作为目标降雨区域,并生成所述目标降雨区域的洪涝损失预评估请求。
进一步的,所述洪涝损失预评估请求包括目标评估单元;其中,所述目标评估单元的类型包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元中的至少一项;
相应地,风险因子获取模块,包括:
风险因子获取单元,用于获取与所述目标评估单元对应的致灾因子指标、孕灾环境指标和承灾体指标。
进一步的,所述装置还包括:
实际损失指标获取模块,用于在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,获取与所述损失预评估指标对应的实际损失指标;
洪涝损失预评估模型训练模块,用于根据所述损失预预评估指标和所述实际损失指标,对所述洪涝损失预评估模型进行训练。
进一步的,所述装置还包括:
洪涝风险等级确定模块,用于在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,根据所述损失预评估指标的评估结果,确定洪涝风险等级。
本申请实施例所提供的一种洪涝损失预评估装置可执行本申请任意实施例所提供的一种洪涝损失预评估方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本申请的实施例的设备10的结构示意图。设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如洪涝损失预评估方法。
在一些实施例中,洪涝损失预评估方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的洪涝损失预评估方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行洪涝损失预评估方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在设备上实施此处描述的系统和技术,该设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种洪涝损失预评估方法,其特征在于,所述方法包括:
响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;
获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定;
基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
2.根据权利要求1所述的方法,其特征在于,所述洪涝损失预评估模型的建立过程如下:
分别建立与各类型损失预评估指标对应的洪涝损失预评估训练模型;
获取历史洪涝灾害的历史致灾因子指标、历史孕灾环境指标、历史承灾体指标以及各类型历史损失指标;
将所述历史致灾因子指标、所述历史孕灾环境指标、所述历史承灾体指标以及所述各类型历史损失指标分别输入至相应的洪涝损失预评估训练模型中进行训练,分别得到各类型损失预评估指标对应的洪涝损失预评估模型。
3.根据权利要求1所述的方法,其特征在于,在响应于洪涝损失预评估请求之前,所述方法还包括:
定时获取候选区域的降雨量数据;
若存在大于预设降雨量数据的降雨量数据,则将该所述降雨量数据对应的候选区域作为目标降雨区域,并生成所述目标降雨区域的洪涝损失预评估请求。
4.根据权利要求1所述的方法,其特征在于,所述洪涝损失预评估请求包括目标评估单元;其中,所述目标评估单元包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元中的至少一项;
相应地,获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标,包括:
获取与所述目标评估单元对应的致灾因子指标、孕灾环境指标和承灾体指标。
5.根据权利要求1所述的方法,其特征在于,在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,所述方法还包括:
获取与所述损失预评估指标对应的实际损失指标;
根据所述损失预评估指标和所述实际损失指标,对与所述损失预评估指标类型对应的洪涝损失预评估模型进行训练。
6.根据权利要求1所述的方法,其特征在于,在基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估之后,所述方法还包括:
根据所述损失预评估指标的评估结果,确定洪涝风险等级。
7.一种洪涝损失预评估装置,其特征在于,所述装置包括:
评估指标确定模块,用于响应于洪涝损失预评估请求,确定损失预评估指标的类型;其中,所述损失预评估指标的类型至少包括人口评估指标、环境评估指标、建筑物评估指标和经济评估指标中的一项;
风险因子获取模块,用于获取与所述洪涝损失预评估请求对应的致灾因子指标、孕灾环境指标和承灾体指标;其中,所述承灾体指标根据所述损失预评估指标的类型进行确定;
洪涝损失预评估模块,用于基于洪涝损失预评估模型,根据所述致灾因子指标、所述孕灾环境指标、所述承灾体指标和所述损失预评估指标的类型,对所述损失预评估指标进行评估。
8.根据权利要求7所述的装置,其特征在于,所述洪涝损失预评估请求包括目标评估单元;其中,所述目标评估单元包括乡镇级评估单元、县级评估单元、市级评估单元和省级评估单元中的至少一项;
相应地,风险因子获取模块,具体用于:
获取与所述目标评估单元对应的致灾因子指标、孕灾环境指标和承灾体指标。
9.一种电子设备,其特征在于,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的洪涝损失预评估方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的洪涝损失预评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310308671.3A CN116341739A (zh) | 2023-03-27 | 2023-03-27 | 一种洪涝损失预评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310308671.3A CN116341739A (zh) | 2023-03-27 | 2023-03-27 | 一种洪涝损失预评估方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116341739A true CN116341739A (zh) | 2023-06-27 |
Family
ID=86880240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310308671.3A Pending CN116341739A (zh) | 2023-03-27 | 2023-03-27 | 一种洪涝损失预评估方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341739A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118396221A (zh) * | 2024-04-24 | 2024-07-26 | 北京师范大学 | 一种暴雨洪涝灾害损失确定方法、装置及设备 |
CN118396221B (zh) * | 2024-04-24 | 2024-09-24 | 北京师范大学 | 一种暴雨洪涝灾害损失确定方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
CN113177737A (zh) * | 2021-05-26 | 2021-07-27 | 南京恩瑞特实业有限公司 | 基于ga优化bp神经网络的城市暴雨灾害风险评估方法及系统 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
-
2023
- 2023-03-27 CN CN202310308671.3A patent/CN116341739A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
CN113177737A (zh) * | 2021-05-26 | 2021-07-27 | 南京恩瑞特实业有限公司 | 基于ga优化bp神经网络的城市暴雨灾害风险评估方法及系统 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118396221A (zh) * | 2024-04-24 | 2024-07-26 | 北京师范大学 | 一种暴雨洪涝灾害损失确定方法、装置及设备 |
CN118396221B (zh) * | 2024-04-24 | 2024-09-24 | 北京师范大学 | 一种暴雨洪涝灾害损失确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN116484554A (zh) | 一种配电网的拓扑辨识方法、装置、设备及介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN117332898A (zh) | 基于机器学习的新能源小时间尺度功率时序滚动预测方法 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN116341739A (zh) | 一种洪涝损失预评估方法、装置、设备及介质 | |
CN115392591A (zh) | 任务处理方法、装置、设备及存储介质 | |
CN113011657A (zh) | 进行台风水位预测的方法、装置、电子设备及存储介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN118330784A (zh) | 一种天气类型的确定方法、装置、设备及介质 | |
CN117094452B (zh) | 干旱状态预测方法、干旱状态预测模型的训练方法及设备 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN118095860A (zh) | 一种洪涝灾害风险评估方法、装置、设备及介质 | |
CN117953651A (zh) | 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质 | |
CN115907226A (zh) | 一种特征数据处理方法、装置、设备和存储介质 | |
CN118014018A (zh) | 一种楼宇能源消耗预测方法、装置、设备及存储介质 | |
CN114693054A (zh) | 水电站运行状态的确定方法、装置、设备及存储介质 | |
CN118052433A (zh) | 电网受灾风险预警方法、装置、设备和介质 | |
CN115864384A (zh) | 基于日发电量数据的扩容检测方法、装置、设备及介质 | |
CN118400746A (zh) | 信号覆盖模型的构造方法及装置、电子设备和存储介质 | |
Czarnowska et al. | Evaluating extremes in climatology with Average Value-at-Risk measure. Example of precipitation data from Upper Vistula region in Poland | |
CN116822740A (zh) | 配电网运维方案确定方法、装置、电子设备及存储介质 | |
CN116151854A (zh) | 一种用户类型确定方法、装置、设备及存储介质 | |
CN117593871A (zh) | 台风影响预测方法、装置、电子设备及存储介质 | |
CN116796620A (zh) | 一种抽水蓄能机组油温预测方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230627 |