CN116384086B - 一种基于大数据的多灾种地区风险评估方法及系统 - Google Patents
一种基于大数据的多灾种地区风险评估方法及系统 Download PDFInfo
- Publication number
- CN116384086B CN116384086B CN202310278323.6A CN202310278323A CN116384086B CN 116384086 B CN116384086 B CN 116384086B CN 202310278323 A CN202310278323 A CN 202310278323A CN 116384086 B CN116384086 B CN 116384086B
- Authority
- CN
- China
- Prior art keywords
- disaster
- risk
- data
- influence
- analysis
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012502 risk assessment Methods 0.000 title claims abstract description 37
- 238000005192 partition Methods 0.000 claims abstract description 86
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 230000000694 effects Effects 0.000 claims description 56
- 230000007613 environmental effect Effects 0.000 claims description 40
- 238000007405 data analysis Methods 0.000 claims description 39
- 238000013210 evaluation model Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000013499 data model Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的多灾种地区风险评估方法及系统，通过将历史灾害大数据进行多变量灾害影响分析得到影响因子，将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，进而通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图，最后将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，通过地质灾害风险性分区图能够精准与全面地对多灾种地区进行风险的综合评估，从而有助于对多灾种地区进行灾害预测与修复。
Description
技术领域
本发明涉及大数据评估领域，更具体的，涉及一种基于大数据的多灾种地区风险评估方法及系统。
背景技术
地质灾害危险性是指在某种诱发因素作用下，一定区域内某一时间段发生特定规模和类型地质灾害的可能性。地质灾害风险性评价在地质灾害的危险性和易损性成果之上，采用相应的技术方法对可能存在地质灾害风险的区域、风险规模、发生风险的可能性(概率)，以及风险的分布范围进行评价。
目前对地质灾害风险性的研究成果与方法有许多，如采用层次分析和模糊综合评价，并进一步提出防治对策；如以地质灾害监测数据为基础，对研究区的地质灾害风险评价，并运用阈回归和加权聚类进行了数据拟合；如利用遥感技术和GIS软件对研究区进行了地质灾害风险评价。而研究区地质环境条件相适宜的评价因子和评价方法是相关研究的关键，因此更加科学且合理地对地质灾害风险性评价有待进一步研究。
发明内容
本发明克服了现有技术的缺陷，提出了一种基于大数据的多灾种地区风险评估方法及系统。
本发明第一方面提供了一种基于大数据的多灾种地区风险评估方法，包括：
获取预设区域内的历史灾害大数据；
根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图。
本方案中，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息。
本方案中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
构建大数据分析模型；
获取预设灾害评价数据；
将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
根据灾害数据模型参数对大数据分析模型进行模型参数设定。
本方案中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，具体为：
根据灾害记录数据进行灾害种类划分并得到多种灾害信息；
获取灾害信息中的灾害时间信息；
将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值；
将影响相关值大于预设阈值的环境变量标记为环境影响因子。
本方案中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，还包括：
获取人类工程种类信息与人类工程活动分布信息；
根据预设区域面积与轮廓大小构建区域地图模型；
根据人类工程种类信息获取对应人类工程规模信息；
将人类工程活动分布信息与人类工程规模信息导入区域地图模型并得到基于地图模型的人类工程影响分布信息；
根据灾害记录数据获取不同种类的灾害分布信息；
将灾害分布信息导入区域地图模型，结合人类工程影响分布信息，对不同人类工程种类进行灾害影响分析，得到高相关程度的人类工程种类信息并标记为人类工程影响因子。
本方案中，所述将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，具体为：
基于区域地图模型将所述环境影响因子和人类工程影响因子作为量化指标构建地质灾害评价模型；
通过地质灾害评价模型进行易发性与危险性区域评估，得到易发性灾害分布信息与危险性灾害分布信息；
将易发性灾害分布信息与危险性灾害分布信息导入区域地图模型得到区域地质灾害易发性和危险性分区成果图。
本方案中，所述将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，具体为：
基于区域地质灾害易发性和危险性分区成果图，对预设区域进行多个分区的风险计算与评价分析，得到风险区域分布信息，风险规模信息、风险概率信息；
基于风险区域分布信息，风险规模信息、风险概率信息，通过GIS平台将区域地质灾害易发性和危险性分区成果图进行叠加，得到地质灾害风险性分区图；
将所述地质灾害风险性分区图发送至用户终端设备进行展示。
本发明第二方面还提供了一种基于大数据的多灾种地区风险评估系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的多灾种地区风险评估方法及系统程序，所述基于大数据的多灾种地区风险评估方法及系统程序被所述处理器执行时实现如下步骤：
获取预设区域内的历史灾害大数据；
根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图。
本方案中，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息。
本方案中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
构建大数据分析模型；
获取预设灾害评价数据；
将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
根据灾害数据模型参数对大数据分析模型进行模型参数设定。
本发明公开了一种基于大数据的多灾种地区风险评估方法及系统，通过将历史灾害大数据进行多变量灾害影响分析得到影响因子，将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，进而通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图，最后将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，通过地质灾害风险性分区图能够精准与全面地对多灾种地区进行风险的综合评估，从而有助于对多灾种地区进行灾害预测与修复。
附图说明
图1示出了本发明一种基于大数据的多灾种地区风险评估方法的流程图；
图2示出了本发明构建大数据分析模型流程图；
图3示出了本发明环境影响因子获取流程图；
图4示出了本发明一种基于大数据的多灾种地区风险评估系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的多灾种地区风险评估方法的流程图。
如图1所示，本发明第一方面提供了一种基于大数据的多灾种地区风险评估方法，包括：
S102，获取预设区域内的历史灾害大数据；
S104，根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
S106，将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
S108，通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
S110，将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图。
根据本发明实施例，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息。
需要说明的是，所述环境监测数据包括气象、温度、水位等监测数据。所述预设波动范围为用户设定值，用于判断数据变量数据是否具有可研究性，若数据变量波动范围低于预设波动范围，则代表该数据变量波动范围较小，对于后续地质灾害影响的可研究性较低。所述人类工程种类信息中，包括农林牧业活动、城镇与农村建设、道路工程建设、水利工程建设和矿产资源开发等。所述灾害记录数据包括：崩塌、滑坡、岩溶塌陷、岩质崩塌等多种灾害数据。
图2示出了本发明构建大数据分析模型流程图。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
S202，构建大数据分析模型；
S204，获取预设灾害评价数据；
S206，将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
S208，根据灾害数据模型参数对大数据分析模型进行模型参数设定。
需要说明的是，所述预设灾害评价数据具体为用户设定的标准灾害评价数据，大数据分析模型通过分析所述数据的结构与标准并进行记录，得到分析模型参数，进一步对大数据分析模型进行参数设定，从而在后续分析预设区域时能够得到与预设灾害评价数据中的分析方法相一致的模型。
图3示出了本发明环境影响因子获取流程图。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，具体为：
S302，根据灾害记录数据进行灾害种类划分并得到多种灾害信息；S304，获取灾害信息中的灾害时间信息；
S306，将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值；
S308，将影响相关值大于预设阈值的环境变量标记为环境影响因子。
需要说明的是，所述灾害时间信息包括灾害开始时间、结束时间、持续时间等。所述多变量影响分析中，具体为大数据分析模型根据环境变量波动程度与灾害发生的时间点进行相关程度的数值计算，所述影响相关值越大，则对应环境变量对灾害的影响程度越大。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，还包括：
获取人类工程种类信息与人类工程活动分布信息；
根据预设区域面积与轮廓大小构建区域地图模型；
根据人类工程种类信息获取对应人类工程规模信息；
将人类工程活动分布信息与人类工程规模信息导入区域地图模型并得到基于地图模型的人类工程影响分布信息；
根据灾害记录数据获取不同种类的灾害分布信息；
将灾害分布信息导入区域地图模型，结合人类工程影响分布信息，对不同人类工程种类进行灾害影响分析，得到高相关程度的人类工程种类信息并标记为人类工程影响因子。
需要说明的是，所述区域地图模型包括展示地图模型与地图分析模型,展示地图模型为基于2D的地图模型。
根据本发明实施例，所述将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，具体为：
基于区域地图模型将所述环境影响因子和人类工程影响因子作为量化指标构建地质灾害评价模型；
通过地质灾害评价模型进行易发性与危险性区域评估，得到易发性灾害分布信息与危险性灾害分布信息；
将易发性灾害分布信息与危险性灾害分布信息导入区域地图模型得到区域地质灾害易发性和危险性分区成果图。
需要说明的是，所述环境影响因子和人类工程影响因子均可作为地质灾害易发性和危险性评价的量化指标，具体为根据实际区域情况而定。
根据本发明实施例，所述将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，具体为：
基于区域地质灾害易发性和危险性分区成果图，对预设区域进行多个分区的风险计算与评价分析，得到风险区域分布信息，风险规模信息、风险概率信息；
基于风险区域分布信息，风险规模信息、风险概率信息，通过GIS平台将区域地质灾害易发性和危险性分区成果图进行叠加，得到地质灾害风险性分区图；
将所述地质灾害风险性分区图发送至用户终端设备进行展示。
需要说明的是，所述GIS平台具体为地理信息系统平台，是一种能够基于二维或三维对地理区域进行空间可视化的地理平台。所述用户终端设备包括移动终端设备与计算机终端设备。
根据本发明实施例，所述将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值，还包括：
根据影响相关值的祖达与最小值确定第一数值范围；
根据第一数值范围划分成N个细分数值范围；
将属于同一个细分数值范围的环境变量进行组合并得到N组环境变量；
根据每一组的环境变量进行多变量结合，并导入大数据分析模型进行灾害影响二次分析，得到多变量关联影响值；
若多变量关联影响值大于预设关联影响值，则将对应多个变量进行关联并生成基于多变量的第二环境影响因子。
需要说明的是，在实际灾害影响因子分析过程中，往往会出现两个或两各以上的影响因子共同影响地质灾害的发生过程，例如，在泥石流灾害发生过程中，通常由降雨量与降雨持续时间两种变量共同影响泥石流灾害的发生与最终的严重程度，本发明通过对多变量的组合分析，得到具有关联关系的多变量组，进而筛选出第二环境影响因子，能够在后续实现精准与全面的灾害评估。所述多组环境变量中，每组环境变量至少包括2个或以上环境变量。
根据本发明实施例，还包括：
基于区域地图模型，将地质灾害风险性分区图与人类工程活动分布信息进行结合，得到人类工程活动风险分区图；
获取人类工程计划数据；
并将人类工程计划数据导入区域地图模型，得到工程计划分区图；
将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息；
根据所述关联工程信息生成工程风险预警信息，将所述工程风险预警信息发送至用户终端设备。
需要说明的是，所述人类工程活动风险分区图包括预设区域内所有人类工程的地质灾害风险信息，且为单个工程的风险预测信息，具有一定的独立性。所述将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息中，具体为通过分析工程计划中存在同时同地施工的的活动工程，将所述活动工程进行关联风险评估，若风险数据超过预设风险范围，则代表对应的多个工程存在风险冲突，进一步将对应的多个工程进行关联标记，整理所有具有风险冲突的工程，得到关联工程信息。所述关联工程信息包括多组关联工程，每一组关联工程均存在风险冲突情况，且每一组关联工程包括2个或以上数目的工程。
图4示出了本发明一种基于大数据的多灾种地区风险评估系统的框图。
本发明第二方面还提供了一种基于大数据的多灾种地区风险评估系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于大数据的多灾种地区风险评估方法及系统程序，所述基于大数据的多灾种地区风险评估方法及系统程序被所述处理器执行时实现如下步骤：
获取预设区域内的历史灾害大数据；
根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图。
根据本发明实施例，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息。
需要说明的是，所述环境监测数据包括气象、温度、水位等监测数据。所述预设波动范围为用户设定值，用于判断数据变量数据是否具有可研究性，若数据变量波动范围低于预设波动范围，则代表该数据变量波动范围较小，对于后续地质灾害影响的可研究性较低。所述人类工程种类信息中，包括农林牧业活动、城镇与农村建设、道路工程建设、水利工程建设和矿产资源开发等。所述灾害记录数据包括：崩塌、滑坡、岩溶塌陷、岩质崩塌等多种灾害数据。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
构建大数据分析模型；
获取预设灾害评价数据；
将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
根据灾害数据模型参数对大数据分析模型进行模型参数设定。
需要说明的是，所述预设灾害评价数据具体为用户设定的标准灾害评价数据，大数据分析模型通过分析所述数据的结构与标准并进行记录，得到分析模型参数，进一步对大数据分析模型进行参数设定，从而在后续分析预设区域时能够得到与预设灾害评价数据中的分析方法相一致的模型。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，具体为：
根据灾害记录数据进行灾害种类划分并得到多种灾害信息；
获取灾害信息中的灾害时间信息；
将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值；
将影响相关值大于预设阈值的环境变量标记为环境影响因子。
需要说明的是，所述灾害时间信息包括灾害开始时间、结束时间、持续时间等。所述多变量影响分析中，具体为大数据分析模型根据环境变量波动程度与灾害发生的时间点进行相关程度的数值计算，所述影响相关值越大，则对应环境变量对灾害的影响程度越大。
根据本发明实施例，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，还包括：
获取人类工程种类信息与人类工程活动分布信息；
根据预设区域面积与轮廓大小构建区域地图模型；
根据人类工程种类信息获取对应人类工程规模信息；
将人类工程活动分布信息与人类工程规模信息导入区域地图模型并得到基于地图模型的人类工程影响分布信息；
根据灾害记录数据获取不同种类的灾害分布信息；
将灾害分布信息导入区域地图模型，结合人类工程影响分布信息，对不同人类工程种类进行灾害影响分析，得到高相关程度的人类工程种类信息并标记为人类工程影响因子。
需要说明的是，所述区域地图模型包括展示地图模型与地图分析模型,展示地图模型为基于2D的地图模型。
根据本发明实施例，所述将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，具体为：
基于区域地图模型将所述环境影响因子和人类工程影响因子作为量化指标构建地质灾害评价模型；
通过地质灾害评价模型进行易发性与危险性区域评估，得到易发性灾害分布信息与危险性灾害分布信息；
将易发性灾害分布信息与危险性灾害分布信息导入区域地图模型得到区域地质灾害易发性和危险性分区成果图。
需要说明的是，所述环境影响因子和人类工程影响因子均可作为地质灾害易发性和危险性评价的量化指标，具体为根据实际区域情况而定。
根据本发明实施例，所述将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，具体为：
基于区域地质灾害易发性和危险性分区成果图，对预设区域进行多个分区的风险计算与评价分析，得到风险区域分布信息，风险规模信息、风险概率信息；
基于风险区域分布信息，风险规模信息、风险概率信息，通过GIS平台将区域地质灾害易发性和危险性分区成果图进行叠加，得到地质灾害风险性分区图；
将所述地质灾害风险性分区图发送至用户终端设备进行展示。
需要说明的是，所述GIS平台具体为地理信息系统平台，是一种能够基于二维或三维对地理区域进行空间可视化的地理平台。所述用户终端设备包括移动终端设备与计算机终端设备。
根据本发明实施例，所述将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值，还包括：
根据影响相关值的祖达与最小值确定第一数值范围；
根据第一数值范围划分成N个细分数值范围；
将属于同一个细分数值范围的环境变量进行组合并得到N组环境变量；
根据每一组的环境变量进行多变量结合，并导入大数据分析模型进行灾害影响二次分析，得到多变量关联影响值；
若多变量关联影响值大于预设关联影响值，则将对应多个变量进行关联并生成基于多变量的第二环境影响因子。
需要说明的是，在实际灾害影响因子分析过程中，往往会出现两个或两各以上的影响因子共同影响地质灾害的发生过程，例如，在泥石流灾害发生过程中，通常由降雨量与降雨持续时间两种变量共同影响泥石流灾害的发生与最终的严重程度，本发明通过对多变量的组合分析，得到具有关联关系的多变量组，进而筛选出第二环境影响因子，能够在后续实现精准与全面的灾害评估。所述多组环境变量中，每组环境变量至少包括2个或以上环境变量。
根据本发明实施例，还包括：
基于区域地图模型，将地质灾害风险性分区图与人类工程活动分布信息进行结合，得到人类工程活动风险分区图；
获取人类工程计划数据；
并将人类工程计划数据导入区域地图模型，得到工程计划分区图；
将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息；
根据所述关联工程信息生成工程风险预警信息，将所述工程风险预警信息发送至用户终端设备。
需要说明的是，所述人类工程活动风险分区图包括预设区域内所有人类工程的地质灾害风险信息，且为单个工程的风险预测信息，具有一定的独立性。所述将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息中，具体为通过分析工程计划中存在同时同地施工的活动工程，将所述活动工程进行关联风险评估，若风险数据超过预设风险范围，则代表对应的多个工程存在风险冲突，进一步将对应的多个工程进行关联标记，整理所有具有风险冲突的工程，得到关联工程信息。所述关联工程信息包括多组关联工程，每一组关联工程均存在风险冲突情况，且每一组关联工程包括2个或以上数目的工程。
本发明公开了一种基于大数据的多灾种地区风险评估方法及系统，通过将历史灾害大数据进行多变量灾害影响分析得到影响因子，将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，进而通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图，最后将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，通过地质灾害风险性分区图能够精准与全面地对多灾种地区进行风险的综合评估，从而有助于对多灾种地区进行灾害预测与修复。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种基于大数据的多灾种地区风险评估方法，其特征在于，包括：
获取预设区域内的历史灾害大数据；
根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图；
其中，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息；
其中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
构建大数据分析模型；
获取预设灾害评价数据；
将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
根据灾害数据模型参数对大数据分析模型进行模型参数设定；
其中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，具体为：
根据灾害记录数据进行灾害种类划分并得到多种灾害信息；
获取灾害信息中的灾害时间信息；
将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值；
将影响相关值大于预设阈值的环境变量标记为环境影响因子；
其中，所述将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值，还包括：
根据影响相关值的最大与最小值确定第一数值范围；
根据第一数值范围划分成N个细分数值范围；
将属于同一个细分数值范围的环境变量进行组合并得到N组环境变量；
根据每一组的环境变量进行多变量结合，并导入大数据分析模型进行灾害影响二次分析，得到多变量关联影响值；
若多变量关联影响值大于预设关联影响值，则将对应多个变量进行关联并生成基于多变量的第二环境影响因子；
其中，还包括：
基于区域地图模型，将地质灾害风险性分区图与人类工程活动分布信息进行结合，得到人类工程活动风险分区图；
获取人类工程计划数据；
并将人类工程计划数据导入区域地图模型，得到工程计划分区图；
将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息；
根据所述关联工程信息生成工程风险预警信息，将所述工程风险预警信息发送至用户终端设备。
2.根据权利要求1所述的一种基于大数据的多灾种地区风险评估方法，其特征在于，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，还包括：
获取人类工程种类信息与人类工程活动分布信息；
根据预设区域面积与轮廓大小构建区域地图模型；
根据人类工程种类信息获取对应人类工程规模信息；
将人类工程活动分布信息与人类工程规模信息导入区域地图模型并得到基于地图模型的人类工程影响分布信息；
根据灾害记录数据获取不同种类的灾害分布信息；
将灾害分布信息导入区域地图模型，结合人类工程影响分布信息，对不同人类工程种类进行灾害影响分析，得到高相关程度的人类工程种类信息并标记为人类工程影响因子。
3.根据权利要求1所述的一种基于大数据的多灾种地区风险评估方法，其特征在于，所述将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型，具体为：
基于区域地图模型将所述环境影响因子和人类工程影响因子作为量化指标构建地质灾害评价模型；
通过地质灾害评价模型进行易发性与危险性区域评估，得到易发性灾害分布信息与危险性灾害分布信息；
将易发性灾害分布信息与危险性灾害分布信息导入区域地图模型得到区域地质灾害易发性和危险性分区成果图。
4.根据权利要求1所述的一种基于大数据的多灾种地区风险评估方法，其特征在于，所述将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图，具体为：
基于区域地质灾害易发性和危险性分区成果图，对预设区域进行多个分区的风险计算与评价分析，得到风险区域分布信息、风险规模信息、风险概率信息；
基于风险区域分布信息、风险规模信息、风险概率信息，通过GIS平台将区域地质灾害易发性和危险性分区成果图进行叠加，得到地质灾害风险性分区图；
将所述地质灾害风险性分区图发送至用户终端设备进行展示。
5.一种基于大数据的多灾种地区风险评估系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于大数据的多灾种地区风险评估方法及系统程序，所述基于大数据的多灾种地区风险评估方法及系统程序被所述处理器执行时实现如下步骤：
获取预设区域内的历史灾害大数据；
根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子；
将所述影响因子作为地质灾害易发性和危险性评价的量化指标并进一步构建地质灾害评价模型；
通过地质灾害评价模型对预设区域进行评价分析并生成区域地质灾害易发性和危险性分区成果图；
将区域地质灾害易发性和危险性分区成果图进行基于GIS平台的叠加，得到地质灾害风险性分区图；
其中，所述获取预设区域内的历史灾害大数据，具体为：
所述历史灾害大数据包括预设区域的环境监测数据，人类工程活动数据，灾害记录数据；
根据所述环境监测数据进行数据波动分析，将具有预设波动范围的数据进行整理并统计得到环境变量与波动趋势数据；
将人类工程活动数据进行活动种类与活动地域分析，得到人类工程种类信息与人类工程活动分布信息；
其中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，之前包括：
构建大数据分析模型；
获取预设灾害评价数据；
将预设灾害评价数据导入大数据分析模型并进行数据标准分析与参数设定，并得到分析灾害数据模型参数；
根据灾害数据模型参数对大数据分析模型进行模型参数设定；
其中，所述根据所述历史灾害大数据进行多变量灾害影响分析并得到影响因子，具体为：
根据灾害记录数据进行灾害种类划分并得到多种灾害信息；
获取灾害信息中的灾害时间信息；
将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值；
将影响相关值大于预设阈值的环境变量标记为环境影响因子；
其中，所述将灾害时间信息与环境变量与波动趋势数据导入大数据分析模型进行多变量影响分析，并得到所有环境变量与对应的影响相关值，还包括：
根据影响相关值的最大与最小值确定第一数值范围；
根据第一数值范围划分成N个细分数值范围；
将属于同一个细分数值范围的环境变量进行组合并得到N组环境变量；
根据每一组的环境变量进行多变量结合，并导入大数据分析模型进行灾害影响二次分析，得到多变量关联影响值；
若多变量关联影响值大于预设关联影响值，则将对应多个变量进行关联并生成基于多变量的第二环境影响因子；
其中，还包括：
基于区域地图模型，将地质灾害风险性分区图与人类工程活动分布信息进行结合，得到人类工程活动风险分区图；
获取人类工程计划数据；
并将人类工程计划数据导入区域地图模型，得到工程计划分区图；
将人类工程活动风险分区图与工程计划分区图进行多工程叠加风险分析，并得到具有风险冲突的关联工程信息；
根据所述关联工程信息生成工程风险预警信息，将所述工程风险预警信息发送至用户终端设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310278323.6A CN116384086B (zh) | 2023-03-21 | 2023-03-21 | 一种基于大数据的多灾种地区风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310278323.6A CN116384086B (zh) | 2023-03-21 | 2023-03-21 | 一种基于大数据的多灾种地区风险评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116384086A CN116384086A (zh) | 2023-07-04 |
| CN116384086B true CN116384086B (zh) | 2024-06-28 |
Family
ID=86964922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310278323.6A Active CN116384086B (zh) | 2023-03-21 | 2023-03-21 | 一种基于大数据的多灾种地区风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116384086B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116994405B (zh) * | 2023-09-26 | 2023-12-15 | 广州蓝图地理信息技术有限公司 | 一种智能灾变预警方法及系统 |
| CN117610945B (zh) * | 2024-01-24 | 2024-04-05 | 四川省华地建设工程有限责任公司 | 基于人工智能的复杂山区地质灾害风险评价方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734392A (zh) * | 2018-05-14 | 2018-11-02 | 中国路桥工程有限责任公司 | 一种评价地质灾害影响程度的灰色关联分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8655806B2 (en) * | 2010-12-09 | 2014-02-18 | Sungeun JUNG | Disaster analysis and decision system |
| CN107943880B (zh) * | 2017-11-15 | 2022-04-01 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
| CN110322118A (zh) * | 2019-06-06 | 2019-10-11 | 重庆工商大学融智学院 | 地质灾害空间分布规律及易发性评估方法 |
-
2023
- 2023-03-21 CN CN202310278323.6A patent/CN116384086B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734392A (zh) * | 2018-05-14 | 2018-11-02 | 中国路桥工程有限责任公司 | 一种评价地质灾害影响程度的灰色关联分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于GIS的广西北流市地质灾害易发性分区评价;江思义 等;《矿产勘查》;20200628;第11卷(第6期);第1-2节 * |
| 龙南县足洞地区滑坡危险性评价及防治对策研究;夏巍巍;《中国优秀硕士学位论文全文数据库 基础科学辑》;20160215(第2016.02期);第4.3.1, 4.5.1节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116384086A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116384086B (zh) | 一种基于大数据的多灾种地区风险评估方法及系统 | |
| Bontemps et al. | Revisiting land cover observation to address the needs of the climate modeling community | |
| Ferraz et al. | Species distribution modeling for conservation purposes | |
| CN110232499A (zh) | 一种配电网信息物理侧风险预警方法及系统 | |
| CN113435252B (zh) | 一种基于遥感的烟草病虫害监测预警方法和系统 | |
| CN117171695B (zh) | 一种抗生素污染土壤生态修复效果评价的方法及系统 | |
| CN116362570A (zh) | 一种基于大数据平台的多维度污染分析方法及系统 | |
| CN116824513B (zh) | 基于深度学习的钻探过程自动识别监管方法及系统 | |
| CN116824312B (zh) | 一种基于大数据的施工数据处理方法及系统 | |
| Farfán Gutiérrez et al. | Modeling anthropic factors as drivers of wildfire occurrence at the Monarch Butterfly Biosphere | |
| CN116189010B (zh) | 一种基于卫星图谱的矿山生态识别预警方法及系统 | |
| CN113298438B (zh) | 区域风险等级的评估方法、装置、计算机设备及存储介质 | |
| CN118094266A (zh) | 一种智能终端核辐射检测分析方法及系统 | |
| CN116975656B (zh) | 基于声发射信号的智能损伤检测识别方法及系统 | |
| CN112258069B (zh) | 一种基于风险熵的农产品安全评价方法与系统 | |
| Sanmiquel et al. | Data mining of accidents in Spanish underground mines in the period 2003–2021 caused by a collision with a moving object | |
| CN113435753A (zh) | 高危行业中企业风险判定方法、装置、设备及介质 | |
| CN116561536B (zh) | 一种滑坡隐患的识别方法、终端设备及介质 | |
| Lamchin et al. | Exploring spatio-temporal change in global land cover using categorical intensity analysis | |
| CN118038633A (zh) | 一种滑坡地质灾害监测预警方法及装置 | |
| CN113435176A (zh) | 报告数据的解析方法、装置、计算机设备及存储介质 | |
| Dutfoy et al. | The randomized Gutenberg–Richter model: a recurrence model based on extreme value theory—impacts on probabilistic seismic hazard analyses and comparison with the standard approach | |
| Thöns et al. | On information value and decision analyses | |
| Beutel et al. | Can we benchmark annual ground cover maintenance? | |
| CN117952809B (zh) | 一种农贸市场病原采样与监测方法及系统 |
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 |