CN116704708A - 一种基于大数据的智能自然灾害预警系统及方法 - Google Patents
一种基于大数据的智能自然灾害预警系统及方法 Download PDFInfo
- Publication number
- CN116704708A CN116704708A CN202310986504.4A CN202310986504A CN116704708A CN 116704708 A CN116704708 A CN 116704708A CN 202310986504 A CN202310986504 A CN 202310986504A CN 116704708 A CN116704708 A CN 116704708A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- disaster
- natural
- public
- 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 28
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 71
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000001360 synchronised effect Effects 0.000 claims description 16
- 230000002265 prevention Effects 0.000 claims description 13
- 230000004913 activation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 208000019901 Anxiety disease Diseases 0.000 abstract description 3
- 230000036506 anxiety Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 206010008190 Cerebrovascular accident Diseases 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Abstract
本发明适用于自然灾害预警领域,提供了一种基于大数据的智能自然灾害预警系统及方法,所述系统包括:数据处理模块,用于收集当前自然环境中的数据,并对数据中的灾害特征进行提取;模型与算法模块,用于通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;策略定制模块,用于结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案。本发明的有益效果为:适度地发布自然灾害信息的做法可以减轻公众的焦虑、提高防范意识,防止恶意信息的扩散,并使消息体现透明度和权威性。
Description
技术领域
本发明属于自然灾害预警领域,尤其涉及一种基于大数据的智能自然灾害预警系统及方法。
背景技术
基于大数据的智能自然灾害预警系统,简称大数据自然灾害预警系统,是一种利用大数据技术、真实时间监测和分析等手段,实现对自然灾害的预测、预警和应急响应的系统。通过对各种数据的采集和处理,比如气象、水文、地质、人口等方面的数据,结合机器学习和数据挖掘等技术,可以对可能发生的自然灾害进行预测和预警,提前采取措施减少灾害的影响。
目前的自然灾害预警系统虽然能够识别出当前可能存在的灾害情况,但是部分情况本身其实并不是影响很大的事情,但是如果直接公布给民众,由于民众对具体领域的认知差别较大,可能会导致民众之间的恐慌,一方面会增加有关部门对灾害处理的繁琐性,另一方面也会对社会稳定性带来极大的影响。
发明内容
本发明实施例的目的在于提供一种基于大数据的智能自然灾害预警系统,旨在解决背景技术中确定的现有技术存在的技术问题。
本发明实施例是这样实现的,一种基于大数据的智能自然灾害预警系统,所述系统包括:
处理模块,用于收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
模型与算法模块,用于通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
策略定制模块,用于结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
实时监测模块,用于通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
信息传播模块,用于根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
作为本发明更进一步的方案,所述模型与算法模块所采用的算法主要包括:
其中,为需要定义输入自然环境特征值,表示第个特征,为特征的数量;
随后将自然环境特征值输入到神经网络中,利用激活函数和权重矩阵对自然环境特征值进行处理:
其中,表示特征对应的权重,则为偏置量,表示激活函数,输出表示
在给定特征向量的条件下,灾害事件发生的概率。
作为本发明更进一步的方案,所述策略定制模块具体包括:
等级划分单元,用于设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
方案制定单元,用于为不同的概率等级设定不同的防控方案。
作为本发明更进一步的方案,所述实时监测模块具体包括:
监测设置单元,用于根据不同的自然灾害类型,设置相应的传感系统和监控系统;
数据挖掘单元,用于对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
作为本发明更进一步的方案,所述信息传播模块具体包括:
种类认知单元,用于对风险种类进行认知,并自动扩展该风险的潜在防控措施;
范围判定单元,用于根据灾害事件发生概率来确认该次风险的影响范围;
预警传播单元,用于根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
决策控制单元,用于通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
本发明实施例的另一目的在于提供一种基于大数据的智能自然灾害预警方法,所述方法包括:
收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
作为本发明更进一步的方案,所述结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案具体包括:
设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
为不同的概率等级设定不同的防控方案。
作为本发明更进一步的方案,所述通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征具体包括:
根据不同的自然灾害类型,设置相应的传感系统和监控系统;
对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
作为本发明更进一步的方案,所述根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示具体包括:
对风险种类进行认知,并自动扩展该风险的潜在防控措施;
根据灾害事件发生概率来确认该次风险的影响范围;
根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
本发明实施例的有益效果是:
缓解社会恐慌:适度控制信息发布可以避免恐慌情绪的扩散。毫无疑问,当出现自然灾害时,恐惧、不安和紧张感是难以避免的。但是,过度的警报可能会使社区居民产生恐慌,而不利于有效保护群众安全。适度地控制传播可以避免人们对真实情况存在过分担心的情况。
提醒公众加强注意力:仅提供部分警情也能够引起后续注意力,使公众对当前的环境变化保持关注,并提高他们的危机意识。
限制恶意信息扩散:系统仅限发布与灾害相关的具体信息,如风险评估、危险等级、应对建议,这有助于控制虚假、诈骗等恶意信息的扩散。
总的来说,适度地发布自然灾害信息的做法可以减轻公众的焦虑、提高防范意识,防止恶意信息的扩散,并使消息体现透明度和权威性。
附图说明
图1为本发明实施例提供的一种基于大数据的智能自然灾害预警系统的结构框图;
图2为本发明实施例提供的策略定制模块的结构框图;
图3为本发明实施例提供的实时监测模块的结构框图;
图4为本发明实施例提供的信息传播模块的结构框图;
图5为本发明实施例提供的一种基于大数据的智能自然灾害预警方法的流程图;
图6为本发明实施例提供的结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案的流程图;
图7为本发明实施例提供的通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征的流程图;
图8为本发明实施例提供的根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
图1为本发明实施例提供的一种基于大数据的智能自然灾害预警系统的结构框图,如图1所示,一种基于大数据的智能自然灾害预警系统,所述系统包括:
数据处理模块100,用于收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
在本模块中,所需收集的自然环境数据包括但不限于:
气象数据:从气象站、卫星、雷达等多种来源收集一个国家或地区特定时间窗口内的温度、湿度、气压、风速和降雨量等方面的实时和历史数据;
地质数据:收集土壤、植被、地形、地貌等信息, 如山崩、滑坡等风险增加的条件和指标;
水文数据:从水位测量仪、水文站、遥感技术等渠道收集水文信息,如雨量、水位、流量等参数数据;
区域性数据:比如人口密度、交通路线、建筑物密度和用途、设施等等,在特殊表面环境下有变化的,比如城市化,林地开绿地工程也是考虑之一。
在数据收集后,还应当进行特征提取,以便于系统快速识别出风险因素。
模型与算法模块200,用于通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
在本模块中,所采用的机器学习算法可以从数据中发现模式和规律,通过分析历史数据,对算法模型不断进行训练,即可通过所收集的当前自然数据,来推算出短中长期可能出现的自然灾害概率,所构建的预测模型可以用于预测未来可能发生的灾害类型、时间、地区、天气等相关因素,对自然灾害的预测和预警非常有帮助。在实际处理中,还可以附加等级阈值,使该模块可以对灾害出现的可能性进行等级划分,根据不同的风险等级制定不同的应急方案。
策略定制模块300,用于结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
在本模块中,会先结合上述的预测结果,针对不同的自然灾害出现的可能性,制定不同的应急方案,如:
针对高风险级别(如突发地震、大型火灾、海啸等),会采用最严厉的防范措施,民众需要了解防控的重要性和紧急性,此时公众性命的重要性远高于其他,因此会以最简要、最突出的方式向公众发出灾害警告(可通过全部的在线设备进行预警通告,如手机、电脑、电视等,通告方式可以采取强行弹窗和高响铃警告),且还会以最简短的语句向公众告知应急措施,同时还会将灾情同步至当地和附近地区的事故应急机构和决策部门,一方面能够同步消息,另一方面能够对附近地区进行灾情提醒,以便防患;
针对中风险级别(如小型火情、大暴雨、台风等),会采用以预警为主的方式进行防范,且该级别的风险属于可能会因为自然原因出现风险,因此为了降低过度预警给民众带来的恐慌,会尽可能的选择局部公布的方式提前向民众告知风险,如仅告知民众出现小型火情,但暂时选择不告知火情范围,以及火情可能扩散的范围,在火情处理完毕后在选择告知。该种方式在向民众进行预警式通告时,还会向当地和附近地区的事故应急机构和决策部门同步消息,同时决策部门可以根据实际情况选择何时向民众公开实际情况。
针对低风险级别(通常指不会直接危及人身财产安全的情况),会通过日常弹窗或节目预告的方式来进行消息传递,提醒民众做好日常防护或者其他措施即可。
实时监测模块400,用于通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
在本模块中,主要是用于对当前自然环境中的数据进行实时采集和监测,与数据处理模块的区别在于数据处理模块主要是用于对历史数据进行存储,即实时监测模块在对数据进行收集和监测后,会将数据传递至数据处理模块中进行二次收集。
信息传播模块500,用于根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
在本模块中,会结合计算得出的风险等级,根据不同阈值所指定的不同方案,通过手机短信、微信、电脑等方式向用户进行通知,通知的方式包括但不限于消息栏通知、响铃通知、强制弹窗通知等方式,实际通知方式会根据灾害等级的不同而定。
所述模型与算法模块所采用的算法主要包括:
其中,为需要定义输入自然环境特征值,表示第个特征,为特征的数量;
随后将自然环境特征值输入到神经网络中,利用激活函数和权重矩阵对自然环境特征值进行处理:
其中,表示特征对应的权重,则为偏置量,表示激活函数,输出表示
在给定特征向量的条件下,灾害事件发生的概率。
它的输出可以表示灾害事件发生的概率(即可能性)。该模型的输出值通常在0到1之间,可以通过对输出值的阈值进行设置,来判断该自然灾害的风险等级。
如果将概率转化为二分类结果(即发生与否),可以将一个阈值与进行比较,
即:
其中,当大于阈值时,输出为1,表示灾害事件发生的可能性较大,此时可以对
阈值进行进一步的划分,将灾害事件划分为高风险、中高风险、中风险、中低风险等;当
小于等于阈值时,输出为0,表示灾害事件发生的可能性较小,此时可将灾害定义为低风
险。
需要注意的是,选择合适的阈值非常重要,它的大小直接影响到模型的精度和
召回率。通常可以通过设置不同阈值并评估其精度和召回率的方法,来选择最佳的阈值。
图2为本发明实施例提供的策略定制模块的结构框图,如图2所示,所述策略定制模块300具体包括:
等级划分单元310,用于设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
方案制定单元320,用于为不同的概率等级设定不同的防控方案。
在本单元中,针对高风险级别(如突发地震、大型火灾、海啸等),会采用最严厉的防范措施,民众需要了解防控的重要性和紧急性,此时公众性命的重要性远高于其他,因此会以最简要、最突出的方式向公众发出灾害警告(可通过全部的在线设备进行预警通告,如手机、电脑、电视等,通告方式可以采取强行弹窗和高响铃警告),且还会以最简短的语句向公众告知应急措施,同时还会将灾情同步至当地和附近地区的事故应急机构和决策部门,一方面能够同步消息,另一方面能够对附近地区进行灾情提醒,以便防患;
针对中风险级别(如小型火情、大暴雨、台风等),会采用以预警为主的方式进行防范,且该级别的风险属于可能会因为自然原因出现风险,因此为了降低过度预警给民众带来的恐慌,会尽可能的选择局部公布的方式提前向民众告知风险,如仅告知民众出现小型火情,但暂时选择不告知火情范围,以及火情可能扩散的范围,在火情处理完毕后在选择告知。该种方式在向民众进行预警式通告时,还会向当地和附近地区的事故应急机构和决策部门同步消息,同时决策部门可以根据实际情况选择何时向民众公开实际情况。
针对低风险级别(通常指不会直接危及人身财产安全的情况),会通过日常弹窗或节目预告的方式来进行消息传递,提醒民众做好日常防护或者其他措施即可。
图3为本发明实施例提供的实时监测模块的结构框图,如图3所示,所述实时监测模块400具体包括:
监测设置单元410,用于根据不同的自然灾害类型,设置相应的传感系统和监控系统;
在本单元中,主要是用于对当前自然环境中的数据进行实时采集和监测,与数据处理模块的区别在于数据处理模块主要是用于对历史数据进行存储,即实时监测模块在对数据进行收集和监测后,会将数据传递至数据处理模块中进行二次收集。
数据挖掘单元420,用于对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
图4为本发明实施例提供的信息传播模块的结构框图,如图4所示,所述信息传播模块500具体包括:
种类认知单元510,用于对风险种类进行认知,并自动扩展该风险的潜在防控措施;
在本单元中,会先对风险的种类进行判断,如火灾、海啸、洪水、地震等,根据情况会收集相应的信息,并做出不同的风险预警;
范围判定单元520,用于根据灾害事件发生概率来确认该次风险的影响范围;
在本单元中,判断风险范围的目的一方面是为了确定风险的波及面,可以方便对风险的等级进行判定,另一方面可以在向民众进行风险预警时,快速判定出哪些民众处于风险中心地带,对不同地带的民众做出不同的风险预警。
预警传播单元530,用于根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
决策控制单元540,用于通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
在本单元中,会结合计算得出的风险等级,根据不同阈值所指定的不同方案,通过手机短信、微信、电脑等方式向用户进行通知,通知的方式包括但不限于消息栏通知、响铃通知、强制弹窗通知等方式,实际通知方式会根据灾害等级的不同而定。
图5为本发明实施例提供的一种基于大数据的智能自然灾害预警方法的流程图,如图5所示,一种基于大数据的智能自然灾害预警方法,所述方法包括:
S100,收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
在本步骤中,所需收集的自然环境数据包括但不限于:
气象数据:从气象站、卫星、雷达等多种来源收集一个国家或地区特定时间窗口内的温度、湿度、气压、风速和降雨量等方面的实时和历史数据;
地质数据:收集土壤、植被、地形、地貌等信息, 如山崩、滑坡等风险增加的条件和指标;
水文数据:从水位测量仪、水文站、遥感技术等渠道收集水文信息,如雨量、水位、流量等参数数据;
区域性数据:比如人口密度、交通路线、建筑物密度和用途、设施等等,在特殊表面环境下有变化的,比如城市化,林地开绿地工程也是考虑之一。
在数据收集后,还应当进行特征提取,以便于系统快速识别出风险因素。
S200,通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
在本步骤中,所采用的机器学习算法可以从数据中发现模式和规律,通过分析历史数据,对算法模型不断进行训练,即可通过所收集的当前自然数据,来推算出短中长期可能出现的自然灾害概率,所构建的预测模型可以用于预测未来可能发生的灾害类型、时间、地区、天气等相关因素,对自然灾害的预测和预警非常有帮助。在实际处理中,还可以附加等级阈值,使该模块可以对灾害出现的可能性进行等级划分,根据不同的风险等级制定不同的应急方案。
S300,结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
在本步骤中,先结合上述的预测结果,针对不同的自然灾害出现的可能性,制定不同的应急方案,如:
针对高风险级别(如突发地震、大型火灾、海啸等),会采用最严厉的防范措施,民众需要了解防控的重要性和紧急性,此时公众性命的重要性远高于其他,因此会以最简要、最突出的方式向公众发出灾害警告(可通过全部的在线设备进行预警通告,如手机、电脑、电视等,通告方式可以采取强行弹窗和高响铃警告),且还会以最简短的语句向公众告知应急措施,同时还会将灾情同步至当地和附近地区的事故应急机构和决策部门,一方面能够同步消息,另一方面能够对附近地区进行灾情提醒,以便防患;
针对中风险级别(如小型火情、大暴雨、台风等),会采用以预警为主的方式进行防范,且该级别的风险属于可能会因为自然原因出现风险,因此为了降低过度预警给民众带来的恐慌,会尽可能的选择局部公布的方式提前向民众告知风险,如仅告知民众出现小型火情,但暂时选择不告知火情范围,以及火情可能扩散的范围,在火情处理完毕后在选择告知。该种方式在向民众进行预警式通告时,还会向当地和附近地区的事故应急机构和决策部门同步消息,同时决策部门可以根据实际情况选择何时向民众公开实际情况。
针对低风险级别(通常指不会直接危及人身财产安全的情况),会通过日常弹窗或节目预告的方式来进行消息传递,提醒民众做好日常防护或者其他措施即可。
S400,通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
在本步骤中,主要是用于对当前自然环境中的数据进行实时采集和监测,与数据处理模块的区别在于数据处理模块主要是用于对历史数据进行存储,即实时监测模块在对数据进行收集和监测后,会将数据传递至数据处理模块中进行二次收集。
S500,根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
在本步骤中,用于根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
图6为本发明实施例提供的结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案的流程图,如图6所示,所述结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案具体包括:
S310,设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
S320,为不同的概率等级设定不同的防控方案。
在本步骤中,针对高风险级别(如突发地震、大型火灾、海啸等),会采用最严厉的防范措施,民众需要了解防控的重要性和紧急性,此时公众性命的重要性远高于其他,因此会以最简要、最突出的方式向公众发出灾害警告(可通过全部的在线设备进行预警通告,如手机、电脑、电视等,通告方式可以采取强行弹窗和高响铃警告),且还会以最简短的语句向公众告知应急措施,同时还会将灾情同步至当地和附近地区的事故应急机构和决策部门,一方面能够同步消息,另一方面能够对附近地区进行灾情提醒,以便防患;
针对中风险级别(如小型火情、大暴雨、台风等),会采用以预警为主的方式进行防范,且该级别的风险属于可能会因为自然原因出现风险,因此为了降低过度预警给民众带来的恐慌,会尽可能的选择局部公布的方式提前向民众告知风险,如仅告知民众出现小型火情,但暂时选择不告知火情范围,以及火情可能扩散的范围,在火情处理完毕后在选择告知。该种方式在向民众进行预警式通告时,还会向当地和附近地区的事故应急机构和决策部门同步消息,同时决策部门可以根据实际情况选择何时向民众公开实际情况。
针对低风险级别(通常指不会直接危及人身财产安全的情况),会通过日常弹窗或节目预告的方式来进行消息传递,提醒民众做好日常防护或者其他措施即可。
图7为本发明实施例提供的通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征的流程图,如图7所示,所述通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征具体包括:
S410,根据不同的自然灾害类型,设置相应的传感系统和监控系统;
在本步骤中,主要是用于对当前自然环境中的数据进行实时采集和监测,与数据处理模块的区别在于数据处理模块主要是用于对历史数据进行存储,即实时监测模块在对数据进行收集和监测后,会将数据传递至数据处理模块中进行二次收集。
S420,对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
图8为本发明实施例提供的根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示的流程图,如图8所示,所述根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示具体包括:
S510,对风险种类进行认知,并自动扩展该风险的潜在防控措施;
在本步骤中,会先对风险的种类进行判断,如火灾、海啸、洪水、地震等,根据情况会收集相应的信息,并做出不同的风险预警;
S520,根据灾害事件发生概率来确认该次风险的影响范围;
在本步骤中,判断风险范围的目的一方面是为了确定风险的波及面,可以方便对风险的等级进行判定,另一方面可以在向民众进行风险预警时,快速判定出哪些民众处于风险中心地带,对不同地带的民众做出不同的风险预警。
S530,根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
S540,通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
在本步骤中,会结合计算得出的风险等级,根据不同阈值所指定的不同方案,通过手机短信、微信、电脑等方式向用户进行通知,通知的方式包括但不限于消息栏通知、响铃通知、强制弹窗通知等方式,实际通知方式会根据灾害等级的不同而定。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据的智能自然灾害预警系统,其特征在于,所述系统包括:
数据处理模块,用于收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
模型与算法模块,用于通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
策略定制模块,用于结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
实时监测模块,用于通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
信息传播模块,用于根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
2.根据权利要求1所述的系统,其特征在于,所述模型与算法模块所采用的算法主要包括:
其中,为需要定义输入自然环境特征值,/>表示第/>个特征,/>为特征的数量;
随后将自然环境特征值输入到神经网络中,利用激活函数和权重矩阵对自然环境特征值进行处理:
其中,表示特征/>对应的权重,/>则为偏置量,/>表示激活函数,输出/>表示在给定特征向量的条件下,灾害事件发生的概率。
3.根据权利要求1所述的系统,其特征在于,所述策略定制模块具体包括:
等级划分单元,用于设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
方案制定单元,用于为不同的概率等级设定不同的防控方案。
4.根据权利要求1所述的系统,其特征在于,所述实时监测模块具体包括:
监测设置单元,用于根据不同的自然灾害类型,设置相应的传感系统和监控系统;
数据挖掘单元,用于对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
5.根据权利要求1所述的系统,其特征在于,所述信息传播模块具体包括:
种类认知单元,用于对风险种类进行认知,并自动扩展该风险的潜在防控措施;
范围判定单元,用于根据灾害事件发生概率来确认该次风险的影响范围;
预警传播单元,用于根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
决策控制单元,用于通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
6.一种基于大数据的智能自然灾害预警方法,其特征在于,所述方法包括:
收集当前自然环境中的数据,并对数据中的灾害特征进行提取;
通过机器学习算法构建预测模型,推算出未来自然数据的特征和趋势;
结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案;
通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征;
根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示。
7.根据权利要求6所述的方法,其特征在于,所述结合未来自然数据的特征和趋势结果,分析各种情况下的可行方案,然后向公众、事故应急机构和决策部门推送不同等级的应采取的措施方案具体包括:
设定方案阈值,该阈值用于为灾害事件发生的概率划分等级;
为不同的概率等级设定不同的防控方案。
8.根据权利要求6所述的方法,其特征在于,所述通过传感器和监控设施对灾害发生的实时数据进行监测,提取事件的风险特征具体包括:
根据不同的自然灾害类型,设置相应的传感系统和监控系统;
对传感系统和监控系统所采集的数据进行分析和挖掘,提取出灾害风险特征。
9.根据权利要求6所述的方法,其特征在于,所述根据预测模型和监测模块的结果,自动选择需要发布的信息内容,然后通过信息传输渠道向公众发布预警信息和安全提示具体包括:
对风险种类进行认知,并自动扩展该风险的潜在防控措施;
根据灾害事件发生概率来确认该次风险的影响范围;
根据该次灾害事件的风险等级,向公众传递相应的风险信息,同时会将风险信息同步至应急机构和决策部门;
通过决策部门和应急机构对该次风险的实际情况进行判定,并选择向公众公开的风险信息内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310986504.4A CN116704708A (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据的智能自然灾害预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310986504.4A CN116704708A (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据的智能自然灾害预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704708A true CN116704708A (zh) | 2023-09-05 |
Family
ID=87832568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310986504.4A Pending CN116704708A (zh) | 2023-08-08 | 2023-08-08 | 一种基于大数据的智能自然灾害预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704708A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152893A (zh) * | 2023-10-31 | 2023-12-01 | 广州市林业和园林科学研究院 | 一种森林防灾方法及系统 |
Citations (8)
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 |
CN109063247A (zh) * | 2018-06-26 | 2018-12-21 | 西安工程大学 | 基于深度信念网络的滑坡灾害预报方法 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
CN111739258A (zh) * | 2020-05-09 | 2020-10-02 | 陕西理工大学 | 一种基于计算机的自然灾害预警系统 |
CN113324584A (zh) * | 2021-05-27 | 2021-08-31 | 云南电网有限责任公司西双版纳供电局 | 一种电网防灾应急全景监视系统及预警方法 |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策系统、方法及可读存储介质 |
CN114399235A (zh) * | 2022-03-25 | 2022-04-26 | 北京慧图科技(集团)股份有限公司 | 一种基于雨情数据判定灾害风险等级的方法及系统 |
CN116384112A (zh) * | 2023-04-06 | 2023-07-04 | 重庆移通学院 | 一种用于矿山灾害模拟和预警的方法及系统 |
-
2023
- 2023-08-08 CN CN202310986504.4A patent/CN116704708A/zh active Pending
Patent Citations (8)
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 |
CN109063247A (zh) * | 2018-06-26 | 2018-12-21 | 西安工程大学 | 基于深度信念网络的滑坡灾害预报方法 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
CN111739258A (zh) * | 2020-05-09 | 2020-10-02 | 陕西理工大学 | 一种基于计算机的自然灾害预警系统 |
CN113324584A (zh) * | 2021-05-27 | 2021-08-31 | 云南电网有限责任公司西双版纳供电局 | 一种电网防灾应急全景监视系统及预警方法 |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策系统、方法及可读存储介质 |
CN114399235A (zh) * | 2022-03-25 | 2022-04-26 | 北京慧图科技(集团)股份有限公司 | 一种基于雨情数据判定灾害风险等级的方法及系统 |
CN116384112A (zh) * | 2023-04-06 | 2023-07-04 | 重庆移通学院 | 一种用于矿山灾害模拟和预警的方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152893A (zh) * | 2023-10-31 | 2023-12-01 | 广州市林业和园林科学研究院 | 一种森林防灾方法及系统 |
CN117152893B (zh) * | 2023-10-31 | 2023-12-29 | 广州市林业和园林科学研究院 | 一种森林防灾方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guzzetti et al. | Geographical landslide early warning systems | |
Piciullo et al. | Territorial early warning systems for rainfall-induced landslides | |
CN111052772B (zh) | 用于安全跟踪和生成警报的方法和系统 | |
Lindell et al. | A hurricane evacuation management decision support system (EMDSS) | |
Lindell et al. | Organizational communication and decision making for hurricane emergencies | |
Donner | The political ecology of disaster: An analysis of factors influencing US tornado fatalities and injuries, 1998–2000 | |
Peng et al. | Dynamic decision making for dam-break emergency management–Part 1: Theoretical framework | |
CN116704708A (zh) | 一种基于大数据的智能自然灾害预警系统及方法 | |
Hofflinger et al. | Response time to flood events using a social vulnerability index (ReTSVI) | |
CN112215458A (zh) | 灾害分析方法和电子设备 | |
López et al. | Taranis: Neural networks and intelligent agents in the early warning against floods | |
Bouta et al. | Benefit-cost analysis for earthquake early warning in Washington State | |
Krocak et al. | An analysis of tornado warning reception and response across time: Leveraging respondents’ confidence and a nocturnal tornado climatology | |
de Moraes | Proposing a metric to evaluate early warning system applicable to hydrometeorological disasters in Brazil | |
KR20030084859A (ko) | 단문메시지서비스를 이용한 개별 재난경보시스템 | |
Molinari et al. | Flood Early Warning Systems: Knowledge and Tools for Their Critical Assessment | |
Maranzoni et al. | Probabilistic mapping of life loss due to dam-break flooding | |
Joo et al. | An analysis of factors influencing disaster mobility using location data from smartphones: Case study of western Japan flooding | |
Glade et al. | Landslide hazard and risk: concluding comment and perspectives | |
Kazantzidou-Firtinidou et al. | Seismic Risk Assessment as a basic tool for emergency planning:“PACES” EU project | |
Viseu et al. | Dam-break risk management and hazard mitigation | |
CN105488588A (zh) | 基于Apriori算法的警情预测方法及警情预测系统 | |
Ruwanpura et al. | Planning and modelling for mitigation of tsunami impacts | |
Varghese | Capacities and gaps in early warning systems: Kerala floods | |
Lindell | Planning for flood evacuation: analysis, modeling and management |
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 |