CN116862303B - 城市内涝隐患分级及评估方法 - Google Patents

城市内涝隐患分级及评估方法 Download PDF

Info

Publication number
CN116862303B
CN116862303B CN202310848363.XA CN202310848363A CN116862303B CN 116862303 B CN116862303 B CN 116862303B CN 202310848363 A CN202310848363 A CN 202310848363A CN 116862303 B CN116862303 B CN 116862303B
Authority
CN
China
Prior art keywords
hidden danger
index data
waterlogging
urban
index
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
Application number
CN202310848363.XA
Other languages
English (en)
Other versions
CN116862303A (zh
Inventor
时珍宝
刘利
严寒
黄俊杰
刘奇奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Bibo Water Design Research And Development Center
Original Assignee
Shanghai Bibo Water Design Research And Development Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Bibo Water Design Research And Development Center filed Critical Shanghai Bibo Water Design Research And Development Center
Priority to CN202310848363.XA priority Critical patent/CN116862303B/zh
Publication of CN116862303A publication Critical patent/CN116862303A/zh
Application granted granted Critical
Publication of CN116862303B publication Critical patent/CN116862303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及内涝隐患分级评估的技术领域，揭露了城市内涝隐患分级及评估方法，所述方法包括：构建城市内涝隐患评估指标体系并采集指标数据，对采集的指标数据进行量化处理；对量化后的指标数据进行前置滤波处理；对滤波处理后的指标数据进行自适应迭代分解，计算迭代分解结果的能量散度；将能量散度与不同城市内涝隐患级别的阈值比较，确定内涝隐患级别。本发明基于指标数据的变异程度对不同指标进行权重计算，并基于指标权重对待评估城市的指标数据进行量化赋权，实现结合指标权重的多角度内涝隐患评估，基于迭代分解结果能量与不存在内涝隐患城市的迭代分解结果能量的距离度量，实现待评估城市与不存在内涝隐患城市在指标上的差异性度量。

Description

城市内涝隐患分级及评估方法
技术领域
本发明涉及内涝隐患分级评估的技术领域，尤其涉及城市内涝隐患分级及评估方法。
背景技术
随着城镇化进程的加快，城市不透水铺装面积的增加、城市中自然调蓄空间的缩减,加之原有排水系统的能力不足、极端降雨频率的增加，每年都会发生多频次的城市内涝，给人们的生命财产安全造成巨大损失。因此对城市内涝隐患进行分级评估对保证城市安全具有重要意义。针对该问题，本发明提出一种城市内涝隐患分级及评估方法，实现城市内涝隐患的精准评估。
发明内容
有鉴于此，本发明提供城市内涝隐患分级及评估方法，目的在于：1)基于表征内涝程度的道路铺装面积、平均坡度指标，表征内涝灾害产生速度的不透水面积、植被覆盖率、排水管道密度指标，表征灾后管理的人均可支配收入、医疗卫生人员数目以及安全应急资源占比指标，构建城市内涝隐患评估指标体系，并获取不同城市内涝隐患级别的城市指标数据，基于指标数据的变异程度对不同指标进行权重计算，并基于指标权重对待评估城市的指标数据进行量化赋权，实现结合指标权重的多角度内涝隐患评估，并对量化后的指标数据进行特征分解，基于特征值所对应特征向量的向量大小，对特征值进行度量，进而对特征值进行更新，从而过滤无效特征值及特征向量，利用过滤后的特征值以及特征向量重构得到更能表征数据变化特征的指标数据；2)根据指标数据的极值点对指标数据进行多尺度分解，并构建表征相邻尺度分解结果变化幅度的停止条件，当分解结果变化不大时，则终止迭代分解，实现自适应迭代分解，并结合能量熵，基于迭代分解结果能量与不存在内涝隐患城市的迭代分解结果能量的距离度量，实现待评估城市与不存在内涝隐患城市在指标特征上的差异性度量，其中能量散度越大则差异性越大，进而将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别。
实现上述目的，本发明提供的城市内涝隐患分级及评估方法，包括以下步骤：
S1：构建城市内涝隐患评估指标体系并采集指标数据，对采集的指标数据进行量化处理；
S2：对量化后的指标数据进行前置滤波处理，得到滤波处理后的指标数据；
S3：对滤波处理后的指标数据进行自适应迭代分解，并计算迭代分解结果的能量散度；
S4：将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别，否则不存在内涝隐患。
作为本发明的进一步改进方法：
可选地，所述S1步骤中构建城市内涝隐患评估指标体系并采集指标数据，包括：
构建城市内涝隐患评估指标体系，所构建城市内涝隐患评估指标体系如下：
{Ci,Yj|i∈[1,9],j∈[1,3]}
其中：
C1表示城市道路铺装面积；
C2表示城市平均坡度；
C3表示城市植被覆盖率；
C4表示城市不透水面积；
C5表示城市排水管道密度；
C6表示城市人口密度；
C7表示城市人均可支配收入；
C8表示城市医疗卫生人员数目；
C9表示城市安全应急资源占比；
{Ci|i∈[1,9]}表示城市内涝隐患评估指标集合，{Yj|j∈[0,3]}表示城市内涝隐患分级体系，对应四种不同的城市内涝隐患级别，Y0表示不存在内涝隐患，Y1表示轻度内涝隐患，Y2表示中度内涝隐患，Y3表示严重内涝隐患；
根据所构建的城市内涝隐患评估指标体系采集待评估城市的指标数据，其中指标Ci的指标数据为xi，所采集待评估城市的指标数据为(x1,x2,...,xi,...,x9)。
可选地，所述S1步骤中对采集的指标数据进行量化处理，包括：
对所采集待评估城市的指标数据进行量化处理，其中量化前的预处理流程为：
S11：采集m座城市的指标数据，构成指标数据矩阵M，其中所采集m座城市包括m/4座不存在内涝隐患的城市、m/4座轻度内涝隐患的城市、m/4座中度内涝隐患的城市以及m/4座严重内涝隐患的城市，指标数据矩阵M为：
其中：
指标数据矩阵M中的第m行表示第m座城市的指标数据，第i列表示指标Ci的采集数据；
S12：对指标数据矩阵M进行标准化处理，其中标准化处理公式为：
其中：
表示xi(m)的标准化处理结果；
构成标准化指标数据矩阵
S13：计算得到指标Ci的权重：
其中：
wi表示指标Ci的权重；
对所采集的待评估城市的指标数据进行归一化处理，其中对于xi的归一化处理公式为：
其中：
表示xi的归一化处理结果；
maxi表示预设置的指标Ci的最大值，mini表示预设置的指标Ci的最小值；
构成量化后的指标数据X：
可选地，所述S2步骤中对量化后的指标数据进行前置滤波处理，包括：
对量化后的指标数据X进行前置滤波处理，其中前置滤波处理流程为：
S21：计算得到量化后的指标数据X的协方差矩阵：
其中：
Cov(X)表示X的协方差矩阵，tr(·)表示计算矩阵的迹；
S22：对Cov(X)进行特征分解，得到H个特征值和特征向量，并按照特征值由大到小的顺序对特征值以及特征向量进行排序：
(λ1,λ2,...,λh,...,λH)
(α1,α2,...,αh,...,αH)
其中：
λh表示Cov(X)的第h个特征值，αh表示λh对应的特征向量，h∈[1,H]；
S23：对特征值进行更新处理，其中特征值λh的更新公式为：
其中：
λ′h表示特征值λh的更新结果，th1表示特征阈值；
||·||表示L1范数；
S24：基于特征向量以及更新后的特征值，得到前置滤波处理后的指标数据：
X′＝[α1,α2,...,αh,...,αH]Λ(λ′1,λ′2,...,λ′h,...,λ′H)[α1,α2,...,αh,...,αH]-1
其中：
Λ(λ′1,λ′2,...,λ′h,...,λ′H)表示对角矩阵，主对角线元素即为更新后的特征值；
X′为前置滤波处理后的指标数据，在本发明实施例中，滤波处理后的指标数据仍为向量形式，向量长度与指标数相同。
可选地，所述S3步骤中对滤波处理后的指标数据进行自适应迭代分解，包括：
对滤波处理后的指标数据X′进行自适应迭代分解，其中自适应迭代分解流程为：
S31：将滤波处理后的指标数据X′作为原始数据，获取X′的所有极值点，并区分极小值点和极大值点，得到指标数据X′的极小值点以及极大值点集合；
S32：利用三次样条插值方法分别对极小值点集合以及极大值点集合进行插值处理，其中极小值点集合的插值处理结果即为下包络线，极大值点集合的插值处理结果即为上包络线；
S33：计算上下包络线的均值，并计算原始数据与均值的差值；
若差值结果的零点数与极值点数相差小于等于1，且差值结果的上下包络线均值均为0，则将原始数据与均值的差值作为X′在尺度u上的分离结果X′(u)，并令u＝u+1，将分离结果X′(u)作为原始数据，返回步骤S31，其中u的初始值为1；否则令原始数据与上下包络线均值的差值为原始数据，返回步骤S31；
若尺度u上的分离结果X′(u)满足下式，则终止迭代分解：
其中：
||·||2表示L2范数，||X′(0)||2＝X′；
th2表示分离阈值；
构成滤波处理后的指标数据x′的自适应迭代分解结果集合：
{x′(s)|S∈[1,UMAX]}
其中：
X′(s)表示指标数据X′在尺度s上的分解结果，umax表示最大分解尺度。
可选地，所述S3步骤中计算迭代分解结果的能量散度，包括：
计算迭代分解结果的能量散度，其中能量散度的计算公式为：
其中：
Ene表示迭代分解结果的能量散度；
ps表示待评估城市所采集指标数据在尺度s下分解结果的能量出现的概率，/>表示能量值/>在X′的umax个分解结果的能量值中出现的次数，表示X′(s)的能量值；
p′s表示不存在内涝隐患城市采集指标数据在尺度s下分解结果的能量出现的概率；
a表示能量参数，将其设置为0.5。
可选地，所述S4步骤中将能量散度与不同城市内涝隐患级别的阈值进行比较，包括：
根据步骤S1所采集m座城市的指标数据，对m座城市的指标数据依次进行量化、前置滤波、自适应迭代分解以及能量散度计算处理，得到m座城市的能量散度，并计算得到不同城市内涝隐患级别的平均能量散度，作为不同城市内涝隐患级别的阈值，其中不存在内涝隐患的阈值为β0，轻度内涝隐患的阈值为β1，中度内涝隐患的阈值为β2，严重内涝隐患的阈值为β3；
将待评估城市的能量散度与不同城市内涝隐患级别的阈值进行比较，得到待评估城市的内涝隐患级别，若Ene≤β0，则表示待评估城市不存在内涝隐患，若β0<Ene≤β2，则表示待评估城市存在轻度内涝隐患，若β2<Ene<β3，则表示待评估城市存在中度内涝隐患，若β3≤Ene，则表示待评估城市存在严重内涝隐患。
为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；
通信接口，实现电子设备通信；及
处理器，执行所述存储器中存储的指令以实现上述所述的城市内涝隐患分级及评估方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的城市内涝隐患分级及评估方法。
相对于现有技术，本发明提出城市内涝隐患分级及评估方法，该技术具有以下优势：
首先，本方案提出一种指标数据量化滤波方法，基于表征内涝程度的道路铺装面积、平均坡度指标，表征内涝灾害产生速度的不透水面积、植被覆盖率、排水管道密度指标，表征灾后管理的人均可支配收入、医疗卫生人员数目以及安全应急资源占比指标，构建城市内涝隐患评估指标体系，并获取不同城市内涝隐患级别的城市指标数据，基于指标数据的变异程度对不同指标进行权重计算，并基于指标权重对待评估城市的指标数据进行量化赋权，实现结合指标权重的多角度内涝隐患评估，对量化后的指标数据X进行前置滤波处理，其中前置滤波处理流程为：计算得到量化后的指标数据X的协方差矩阵：
其中：Cov(X)表示X的协方差矩阵，tr(·)表示计算矩阵的迹；对Cov(X)进行特征分解，得到H个特征值和特征向量，并按照特征值由大到小的顺序对特征值以及特征向量进行排序：
(λ1,λ2,...,λh,...,λH)
(α1,α2,...,αh,...,αH)
其中：λh表示Cov(X)的第h个特征值，αh表示λh对应的特征向量，h∈[1,H]；对特征值进行更新处理，其中特征值λh的更新公式为：
其中：λ′h表示特征值λh的更新结果，th1表示特征阈值；||·||表示L1范数；基于特征向量以及更新后的特征值，得到前置滤波处理后的指标数据：
X′＝[α1,α2,...,αh,...,αH]Λ(λ′1,λ′2,...,λ′h,...,λ′H)[α1,α2,...,αh,...,αH]-1
其中：Λ(λ′1,λ′2,...,λ′h,...,λ′H)表示对角矩阵，主对角线元素即为更新后的特征值；X′为前置滤波处理后的指标数据。本方案通过对量化后的指标数据进行特征分解，基于特征值所对应特征向量的向量大小，对特征值进行度量，进而对特征值进行更新，从而过滤无效特征值及特征向量，保留更能表征原始指标数据特征的有效特征值，利用过滤后的特征值以及特征向量重构得到更能表征数据变化特征的指标数据。
同时，本方案提出一种城市内涝隐患分级方法，通过对指标数据进行迭代分解，计算迭代分解结果的能量散度，其中能量散度的计算公式为：
其中：Ene表示迭代分解结果的能量散度；ps表示待评估城市所采集指标数据在尺度s下分解结果的能量出现的概率，/>表示能量值/>在X′的umax个分解结果的能量值中出现的次数，/>表示X′(s)的能量值；p′s表示不存在内涝隐患城市采集指标数据在尺度s下分解结果的能量出现的概率；a表示能量参数，将其设置为0.5。本方案根据指标数据的极值点对指标数据进行多尺度分解，并构建表征相邻尺度分解结果变化幅度的停止条件，当分解结果变化不大时，则终止迭代分解，实现自适应迭代分解，并结合能量熵，基于迭代分解结果能量与不存在内涝隐患城市的迭代分解结果能量的距离度量，实现待评估城市与不存在内涝隐患城市在指标特征上的差异性度量，其中能量散度越大则差异性越大，进而将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别。
附图说明
图1为本发明一实施例提供的城市内涝隐患分级及评估方法的流程示意图；
图2为本发明一实施例提供的实现城市内涝隐患分级及评估方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供城市内涝隐患分级及评估方法。所述城市内涝隐患分级及评估方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述城市内涝隐患分级及评估方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：构建城市内涝隐患评估指标体系并采集指标数据，对采集的指标数据进行量化处理。
所述S1步骤中构建城市内涝隐患评估指标体系并采集指标数据，包括：
构建城市内涝隐患评估指标体系，所构建城市内涝隐患评估指标体系如下：
{Ci,Yj|i∈[1,9],j∈[1,3]}
其中：
C1表示城市道路铺装面积；
C2表示城市平均坡度；
C3表示城市植被覆盖率；
C4表示城市不透水面积；
C5表示城市排水管道密度；
C6表示城市人口密度；
C7表示城市人均可支配收入；
C8表示城市医疗卫生人员数目；
C9表示城市安全应急资源占比；
{Ci|i∈[1,9]}表示城市内涝隐患评估指标集合，{Yj|j∈[0,3]}表示城市内涝隐患分级体系，对应四种不同的城市内涝隐患级别，Y0表示不存在内涝隐患，Y1表示轻度内涝隐患，Y2表示中度内涝隐患，Y3表示严重内涝隐患；
根据所构建的城市内涝隐患评估指标体系采集待评估城市的指标数据，其中指标Ci的指标数据为xi，所采集待评估城市的指标数据为(x1,x2,...,xi,...,x9)。
所述S1步骤中对采集的指标数据进行量化处理，包括：
对所采集待评估城市的指标数据进行量化处理，其中量化前的预处理流程为：
S11：采集m座城市的指标数据，构成指标数据矩阵M，其中所采集m座城市包括m/4座不存在内涝隐患的城市、m/4座轻度内涝隐患的城市、m/4座中度内涝隐患的城市以及m/4座严重内涝隐患的城市，指标数据矩阵M为：
其中：
指标数据矩阵M中的第m行表示第m座城市的指标数据，第i列表示指标Ci的采集数据；
S12：对指标数据矩阵M进行标准化处理，其中标准化处理公式为：
其中：
表示xi(m)的标准化处理结果；
构成标准化指标数据矩阵
S13：计算得到指标Ci的权重：
其中：
wi表示指标Ci的权重；
对所采集的待评估城市的指标数据进行归一化处理，其中对于xi的归一化处理公式为：
其中：
表示xi的归一化处理结果；
maxi表示预设置的指标Ci的最大值，mini表示预设置的指标Ci的最小值；
构成量化后的指标数据X：
S2：对量化后的指标数据进行前置滤波处理，得到滤波处理后的指标数据。
所述S2步骤中对量化后的指标数据进行前置滤波处理，包括：
对量化后的指标数据X进行前置滤波处理，其中前置滤波处理流程为：
S21：计算得到量化后的指标数据X的协方差矩阵：
其中：
Cov(X)表示X的协方差矩阵，tr(·)表示计算矩阵的迹；
S22：对Cov(X)进行特征分解，得到H个特征值和特征向量，并按照特征值由大到小的顺序对特征值以及特征向量进行排序：
(λ1,λ2,...,λh,...,λH)
(α1,α2,...,αh,...,αH)
其中：
λh表示Cov(X)的第h个特征值，αh表示λh对应的特征向量，h∈[1,H]；
S23：对特征值进行更新处理，其中特征值λh的更新公式为：
其中：
λ′h表示特征值λh的更新结果，th1表示特征阈值；
||·||表示L1范数；
S24：基于特征向量以及更新后的特征值，得到前置滤波处理后的指标数据：
X′＝[α1,α2,...,αh,...,αH]Λ(λ′1,λ′2,...,λ′h,...,λ′H)[α1,α2,...,αh,...,αH]-1
其中：
Λ(λ′1,λ′2,...,λ′h,...,λ′H)表示对角矩阵，主对角线元素即为更新后的特征值；
X′为前置滤波处理后的指标数据，在本发明实施例中，滤波处理后的指标数据仍为向量形式，向量长度与指标数相同。
S3：对滤波处理后的指标数据进行自适应迭代分解，并计算迭代分解结果的能量散度。
所述S3步骤中对滤波处理后的指标数据进行自适应迭代分解，包括：
对滤波处理后的指标数据X′进行自适应迭代分解，其中自适应迭代分解流程为：
S31：将滤波处理后的指标数据X′作为原始数据，获取X′的所有极值点，并区分极小值点和极大值点，得到指标数据X′的极小值点以及极大值点集合；
S32：利用三次样条插值方法分别对极小值点集合以及极大值点集合进行插值处理，其中极小值点集合的插值处理结果即为下包络线，极大值点集合的插值处理结果即为上包络线；
S33：计算上下包络线的均值，并计算原始数据与均值的差值；
若差值结果的零点数与极值点数相差小于等于1，且差值结果的上下包络线均值均为0，则将原始数据与均值的差值作为X′在尺度u上的分离结果X′(u)，并令u＝u+1，将分离结果X′(u)作为原始数据，返回步骤S31，其中u的初始值为1；否则令原始数据与上下包络线均值的差值为原始数据，返回步骤S31；
若尺度u上的分离结果X′(u)满足下式，则终止迭代分解：
其中：
||·||2表示L2范数，||X′(0)||2＝X′；
th2表示分离阈值；
构成滤波处理后的指标数据X′的自适应迭代分解结果集合：
{X′(s)|s∈[1,umax]}
其中：
X′(s)表示指标数据X′在尺度s上的分解结果，umax表示最大分解尺度。
所述S3步骤中计算迭代分解结果的能量散度，包括：
计算迭代分解结果的能量散度，其中能量散度的计算公式为：
其中：
Ene表示迭代分解结果的能量散度；
ps表示待评估城市所采集指标数据在尺度s下分解结果的能量出现的概率，/>表示能量值/>在X′的umax个分解结果的能量值中出现的次数，表示X′(s)的能量值；
p′s表示不存在内涝隐患城市采集指标数据在尺度s下分解结果的能量出现的概率；
a表示能量参数，将其设置为0.5。
S4：将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别，否则不存在内涝隐患。
所述S4步骤中将能量散度与不同城市内涝隐患级别的阈值进行比较，包括：
根据步骤S1所采集m座城市的指标数据，对m座城市的指标数据依次进行量化、前置滤波、自适应迭代分解以及能量散度计算处理，得到m座城市的能量散度，并计算得到不同城市内涝隐患级别的平均能量散度，作为不同城市内涝隐患级别的阈值，其中不存在内涝隐患的阈值为β0，轻度内涝隐患的阈值为β1，中度内涝隐患的阈值为β2，严重内涝隐患的阈值为β3；
将待评估城市的能量散度与不同城市内涝隐患级别的阈值进行比较，得到待评估城市的内涝隐患级别，若Ene≤β0，则表示待评估城市不存在内涝隐患，若β0<Ene≤β2，则表示待评估城市存在轻度内涝隐患，若β2<Ene<β3，则表示待评估城市存在中度内涝隐患，若β3≤Ene，则表示待评估城市存在严重内涝隐患。
实施例2：
如图2所示，是本发明一实施例提供的实现城市内涝隐患分级及评估方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(用于实现城市内涝隐患分级及评估的程序12等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图2示出的结构并不构成对所述电子设备1的限定，可以包括比图2示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
构建城市内涝隐患评估指标体系并采集指标数据，对采集的指标数据进行量化处理；
对量化后的指标数据进行前置滤波处理，得到滤波处理后的指标数据；
对滤波处理后的指标数据进行自适应迭代分解，并计算迭代分解结果的能量散度；
将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别，否则不存在内涝隐患。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.城市内涝隐患分级及评估方法，其特征在于，所述方法包括：
S1：构建城市内涝隐患评估指标体系并采集指标数据，对采集的指标数据进行量化处理；
S2：对量化后的指标数据进行前置滤波处理，得到滤波处理后的指标数据；
S3：对滤波处理后的指标数据进行自适应迭代分解，并计算迭代分解结果的能量散度；
所述对滤波处理后的指标数据进行自适应迭代分解，包括：
对滤波处理后的指标数据X'进行自适应迭代分解，其中自适应迭代分解流程为：
S31：将滤波处理后的指标数据X'作为原始数据，获取X'的所有极值点，并区分极小值点和极大值点，得到指标数据X'的极小值点以及极大值点集合；
S32：利用三次样条插值方法分别对极小值点集合以及极大值点集合进行插值处理，其中极小值点集合的插值处理结果即为下包络线，极大值点集合的插值处理结果即为上包络线；
S33：计算上下包络线的均值，并计算原始数据与均值的差值；
若差值结果的零点数与极值点数相差小于等于1，且差值结果的上下包络线均值均为0，则将原始数据与均值的差值作为X'在尺度u上的分离结果X'(u)，并令u＝u+1，将分离结果X'(u)作为原始数据，返回步骤S31，其中u的初始值为1；否则令原始数据与上下包络线均值的差值为原始数据，返回步骤S31；
若尺度u上的分离结果X'(u)满足下式，则终止迭代分解：
其中：
||·||2表示L2范数，||X'(0)||2＝X'；
th2表示分离阈值；
构成滤波处理后的指标数据X'的自适应迭代分解结果集合：
{X′(s)|s∈[1,umax]}
其中：
X'(s)表示指标数据X'在尺度s上的分解结果，umax表示最大分解尺度；
所述计算迭代分解结果的能量散度，包括：
计算迭代分解结果的能量散度，其中能量散度的计算公式为：
其中：
Ene表示迭代分解结果的能量散度；
ps表示待评估城市所采集指标数据在尺度s下分解结果的能量出现的概率，表示能量值/>在X'的umax个分解结果的能量值中出现的次数，表示X'(s)的能量值；
p's表示不存在内涝隐患城市采集指标数据在尺度s下分解结果的能量出现的概率；
a表示能量参数；
S4：将能量散度与不同城市内涝隐患级别的阈值进行比较，若超过指定阈值则存在内涝隐患，并确定内涝隐患级别，否则不存在内涝隐患。
2.如权利要求1所述的城市内涝隐患分级及评估方法，其特征在于，所述S1步骤中构建城市内涝隐患评估指标体系并采集指标数据，包括：
构建城市内涝隐患评估指标体系，所构建城市内涝隐患评估指标体系如下：
{Ci,Yj|i∈[1,9],j∈[1,3]}
其中：
C1表示城市道路铺装面积；
C2表示城市平均坡度；
C3表示城市植被覆盖率；
C4表示城市不透水面积；
C5表示城市排水管道密度；
C6表示城市人口密度；
C7表示城市人均可支配收入；
C8表示城市医疗卫生人员数目；
C9表示城市安全应急资源占比；
{Ci|i∈[1,9]}表示城市内涝隐患评估指标集合，{Yj|j∈[0,3]}表示城市内涝隐患分级体系，对应四种不同的城市内涝隐患级别，Y0表示不存在内涝隐患，Y1表示轻度内涝隐患，Y2表示中度内涝隐患，Y3表示严重内涝隐患；
根据所构建的城市内涝隐患评估指标体系采集待评估城市的指标数据，其中指标Ci的指标数据为xi，所采集待评估城市的指标数据为(x1,x2,...,xi,...,x9)。
3.如权利要求2所述的城市内涝隐患分级及评估方法，其特征在于，所述S1步骤中对采集的指标数据进行量化处理，包括：
对所采集待评估城市的指标数据进行量化处理，其中量化前的预处理流程为：
S11：采集m座城市的指标数据，构成指标数据矩阵M，其中所采集m座城市包括m/4座不存在内涝隐患的城市、m/4座轻度内涝隐患的城市、m/4座中度内涝隐患的城市以及m/4座严重内涝隐患的城市，指标数据矩阵M为：
其中：
指标数据矩阵M中的第m行表示第m座城市的指标数据，第i列表示指标Ci的采集数据；
S12：对指标数据矩阵M进行标准化处理，其中标准化处理公式为：
其中：
表示xi(m)的标准化处理结果；
构成标准化指标数据矩阵
S13：计算得到指标Ci的权重：
其中：
wi表示指标Ci的权重；
对所采集的待评估城市的指标数据进行归一化处理，其中对于xi的归一化处理公式为：
其中：
表示xi的归一化处理结果；
maxi表示预设置的指标Ci的最大值，mini表示预设置的指标Ci的最小值；
构成量化后的指标数据X：
4.如权利要求3所述的城市内涝隐患分级及评估方法，其特征在于，所述S2步骤中对量化后的指标数据进行前置滤波处理，包括：
对量化后的指标数据X进行前置滤波处理，其中前置滤波处理流程为：
S21：计算得到量化后的指标数据X的协方差矩阵：
其中：
Cov(X)表示X的协方差矩阵，tr(·)表示计算矩阵的迹；
S22：对Cov(X)进行特征分解，得到H个特征值和特征向量，并按照特征值由大到小的顺序对特征值以及特征向量进行排序：
(λ1,λ2,...,λh,...,λH)
(α1,α2,...,αh,...,αH)
其中：
λh表示Cov(X)的第h个特征值，αh表示λh对应的特征向量，h∈[1,H]；
S23：对特征值进行更新处理，其中特征值λh的更新公式为：
其中：
λ'h表示特征值λh的更新结果，th1表示特征阈值；
||·||表示L1范数；
S24：基于特征向量以及更新后的特征值，得到前置滤波处理后的指标数据：
X'＝[α1,α2,...,αh,...,αH]Λ(λ'1,λ'2,...,λ'h,...,λ'H)[α1,α2,...,αh,...,αH]-1
其中：
Λ(λ'1,λ'2,...,λ'h,...,λ'H)表示对角矩阵，主对角线元素即为更新后的特征值；
X'为前置滤波处理后的指标数据。
5.如权利要求1所述的城市内涝隐患分级及评估方法，其特征在于，所述S4步骤中将能量散度与不同城市内涝隐患级别的阈值进行比较，包括：
根据步骤S1所采集m座城市的指标数据，对m座城市的指标数据依次进行量化、前置滤波、自适应迭代分解以及能量散度计算处理，得到m座城市的能量散度，并计算得到不同城市内涝隐患级别的平均能量散度，作为不同城市内涝隐患级别的阈值，其中不存在内涝隐患的阈值为β0，轻度内涝隐患的阈值为β1，中度内涝隐患的阈值为β2，严重内涝隐患的阈值为β3；
将待评估城市的能量散度与不同城市内涝隐患级别的阈值进行比较，得到待评估城市的内涝隐患级别，若Ene≤β0，则表示待评估城市不存在内涝隐患，若β0<Ene≤β2，则表示待评估城市存在轻度内涝隐患，若β2<Ene<β3，则表示待评估城市存在中度内涝隐患，若β3≤Ene，则表示待评估城市存在严重内涝隐患。
CN202310848363.XA 2023-07-11 2023-07-11 城市内涝隐患分级及评估方法 Active CN116862303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310848363.XA CN116862303B (zh) 2023-07-11 2023-07-11 城市内涝隐患分级及评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310848363.XA CN116862303B (zh) 2023-07-11 2023-07-11 城市内涝隐患分级及评估方法

Publications (2)

Publication Number Publication Date
CN116862303A CN116862303A (zh) 2023-10-10
CN116862303B true CN116862303B (zh) 2024-02-20

Family

ID=88235491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310848363.XA Active CN116862303B (zh) 2023-07-11 2023-07-11 城市内涝隐患分级及评估方法

Country Status (1)

Country Link
CN (1) CN116862303B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399204A (zh) * 2022-01-17 2022-04-26 北京工业大学 一种城市内涝灾害风险评估方法
CN115689293A (zh) * 2022-11-15 2023-02-03 中国科学院地理科学与资源研究所 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN115953024A (zh) * 2022-12-19 2023-04-11 宁波弘泰水利信息科技有限公司 一种城市内涝灾害预警等级评估方法
CN116029598A (zh) * 2023-01-10 2023-04-28 城云科技（中国）有限公司 一种城市洪涝灾害适灾韧性的评估方法、装置及应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399204A (zh) * 2022-01-17 2022-04-26 北京工业大学 一种城市内涝灾害风险评估方法
CN115689293A (zh) * 2022-11-15 2023-02-03 中国科学院地理科学与资源研究所 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN115953024A (zh) * 2022-12-19 2023-04-11 宁波弘泰水利信息科技有限公司 一种城市内涝灾害预警等级评估方法
CN116029598A (zh) * 2023-01-10 2023-04-28 城云科技（中国）有限公司 一种城市洪涝灾害适灾韧性的评估方法、装置及应用

Also Published As

Publication number Publication date
CN116862303A (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN109447461B (zh) 用户信用评估方法及装置、电子设备、存储介质
CN113159147B (zh) 基于神经网络的图像识别方法、装置、电子设备
CN112132490B (zh) 城市传染病高风险社区识别方法、装置、电子设备及介质
CN114418189A (zh) 水质等级预测方法、系统、终端设备及存储介质
CN114399212A (zh) 生态环境质量评估方法、装置、电子设备及存储介质
CN117373580A (zh) 基于时序网络实现钛合金产品的性能分析方法及系统
CN116862303B (zh) 城市内涝隐患分级及评估方法
CN116128378B (zh) 一种城市体检评估方法、系统、存储介质及电子设备
CN115331449B (zh) 长大连续纵坡路段事故易发区辨识方法、装置及电子设备
CN115730923A (zh) 电扶梯系统智能轮保方法、系统、存储介质及电子设备
CN113823089A (zh) 交通量检测方法、装置、电子设备及可读存储介质
CN115345247B (zh) 模型训练和公路轴载确定方法、装置、设备及介质
CN117273961B (zh) 一种车险数据的评估方法、装置、设备及介质
CN116403403B (zh) 一种基于大数据分析的交通预警方法、系统、设备及介质
CN113887569B (zh) 一种基于区域尺度的事故多发区域判别方法
CN117648594B (zh) 一种城市安全燃气管网缺陷识别与管理方法
CN113657488B (zh) 基于驾驶行为的用户分级方法、装置、设备及存储介质
CN116109145B (zh) 车辆行驶路线的风险评估方法、装置、终端及存储介质
CN116992220B (zh) 一种低冗余用电数据智能采集方法
CN117092309B (zh) 基于大数据的社区供水水质监测方法及系统
CN113657429B (zh) 面向数字孪生城市物联网的数据融合方法及装置
CN111355631B (zh) 一种区块链异常识别方法和系统、设备及存储介质
CN111966962B (zh) 一种对流天气的触发条件判断方法及装置
CN117787570A (zh) 一种水环境重金属污染综合评价方法及系统
CN116842328A (zh) 基于人工智能决策的大数据采集及去噪方法及系统

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