CN117953651A - 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质 - Google Patents

低温雨雪冰冻灾害的风险评估方法、装置、设备及介质 Download PDF

Info

Publication number
CN117953651A
CN117953651A CN202410161588.2A CN202410161588A CN117953651A CN 117953651 A CN117953651 A CN 117953651A CN 202410161588 A CN202410161588 A CN 202410161588A CN 117953651 A CN117953651 A CN 117953651A
Authority
CN
China
Prior art keywords
snow
disaster
low
data
candidate
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
Application number
CN202410161588.2A
Other languages
English (en)
Inventor
韩鹏
郭桂祯
王丹丹
吴瑶瑶
林森
孙宁
郭旭东
王乾勋
李建文
李鑫磊
钟琳玲
郭建欣
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.)
National Disaster Reduction Center Of Ministry Of Emergency Management
Original Assignee
National Disaster Reduction Center Of Ministry Of Emergency Management
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 National Disaster Reduction Center Of Ministry Of Emergency Management filed Critical National Disaster Reduction Center Of Ministry Of Emergency Management
Priority to CN202410161588.2A priority Critical patent/CN117953651A/zh
Publication of CN117953651A publication Critical patent/CN117953651A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06Q50/265—Personal security, identity or safety
    • 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
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Emergency Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Geology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种低温雨雪冰冻灾害的风险评估方法、装置、设备及介质。其中，该方法通过根据目标区域的天气预报数据和预设阈值确定目标区域内的致灾危险区，并提取致灾危险区的评估数据；其中，评估数据为与评估指标对应的数据；采用预先构建的逻辑回归模型对评估数据进行评估，确定致灾危险区的低温雨雪冰冻灾害发生概率；根据低温雨雪冰冻灾害发生概率，确定致灾危险区的低温雨雪冰冻灾害风险等级。本技术方案，以实现对致灾危险区的低温雨雪冰冻灾害发生概率进行预测，提高低温雨雪冰冻灾害风险级别的精确度和时效性，为低温雨雪冰冻灾害预警提供科学的技术支撑。

Description

低温雨雪冰冻灾害的风险评估方法、装置、设备及介质
技术领域
本申请涉及信息处理技术领域，尤其涉及一种低温雨雪冰冻灾害的风险评估方法、装置、设备及介质。
背景技术
低温雨雪冰冻是由降雪、雨夹雪、霰、冰粒、冻雨或降雨后遇低温形成的积雪、结冰现象，主要发生于冬季，但秋冬交替和冬春交替之际也会偶尔出现。一旦发生低温雨雪冰冻灾害，受灾区的电力、通讯、交通、农业、林业等行业均会受到不同程度的影响。开展低温雨雪冰冻灾害风险评估是防御低温雨雪冰冻灾害最有效的手段，对低温雨雪冰冻灾害综合风险进行精细化评估，可以有效减轻生命财产损失。
现有的低温雨雪冰冻灾害综合风险评估方案中，例如建立统计模型方法或物理模型方法等。其中，统计模型方法可为根据历史低温雨雪冰冻灾害所建立的时间序列模型；或者指标权重法、灰色关联法等等。物理模型方法可为根据气候学原理和大气科学知识模拟大气运动和天气过程；或者通过建立大气运动方程组，利用高性能计算机进行数值求解以对低温雨雪冰冻灾害进行预测。然而，上述统计模型方法的计算方法单一，没有深入挖掘低温雨雪冰冻的致灾机理，而物理模型方法的预测过程复杂，计算效率较低。
因此，如何提供一种效率高且精确度高的低温雨雪冰冻灾害综合风险评估的技术方案，是本领域技术人员亟待解决的技术问题。
发明内容
本申请提供了一种低温雨雪冰冻灾害的风险评估方法、装置、设备及介质，以实现对致灾危险区的低温雨雪冰冻灾害发生概率进行预测，提高低温雨雪冰冻灾害风险级别的精确度和时效性，为低温雨雪冰冻灾害预警提供科学的技术支撑。
根据本申请的一方面，提供了一种低温雨雪冰冻灾害的风险评估方法，该方法包括：
根据目标区域的天气预报数据和预设阈值确定所述目标区域内的致灾危险区，并提取所述致灾危险区的评估数据；其中，所述评估数据为与评估指标对应的数据；
采用预先构建的逻辑回归模型对所述评估数据进行评估，确定所述致灾危险区的低温雨雪冰冻灾害发生概率；
根据所述低温雨雪冰冻灾害发生概率，确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
根据本申请的另一方面，提供了一种低温雨雪冰冻灾害的风险评估装置，该装置包括：
评估数据提取模块，用于根据目标区域的天气预报数据和预设阈值确定所述目标区域内的致灾危险区，并提取所述致灾危险区的评估数据；其中，所述评估数据为与评估指标对应的数据；
灾害概率确定模块，用于采用预先构建的逻辑回归模型对所述评估数据进行评估，确定所述致灾危险区的低温雨雪冰冻灾害发生概率；
风险等级评估模块，用于根据所述低温雨雪冰冻灾害发生概率，确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
根据本申请的另一方面，提供了一种低温雨雪冰冻灾害的风险评估设备，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低温雨雪冰冻灾害的风险评估方法。
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低温雨雪冰冻灾害的风险评估方法。
本申请提供的技术方案，通过根据目标区域的天气预报数据和预设阈值确定目标区域内的致灾危险区，并提取致灾危险区的评估数据；其中，评估数据为与评估指标对应的数据；采用预先构建的逻辑回归模型对评估数据进行评估，确定致灾危险区的低温雨雪冰冻灾害发生概率；根据低温雨雪冰冻灾害发生概率，确定致灾危险区的低温雨雪冰冻灾害风险等级。本技术方案，以实现对致灾危险区的低温雨雪冰冻灾害发生概率进行预测，提高低温雨雪冰冻灾害风险级别的精确度和时效性，为低温雨雪冰冻灾害预警提供科学的技术支撑。
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低温雨雪冰冻灾害的风险评估方法的流程图；
图2为本申请实施例二提供的一种低温雨雪冰冻灾害的风险评估方法的流程图；
图3为本申请实施例三提供的一种低温雨雪冰冻灾害的风险评估装置的结构示意图；
图4是实现本申请实施例的一种低温雨雪冰冻灾害的风险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”、“评估”、“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低温雨雪冰冻灾害的风险评估方法的流程图，本实施例可适用于对低温雨雪冰冻灾害进行风险评估的情况，该方法可以由低温雨雪冰冻灾害的风险评估装置来执行，该低温雨雪冰冻灾害的风险评估装置可以采用硬件和/或软件的形式实现，该低温雨雪冰冻灾害的风险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、根据目标区域的天气预报数据和预设阈值确定所述目标区域内的致灾危险区，并提取所述致灾危险区的评估数据。其中，所述评估数据为与评估指标对应的数据。
其中，天气预报数据可为目标区域内各子地区在预设周期内的气温数据和/或降水数据。气温数据可包括平均气温、最低气温或最高气温；降水数据可包括总降水量、平均降水量或最大降水量；预设周期可为未来24小时、未来48小时等。
具体的，可从中国气象数据网站获取目标区域内各子地区在预设周期内的天气预报数据。例如，从中国气象数据网站获取A省内各县在未来24小时的总降水量以及最低气温。
其中，预设阈值可根据历史经验进行确定。例如，日降水量大于0毫米且日平均气温低于0℃。
其中，致灾危险区可为根据天气预报数据和预设阈值进行初筛得到的可能发生温雨雪冰冻灾害的区域。例如，将日降水量大于0毫米且日平均气温低于0℃作为边界条件，筛选A省内符合边界条件的县作为致灾危险区。
进一步的，评估指标可为与目标区域发生低温雨雪冰冻灾害最相关的一个或多个指标。具体的，可根据目标区域的社会经济、自然及气象指标，并从科学性、可操作性等方面进行分析所得到的指标。例如，评估指标可为日降水量、日平均气温、人均GDP、路网密度、电网密度和农作物面积。
S120、采用预先构建的逻辑回归模型对所述评估数据进行评估，确定所述致灾危险区的低温雨雪冰冻灾害发生概率。
其中，逻辑回归模型可根据给定的自变量数据集来估计低温雨雪冰冻灾害发生概率。逻辑回归模型可为二元逻辑回归模型、多项逻辑回归模型或序数逻辑回归模型。其中，二元逻辑回归模型所预测的结果只包括两种，例如预测致灾危险区的低温雨雪冰冻灾害发生概率为0或1；序数逻辑回归模型所预测的致灾危险区的低温雨雪冰冻灾害发生概率为序数。
可选的，所述逻辑回归模型的构建过程，包括：将所述评估指标作为自变量，并将历史低温雨雪冰冻灾害发生概率作为因变量，建立逻辑线性回归方程；根据至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的评估数据，对所述逻辑线性回归方程进行求解，得到逻辑回归模型。
对于低温雨雪冰冻灾害而言，从统计学角度出发，其产生的各风险因子数据都可以作为自变量，而低温雨雪冰冻灾害发生与否则可以作为因变量。由于低温雨雪冰冻风险影响因子变量中存在不连续变量，因此本申请通过建立逻辑线性回归方程，以构建能够预测低温雨雪冰冻灾害发生概率的逻辑回归模型。
例如，自变量可为日降水量、日平均气温、人均GDP、路网密度、电网密度、农作物面积等7个评估指标，因变量可为低温雨雪冰冻灾害发生与否，若低温雨雪冰冻灾害发生，取值为1，否则为0。
在本方案中，将评估指标对应的评估数据以及低温雨雪冰冻灾害发生概率代入至逻辑线性回归方程，通过最小二乘法或极大似然法对逻辑线性回归方程进行求解，得到逻辑回归模型。
可选的，将所述评估指标作为自变量，并将低温雨雪冰冻灾害发生概率作为因变量，建立逻辑线性回归方程，包括：采用如下公式建立逻辑线性回归方程：
式中，P为低温雨雪冰冻灾害发生概率，a为常数，bi为第i个逻辑回归系数，xi为第i个评估数据，m为评估指标的种类。
具体的，低温雨雪冰冻发生概率为P，取值范围为0～1，(1-P)为低温雨雪冰冻不发生的概率。当P的取值接近0或1时，就很难把握P的变化，因此需对P值进行相应的转换。将二者的比值(P/(1-P))取自然对数，以xi为自变量，P为因变量，建立逻辑线性回归方程：Logit(P)＝ln[P/(1-P)]＝a+b1x1+b2x2+…+bmxm。对上述方程进行变换处理，则可得到
S130、根据所述低温雨雪冰冻灾害发生概率，确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
具体的，可根据目标区域内各致灾危险区的低温雨雪冰冻灾害发生概率，利用自然断点法进行初始的低温雨雪冰冻灾害风险等级划分；再对等级划分结果进行诊断和分析，运用专家经验法对低温雨雪冰冻灾害风险等级进行调整和优化，形成最终的致灾危险区的低温雨雪冰冻灾害风险等级。
示例性的，设低温雨雪冰冻灾害发生概率为P，P≤0.07对应的风险等级为低，0.07<P≤0.1对应的风险等级为中，0.1<P≤0.15对应的风险等级为较高，0.15<P对应的风险等级为高。
本申请实施例提供了一种低温雨雪冰冻灾害的风险评估方法，该方法通过根据目标区域的天气预报数据和预设阈值确定目标区域内的致灾危险区，并提取致灾危险区的评估数据；其中，评估数据为与评估指标对应的数据；采用预先构建的逻辑回归模型对评估数据进行评估，确定致灾危险区的低温雨雪冰冻灾害发生概率；根据低温雨雪冰冻灾害发生概率，确定致灾危险区的低温雨雪冰冻灾害风险等级。本技术方案，以实现对致灾危险区的低温雨雪冰冻灾害发生概率进行预测，提高低温雨雪冰冻灾害风险级别的精确度和时效性，为低温雨雪冰冻灾害预警提供科学的技术支撑。
实施例二
图2为本申请实施例二提供的一种评估指标的确定流程图，本实施例以上述实施例为基础进行优化。如图2所示，本实施例的方法具体包括如下步骤：
S210、获取所述目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的候选数据；其中，所述候选数据为与候选指标对应的数据。
由于在对低温雨雪冰冻灾害进行风险评估时需考虑的因素众多，因此在构建指标评估体系时要尽可能客观、全面地反映低温雨雪冰冻的实际情况，进而对后续的风险评估奠定基础。鉴于上述问题，本申请根据所预测的目标区域的实际情况，因地制宜地选出最优的评估指标体系。
具体的，可根据目标区域的历史低温雨雪冰冻灾害记录，获取至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的候选数据。
可选的，所述候选指标的类型包括致灾因子候选指标、孕灾环境候选指标和承灾体候选指标中的至少一种。
其中，致灾因子候选指标可包括日降水量、日平均气温、日平均风速、日相对湿度等。孕灾环境候选指标可包括高程、坡度、土地利用等。承灾体候选指标可包括人均GDP、人口密度、路网密度、电网密度、农作物面积等。
本方案通过从致灾因子、孕灾环境和承灾体三个方面对历史致灾危险区的候选数据进行提取，以确保对低温雨雪冰冻灾害影响因素的全面性。
S220、采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标。
其中，因子分析法是一种从变量群中提取共性因子的统计技术，其原理是用少数几个互相独立因子去反映原有变量的绝大部分信息，可包括相关分析与主成分分析等。具体的，可通过因子分析法逐步筛选影响低温雨雪冰冻灾害的关键因子，即评估指标。
需要说明的是，在采用因子分析法对所述候选数据进行分析之前，计算候选指标之间相关性以及进行统计检验，以确定候选指标是否适合做因子分析。
具体的，可采用Pearson系数对候选指标间相关性进行计算，候选指标之间的相关系数值越大，两者之间的相关性则越强。统计检验则采用KMO检验和Bartlett检验，KMO检验是用于比较候选指标间相关系数和偏相关系数的指标，其值越接近1越好，本申请取统计量大于0.6，而Bartlett检验以统计值的显著性小于0.01为准。
可选的，采用因子分析法对所述候选指标数据进行分析，确定评估指标，包括：采用因子分析法对所述候选指标数据进行分析，确定与所述候选指标对应的协方差矩阵的特征值和特征向量；根据所述特征值和所述特征向量，确定因子旋转载荷；根据所述因子旋转载荷，确定因子得分矩阵；对所述因子得分矩阵进行求解，根据求解结果确定评估指标。
具体的，可利用主成分分析法计算与各候选指标对应的协方差矩阵的特征值和特征向量；计算与各候选指标对应的方差贡献率，取累积方差贡献率达到85％以上的特征值；采用方差最大化正交旋转方法，根据特征值和特征向量确定因子旋转载荷，分析候选指标与主成分之间的相关系数；根据因子旋转载荷，确定因子得分矩阵；结合变量间相关系数，对因子得分矩阵进行求解，根据求解结果确定评估指标。
可选的，在采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标之前，所述方法还包括：对所述候选数据进行标准化处理，得到标准化候选数据；相应地，采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标，包括：采用因子分析法对所述标准化候选数据进行分析，从所述候选指标中确定评估指标。
由于不同因素值分布范围差异大，以及所涵盖的物理意义也不同，会影响低温雨雪冰冻风险的评估结果。因此，在对各评估指标筛选前，需要对各因素进行标准化处理，为后续低温雨雪冰冻风险评估排除干扰。常用的数据标准化处理方法主要有Min-Max标准化、Z-score标准化、log函数标准化等。其中，Z-score标准化法不仅适用于正态分布，也适用于非正态分布的指标，对最小值和最大值未知的数据集适用。因此，根据实际采用的数据特点，本方案选用Z-score标准化法对各个候选指标进行标准化处理。
具体的，可采用如下公式对候选指标对应的各候选数据进行标准化处理：
式中，zi为某候选指标中的第i个标准化数据，xi为某候选指标中的第i个候选数据，μ为某候选指标对应的各候选数据的均值，σ为某候选指标对应的各候选数据的标准差。
上述方案的有益效果在于，通过对各数据进行标准化处理，提高低温雨雪冰冻灾害的风险评估准确性。
本申请实施例提供了一种评估数据的确定方法，该方法通过获取目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的候选数据；其中，候选数据为与候选指标对应的数据；采用因子分析法对候选数据进行分析，从候选指标中确定评估指标。本技术方案，以实现对目标区域的评估指标体系进行构建，提高了对目标区域中致灾危险区发生低温雨雪冰冻灾害的预测准确性。
实施例三
图3为本申请实施例三提供的一种低温雨雪冰冻灾害的风险评估装置的结构示意图。如图3所示，该装置包括：
评估数据提取模块310，用于根据目标区域的天气预报数据和预设阈值确定所述目标区域内的致灾危险区，并提取所述致灾危险区的评估数据；其中，所述评估数据为与评估指标对应的数据；
灾害概率确定模块320，用于采用预先构建的逻辑回归模型对所述评估数据进行评估，确定所述致灾危险区的低温雨雪冰冻灾害发生概率；
风险等级评估模块330，用于根据所述低温雨雪冰冻灾害发生概率，确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
本申请实施例提供了一种低温雨雪冰冻灾害的风险评估装置，该装置通过根据目标区域的天气预报数据和预设阈值确定目标区域内的致灾危险区，并提取致灾危险区的评估数据；其中，评估数据为与评估指标对应的数据；采用预先构建的逻辑回归模型对评估数据进行评估，确定致灾危险区的低温雨雪冰冻灾害发生概率；根据低温雨雪冰冻灾害发生概率，确定致灾危险区的低温雨雪冰冻灾害风险等级。本技术方案，以实现对致灾危险区的低温雨雪冰冻灾害发生概率进行预测，提高低温雨雪冰冻灾害风险级别的精确度和时效性，为低温雨雪冰冻灾害预警提供科学的技术支撑。
进一步的，所述评估指标的确定过程，包括：
获取所述目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的候选数据；其中，所述候选数据为与候选指标对应的数据；
采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标。
进一步的，采用因子分析法对所述候选指标数据进行分析，确定评估指标，包括：
采用因子分析法对所述候选指标数据进行分析，确定与所述候选指标对应的协方差矩阵的特征值和特征向量；
根据所述特征值和所述特征向量，确定因子旋转载荷；
根据所述因子旋转载荷，确定因子得分矩阵；
对所述因子得分矩阵进行求解，根据求解结果确定评估指标。
进一步的，在采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标之前，所述方法还包括：
对所述候选数据进行标准化处理，得到标准化候选数据；
相应地，采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标，包括：
采用因子分析法对所述标准化候选数据进行分析，从所述候选指标中确定评估指标。
进一步的，所述候选指标的类型包括致灾因子候选指标、孕灾环境候选指标和承灾体候选指标中的至少一种。
进一步的，所述逻辑回归模型的构建过程，包括：
将所述评估指标作为自变量，并将历史低温雨雪冰冻灾害发生概率作为因变量，建立逻辑线性回归方程；
根据所述目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的评估数据，对所述逻辑线性回归方程进行求解，得到逻辑回归模型。
进一步的，将所述评估指标作为自变量，并将低温雨雪冰冻灾害发生概率作为因变量，建立逻辑线性回归方程，包括：
采用如下公式建立逻辑线性回归方程：
式中，P为低温雨雪冰冻灾害发生概率，a为常数，bi为第i个逻辑回归系数，xi为第i个评估数据，m为评估指标的种类。
本申请实施例所提供的一种低温雨雪冰冻灾害的风险评估装置可执行本申请任意实施例所提供的一种低温雨雪冰冻灾害的风险评估方法，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，例如低温雨雪冰冻灾害的风险评估方法。
在一些实施例中，低温雨雪冰冻灾害的风险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RAM 13并由处理器11执行时，可以执行上文描述的低温雨雪冰冻灾害的风险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)而被配置为执行低温雨雪冰冻灾害的风险评估方法。
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)

1.一种低温雨雪冰冻灾害的风险评估方法，其特征在于，所述方法包括：根据目标区域的天气预报数据和预设阈值确定所述目标区域内的致灾危险区， 并提取所述致灾危险区的评估数据； 其中， 所述评估数据为与评估指标对应的数据；
采用预先构建的逻辑回归模型对所述评估数据进行评估， 确定所述致灾危险区的低温雨雪冰冻灾害发生概率；
根据所述低温雨雪冰冻灾害发生概率， 确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
2.根据权利要求1所述的方法，其特征在于，所述评估指标的确定过程，包括：
获取所述目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的候选数据；其中，所述候选数据为与候选指标对应的数据；采用因子分析法对所述候选数据进行分析， 从所述候选指标中确定评估指标。
3.根据权利要求2所述的方法，其特征在于，采用因子分析法对所述候选指标数据进行分析，确定评估指标， 包括：
采用因子分析法对所述候选指标数据进行分析， 确定与所述候选指标对应的协方差矩阵的特征值和特征向量；
根据所述特征值和所述特征向量， 确定因子旋转载荷；根据所述因子旋转载荷，确定因子得分矩阵；对所述因子得分矩阵进行求解，根据求解结果确定评估指标。
4.根据权利要求2所述的方法，其特征在于，在采用因子分析法对所述候选数据进行分析，从所述候选指标中确定评估指标之前，所述方法还包括：对所述候选数据进行标准化处理，得到标准化候选数据；相应地，采用因子分析法对所述候选数据进行分析， 从所述候选指标中确定评估指标，包括：
采用因子分析法对所述标准化候选数据进行分析， 从所述候选指标中确定评估指标。
5.根据权利要求2所述的方法，其特征在于，所述候选指标的类型包括致灾因子候选指标、孕灾环境候选指标和承灾体候选指标中的至少一种。
6.根据权利要求1所述的方法，其特征在于，所述逻辑回归模型的构建过程，包括：
将所述评估指标作为自变量， 并将历史低温雨雪冰冻灾害发生概率作为因变量， 建立逻辑线性回归方程；
根据所述目标区域在至少一次历史低温雨雪冰冻灾害中所涉及到的各历史致灾危险区的评估数据，对所述逻辑线性回归方程进行求解，得到逻辑回归模型。
7.根据权利要求6所述的方法，其特征在于，将所述评估指标作为自变量， 并将低温雨雪冰冻灾害发生概率作为因变量， 建立逻辑线性回归方程，包括：
采用如下公式建立逻辑线性回归方程：
式中，P为低温雨雪冰冻灾害发生概率，a为常数，bi为第i个逻辑回归系数，xi为第i个评估数据，m为评估指标的种类。
8.一种低温雨雪冰冻灾害的风险评估装置，其特征在于，所述装置包括：评估数据提取模块，用于根据获取到的天气预报数据和预设阈值确定致灾危险区，并提取所述致灾危险区的评估数据；其中，所述评估数据为与评估指标对应的数据；
灾害概率确定模块，用于采用预先构建的逻辑回归模型对所述评估数据进行评估， 确定所述致灾危险区的低温雨雪冰冻灾害发生概率；风险等级评估模块，用于根据所述低温雨雪冰冻灾害发生概率， 确定所述致灾危险区的低温雨雪冰冻灾害风险等级。
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1-7中任一项所述的低温雨雪冰冻灾害的风险评估方法。
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1-7中任一项所述的低温雨雪冰冻灾害的风险评估方法。
CN202410161588.2A 2024-02-05 2024-02-05 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质 Pending CN117953651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410161588.2A CN117953651A (zh) 2024-02-05 2024-02-05 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410161588.2A CN117953651A (zh) 2024-02-05 2024-02-05 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117953651A true CN117953651A (zh) 2024-04-30

Family

ID=90804797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410161588.2A Pending CN117953651A (zh) 2024-02-05 2024-02-05 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117953651A (zh)

Similar Documents

Publication Publication Date Title
CN112258093B (zh) 风险等级的数据处理方法及装置、存储介质、电子设备
CN112735097A (zh) 一种区域滑坡预警方法及系统
CN113743673A (zh) 一种台风期间的电力负荷预测方法
CN114594532A (zh) 一种寒潮天气预测方法、装置、电子设备及计算机可读介质
CN114841619A (zh) 隔离开关的状态评估方法、装置、电子设备及介质
CN116021981A (zh) 配电网线路覆冰故障预测方法、装置、设备及存储介质
CN116485031A (zh) 短期电力负荷的预测方法、装置、设备及存储介质
CN117274266A (zh) 痘痘严重程度的分级方法、装置、设备及存储介质
CN118014018A (zh) 一种楼宇能源消耗预测方法、装置、设备及存储介质
CN117458484A (zh) 高容配比光伏短期功率预测方法、装置、设备及存储介质
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
Han et al. Analysis and study of transmission line icing based on grey correlation Pearson combinatorial optimization support vector machine
CN116703109A (zh) 一种配电网项目选取方法、装置、设备及存储介质
CN115453661B (zh) 气象预报方法、装置、设备以及存储介质
CN116341739A (zh) 一种洪涝损失预评估方法、装置、设备及介质
CN116957539A (zh) 电缆状态评价方法、装置、电子设备及存储介质
CN117953651A (zh) 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质
CN114691918A (zh) 基于人工智能的雷达图像检索方法、装置以及电子设备
CN118330784A (zh) 一种天气类型的确定方法、装置、设备及介质
CN118245823B (zh) 一种绝缘子泄漏电流预测方法、装置、设备及存储介质
CN117973703B (zh) 一种森林生态环境的分级定损方法及系统
CN114595781B (zh) 一种辛烷值损失预测方法、装置、设备及存储介质
CN118172036B (zh) 一种基于数字孪生的水利工程智能运维方法及系统
CN117131947B (zh) 架空输电线路故障预测方法、装置、设备及存储介质
CN118822013A (zh) 发电功率预测方法、装置、设备及介质

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