CN118095860A - 一种洪涝灾害风险评估方法、装置、设备及介质 - Google Patents
一种洪涝灾害风险评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118095860A CN118095860A CN202410350889.XA CN202410350889A CN118095860A CN 118095860 A CN118095860 A CN 118095860A CN 202410350889 A CN202410350889 A CN 202410350889A CN 118095860 A CN118095860 A CN 118095860A
- Authority
- CN
- China
- Prior art keywords
- historical
- target area
- disaster
- bearing body
- risk assessment
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 87
- 238000001556 precipitation Methods 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method 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
- 238000011425 standardization method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种洪涝灾害风险评估方法、装置、设备及介质。其中，该方法通过根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；针对目标区域的各承灾体评估指标，获取承灾体评估指标在各历史淹没深度时的历史损失率，并将历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，构建承灾体评估指标的脆弱性曲线；根据目标区域的预测降水数据和各脆弱性曲线，确定目标区域的洪涝灾害风险评估结果。本技术方案，通过在降水、河道和地形等因素共同耦合下构建脆弱性曲线，以实现对洪涝灾害风险的精细化评估，提高洪涝灾害风险的精确度和时效性，为洪涝灾害预警提供科学的技术支撑。
Description
技术领域
本申请涉及洪涝智能化评估技术领域，尤其涉及一种洪涝灾害风险评估方法、装置、设备及介质。
背景技术
洪涝灾害包括洪水灾害和雨涝灾害两类。其中，由于强降雨、冰雪融化、冰凌、堤坝渍决、风暴潮等原因引起江河湖泊及沿海水量增加、水位上涨而泛滥以及山洪暴发所造成的灾害称为洪水灾害；因大雨、暴雨或长期降雨量过于集中而产生大量的积水和径流，排水不及时，致使土地、房屋等渍水、受淹而造成的灾害称为雨涝灾害。
由于当前气候变化导致极端洪涝事件频发，以及复杂的孕灾环境和承灾体分布格局，使得洪涝灾害的风险评估尤为重要。目前，传统的洪涝灾害风险评估方法主要依赖于水文监测和气象监测，往往缺乏及时效性和准确性。
因此，如何提供一种高效准确的洪涝灾害风险评估方案，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灾害风险评估方法、装置、设备及介质，通过在降水、河道和地形等因素共同耦合下构建脆弱性曲线，以实现对洪涝灾害风险的精细化评估，提高洪涝灾害风险的精确度和时效性，为洪涝灾害预警提供科学的技术支撑。
根据本申请的一方面，提供了一种洪涝灾害风险评估方法，该方法包括：
根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；
针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线；
根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
根据本申请的另一方面，提供了一种洪涝灾害风险评估装置，该装置包括：
历史淹没深度确定模块，用于根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；
脆弱性曲线构建模块，用于针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线；
洪涝灾害风险评估模块，用于根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
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灾害风险评估方法。
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洪涝灾害风险评估方法。
本申请提供的技术方案，通过根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；针对目标区域的各承灾体评估指标，获取承灾体评估指标在各历史淹没深度时的历史损失率，并将历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，构建承灾体评估指标的脆弱性曲线；根据目标区域的预测降水数据和各脆弱性曲线，确定目标区域的洪涝灾害风险评估结果。本技术方案，通过在降水、河道和地形等因素共同耦合下构建脆弱性曲线，以实现对洪涝灾害风险的精细化评估，提高洪涝灾害风险的精确度和时效性，为洪涝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洪涝灾害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洪涝灾害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洪涝灾害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洪涝灾害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”、“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灾害风险评估方法的流程图，本实施例可适用于对区域洪涝灾害进行风险评估的情况，该方法可以由洪涝灾害风险评估装置来执行，该洪涝灾害风险评估装置可以采用硬件和/或软件的形式实现，该洪涝灾害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、根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度。
其中，目标区域可为根据实际风险评估需求所确定的范围。示例性的，可根据行政区划数据进行确定，例如，某次降水过程中涉及到A市的a县和B市的b县，其目标区域可为a县，也可为b县，还可为全部降水区域。
其中，历史降水数据可为历史多次降水过程中所涉及的降水量，可从国家气象局网站进行获取。
其中，河道数据可为目标区域内水流量、水流方向、汇流能力、空间分布、流域出水口等数据，可从中国科学院资源环境科学数据中心进行获取。
其中，高程数据是一种地理信息系统数据，反映一定分辨率的局部地形特征，用于表示目标区域的高程，可从中国科学院资源环境科学数据中心进行获取。
在本申请中，针对各次降水过程，可根据历史降水数据和河道数据确定洪涝水位的高程数据，再根据洪涝水位的高程数据和原始的高程数据确定历史淹没深度；也可以利用Mike软件，对目标区域的历史降水数据、河道数据和高程数据进行处理，确定目标区域的历史淹没深度。
需要说明的是，历史降水数据、河道数据和高程数据均为栅格形式的数据。例如，将100m×100m的区域作为一个栅格单元，每个栅格单元中包含历史降水数据、河道数据和高程数据。
由于历史淹没深度为栅格数据形式，而各次降水过程中所涉及到的洪涝灾情数据是根据行政区划数据所得到的，不是栅格数据形式。因此，在本申请中，针对各次降水过程，可先根据历史降水数据、河道数据和高程数据确定目标区域的历史淹没范围内各栅格单元的淹没深度；再根据各栅格单元的淹没深度之和与历史淹没范围内栅格单元数量，确定目标区域的平均淹没深度，并将平均淹没深度作为历史淹没深度。
S120、针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线。
其中，承灾体可为人口、房屋、农作物和经济。相应地，人口评估指标可为受灾人口、死亡人口或紧急转移安置人口；房屋评估指标可为倒塌房屋或严重损坏房屋；农作物评估指标可为农作物受灾面积或农作物绝收面积；经济评估指标可为直接经济损失。
其中，历史损失率可用于表示承灾体在历史降水过程中的受损害程度。例如，可用损失值占承灾体总价值的比值进行表示。
可选的，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，包括：采用如下公式获取所述承灾体评估指标在不同历史淹没深度时的历史损失率：
式中，vih表示第i个承灾体评估指标在历史淹没深度为h时的损失率，Lih表示第i个承灾体评估指标在历史淹没深度为h时的历史损失量，Eih表示第i个承灾体评估指标在历史淹没深度为h时的历史暴露度。
其中，历史暴露度可为承灾体的总价值。例如，目标区域的人口总数、房屋总数、农作物种植总面积或GDP数据等。
在本申请中，可分别针对目标区域的各承灾体评估指标，获取各承灾体评估指标在不同历史淹没深度时的历史损失率。示例性的，获取A县的受灾人口在各历史淹没深度时的历史损失率、倒塌房屋在各历史淹没深度时的历史损失率、农作物受灾面积在各历史淹没深度时的历史损失率以及直接经济损失在各历史淹没深度时的历史损失率。
进一步的，针对各承灾体评估指标，对历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，可采用最小二乘法进行拟合，也可以利用MATLAB中内建函数或者曲线拟合工具箱进行拟合。其中，拟合形式可为线性拟合，也可为曲线拟合，也可为多项式拟合等，本申请实施例对此不作限定，可根据实际需求进行确定。
根据现有研究结果可知，损失率和淹没深度之间存在明显的指数正相关关系，即淹没深度越深，损失率越高。因此，本申请对淹没深度和损失率采用指数函数拟合，以构建脆弱性曲线。
可选的，将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线，包括：采用如下公式构建所述承灾体评估指标的脆弱性曲线：
V＝a*eb*H；
式中，V表示损失率，H表示淹没深度，a和b为常数，e为自然常数。
示例性的，对于目标区域A县，可分别构建A县的受灾人口脆弱性曲线、受灾农作物脆弱性曲线和直接经济损失脆弱性曲线。
S130、根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
其中，预测降水数据可为目标区域在预设周期内的降水数据，可为总降水量、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、未来72小时等。
在本申请中，可实时获取目标区域的预测降水数据，若预测降水数据超过一定阈值，则根据预测降水数据和各所述脆弱性曲线，对该目标区域进行洪涝风险评估，得到洪涝灾害风险评估结果。
本发明实施例提供了一种洪涝灾害风险评估方法，该方法通过根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；针对目标区域的各承灾体评估指标，获取承灾体评估指标在各历史淹没深度时的历史损失率，并将历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，构建承灾体评估指标的脆弱性曲线；根据目标区域的预测降水数据和各脆弱性曲线，确定目标区域的洪涝灾害风险评估结果。本技术方案，通过在降水、河道和地形等因素共同耦合下构建脆弱性曲线，以实现对洪涝灾害风险的精细化评估，提高洪涝灾害风险的精确度和时效性，为洪涝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洪涝灾害风险评估方法的流程图，本实施例以上述实施例为基础进行优化，如图2所示，本实施例的方法具体包括如下步骤：
S210、根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度。
S220、针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线。
S230、根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定各所述承灾体评估指标的预测损失值。
在本申请中，可先利用Mike软件，根据预测降水数据对目标区域的淹没深度进行确定；再根据各脆弱性曲线，分别确定与淹没深度对应的各承灾体评估指标的预测损失率；最后将预测损失率与目标区域的承灾体暴露度相乘，确定各承灾体评估指标的预测损失值。也可分别基于各脆弱性曲线和降水数据构建神经网络模型，通过模型对预测降水数据进行处理，确定各承灾体评估指标的预测损失值。
可选的，根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定各所述承灾体评估指标的预测损失值，包括：根据所述目标区域的预测降水数据，确定所述目标区域的预测淹没深度；根据各所述脆弱性曲线和预测淹没深度，确定各所述承灾体评估指标的预测损失值。
例如，可根据目标区域的预测降水数据、河道数据和高程数据，确定目标区域的预测淹没范围以及预测淹没范围内各栅格单元对应的淹没深度，并根据各栅格单元的淹没深度之和与预测淹没范围内栅格单元数量的比值，确定目标区域的预测淹没深度；进一步的，分别在各脆弱性曲线中确定与预测淹没深度对应的预测损失率，从而得到目标区域各承灾体评估指标的预测损失率；最后，根据各承灾体评估指标的预测损失率以及各承灾体评估指标的暴露度，确定各承灾体评估指标的预测损失值。
又例如，也可根据目标区域的预测降水数据、河道数据和高程数据，确定目标区域的预测淹没范围以及预测淹没范围内各栅格单元对应的淹没深度；根据各脆弱性曲线，分别确定各栅格单元的各承灾体评估指标的预测损失率；针对各承灾体评估指标，根据预测损失率和暴露度，确定各栅格单元的损失值，并将各栅格单元的损失值之和作为目标区域的预测损失值。
S230、根据各所述预测损失值，确定所述目标区域的洪涝灾害风险评估结果。
在本申请中，可分别对各承灾体评估指标赋予权重系数，且各权重系数之和为1；将各预测损失值和各权重系数进行加权求和，确定目标区域的洪涝灾害风险评估结果。
示例性的，A县的洪涝灾害风险结果＝权重1*A县的受灾人口预测损失值+权重2*A县的受灾农作物预测损失值+权重3*A县的经济损失预测损失值+权重4*A县的直接经济损失预测损失值。
可选的，根据各所述预测损失值，确定所述目标区域的洪涝灾害风险评估结果，包括：对各所述预测损失值进行标准化处理，得到标准化损失值；对各所述标准化损失值按照预设权重系数进行加权求和，确定所述目标区域的洪涝灾害风险评估结果。
由于不同承灾体评估指标的预测损失值差异大，以及所涵盖的物理意义也不同，会影响洪涝灾害风险的评估结果。因此，需要对各承灾体评估指标的预测损失值进行标准化处理，为后续洪涝灾害风险评估排除干扰。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，本申请选用Z-score标准化法对各承灾体评估指标进行标准化处理。
在本申请中，可根据目标区域的预测降水数据，确定同一降水过程中所涉及到的全部区域；按照本申请上述所述的预测损失值确定过程，对除目标区域外的其他区域的各承灾体评估指标的预测损失值进行确定；针对同一承灾体评估指标，根据各区域的预测损失值，对目标区域的预测损失值进行标准化处理，得到标准化损失值。
具体的，可采用如下公式确定目标区域的标准化损失值：
式中，Zi表示目标区域的第i个承灾体评估指标的标准化损失值，xi表示目标区域的第i个承灾体评估指标的预测损失值，μ表示同一降水过程中各区域的预测损失值的平均值，σ表示同一降水过程中各区域的预测损失值的标准差。
具体的，可采用如下公式确定目标区域的洪涝灾害风险评估结果：
式中，S表示目标区域的洪涝灾害风险评估结果，Z i表示目标区域的第i个承灾体评估指标的标准化损失值，Wi表示目标区域的第i个承灾体评估指标的权重系数，n表示承灾体评估指标的数量。
上述方案的有益效果在于，通过对预测损失值进行标准化处理，提高了各承灾体评估指标的一致性和可比性，从而提高洪涝灾害风险评估结果的准确性。
在上述各实施例的基础上，可选的，在根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果之后，所述方法还包括：根据所述洪涝灾害风险评估结果和预先确定的洪涝灾害风险等级对应关系，确定所述目标区域的洪涝灾害风险等级。
在本申请中，可利用自然断点法对历史洪涝灾害进行风险等级划分；再对等级划分结果进行诊断和分析，运用专家经验法对洪涝灾害风险等级进行调整和优化，形成最终的洪涝灾害风险等级对应关系。具体的，可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。
示例性的，设洪涝灾害风险评估结果为L，L≤0.3对应的洪涝灾害风险等级为低，0.3<L<0.5对应的洪涝灾害风险等级为中，0.5<L<0.8对应的洪涝灾害风险等级为较高，0.8<L对应的洪涝灾害风险等级为高。
上述技术方案的有益效果在于，便于工作人员能够及时基于洪涝灾害风险等级做出相应的应急措施，避免造成更大的损失。
本发明实施例提供了一种洪涝灾害风险评估方法，该方法通过根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；针对目标区域的各承灾体评估指标，获取承灾体评估指标在各历史淹没深度时的历史损失率，并将历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，构建承灾体评估指标的脆弱性曲线；根据目标区域的预测降水数据和各脆弱性曲线，确定各承灾体评估指标的预测损失值；根据各预测损失值，确定目标区域的洪涝灾害风险评估结果。本技术方案，可实现对洪涝灾害风险级别和范围的确定，且能达到自动化程度高、精确度高以及时间效率高的目的。
实施例三
图3为本申请实施例三提供的一种洪涝灾害风险评估装置的结构示意图。如图3所示，该装置包括：
历史淹没深度确定模块310，用于根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；
脆弱性曲线构建模块320，用于针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线；
洪涝灾害风险评估模块330，用于根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
本发明实施例提供了一种洪涝灾害风险评估装置，该装置通过通过根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；针对目标区域的各承灾体评估指标，获取承灾体评估指标在各历史淹没深度时的历史损失率，并将历史淹没深度以及与历史淹没深度对应的历史损失率进行拟合，构建承灾体评估指标的脆弱性曲线；根据目标区域的预测降水数据和各脆弱性曲线，确定目标区域的洪涝灾害风险评估结果。本技术方案，通过在降水、河道和地形等因素共同耦合下构建脆弱性曲线，以实现对洪涝灾害风险的精细化评估，提高洪涝灾害风险的精确度和时效性，为洪涝灾害预警提供科学的技术支撑。
进一步的，洪涝灾害风险评估模块330，包括：
预测损失值确定单元，用于根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定各所述承灾体评估指标的预测损失值；
洪涝灾害风险评估单元，用于根据各所述预测损失值，确定所述目标区域的洪涝灾害风险评估结果。
进一步的，预测损失值确定单元，包括：
预测淹没深度确定子单元，用于根据所述目标区域的预测降水数据，确定所述目标区域的预测淹没深度；
预测损失值确定子单元，用于根据各所述脆弱性曲线和预测淹没深度，确定各所述承灾体评估指标的预测损失值。
进一步的，洪涝灾害风险评估单元，包括：
预测损失值标准化子单元，用于对各所述预测损失值进行标准化处理，得到标准化损失值；
洪涝灾害风险评估子单元，用于对各所述标准化损失值按照预设权重系数进行加权求和，确定所述目标区域的洪涝灾害风险评估结果。
进一步的，脆弱性曲线构建模块320，具体用于：
采用如下公式获取所述承灾体评估指标在不同历史淹没深度时的历史损失率：
式中，vih表示第i个承灾体评估指标在历史淹没深度为h时的损失率，Lih表示第i个承灾体评估指标在历史淹没深度为h时的历史损失量，Eih表示第i个承灾体评估指标在历史淹没深度为h时的历史暴露度。
进一步的，脆弱性曲线构建模块320，具体用于：
采用如下公式构建所述承灾体评估指标的脆弱性曲线：
V＝a*eb*H；
式中，V表示损失率，H表示淹没深度，a和b为常数，e为自然常数。
进一步的，所述装置还包括：
洪涝灾害风险等级确定模块，用于在根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果之后，根据所述洪涝灾害风险评估结果和预先确定的洪涝灾害风险等级对应关系，确定所述目标区域的洪涝灾害风险等级。
本申请实施例所提供的一种洪涝灾害风险评估装置可执行本申请任意实施例所提供的一种洪涝灾害风险评估方法，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，例如洪涝灾害风险评估方法。
在一些实施例中，洪涝灾害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洪涝灾害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)而被配置为执行洪涝灾害风险评估方法。
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)
1.一种洪涝灾害风险评估方法，其特征在于，所述方法包括：
根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；
针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线；
根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
2.根据权利要求1所述的方法，其特征在于，根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果，包括：
根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定各所述承灾体评估指标的预测损失值；
根据各所述预测损失值，确定所述目标区域的洪涝灾害风险评估结果。
3.根据权利要求2所述的方法，其特征在于，根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定各所述承灾体评估指标的预测损失值，包括：
根据所述目标区域的预测降水数据，确定所述目标区域的预测淹没深度；
根据各所述脆弱性曲线和预测淹没深度，确定各所述承灾体评估指标的预测损失值。
4.根据权利要求2所述的方法，其特征在于，根据各所述预测损失值，确定所述目标区域的洪涝灾害风险评估结果，包括：
对各所述预测损失值进行标准化处理，得到标准化损失值；
对各所述标准化损失值按照预设权重系数进行加权求和，确定所述目标区域的洪涝灾害风险评估结果。
5.根据权利要求1所述的方法，其特征在于，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，包括：
采用如下公式获取所述承灾体评估指标在不同历史淹没深度时的历史损失率：
式中，vih表示第i个承灾体评估指标在历史淹没深度为h时的损失率，Lih表示第i个承灾体评估指标在历史淹没深度为h时的历史损失量，Eih表示第i个承灾体评估指标在历史淹没深度为h时的历史暴露度。
6.根据权利要求1所述的方法，其特征在于，将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线，包括：
采用如下公式构建所述承灾体评估指标的脆弱性曲线：
V＝a*eb*H；
式中，V表示损失率，H表示淹没深度，a和b为常数，e为自然常数。
7.根据权利要求1所述的方法，其特征在于，在根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果之后，所述方法还包括：
根据所述洪涝灾害风险评估结果和预先确定的洪涝灾害风险等级对应关系，确定所述目标区域的洪涝灾害风险等级。
8.一种洪涝灾害风险评估装置，其特征在于，所述装置包括：
历史淹没深度确定模块，用于根据目标区域的历史降水数据、河道数据和高程数据确定目标区域的历史淹没深度；
脆弱性曲线构建模块，用于针对所述目标区域的各承灾体评估指标，获取所述承灾体评估指标在各所述历史淹没深度时的历史损失率，并将所述历史淹没深度以及与所述历史淹没深度对应的历史损失率进行拟合，构建所述承灾体评估指标的脆弱性曲线；
洪涝灾害风险评估模块，用于根据所述目标区域的预测降水数据和各所述脆弱性曲线，确定所述目标区域的洪涝灾害风险评估结果。
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灾害风险评估方法。
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1-6中任一项所述的洪涝灾害风险评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410350889.XA CN118095860A (zh) | 2024-03-26 | 2024-03-26 | 一种洪涝灾害风险评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410350889.XA CN118095860A (zh) | 2024-03-26 | 2024-03-26 | 一种洪涝灾害风险评估方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118095860A true CN118095860A (zh) | 2024-05-28 |
Family
ID=91165290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410350889.XA Pending CN118095860A (zh) | 2024-03-26 | 2024-03-26 | 一种洪涝灾害风险评估方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118095860A (zh) |
-
2024
- 2024-03-26 CN CN202410350889.XA patent/CN118095860A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112528563B (zh) | 一种基于svm算法的城市内涝预警方法 | |
| CN114118884A (zh) | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 | |
| CN112036683B (zh) | 一种适用于未来气候变化情景下的水库防洪风险预估方法 | |
| CN111325947A (zh) | 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统 | |
| CN108520170A (zh) | 一种断线倒塔概率模型的计算方法及装置 | |
| CN116021981A (zh) | 配电网线路覆冰故障预测方法、装置、设备及存储介质 | |
| CN117332896A (zh) | 多层集成学习的新能源小时间尺度功率预测方法及系统 | |
| CN109902266B (zh) | 一种基于Copula函数的河道流量演算方法 | |
| CN118095860A (zh) | 一种洪涝灾害风险评估方法、装置、设备及介质 | |
| CN116596106A (zh) | 风电场站的功率预测方法、装置、电子设备及存储介质 | |
| CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
| CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
| CN113589404B (zh) | 一种场次暴雨径流量预测方法 | |
| CN115392591A (zh) | 任务处理方法、装置、设备及存储介质 | |
| CN113159224A (zh) | 一种径流预报模型构建方法、装置、电子设备和介质 | |
| CN107292486B (zh) | 电网资产保险支出测算模型 | |
| Latif et al. | A nonparametric statistical framework using a kernel density estimator to approximate flood marginal distributions–a case study for the Kelantan River Basin in Malaysia | |
| CN118052433A (zh) | 电网受灾风险预警方法、装置、设备和介质 | |
| CN117953651A (zh) | 低温雨雪冰冻灾害的风险评估方法、装置、设备及介质 | |
| CN117131353B (zh) | 一种超差电能表确定方法、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 | |
| CN116628411B (zh) | 一种基于全感融合的高精度流量在线监测智能方法 | |
| Yang et al. | Runoff Prediction in a Data Scarce Region Based on Few-Shot Learning | |
| CN117593871A (zh) | 台风影响预测方法、装置、电子设备及存储介质 | |
| Zhangling et al. | Application of similarity analysis to flood forecasting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |