买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于多源信息水旱灾害动态风险评估方法和系统_汇杰设计集团股份有限公司_202311075204.7 

申请/专利权人:汇杰设计集团股份有限公司

申请日:2023-08-25

公开(公告)日:2023-11-03

公开(公告)号:CN116776238B

主分类号:G06F18/2411

分类号:G06F18/2411;G06N3/0464;G06V10/74;G06V10/774;G06V10/82;G06V20/13;G06F18/10;G06F18/214;G06F18/24

优先权:

专利状态码:有效-授权

法律状态:2023.11.03#授权;2023.10.10#实质审查的生效;2023.09.19#公开

摘要:本发明公开了一种基于多源信息水旱灾害动态风险评估方法和系统,所述方法包括:多源信息收集,包括气象站数据、卫星观测数据和历史数据,对有缺失的多源信息使用基于拉格朗日与克里金插值方法进行补全,并标准化获得标准数据集;基于VGG16卷积神经网络提取卫星观测获得的卫星图像特征,并基于随机邻域嵌入方法对卫星图像特征降维,结合收集到的多源信息构成综合特征;基于支持向量机构建水旱灾害动态风险评估方法,构建优化目标函数;训练构建的水旱灾害动态风险评估方法,得到训练好的风险评估方法后对水旱灾害动态风险进行实时评估。本发明采用机器学习和深度学习算法,避免传统方法需要手工提取特征的繁琐过程,提高了评估的效率。

主权项:1.一种基于多源信息水旱灾害动态风险评估方法,其特征在于,包括以下步骤:S1:多源信息收集,包括气象站数据、水文数据和卫星观测数据;所述气象站数据包括气温数据、降水数据、蒸发数据、湿度数据、风速数据;所述水文数据包括河流水文数据和水库流量数据;所述卫星观测数据包括植被覆盖度、沙土覆盖度;在所述步骤S1中,所述降水数据包括实时降水量、历史降水量;所述蒸发数据包括实时蒸发量、历史蒸发量;所述河流水文数据包含河流水位、河流径流量和地下水水位;所述水库流量数据包括水库水位、水库实时流量、水库历史流量、水库累计流量、入库流量、出库流量和水库蓄水量;所述植被覆盖度和沙土覆盖度通过卫星图像指数获得,所述卫星图像指数为:土壤调节植被指数: ;其中,NIR和R分别表示卫星图像的近红外波段和红波段,L为土壤调节参数;对卫星图像上不同像素的SAVI值进行划分,统计植被覆盖像素和沙土覆盖像素数目,即可获得植被覆盖度和沙土覆盖度;所采集的多源信息集合可表示为: ;其中,,分别代表气象数据中的气温数据、实时降水量、历史降水量、实时蒸发量、历史蒸发量、湿度数据、风速数据7类数据;,分别代表河流水文数据中的河流水位、河流径流量、地下水水位、水库水位、水库实时流量、水库历史流量、水库累计流量、入库流量、出库流量、水库蓄水量共10类数据;,分别代表卫星数据提取出的植被覆盖度和沙土覆盖度;S2:对有缺失的多源信息使用基于拉格朗日与克里金插值方法进行补全,并进行标准化处理获得标准数据集;包括:基于拉格朗日与克里金插值方法对S1中收集获得多源信息中的缺失部分进行补全,所述插值方法为:S21:确定插值区域,根据已有数据的时间序列和空间位置,确定需要插值的位置,其中表示缺失数据的空间位置,表述缺失数据的时间点;S22:对已有的多源信息点,利用拉格朗日插值公式对缺失数据进行时间维度的估计,所述拉格朗日插值公式为: ;其中,表示多源信息的时间序列,i,j=1,2,…,,为时间序列的长度,表示时间戳,表示相应时间点多源信息的值,表示有缺失数据的时间点和相应的需要插值获得的多源信息的值,表示由拉格朗日插值公式计算出的插值结果;S23:对已有的多源信息点,利用克里金插值公式对缺失数据进行空间维度的估计,所述克里金插值流程为:计算插值位置与已有多源信息点的空间距离: ;其中,表示多源信息的空间位置,u=1,2,…,,为已有的数据点数目,表示缺失数据点的空间位置;根据已有数据点之间的空间距离,计算半方差函数: ;其中和分别表示空间距离为dist的已知的数据点的值,,表示空间距离为dist的数据点对数;根据已有数据点之间的空间距离和半方差函数,计算位置处的权重: ;其中,;空间维度的插值结果即根据已有数据点的值按权重进行加权平均获得缺失数据点的值: ;其中,表示由克里金插值公式计算出的插值结果;S24:最终的插值结果由拉格朗日插值公式的结果与克里金插值公式的结果加权得到: ;S25:对补全的数据标准化,获得标准化后的多源信息,所述标准化方式为: ;其中,为多源信息的值,norm为标准化处理后的多源信息的值,和分别计算多源信息的均值和标准差,标准化处理后的多源信息集合表示为: ;S3:基于VGG16卷积神经网络提取卫星观测获得的卫星图像特征,并基于随机邻域嵌入方法对卫星图像特征降维,结合收集到的多源信息构成综合特征;S4:基于支持向量机构建水旱灾害动态风险评估方法,构建优化目标函数;S5:训练构建的水旱灾害动态风险评估方法,得到训练好的风险评估方法后对水旱灾害动态风险进行实时评估。

全文数据:

权利要求:

百度查询: 汇杰设计集团股份有限公司 一种基于多源信息水旱灾害动态风险评估方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。