本发明专利技术涉及人工智能技术，揭露一种自然灾害风险评估方法，包括：根据地址偏差级别确定滑窗阵列及滑窗大小，利用滑窗大小及地址坐标划分滑窗阵列中每个滑窗对应的滑窗区域；根据每个滑窗区域的天气数值计算待评估区域的目标天气数值；根据每个滑窗区域的预报天气数值计算待评估区域的目标预报天气数值；将目标天气数值、目标预报天气数值及特征向量进行特征融合，得到目标向量；根据目标向量对待评估区域进行风险评估，得到评估结果。本发明专利技术还涉及一种区块链技术，所述目标天气数值可以存储在区块链节点中。本发明专利技术还提出一种自然灾害风险评估装置、设备以及介质。本发明专利技术可以提高自然灾害风险评估的准确率。灾害风险评估的准确率。灾害风险评估的准确率。
【技术实现步骤摘要】
自然灾害风险评估方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能技术，尤其涉及一种自然灾害风险评估方法、装置、电子设备及存储介质。
技术介绍
[0002]自然灾害类(如降水)的风险管控一直都是灾害预警及保险运营管理的一大难题。
[0003]现有的风控系统由于待评估区域地址录入时精确程度不同，导致相应的天气数据不准确，无法准确的进行的自然灾害风险识别，同时，现有的的风险识别只依赖于单一维度的天气特征，导致自然灾害风险评估的准确率较低。
技术实现思路
[0004]本专利技术提供一种自然灾害风险评估方法、装置、电子设备及存储介质，其主要目的在于提高了自然灾害风险评估的准确率。
[0005]获取待评估区域的地址坐标及对应的地址偏差等级；
[0006]根据所述地址偏差级别确定滑窗阵列及滑窗大小，利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域；
[0007]获取每个所述滑窗区域在第一预设时间区间内每天的预设天气状态的天气数值，根据所述天气数值计算所述待评估区域在第一预设时间区间内每天的天气数值，得到对应的目标天气数值；
[0008]获取每个所述滑窗区域在第二预设时间区间内每天的预设天气状态的预报天气数值，根据所述预报天气数值计算所述待评估区域在第二预设时间区间内每天的预报天气数值，得到目标预报天气数值；
[0009]获取所述待评估区域的特征文本，将所述特征文本进行向量转换，得到特征向量；
[0010]根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，得到模型输入向量；
[0011]利用所述风险识别模型及所述模型输入向量对所述待评估区域进行风险评估，得到评估结果。
[0012]可选地，所述利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域，包括：
[0013]将所述地址坐标确定为所述滑窗阵列中心滑窗的中心点；
[0014]根据所述滑窗大小确定所述所述滑窗阵列中每个滑窗对应的区域，得到对应的所述滑窗区域。
[0015]可选地，所述根据所述天气数值计算所述待评估区域在第一预设时间区间内每天的天气数值，得到对应的目标天气数值，包括：
[0016]计算所述第一预设区间内每天对应的所有所述天气数值中的50％分位值，得到对应的所述目标天气数值。
[0017]可选地，所述将所述特征文本进行向量转换，得到特征向量，包括：
[0018]提取所述特征文本中的每个特征对应的信息，得到子特征文本；
[0019]将所述子特征文本转换为向量，得到子特征向量；
[0020]将所有所述子特征向量进行平均计算，得到所述特征向量。
[0021]可选地，所述风险识别模型包含：特征提取层、组合特征层、线性特征层、全连接层，其中，所述特征提取层为LSTM或GRU模型，所述组合特征层由预设第一数量的深度交叉网络构成,所述线性特征层由预设第二数量的深度神经网络构成。
[0022]可选地，所述根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，得到模型输入向量，包括：
[0023]根据所述目标天气数值对应的日期先后构建序列，得到目标天气序列；
[0024]根据所述目标预报天气数值对应的日期先后构建序列，得到目标预报天气序列；
[0025]将所述目标天气序列与所述目标天气序列进行拼接，得到目标天气特征序列；
[0026]利用所述特征提取层对所述目标天气特征序列进行特征提取，得到天气特征向量；
[0027]将所述天气特征向量与所述特征向量进行拼接，得到所述模型输入向量。
[0028]可选地，所述利用所述风险识别模型及所述模型输入向量对所述待评估区域进行风险评估，得到评估结果，包括：
[0029]利用所述组合特征层对所述模型输入向量进行特征提取，得到组合特征向量；
[0030]利用所述线性特征层对所述模型输入向量进行特征提取，得到线性特征向量；
[0031]将所述组合特征向量与所述线性特征向量进行拼接，得到风险特征向量；
[0032]将所述风险特征向量输入所述全连接层，得到全连接层输出值；
[0033]利用sigmod函数对所述全连接层输出值进行计算，得到风险识别概率；
[0034]当所述风险识别概率大于预设阈值，所述风险识别结果为高风险；
[0035]当所述风险识别概率小于或等于预设阈值，所述风险识别结果为低风险。
[0036]为了解决上述问题，本专利技术还提供一种自然灾害风险评估装置，所述装置包括：
[0037]区域划分模块，用于获取待评估区域的地址坐标及对应的地址偏差等级；根据所述地址偏差级别确定滑窗阵列及滑窗大小，利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域；
[0038]特征融合模块，用于获取每个所述滑窗区域在第一预设时间区间内每天的预设天气状态的天气数值，根据所述天气数值计算所述待评估区域在第一预设时间区间内每天的天气数值，得到对应的目标天气数值；获取每个所述滑窗区域在第二预设时间区间内每天的预设天气状态的预报天气数值，根据所述预报天气数值计算所述待评估区域在第二预设时间区间内每天的预报天气数值，得到目标预报天气数值；获取所述待评估区域的特征文本，将所述特征文本进行向量转换，得到特征向量；根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，得到模型输入向量；
[0039]风险评估模块，用于利用所述风险识别模型及所述模型输入向量对所述待评估区域进行风险评估，得到评估结果。
[0040]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0041]存储器，存储至少一个计算机程序；及
[0042]处理器，执行所述存储器中存储的计算机程序以实现上述所述的自然灾害风险评估方法。
[0043]为了解决上述问题，本专利技术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计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的自然灾害风险评估方法。
[0044]本专利技术实施例根据所述地址偏差级别确定滑窗阵列及滑窗大小，利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域，根据滑窗降低了地址偏差导致的区域及天气误差，提高了天气数值的准确率，进一步地，根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，将不同维度的数据进行特征融合，不依赖于单一的天气特征，提高了风险评估的准确率，因此本专利技术实施例提出的自然灾害风险评估方法、装置、电子设备及可读存储介质提高了自然灾害风险评估的准确率。
附图说明
[0045]图1为本专利技术一实施例提供的自然灾害风险评估方法的流程示意图；
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自然灾害风险评估方法，其特征在于，所述方法包括：获取待评估区域的地址坐标及对应的地址偏差等级；根据所述地址偏差级别确定滑窗阵列及滑窗大小，利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域；获取每个所述滑窗区域在第一预设时间区间内每天的预设天气状态的天气数值，根据所述天气数值计算所述待评估区域在第一预设时间区间内每天的天气数值，得到对应的目标天气数值；获取每个所述滑窗区域在第二预设时间区间内每天的预设天气状态的预报天气数值，根据所述预报天气数值计算所述待评估区域在第二预设时间区间内每天的预报天气数值，得到目标预报天气数值；获取所述待评估区域的特征文本，将所述特征文本进行向量转换，得到特征向量；根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，得到模型输入向量；利用所述风险识别模型及所述模型输入向量对所述待评估区域进行风险评估，得到评估结果。2.如权利要求1所述的自然灾害风险评估方法，其特征在于，所述利用所述滑窗大小及所述地址坐标划分所述滑窗阵列中每个滑窗对应的滑窗区域，包括：将所述地址坐标确定为所述滑窗阵列中心滑窗的中心点；根据所述滑窗大小确定所述所述滑窗阵列中每个滑窗对应的区域，得到对应的所述滑窗区域。3.如权利要求1所述的自然灾害风险评估方法，其特征在于，所述根据所述天气数值计算所述待评估区域在第一预设时间区间内每天的天气数值，得到对应的目标天气数值，包括：计算所述第一预设区间内每天对应的所有所述天气数值中的50％分位值，得到对应的所述目标天气数值。4.如权利要求1所述的自然灾害风险评估方法，其特征在于，所述将所述特征文本进行向量转换，得到特征向量，包括：提取所述特征文本中的每个特征对应的信息，得到子特征文本；将所述子特征文本转换为向量，得到子特征向量；将所有所述子特征向量进行平均计算，得到所述特征向量。5.如权利要求1至4中任意一项所述的自然灾害风险评估方法，其特征在于，所述风险识别模型包含：特征提取层、组合特征层、线性特征层、全连接层，其中，所述特征提取层为LSTM或GRU模型，所述组合特征层由预设第一数量的深度交叉网络构成,所述线性特征层由预设第二数量的深度神经网络构成。6.如权利要求5所述的自然灾害风险评估方法，其特征在于，所述根据预设的风险识别模型将所述目标天气数值、所述目标预报天气数值及所述特征向量进行特征融合，得到模型输入向量，包括：根据所述目标天气数值对应的日期先后构建序列，得到目标天气序列；根据所述目标预报天气数值对应的日期先后构建序列，得到目标预报天气序列；
将所述目标天气序列与所...
【专利技术属性】
技术研发人员：曾伟，郑越，郑创坤，梁智豪，谢文峰，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。