本发明专利技术涉及人工智能技术，揭露一种出险区域预测方法，包括：利用出险相关数据对降水相关数据进行数据匹配，得到标准出险数据；基于降水相关数据和标准出险数据构建特征数据集；利用区域预测模型对特征数据集与区域参考图进行数据融合得到的标准参考图进行区域预测，得到区域预测图像；统计区域预测图像中像素点的数量，基于像素点的数量和损失函数计算得到损失值，根据损失值和损失阈值之间的大小输出标准区域预测模型；将待识别图像输入至标准区域预测模型中，得到出险区域。此外，本发明专利技术还涉及区块链技术，特征数据集可存储于区块链的节点。本发明专利技术还提出一种出险区域预测装置、电子设备以及存储介质。本发明专利技术可以提高出险区域预测的效率。测的效率。测的效率。
【技术实现步骤摘要】
出险区域预测方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种出险区域预测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]在保险领域中，通常需要根据提前掌握到的自然灾害的受灾范围来进行精细化预警以及针对性的人员物资调配，以便在灾中尽快施展救援，尽可能减小灾害导致的损失。现有的受灾区域范围的预测方法通常是利用水文模型在给定降水条件下模型积水情况。而水文模型本身需要入参较多，许多入参如管网数据难以获取，且城市地表较为复杂，对水文模型参数率定存在较大挑战。另外水文模型存在泛化性差，难以大范围适用的问题。因此亟待提出一种效率更高的出险区域预测方法。
技术实现思路
[0003]本专利技术提供一种出险区域预测方法、装置及计算机可读存储介质，其主要目的在于提高出险区域预测的效率。
[0004]为实现上述目的，本专利技术提供的一种出险区域预测方法，包括：
[0005]获取降水相关数据和出险相关数据，利用所述出险相关数据对所述降水相关数据进行数据匹配，得到标准出险数据；
[0006]基于所述降水相关数据和所述标准出险数据构建特征数据集；
[0007]获取预设的区域参考图，将所述特征数据集与所述区域参考图进行数据融合，得到标准参考图；
[0008]利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像；
[0009]统计所述区域预测图像中的像素点的数量，并基于所述像素点的数量和预设的损失函数计算得到损失值，根据所述损失值和预设的损失阈值之间的大小输出标准区域预测模型；
[0010]获取待识别图像，将所述待识别图像输入至所述标准区域预测模型中，得到所述待识别图像的出险区域。
[0011]可选地，所述利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像，包括：
[0012]基于预设的压缩层级分别对所述标准参考图进行卷积压缩，得到第一压缩图、第二压缩图、第三压缩图和第四压缩图；
[0013]将所述第一压缩图输入至所述区域预测模型中的第一语义分割模块中，得到第一语义图；
[0014]将所述第一语义图和所述第二压缩图输入至所述区域预测模型中的第二语义分割模块中，得到第二语义图；
[0015]将所述第二语义图和所述第三压缩图输入至所述区域预测模型中的第三语义分
割模块中，得到第三语义图；
[0016]将所述第三语义图和所述第四压缩图输入至所述区域预测模型中的第四语义分割模块中，得到区域预测图像。
[0017]可选地，所述将所述第一语义图和所述第二压缩图输入至所述区域预测模型中的第二语义分割模块中，得到第二语义图，包括：
[0018]利用所述第二语义分割模块中的残差卷积单元分别对所述第一语义图和所述第二压缩图进行信息抽取，得到所述第一语义图和所述第二压缩图对应的残差信息；
[0019]利用所述多分辨率融合单元将所述残差信息进行多分辨率融合，得到融合信息；
[0020]基于所述第二语义分割模块中的链式残差池化单元对所述融合信息进行池化处理，得到第二语义图。
[0021]可选地，所述基于所述像素点的数量和预设的损失函数计算得到损失值，包括：
[0022][0023]其中，L
dice
为所述损失值，X为所述区域预测图像中的标注为正的像素点的数量，|Y|为预测的像素点为正的数量，|X∩Y|为标注为正且预测也为正的像素点数。
[0024]可选地，所述将所述特征数据集与所述区域参考图进行数据融合之前，所述方法还包括：
[0025]将所述区域参考图裁剪为预设大小的多个区域子图；
[0026]分别对多个所述区域子图进行去噪处理，得到去噪子图。
[0027]可选地，所述基于所述降水相关数据和所述标准出险数据构建特征数据集，包括：
[0028]对所述降水相关数据进行时间校正及离散化处理，得到多个标准降水区间；
[0029]统计在多个所述标准降水区间中所述标准出险数据的频次，并将多个所述标准降水区间和所述频次进行汇总，得到特征数据集。
[0030]可选地，所述利用所述出险相关数据对所述降水相关数据进行数据匹配，得到标准出险数据，包括：
[0031]提取所述出险相关数据中的出险地点数据及所述出险地点数据对应的出险时间数据，对所述出险时间进行时间校正，得到标准出险时间；
[0032]基于预设的降水量映射表将所述降水相关数据与所述出险地点数据匹配，并标记上所述出险时间数据，得到标准出险数据。
[0033]为了解决上述问题，本专利技术还提供一种出险区域预测装置，所述装置包括：
[0034]数据处理模块，用于获取降水相关数据和出险相关数据，利用所述出险相关数据对所述降水相关数据进行数据匹配，得到标准出险数据，基于所述降水相关数据和所述标准出险数据构建特征数据集；
[0035]数据融合模块，用于获取预设的区域参考图，将所述特征数据集与所述区域参考图进行数据融合，得到标准参考图；
[0036]模型训练模块，用于利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像，统计所述区域预测图像中的像素点的数量，并基于所述像素点的数量和预设的损失函数计算得到损失值，根据所述损失值和预设的损失阈值之间的大小输出标准区域预测模型；
[0037]区域预测模块，用于获取待识别图像，将所述待识别图像输入至所述标准区域预测模型中，得到所述待识别图像的出险区域。
[0038]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：
[0039]至少一个处理器；以及，
[0040]与所述至少一个处理器通信连接的存储器；其中，
[0041]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上述所述的出险区域预测方法。
[0042]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出险区域预测方法。
[0043]本专利技术实施例通过利用出险相关数据对降水相关数据进行数据匹配，得到的标准出险数据包含了出险相关数据和降水相关数据之间的联系，基于降水相关数据和标准出险数据构建特征数据集，所述特征数据集包含了多个特征数据，将特征数据集与区域参考图进行数据融合，将特征数据直观的展示在区域参考图上。利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像，并基于所述区域预测图像中的像素点的数量和预设的损失函数计算得到损失值，根据所述损失值和预设的损失阈值之间的大小输出标准区域预测模型，根据标准区域预测模型对待识别图像进行区域预测，能够提高出险区域预测的效率。因此本专利技术提出的出险区域预测方法、装置、电子设备及计算机可读存储介质，可以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种出险区域预测方法，其特征在于，所述方法包括：获取降水相关数据和出险相关数据，利用所述出险相关数据对所述降水相关数据进行数据匹配，得到标准出险数据；基于所述降水相关数据和所述标准出险数据构建特征数据集；获取预设的区域参考图，将所述特征数据集与所述区域参考图进行数据融合，得到标准参考图；利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像；统计所述区域预测图像中的像素点的数量，并基于所述像素点的数量和预设的损失函数计算得到损失值，根据所述损失值和预设的损失阈值之间的大小输出标准区域预测模型；获取待识别图像，将所述待识别图像输入至所述标准区域预测模型中，得到所述待识别图像的出险区域。2.如权利要求1所述的出险区域预测方法，其特征在于，所述利用预设的区域预测模型对所述标准参考图进行区域预测，得到区域预测图像，包括：基于预设的压缩层级分别对所述标准参考图进行卷积压缩，得到第一压缩图、第二压缩图、第三压缩图和第四压缩图；将所述第一压缩图输入至所述区域预测模型中的第一语义分割模块中，得到第一语义图；将所述第一语义图和所述第二压缩图输入至所述区域预测模型中的第二语义分割模块中，得到第二语义图；将所述第二语义图和所述第三压缩图输入至所述区域预测模型中的第三语义分割模块中，得到第三语义图；将所述第三语义图和所述第四压缩图输入至所述区域预测模型中的第四语义分割模块中，得到区域预测图像。3.如权利要求2所述的出险区域预测方法，其特征在于，所述将所述第一语义图和所述第二压缩图输入至所述区域预测模型中的第二语义分割模块中，得到第二语义图，包括：利用所述第二语义分割模块中的残差卷积单元分别对所述第一语义图和所述第二压缩图进行信息抽取，得到所述第一语义图和所述第二压缩图对应的残差信息；利用所述多分辨率融合单元将所述残差信息进行多分辨率融合，得到融合信息；基于所述第二语义分割模块中的链式残差池化单元对所述融合信息进行池化处理，得到第二语义图。4.如权利要求1所述的出险区域预测方法，其特征在于，所述基于所述像素点的数量和预设的损失函数计算得到损失值，包括：其中，L
dice
为所述损失值，X为所述区域预测图像中的标注为正的像素点的数量，|Y|为预测的像素点为正的数量，|X∩Y|为标注为正且预测也为正的像素点数。5.如权利要求1所述的出险区域预测...
【专利技术属性】
技术研发人员：曾思敏，郑越，任伯阳，王创，江一航，
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。