【技术实现步骤摘要】
一种基于雨情数据判定灾害风险等级的方法及系统
[0001]本专利技术涉及人工智能数据分析
，尤其涉及一种基于雨情数据判定灾害风险等级的方法及系统。
技术介绍
[0002]近年来，随着全球气候变暖,气象环境也更加复杂多样，灾害性天气正呈现增多趋势，提高防灾减灾能力、减少灾害带来的损失、促进社会的安全可持续发展，成为了重中之重。加强人工智能对自然灾害的有效监测，围绕地震灾害、地质灾害、气象灾害、水旱灾害和海洋灾害等重大自然灾害，构建智能化监测预警与综合应对平台。根据趋势判断，智能化将是信息化的下一个制高点，人工智能化将引领水利信息化的建设和发展，人工智能在防汛领域智能值守、智能参谋、智能控制以及智能信息服务方面大有可为。
[0003]当前各级水利部门建设水利防灾减灾综合应用体系，构建覆盖“预警预防、应急响应、善后处置、保障措施”四个方面的水利防灾减灾业务应用，虽然在汛前全面掌握区域的水雨情信息、水文气象信息、工程设施信息、预报分析结果，但对未来的灾害发生的趋势无法掌握，通过常规人工经验的判断往往受到很多人为因素的影...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于雨情数据判定灾害风险等级的方法，其特征在于，包括：获取各站点的雨量数据，按所述雨量数据的时序序列构造各站点雨量堆积柱状图；将各站点的雨量堆积柱状图输入至各站点对应的当前最优灾害风险等级预测模型，获取各站点预测时刻对应的灾害预测风险等级信息以及对应的置信率；获取所述预测时刻的各站点的实际风险等级信息，当该站点的所述预测时刻对应的灾害预测风险等级信息与实际风险等级信息不同时，通过以该站点实际风险等级标注的雨量堆积柱状图，对该站点灾害风险等级预测模型进行优化训练，更新该站点当前最优灾害风险等级预测模型。2.根据权利要求1所述的基于雨情数据判定灾害风险等级的方法，其特征在于，所述获取各站点的雨量数据，按所述雨量数据的时序序列构造各站点雨量等级柱状图，包括：获取各站点距预测时刻的最近1小时、3小时、6小时、12小时和24小时累计的雨量数据，各累计时间的雨量数据包括：已采集的雨量数据和/或预测的雨量数据；按照各累计时间的雨量数据的时序顺序，构造各站点雨量堆积柱状图样本；通过对应站点编号和时间命名各站点雨量堆积柱状图样本，并以文件方式缓存。3.根据权利要求2所述的基于雨情数据判定灾害风险等级的方法，其特征在于，通过以下方式进行实际风险等级信息的标注：获取各站点预测时刻前1小时、3小时、6小时、12小时和24小时累计的雨量数据对应的各累计时间的各风险等级的阈值范围；其中，所述雨量数据为已采集的实际雨量数据；通过各站点雨量等级柱状图中1小时、3小时、6小时、12小时和24小时累计的雨量数据与所述对应的各累计时间的各风险等级的阈值范围比较，确定各累计时间的风险等级；以各站点雨量等级柱状图中各累计时间的最高风险等级为标准，对所述各站点雨量等级柱状图进行实际风险等级的标注。4.根据权利要求3所述的基于雨情数据判定灾害风险等级的方法，其特征在于，最优的灾害风险等级预测模型的获取，包括：获取该站点的历史雨量样本数据，按该站点的历史雨量样本数据的各累计时间的雨量数据的时序序列，构造该站点历史雨量堆积柱状图，生成该站点历史雨量堆积柱状图样本库；对所述该站点历史雨量等级柱状图样本进行实际风险等级信息标注，生成该站点历史雨量堆积柱状图标注样本库；通过该站点实际风险等级标注的历史雨量堆积柱状图样本库，对该站点的灾害风险等级预测模型进行优化训练，得到最优灾害风险等级预测模型。5.根据权利要求3或4所述的基于雨情数据判定灾害风险等级的方法，其特征在于，所述当该站点的所述预测时刻对应的灾害预测风险等级信息与实际风险等级信息不同时，通过以该站点实际风险等级标注的雨量堆积柱状图，对该站点灾害风险等级预测模型优化训练，更新该站点当前最优灾害风险等级预测模型，包括：当所述预测时刻对应的灾害预测风险等级信息与实际风险等级信息不同时，将所述标注了实际风险等级信息的雨量数据信息增加到该站点标注的历史雨量堆积柱状图标注样本库中，更新该站点历史雨量堆积柱状图标注样本库；
技术研发人员：夏述海，姚毅，霍宏旭，
申请(专利权)人：北京慧图科技集团股份有限公司，
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。