【技术实现步骤摘要】
本专利技术涉及台风风险评估，尤其是涉及一种台风房屋受损风险预估方法、装置、设备及介质。
技术介绍
1、主流的台风风险评估技术大多采用指标体系的风险评估方法，核心是基于灾害风险要素构建灾害风险的指标体系，再利用赋权方法确定指标权重，该方法虽然易于操作，但未考虑致灾因子与承灾体之间的相互作用机理，本质上是一种相对的定性风险评估方法，是对承灾体长期灾害风险水平与规律的静态反映，无法应用在基于灾害事件的动态风险预报中。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种台风房屋受损风险预估方法、装置、设备及介质，可以实现在实时灾场演变过程中的动态风险实时更新预报。
2、第一方面，本专利技术实施例提供了一种台风房屋受损风险预估方法，包括：
3、获取目标区域对应的台风事件数据集，台风事件数据集包括台风灾情数据、台风路径集数据、气象观测站点数据、承灾体属性及孕灾环境数据；
4、基于台风事件数据集，对多个行政区域内发生的台风事件的特征数据进行识别，以根据特征数据构造目标样本数据集，行政区域是按照预设行政区划单位对目标区域进行划分得到的，特征数据包括房屋受损数量等级、台风致灾因子、目标承灾体属性及孕灾环境数据；
5、利用目标样本数据集，对机器学习模型进行训练得到房屋受损风险预估模型；其中，房屋受损风险预估模型用于在目标区域内发生台风事件时的房屋受损情况进行动态风险预报。
6、在一种实施方式中，基于台风事件数据集，对多个行政区域内发生的
7、基于台风灾情数据提取由台风事件引起的房屋受损数量数据，并根据房屋受损数量数据和气象观测站点数据确定多个行政区域对应的房屋受损数量等级；
8、以及，基于台风路径集数据和气象观测站点数据，对多个行政区域内每个像元点是否属于台风降水像元点和台风大风像元点进行判定，并基于判定结果生成多个行政区域对应的台风致灾因子；
9、以及，对承灾体属性及孕灾环境数据进行统计分析，得到多个行政区域对应的目标承灾体属性及孕灾环境数据；
10、对房屋受损数量等级、台风致灾因子、目标承载体属性及孕灾环境数据进行时空匹配，以得到每个行政区域内发生的每个台风事件匹配的特征数据。
11、在一种实施方式中，根据房屋受损数量数据和气象观测站点数据确定多个行政区域对应的房屋受损数量等级，包括：
12、对房屋受损数量数据和气象观测站点数据进行匹配，以确定观测站点所在行政区域对应的房屋受损数量数据；
13、对行政区域对应的房屋受损数量数据进行排序；
14、从排序结果中提取多个指定点位对应的目标房屋受损数量数据，以目标房屋受损数量数据为阈值构造多个等级区间；
15、根据行政区域对应的房屋受损数量数据所属的等级区间，确定行政区域对应的房屋受损数量等级。
16、在一种实施方式中，基于台风路径集数据和气象观测站点数据，对多个行政区域内每个像元点是否属于台风降水像元点和台风大风像元点进行判定，并基于判定结果生成多个行政区域对应的台风致灾因子，包括：
17、基于气象观测站点数据，确定台风路径集数据对应的实时台风强度，并结合预设的雨圈影响圈和风圈影响圈，对行政区域内每个像元点是否属于台风降水像元点和台风大风像元点进行判定；
18、如果是，则基于气象观测站点数据，统计像元点对应的台风过程最大降水数据、台风过程总降水数据、台风过程最大风速数据；如果否，则将像元点的数值置为0；
19、基于行政区域内每个像元点的数值，确定行政区域对应的台风致灾因子。
20、在一种实施方式中，对承灾体属性及孕灾环境数据进行统计分析，得到多个行政区域对应的目标承灾体属性及孕灾环境数据，包括：
21、将目标区域对应的人口数据、经济数据、房屋面积数据、房屋栋数数据、房屋属性数据作为承灾体属性数据；
22、以及，将高程数据、地形起伏度数据、河网密度数据、植被覆盖度数据、土壤粘粒含量数据作为孕灾环境数据；
23、将落入行政区域内的每个像元点对应的承灾体属性数据和孕灾环境数据，进行均值、最大值、最小值统计，得到行政区域对应的目标承灾体属性及孕灾环境数据。
24、在一种实施方式中，根据特征数据构造目标样本数据集，包括：
25、以台风致灾因子、目标承灾体及孕灾环境数据为特征量，以房屋受损数量等级为目标值，构造初始样本数据集；
26、对特征量和目标值进行消空处理，以及对特征量进行归一化处理，得到目标样本数据集。
27、在一种实施方式中，利用目标样本数据集，对机器学习模型进行训练得到房屋受损风险预估模型，包括：
28、将目标样本数据集划分为训练集和测试集；
29、利用训练集对机器学习模型进行训练得到房屋受损风险预估模型，并将测试集中的特征量输入至房屋受损风险预估模型，得到房屋受损风险预估模型针对测试集输出的房屋受损数量等级预测值；
30、基于测试集中的目标值和房屋受损数量等级预测值计算准确度指标和召回率指标，基于准确度指标的加权平均结果和召回率指标的加权平均结果确定模型评价指标，以利用模型评价指标对房屋受损风险预估模型进行评估。
31、第二方面，本专利技术实施例还提供一种台风房屋受损风险预估装置，包括：
32、数据获取模块，用于获取目标区域对应的台风事件数据集，台风事件数据集包括台风灾情数据、台风路径集数据、气象观测站点数据、承灾体属性及孕灾环境数据；
33、样本构造模块，用于基于台风事件数据集，对多个行政区域内发生的台风事件的特征数据进行识别，以根据特征数据构造目标样本数据集，行政区域是按照预设行政区划单位对目标区域进行划分得到的，特征数据包括房屋受损数量等级、台风致灾因子、目标承灾体属性及孕灾环境数据；
34、模型训练模块，用于利用目标样本数据集，对机器学习模型进行训练得到房屋受损风险预估模型；其中，房屋受损风险预估模型用于在目标区域内发生台风事件时的房屋受损情况进行动态风险预报。
35、第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现第一方面提供的任一项的方法。
36、第四方面，本专利技术实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的任一项的方法。
37、本专利技术实施例提供的一种台风房屋受损风险预估方法、装置、设备及介质，首先获取目标区域对应的台风事件数据集，台风事件数据集包括台风灾情数据、台风路径集数据、气象观测站点数据、承灾体属性及孕灾环境数据；然后基于台风事件数据集，对多个行政区域内发生的台风事件的特征数据进行识别，以根据特征数据构造目本文档来自技高网...
【技术保护点】
1.一种台风房屋受损风险预估方法，其特征在于，包括：
2.根据权利要求1所述的台风房屋受损风险预估方法，其特征在于，基于所述台风事件数据集，对多个行政区域内发生的台风事件的特征数据进行识别，包括：
3.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，根据所述房屋受损数量数据和所述气象观测站点数据确定多个行政区域对应的房屋受损数量等级，包括：
4.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，基于台风路径集数据和气象观测站点数据，对多个所述行政区域内每个像元点是否属于台风降水像元点和台风大风像元点进行判定，并基于判定结果生成多个所述行政区域对应的台风致灾因子，包括：
5.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，对所述承灾体属性及孕灾环境数据进行统计分析，得到多个所述行政区域对应的目标承灾体属性及孕灾环境数据，包括：
6.根据权利要求1所述的台风房屋受损风险预估方法，其特征在于，根据所述特征数据构造目标样本数据集，包括：
7.根据权利要求1所述的台风房屋受损风险预估方法，其
8.一种台风房屋受损风险预估装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
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可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种台风房屋受损风险预估方法，其特征在于，包括：
2.根据权利要求1所述的台风房屋受损风险预估方法，其特征在于，基于所述台风事件数据集，对多个行政区域内发生的台风事件的特征数据进行识别，包括：
3.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，根据所述房屋受损数量数据和所述气象观测站点数据确定多个行政区域对应的房屋受损数量等级，包括：
4.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，基于台风路径集数据和气象观测站点数据，对多个所述行政区域内每个像元点是否属于台风降水像元点和台风大风像元点进行判定，并基于判定结果生成多个所述行政区域对应的台风致灾因子，包括：
5.根据权利要求2所述的台风房屋受损风险预估方法，其特征在于，对所述承灾体属性及孕灾环境数据进行统计分析，得到多个所述行政区域对应的...
【专利技术属性】
技术研发人员：尹宜舟，王国复，周星妍，代潭龙，陈逸骁，王雅琦，吕梦霞，林超，武于洁，谢振雷，
申请(专利权)人：国家气候中心，
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。