一种火箭落点灾害分析系统的制作方法

1.本发明涉及灾害预测分析技术领域，尤其涉及一种火箭落点灾害分析系统。


背景技术：

2.火箭回收过程中，根据火箭当前状态及预测火箭落点信息进行实时灾害评估，以便进行辅助安控。科学家已经根据cz-2f火箭残骸落点进行研究，并实用于火箭回收任务中。
3.虽然现有的落点分析技术已经对大量异常情况进行规避，但是无法进行事后灾害评估。其主要问题及原因可总结如下：一是对于火箭偏航等小概率失控事件，只能进行安控操作，这一操作对于地面的毁伤无法确认；二是对于事件发生之后的地面财产等损失进行评估，现有的方案需要人力成本去估计，差异性较大，主观性较强；三是由于火箭在空中的不确定性以及落点地面信息的变化，使得无法实时预测事后毁伤程度。


技术实现要素：

4.本发明的目是针对背景技术中存在的问题，提出一种可以对地面的毁伤进行确认以及事件发生之后的地面财产等损失进行评估，差异性较小；实时对火箭残骸落地后的事后灾害评估的火箭落点灾害分析系统。
5.一方面，本发明提出一种火箭落点灾害分析系统，包括数据预处理模块、数据处理框架模块、机器学习技术模块和机器学习模型模块；
6.数据预处理模块与数据处理框架模块通讯连接，且数据处理框架模块包括数据获取模块、数据量纲化模块和特征选择模块；机器学习技术模块和机器学习模型模块通讯连接，且机器学习模型模块包括火箭毁伤效应模块、地面价值评估模块和火箭落点综合评估模块；
7.数据获取模块，用于通过互联网获取中国科学院空天信息创新研究院30米级遥感分类数据、中华人民共和国人口统计数据和中华人民共和国县级gdp统计数据并分类储存；
8.数据量纲化模块，用于通过结构化数据，对数据字段进行数值化、缺失值处理、异常值修正与剔除、one-hot编码、数据分段等一系列数据预处理之后，最终一体化地为火箭落点灾害分析系统建立数据清洗功能；
9.特征选择模块，用于使用方差过滤法直接把方差很小的特征进行消除，使得在维持算法表现的前提下，降低算法的计算成本；使用相关性过滤法过滤掉与标签无关或者相关性很小的特征，以此来提高模型在数据上的表现；经过上述处理之后，最终为火箭落点灾害分析系统提供了数据分析功能；
10.火箭毁伤效应模块，用于建立火箭落点毁伤范围模型，火箭落点毁伤程度模型；
11.地面价值评估模块，用于建立地面综合价值评估的模型；
12.火箭落点综合评估模块，用于使用分类算法进行建模，建立针对火箭落点毁伤程度与落点中心地面信息进行综合评估的系统。
13.优选的，数据结构包括全国县级人口数量、gdp、建筑物分布、地质地貌、水流湖泊、植被覆盖、地形分布、农作物分布、火箭落点坐标、火箭高度、火箭所剩燃料、火箭当前速度与加速度、火箭当前姿态。
14.优选的，数据获取模块获取的数据分类时，将数据汇总成网格并存储至数据库作为基础信息，其中每个网格代表2*2公里范围。
15.优选的，火箭毁伤程度随毁伤中心点扩散以线性程度降低，地面综合价值评估则由落点坐标与毁伤范围得到欧几里得距离，据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子，最终汇总得出落点坐标的地面信息。
16.另一方面，本发明还提出火箭落点灾害分析系统的设计方法，具体包括以下步骤：
17.s1、基于数据预处理工作，建立从地面信息、火箭信息收集到最终地面损失灾害评估的直连式数据处理框架，通过数据获取模块获取互联网获取中国科学院空天信息创新研究院30米级遥感分类数据、中华人民共和国人口统计数据和中华人民共和国县级gdp统计数据最终将数据汇总成网格并存储至数据库作为基础信息，其中每个网格代表2*2公里范围；
18.通过数据量纲化模块从结构化数据(其中，数据结构包括全国县级人口数量、gdp、建筑物分布、地质地貌、水流湖泊、植被覆盖、地形分布、农作物分布、火箭落点坐标、火箭高度、火箭所剩燃料、火箭当前速度与加速度和火箭当前姿态)出发；对数据字段进行数值化、缺失值处理、异常值修正与剔除、one-hot编码、数据分段等一系列数据预处理之后，最终一体化地为火箭落点灾害分析系统建立数据清洗功能；通过特征选择模块使用方差过滤法直接把方差很小的特征进行消除，使得在维持算法表现的前提下，降低算法的计算成本；使用相关性过滤法过滤掉与标签无关或者相关性很小的特征，以此来提高模型在数据上的表现；经过上述处理之后，最终为火箭落点灾害分析系统提供了数据分析功能；
19.s2、利用机器学习技术，对火箭毁伤效应、地面价值评估使用回归算法进行建模，建立包括：火箭落点毁伤范围，火箭落点毁伤程度，地面综合价值评估的模型，同时，毁伤程度随毁伤中心点扩散以线性程度降低，地面综合价值评估则由落点坐标与毁伤范围得到欧几里得距离，据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子，最终汇总得出落点坐标的地面信息。对于火箭落点综合评估使用分类算法进行建模，建立针对火箭落点毁伤程度与落点中心地面信息进行综合评估的系统；
20.s3、在机器学习模型内通过训练优化数据特征权重，最终一体化地为火箭落点灾害分析系统建立实时评估预警；其中，利用网格搜索法、交叉验证与学习曲线等技术对模型内参数进行优化与验证；利用决策树、随机森林、支持向量机、梯度提升树等技术实现火箭毁伤定义、地面价值评估、综合灾害评估功能；经过上述迭代训练后，最终获得火箭落点灾害分析系统的数据处理框架及相应的物理构型。
21.与现有技术相比，本发明具有如下有益的技术效果：通过基于数据预处理工作，建立从地面信息、火箭信息收集到最终地面损失灾害评估的直连式数据处理框架，利用机器学习技术，对火箭毁伤效应、地面价值评估使用回归算法进行建模以及在机器学习模型内通过训练优化数据特征权重，最终一体化地为火箭落点灾害分析系统建立实时评估预警；本发明利用数据预处理技术和机器学习模型对火箭落点灾害分析系统的数据处理方法和物理结构同时进行设计及优化，可以对地面的毁伤进行确认以及事件发生之后的地面财产
等损失进行评估，差异性较小；创新性的提出了实时火箭落点灾害预测方法，实时对火箭残骸落地后的事后灾害评估。
附图说明
22.图1为本发明一种实施例的流程图；
23.图2为本发明一种系统框图；
24.图3为数据处理框架模块框图；
25.图4为机器学习模型模块框图。
具体实施方式
26.本发明提出的一种火箭落点灾害分析系统，包括数据预处理模块、数据处理框架模块、机器学习技术模块和机器学习模型模块；
27.如图1-4所示，数据预处理模块与数据处理框架模块通讯连接，且数据处理框架模块包括数据获取模块、数据量纲化模块和特征选择模块；机器学习技术模块和机器学习模型模块通讯连接，且机器学习模型模块包括火箭毁伤效应模块、地面价值评估模块和火箭落点综合评估模块；
28.数据获取模块，用于通过互联网获取中国科学院空天信息创新研究院30米级遥感分类数据、中华人民共和国人口统计数据和中华人民共和国县级gdp统计数据并分类储存；数据获取模块获取的数据分类时，将数据汇总成网格并存储至数据库作为基础信息，其中每个网格代表2*2公里范围；
29.数据量纲化模块，用于通过结构化数据，对数据字段进行数值化、缺失值处理、异常值修正与剔除、one-hot编码、数据分段等一系列数据预处理之后，最终一体化地为火箭落点灾害分析系统建立数据清洗功能；数据结构包括全国县级人口数量、gdp、建筑物分布、地质地貌、水流湖泊、植被覆盖、地形分布、农作物分布、火箭落点坐标、火箭高度、火箭所剩燃料、火箭当前速度与加速度、火箭当前姿态；
30.特征选择模块，用于使用方差过滤法直接把方差很小的特征进行消除，使得在维持算法表现的前提下，降低算法的计算成本；使用相关性过滤法过滤掉与标签无关或者相关性很小的特征，以此来提高模型在数据上的表现；经过上述处理之后，最终为火箭落点灾害分析系统提供了数据分析功能；
31.火箭毁伤效应模块，用于建立火箭落点毁伤范围模型，火箭落点毁伤程度模型；
32.地面价值评估模块，用于建立地面综合价值评估的模型；
33.火箭落点综合评估模块，用于使用分类算法进行建模，建立针对火箭落点毁伤程度与落点中心地面信息进行综合评估的系统；火箭毁伤程度随毁伤中心点扩散以线性程度降低，地面综合价值评估则由落点坐标与毁伤范围得到欧几里得距离，据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子，最终汇总得出落点坐标的地面信息。
34.本实施例中，本发明利用数据预处理技术和机器学习模型对火箭落点灾害分析系统的数据处理方法和物理结构同时进行设计及优化，可以对地面的毁伤进行确认以及事件发生之后的地面财产等损失进行评估，差异性较小；创新性的提出了实时火箭落点灾害预测方法，实时对火箭残骸落地后的事后灾害评估。
35.本发明还提出火箭落点灾害分析系统的设计方法，具体包括以下步骤：
36.s1、基于数据预处理工作，建立从地面信息、火箭信息收集到最终地面损失灾害评估的直连式数据处理框架，通过数据获取模块获取互联网获取中国科学院空天信息创新研究院30米级遥感分类数据、中华人民共和国人口统计数据和中华人民共和国县级gdp统计数据最终将数据汇总成网格并存储至数据库作为基础信息，其中每个网格代表2*2公里范围；
37.通过数据量纲化模块从结构化数据(其中，数据结构包括全国县级人口数量、gdp、建筑物分布、地质地貌、水流湖泊、植被覆盖、地形分布、农作物分布、火箭落点坐标、火箭高度、火箭所剩燃料、火箭当前速度与加速度和火箭当前姿态)出发；对数据字段进行数值化、缺失值处理、异常值修正与剔除、one-hot编码、数据分段等一系列数据预处理之后，最终一体化地为火箭落点灾害分析系统建立数据清洗功能；通过特征选择模块使用方差过滤法直接把方差很小的特征进行消除，使得在维持算法表现的前提下，降低算法的计算成本；使用相关性过滤法过滤掉与标签无关或者相关性很小的特征，以此来提高模型在数据上的表现；经过上述处理之后，最终为火箭落点灾害分析系统提供了数据分析功能；
38.s2、利用机器学习技术，对火箭毁伤效应、地面价值评估使用回归算法进行建模，建立包括：火箭落点毁伤范围，火箭落点毁伤程度，地面综合价值评估的模型，同时，毁伤程度随毁伤中心点扩散以线性程度降低，地面综合价值评估则由落点坐标与毁伤范围得到欧几里得距离，据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子，最终汇总得出落点坐标的地面信息。对于火箭落点综合评估使用分类算法进行建模，建立针对火箭落点毁伤程度与落点中心地面信息进行综合评估的系统；
39.s3、在机器学习模型内通过训练优化数据特征权重，最终一体化地为火箭落点灾害分析系统建立实时评估预警；其中，利用网格搜索法、交叉验证与学习曲线等技术对模型内参数进行优化与验证；利用决策树、随机森林、支持向量机、梯度提升树等技术实现火箭毁伤定义、地面价值评估、综合灾害评估功能；经过上述迭代训练后，最终获得火箭落点灾害分析系统的数据处理框架及相应的物理构型。
40.上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。