基于自然灾害链的灾害预测方法及系统与流程

1.本发明涉及气象监测与预报技术领域，尤其涉及一种基于自然灾害链的灾害预测方法及系统。


背景技术：

2.自然灾害一直给人类的生产生存带来了许多危害，一旦自然灾害发生躲避不及就容易造成不可挽回的损失，因此灾害预警对人类生活具有跨时代的意义。
3.目前多灾种灾害链风险评估只能进行定性分析，比如发生寒潮后，可以预测到可能会发生大风或者大雪的灾害，但是无法进行定量的计算，因此，亟需一种基于自然灾害链的灾害预测方法及系统。


技术实现要素：

4.本发明提供一种基于自然灾害链的灾害预测方法，用以解决现有技术中无法对灾害进行定量预测的缺陷，实现灾害的定量预测。
5.本发明提供一种基于自然灾害链的灾害预测方法，包括：
6.基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
7.基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
8.根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
9.根据本发明提供的一种基于自然灾害链的灾害预测方法，所述基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵，包括：
10.获取自然灾害对应的关键词和承灾体事件对应的关键词；
11.基于所述自然灾害对应的关键词和所述承灾体事件对应的关键词，对所述历史自然灾害记录文本进行筛选，获取优选自然灾害记录文本；
12.根据所述优选自然灾害记录文本，获取所述自然灾害之间的联系以及所述自然灾害与承灾体事件之间的联系；
13.根据所述自然灾害之间的联系以及所述自然灾害与承灾体事件之间的联系，获取风险事件关联关系矩阵。
14.根据本发明提供的一种基于自然灾害链的灾害预测方法，所述基于所述自然灾害对应的关键词和所述承灾体事件对应的关键词，对所述历史自然灾害记录文本进行筛选，获取优选自然灾害记录文本，包括：
15.若所述历史自然灾害记录文本至少包括一个所述自然灾害对应的关键词或所述
承灾体事件对应的关键词，将所述历史自然灾害记录文本作为备选自然灾害记录文本；
16.若所述备选自然灾害记录文本中至少包括两个不同风险类型的关键词，将所述备选自然记录文本作为所述优选自然灾害记录文本。
17.根据本发明提供的一种基于自然灾害链的灾害预测方法，所述根据所述自然灾害之间的联系以及所述自然灾害与承灾体事件之间的联系，获取风险事件关联关系矩阵，包括：
[0018][0019]
其中，对于第n个优选自然灾害记录文本s
n
，当存在时，否则，表示所述风险事件关联关系矩阵中第i行第j列的元素。
[0020]
根据本发明提供的一种基于自然灾害链的灾害预测方法，所述基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表，包括：
[0021]
将所述风险事件关联关系矩阵转换为贝叶斯网络形式，形成灾害链图；
[0022]
基于所述灾害链图中相互连接的两个节点之间的关联强度，将关联强度小于预设阈值的两个节点之间的连线删除，获取最终贝叶斯网络；
[0023]
采用最大似然估计法，计算所述最终贝叶斯网络的参数，形成条件概率表。
[0024]
根据本发明提供的一种基于自然灾害链的灾害预测方法，所述灾害链图中相互连接的两个节点之间的关联强度为两个节点的条件互信息。
[0025]
根据本发明提供的一种基于自然灾害链的灾害预测方法，所述条件互信息应用如下公式获得：
[0026][0027][0028]
其中，i(x
i
,x
j
|y)表示两个节点x
i
和x
j
之间的条件互信息，p(x
i
,x
j
,y)为x
i
、x
j
和y的联合概率，p(x
i
|y)、p(x
j
|y)和p(x
i
,x
j
|y)为条件概率，表示与节点变量x
i
直接相连的节点集合，表示与节点变量x
j
直接相连的节点集合。
[0029]
本发明还提供一种基于自然灾害链的灾害预测系统，包括：
[0030]
关联矩阵模块，用于基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0031]
条件概率计算模块，用于基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0032]
风险预测模块，用于根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0033]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于自然灾害链的灾害预测方法的步骤。
[0034]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于自然灾害链的灾害预测方法的步骤。
[0035]
本发明实施例提供一种基于自然灾害链的灾害预测方法及系统，通过历史自然灾害记录文本和承灾体事件，找出该地区的自然灾害链，然后建立风险事件关联关系矩阵，并计算贝叶斯网络的条件概率表，然后根据已经发生的自然灾害，预测将发生风险的概率，对风险进行了定量预测，有利于对风险进行防控。
附图说明
[0036]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1为本发明提供的一种基于自然灾害链的灾害预测方法的流程图；
[0038]
图2为本发明实施例中的自然灾害链示意图；
[0039]
图3为本发明提供的一种基于自然灾害链的灾害预测系统的结构示意图；
[0040]
图4为本发明提供的一种电子设备的实体结构示意图。
具体实施方式
[0041]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042]
本发明实施例提供一种基于自然灾害链的灾害预测方法，如图1所示，该方法包括：
[0043]
本发明实施例中针对自然界中的自然灾害和承灾体体事件构成的自然灾害链，在一条自然灾害链中，当某一自然灾害发生时，可能会引起该自然灾害链中其它自然灾害或者其它承灾体事件的发生，本发明实施例给出了当某一自然灾害发生时，其它自然灾害或者其它承灾体事件发生的概率。
[0044]
110，基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0045]
风险评估地区就是需要进行风险预测的目标区域，评估时期为需要进行风险评估的一段时间，例如一年之中特定的某个季节、月份或天数，获取在该时间段中该风险评估地区发生的自然灾害，一般而言，在城市中，每当发生自然灾害时，都会生成相应的自然灾害记录文本，自然灾害记录文本中记录了本次自然灾害发生的时间、地点、原因、后果以及灾损等情况，本发明实施例中重点关注原因和后果两个指标，由于是发生在过去，因此成为历史自然灾害记录文本。
[0046]
所谓的承灾体事件是指电力、水利、燃气、供热等生命线工程事故，发生自然灾害后可能会对这些工程造成影响。
[0047]
因此，基于历史自然灾害记录文本，找出自然灾害和自然灾害之间的相互影响关
系、自然灾害和承灾体事件之间的相互影响关系，从而建立风险事件关联关系矩阵。
[0048]
120，基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0049]
在该风险事件关联关系矩阵的基础上，建立贝叶斯网络，风险事件关联关系矩阵中将有联系的两个灾害事件对应的元素设置为1，否则设置为0。
[0050]
当一个节点事件引发了另一个节点事件，则前一个节点是后一个节点的父节点。条件概率表列出了贝叶斯网络中任一节点在给定其所有父节点取值(即已知其所有父节点发生或不发生等所有情况)后的发生或不发生的概率。
[0051]
130，根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0052]
将该风险评估地区已发生自然灾害作为已知条件，输入到条件概率表中，得到该风险评估地区中即将发生自然灾害或者承灾体事件的概率。
[0053]
本发明实施例提供一种基于自然灾害链的灾害预测方法，通过历史自然灾害记录文本和承灾体事件，找出该地区的自然灾害链，然后建立风险事件关联关系矩阵，并计算贝叶斯网络的条件概率表，然后根据已经发生的自然灾害，预测将发生风险的概率，对风险进行了定量预测，有利于对风险进行防控。
[0054]
在上述实施例的基础上，优选地，所述基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵，包括：
[0055]
获取自然灾害对应的关键词和承灾体事件对应的关键词；
[0056]
基于所述自然灾害对应的关键词和所述承灾体事件对应的关键词，对所述历史自然灾害记录文本进行筛选，获取优选自然灾害记录文本；
[0057]
根据所述优选自然灾害记录文本，获取所述自然灾害之间的联系以及所述自然灾害与承灾体事件之间的联系；
[0058]
根据所述自然灾害之间的联系以及所述自然灾害与承灾体事件之间的联系，获取风险事件关联关系矩阵。
[0059]
基于风险评估地区和评估时期范围内的历史自然灾害记录文本，表1为本发明实施例中自然灾害风险类型以及不同自然灾害风险类型对应的关键词示意表，表1中自然灾害是按照顺序排列的，表2为本发明实施例中生命线工程功能中断风险类型及对应的关键词示意表，如表1和表2所示，利用城市自然灾害和承灾体事件的关键词进行检索和比对，建立风险事件关联关系矩阵，用于表示自然灾害与自然灾害之间以及自然灾害与承灾体事故之间的关联关系。
[0060]
表1
[0061]
[0062][0063]
(1)建立风险事件(包括自然灾害和承灾体事件)的关键词列表。例如，表1和表2所示列举了自然灾害和生命线工程事故的风险类型和关键词。自然灾害风险类型集合为a1＝{x1,x2,
…
,x22}，对应的自然灾害关键词集合为a2，生命线功能中断风险类型集合为b1＝{x23,x24,
…
,x29}，对应的生命线功能中断关键词集合为b2。
[0064]
其中，x有两个取值1和0，分别代表风险事件发生和没有发生两种状态。
[0065]
(2)筛选出优选自然灾害记录文本样本。
[0066]
第一次筛选，将所有历史自然灾害记录文本与关键词进行比对，筛选出包含自然灾害关键词的文本，作为备选自然灾害记录文本，假设筛选出了m个文本。
[0067]
第二次筛选，将这m个备选自然灾害记录文本与关键词进行比对，当第m个文本中出现了两个及两个以上的关键词词汇，同时属于集合a2，或者一部分属于集合a2一部分属于集合b2，且这些关键词均不属于同一个风险类型时，记录为一条优选自然灾害记录文本，该文本样本记做s
m
，即s
m
中x取值为1的数量大于或等于2。
[0068]
假设筛选出了n个优选自然灾害记录文本。
[0069]
例如，第m个优选自然灾害记录文本中出现了“寒潮”“大风”和“电力”，记录为：
[0070]
s
m
＝{x1＝1,x2＝0,x3＝0,x4＝1,
…
,x23＝1,
…
}
[0071]
(3)建立风险事件关联关系矩阵，作为贝叶斯网络结构的先验知识。
[0072]
分析一个优选自然灾害记录文本中两两风险事件之间{x
i
,x
j
}的关联关系，建立风险事件关联关系矩阵，风险事件关联关系矩阵中的元素c
ij
取值为1或0，表示有关联和无关联两种情况。
[0073]
取值方法如下：
[0074][0075]
其中，对于第n个优选自然灾害记录文本s
n
，当存在时，否则，c
ij
表示所述风险事件关联关系矩阵中第i行第j列的元素。
[0076]
例如，表3为本发明实施例中自然灾害和生命线工程功能中断的风险事件关联关系矩阵示意图，以寒潮灾害为例建立的关联矩阵如表3所示。该方法可以适用于更多风险类型更多链级。
[0077]
表3
[0078][0079]
在上述实施例的基础上，优选地，所述基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表，包括：
[0080]
将所述风险事件关联关系矩阵转换为贝叶斯网络形式，形成灾害链图；
[0081]
基于所述灾害链图中相互连接的两个节点之间的关联强度，将关联强度小于预设阈值的两个节点之间的连线删除，获取最终贝叶斯网络；
[0082]
采用最大似然估计法，计算所述最终贝叶斯网络的参数，形成条件概率表。
[0083]
(1)将风险事件关联关系矩阵转换为网络形式，形成灾害链图，
[0084]
其中，每个节点为一个风险事件，矩阵元素取值为1的两个节点之间用边连接。例
如，灾害链图网络中所有节点变量均具有两个取值x
i
＝0和1，分别表示该事件不发生和发生的状态。
[0085]
(2)计算关联强度，进行贝叶斯网络结构学习。
[0086]
将风险事件类型{x
i
,x
j
}视为两个离散随机变量，根据信息论，利用s个样本计算两个变量的条件互信息。
[0087]
方法如下：
[0088][0089]
y＝(φ
xi
∪φ
xj
)|{x
i
,x
j
}，
[0090]
其中，i(x
i
,x
j
|y)表示两个节点x
i
和x
j
之间的条件互信息，p(x
i
,x
j
,y)为x
i
、x
j
和y的联合概率，p(x
i
|y)、p(x
j
|y)和p(x
i
,x
j
|y)为条件概率，表示与节点变量x
i
直接相连的节点集合，表示与节点变量x
j
直接相连的节点集合。
[0091]
在先验知识得到的灾害链图的基础上，如图2所示，计算具有关联关系的两两节点变量之间的条件互信息，设定一个预设阈值ε，当i(x
i
,x
j
|y)≤ε，则在给定y的条件下，x
i
条件独立于x
j
，从而可以删除x
i
与x
j
之间的连接。
[0092]
(3)对完成结构学习的网络(即最优贝叶斯网络)，进行贝叶斯网络参数学习。
[0093]
利用s个样本，采用最大似然估计法(maximum likelihood estimation，简称mle)计算贝叶斯网络的参数，形成条件概率表。
[0094]
参数就是任一节点变量x
i
在给定其父节点的条件下的条件概率p(x
i
|πx
i
)，πx
i
为节点x
i
的父节点集合。
[0095]
例如，图2的条件概率表如表4所示。
[0096]
表4
[0097][0098]
(4)利用贝叶斯网络推理方法计算自然灾害链中风险事件发生的可能性。已知一个或多个风险事件发生的证据(e＝e)，就可以利用贝叶斯网络的连接树(junctiontree)推理法，计算出其他风险事件的发生概率p(v＝v|e＝e)：
[0099][0100]
例如，当寒潮发生即x1＝1，其它风险发生的概率为：
[0101]
p(x2＝1,
…
,x
14
＝1|x1＝1)＝(0.6,0.3,0.037,0.333,0.163,0.021,0.163,0.017,0.021)。
[0102]
本发明实施例提供的一种基于自然灾害链的灾害预测系统，如图3所示，该系统包括：关联矩阵模块301、条件概率计算模块302和风险预测模块303，其中：
[0103]
关联矩阵模块301用于基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0104]
条件概率计算模块302用于基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0105]
风险预测模块303用于根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0106]
本实施例为与上述方法对应的系统实施例，详情请参考上述方法实施例，本系统实施例在此不再赘述。
[0107]
本发明实施例提供一种电子设备，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行一种基于自然灾害链的灾害预测方法，该方法包括：
[0108]
基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0109]
基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0110]
根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0111]
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0112]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的一种基于自然灾害链的灾害预测方法，该方法包括：
[0113]
基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0114]
基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0115]
根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0116]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的一种基于自然灾害链的灾害预测方法，该方法包括：
[0117]
基于风险评估地区在评估时期范围内对应的历史自然灾害记录文本和承灾体事件，获取风险事件关联关系矩阵；
[0118]
基于所述风险事件关联关系矩阵，建立贝叶斯网络，并获取所述贝叶斯网络对应的条件概率表；
[0119]
根据所述风险评估地区已发生自然灾害和所述条件概率表，获取所述风险评估地
区将发生自然灾害和/或将发生承灾体事件的概率，已发生自然灾害与将发生自然灾害、将发生承灾体事件构成自然灾害链。
[0120]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0121]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0122]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。