基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统技术方案

本发明专利技术公开了基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统，涉及城市暴雨灾害风险评估的技术领域，旨在解决目前所采用的评估方法本身存在评价机理不够直观、评估结果的可信度不足、缺乏实时动态的风险评估的问题。其技术方案要点是建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；基于k‑means聚类历史灾损数据生成风险等级标签；根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。本发明专利技术达到了提高评估全面性和准确性的效果。

【技术实现步骤摘要】
基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统
本专利技术涉及城市暴雨灾害风险评估的
，尤其是涉及一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统。
技术介绍
当前，我国每年由于自然灾害受到的人员伤亡和经济损失数目巨大，其中暴雨引发的灾害及衍生灾害在城市中十分普遍，因此迫切需要构建一个针对城市区域的暴雨灾害风险评估模型，对潜在可能发生的风险进行评估，既可以为城市土地资源利用提供参考，也对城市防灾减灾发挥着重要作用。暴雨洪涝灾害风险评估是对其风险发生的强度和形式进行定量评定和估计。要进行风险评估，首先必须存在风险源，即存在自然灾变；第二，必须有风险承载体(承灾体)，即人类社会，自然灾害是自然力作用于承灾体的结果。因此，暴雨洪涝风险评估实际上是评估暴雨洪涝对承灾体的负面影响。关于暴雨洪涝灾害风险评估，国内外学者做了大量研究，认为灾害的形成是承载体脆弱性、致灾因子和暴露度等方面综合作用的结果。暴雨洪涝灾害风险评估应综合考虑致灾因子、承灾体和防灾能力等因素，构建评估模型开展风险评估，其主要包括暴雨灾害危险性、承灾体暴露性、承灾体脆弱性以及综合风险分析，风险等级划分及其风险应对措施等内容。暴雨洪涝灾害所造成的损失是由众多灾害影响因素相互作用的结果，而这些影响因素无法用精确的数学模型来描述。目前所采用的评估方法本身存在诸多不足，如评价机理不够直观、部分评价方法由于其建立的数学基础本身的原因，影响评估结果的可信度等。同时，防范暴雨洪涝灾害迫切需要实时动态的风险评估，而当前灾害风险实时评估的工作相对匮乏。
技术实现思路
本专利技术的目的是提供一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统，其具有提高评估全面性和准确性的效果。本专利技术的上述专利技术目的一是通过以下技术方案得以实现的：一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法，包括以下步骤：建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；基于k-means聚类历史灾损数据生成风险等级标签，所述风险等级标签包括有极高风险、高风险、中风险和低风险四个标签；根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。本专利技术进一步设置为：所述致灾因子危险性由等效日降雨量衡量，所述等效日降雨量在某一时段的转换关系为：D＝εPTβ其中，D为等效日降雨量，P为T时长的降雨量，ε和β为转化系数；所述致灾因子的危险性的量化计算公式为：其中，W为暴雨致灾因子危险性，p′为累计降雨量阈值，当等效日降雨量D小于p′时，致灾因子危险性为0，当等效日降雨量超过p′时，致灾因子危险性呈指数型增长。本专利技术进一步设置为：所述孕灾环境敏感性包括地形、地势、水系的评价指标，所述地形从高程数据获取，所述地势通过某一格点的高程与周围八个格点的高程标准差来计算，所述水系通过城市中河流面积和长度表示；所述承灾体的脆弱性包括人口数量、人均GDP、路网密度三个评价指标；所述防灾抗灾能力包括防汛路段长度和防汛点数量的两个评价指标；将所述地形、地势、水系、人口数量、人均GDP、路网密度、防汛路段长度和防汛点数量八个评价指标无量纲化处理。本专利技术进一步设置为：所述基于k-means聚类历史灾损数据生成风险等级标签，包括以下步骤：获取历史受灾数据，统计受灾人数、直接经济损失和农作物受灾面积；将所述受灾人数、直接经济损失和农作物受灾面积采用min-max标准化方法进行无量纲处理；随机选择四个聚类的质心，对每个数据点求其到质心的距离，将每个数据点的类划分为离该数据点最近的质心，形成四个簇，根据分类好的簇，在每个簇内重新计算质心，重复迭代更新质心，直到达到稳定状态；将分类后的数据，根据受灾情况分别对应到特大灾、大灾、中灾和小灾四个受灾等级，将受灾等级映射为对应的风险等级标签，特大灾对应为极高风险，大灾对应为高风险，中灾对应中风险，小灾对应低风险。本专利技术进一步设置为：所述构建GA优化神经网络暴雨灾害风险评估模型，包括以下步骤：构建包括输入层、隐含层和输出层的BP神经网络；获取样本数据，将样本数据分为训练数据和测试数据；使用遗传算法优化BP神经网络的权重和阈值。本专利技术进一步设置为：所述输入层包括有致灾因子危险性、地形、地势、水系、人口数量、人均GDP、路网密度、防汛路段长度和防汛点数量9个神经元节点；所述隐含层为1层，所述隐含层包括有19个神经元节点；所述输出层包括有特大灾、大灾、中灾和小灾4个神经元节点。本专利技术进一步设置为：所述使用遗传算法优化BP神经网络的权重和阈值，包括以下步骤：步骤一：种群初始化，采用二进制编码方式对个体进行编码，连接所有所述权值和阈值的编码即为一个个体编码，当所述权值和阈值均为n位二进制编码时，所述个体的二进制编码包括有171*n位输入层与隐含层连接权值编码、19*n位隐含层阈值编码、76*n位隐含层与输出层连接权值编码、4*n位输出层编码，所述个体的二进制编码供270*n位；步骤二：计算个体适应度，包括以下公式：其中，minE(n)为目标函数，Fit(n)为适应度函数，N为训练集中样本个数，yj(n)是训练样本n在第j个输出节点的实际输出值，dj(n)训练样本n在第j个输出节点的目标输出值，c是输出端个数；步骤三：选择运算；步骤四：交叉运算；步骤五：变异运算；步骤六：当均方差E小于预设值ε或达到最大迭代次数时，则输出最佳个体，解码获得最佳神经网络权值和阈值，否则，解码得到权值和阈值，将权值和阈值赋值给新建的BP神经网络，使用训练样本训练网络，使用测试样本测试网络，再计算测试误差，返回步骤二继续执行。本专利技术的上述专利技术目的二是通过以下技术方案得以实现的：一种基于GA优化BP神经网络的城市暴雨灾害风险评估系统，包括：暴雨灾害风险评估体系建立模块，用于建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；风险等级标签生成模块，用于基于k-means聚类历史灾损数据生成包括有极高风险、高风险、中风险和低风险四个标签的风险等级标签；暴雨灾害风险评估模型建立模块，用于根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；结果输出模块，用于将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。综上所述，本专利技术的有益技术效果为：基于GA优化BP神经网络对暴雨灾害风险进行评估，相比于依赖层次分析法、专家打分法确定各暴雨风险评估前的权重，使用神经网络模型训练评估指标和风险等级的关系更具有科学性。该方本文档来自技高网...

【技术保护点】
1.一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于，包括以下步骤：/n建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；/n基于k-means聚类历史灾损数据生成风险等级标签，所述风险等级标签包括有极高风险、高风险、中风险和低风险四个标签；/n根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；/n将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。/n

【技术特征摘要】
1.一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于，包括以下步骤：
建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；
基于k-means聚类历史灾损数据生成风险等级标签，所述风险等级标签包括有极高风险、高风险、中风险和低风险四个标签；
根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；
将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。


2.根据权利要求1所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述致灾因子危险性由等效日降雨量衡量，所述等效日降雨量在某一时段的转换关系为：
D＝εPTβ
其中，D为等效日降雨量，P为T时长的降雨量，ε和β为转化系数；
所述致灾因子的危险性的量化计算公式为：



其中，W为暴雨致灾因子危险性，p′为累计降雨量阈值，当等效日降雨量D小于p′时，致灾因子危险性为0，当等效日降雨量超过p′时，致灾因子危险性呈指数型增长。


3.根据权利要求2所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述孕灾环境敏感性包括地形、地势、水系的评价指标，所述地形从高程数据获取，所述地势通过某一格点的高程与周围八个格点的高程标准差来计算，所述水系通过城市中河流面积和长度表示；
所述承灾体的脆弱性包括人口数量、人均GDP、路网密度三个评价指标；
所述防灾抗灾能力包括防汛路段长度和防汛点数量的两个评价指标；
将所述地形、地势、水系、人口数量、人均GDP、路网密度、防汛路段长度和防汛点数量八个评价指标无量纲化处理。


4.根据权利要求3所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于，所述基于k-means聚类历史灾损数据生成风险等级标签，包括以下步骤：
获取历史受灾数据，统计受灾人数、直接经济损失和农作物受灾面积；
将所述受灾人数、直接经济损失和农作物受灾面积采用min-max标准化方法进行无量纲处理；
随机选择四个聚类的质心，对每个数据点求其到质心的距离，将每个数据点的类划分为离该数据点最近的质心，形成四个簇，根据分类好的簇，在每个簇内重新计算质心，重复迭代更新质心，直到达到稳定状态；
将分类后的数据，根据受灾情况分别对应到特大灾、大灾、中灾和小灾四个受灾等级，将受灾等级映射为对应的风险等级标签，特大灾对应为极高风险，大灾对应为高风险，中灾对应中风险，小灾对应低风险。


5.根据权利要求4所述的基于GA优化BP神经网络的...

【专利技术属性】
技术研发人员：任禹蒙，高梦宇，张兴海，
申请(专利权)人：南京恩瑞特实业有限公司，
类型：发明
国别省市：江苏;32