本发明专利技术公开了一种地理加权回归的网格化险情处理方法和系统，所述方法包括：获取采样点地理数据的动态因子数据和静态因子数据，对所述动态因子数据和静态因子数据进行权重赋值；采用地理加权回归算法分别对动态因子数据和静态因子数据进行加权回归，得到风险等级评估模型；根据所述风险等级评估模型得到的不同风险等级设置风险点、风险区域和风险片区；根据风险片区数目、风险等级和当前风险片区所处的地域执行网格化地域管理的聚类，根据聚类结果执行风险片区对应的网格的资源调度。果执行风险片区对应的网格的资源调度。果执行风险片区对应的网格的资源调度。
【技术实现步骤摘要】
一种地理加权回归的网格化险情处理方法和系统
[0001]本专利技术涉及险情处理
，特别涉及一种地理加权回归的网格化险情处理方法和系统。
技术介绍
[0002]目前传统基层治理险情应急方案存在多套系统并行的情况，尤其是防汛防台，向上级各部门报送大量信息表单，任务繁重，多头报、重复报等情况突出，险情预警不精准，基层人员应急反应滞后，资源调度不均衡，增加了基层人员工作量，现有的险情处理方法的技术缺陷包括：1.基层力量分配不均，需要完善网格聚类、分散划分机制，实现网格事务快速处理2.以户数作为网格划分的标准较为单一，不足以满足应急复杂多变的事务处理需求，本方案通过聚类多态网格化，根据风险研判聚类重要网格事项，分散常态网格事项3.网格力量与基层事务事项不匹配，处理事务的综合能力不，4.网格险情研判分析不充分。
技术实现思路
[0003]本专利技术其中一个专利技术目的在于提供一种地理加权回归的网格化险情处理方法和系统基于地理加权回归方法建立风险等级评价模型，在建立地域的网格化管理方案基础上，基于风险等级评价结果执行动态的网格化聚类，从而实现险情调度更加合理和精准。
[0004]本专利技术另一个专利技术目的在于提供一种地理加权回归的网格化险情处理方法和系统建立的风险等级评价体系包括了动态因子和静态因子，并且在风险等级评价模型中分别赋予不同权重，从而使得所述风险等级评价模型更加准确。
[0005]本专利技术另一个专利技术目的在于提供一种地理加权回归的网格化险情处理方法和系统同时考虑风险点和风险片区的空间距离，以及动态因子和静态因子，所述动态因子和静态因子根据当前风险时段的不同而分别采用，从而使得本专利技术险情处理更适应不同的险情时段。
[0006]为了实现至少一个上述专利技术目的，本专利技术进一步提供一种地理加权回归的网格化险情处理方法，所述方法包括：获取采样点地理数据的动态因子数据和静态因子数据，对所述动态因子数据和静态因子数据进行权重赋值；采用地理加权回归算法分别对动态因子数据和静态因子数据进行加权回归，得到风险等级评估模型；根据所述风险等级评估模型得到的不同风险等级设置风险点、风险区域和风险片区；根据风险片区数目、风险等级和当前风险片区所处的地域执行网格化地域管理的聚类，根据聚类结果执行风险片区对应的网格的资源调度。
[0007]根据本专利技术其中一个较佳实施例，所述风险等级评估模型构建方法包括：获取所述静态因子数据，其中所述静态因子数据包括地形坡度、建筑物缓冲区域范围和河流缓冲
区域范围，将所述静态因子数据作为第一层数据进行权重赋值，将所述静态因子数据下的所述地形坡度、建筑物缓冲区域的危险交互范围和河流缓冲区域范围作为第二层数据进行权重赋值，第一层数据权重赋值用于风险时段选择输出，第二层数据权重赋值用于同一因子数据下的风险判定重要程度。
[0008]根据本专利技术另一个较佳实施例，所述风险等级评估模型构建方法还包括：获取所述动态因子数据，所述动态因子数据包括内涝点密度、地址灾害点密度和山塘水库汛期降水量，将所述动态因子数据作为第一层数据进行权重赋值，将所述动态因子数据下的所述内涝点密度、地址灾害点密度和山塘水库汛期降水量作为第二层数据分别进行权重赋值。
[0009]根据本专利技术另一个较佳实施例，所述风险点、风险区域和风险片区的构建方法包括：预先设置风险等级，每一风险等级设置影响范围，在采样点采集数据并根据风险等级评估模型判断当前采样点是否为风险点，并根据风险点类型以当前风险点为半径设置风险面，在采集到多个风险点后构建多个风险点的风险面，将多个风险点对应半径构成包含重叠区域的并集作为风险片区。
[0010]根据本专利技术另一个较佳实施例，所述风险等级评估模型计算方法包括：获取采样点的静态因子数据和动态因子数据后，将所述静态因子数据和动态因子数据归一化：；其中ZBi表示各个指标归一化值，ZBi中的i分别表示动态因子数据和静态因子数据下不同指标，并且Ximax和Ximin分别表示不同的指标的最大值和最小值；将所述归一化后的不同指标值输入到地理回归加权算法中计算得到当前采样点的风险等级y
i
:（）+(（ *W1+ （）* *W2+ （）* *W3)*W
JTYZ
+ （（）* *W4+ （）* *W5+ （）* *W6)*W
DTYZ +其中y
i
中的下标i表示当前不同的采样点， y
i
中的下标i的取值范围为1
‑
n中的整数，为对应采样点i上的回归参数，所述回归参数为预设的权值，（）为采样点i的空间坐标，为采样点i的残差，W1‑6为不同因子数据权重值，W
JTYZ
为静态因子权重值，W
DTYZ
为动态因子权重值。
[0011]根据本专利技术另一个较佳实施例，将多个风险点采样后，进一步根据所述不同风险点采样的数据输入到所述风险等级评估模型输出对应的风险等级，根据不同风险等级和对应风险采样点当前的地理位置进行风险面的划分，将具有重叠区域的风险面合并为风险片区，并设置不同风险片区的间隔距离。
[0012]根据本专利技术另一个较佳实施例，当根据不同采样点和风险等级所影响的范围构建风险面后，取具有重叠区域并集的风险面为风险片区，进一步根据风险片区的覆盖范围构建四至矩形，根据所述四至矩形计算相邻风险片区的距离。
[0013]根据本专利技术另一个较佳实施例，所述网格化聚类方法包括：若当前检测点和周围采样点只构成一个风险点，则当前和周围采样点对应的网格不再进行聚类化；若当前采样点和周围检测点存在至少2个风险面构成一个片区，但当前风险片区不满足风险等级，则当前采样点周围采样点风险片区对应的网格不再聚类化；若当前和周围采样点风险面构成满足聚类化风险等级的风险片区，则当前风险片区对应的网格执行聚类化操作；若当前当前和周围采样点风险面构成至少两个满足风险等级的风险片区，且当前风险片区之间的距离小于预设距离阈值，且所述至少两个满足风险等级的风险片区不跨越同一管辖区域，则将当前至少两个风险片区所对应的网格聚类化。
[0014]为了实现至少一个上述专利技术目的，本专利技术进一步提供一种地理加权回归的网格化险情处理系统，所述系统执行上述一种地理加权回归的网格化险情处理方法。
[0015]本专利技术进一步提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序可被处理器执行上述一种地理加权回归的网格化险情处理方法。
附图说明
[0016]图1显示的是本专利技术一种地理加权回归的网格化险情处理方法的流程示意图。
[0017]图2显示的是本专利技术中风险等级评估模型的结构示意图。
[0018]图3显示的是风险片区之间距离结构示意图。
[0019]图4显示的是风险片区四至矩形和网格划分结构示意图。
[0020]图5是基层多个风险片区划分以及网格划分结构示意图。
具体实施方式
[0021]以下描述用于揭露本专利技术以使本领域技术人员能够实现本专利技术。以下描述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地理加权回归的网格化险情处理方法，其特征在于，所述方法包括：获取采样点地理数据的动态因子数据和静态因子数据，对所述动态因子数据和静态因子数据进行权重赋值；采用地理加权回归算法分别对动态因子数据和静态因子数据进行加权回归，得到风险等级评估模型；根据所述风险等级评估模型得到的不同风险等级设置风险点、风险区域和风险片区；根据风险片区数目、风险等级和当前风险片区所处的地域执行网格化地域管理的聚类，根据聚类结果执行风险片区对应的网格的资源调度。2.根据权利要求1所述的一种地理加权回归的网格化险情处理方法，其特征在于，所述风险等级评估模型构建方法包括：获取所述静态因子数据，其中所述静态因子数据包括地形坡度、建筑物缓冲区域范围和河流缓冲区域范围，将所述静态因子数据作为第一层数据进行权重赋值，将所述静态因子数据下的所述地形坡度、建筑物缓冲区域的危险交互范围和河流缓冲区域范围作为第二层数据进行权重赋值，第一层数据权重赋值用于风险时段选择输出，第二层数据权重赋值用于同一因子数据下的风险判定重要程度。3.根据权利要求1所述的一种地理加权回归的网格化险情处理方法，其特征在于，所述风险等级评估模型构建方法还包括：获取所述动态因子数据，所述动态因子数据包括内涝点密度、地址灾害点密度和山塘水库汛期降水量，将所述动态因子数据作为第一层数据进行权重赋值，将所述动态因子数据下的所述内涝点密度、地址灾害点密度和山塘水库汛期降水量作为第二层数据分别进行权重赋值。4.根据权利要求1所述的一种地理加权回归的网格化险情处理方法，其特征在于，所述风险点、风险区域和风险片区的构建方法包括：预先设置风险等级，每一风险等级设置影响范围，在采样点采集数据并根据风险等级评估模型判断当前采样点是否为风险点，并根据风险点类型以当前风险点为半径设置风险面，在采集到多个风险点后构建多个风险点的风险面，将多个风险点对应半径构成包含重叠区域的并集作为风险片区。5.根据权利要求1所述的一种地理加权回归的网格化险情处理方法，其特征在于，所述风险等级评估模型计算方法包括：获取采样点的静态因子数据和动态因子数据后，将所述静态因子数据和动态因子数据归一化：；其中ZBi表示各个指标归一化值，ZBi中的i分别表示动态因子数据和静态因子数据下不同指标，并且Ximax和Ximin分别表示不同的指标的最大值和最小值；将所述归一化后的不同指标值输入到地理回归加权算法中计算得到当前采样点的风险等级y
i
:（）+(（ *W1+ （）* *...
【专利技术属性】
技术研发人员：问静怡，鲍传扬，
申请(专利权)人：杭州元声象素科技有限公司，
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。