【技术实现步骤摘要】
本专利技术涉及监测预警，特别是一种基于自然灾害可视化监测预警优化方法及系统。
技术介绍
1、随着全球变暖和环境变化的影响日益显著，自然灾害的频发和强度都在不断增加。这些灾害包括但不限于洪水、地震、台风以及干旱等，它们对人类的生活环境和社会经济造成了巨大的影响。因此，对自然灾害进行有效的监测和预警变得尤为重要。在此背景下，自然灾害监测预警技术的发展吸引了全球范围内众多科研机构和技术开发者的广泛关注。传统的灾害监测预警方法主要依赖于地面观测站的实时数据收集以及遥感技术的辅助。这些方法虽然在一定程度上提高了灾害预警的准确性和及时性，但仍面临数据收集不全面、处理速度慢、预警响应时间长等诸多挑战。近年来，随着人工智能、大数据分析和区块链技术的快速发展，如何融合这些先进技术，以提高自然灾害监测预警的效率和精准度，成为该领域的研究热点。
2、根据现有公开号为cn113611084a的专利文献公开的一种针对自然灾害可视化监测预警方法，其包括灾害监测模块、监测预警中心、灾害信息采集模块、灾害进程演化模块；所述灾害监测模块用于对自然灾害的灾害进程进行实时监测，确定自然灾害发生地点，并将监测数据上传至监测预警中心进行存储，该技术方案在使用时，根据灾害波及范围分析评估结果对灾害波及区域进行预警，并发送灾害救援任务至灾害救援模块，所述灾害救援模块用于对接收到的灾害救援任务进行分析，针对上述技术方案，该方案虽然实现了快速救援，但是在使用时无法将监测到的灾害预警快速通过多方式地对灾害区域的人员进行警示，在使用时存在不便；现有的相关技术在处理复杂、
技术实现思路
1、鉴于现有的传统方法在数据收集和处理方面依赖度高，缺乏有效的机制来确保数据的实时更新和准确性。其次，现有技术往往未能充分利用历史灾害数据对未来灾害事件进行有效预测，忽视了数据中蕴含的潜在价值。此外，由于缺乏一个有效的数据共享机制，多源异构数据的集成分析成为一大挑战，这限制了灾害预警系统的综合性能存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于传统方法在数据收集和处理方面依赖度高，缺乏有效的机制来确保数据的实时更新和准确性。其次，现有技术往往未能充分利用历史灾害数据对未来灾害事件进行有效预测，忽视了数据中蕴含的潜在价值。此外，由于缺乏一个有效的数据共享机制，多源异构数据的集成分析成为一大挑战，这限制了灾害预警系统的综合性能。
3、为解决上述技术问题，本专利技术提供如下技术方案：收集历史灾害数据表征监测节点，根据监测节点建立虚拟信息素矩阵，引入风险等级因子调整信息素值，作为蚁群算法的初始输入；
4、模拟蚂蚁觅食行为，按信息素值浓度选择路径，基于虚拟信息素矩阵建立监测网络优化模型；
5、将监测节点作为区块链节点，持续采集数据并更新信息素矩阵；
6、将区块链数据带入更新后的信息素矩阵并结合多源异构数据，进行灾情预测和预警。
7、第一方面，本专利技术实施例提供了一种基于自然灾害可视化监测预警优化方法，其包括，以虚拟蚂蚁形式，从监测起始节点出发，按当前信息素浓度概率选择下一节点，根据节点与节点之间添加约束条件获取监测路径；
8、通过适应度评价函数计算该路径覆盖区域和灾害风险暴露度；
9、根据增强或衰减该路径上各节点信息素值获取适应度函数的取值区间，建立监测网络优化模型。
10、作为本专利技术所述基于自然灾害可视化监测预警优化方法的一种优选方案，其中：所述根据监测节点建立虚拟信息素矩阵，信息素矩阵更新公式如下：
11、φij(t+1)＝(1-ρ)·φij(t)+δφij
12、其中，设定信息素矩阵为φi，φij表示节点i到节点j的信息素浓度，t表示时间步，ρ表示信息素挥发系数，δφij表示由当前数据采集周期内节点i到节点j路径上新增的信息量决定的信息素增量。
13、作为本专利技术所述基于自然灾害可视化监测预警优化方法的一种优选方案，其中：所述虚拟蚂蚁形式，从监测起始节点出发，按当前信息素浓度概率选择下一节点，所述对于当前节点i，选择下一节点j的概率可用如下公式计算：
14、
15、其中，表示第k只虚拟蚂蚁在节点i时选择j为下一节点的概率，τij表示节点i到j的信息素浓度，ηij表示节点i到j的启发式信息，如距离的倒数，α和β分别为信息素浓度和启发式信息的重要程度因子，allowedk为第k只蚂蚁当前节点i可选择的下一节点集合。
16、作为本专利技术所述基于自然灾害可视化监测预警优化方法的一种优选方案，其中：所述运用适应度评价函数定义计算路径有效性，公式如下：
17、fitness＝w1coverageratio+w2(1-costratio)+w3*riskexposurescore
18、其中，coverageratio表示覆盖率，costratio表示路径总成本与预算的比值，riskexposurescore表示根据人口密度、资产分布等计算的风险暴露程度得分，w1,w2,w3为对应权重因子，根据实际需求确定。
19、作为本专利技术所述基于自然灾害可视化监测预警优化方法的一种优选方案，其中：所述信息素更新可考虑路径的适应度评价结果，路径上各节点的信息素值更新可按以下公式进行：
20、τij(t+1)＝(1-ρ)·τij(t)+δτij
21、其中，ρ表示信息素挥发系数，δτij表示蚂蚁经过路径，ij表示增加的信息素量，通常和路径的适应度评价f有关。
22、作为本专利技术所述基于自然灾害可视化监测预警优化方法的一种优选方案，其中：所述通过模拟蚂蚁觅食行为并优化监测网络模型，融合多源异构数据、信息素矩阵调整，以及基于风险等级的动态优化，其运算公式如下：
23、
24、其中，sopt表示监测网络的优化分数，φi表示第i个监测节点的信息素浓度，λ表示信息素衰减系数，di(t)表示时间t下第i个节点与目标节点的距离函数，n表示监测节点的总数，ψj表示第j个节点的风险等级因子，θ是风险敏感系数，rj(t)表示时间t下第j个节点的风险评估函数，m表示考虑风险等级的节点总数，t表示观测时间区间。
25、第二方面，本专利技术实施例提供了基于自然灾害可视化监测预警优化系统，其包括收集模块，收集历史灾害数据表征监测节点，根据监测节点建立虚拟信息素矩阵，引入风险等级因子调整信息素值，作为蚁群算法的初始输入；
26、建立模块，模拟蚂蚁觅食行为，按信息素值浓度选择路径，基于虚拟信息素矩阵建立监测网络优化模型；...
【技术保护点】
1.一种基于自然灾害可视化监测预警优化方法，其特征在于：包括，
2.如权利要求1所述的基于自然灾害可视化监测预警优化方法，其特征在于：
3.如权利要求2所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述根据监测节点建立虚拟信息素矩阵，信息素矩阵更新公式如下：
4.如权利要求3所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述虚拟蚂蚁形式，从监测起始节点出发，按当前信息素浓度概率选择下一节点，所述对于当前节点i，选择下一节点j的概率可用如下公式计算：
5.如权利要求4所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述运用适应度评价函数定义计算路径有效性，公式如下：
6.如权利要求5所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述信息素更新可考虑路径的适应度评价结果，路径上各节点的信息素值更新可按以下公式进行：
7.如权利要求6所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述通过模拟蚂蚁觅食行为并优化监测网络模型，融合多源异构数据、信息素矩阵调整，以及基于风险等级的动态
8.一种基于自然灾害可视化监测预警，基于权利要求1～7任一所述的基于自然灾害可视化监测预警优化方法，其特征在于：还包括
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于自然灾害可视化监测预警优化方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于自然灾害可视化监测预警优化方法的步骤。
...【技术特征摘要】
1.一种基于自然灾害可视化监测预警优化方法，其特征在于：包括，
2.如权利要求1所述的基于自然灾害可视化监测预警优化方法，其特征在于：
3.如权利要求2所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述根据监测节点建立虚拟信息素矩阵，信息素矩阵更新公式如下：
4.如权利要求3所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述虚拟蚂蚁形式，从监测起始节点出发，按当前信息素浓度概率选择下一节点，所述对于当前节点i，选择下一节点j的概率可用如下公式计算：
5.如权利要求4所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述运用适应度评价函数定义计算路径有效性，公式如下：
6.如权利要求5所述的基于自然灾害可视化监测预警优化方法，其特征在于：所述信息素更新可考虑路径的适应度评价...
【专利技术属性】
技术研发人员：黄维，崔志美，黄志都，邬蓉蓉，唐捷，张玉波，刘英龙，冯玉斌，李珊，姚知洋，许江元，李盛东，欧阳健娜，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。