[發明專利]一種基于社交媒體的地震災害影響范圍的探測方法

在審

• 申請號: 201910589007.4
• 申請日: 2019-07-02
• 公開（公告）號: CN110426735A
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 王艷東;阮詩斯
• 申請（專利權）人: 武漢大學
• 主分類號: G01V1/28
• 分類號: G01V1/28;G06Q50/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

本發明公開了一種基于社交媒體的地震災害影響范圍的探測方法，首先，根據設置的信噪比確定時間周期，從采集的面向地震災害的社交媒體數據中提取出社交媒體傳感信號數據，然后，根據提取出的社交媒體傳感信號數據，結合人口數據進行空間統計，構建數據空間邏輯增長模型；最后，利用所述數據空間邏輯增長模型對地震災害影響范圍進行探測。本發明提出的社交媒體傳感信號空間分布增長模型，可以揭示數據空間分布與受災區域的映射機理，解決了受災范圍估計受制于社交媒體數據量依賴和響應時間長的問題，從而實現快速、定量、探測受災區域。為管理者了解受災區域提供指導，有助于災害應急決策。

技術領域

本發明涉及社交媒體文本挖掘技術領域，具體涉及一種基于社交媒體的地震災害影響范圍的探測方法。

背景技術

邏輯增長模型(Logistic)通常呈現S型曲線，在統計和建模方面有著悠久的歷史。是一種最初用來描述生物種群在有限環境條件下連續增長的種群大小與時間關系的最簡單的形式。該模型開始主要用于研究物種繁衍，隨著調查研究各行業的樣本，發現不僅生物種群增長速度存在由慢到快，在快到慢的規律，經濟、商業、科技領域等很多事物也符合生物成長過程中的S曲線規律。Logistic模型被廣泛的運用到各個研究中。

社交媒體數據除了包含圖片或視頻、文本等形式的數據，還含有位置信息。地震發生后，部分民眾和媒體作為災害事件的目擊者和直接參與者，對事件的把握比較準確，實時發布的社交媒體數據能夠被視為有災情信息價值的傳感值。災民們實時發布的社交媒體數據是非常有效的判別標準，能夠被看作傳感信號，用于監測識別災害的發生和影響范圍。對于地震這種沒有預兆性且具有爆發中心類型的災害而言，距離災害中心的遠近會影響公民對災害強度的感知及發布災情信息的意愿，使得社交媒體傳感信號在空間上的分布有規律呈現S型曲線規律。集合邏輯增長模型來研究傳感信號抽取及數據的空間分布理論與模型能為利用社交媒體感知受災區域提供理論支撐。

本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

社交媒體蘊含知識通常為非直接化的，現有的方法受限于數據量依賴，難以快速定量探測地震受災范圍的缺陷。

發明內容

有鑒于此，本發明提供了一種基于社交媒體的地震災害影響范圍的探測方法，用以解決或者至少部分解決現有的方法受限于數據量依賴，難以快速定量探測地震受災范圍的缺陷的技術問題。

為了解決上述技術問題，本發明提供了一種基于社交媒體的地震災害影響范圍的探測方法，包括：

步驟S1：根據設置的信噪比確定時間周期，從采集的面向地震災害的社交媒體數據中提取出社交媒體傳感信號數據，其中，信噪比為一個時間周期內受事件影響區域的推文數量與該時間周期內推文總數的比值；

步驟S2：根據提取出的社交媒體傳感信號數據，結合人口數據進行空間統計，構建數據空間邏輯增長模型；

步驟S3：利用所述數據空間邏輯增長模型對地震災害影響范圍進行探測。

在一種實施方式中，步驟S1具體包括：

步驟S1.1：采集面向地震災害的社交媒體數據；

步驟S1.2：將采集的社交媒體數據進行格式轉換，轉化為內部預設的格式；

步驟S1.3：基于關鍵字對格式轉換后的社交媒體數據進行過濾；

步驟S1.4：對過濾后的社交媒體數據進行預處理；

步驟S1.5：訓練機器學習分類器，對進行預處理后的社交媒體數據進行實時分類，提取出與地震相關數據；

步驟S1.6：根據信噪比確定時間周期，從步驟S1.5中獲取的與地震相關數據中篩選出對應時間周期的社交媒體傳感信號數據。