[發明專利]一種城市事故災害演化模擬及風險預測預警方法

有效

• 申請號: 202010640242.2
• 申請日: 2020-07-06
• 公開（公告）號: CN111797572B
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 吳建松;胡嘯峰;原帥琪;沈兵;蔡繼濤
• 申請（專利權）人: 中國礦業大學(北京);中國人民公安大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/06;G06Q50/26;G06F16/27;G06F16/28;G06N7/00;G06N20/00;G06F111/10
• 代理公司: 北京律遠專利代理事務所(普通合伙) 11574
• 代理人: 全成哲

本發明公開了一種城市事故災害演化模擬及風險預測預警方法，屬于機器學習技術領域。通過建立融合多類數據的城市事故災害數據倉庫，利用機器學習方法構建城市事故災害演化模擬及風險預測預警機器學習預測模型，實現對事故災害演化的快速精確預測以及對事故災害風險的快速預測預警。數據倉庫融合了城市事故災害歷史數據、城市事故災害實驗數據、各類傳感器實時監測數據以及高置信度的城市事故災害演化數值模擬數據。其中，高置信度的城市事故災害演化數值模擬數據由經過事故災害歷史數據或實驗數據驗證的數值模擬模型產生或由基于數據同化技術融合數值模擬模型與事故歷史數據或實驗數據的數值模擬模型產生，解決數據倉庫數據量不足的問題。

技術領域

本發明具體涉及一種城市事故災害演化模擬及風險預測預警方法，屬于機器學習技術領域。

背景技術

近年來，隨著我國經濟和社會的快速發展，城市化水平得到了不斷提升。但由于城市化進程加快以及自然環境的惡化，導致了我國城市內致災因素的急速增加與城市事故災害的頻繁發生，我國城市公共安全形式十分嚴峻。目前，城市事故災害類別多樣，具有多樣性、耦合性和連鎖性等特點。同時，由于城市人口集中，建筑物密集等特點，若不能及時有效對城市事故災害進行預測預警與應急處置，將造成巨大的經濟損失并嚴重威脅城市安全運行和公民的生命安全。在城市事故災害應急處置中，能夠快速、準確模擬城市事故災害演化過程以及實現事故災害風險快速預測預警十分重要。當前對于城市事故災害演化模擬及風險預測預警的研究及技術方法較為單一，多集中于對單類事故的演化模擬以及利用傳感器等監測監控設備的事故災害預測預警，其在災害演化模擬的速度及精度上有所欠缺，風險預測預警的定量化、精確性不足，未能滿足事故災害風險快速預測預警與應急響應的需求。

隨著機器學習技術的不斷進步，將其用于災害事故預測和處理成為一個新的研究方向。中國發明專利CN2014101779450，公開了一種巨災風險大數據處理的應急分解分揀方法及系統。這種方法的不足之處在于必須依賴大量的收集數據，在數據不足的情況下無法開展工作。

發明內容

因此，本發明目的是提供一種城市事故災害演化模擬及風險預測預警方法，實現城市事故災害演化過程的快速及準確模擬，并且實現城市事故災害風險的快速預測預警，為城市事故災害的預測預警、安全防控、應急響應等工作的有效開展提供重要技術支撐。

具體的，本發明提供的城市事故災害演化模擬及風險預測預警方法，所述方法具體為：

利用機器學習技術方法，通過利用多種數據構建城市事故災害演化數據倉庫來實現對城市事故災害機器學習快速預測模型的參數訓練與參數學習，機器學習快速預測模型通過對視頻監控數據、傳感器實時監測數據等的分析與計算來實現對城市事故災害風險的快速預測預警；

其中，建立的數據倉庫通過高置信度數值模擬數據來擴充數據容量；高置信度的數值模擬數據通過兩類模型產生：一類是經過實驗數據或事故災害歷史數據驗證的數值模擬模型；另一類是基于數據同化技術的估計及擴散預測矯正模型；基于數據同化技術的估計及擴散預測矯正模型由貝葉斯推斷—集合卡爾曼濾波耦合數據同化模型構建完成，所述貝葉斯推斷—集合卡爾曼濾波耦合數據同化模型首先通過貝葉斯推斷方法結合由實驗數據或事故災害歷史數據中提取的觀測數據實現對源項信息的反演估計，進而將獲得的源項信息反演計算結果用于時空分布的預測，并通過集合卡爾曼濾波算法結合觀測數據實現對時空分布的矯正。

本發明的有益效果：

本發明中建立的數據倉庫可通過大量的高置信度數值模擬數據來擴充數據容量，滿足城市事故災害機器學習快速預測模型深度學習的需求。利用機器學習技術方法，通過利用多種數據構建城市事故災害演化數據倉庫來實現對城市事故災害機器學習快速預測模型的參數訓練與參數學習，機器學習快速預測模型將通過對視頻監控數據、傳感器實時監測數據等的分析與計算來實現對城市事故災害風險的快速預測預警。

附圖說明

圖1為本發明一種城市事故災害演化模擬及風險預測預警方法及系統的結構框圖。