[發明專利]一種微博輿情動態時空關聯下滸苔災害空間分布推估方法

有效

• 申請號: 202010904271.5
• 申請日: 2020-09-01
• 公開（公告）號: CN113408563B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 方志祥;王中元
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F17/16;G06F17/11;G06F16/29;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: 王琪

1.一種微博輿情動態時空關聯下滸苔災害空間分布推估方法，其特征在于：使用歷年的滸苔災害和對應的微博社會輿情數據，提取出對應的滸苔災害特征與微博社會輿情特征構建雙向聯想神經網絡，在使用雙向聯想神經網絡預測滸苔災害的過程中，使用殘差網絡對雙向聯想神經網絡穩定狀態下的結果進行校正，使用基于APRIORI算法提取得到的滸苔與微博時空關聯規則對神經網絡運行的結果進行校正，最后得到推估的當前滸苔災害的空間分布與發展的態勢，實現在得到微博社會輿情數據時可以推估滸苔空間分布于發展態勢的目的；該方法具體包括以下步驟：

步驟一，滸苔災害特征提取，所需提取的滸苔災害特征包括滸苔災害的覆蓋面積、滸苔災害的漂移重心、滸苔災害分布最小外接矩形的長、寬與旋轉角度；

步驟二，微博社會輿情特征提取，所需提取的微博社會輿情特征包括熱點輻射范圍，熱點輻射強度、標準差橢圓分布范圍與標準差橢圓旋轉角度；

步驟三，基于滸苔災害特征與微博社會輿情特征進行雙向聯想神經網絡構建；

步驟四，取不同年的滸苔災害特征與微博社會輿情特征作為測試集，剩余年作為訓練集，進行不同年份的雙向聯想網絡訓練，基于不同年份的測試集與結果集，構建殘差網絡；

步驟五，基于歷年滸苔災害與微博社會輿情特征，提取滸苔與微博社會輿情時空規則；

步驟六，輸入待預測滸苔災害對應的微博社會輿情數據，進行基于微博社會輿情的滸苔分布預測。

2.根據權利要求1所述的一種微博輿情動態時空關聯下滸苔災害空間分布推估方法，其特征在于：步驟一的具體實現方式如下，

設歷史上的滸苔災害發生時，存在一組數量為N_d可供滸苔災害解譯分析的MODIS影像，其年份分別為Year＝{year₁，year₂，...，year_N}，對于集合Year中的任意一年year存在可以解譯滸苔災害的MODIS日期為其中N為總年份數，N_year為第year年的天數；

步驟11，根據公式(1)，計算出基于MODIS影像提取得到的滸苔災害的覆蓋面積(CA)；

CA＝n×cellsize×cellsize (1)

公式(1)中，n為滸苔災害在圖像中實際覆蓋的像元數，cellsize為影像的分辨率；

步驟12，根據公式(2)與(3)，計算出滸苔災害的漂移重心

公式(2)與(3)中，x_i與y_i分別為滸苔發生位置的橫坐標與縱坐標，n為滸苔災害在圖像中實際覆蓋的像元數；

步驟13，對監測范圍中的任一點(x_i，y_i)的滸苔災害，對其實施一個角度為θ的逆時針旋轉，得到新的坐標位置(x′_i(θ)，y′_i(θ))，其計算公式為公式(4)與公式(5)；θ的范圍為[0°，180°]，步長為1°，初值為0°；計算θ取不同值時的橫坐標x′_i(θ)與縱坐標y′_i(θ)；將所有x′_i(θ)與y′_i(θ)的極差作為滸苔分布外接矩形的長L₁(θ)與寬L₂(θ)，其計算公式分別為公式(6)與公式(7)；計算θ取不同值時的最小外接矩形面積S(θ)，如公式(8)所示；選取外接矩形面積最小時對應的θ₀作為滸苔分布的角度特征，如公式(9)所示；取θ₀對應的長L₁(θ₀)與寬L₂(θ₀)作為滸苔分布的長度與寬度特征，如公式(10)與公式(11)所示；

L₁(θ)＝R(X′)，X＝{x′₀(θ)，x′₁(θ)，...，x′_n-1(θ)} (6)

L₂(θ)＝R(Y′)，Y＝{y′₀(θ)，y′₁(θ)，...，y′_n-1(θ)} (7)

S(θ)＝L₁(θ)L₂(θ) (8)

minS(θ)→θ₀ (9)

L₁＝L₁(θ₀) (10)

L₂＝L₂(θ₀) (11)

公式(6)與公式(7)中，R(·)表示極差函數；公式(9)中min表示取最小值。