[發明專利]一種基于事件知識圖譜構建的流域旱澇事件長期預測方法

有效

• 申請號: 202110521764.5
• 申請日: 2021-05-13
• 公開（公告）號: CN113159451B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 楊文發;王樂;陳致遠;馮寶飛;閔智翔;李玉榮;張方偉;邱輝;邢雯慧;訾麗;張俊;許銀山
• 申請（專利權）人: 長江水利委員會水文局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/36
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 鄭蘭花

本發明公開了一種基于事件知識圖譜構建的流域旱澇事件長期預測方法，預測步驟包括如下：S1，數據獲取：在進行數據的獲取時，可以對兩種數據進行獲取，一種是結構化數據，另一種是非結構化數據；S2，事件知識抽取：在進行抽取時可以從互聯網文獻庫中抽取相關的事件信息，并進行結構化表示。本發明通過利用知識圖譜來構建流域旱澇汛期事件預測模型，再充分利用信息的基礎上實現預報的客觀化和自動化，無需由人工來進行選取和預測分析工作，這樣在預測的過程中就不會受到外部影響因素過多的情況，關系復雜的數據也能夠進行較好的處理，利用知識圖譜構建的預測方法省時省力，最后得出的預測結果不會存在個人主觀的因素，在應用時非常方便。

技術領域

本發明涉及流域旱澇預測技術領域，尤其是一種基于事件知識圖譜構建的流域旱澇事件長期預測方法。

背景技術

地球系統是一個各圈層復雜交互的整體，某個區域的降水往往受到多種外界因素的影響。以長江流域為例，科學家們發現長江流域降水受到海溫、副熱帶高壓、中高緯環流場、高原積雪、極地海冰等多種要素的影響，利用這一系列影響關系來進行旱澇事件預測是一種常用的統計預測方法。

由于影響流域旱澇分布的因素繁多、關系復雜，采用傳統統計方法預測時難以考慮到各種因素的影響，現有方法多憑人工經驗選取幾種偏好的因子進行預測分析，這種做法耗時耗力、損失了大量有用信息的同時還帶有強烈的主觀性，因此會給預報帶來較大的不確定性。

發明內容

本發明針對背景技術中的不足，提供了一種基于事件知識圖譜構建的流域旱澇事件長期預測方法。

本發明為解決上述現象，采用以下技術方案，一種基于事件知識圖譜構建的流域旱澇事件長期預測方法，預測方法包括如下：

S1，在進行數據的獲取時，可以對兩種數據進行獲取，一種是結構化數據，另一種是非結構化數據；

S2，在進行抽取時可以從互聯網文獻庫中抽取相關的事件信息，并進行結構化表示，如什么對象，什么時間，發生了什么事情，事件指數如何定義；

S3，從文獻中抽取事件之間的邏輯關系，包括共指關系、從屬關系、時序關系、因果關系等；

S4，利用上述抽取出的知識和關系構建知識圖譜模型，由于因素復雜，最終指向旱澇事件的應該有多種關系；

S5，利用前述的結構化歷史數據和模式歷史預測數據，與上述抽取的事件相互對應，定義相應閾值，構建事件知識歷史序列；

S6，將S5中構建的事件歷史序列帶入知識圖譜模型當中，通過大量數據集的訓練確定事件關系影響權重和事件觸發機制；

S7，將最新的事件背景情況輸入知識圖譜模型中進行預測，并實現知識的不斷迭代更新。

作為本發明的進一步優選方式，步驟S1中，其中結構化數據為長江流域氣象水文站點歷史降水資料，海溫場、冰雪場、大氣場等格點歷史再分析數據、國家氣候中心74項環流指數資料等，而非結構化數據為龐大的互聯網文獻庫，需要根據實際情況進行選擇。

作為本發明的進一步優選方式，步驟S2中，在進行對文獻知識的抽取時，采用關鍵字提取算法TextRank來實現，該方法通過提取文獻中的關鍵詞作為關鍵知識，由于機器提取方法有時難以判斷復雜的邏輯關系，因此在機器提取的基礎上還需要人工經驗來進行校正。

作為本發明的進一步優選方式，步驟S3中，抽取的邏輯關系包括事件的共指關系，包括赤道中東太平洋海溫異常增溫與發生厄爾尼諾事件是同一件事；其次從屬關系，包括長江中下游降水偏多包含兩湖水系降水偏多、江西省降水偏多的子事件；時序關系，包括冬季發生青藏高原積雪異常偏少事件，次年夏季發生長江流域暴雨洪澇事件；最后因果關系，包括前期赤道中東太平洋海溫異常增溫有利于長江中下游降水異常偏多。