首页 / 专利库 / 数学与统计 / 聚类算法 / 一种村镇地质灾害风险预估方法及系统

一种村镇地质灾害险预估方法及系统

阅读:361发布:2020-05-08

专利汇可以提供一种村镇地质灾害险预估方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 提供一种村镇地质灾害 风 险预估方法及系统,该方法包括:收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;通过AUTOCLUST 算法 对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;通过粗糙集和 遗传算法 对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。通过该方案解决了现有灾害风险预估准确度不高的问题,可以提高村镇灾害风险预估 精度 和案例推理时间效率。,下面是一种村镇地质灾害险预估方法及系统专利的具体信息内容。

1.一种村镇灾害险预估方法,其特征在于,包括:
收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
2.根据权利要求1所述的方法,其特征在于,所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
其中,所述村镇地质灾害案例库表达式为:
Ck:,k=1,2,…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k,…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k,…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k,…,rm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
3.根据权利要求1所述的方法,其特征在于,所述AUTOCLUST算法为一种基于Delaunay三网的空间聚类算法
4.根据权利要求1或3所述的方法,其特征在于,所述通过AUTOCLUST算法对村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库包括:
分别计算与灾害点相连的边的平均值、相连点的标准方差的平均值;
根据相连边的平均值、相连点的标准方差的平均值,计算得到短边集合和长边集合;
删除所有长边集合和短边集合,修复簇边界的短边,扩张邻域在二阶邻域内进一步删除长边得到聚类结果。
5.根据权利要求1所述的方法,其特征在于,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例包括:
按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi是第i个特征属性的权重,且满足:
6.根据权利要求1所述的方法,其特征在于,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例还包括:
分别计算目标案例与所述村镇地质灾害案例库中源案例的距离关系相似度、形状相似度、大小相似度;
根据下式计算总的空间相似度:
其中,S为目标案例空间属性,Sk为源案例的空间属性,wd表示距离相似度,ws表示形状相似度,wa表示大小相似度。
7.根据权利要求1所述的方法,其特征在于,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用还包括:
根据案例重用的历史案例得到所述目标案例的建议解;
当所述建立解与所述目标案例实际情况不符合,对检索得到的案例重用的历史案例进行案例修正,以适应所述目标案例。
8.一种村镇地质灾害风险预估系统,其特征在于,所述包括:
建立模,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
聚类模块,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
提取模块,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
检索模块,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
9.根据权利要求8所述的系统,其特征在于,所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
其中,所述村镇地质灾害案例库表达式为:
Ck:,k=1,2,…,n;
k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
所述属性指标的表达式为:
Ak={a1,k,a2,k,…,ai,k,…,aj,k};
ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
所述空间关系指标表达式为:
Sk={s1,k,s2,k,…,si,k,…,sl,k};
Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
所述案例结果表达式为:
Rk={r1,i,r2,i,…,ri,k,…,rm,k};
Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
10.根据权利要求8所述的系统,其特征在于,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例包括:
按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi是第i个特征属性的权重,且满足:

说明书全文

一种村镇地质灾害险预估方法及系统

技术领域

[0001] 本发明涉及灾害防治领域,尤其涉及一种村镇地质灾害风险预估方法及系统。

背景技术

[0002] 地质灾害频发给人民的生命财产及环境造成巨大破坏,我国作为自然灾害发生比例较高的国家之一,60%的地质灾害发生在村镇,相对于城市,村镇地质灾害受地理位置气候条件、基础设施、经济基础等影响,灾害呈现出分布广泛、种类繁多、发生频繁等特点,地质灾害发生环境复杂,加上资料信息不完备乃至缺失,导致对灾害风险评估较为困难,难以进行有效防治。
[0003] 借助案例推理CBR(Case-Based Reasoning)可以对这类多种灾害类型的村镇灾害风险评估问题进行求解,根据以往案例,通过不断学习和知识积累,完成对当前灾害的预测评估。目前,案例推理方法已被应用到洪灾害的预测、典型城市灾害分类推理及应急救援案例匹配、救灾口粮需求预估等,通过简单罗列灾情、过程,可以实现对灾害预估,然而对于复杂多样的村镇灾害,难以准确快速进行灾害风险预估。

发明内容

[0004] 有鉴于此,本发明实施例提供了一种村镇地质灾害风险预估方法及系统,以解决现有村镇灾害预估结果准确度不高的问题。
[0005] 在本发明实施例的第一方面,提供了一种村镇地质灾害风险预估方法,包括:
[0006] 收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
[0007] 通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
[0008] 通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
[0009] 基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
[0010] 在本发明实施例的第二方面,提供了一种村镇地质灾害风险预估系统,包括:
[0011] 建立模,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
[0012] 聚类模块,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
[0013] 提取模块,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
[0014] 检索模块,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
[0015] 本发明实施例中,通过建立具有空间关系的村镇地质灾害案例库,基于autoclust算法进行聚类以初步划分案例库,通过粗糙集和遗传算法对案例库进行核心特征提取和特征权值分配,根据案例特征和空间要素,在案例库中检索与目标案例最相似的历史案例,从而进行案例重用,对当前村镇灾害进行准确预估,解决了现有村镇灾害预估准确度不高的问题,能够快速准确的进行灾害风险预估,缩短推理时间,可以应对多种类型的地质灾害评估问题。基于灾害位置的空间关系,可以对复杂类型的村镇地质灾害进行求解,简化过程,提高风险预估精度和速度。基于粗糙集和遗传算法进行特征提取和权值分配,可以有效提高检索效率。附图说明
[0016] 为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他附图。
[0017] 图1为本发明的一个实施例提供的村镇地质灾害案例库的结构示意图;
[0018] 图2为本发明的一个实施例提供的村镇地质灾害风险预估方法的流程示意图;
[0019] 图3为本发明的一个实施例提供的村镇地质灾害风险预估方法的另一流程示意图;
[0020] 图4为本发明的一个实施例提供的村镇地质灾害风险预估系统的结构示意图。

具体实施方式

[0021] 为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
[0022] 本发明的说明书权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第一”“第二”用于区分不同对象,并非用于描述特定顺序。
[0023] 请参阅图1,图1为本发明实施例提供的村镇地质灾害案例库的结构示意图,如图所示:
[0024] 在地质灾害空间数据库110中存储有地质灾害空间数据,基于地质灾害空间数据可以形成案例库120,所述地质灾害空间数据库110和所述案例库120均基于GIS分析管理技术支持,进行对应的数据或案例管理。
[0025] 在所述案例库120中包括矢量数据、栅格数据和表格数据。矢量数据对应于地形地貌、底层岩性、气象水文、人类活动等,栅格数据对应于遥感影像、现场照片等,表格数据对应于滑坡、崩塌、泥石流等。
[0026] 示例性的,案例库中数据可以包括:某村落,不稳定-1(X2),发生规模为:长25m、宽87m、厚4m,体积8700m3(X3),诱发因素为:年降雨量-1(X4),地貌形态为:高丘-3(X5),相对高差为:(58-117.5)-1(X6),地貌分区为中山-5(X7),地形坡度为:25°(X8),地层岩性为:寒武系黄洞口组砂岩夹泥岩(∈h)(X9),地质构造为:构造线(1-3km)-2(X10),工程地质岩组为:砂质土及双层土体-3(X11),风化土层厚度为:1~3m-2(X12),水文地质为:松散岩类孔隙水-1(X13),月均降雨量:1760mm(X14),人类工程活动强度为:中等区-2(X15),灾害点位置为:x:2694498,y:19402918(X16),与道路距离为:476m(X17),与河流距离为:793m(X18),与地质断层距离为:1243m(X19),与灾害点距离为:390m(X20),灾害形状:8.54(X21)。
[0027] 请参阅图2,本发明实施例提供的一种村镇地质灾害风险预估方法的流程示意图,包括:
[0028] S201、收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
[0029] 在灾害评估或预测当中,空间环境要素对评估的精度存在着较大的影响,当前大多数据地质灾害案例库的研究与应用采用传统的“问题—结果”二元组模式,空间要素通常在“问题”当中仅作为案例描述的一部分,限制了案例推理在地质灾害风险预估中有效应用。
[0030] 采用“问题-空间关系-结果”三元组案例表达方式建立具有空间属性特征的村镇地质灾害案例库,可以综合考虑空间因素影响,保障历史案例的准确应用。其中,案例“问题”由村镇历史地质灾害的基本属性与地质环境条件属性组成,属性包括:灾害位置、发生时间、稳定程度、发生规模、土层厚度、灾害成因等。地质环境条件属性包括:地形地貌、气象水文,地层岩性、地质构造、岩土体类型、水文地质条件、岩溶发育特征、地质灾害有关的人类工程经济活动等,数据来源采用GIS网格划分技术从地质害数据库中的基础地质图层中提取:如地形地貌图层、降雨量等值线图图层、水系与水文地质图层、地层分布图层、地质构造图层、工程地质岩组分布图层等。空间关系主要包括:历史地质灾害发生的空间位置、几何形态、距离道路、水系、最近灾害点与地质断层距离等,可从基础地质图层中采用GIS空间距离分析算法或分析工具进行提取。案例“结果”为地质灾害类型、规模等级、危害等级、威胁对象、人数、财产等属性描述。假定案例库采用以下三元组的表达形式,历史地质灾害案例库表达式如下:
[0031] Ck:,k=1,2,…,n;
[0032] k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
[0033] 所述属性指标的表达式为:
[0034] Ak={a1,k,a2,k,…,ai,k,…,aj,k};
[0035] ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
[0036] 所述空间关系指标表达式为:
[0037] Sk={s1,k,s2,k,…,si,k,…,sl,k};
[0038] Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
[0039] 所述案例结果表达式为:
[0040] Rk={r1,i,r2,i,…,ri,k,…,rm,k};
[0041] Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
[0042] S202、通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
[0043] 所述AUTOCLUST算法为一种经典的基于Delaunay三网的自适应的空间聚类算法,用于对案例库中案例进行聚类集群。
[0044] 地质灾害案例库中案例规模较大,每个案例还存在大量特征属性,若直接采用全部的特征或权值分配会影响检索精度与效率,以历史案例灾害点位置信息进行空间聚类,对案例库进行初步划分,方便特征提取和权值分配,减少计算资源耗费,提高检索效率。目前采用的聚类方法与数据挖掘技术将案例库划分子库,虽可以满足了一些具体的应用,但仍会存在一定缺陷,如需要先验知识与预设参数,不能发现任意形状的簇,难以处理内部变化密度簇,以及离群点及噪音等问题。另外,地质灾害发生位置具有相似性,甚至同一位置还会发生多次灾害。因此,空间位置密度也反应易发地质灾害的敏感性。若两点间的距离足够小则认为其为相似点,为此,可在案例检索前将发生灾害的空间位置进行空间聚类来预先组织案例,以形成具有高度相似的子案例优化检索效率与定位精度。
[0045] 由于Delaunay三角网能够自动适应不同区域的点的密度的变化,采用统计规则分步骤删除空间实体间一致长边和短边来生成簇。
[0046] 具体的,计算与点pi相连的边的平均值:
[0047]
[0048] d(pi)表示与pi相连的边的数量,ej表示与点pi相连的边。
[0049] 计算与点pi相连的边的标准方差:
[0050]
[0051] 计算所有点的标准方差的平均值:
[0052]
[0053] 则短边集合为:
[0054] Short_Edges(pi)={ej||ej
[0055] 则长边集合为:
[0056] Short_Edges(pi)={ej||ej>Local_Mean(pi)+Mean_st_Dev(P)};
[0057] 其他边集合:
[0058] Other_Edges(pi)=N(pi)-(Short_Edges(pi)∪Long_Edges(pi));
[0059] 删除短边集合中短边和长边集合中长边,修复位于簇边界的部分短边,最后扩张邻域在二阶邻域内进一步删除长边获得最终的聚类结果。
[0060] AUTOCLUST算法的时间复杂度约为O(nlogn),具有较高的运行效率,同时其可以不需要用户输入参数,能够发现任意形状、不同密度的空间簇,可以解决多链问题。
[0061] S203、通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
[0062] 每个案例如果有太多的特征因子参与运算将消耗大量系统内存与计算时间,案例检索算法也会变得更加复杂。特征提取既减少了存储的空间要求,又更精确的描述了属性特征和决策特征之间的关系。也能提高了CBR的抗噪能
[0063] 粗糙集算法以不完备信息或知识去处理一些不可分辨现象的能力,在反映客观世界不精确性及不确定性的同时,可以不依赖专家知识挖掘数据中隐含的模式,使评估因子权重确定具有很好的客观性,可以通过对数据约简发现最小数据集,评估数据的价值,并对结果提供简明易懂的解释。地质灾害案例库随着规模的增加,直接采用粗糙集约简与权值分配复杂性呈指数级增加,遗传算法能从整体上对问题进行全局优化与隐含并行性等优点。针对地质灾害数据量大,属性冗余度高等特点,采用基于粗糙集与遗传算法相混合的算法进行特征提取,可以约简地质灾害案例属性。
[0064] 嵌入粗糙集一个局部搜索操作以加强遗传算法的强化能力。在进化过程中生成的所有候选对象都被强制包含核心特性来加速收敛。
[0065] 各种约简特征具有不同的重要性,根据粗糙集的定义与依赖程度,能构建决策表中各指标权重。如:在信息系统S={U,C∪D,V,f}中, 则条件的重要度Sig(c)=rc(D)-rC-|c|(D),c的权重为:
[0066]
[0067] S204、基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
[0068] 所述案例属性特征为历史地质灾害案例具有的特征,如灾害类型、气象水文、地形地貌等,所述空间要素为历史地质灾害案例具有的空间特征,如空间位置、几何形态等,所述目标案例为当前需要在案例库中进行历史匹配,找到类似案例,以进行灾害评估的地质灾害案例。
[0069] 获取与目标案例最相似的的历史案例,通过案例重用,可以找到当前目标案例的解决方案,方便高效地解决灾害问题。
[0070] 具体的,采用传统的最近临近法,计算目标案例A与源案例Ak的相似度:
[0071]
[0072] 其中,wi是第i个特征属性的权重,且满足:
[0073]
[0074] 由于村镇地质灾害易受周边地质环境的影响,依据案例间存在的空间依赖或制约关系,在案例检索中需要考虑空间特性的相似性计算。如源案例与目标案例的距离,源案例距离历史灾害点,人类活动的建筑工程与道路工程距离。通过源案例与目标案例的空间形态的相似匹配计算,计算空间相似度:
[0075] 距离关系相似性计算:
[0076]
[0077] 其中,dA是场景中A中的两空间目标间的距离,如:源案例中距离历史灾害点或道路的距离等,dB是场景中B中的两空间目标间的距离,如:目标案例中距离历史灾害点或道路的距离等,U是标准化因子,其值取相应特征间的最大距离。
[0078] 形状相似度采用紧凑度(面积SA与周长LA之比)的方法来描述,如实体A的紧凑度描述为:
[0079]
[0080] 则计算实体A与B形状相似性为:
[0081]
[0082] 大小相似度的计算:
[0083]
[0084] 其中,Area(A),AreaB(B)分别是A与B的面积。
[0085] 则总的空间相似度为:
[0086]
[0087] 其中,S为目标案例空间属性,Sk为源案例的空间属性。wd,ws,wa分别为距离相似度、形状相似度和大小相似度的权重。
[0088] 综上,基于空间相似性的地质灾害案例推理模型为:
[0089] Simk=Sima(A,Ak)w1+Sims(S,Sk)w2
[0090] w1和w2分别表示属性特征、空间特征的权重系数。
[0091] 则最大相似度为:
[0092] Smax=max(Simk,Simk(i)),i=1,2,...,p;
[0093] 通过案例重用可由具有最大相似度的相似案例得到目标案例的建议解。
[0094] 假设最大相似度Smax对应q个案例纪录,则与目标案例A最为相似的记录为:
[0095] Recq=(Caseq;Rq)
[0096] 由此式可以通过重用最大相似度案例Recq的结果Rq得到目标案例的建议解。当建议解与实情况完全不相符合时仍需要做案例修正。
[0097] 在另一个实施例中,如图3所示,图3为本发明实施例提供的村镇地质灾害风险预估方法的另一流程示意图,在图3中,收集历史地质灾害案例数据,放入历史地质灾害数据库中,基于GIS分析和管理,建立具有空间关系的“问题-空间关系-结果”三元组案例表达的案例库310,对案例库310进行空间聚类,得到多个案例集群或空间簇,具体由不同数据库子库DBn320(n表示子库数量或序号)存储,通过粗糙集和遗传算法对数据库DB中存储的案例进行特征提取和权值分配330。获取到目标案例后,通过案例相似性计算340,可以得到类似的历史案例进行案例重用,依据重用案例可以得到目标案例的解决方案。
[0098] 在本实施例中,通过建立具有空间关系的案例库,对案例库中历史案例进行空间聚类后,基于粗糙集和遗传算法提取案例特征并分配权值,方便准确高效进行案例检索,然后基于案例属性特征和空间要素,检索与目标案例最相似的历史案例进行案例重用。基于案例的空间特征,可以准确可靠的对历史案例检索,方便对复杂的村镇历史案例进行求解,提高检索效率减少计算量。
[0099] 应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
[0100] 图4为本发明实施例提供的一种村镇地质灾害风险预估系统的结构示意图,该系统包括:
[0101] 建立模块410,用于收集村镇地质灾害历史案例,基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库;
[0102] 可选的,所述基于GIS分析管理技术建立具有空间关系村镇地质灾害案例库包括:
[0103] 采用“问题-空间关系-结果”的三元组案例表达式建立村镇地质灾害案例库;
[0104] 其中,所述村镇地质灾害案例库表达式为:
[0105] Ck:,k=1,2,…,n;
[0106] k表示源案例的个数,Ak,Sk,Rk分别表示案例的属性指标、空间关系指标与案例结果;
[0107] 所述属性指标的表达式为:
[0108] Ak={a1,k,a2,k,…,ai,k,…,aj,k};
[0109] ai,k表示第k条案例中第i个特征属性的描述值,j为特征属性个数,属性特征由基本属性与地质环境条件属性组成;
[0110] 所述空间关系指标表达式为:
[0111] Sk={s1,k,s2,k,…,si,k,…,sl,k};
[0112] Si,k表示第k条案例中第i空间特征属性的描述值,l为空间关系属性个数;
[0113] 所述案例结果表达式为:
[0114] Rk={r1,i,r2,i,…,ri,k,…,rm,k};
[0115] Ri,k表示第k条案例中第i空间特征属性的描述值,m为空间关系属性个数。
[0116] 聚类模块420,用于通过AUTOCLUST算法对所述村镇地质灾害案例库中的案例聚类,初步划分所述村镇地质灾害案例库;
[0117] 可选的,所述AUTOCLUST算法为一种基于Delaunay三角网的空间聚类算法。
[0118] 可选的,所述聚类模块420包括:
[0119] 第一计算单元,分别计算与灾害点相连的边的平均值、相连点的标准方差的平均值;
[0120] 第二计算单元,根据相连边的平均值、相连点的标准方差的平均值,计算得到短边集合和长边集合;
[0121] 删除单元,删除所有长边集合和短边集合,修复簇边界的短边,扩张邻域在二阶邻域内进一步删除长边得到聚类结果。
[0122] 提取模块430,用于通过粗糙集和遗传算法对所述村镇地质灾害案例库中的案例进行核心特征提取和特征权值分配;
[0123] 检索模块440,用于基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用。
[0124] 可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例包括:
[0125] 按最近邻检索方式,计算目标案例A与源案例Ak的属性特征相似度:
[0126]
[0127] 其中,ai表示目标案例特征,m表示特征数据量,ai,k表示源案例特征,wi是第i个特征属性的权重,且满足:
[0128]
[0129] 可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例还包括:
[0130] 分别计算目标案例与所述村镇地质灾害案例库中源案例的距离关系相似度、形状相似度、大小相似度;
[0131] 根据下式计算总的空间相似度:
[0132]
[0133] 其中,S为目标案例空间属性,Sk为源案例的空间属性,wd表示距离相似度,ws表示形状相似度,wa表示大小相似度。
[0134] 可选的,所述基于案例属性特征和空间要素,在所述村镇地质灾害案例库检索目标案例,以获取与目标案例最相似的历史案例进行案例重用还包括:
[0135] 根据案例重用的历史案例得到所述目标案例的建议解;
[0136] 当所述建立解与所述目标案例实际情况不符合,对检索得到的案例重用的历史案例进行案例修正,以适应所述目标案例。
[0137] 在本实施例中,可以采用Oracle10G和ArcSDE,MySQL作为数据库管理软件,以WebGIS为技术依托,建立基于分步式数据源的空间托管与非空间托管资源共享数据库,实现规划项目空间数据与属性信息、视频、文本图片信息建立关联进行同步管理。平台采用Visual C#为开发语言,Flex Builder4为开发应用基础平台,ArcGIS作为组件库,结合Adobe FlexSDK3、FLASH、WPF及CityMake海量三维数据、海量影像数据压缩技术,利用富客户端Flex构建插件式的B/S架构模式,充分整合现有最新信息应用平台和灵活架构的特点,建立起互动平台共享系统。
[0138] 在本发明的一个实施例中还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述实施例提供的水下拖缆稳态运动多目标优化方法。
[0139] 在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
[0140] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S201至S204,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
[0141] 以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈