【摘要】 一种精细尺度下的动态风险及易损性预测方法，属于地球信息科学领域。主要特点在精细尺度下既一定分辨率的栅格格式基础上从多源异构的时空数据优化的贝叶斯网络，结合域知识改进网络，由此进行灾害风险及易损性的不确定性估算既概率估算。本发明提出用核密度方法来根据样本衍生栅格训练样本；提出优化离散化方法离散化连续变量以便为网络提供离散的状态空间输入；采用模拟退火优化算法优化的网络结构；采用精确推理结合近似推理方法预测风险及易损性概率。本发明提出的方法可在精细的空间尺度下实时定位灾害风险及易损性位置，估计其风险概率的空间分布，对提高减灾救灾效果及国家建立智能化的突发公共事件应急预警系统具有重要的理论意义及实用价值。 【专利类型】发明授权 【申请人】中国科学院地理科学与资源研究所 【申请人类型】科研单位 【申请人地址】100101 北京市朝阳区安定门外大屯路甲11号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】朝阳区 【申请号】CN200810222052.8 【申请日】2008-09-08 【申请年份】2008 【公开公告号】CN101354757B 【公开公告日】2010-08-18 【公开公告年份】2010 【授权公告号】CN101354757B 【授权公告日】2010-08-18 【授权公告年份】2010.0 【IPC分类号】G06N5/04 【发明人】李连发; 梁金龙 【主权项内容】1.一种精细尺度下的动态风险及易损性预测方法，其特征在于步骤如下： (1)相关数据的采集及预处理：按致灾因子、孕灾环境及承灾体三个采集预测因子X及灾害损失变量y，并进行预处理产生精细尺度下的训练样本数据集；所述的致灾因子是指直接导致灾害的可测量因子变量，所述的孕灾环境指在致灾因子存在的前提下导致灾害损失发生的自然地理环境，所述的承灾体特性指各种主要以人为主的承受灾害的对象遭受灾害所带来损失的性质； (2)采用融入空间相关性的核密度函数方法对步骤(1)的训练样本数据集衍生出新的训练样本数据，以弥补调查数据不足，并补充完整精细尺度下的训练样本数据； (3)预测因子的特征选择：根据训练样本数据，采用三种方法衡量影响因子同目标因子的相关性，即线性相关系数、基于熵的信息获取率及粗糙集的属性重要性，结合主成分分析选择预测因子X； (4)对步骤(3)所选择的预测因子集中的连续变量进行离散化，采用模拟退火优化算法贝叶斯网络模型，估计网络的条件概率参数，具体实现如下： a.建立贝叶斯网络模型框架：对贝叶斯网络B＝(BS，BP)，令目标变量y为灾害事件或相关灾害损失事件，则y状态空间定义为“灾害发生”与“灾害不发生”两种状况，或者“损失严重”与“损失不严重”两种状况，或者“损失最严重”、“损失严重”“损失一般”与“轻微损失或无损失”四种状况；若已知一些证据，即解释变量因子集X中的一些因子，通过计算边际概率而求得y的相应状态发生的后验概率，亦称信任函数： 其中， 为随机变量集V上的联合概率，xi既为影响因子集X中的随机变量，yj表示目标变量y取第j种状态情况； b.采用优化的离散化方法转换连续类型数据，作为因子变量的状态空间值输入贝叶斯网络模型进行计算，算法采用基于熵的衡量标准： 其中，impurity(k，j，i)为当从j到i的训练样本被划分成k个区间时的最小的测量值impurity，最优的划分区间k则是impurity(k，j，i)，N为连续变量因子值的基，测量值impurity是每次划分的平均类熵，其最小使得用于编码离散化区间而进行预测的字节数最小； c.最优的网络结构 采用贝叶斯质量记分函数作为标准，策略是通过模拟金属的退火即硬化过程而找到网络结构的最优解，退火过程从开始加热金属致其融化与金属离子自由游动开始，温度缓慢有序地降低直到金属粒子在一个高结构化的格网中成型；一个潜在的网络相当一个解，对应一个同网络质量测量值有关的价值函数，通过退火即温度T的降低，最优的网络结构； d.估计网络参数 得到网络拓扑结构后，采用基于Dirichlet分布的经典算法，叠代地估计条件概率参 数值； e.风险概率及易损性预测 将所建立的贝叶斯网络用于一定证据支持下风险或易损性概率预测，采用适用于环路的信任传递算法即经典的Pearl信息传递算法实现，如所得到网络是单连接树，该算法则采用PolyTree的精确算法实现预测；而对包括环路的网络，该算法则采用为精度较高的近似算法实现预测； (5)利用生成的贝叶斯网络模型进行完全或不完全证据支持下的风险及易损性概率预测，具体实现为：估算中数据输入为允许缺失数值的同分辨率及坐标的多维栅格数据，每栅格单元为一个预测对象，将每单元对应属性值输入模型，通过估计精细尺度下即一定分辨率的各个栅格单元的风险概率或易损性，从而估算区域上风险概率； (6)在地图上实时动态地定位所预测的风险概率及易损性，识别区域上的风险及潜在损失分布状况，为救灾减灾的实施提供辅助决策支持信息。 【当前权利人】中国科学院地理科学与资源研究所 【当前专利权人地址】北京市朝阳区安定门外大屯路甲11号 【统一社会信用代码】121000004000115850 【家族被引证次数】49
