本發(fā)明涉及洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法，尤其是基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法。

背景技術(shù)：

1、洪水風(fēng)險(xiǎn)評(píng)估與管理是城市規(guī)劃、環(huán)境保護(hù)和災(zāi)害應(yīng)急響應(yīng)中的重要環(huán)節(jié)，隨著全球氣候變化的加劇和城市化進(jìn)程的加快，洪水事件的頻率和強(qiáng)度不斷增加，嚴(yán)重威脅著人類生命、財(cái)產(chǎn)安全以及生態(tài)環(huán)境，因此如何有效識(shí)別和評(píng)估洪水風(fēng)險(xiǎn)，進(jìn)行合理的動(dòng)態(tài)區(qū)劃，成為亟待解決的問(wèn)題。

2、傳統(tǒng)的洪水風(fēng)險(xiǎn)評(píng)估通常采用風(fēng)險(xiǎn)因子按一定權(quán)重疊加繪制靜態(tài)風(fēng)險(xiǎn)區(qū)劃圖的方式進(jìn)行，各風(fēng)險(xiǎn)因子的選取和權(quán)重的設(shè)定往往憑借主觀經(jīng)驗(yàn)，且對(duì)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性也缺乏驗(yàn)證，本發(fā)明針對(duì)傳統(tǒng)方法存在的問(wèn)題，在風(fēng)險(xiǎn)評(píng)估指標(biāo)選取時(shí)采用至少兩種薈萃分析方法正向、反向選取洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)直至收斂，提出綜合判別指標(biāo)識(shí)別關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)；基于歷史典型情景的先驗(yàn)信息，劃分歷史典型洪水事件一般集和特殊集，以風(fēng)險(xiǎn)評(píng)估模型與歷史實(shí)際情況最接近為目標(biāo)函數(shù)，構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重最優(yōu)化模型，提出智能優(yōu)化算法求解最優(yōu)化模型，獲得對(duì)應(yīng)的風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重最優(yōu)化方案；引入時(shí)空相似性閾值，提出洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法，更靈活地應(yīng)對(duì)變化的洪水風(fēng)險(xiǎn)，及時(shí)調(diào)整管理策略，提高洪水風(fēng)險(xiǎn)評(píng)估的全面性和準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的，提供一種基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法，以解決現(xiàn)有技術(shù)存在的上述問(wèn)題。另一方面提供基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃系統(tǒng)。

2、技術(shù)方案，基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法，包括如下步驟：

3、步驟s1、獲取并檢索洪水風(fēng)險(xiǎn)評(píng)估文獻(xiàn)，采用至少兩種薈萃分析方法融合識(shí)別洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)，形成初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集并聚類，提取每類洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的分類關(guān)鍵詞；基于分類關(guān)鍵詞采用至少兩種薈萃分析方法再次識(shí)別洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)，篩選得到初篩洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集并計(jì)算其中每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的頻率值；

4、步驟s2、讀取初篩洪水評(píng)估指標(biāo)集，并計(jì)算其中每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的貢獻(xiàn)度，依次計(jì)算每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值，進(jìn)一步計(jì)算洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合評(píng)價(jià)值的均值，進(jìn)而計(jì)算綜合判別指標(biāo)值，基于洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合判別指標(biāo)值再次篩選洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)，得到關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集；

5、步驟s3、提取研究區(qū)水位和流量數(shù)據(jù)，將研究區(qū)劃分為不同等級(jí)，得到研究區(qū)風(fēng)險(xiǎn)等級(jí)柵格數(shù)據(jù)，將關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)在研究區(qū)上柵格化，作為預(yù)構(gòu)建的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重最優(yōu)化模型和風(fēng)險(xiǎn)評(píng)估模型的輸入，采用模擬退火優(yōu)化的遺傳-局部搜索混合算法求解，得到關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)權(quán)重組合方案；

6、步驟s4、在工作時(shí)，計(jì)算研究區(qū)每個(gè)時(shí)間點(diǎn)的情景與歷史典型洪水事件情景的相似度，基于相似度選擇關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)權(quán)重組合方案，并輸入風(fēng)險(xiǎn)評(píng)估模型計(jì)算，得到研究區(qū)洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃。

7、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s1進(jìn)一步為：

8、步驟s11、獲取并檢索洪水風(fēng)險(xiǎn)評(píng)估文獻(xiàn)，依次采用基本薈萃分析、網(wǎng)絡(luò)薈萃分析、多元薈萃分析和貝葉斯薈萃分析識(shí)別得到四組洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集，融合四組洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集得到初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集并統(tǒng)計(jì)初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)出現(xiàn)的次數(shù)；

9、步驟s12、將初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)分為若干個(gè)詞語(yǔ)，依次計(jì)算各個(gè)詞語(yǔ)的tf-idf值，將tf-idf值小于閾值的詞語(yǔ)作為當(dāng)前洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的關(guān)鍵詞，基于關(guān)鍵詞采用層次聚類法將初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集分為m類，每一類有各自的分類關(guān)鍵詞，m為大于2的正整數(shù)；

10、步驟s13、基于m類的分類關(guān)鍵詞再次識(shí)別洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)，篩選出新的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)并計(jì)算新洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的頻率值，構(gòu)建洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集并計(jì)算得到初篩洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)指標(biāo)的頻率值。

11、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s13進(jìn)一步為：

12、步驟s13a、采用m類的分類關(guān)鍵詞對(duì)洪水風(fēng)險(xiǎn)評(píng)估文獻(xiàn)依次采用薈萃分析、網(wǎng)絡(luò)薈萃分析、多元薈萃分析和貝葉斯薈萃分析識(shí)別洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)，篩選出新出現(xiàn)的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)并計(jì)算新出現(xiàn)的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的頻率值；

13、步驟s13b、計(jì)算每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的頻率值并按大小進(jìn)行排序，選出頻率值最小的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)；

14、步驟s13c、對(duì)比新出現(xiàn)的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)和頻率值最小的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)之間的頻率值大小，將不小于初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)頻率值最小值的新出現(xiàn)的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)歸類進(jìn)初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集；

15、步驟s13d、重復(fù)步驟s13a-步驟s13c直至沒(méi)有新的指標(biāo)能夠歸類進(jìn)初始洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集，停止迭代，得到洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集和洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)指標(biāo)的頻率值。

16、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s2進(jìn)一步為：

17、步驟s21、讀取初篩洪水評(píng)估指標(biāo)集，并依次計(jì)算初篩洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)指標(biāo)的貢獻(xiàn)度；

18、步驟s22、依次計(jì)算每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值，依次計(jì)算洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)指標(biāo)的頻率值和貢獻(xiàn)度的乘積作為洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值，并計(jì)算得到洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值的均值，基于洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值和洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合指標(biāo)值的均值計(jì)算每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的綜合判別指標(biāo)值，根據(jù)預(yù)設(shè)的閾值，將綜合判別指標(biāo)值小于閾值的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)去除，得到關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集。

19、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s21進(jìn)一步為：

20、步驟s21a、讀取初篩洪水評(píng)估指標(biāo)集和研究區(qū)歷史的典型洪水事件資料，從典型洪水事件資料中獲取初篩洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集中每個(gè)指標(biāo)對(duì)應(yīng)的實(shí)測(cè)數(shù)據(jù)，依次計(jì)算每個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的歷史均值，作為洪水風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的第一個(gè)評(píng)估結(jié)果；

21、步驟s21b、依序選取一個(gè)洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)并保持其它洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)不變，計(jì)算選取的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的標(biāo)準(zhǔn)差，將選取的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的標(biāo)準(zhǔn)差與選取的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的歷史均值之和作為新的指標(biāo)值并評(píng)估風(fēng)險(xiǎn)，得到選取的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的第二個(gè)評(píng)估結(jié)果；

22、步驟s21c、依序計(jì)算初篩洪水評(píng)估指標(biāo)集中每個(gè)指標(biāo)貢獻(xiàn)度，其中貢獻(xiàn)度為洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的第一個(gè)評(píng)估結(jié)果和第二個(gè)評(píng)估結(jié)果的差值與歷史均值的比值。

23、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s3進(jìn)一步為：

24、步驟s31、基于研究區(qū)歷史典型洪水事件資料提取研究區(qū)水位和流量數(shù)據(jù)，將研究區(qū)劃分成5個(gè)等級(jí)，分別為：洪水風(fēng)險(xiǎn)高區(qū)域、洪水風(fēng)險(xiǎn)較高區(qū)域、洪水風(fēng)險(xiǎn)中區(qū)域、洪水風(fēng)險(xiǎn)較低區(qū)域、洪水風(fēng)險(xiǎn)低區(qū)域，得到研究區(qū)風(fēng)險(xiǎn)等級(jí)柵格數(shù)據(jù)，將洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)在研究區(qū)上柵格化；

25、步驟s32、構(gòu)建耦合風(fēng)險(xiǎn)評(píng)估模型的權(quán)重最優(yōu)化模型，收集n個(gè)歷史典型洪水事件輸入權(quán)重最優(yōu)化模型，計(jì)算得到取樣閾值，將n個(gè)歷史典型洪水事件按取樣閾值分為一般集和特殊集，其中取樣閾值內(nèi)的為一般集，取樣閾值外的為特殊集，n為大于100的正整數(shù)；

26、步驟s33、采用模擬退火優(yōu)化的遺傳-局部搜索混合算法循環(huán)求解耦合風(fēng)險(xiǎn)評(píng)估模型的權(quán)重最優(yōu)化模型，得到最優(yōu)權(quán)重組合方案，包括一般集的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)權(quán)重組合方案和特殊集中每個(gè)歷史典型洪水事件的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)權(quán)重組合方案。

27、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s32進(jìn)一步為：

28、步驟s32a、構(gòu)建耦合風(fēng)險(xiǎn)評(píng)估模型的權(quán)重最優(yōu)化模型，目標(biāo)函數(shù)為：風(fēng)險(xiǎn)評(píng)估模型的輸出結(jié)果與歷史實(shí)際情況最接近；

29、步驟s32b、收集n個(gè)歷史典型洪水事件，依次對(duì)每個(gè)歷史典型洪水事件的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)柵格按設(shè)定順序進(jìn)行排序，得到每個(gè)時(shí)間點(diǎn)下的每個(gè)關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的空間特征序列；

30、步驟s32c、統(tǒng)計(jì)每個(gè)歷史典型洪水事件的所有關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)在每個(gè)時(shí)間點(diǎn)的序列，得到每個(gè)歷史典型洪水事件每個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的多維空間曲線，取平均值作為每個(gè)歷史典型洪水事件各自的多維空間曲線；

31、步驟s32d、依次計(jì)算每個(gè)歷史典型洪水事件的多維空間曲線之間的hausdorff距離，并計(jì)算所有歷史典型洪水事件的多維空間曲線之間的hausdorff距離的均值，均值即為取樣閾值，將與其他歷史典型洪水事件的多維空間曲線之間的hausdorff距離均大于取樣閾值的歷史典型洪水事件視為特殊歷史典型洪水事件，并歸為特殊集，其他歷史典型洪水事件歸為一般集。

32、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s33進(jìn)一步為：

33、步驟s33a、生成初始種群，依次計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度值，選擇適應(yīng)度值高的個(gè)體作為父代，為下一代提供基因；

34、步驟s33b、采用模擬退火確定父代鄰域范圍，并在父代鄰域內(nèi)生成新的個(gè)體，所述新的個(gè)體即為關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的新的權(quán)重組合方案，采用隨機(jī)變異更新生成新個(gè)體的基因；

35、步驟s33c、采用關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的新的權(quán)重組合方案配置風(fēng)險(xiǎn)評(píng)估模型，運(yùn)行配置后的風(fēng)險(xiǎn)評(píng)估模型，得到研究區(qū)風(fēng)險(xiǎn)區(qū)劃，即新的個(gè)體對(duì)應(yīng)的結(jié)果，將新個(gè)體的結(jié)果與研究區(qū)風(fēng)險(xiǎn)等級(jí)柵格數(shù)據(jù)對(duì)比，淘汰適應(yīng)度低的個(gè)體；

36、步驟s33d、重復(fù)步驟s33a-步驟s33c直至溫度降到閾值停止迭代，得到每個(gè)歷史典型洪水事件的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)的權(quán)重組合方案，包括：一般集的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)的權(quán)重組合方案和特殊集中每個(gè)歷史典型洪水事件的關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集。

37、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s4進(jìn)一步為：

38、步驟s41、在工作時(shí)，獲取當(dāng)前研究區(qū)每個(gè)時(shí)間點(diǎn)的情景，依次計(jì)算得到一般集中每個(gè)典型洪水事件情景之間的多維空間曲線的hausdorff距離，將最大的距離作為歷史典型洪水事件的時(shí)空相似性動(dòng)態(tài)閾值；

39、步驟s42、將研究區(qū)每個(gè)時(shí)間點(diǎn)的情景輸入風(fēng)險(xiǎn)評(píng)估模型，基于歷史典型洪水事件的時(shí)空相似性動(dòng)態(tài)閾值判定研究區(qū)每個(gè)時(shí)間點(diǎn)的情景與特殊集中每個(gè)歷史典型洪水事件情景的相似性，并選定關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)集的最優(yōu)的權(quán)重組合方案，計(jì)算得到研究區(qū)洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃。

40、根據(jù)本技術(shù)的一個(gè)方面，所述步驟s42進(jìn)一步為：

41、步驟s42a、依次對(duì)一般集和特殊集中的每個(gè)歷史典型洪水事件的洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)柵格按設(shè)定順序進(jìn)行排序，得到每個(gè)時(shí)間點(diǎn)下的每個(gè)關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)的空間特征序列；

42、步驟s42b、統(tǒng)計(jì)每個(gè)歷史典型洪水事件的所有關(guān)鍵洪水風(fēng)險(xiǎn)評(píng)估指標(biāo)在每個(gè)時(shí)間點(diǎn)的序列，得到每個(gè)歷史典型洪水事件每個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的多維空間曲線，取平均值作為每個(gè)歷史典型洪水事件各自的多維空間曲線；

43、步驟s42c、依次計(jì)算每個(gè)歷史典型洪水事件的多維空間曲線之間的hausdorff距離，將最大的距離作為時(shí)空相似性；

44、步驟s42d、依次計(jì)算得到一般集中每個(gè)典型洪水事件之間的多維空間曲線的hausdorff距離，將最大的距離作為歷史典型洪水事件的時(shí)空相似性動(dòng)態(tài)閾值。

45、根據(jù)本技術(shù)的另一個(gè)方面，提供一種基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃系統(tǒng)，包括：

46、至少一個(gè)處理器；以及

47、與至少一個(gè)所述處理器通信連接的存儲(chǔ)器；其中，

48、所述存儲(chǔ)器存儲(chǔ)有可被所述處理器執(zhí)行的指令，所述指令用于被所述處理器執(zhí)行以實(shí)現(xiàn)上述任一項(xiàng)技術(shù)方案所述的基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法。

49、有益效果：采用基于因子多重優(yōu)化的洪水風(fēng)險(xiǎn)動(dòng)態(tài)區(qū)劃方法，通過(guò)統(tǒng)計(jì)與計(jì)算模型將多項(xiàng)影響洪水風(fēng)險(xiǎn)的因子進(jìn)行集成，克服了單一因素分析的局限性，提高洪水風(fēng)險(xiǎn)評(píng)估的全面性和準(zhǔn)確性，實(shí)現(xiàn)洪水風(fēng)險(xiǎn)等級(jí)的實(shí)時(shí)監(jiān)測(cè)與評(píng)估，提供及時(shí)的預(yù)警和應(yīng)對(duì)方案，運(yùn)用數(shù)據(jù)挖掘和智能算法為復(fù)雜的因子集成和優(yōu)化提高技術(shù)支持，提升整體決策的科學(xué)性和可操作性。