基于大数据的灾害发生趋势预测与AI智能预警方法与流程

本发明涉及灾害预测，尤其涉及基于大数据的灾害发生趋势预测与ai智能预警方法。

背景技术：

1、现有气象灾害预警通常依赖地面气象站、雷达、卫星遥感和数值天气预报数据，对降雨量、降雪量、气温、风速、能见度等气象要素进行监测，并通过阈值判别、网格插值或统计模型输出暴雨、暴雪、道路结冰等预警结果。该类方案能够反映气象要素本身的变化趋势，但多以单一灾种或单一气象指标为核心，缺少对历史灾情、承灾体空间分布以及灾害影响路径的联合表达，难以准确识别同一时空范围内多种灾害诱发状态叠加时的传播方向和影响对象。

2、为提高预警精度，行业内也有方案尝试引入机器学习、图神经网络或承灾体风险评估模型，将道路、桥梁、排水设施、电力设施、人口建筑等信息作为附加特征参与风险计算。然而，这类方案多将承灾体信息作为静态属性叠加到气象风险值上，或者采用固定空间邻接关系进行传播推断，未能根据暴雨汇流、积雪通行、道路结冰、电力覆冰等不同灾害机理动态调整传播路径，也缺少对气象诱发状态、承灾体敏感度、空间传播结果和风险成因标签的闭环输出，导致复合灾害场景下预警结果解释性不足、影响范围识别不精确。

3、因此，如何提供基于大数据的灾害发生趋势预测与ai智能预警方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出基于大数据的灾害发生趋势预测与ai智能预警方法，本发明利用承灾体关系门控型stg-ncde模型，实现复合气象灾害动态预警，具备预测精准、影响识别清晰和解释性强的优点。

2、根据本发明实施例的基于大数据的灾害发生趋势预测与ai智能预警方法，包括如下步骤：

3、获取目标区域的多源气象数据、历史灾情数据和承灾体空间数据，按观测时间和空间位置进行标准化，生成气象灾害预测基础数据集合；

4、将气象灾害预测基础数据集合映射至统一空间网格和连续时间窗口，生成网格化气象特征序列和网格承灾体属性集合；

5、根据网格化气象特征序列提取灾害诱发状态序列；

6、根据网格承灾体属性集合生成承灾体敏感度特征层，并构建初始承灾体关系图；

7、将网格化气象特征序列、灾害诱发状态序列、承灾体敏感度特征层和初始承灾体关系图输入承灾体关系门控型stg-ncde模型，生成气象灾害智能预警结果。

8、可选的，所述气象灾害预测基础数据集合的生成具体包括：

9、从目标区域的地面气象站数据中提取站点气象观测数据；

10、从目标区域的天气雷达数据、卫星遥感数据和数值天气预报数据中提取面状气象观测数据；

11、从目标区域的历史灾情数据中提取历史灾情标注数据；

12、基于目标区域的基础地理信息数据、交通设施台账数据、市政排水设施数据、电力设施台账数据和人口建筑分布数据生成承灾体空间数据；

13、将站点气象观测数据、面状气象观测数据、历史灾情标注数据和承灾体空间数据转换至同一时间基准和同一空间坐标基准，并按时间字段、空间字段和灾害类型字段进行对应，生成气象灾害预测基础数据集合。

14、可选的，所述网格化气象特征序列和网格承灾体属性集合的生成具体包括：

15、根据气象灾害预测基础数据集合中的空间坐标基准确定目标区域边界，以面状气象观测数据中的最小空间分辨率切分目标区域边界，生成统一空间网格；

16、根据站点气象观测数据、面状气象观测数据和历史灾情标注数据中的时间字段确定时间覆盖范围，以其中最小采样间隔切分时间覆盖范围，生成连续时间窗口；

17、将站点气象观测数据按照站点位置落入的空间网格单元和观测时间落入的连续时间窗口进行归入，得到各空间网格单元在各连续时间窗口内的站点气象值；

18、将面状气象观测数据按照空间覆盖范围与统一空间网格的重叠面积进行归入，并按照成像时间或预报时间落入的连续时间窗口得到面状气象值；

19、将历史灾情标注数据按照灾害发生位置、受影响区域和灾害发生时间归入对应的空间网格单元和连续时间窗口，并将承灾体空间数据按照点状位置、线状走向或面状边界归入对应的空间网格单元；

20、将站点气象值和面状气象值按空间网格单元及连续时间窗口排列，生成网格化气象特征序列，将归入各空间网格单元的历史灾情标注数据和承灾体空间数据合并生成网格承灾体属性集合。

21、可选的，所述灾害诱发状态序列的生成具体包括：

22、根据网格化气象特征序列中的降雨量和雷达回波强度生成暴雨诱发状态；

23、根据网格化气象特征序列中的降雪量、气温、风速和能见度生成暴雪诱发状态；

24、根据网格化气象特征序列中的气温、降雨量、降雪量、湿度和风速生成道路结冰诱发状态；

25、将暴雨诱发状态、暴雪诱发状态和道路结冰诱发状态按空间网格单元和连续时间窗口进行对齐，生成网格灾害诱发状态；

26、将网格灾害诱发状态按连续时间窗口排列，生成灾害诱发状态序列。

27、可选的，所述承灾体敏感度特征层和初始承灾体关系图的生成具体包括：

28、根据网格承灾体属性集合中归入同一空间网格单元的历史灾情标注数据和承灾体空间数据，计算暴雨承灾敏感度、暴雪承灾敏感度、道路结冰承灾敏感度和电力覆冰敏感度；

29、将暴雨承灾敏感度、暴雪承灾敏感度、道路结冰承灾敏感度和电力覆冰敏感度按空间网格单元排列，生成承灾体敏感度特征层；

30、将统一空间网格和承灾体空间数据转化为初始承灾体关系图中的节点；

31、根据空间网格节点之间的邻接位置生成气象扩散边，根据地形低洼区、河网水系、排水管网和排水泵站生成地形汇流边和排水承载边；

32、根据道路路段、桥梁隧道、电力线路和杆塔位置生成道路通行边和电力覆冰边；

33、将气象扩散边、地形汇流边、排水承载边、道路通行边和电力覆冰边与对应的空间网格节点和承灾体节点进行连接，将承灾体敏感度特征层对应写入空间网格节点，构建初始承灾体关系图。

34、可选的，所述承灾体关系门控型stg-ncde模型包括连续控制路径生成单元、灾害诱发门控层、时间受控微分层、承灾体关系动态图生成层、分支式空间受控微分层、承灾体影响校正层和多任务预警输出层。

35、可选的，所述连续控制路径生成单元、灾害诱发门控层和时间受控微分层的处理具体包括：

36、连续控制路径生成单元将网格化气象特征序列中的站点气象值和面状气象值按空间网格单元及连续时间窗口进行顺序连接，生成连续气象控制路径；

37、灾害诱发门控层根据灾害诱发状态序列从连续气象控制路径中分离出暴雨控制路径、暴雪控制路径和道路结冰控制路径；

38、将网格灾害诱发状态中的排序结果写入对应的灾害类型控制路径，生成门控后灾害类型控制路径；

39、时间受控微分层沿门控后灾害类型控制路径执行时间受控微分处理，生成暴雨时间隐状态、暴雪时间隐状态和道路结冰时间隐状态，按空间网格单元和连续时间窗口排列得到时间演化结果。

40、可选的，所述承灾体关系动态图生成层的处理具体包括：

41、承灾体关系动态图生成层保留初始承灾体关系图中的节点和边的连接端点，按连续时间窗口生成各类边的边值；

42、根据时间演化结果对各类边的边值进行时间修正，得到时间修正边值；

43、将时间修正边值写入对应边，生成动态更新后的承灾体关系图。

44、可选的，所述分支式空间受控微分层的处理具体包括：

45、分支式空间受控微分层将动态更新后的承灾体关系图按边的来源类型分配至暴雨传播分支、暴雪传播分支、道路结冰传播分支和电力覆冰传播分支；

46、暴雨传播分支根据暴雨时间隐状态、气象扩散时间修正边值、地形汇流时间修正边值和排水承载时间修正边值执行空间受控微分处理，生成暴雨空间传播结果；

47、暴雪传播分支根据暴雪时间隐状态、气象扩散时间修正边值和道路通行时间修正边值执行空间受控微分处理，生成暴雪空间传播结果；

48、道路结冰传播分支根据道路结冰时间隐状态和道路通行时间修正边值执行空间受控微分处理，生成道路结冰空间传播结果；

49、电力覆冰传播分支根据暴雪时间隐状态、道路结冰时间隐状态和电力覆冰时间修正边值执行空间受控微分处理，生成电力覆冰空间传播结果；

50、将暴雨空间传播结果、暴雪空间传播结果、道路结冰空间传播结果和电力覆冰空间传播结果按空间网格单元和连续时间窗口对齐，生成空间传播结果。

51、可选的，所述承灾体影响校正层和多任务预警输出层的处理具体包括：

52、承灾体影响校正层将空间传播结果与承灾体敏感度特征层按空间网格单元和连续时间窗口进行对应，生成传播敏感度对应结果；

53、根据传播敏感度对应结果对各类空间传播结果进行影响校正，生成暴雨承灾体影响结果、暴雪承灾体影响结果、道路结冰承灾体影响结果和电力覆冰承灾体影响结果；

54、对同一空间网格单元和同一连续时间窗口内的各类承灾体影响结果进行复合校正，生成网格承灾体影响结果，并按连续时间窗口排列得到承灾体影响结果；

55、多任务预警输出层根据时间演化结果和空间传播结果生成气象风险结果；

56、根据气象风险结果和承灾体影响结果生成联合预警值；

57、将联合预警值按数值从高到低排序，生成区域预警等级和风险成因标签；

58、将气象风险结果、承灾体影响结果、联合预警值、区域预警等级和风险成因标签按空间网格单元及连续时间窗口进行封装，生成气象灾害智能预警结果。

59、本发明的有益效果是：

60、本发明通过将多源气象数据、历史灾情数据和承灾体空间数据统一映射至空间网格单元和连续时间窗口，使站点气象值、面状气象值、历史灾情标注数据和承灾体空间数据在同一时空基准下参与计算，避免现有方案中气象数据、灾情记录和承灾体分布彼此割裂的问题。通过分别提取暴雨诱发状态、暴雪诱发状态和道路结冰诱发状态，并形成灾害诱发状态序列，能够在灾害尚未形成明显损失前识别降雨增强、累计降雪、低温持续、降水相态转换和再冻结等前兆变化，提高灾害发生趋势判断的及时性和准确性。

61、本发明进一步将地形低洼区、河网水系、道路路段、桥梁隧道、排水管网、排水泵站、电力线路和杆塔位置等承灾体对象转化为初始承灾体关系图中的节点和边，并通过承灾体关系动态图生成层按连续时间窗口更新气象扩散边、地形汇流边、排水承载边、道路通行边和电力覆冰边的边值，使空间传播过程不再依赖固定邻接关系，而是能够随暴雨、暴雪、道路结冰和电力覆冰的演化过程动态变化，从而提高灾害影响路径刻画能力和影响范围识别精度。

62、本发明通过分支式空间受控微分层分别生成暴雨空间传播结果、暴雪空间传播结果、道路结冰空间传播结果和电力覆冰空间传播结果，并结合承灾体敏感度特征层进行影响校正，使预警结果同时反映气象风险和承灾体受影响程度。多任务预警输出层能够输出联合预警值、区域预警等级和风险成因标签，明确主导诱发来源、主导传播来源和主导承灾体来源，提高复合灾害预警结果的可解释性、定位性和处置参考价值。