气候变化对交通业的影响模型训练方法及影响监测方法与流程

1.本发明涉及气象气候应用技术领域，特别是涉及一种气候变化对交通业的影响模型训练方法及影响监测方法。


背景技术：

2.气候变化是指气候平均状态随时间的变化，即气候平均状态和离差(距平)两者中的一个或两个一起出现了统计意义上的显著变化。离差值越大，表明气候变化的幅度越大，气候状态越不稳定。自工业化时代以来，温室气体排放量的大幅增加给人类带来一系列气候问题：大气和海洋温度明显升高、极地冰层融化、海平面持续上升等。因此，气候变化一直是人们关注的焦点，影响人们生产生活的方方面面。
3.交通业(又称交通运输业)作为生产生活的重要组成部分，是指使用运输工具将货物或者旅客送达目的地，使其空间位置得到转移的业务活动，主要包括铁路运输、公路运输、水路运输和航空运输。同样，交通业也受到气候变化尤其是温度变化的影响，其中最突出是对交通运输效率的影响。目前，针对气候变换对生产生活的影响监测，主要是通过建立各类方程进行定量计算，将气候变化转换为具体的生产生活相关参数。
4.然而，交通业受气候影响的机理十分复杂，传统的监测方式无法将交通业与气候变化方程化，难以满足气候变化对交通业的影响监测需求。


技术实现要素：

5.基于此，有必要针对传统监测方式无法将交通业与气候变化方程化，难以满足气候变化对交通业的影响监测需求的问题，提供一种气候变化对交通业的影响模型训练方法及影响监测方法。
6.一种气候变化对交通业的影响模型训练方法，包括步骤：
7.获取各历史年份的气候相关参数和交通相关参数；
8.根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数；
9.将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果；
10.选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；
11.将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。
12.上述的气候变化对交通业的影响模型训练方法，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理
结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
13.在其中一个实施例中，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数的过程，包括步骤：
14.根据该历史年份下，气候相关参数的单位变化下交通相关参数的变化，作为历史影响参数。
15.在其中一个实施例中，将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果的过程，包括步骤：
16.选取各不同年份区间的历史年份；
17.将年份区间内各历史年份的历史影响参数进行离散化处理，获得离散处理结果。
18.在其中一个实施例中，在将离散处理结果作为训练数据的过程之前，还包括步骤：
19.将离散处理结果进行归一化处理。
20.在其中一个实施例中，将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型的过程，包括步骤：
21.将基准参考年份的历史影响参数作为训练样本，将离散处理结果作为分类样本，根据分类算法训练出用于输出影响分析结果的影响模型。
22.在其中一个实施例中，分类算法包括knn邻近分类算法。
23.在其中一个实施例中，气候相关参数包括温度。
24.在其中一个实施例中，交通相关参数包括交通效率。
25.在其中一个实施例中，交通效率包括航空交通效率、公路交通效率、水路交通效率和铁路交通效率中的一者或多者。
26.一种气候变化对交通业的影响模型训练装置，包括：
27.参数获取模块，用于获取各历史年份的气候相关参数和交通相关参数；
28.参数处理模块，用于根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数；
29.离散处理模块，用于将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果；
30.基准选取模块，用于选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；
31.模型训练模块，用于将基准参考年份的历史影响参数、基准参考年份以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。
32.上述的气候变化对交通业的影响模型训练装置，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关
联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
33.一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的气候变化对交通业的影响模型训练方法。
34.上述的计算机存储介质，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
35.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的气候变化对交通业的影响模型训练方法。
36.上述的计算机设备，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
37.一种气候变化对交通业的影响监测方法，包括步骤：
38.获取待监测年份的气候相关参数；
39.根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数；
40.根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据；
41.将模型输入数据输入至影响模型中，以获得影响分析结果。
42.上述的气候变化对交通业的影响监测方法，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
43.一种气候变化对交通业的影响监测装置，包括步骤：
44.数据获取模块，用于获取待监测年份的气候相关参数；
45.参数计算模块，用于根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数；
46.参数调整模块，用于根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据；
47.结果获取模块，用于将模型输入数据输入至影响模型中，以获得影响分析结果。
48.上述的气候变化对交通业的影响监测装置，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
49.一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的气候变化对交通业的影响监测方法。
50.上述的计算机存储介质，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
51.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的气候变化对交通业的影响监测方法。
52.上述的计算机设备，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
附图说明
53.图1为一实施方式的cema模型示意图；
54.图2为一实施方式的气候变化对交通业的影响模型训练方法流程图；
55.图3为另一实施方式的气候变化对交通业的影响模型训练方法流程图；
56.图4为一实施方式的年份区间划分示意图；
57.图5为一实施方式的气候变化对交通业的影响模型训练装置模块结构图；
58.图6为一实施方式的气候变化对交通业的影响监测方法流程图；
59.图7为一实施方式的气候变化对交通业的影响监测装置模块结构图；
60.图8为一实施方式的计算机内部构造示意图。
具体实施方式
61.为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
62.为建立气候变化与交通业的影响关联，本发明实施例提供了一种cema(climate economic model for assessment)模型。图1为一实施方式的cema模型示意图，如图1所示，以cema模型的碳循环模块来表征气候变化。其中，与经济中交通业相关联的气候变化，在工
业时代最突出的是二氧化碳co2的浓度变化，进而影响气候响应，表征为辐射强迫后的温度变化。最后，温度变化作用于交通业。
63.因此，基于cema模型，本发明实施例的气候相关参数优选选用温度。需要注意的是，在cema模型的构建逻辑下，气候相关参数还可选用降雨量、季风次数等与气候类型相关的参数。在其中一个实施例中，气候相关参数可从历年的气候记录中获取。
64.基于此，本发明实施例提供了一种气候变化对交通业的影响模型训练方法。
65.图2为一实施方式的气候变化对交通业的影响模型训练方法流程图，如图2所示，一实施方式的气候变化对交通业的影响模型训练方法包括步骤s100至步骤s104：
66.s100，获取各历史年份的气候相关参数和交通相关参数；
67.s101，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数；
68.s102，将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果；
69.s103，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；
70.s104，将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。
71.在确定气候相关参数后，交通相关参数可从交通业的历年记录中获取，包括单位运输成本、交通效率或交通方式占比等。作为一个较优的实施方式，交通相关参数选用交通效率。其中，交通业包括航空交通运输、公路交通运输、水路交通运输、铁路交通运输和管道运输。由于管道运输在历年的变化不明显，因此以交通效率包括航空交通效率、公路交通效率、水路交通效率和铁路交通效率四项进行模型训练。同时，训练后的影响模型也用于航空交通运输、公路交通运输、水路交通运输和铁路交通运输的影响监测分析。
72.其中，气候相关参数和交通相关参数的获取以年为单位。一历史年份中的气候相关参数和交通相关参数以平均值或方差等进行获取。在其中一个实施例中，以该历史年份的平均值获取气候相关参数和交通相关参数。
73.根据该历史年份的气候相关参数和交通相关参数，建立气候相关参数和交通相关参数的关联，根据关联的表征确定历史影响参数，即表征该历史年份气候变化对交通业的影响。
74.在其中一个实施例中，图3为另一实施方式的气候变化对交通业的影响模型训练方法流程图，如图3所示，步骤s101中根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数的过程，包括步骤s200：
75.s200，根据该历史年份下，气候相关参数的单位变化下交通相关参数的变化，作为历史影响参数。
76.其中，气候相关参数的单位变化，包括摄氏度、降雨单位时间毫米量等。交通相关参数的变化包括效率变化、成本变化等。以气候相关参数选用温度，交通相关参数选用交通效率为例，历史影响参数为每摄氏度的交通效率变化(每度效率变化)。以下一历史年份的历史影响参数(每度效率变化)表格为例进行解释，以便于理解：
77.表1某历史年份的历史影响参数表
[0078][0079]
在其中一个实施例中，如图3所示，步骤s102中将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果的过程，包括步骤s300和步骤s301：
[0080]
s300，选取各不同年份区间的历史年份；
[0081]
s301，将年份区间内各历史年份的历史影响参数进行离散化处理，获得离散处理结果。
[0082]
图4为一实施方式的年份区间划分示意图，如图4所示，以时间为轴，将各历史年份进行随机的区间划分处理，区间的划分随机数覆盖各类型得到年份区间。将各年份区间内的历史影响参数作为标记数组，进行离散化处理，获取各历史年份的历史影响参数映射特征数据，作为离散处理结果。
[0083]
在其中一个实施例中，特征数据与历史影响参数根据映射关系，在后续影响模型中可根据特征数据反向确定历史影响参数。
[0084]
在其中一个实施例中，在步骤s104中将离散处理结果作为训练数据的过程之前，还包括步骤：
[0085]
将离散处理结果进行归一化处理。
[0086]
通过归一化处理，消除离散处理结果中的异常数据，统一离散处理结果的分布性和样本特征，便于后续训练数据的建立。
[0087]
在确定离散处理结果后，汇总各年份区间的离散处理结果。基于此，在步骤s103中，将各历史年份的历史影响参数与各离散处理结果进行相似度比较，选取相似度排名符合预设排名要求的历史年份，作为基准参考年份。
[0088]
在其中一个实施例中，通过相似度比较算法比较各历史年份的历史影响参数与各离散处理结果。
[0089]
在其中一个实施例中，预设排名要求包括相似度排行从高至低的预设个数的年份。作为一个较优的实施方式，预设个数为8个，即选取8个基准参考年份。
[0090]
基于此，将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。
[0091]
在其中一个实施例中，如图3所示，步骤s104中将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型的过程，包括步骤s400：
[0092]
s400，将基准参考年份的历史影响参数作为训练样本，将离散处理结果作为分类样本，根据分类算法训练出用于输出影响分析结果的影响模型。
[0093]
其中，根据分类算法执行模型训练，将离散处理结果作为分类样本，计算分类样本的基准参考年份的历史影响参数的距离，将各离散处理结果基于基准参考年份的历史影响参数执行分类，得到影响模型。
[0094]
基于此，该影响模型，在输入一个经离散处理后的数据时，可根据影响模型的预先训练的分类关系，输出一个历史影响参数作为影响分析结果。
[0095]
在其中一个实施例中，分类算法选用knn邻近分类算法。
[0096]
本发明实施例还提供了一种气候变化对交通业的影响模型训练装置。
[0097]
图5为一实施方式的气候变化对交通业的影响模型训练装置模块结构图，如图5所示，一实施方式的气候变化对交通业的影响模型训练装置包括模块100、模块101、模块102、模块103和模块104：
[0098]
参数获取模块100，用于获取各历史年份的气候相关参数和交通相关参数；
[0099]
参数处理模块101，用于根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数；
[0100]
离散处理模块102，用于将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果；
[0101]
基准选取模块103，用于选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；
[0102]
模型训练模块104，用于将基准参考年份的历史影响参数、基准参考年份以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。
[0103]
上述的气候变化对交通业的影响模型训练装置，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
[0104]
基于上述的影响模型，本发明实施例还提供了一种气候变化对交通业的影响监测方法。
[0105]
图6为一实施方式的气候变化对交通业的影响监测方法流程图，如图6所示，一实施方式的气候变化对交通业的影响监测方法包括步骤s500至步骤s503：
[0106]
s500，获取待监测年份的气候相关参数；
[0107]
s501，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数；
[0108]
s502，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据；
[0109]
s503，将模型输入数据输入至影响模型中，以获得影响分析结果。
[0110]
上述的气候变化对交通业的影响监测方法，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输
入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
[0111]
其中，根据待监测年份的气候相关参数和基准参考年份的交通相关参数获得影响监测参数的过程，与步骤s101中根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数的处理过程相同。
[0112]
根据待监测年份与基准参考年份建立有限个数的年份区间，以步骤s102的离散化处理方式对影响监测参数执行处理，获得与离散处理结果数据形式统一的模型输入数据。
[0113]
将模型输入数据输入至影响模型中，以获得影响分析结果。其中，影响分析结果基于基准参考年份的历史影响参数，以此得到待监测年份的历史影响参数，满足气候变化对交通业影响的监测需求。
[0114]
在其中一个实施例中，根据待监测年份的历史影响参数和气候相关参数确定待监测年份的交通相关参数，以进一步指导交通业的生产生活。
[0115]
上述各实施例，通过基准参考年份的确定，间接需要历史年份中气候变化的平均点，通过以基准参考年份为参考，便于将气候变化对交通业的影响量化，为影响监测分析提供有效数据预测支持。
[0116]
本发明实施例还提供了一种气候变化对交通业的影响监测装置。
[0117]
图7为一实施方式的气候变化对交通业的影响监测装置模块结构图，如图7所示，一实施方式的气候变化对交通业的影响监测装置包括模块200、模块201、模块202和模块203：
[0118]
数据获取模块200，用于获取待监测年份的气候相关参数；
[0119]
参数计算模块201，用于根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数；
[0120]
参数调整模块202，用于根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据；
[0121]
结果获取模块203，用于将模型输入数据输入至影响模型中，以获得影响分析结果。
[0122]
上述的气候变化对交通业的影响监测装置，在获取待监测年份的气候相关参数后，根据气候相关参数和基准参考年份的交通相关参数获得影响监测参数。进一步地，根据基准参考年份和待监测年份，将影响监测参数离散化处理，获得模型输入数据，并将模型输入数据输入至影响模型中，以获得影响分析结果。基于此，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
[0123]
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的气候变化对交通业的影响模型训练方法或气候变化对交通业的影响监测方法。
[0124]
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流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、
电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0125]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ram、rom、磁碟或者光盘等各种可以存储程序代码的介质。
[0126]
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种气候变化对交通业的影响模型训练方法或气候变化对交通业的影响监测方法。
[0127]
该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种气候变化对交通业的影响模型训练方法或气候变化对交通业的影响监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0128]
上述计算机设备，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足气候变化对交通业的影响监测需求。
[0129]
或，在获取各历史年份的气候相关参数和交通相关参数后，根据气候相关参数和交通相关参数，获取用于表征该历史年份气候变化对交通业的历史影响参数，并将各历史年份和历史影响参数进行区间离散化处理，获得离散处理结果。进一步地，选取历史影响参数与离散处理结果相似度排名符合预设排名要求的历史年份，作为基准参考年份；最后将基准参考年份的历史影响参数以及离散处理结果作为训练数据，训练出用于输出影响分析结果的影响模型。基于此，训练出的影响模型可根据输入参数输出影响分析结果，且影响分析结果与基准参考年份的历史影响参数相关联，以近似的方式将影响分析结果量化，满足
气候变化对交通业的影响监测需求。
[0130]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0131]
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。