一种大数据模拟的巨灾风险模型系统及方法与流程

1.本发明涉及灾害预测技术领域，具体为一种大数据模拟的巨灾风险模型系统及方法。


背景技术：

2.我国位于环太平洋地震带与欧亚地震带之间，受太平洋板块、菲律宾海板块、和印度板块的挤压，地震具有发生频率高、强度大、分布范围广等特点。近年来我国划分的各地震带中地震断层活动有所增强，在空间上出现一定的重复性和波动性，该现象与人口结构和经济情况快速变化的社会发展趋势交汇在一起，使得破坏性地震等自然灾害带来的灾害风险大大增加。这些潜在的威胁不仅加大了国家防震减灾工作的难度，也成为了国家发展路途上的一项明显的阻力。因此，如何更加准确地预测国家各地区建筑物在未来地震灾害下的破坏情况，降低地震等自然灾害造成人员伤亡和经济损失的风险等问题已然成为当下国家发展过程中的突出性难题。
3.巨灾风险模型作为评估地震等自然灾害风险的有效工具，在近些年来得到了长足地发展，其在分散地震巨灾风险、震前防灾减灾规划等方面也得到了有效地应用。但传统的巨灾模型通常只能评估指定地区的灾害风险或只能考虑少量影响因素，致使模型存在风险评估区域局限性、风险评估结果偏差大、风险评估结果波动性高的问题。


技术实现要素：

4.本发明的目的在于提供一种大数据模拟的巨灾风险模型系统及方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种大数据模拟的巨灾风险模型系统，包括数据集建立模块，还包括灾害模块，通过模拟潜在地震事件的发生，使用衰减公式计算出所有受地震事件影响空间地理位置点的地震动强度im参数并汇总成模型输入数据集建立模块；
6.易损性模块，通过风险暴露中建筑物的建筑层高、建筑结构、建造年代、空间分布位置因素确定对应的易损性类型；
7.空间相关性模块，从实际震害的角度给出地震损失的空间相关关系，保证了巨灾模型模型模拟的地震损失结果与实际地震事件发生时损失结果的一致性；
8.金融模块，通过数据的计算得到各潜在地震事件的损失结果和不同年份下地震损失情况分布，并利用保单中的免赔额、限额条件计算出保险损失和再保险损失。
9.所述灾害模块包含空间地理位置集、地震事件集和地震灾害空间分布集。
10.所述易损性模块包括计算对比模块和曲线生成模块。
11.还包括有效分析模块，所述有效分析模块包括衰减模型有效性分析模块和易损性曲线有效性分析模块。
12.所述有效分析模块电性连接有应用验证模块，且应用验证模块电性连接有日志记
录模块，日志记录模块电性连接有数据储存模块，数据储存模块电性连接有结果生成模块，且结果生成模块电性连接有统计分析模块，统计分析模块电性连接有系统更新模块。
13.本发还提供一种大数据模拟的巨灾风险模型方法，包括如下步骤：
14.第一步，以第五代区划图(gb 18306—2015)数据为基础，确定了地震事件集以及各地震事件震级和震中位置等信息；
15.第二步，确定地震事件的震级和震中位置后，首先通过位置点的经纬度信息计算震中距r，再利用衰减关系计算位置点的地震动强度参数sa；
16.第三步，得到每个空间地理位置的地震动后，考虑场地条件对地震动的影响，将30米等效剪切波速vs30转化为我国的场地条件，并将各空间地理位置的地震动与各位置场地条件对应的放大系数相乘；
17.第四步，计算得到综合考虑场地条件及地震动放大系数空间灾害分布集后，对空间灾害分布集中的数据进行筛选，筛选出sa大于等于50gal(烈度五度以上)的数据，整理后写入模型数据库；
18.第五步，使用克里金插值方法，先选择有限的空间点，利用高斯耦合来模拟地震损失随距离变化的空间分布，然后利用克里金插值法将剩余的空间点补充上，这样得到所有位置上的地震损失空间距离相关分位数；
19.第六步，计算出地震损失空间距离相关分位数，需要同时考虑空间相关和空间独立两项：
[0020][0021]
其中qc为距离空间相关性项，qi距离空间独立项，φ为累计分布函数(cumulative distribution function),ρ为组合参数；
[0022]
第七步，得到每一个点的分位数之后，再根据该点的建筑物特性等选择对应的易损性曲线，再结合每个地震的地震动，得到对应建筑物相对每一个地震的平均损伤比(mdr)和损失标准差(std)；
[0023]
第八步，利用得到的损失比与标准差，根据选定的地震损失分布和损失分位数就可以计算得出该位置各类建筑物对应每一个地震的损失，将所有位置所有建筑物的损失加起来就可以得到地震总损失。
[0024]
与现有技术相比，本发明的有益效果是：本发明采用最新的衰减模型和计算公式来计算地震动，同时选取目标场地处最新的vs30作为场地类别的判断依据，估算目标场地处的衰减地震动，提升了系统的估算的准确性，同时本发明计算简单准确，便于快速计算得出震后建筑损伤及经济损失，利用金融模块根据损失快速生成保险赔付方案，有利于保险公司的快速赔付，并且有效分析模块和应用验证模块对计算得出的数据进行分析计算，保证了系统预测的精确性，同时统计分析模块对系统使用时的数据和日志文件进行分析，得出系统存在的问题，便于系统及时更新弥补漏洞。
附图说明
[0025]
图1为本发明的系统结构框图；
[0026]
图中：1、数据集建立模块；2、灾害模块；21、空间地理位置集；22、地震事件集；23、地震灾害空间分布集；3、易损性模块；31、计算对比模块；32、曲线生成模块；4、空间相关性
模块；5、金融模块；6、有效分析模块；61、衰减模型有效性分析模块；62、易损性曲线有效性分析模块；7、应用验证模块；8、数据储存模块；9、日志记录模块；10、结果生成模块；11、系统更新模块；12、统计分析模块。
具体实施方式
[0027]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。
[0028]
请参阅图1，本发明提供的一种实施例：一种大数据模拟的巨灾风险模型系统，包括数据集建立模块1，还包括灾害模块2，通过模拟潜在地震事件的发生，使用衰减公式计算出所有受地震事件影响空间地理位置点的地震动强度im参数并汇总成模型输入数据集建立模块1；
[0029]
易损性模块3，通过风险暴露中建筑物的建筑层高、建筑结构、建造年代、空间分布位置因素确定对应的易损性类型；
[0030]
空间相关性模块4，从实际震害的角度给出地震损失的空间相关关系，保证了巨灾模型模型模拟的地震损失结果与实际地震事件发生时损失结果的一致性；
[0031]
金融模块5，通过数据的计算得到各潜在地震事件的损失结果和不同年份下地震损失情况分布，并利用保单中的免赔额、限额条件计算出保险损失和再保险损失。
[0032]
灾害模块2包含空间地理位置集21、地震事件集22和地震灾害空间分布集23。
[0033]
易损性模块3包括计算对比模块31和曲线生成模块32。
[0034]
还包括有效分析模块6，有效分析模块6包括衰减模型有效性分析模块61和易损性曲线有效性分析模块62。
[0035]
有效分析模块6电性连接有应用验证模块7，且应用验证模块7电性连接有日志记录模块9，日志记录模块9电性连接有数据储存模块8，数据储存模块8电性连接有结果生成模块10，且结果生成模块10电性连接有统计分析模块12，统计分析模块12电性连接有系统更新模块11。
[0036]
一种大数据模拟的巨灾风险模型方法，包括如下步骤：
[0037]
第一步，以第五代区划图(gb 18306—2015)数据为基础，确定了地震事件集以及各地震事件震级和震中位置等信息；
[0038]
第二步，确定地震事件的震级和震中位置后，首先通过位置点的经纬度信息计算震中距r，再利用衰减关系计算位置点的地震动强度参数sa；
[0039]
第三步，得到每个空间地理位置的地震动后，考虑场地条件对地震动的影响，将30米等效剪切波速vs30转化为我国的场地条件，并将各空间地理位置的地震动与各位置场地条件对应的放大系数相乘；
[0040]
第四步，计算得到综合考虑场地条件及地震动放大系数空间灾害分布集后，对空间灾害分布集中的数据进行筛选，筛选出sa大于等于50gal(烈度五度以上)的数据，整理后写入模型数据库；
[0041]
第五步，使用克里金插值方法，先选择有限的空间点，利用高斯耦合来模拟地震损
失随距离变化的空间分布，然后利用克里金插值法将剩余的空间点补充上，这样得到所有位置上的地震损失空间距离相关分位数；
[0042]
第六步，计算出地震损失空间距离相关分位数，需要同时考虑空间相关和空间独立两项：
[0043][0044]
其中qc为距离空间相关性项，qi距离空间独立项，φ为累计分布函数(cumulative distribution function),ρ为组合参数；
[0045]
第七步，得到每一个点的分位数之后，再根据该点的建筑物特性等选择对应的易损性曲线，再结合每个地震的地震动，得到对应建筑物相对每一个地震的平均损伤比(mdr)和损失标准差(std)；
[0046]
第八步，利用得到的损失比与标准差，根据选定的地震损失分布和损失分位数就可以计算得出该位置各类建筑物对应每一个地震的损失，将所有位置所有建筑物的损失加起来就可以得到地震总损失。
[0047]
以上详细说明针对本发明的可行实施例之具体说明，惟实施例并非用以限制本发明的专利范围，凡未脱离本发明技艺精神所为之等效实施或变更，均应包含于本发明的保护范围中。