-
公开(公告)号：CN118586212A
公开(公告)日：2024-09-03
申请号：CN202411068280.X
申请日：2024-08-06
Applicant: 南京信息工程大学
IPC: G06F30/20 , G06F17/13 , G06T17/05 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种洪涝预警预报中地形不确定性的评估方法，包括以下步骤：（1）通过航天飞机雷达地形测绘任务SRTM、先进星载热发射和反射辐射仪ASTER、高级陆地观测卫星ALOS获取数字高程模型，并进行预处理；（2）优化城市地形特征；（3）采用拉丁超立方采样构建多维参数空间；（4）基于样本数据进行洪涝水动力数值计算；（5）构建适合于城市地形特征相关因素的全局敏感性分析方法，采用Sobol定量方法，基于方差分解理论对地形数据各因素的不确定性及敏感性特征进行评估；本发明通过不确定性定量分析，阐明不同城市地形数据对洪涝水动力模拟的影响，提供了适用于城市区域洪涝水动力数值模拟的地形数据的参考，提升城市洪涝模拟精度及可靠度。
-
公开(公告)号：CN116522790A
公开(公告)日：2023-08-01
申请号：CN202310549076.9
申请日：2023-05-16
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F17/18 , G06F111/08
Abstract: 本发明公开了一种确定暴雨导致滑坡链式灾害影响区域的方法和系统，所述方法包括：获取观测地的历史滑坡数据和候选影响因子；将所述历史滑坡数据划分为模型构建样本、模型验证样本和模型测试样本；利用所述模型构建样本、所述模型验证样本和所述候选影响因子，获取所述观测地内各空间位置由暴雨诱发的滑坡链式灾害的发生概率；使用所述模型验证样本和所述发生概率确定所述滑坡链式灾害的启动滑源区域；根据所述启动滑源区域和所述模型测试样本得到所述观测地内所述滑坡链式灾害的影响区域；本发明解决了现有技术在评估滑坡灾害时只考虑了滑坡的启动发生点位的问题，能够准确获得滑坡实际可能造成影响的空间范围。
-
公开(公告)号：CN116303750A
公开(公告)日：2023-06-23
申请号：CN202310589703.1
申请日：2023-05-24
Applicant: 南京信息工程大学
IPC: G06F16/26 , G01W1/10 , G06F18/213 , G06F30/20 , G06F111/10
Abstract: 本发明公开了一种致灾气旋的多维度特征辨识方法和系统。所述方法包括：根据气旋的路径判断致灾范围，将所述致灾范围划分格点，获取所述致灾范围内各格点的气象数据，所述气象数据包括格点风速和格点降雨量；基于历史台风数据确定所述气象数据的致灾阈值，包括风速致灾阈值和降雨致灾阈值；利用致灾阈值、致灾范围和气象数据构建致灾气旋的多维度特征识别模型，建立致灾事件多维特征数据库；根据致灾事件多维特征数据库，进行致灾气旋多维度特征辨识。本发明建立了“路径‑影响范围‑强度变化‑持续时间”多维度特征辨识方法来对致灾气旋的特征进行逐时刻的、多维度的辨识，为进一步准确评估致灾气旋的社会经济暴露度和脆弱性提供技术支持。
-
公开(公告)号：CN113837668B
公开(公告)日：2022-04-08
申请号：CN202111412313.4
申请日：2021-11-25
Applicant: 南京信息工程大学
IPC: G06Q10/06 , G01W1/10 , G06F16/9537
Abstract: 本申请公开了一种极端气候事件辨识方法和系统，该方法在获取极端气候待识别区域的气候指标格点数据之后，对待识别区域内的各个事件中心进行逐步扩展，直到与事件中心相邻的所有格点的气候指标数值都不超过所述指标阈值为止。最终通过该方法可以得到待识别区域内极端气候事件的极端气候影响范围。进一步地，还可以通过平均值的计算方法得到各个极端气候事件的气候指标强度。本方法可以最终得出待识别区域内各个极端气候事件3个维度信息：极端气候影响范围、气候指标强度和持续时间，对各个极端气候事件能够较为全面地进行识别。
-
公开(公告)号：CN113688808A
公开(公告)日：2021-11-23
申请号：CN202111244196.5
申请日：2021-10-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，包括步骤：先对提取的遥感影像局部特征和全局特征，通过拉普拉斯金字塔融合模块重建原始遥感影像，生成融合图像；再通过语义分割网络，构建深度学习语义分割模型；然后通过图片标记工具，对融合图像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据集；最后用数据集训练深度学习语义分割模型，通过修改语义分割网络结构和调整模型参数，直至模型的损失曲线达到拟合、识别遥感影像中滑坡体的精度满足要求时，则保存该模型。本发明结合基于拉普拉斯金字塔的图像融合模型，能高效、精准地为滑坡灾害的防灾减灾提供有效的决策依据。
-
Patent Agency Ranking
公开(公告)号：CN113610437A
公开(公告)日：2021-11-05
申请号：CN202110973268.3
申请日：2021-08-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种承灾体动态暴露度评估方法及系统，所述方法包括以下步骤：建立气象要素和承灾体数据库；开展目标区域气象灾害指数评估；识别气象灾害阈值；确定灾害事件影响范围；预估不同共享社会经济路径下承灾体变化特征；采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；进行承灾体动态暴露度评估；所述系统包括数据获取模块、气象灾害指数评估模块、阈值确定模块、灾害范围获取模块、承灾体变化预估模块、承灾体网格化模块、暴露度动态评估模块。本发明解决了现有技术中对于气象灾害的承灾体暴露度评估不准确，且无法考虑动态变化特征的技术问题；提高了评估方法的准确性和可靠性。
-
公开(公告)号：CN119294269A
公开(公告)日：2025-01-10
申请号：CN202411808187.8
申请日：2024-12-10
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F30/28 , G06F18/27 , G06F18/20 , G06F18/243 , G06N5/01 , G06N7/01 , G06N20/20 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种结合机器学习集合预测的洪涝排水效应快速评估方法，包括以下步骤：（1）采集整理预测评估洪涝发生作用下排水效应的特征数据；（2）建立基于物理机制的洪涝水动力数值模型；（3）构建数据集并做数据预处理；（4）利用贝叶斯优化器确定各个回归模型最优超参数组合；（5）训练基于多种机器学习方法及超参数优化的各个回归模型；（6）对各个多回归模型进行集合预测，构建洪涝过程中排水作用效应的快速预测评估模型；（7）将步骤（6）训练好的模型用于快速评估预测；本发明提高了城市洪涝应急管理的响应速度。
-
公开(公告)号：CN113610438B
公开(公告)日：2024-04-23
申请号：CN202110973595.9
申请日：2021-08-24
Applicant: 南京信息工程大学
IPC: G06Q10/0635 , G06Q10/0639 , G06Q40/08 , G06Q50/02 , G06Q50/26
Abstract: 本发明公开了一种气象灾害保险指数评估方法及系统，所述方法包括以下步骤：S1、获取气象数据与灾损数据；S2、气象灾害危险性评估；S3、建立灾害损失评估模型；S4、构建气象灾害保险指数评估模型；S5、气象灾害保险指数产品开发与应用；所述系统包括气象数据与灾损数据获取模块、气象灾害危险性评估模块、灾害损失评估模型模块、气象灾害保险指数评估模型构建模块、产品开发与应用模块。本发明实现了根据气象灾害保险指数评估对理赔产品进行动态调整，达到了对气象灾害保险指数评估的精确化操作。
-
公开(公告)号：CN113610436B
公开(公告)日：2024-02-27
申请号：CN202110973111.0
申请日：2021-08-24
Applicant: 南京信息工程大学
IPC: G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种承灾体动态脆弱性评估方法及系统，所述方法包括以下步骤：建立灾情数据库；识别目标区域某一时段内的灾害特征；获取历次灾害事件承载体暴露度特征；绘制灾害损失率曲线，构建灾害损失‑强度‑恢复力动态评估模型；预估不同发展路径下目标区域承灾体特征和恢复力变化；构建承灾体脆弱性动态评估模型。所述系统包括数据获取模块、灾害判别模块、暴露度计算模块、动态评估模型模块、社会经济预估模块、动态脆弱性评估模块。本发明通过影响脆弱性的相关变量构建相应的评估模板获得承灾体脆弱性评估结果，达到了统一评估标准、量化分析参数的技术目的，实现了标准化、精确化评估的技术效果，进一步提高了灾害评估领域的智能化水平。
-
公开(公告)号：CN114626512B
公开(公告)日：2022-09-06
申请号：CN202210532112.6
申请日：2022-05-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于有向图神经网络的高温灾害预报方法，包括步骤如下：S1，将各气象要素分别进行标准化处理，使各气象要素按比例缩放在同一取值范围内；S2，构建有向图神经网络模型，将各气象要素作为图中的节点，采用图邻接矩阵描述各节点之间的关系；再采用逐步学习策略学习节点信息，并不断更新邻接矩阵的状态；S3，确定损失函数后开始训练有向图神经网络模型，通过调整学习率、优化器、正则化参数得到满足要求的模型作为预测模型，并保存预测模型；S4，输入历史气象数据，得到未来一段时间的高温灾害指数预报，发出相应的灾害预警。本发明在模型中加入了注意力机制，能够使模型关注对变量影响大的部分，更有利于有效信息的聚合。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.029 seconds)
