[发明专利]一种基于大数据挖掘的洪涝灾害评估方法

权利要求书

1.一种基于大数据挖掘的洪涝灾害评估方法，其特征在于，包括以下步骤：

S1、获取洪涝灾害数据，并对所述洪涝灾害数据进行分词处理；

S2、根据分词处理结果，对洪涝等级进行划分；

S3、利用词频统计方法统计洪涝等级划分结果中的高频词汇及其TF值，并根据统计结果构建特征词列表；

S4、对所述特征词列表进行共词分析；

S5、利用隐含狄利克雷分布模型构建洪涝主题模型，并通过所述洪涝主题模型建立洪涝主题，并通过洪涝灾害文本对应每个洪涝主题的概率得到文本中每个词对应每个洪涝主题的概率以及每个洪涝主题产生的次数；

S6、根据文本中每个词对应每个洪涝主题的概率以及每个洪涝主题产生的次数，利用共词分析结果得到每个地域发生洪涝等级的概率，完成基于大数据挖掘的洪涝灾害评估。

2.根据权利要求1所述的基于大数据挖掘的洪涝灾害评估方法，其特征在于，所述步骤S4包括以下步骤：

S401、对所述特征词列表中的词汇对以及名词短语共同出现的次数进行统计，确定分析数据集；

S402、利用洪涝等级划分结果确定洪涝等级的关键词；

S403、根据所述特征词列表构建二维矩阵；

S404、遍历所有特征词列表，构建全部特征词之间的组合，并判断所述组合是否在同一篇文本中出现，若是，则存入二维矩阵对应的位置，并构建共词矩阵，并进入步骤S405，否则，重复步骤S404；

S405、根据所述分析数据集、洪涝等级的关键词以及共词矩阵，完成对特征词列表的共词分析。

3.根据权利要求1所述的基于大数据挖掘的洪涝灾害评估方法，其特征在于，所述步骤S5中洪涝主题中词分布的表达式如下：

其中，表示洪涝主题中的词分布，表示第k个主题的词分布，表示第m个文档的词编号，Z_i表示第i个词在主题中的编号，w_i表示第i个词在字典中的序号，p(·)表示生成概率，表示主题下词的多项式分布的狄利克雷函数现验参数，Dir(·)表示隐含狄利克雷分布模型记录结果，第t个文档中k个主题中的词个数，V的总文档数，β_t表示第t个文档下主题的多项式狄利克雷函数先验参数，t表示第一个文档。

4.根据权利要求1所述的基于大数据挖掘的洪涝灾害评估方法，其特征在于，所述步骤S5中洪涝主题的分布表达式如下：

其中，表示洪涝主题的分布，表示第m个文档的主题编号，N_m表示第m个文档包含的词总数，n表示文本中词的个数，z_m,n表示第m个文档第n个词的主题编号，p(·)表示生成概率，表示第m个文档的主题分布，表示文档主题的多项式分布的狄利克雷函数现验参数，Dir(·)表示隐含狄利克雷分布模型记录结果，表示第k主题下的词分布向量，表示第m个文档中的词个数，表示第k主题文档中m个文档中的词个数，a_m表示第m个文档下主题的多项式狄利克雷函数先验参数，K表示主题总数。

5.根据权利要求1所述的基于大数据挖掘的洪涝灾害评估方法，其特征在于，所述步骤S5中各洪涝主题的相关性的表达式如下：

其中，label_e表示各主题的相关性，x_e表示样本，μ_j表示选择的f个类别中心，c_j表示e个类别与f个类别中距离最近的类别，j表示e个类别与f个类别的某一的类别。