[发明专利]基于气象的城市运行管理大数据分析预测方法和系统

权利要求书

1.一种基于气象的城市运行管理大数据分析预测方法，其特征在于，包括：

采集数据源，生成事件数量预测模型训练集；

基于所述训练集，采用两步法建模分别对事件发生概率和事件发生数量进行建模；

在事件发生概率模型中，采用梯度提升模型预测各对象在t时间内是否会发生事件，并将各对象在t时间内是否发生事件的概率作为输出；

在事件发生数量模型中，采用梯度提升模型预测各对象一旦发生事件时在t时间内发生事件的数量；

将事件预期发生的概率与事件一旦发生时的预期数量相乘，得到事件发生的数量值，建立事件数量预测模型。

2.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，所述数据源包括气象自动站数据、格点化气象要素预报数据、网格事件数据、热线事件数据以及110事件气象灾情数据。

3.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，所述梯度提升模型为基于LightGBM的梯度提升模型，在此基础上引入随机截距模型和随机效应模型对模型进行优化升级。

4.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，还包括针对时间数据、历史和实况气象要素数据以及历史和实况城市运行数据进行特征挖掘，并作为所述事件数量预测模型的输入，加入模型训练。

5.如权利要求4所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，在所述历史和实况城市运行数据特征的挖掘中，采用偏自相关系数来判定事件发生数量在时间上的延后性。

6.如权利要求4所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，在历史和实况气象要素数据特征的挖掘上，考量各气象要素对事件发生数量的瞬时以及历史影响，并且，在历史气象要素对事件发生数量的影响上，采用交叉相关系数来计算事件发生数量与不同气象要素在时间上的滞后关系。

7.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，在建立所述事件数量预测模型的同时，还包括采用所述两步法建模选取与气象影响密切相关的事件场景，建立场景模型。

8.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，还包括建立事件风险预警模型：通过结合历史事件发生数量分位数以及事件发生数的绝对阈值，制定事件预警标准。

9.如权利要求1所述的基于气象的城市运行管理大数据分析预测方法，其特征在于，还包括建立气象影响指数模型：

基于事件数量预测模型，计算出各个气象要素特征对于事件数量预测的百分比贡献度；

将所述气象要素特征在认定气象要素范围条件下的百分比贡献值作为基准，计算当前气象要素特征的百分比贡献值与所述基准的绝对偏差，将所述绝对偏差作为所述气象要素特征的影响指数。

10.一种基于气象的城市运行管理大数据分析预测系统，其特征在于：该系统用于执行如权利要求1～9中任意一项所述的基于气象的城市运行管理大数据分析预测方法。