[发明专利]基于GA优化BP神经网络的城市暴雨灾害风险评估方法及系统

权利要求书

1.一种基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于，包括以下步骤：

建立包括致灾因子危险性、孕灾环境敏感性、承灾体的脆弱性、防灾抗灾能力的暴雨灾害风险评估体系；

基于k-means聚类历史灾损数据生成风险等级标签，所述风险等级标签包括有极高风险、高风险、中风险和低风险四个标签；

根据所述暴雨灾害风险评估体系和风险等级标签，构建GA优化神经网络暴雨灾害风险评估模型；

将实时降雨量输入所述暴雨灾害风险评估模型中，获得特定时段内的风险等级标签。

2.根据权利要求1所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述致灾因子危险性由等效日降雨量衡量，所述等效日降雨量在某一时段的转换关系为：

D＝εPT^β

其中，D为等效日降雨量，P为T时长的降雨量，ε和β为转化系数；

所述致灾因子的危险性的量化计算公式为：

其中，W为暴雨致灾因子危险性，p′为累计降雨量阈值，当等效日降雨量D小于p′时，致灾因子危险性为0，当等效日降雨量超过p′时，致灾因子危险性呈指数型增长。

3.根据权利要求2所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述孕灾环境敏感性包括地形、地势、水系的评价指标，所述地形从高程数据获取，所述地势通过某一格点的高程与周围八个格点的高程标准差来计算，所述水系通过城市中河流面积和长度表示；

所述承灾体的脆弱性包括人口数量、人均GDP、路网密度三个评价指标；

所述防灾抗灾能力包括防汛路段长度和防汛点数量的两个评价指标；

将所述地形、地势、水系、人口数量、人均GDP、路网密度、防汛路段长度和防汛点数量八个评价指标无量纲化处理。

4.根据权利要求3所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于，所述基于k-means聚类历史灾损数据生成风险等级标签，包括以下步骤：

获取历史受灾数据，统计受灾人数、直接经济损失和农作物受灾面积；

将所述受灾人数、直接经济损失和农作物受灾面积采用min-max标准化方法进行无量纲处理；

随机选择四个聚类的质心，对每个数据点求其到质心的距离，将每个数据点的类划分为离该数据点最近的质心，形成四个簇，根据分类好的簇，在每个簇内重新计算质心，重复迭代更新质心，直到达到稳定状态；

将分类后的数据，根据受灾情况分别对应到特大灾、大灾、中灾和小灾四个受灾等级，将受灾等级映射为对应的风险等级标签，特大灾对应为极高风险，大灾对应为高风险，中灾对应中风险，小灾对应低风险。

5.根据权利要求4所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述构建GA优化神经网络暴雨灾害风险评估模型，包括以下步骤：

构建包括输入层、隐含层和输出层的BP神经网络；

获取样本数据，将样本数据分为训练数据和测试数据；

使用遗传算法优化BP神经网络的权重和阈值。

6.根据权利要求5所述的基于GA优化BP神经网络的城市暴雨灾害风险评估方法，其特征在于：所述输入层包括有致灾因子危险性、地形、地势、水系、人口数量、人均GDP、路网密度、防汛路段长度和防汛点数量9个神经元节点；

所述隐含层为1层，所述隐含层包括有19个神经元节点；

所述输出层包括有特大灾、大灾、中灾和小灾4个神经元节点。