[发明专利]灾害评估方法及系统

权利要求书

1.一种灾害评估方法，其特征在于，所述方法包括：

根据灾害类型，确定受灾区域的多个采样区；

获取各采样区的受灾情况数据；

根据所述受灾情况数据生成受灾情况矩阵；将获取的每个采样区的数据组合成一个向量αi=（N1，N2，...，Nn）用于代表该采样区的受灾情况，得到整个受灾区域的受灾情况矩阵M’ =（α1，α2，...，αn）^T;

对所述受灾情况矩阵进行降维处理，得到降维矩阵；将所述受灾情况矩阵中每个向量中的各元素进行离散标准化处理，得到标准化矩阵，具体是，对每个元素用最小-最大规范化计算，对原始数据进行线性变换，将其值映射到[0, 1]之间；计算公式如下：

其中，表示数据规范化后的数值，表示所述向量中元素的最小值，表示所述向量中元素的最大值；

其中，降维处理得到降维矩阵，具体包括：

使用PCA主成分分析算法对所述标准化矩阵进行降维处理，首先计算协方差矩阵C=1/m* M *M^T ， 其中，m表示矩阵M中的元素数量，再求出协方差矩阵的特征值（λ1，λ2，...λn）及对应的特征向量（c1，c2，...cn），将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P，Y=PX即为降维到k维后的数据；通过PCA算法将众多的变量转换为几个主要变量B1，B2...Bm；

利用差分进化算法对所述降维矩阵进行迭代处理，直至达到终止条件，输出灾害评估结果，其具体包括：步骤201，确定差分进化算法控制参数；差分进化算法控制参数包括：种群数量NP、变异算子F和交叉算子CR；

其中，种群数量NP主要反映差分进化算法中种群信息量的大小，NP值越大种群信息包含的越丰富；种群数量NP取降维矩阵Y的向量数量即降维矩阵Y的行业数的5~10倍，种群编码方式采用实数编码；

交叉算子CR是控制一个试验向量来自随机选择的变异向量而不是原来向量的概率的参数，表示在交叉的过程中，子代与父代、中间变异体之间交换信息量的大小程度；CR的值越大，信息量交换的程度越大；选取CR∈[0,2]；

变异算子F表示偏差向量的放大比例，选取F∈[0,2]；

步骤202，根据所述降维矩阵Y进行种群初始化，即根据降维矩阵Y中的向量随机产生初始种群；

步骤203，对初始种群进行评价，即计算初始种群中每个个体的适应度值；种群中每个个体是指降维矩阵Y中的一个行向量；

采用适应度函数采用加权函数，所述适应度表示为：

Fun（x） = β1*B1 + β2*B2 +...+βm*Bm；

其中，B1，B2...Bm为各变量，β1，β2... βm为权值

Fun（x）越大表明受灾越严重，相应的救灾优先级就越高；

步骤204，判断是否达到终止条件；若是，则执行步骤207；否则，执行步骤205；

设置所述终止条件为：种群中的每个个体的适应度满足设定条件或者进化代数达到最大值D，D取值100~200；其中，每个个体的适应度满足设定条件是：每个个体的适应度均小于设定的第一阈值、或者每个个体适应度与种群平均适应度的差值小于第二阈值；

步骤205，进行变异、交叉和选择操作，得到新一代种群；

所述变异操作是利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源，将差向量加权后按照设定规则与第三个个体求和而产生变异个体，即中间种群；

所述交叉操作是将变异个体与某个预先决定的目标个体进行参数混合，生成试验个体；

所述选择操作是在原种群和中间种群中选择个体，得到新一代种群，具体是将个体带入适应度函数进行计算，如果个体的适应度值优于目标个体的适应度值，则在下一代中试验个体取代目标个体，否则目标个体仍保存下来；

步骤206，进化代数m=m+1；然后执行步骤204；

步骤207，终止进化，并将得到的最佳个体作为最优解输出；

设定计算出来的最佳个体是x，采样区为yi(y1,y2,…,yn)，其中i表示第几个地点 1=i =n；

利用下面的公式算出每一个采样区yi与最佳个体的曼哈顿距离d：

；

其中，P=1，

距离d越小，代表离最佳个体越近，

令灾害评估指数M_i= 1 / d；所以M_i越大，就代表受到的灾害越严重，救援优先级就越高；

在每一代的进化过程中，每一个体向量作为目标个体一次，通过不断地迭代计算，保留优良个体，淘汰劣质个体，引导搜索过程向全局最优解逼近。

2.根据权利要求1所述的方法，其特征在于，所述灾害类型为台风；所述根据灾害类型，确定受灾区域的多个采样区包括：

根据台风的登陆地点及路线确定受灾区域的多个采样区。