[发明专利]一种基于算法的灾害风险预警管理系统以及预测方法

权利要求书

1.一种基于云计算的灾害风险预警管理系统，其特征在于：包括

基建管理单元(100)、数据处理单元(200)、风险研究单元(300)和预警管理单元(400)；所述基建管理单元(100)、所述数据处理单元(200)、所述风险研究单元(300)与所述预警管理单元(400)依次通过网络通信连接；所述基建管理单元(100)用于对预警管理系统运行的基础设施进行管理控制，所述基础设施包括设备、传感装置、数据库、通讯技术；所述数据处理单元(200)用于对通过各目标监测终端获取的监测数据进行聚类、统计处理；所述风险研究单元(300)用于构建灾害风险的层次模型并基于云计算对灾害的风险等级进行计算评估；所述预警管理单元(400)用于以多元形式展示分析结果并对灾害风险进行预警管理；

所述基建管理单元(100)包括基础设备模块(101)、监测传感模块(102)、分布数据库模块(103)和通讯支持模块(104)；

所述数据处理单元(200)包括采集传输模块(201)、密度聚类模块(202)、二次聚类模块(203)和归类统计模块(204)；

所述风险研究单元(300)包括层次模型模块(301)、判断计算模块(302)、评价分级模块(303)和风险评估模块(304)；

所述预警管理单元(400)包括报表图形模块(401)、综合报告模块(402)、多元展示模块(403)和风险告警模块(404)；

所述基础设备模块(101)、所述监测传感模块(102)、所述分布数据库模块(103)与所述通讯支持模块(104)依次通过网络通信连接；所述基础设备模块(101)用于提供并管理构成系统运行的处理设备；所述监测传感模块(102)用于在监测区域内布设若干可能形成自然灾害的气象环境目标监测终端传感器并实时获取各传感器采集的对应状态数据；所述分布数据库模块(103)用于基于区块链技术在云端建立分布式数据库以便在终端近端处提供数据服务；所述通讯支持模块(104)用于通过多种通信技术在系统各层面、系统内各设备之间建立信号连接及数据传输的通道；所述分布数据库模块(103)采用主备库方式进行数据同步，其中，具体包括：判断主备数据文件数量是否一致，若不一致则重传最新的控制文件；检查主库日志范围并对比备库控制文件系统改变号，若备库的控制文件小于日志范围则重传最新的控制文件；重传控制文件后，更新控制文件对应的数据文件信息；检测备库数据文件是否在主库日志范围内；重传断档的数据文件及未发送的数据文件，并更新控制文件信息；执行一次日志归档，记录最后一条记录的首次更改号，确定待传输的归档日志；将差异的归档日志从主库传输到备库；对备库进行数据恢复，保证所有数据文件都已经传输完成，并且日志应用到最新状态；重新打开备库，验证数据库是否可以正常打开，并校验数据文件是否存在传输错误；判断主备数据文件数量是否一致的具体方法流程包括如下步骤：登录到数据库，确认主库，并采用细粒度原理搭建若干备库；检测并获取主库内数据文件的数量n；检测并获取备库内数据文件的数量m；判断主备数据文件数量n和m是否一致；若数量不一致，为n＞m，则将主库中最新的(n-m)个控制文件重新传输到备库；若数量一致，即n＝m，则进入后续步骤；

所述采集传输模块(201)的信号输出端与所述密度聚类模块(202)的信号输入端连接，所述密度聚类模块(202)的信号输出端与所述二次聚类模块(203)的信号输入端连接，所述二次聚类模块(203)的信号输出端与所述归类统计模块(204)的信号输入端连接；所述采集传输模块(201)用于通过布设的各目标监测终端采集获取相应的状态数据并实时传输到预警管理系统的数据处理单元(200)；所述密度聚类模块(202)用于在数据处理单元(200)统计处理的数据中随机抽取部分样本数据，对抽样数据进行基于密度的聚类处理，快速聚类确定簇数和初始簇心；所述二次聚类模块(203)用于将样本密度聚类获取的簇数和初始簇心作为输入条件对数据处理单元(200)统计处理的数据进行快速聚类处理；所述归类统计模块(204)用于根据快速聚类的结果，根据检测数据的目标类型分别进行归类、统计及存储，以便后续对存在相关性的数据进行碰撞分析；

所述层次模型模块(301)的信号输出端与所述判断计算模块(302)的信号输入端连接，所述判断计算模块(302)的信号输出端与所述评价分级模块(303)的信号输入端连接，所述评价分级模块(303)的信号输出端与所述风险评估模块(304)的信号输入端连接；所述层次模型模块(301)用于根据灾害风险在区域内可能造成的影响，选取多个指标分别进行归一化处理，以各指标作为灾害风险评估的初始值，并依据风险评估要求建立风险评估的层次结构模型；所述判断计算模块(302)用于构造各风险指标因素的判断矩阵，并通过对矩阵的分析计算来获取各指标在综合风险度评估中的权重值；所述评价分级模块(303)用于通过结合层次结构分析法计算各指标的权重矩阵，并结合风险评价指标建立灾害风险度评价指数的数学模型，并依据一定的评判标准来将区域内灾害的风险程度依指数划分为不同等级；所述风险评估模块(304)用于结合区域内大量的环境条件，分别对不同类型的灾害及风险程度进行统计评估及分析；

所述判断计算模块(302)包括构造矩阵模块(3021)、层次单排序模块(3022)、层次总排序模块(3023)和特征向量模块(3024)；所述构造矩阵模块(3021)的信号输出端与所述层次单排序模块(3022)的信号输入端连接，所述层次单排序模块(3022)的信号输出端与所述层次总排序模块(3023)的信号输入端连接，所述层次总排序模块(3023)的信号输出端与所述特征向量模块(3024)的信号输入端连接；所述构造矩阵模块(3021)用于在影响灾害形成的因子较多时，采用对因子进行两两对比建立成对比较矩阵的判断矩阵，以便更直观地反映层次结构中各因素之间的关系；所述层次单排序模块(3022)用于对构造的判断矩阵进行一致性检验以检查矩阵及由之导出的权重向量的合理性，并得出一组元素对其上一层中某元素的权重向量；所述层次总排序模块(3023)用于自上而下地将单准则下的权重进行合成以获取总排序权重，并由高层到低层地对层次总排序进行一致性检验；所述特征向量模块(3024)用于计算判断矩阵中的特征向量以作为各指标在综合风险度评估中的权重；

所述密度聚类模块(202)中，密度聚类的方法采用DBSCAN算法，该算法的具体步骤为：

Step1、以每一个数据点x_i为圆心，以eps为半径画一个圆圈，这个圆圈被称为x_i的eps邻域；

Step2、对这个圆圈内包含的点进行计算，若一个圆圈内的点数目超过了密度阈值MinPts，则将该圆圈的圆心记为核心点，又称核心对象，若某个点的eps邻域内点的个数小于密度阈值，且该点单独落在核心点的邻域内，则称该点为边界点，同时既不是核心点也不是边界点的点称为噪声点或离群点；根据eps邻域和密度阈值MinPts，依次完成所有数据的点类型判断，并删除噪声点或离群点；核心点x_i的eps邻域内的所有点，都是x_i的直接密度直达，若x_j由x_i密度直达，x_k由x_j密度直达，...，x_n由x_k密度直达，则通过密度直达的传递性可以推导出，x_n由x_i密度可达；如果对于x_k，使x_i和x_j都可以由x_k密度可达，则可称x_i和x_j密度相连，将密度相连的点连接在一起就形成了聚类簇；

Step3、将距离小于MinPts的两个核心点连接在一起，形成若干组簇；并将边界点分配到距离边界点最近的核心点范围内，直到形成最终的聚类结果。