生成洪澇風險圖的方法及裝置、非易失性存儲介質與流程

本技術涉及數據處理，具體而言，涉及一種生成洪澇風險圖的方法及裝置、非易失性存儲介質。

背景技術：

1、電網作為支撐社會經濟發展的重要基礎設施，其穩定運行至關重要。然而，洪澇災害頻發對電網安全構成了嚴重威脅，因此，監測電網洪澇風險的技術應運而生。相關技術中，通過對電網長期測量得到的時間序列數據進行統計分析的方式預測電網的洪澇風險，存在預測結果準確率低的問題。

2、針對上述的問題，目前尚未提出有效的解決方案。

技術實現思路

1、本技術實施例提供了一種生成洪澇風險圖的方法及裝置、非易失性存儲介質，以至少解決通過對電網長期測量得到的時間序列數據進行統計分析的方式預測電網的洪澇風險，得到的預測結果的準確率低的技術問題。

2、根據本技術實施例的一個方面，提供了一種生成洪澇風險圖的方法，包括：獲取待檢測區域的在檢測時段內的洪澇災害相關數據，其中，洪澇災害相關數據中至少包括：多個淹沒點位；在洪澇災害相關數據中確定每個淹沒點位的地理災害數據，其中，地理災害數據用于描述淹沒點位的地理特征和洪澇災害特征；采用洪澇災害預測模型對地理災害數據進行處理分析，得到每個淹沒點位的洪澇災害等級預測值，其中，洪澇災害預測模型是采用粒子群優化算法訓練得到的神經網絡模型；根據多個洪澇災害等級預測值生成待檢測區域的洪澇風險圖，其中，在洪澇風險圖中，與屬于不同數值范圍的洪澇災害等級預測值對應的區域在洪澇風險圖中表現為不同的顏色。

3、可選地，洪澇災害相關數據中還包括：描述地形地貌的第一類數據、描述氣候特征的第二類數據、描述土壤類型的第三類數據、描述植被覆蓋情況的第四類數據、洪澇災害發生頻率、洪澇災害強度、洪澇災害影響范圍；在洪澇災害相關數據中確定每個淹沒點位的地理災害數據，包括：對于每個淹沒點位，確定淹沒點位的貢獻密度和空間坐標，其中，貢獻密度用于指示淹沒點位的淹沒范圍；根據洪澇災害相關數據和每個淹沒點位的貢獻密度生成密度分布圖，并根據密度分布圖確定用于描述淹沒點位的洪澇災害特征的地理災害數據，其中，密度分布圖展示了不同淹沒范圍的洪澇災害發生頻率、洪澇災害強度和洪澇災害影響范圍，每個淹沒范圍內的洪澇災害發生頻率、洪澇災害強度、洪澇災害影響范圍為淹沒范圍對應的淹沒點位的洪澇災害特征的地理災害數據；根據空間坐標確定與淹沒點位關聯的第一類數據、第二類數據、第三類數據和第四類數據，其中，與每個淹沒點位關聯的第一類數據、第二類數據、第三類數據和第四類數據為用于描述淹沒點位的地理特征的地理災害數據。

4、可選地，采用洪澇災害預測模型對地理災害數據進行處理分析，得到每個淹沒點位的洪澇風險預測值，包括：對于不同類型的地理災害數據，在地理災害數據中確定與洪澇災害的形成、洪澇災害的發展以及洪澇災害的影響程度相關的多個特征因子；針對每個特征因子生成對應的特征圖，其中，特征圖用于展示特征因子代表的物理信息在待檢測區域的空間分布；采用洪澇災害預測模型對多個特征圖進行處理分析，得到每個淹沒點位的洪澇風險預測值。

5、可選地，洪澇災害預測模型是通過以下方法訓練得到的：獲取待檢測區域的歷史洪澇災害數據，在歷史洪澇災害數據中確定代表海拔高度的目標數據，并根據目標數據在歷史洪澇災害數據中提取訓練集，其中，訓練集中包括：洪澇災害相關數據、洪澇災害等級；利用訓練集和粒子群優化算法對神經網絡模型進行迭代訓練，直到迭代次數達到預設次數，停止進行迭代訓練，得到洪澇災害預測模型。

6、可選地，根據目標數據在歷史洪澇災害數據中提取訓練集，包括：根據目標數據的數值確定多個數值區間，其中，每個數值區間對應不同的取值范圍；根據多個數值區間確定多個數據集合，其中，每個數據集合中包含以下數據：數值屬于數值區間的目標數據、目標數據對應的目標淹沒點位、與淹沒點位關聯的地理災害數據；對于每個數據集合，將數據集合中的數據進行歸一化處理，并確定進行了歸一化處理后的數據的方差；確定數據集合的第一數據量，并確定第一數據量與第二數量的比值，其中，第二數量為歷史洪澇災害數據的數量；根據數據集合的第三數量、方差和比值確定目標數量，其中，目標數量為訓練集的數據量；在歷史洪澇災害數據中提取目標數據量的數據作為訓練集。

7、可選地，利用訓練集和粒子群優化算法對神經網絡模型進行迭代訓練，其中，每次進行迭代訓練時，包括：將由待訓練模型的多個模型參數組成的集合確定為待優化粒子，其中，下一次迭代訓練中的待訓練模型為上一次迭代訓練輸出的模型，第一次進行迭代訓練時，待訓練模型為神經網絡模型；采用粒子群優化算法對待優化粒子進行更新，直到迭代次數達到預設次數，輸出目標粒子，其中，目標粒子中包含多個模型參數的多個更新值；將神經網絡模型的每個模型參數的數值調整為對應的更新值，得到洪澇災害預測模型。

8、可選地，每次迭代訓練輸出的模型是通過以下方法確定的：采用待訓練模型對訓練集中的洪澇災害相關數據進行分析處理，得到第一預測結果，其中，第一預測結果是待訓練模型輸出的洪澇災害等級預測值；采用更新后模型對訓練集中的洪澇災害相關數據進行分析處理，得到第二預測結果，其中，更新后模型是調整了模型參數后的待訓練模型，第二預測結果是更新后模型輸出的洪澇災害等級預測值；確定第一預測結果與訓練集中的洪澇風險等級的第一誤差值，并確定第二預測結果與訓練集中的洪澇風險等級的第二誤差值；在第一誤差值小于第二誤差值的情況下，輸出待訓練模型；在第一誤差值大于或者等于第二誤差值的情況下，輸出更新后模型。

9、根據本技術實施例的另一方面，還提供了一種生成洪澇風險圖的裝置，包括：獲取模塊，用于獲取待檢測區域的在檢測時段內的洪澇災害相關數據，其中，洪澇災害相關數據中至少包括：多個淹沒點位；確定模塊，用于在洪澇災害相關數據中確定每個淹沒點位的地理災害數據，其中，地理災害數據用于描述淹沒點位的地理特征和洪澇災害特征；分析模塊，用于采用洪澇災害預測模型對地理災害數據進行處理分析，得到每個淹沒點位的洪澇災害等級預測值，其中，洪澇災害預測模型是采用粒子優化算法訓練得到的神經網絡模型；生成模塊，用于根據多個洪澇災害等級預測值生成待檢測區域的洪澇風險圖，其中，在洪澇風險圖中，與屬于不同數值范圍的洪澇災害等級預測值對應的區域在洪澇風險圖中表現為不同的顏色。

10、根據本技術實施例的另一方面，還提供了一種非易失性存儲介質，非易失性存儲介質中存儲有計算機程序，其中，在非易失性存儲介質所在設備通過運行計算機程序執行上述的生成洪澇風險圖的方法。

11、根據本技術實施例的另一方面，還提供了一種電子設備，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器被設置為通過計算機程序執行上述的生成洪澇風險圖的方法。

12、根據本技術實施例的另一方面，還提供了一種計算機程序產品，包括計算機指令，計算機指令被處理器執行時實現上述的生成洪澇風險圖的方法的步驟。

13、在本技術實施例中，采用獲取待檢測區域的在檢測時段內的洪澇災害相關數據，其中，洪澇災害相關數據中至少包括：多個淹沒點位；在洪澇災害相關數據中確定每個淹沒點位的地理災害數據，其中，地理災害數據用于描述淹沒點位的地理特征和洪澇災害特征；采用洪澇災害預測模型對地理災害數據進行處理分析，得到每個淹沒點位的洪澇災害等級預測值，其中，洪澇災害預測模型是采用粒子群優化算法訓練得到的神經網絡模型；根據多個洪澇災害等級預測值生成待檢測區域的洪澇風險圖，其中，在洪澇風險圖中，與屬于不同數值范圍的洪澇災害等級預測值對應的區域在洪澇風險圖中表現為不同的顏色的方式，通過采用基于粒子群優化算法的神經網絡模型對配電網所在區域的多個淹沒點位進行處理分析的方式預測待檢測區域的洪澇風險，其中，基于粒子優化算法的神經網絡模型在預測洪澇風險時，進行全局最優解的搜索，達到了避免得到的結果是局部最優解的目的，從而實現了提高預測結果的準確性的技術效果，進而解決了通過對電網長期測量得到的時間序列數據進行統計分析的方式預測電網的洪澇風險，得到的預測結果的準確率低技術問題。