本技术涉及灾害预警,特别涉及一种城市街区风致灾害综合风险预警方法及装置。
背景技术:
1、近年来,极端大风天气频发,导致房屋坍塌、高层建筑外窗脱落、供电和通讯线路中断、树木倒伏等各类社区安全事件,严重威胁城市街区安全。因此,亟需开展城市街区风灾破坏综合风险评估研究,以辅助实时应急决策、指导城市安全设计,保障城市社区安全。
2、相关技术中,风致灾害风险评估技术多围绕城市街区单一承灾载体(如输电塔、输电线缆、建筑物、建筑物外围结构、行道树等)展开,例如:国家气象中心(中央气象台)公开了一种基于gales模型的城市行道树风灾概率预估方法。该方法借助空间分辨率5公里的中国气象局智能网格风速预报数据,结合双线性插值,获取城市风速预测值,进一步地,使用gales模型,计算不同树种的断裂和倒伏的临界风速,获取城市树木受损概率。
3、然而,相关技术中,风场计算精度较低、计算速度较慢,无法快速有效的实现城市街区风场的精细化实时重构,且无法实现实际场景中复杂多样的城市街区承灾载体风致风险的综合性评价,缺乏界面可视化、结果定量化、可实际应用的风致灾害风险预警,亟待解决。
技术实现思路
1、本技术提供一种城市街区风致灾害综合风险预警方法及装置,以解决相关技术中,风场计算精度较低、计算速度较慢,无法快速有效的实现城市街区风场的精细化实时重构,且无法实现实际场景中复杂多样的城市街区承灾载体风致风险的综合性评价,缺乏界面可视化、结果定量化、可实际应用的风致灾害风险预警等问题。
2、本技术第一方面实施例提供一种城市街区风致灾害综合风险预警方法,包括以下步骤:基于预先建立的物理启发-数据驱动学习框架,对目标城市街区风场进行实时重构,得到所述目标城市街区的实时风场;基于预先构建的多承灾载体风致灾害风险评估模型库,查询所述实时风场对应的承灾载体子模型;根据所述实时风场和所述承灾载体子模型计算所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果,以生成预警提示,进行风险预警。
3、可选地,在本技术的一个实施例中,所述基于预先建立的物理启发-数据驱动学习框架,对目标城市街区风场进行实时重构,得到所述目标城市街区的实时风场,包括:基于目标神经网络重构流场物理特征深度学习模型,根据所述城市街区的特征点处的模拟风速和预设风场cfd数据集捕获所述城市街区的流体物理机制和流场结构特征,以重构模拟数据集上的初始风场;以所述特征点处的稀疏实测数据为输入,根据所述流体物理机制和所述流场结构特征反演计算所述城市街区空间各点的实时风速,以根据所述实时风速得到所述城市街区的初始风场;基于稀疏实测数据驱动的建模误差对所述初始风场进行修正,以得到所述城市街区的实时风场。
4、可选地,在本技术的一个实施例中,在构建所述城市街区的多承灾载体风致灾害风险评估模型库之前,还包括:基于目标城市街区风致灾害承灾载体,识别所述城市街区的承灾载体潜在损伤类型;以临界风速和超越概率为度量准则,根据所述实时风场和所述承灾载体潜在损伤类型结合目标概率分布模型构建所述城市街区的多承灾载体风致灾害风险评估模型库。
5、可选地,在本技术的一个实施例中,所述根据所述实时风场和所述承灾载体子模型计算所述目标城市街区的风致灾害承灾载体损伤等级和综合风险等级空间分布结果,包括:获取所述城市街区的至少一个重点区域;基于所述至少一个重点区域,对所述多承灾载体风致灾害风险评估模型库中的承灾载体子模型进行赋权,以得到所述城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果。
6、可选地,在本技术的一个实施例中,所述根据所述实时风场和所述承灾载体子模型计算所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果,以生成预警提示,包括:获取所述城市街区的实际稀疏监测数据;根据所述实时风场和所述承灾载体子模型计算并输出所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果及综合风险等级空间分布结果,以生成所述预警提示。
7、本技术第二方面实施例提供一种城市街区风致灾害综合风险预警装置,包括:第一构建模块,用于基于预先建立的物理启发-数据驱动学习框架,对目标城市街区风场进行实时重构,得到所述目标城市街区的实时风场;查询模块,用于基于预先构建的多承灾载体风致灾害风险评估模型库,查询所述实时风场对应的子模型;预警模块,用于根据所述实时风场和所述子模型计算所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果,以生成预警提示,进行风险预警。
8、可选地,在本技术的一个实施例中,所述第一构建模块,包括:构建单元,用于基于目标神经网络重构流场物理特征深度学习模型,根据所述城市街区的特征点处的模拟风速和预设风场cfd数据集捕获所述城市街区的流体物理机制和流场结构特征;计算单元,用于以所述特征点处的稀疏实测数据为输入,根据所述流体物理机制和所述流场结构特征反演计算所述城市街区空间各点的实时风速,以根据所述实时风速得到所述城市街区的初始风场;修正单元,用于基于稀疏实测数据驱动的建模误差对所述初始风场进行修正,以得到所述城市街区的实时风场。
9、可选地,在本技术的一个实施例中,还包括:识别模块,用于在构建所述城市街区的多承灾载体风致灾害风险评估模型库之前,基于目标城市街区风致灾害承灾载体,识别所述城市街区的承灾载体潜在损伤类型;第二构建模块,用于以临界风速和超越概率为度量准则,根据所述实时风场和所述承灾载体潜在损伤类型结合目标概率分布模型构建所述城市街区的多承灾载体风致灾害风险评估模型库。
10、可选地,在本技术的一个实施例中,所述预警模块,包括:第一获取单元,用于获取所述城市街区的至少一个重点区域;赋权单元,用于基于所述至少一个重点区域,对所述多承灾载体风致灾害风险评估模型库中的子模型进行赋权,以得到所述城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果。
11、可选地,在本技术的一个实施例中,所述预警模块,包括:第二获取单元,用于获取所述城市街区的实际稀疏监测数据;生成单元,用于根据所述实时风场和所述承灾载体子模型计算并输出所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果及综合风险等级空间分布结果,以生成所述预警提示。
12、本技术第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的城市街区风致灾害综合风险预警方法。
13、本技术第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的城市街区风致灾害综合风险预警方法。
14、本技术第五方面实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被执行时,以用于实现如上的城市街区风致灾害综合风险预警方法。
15、本技术实施例可以构建物理启发-数据驱动的两阶段深度学习方法和多承灾载体风致灾害风险评估模型库,计算并输出城市街区承灾载体损伤等级及综合风险等级空间分布结果,并基于该结果进行预警提示。由此,实现了通过融合流场物理特征深度学习模型与基于稀疏实测数据建模误差修正技术的风场实时重构方法,达到城市街区风场的实时精细化反演,通过城市街区风致灾害风险评估模型通用构建方法构建多承灾载体风致灾害风险评估模型库,实现城市街区风致灾害承灾载体损伤可能性及综合风险等级空间分布快速计算,为决策者提供实时决策建议,为科学决策和精准防控提供助力。由此,解决了相关技术中,风场计算精度较低、计算速度较慢,无法快速有效的实现城市街区风场的精细化实时重构,且无法实现实际场景中复杂多样的城市街区承灾载体风致风险的综合性评价,缺乏界面可视化、结果定量化、可实际应用的风致灾害风险预警等问题。
16、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
1.一种城市街区风致灾害综合风险预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述基于预先建立的物理启发-数据驱动学习框架,对目标城市街区风场进行实时重构,得到所述目标城市街区的实时风场,包括:
3.根据权利要求1所述的方法,其特征在于,在构建所述城市街区的多承灾载体风致灾害风险评估模型库之前,还包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述实时风场和所述承灾载体子模型计算所述目标城市街区的风致灾害承灾载体损伤等级和综合风险等级空间分布结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述实时风场和所述承灾载体子模型计算所述目标城市街区的风致灾害承灾载体损伤等级空间分布结果和综合风险等级空间分布结果,以生成预警提示,包括:
6.一种城市街区风致灾害综合风险预警装置,其特征在于,包括以下步骤:
7.根据权利要求6所述的装置,其特征在于,所述构建模块,包括:
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的城市街区风致灾害综合风险预警方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的城市街区风致灾害综合风险预警方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被执行时,以用于实现如权利要求1-5任一项所述的城市街区风致灾害综合风险预警方法。