基于百度大数据的城市洪涝应急物资需求估算方法及应用

发布时间：2021-01-04 23:17

　　准确估算洪涝应急物资需求是城市公共安全应急管理的重要组成部分。提出了一种基于百度大数据统计人口动态数量的方法,将人口动态数量、季节系数和地区系数作为输入变量,运用极限学习机方法构建了洪涝灾害应急物资需求估算模型。以2019年5月25日武汉市发生特大暴雨事件为例,分别估算当天7时、14时和21时的中心城区应急物资需求量。结果表明,利用百度大数据能够统计人口动态数量,通过极限学习机所构建的洪涝灾害应急物资估算模型能够动态估算实时应急物资需求量。 

【文章来源】：安全与环境学报. 2020年05期 北大核心

【文章页数】：7 页

【部分图文】：

武汉市中心城区行政区划

选取受灾人口、季节系数及地区系数作为构建应急物资需求模型的输入变量。受灾人口是指突发灾害事件发生后，受灾区域内伤亡人员或受到财产损失人员的数量。应急物资种类和数量会因灾害发生的季节而有显著区别，依据相关参考文献和气象部门标准[16-17]，选取夏季(6—8月)的季节系数为1，春秋季(3—5月、9—11月)的为1.5，冬季(12—次年2月)的为2。地区系数与灾害自身强度无关，而取决于受灾地区的社会经济属性特征，与当地的人口密度和经济发展水平等相关。本文采用应急救援影响因素体系中贡献率较高的人口密度、经济密度及公路密度指标来计算地区系数，计算公式为式中f(Bi)为计算的第i个地区的地区系数，Pi、Ei、Ti分别为第i个地区的人口密度、经济密度、交通密度经min-max标准化后的值，W1、W2、W3分别为人口密度、经济密度、交通密度经熵权法确定的权重。

式中g(x)为激活函数，Wi=(Wi1,Wi2，…，Win)T为输入权重，βi为输出权重，bi为第i个隐层单元的偏置，Wi·Xj表示Wi和Xj的内积，oj为第j个输入样本的输出值。单隐层神经网络学习的目标是使得输出的误差最小，可以表示为

【参考文献】：
期刊论文
[1]基于大数据的灾害期间用户提及行为分析[J]. 李雪尘.  科技创新导报. 2019(04)
[2]基于百度地图大数据的城市人口特征分析[J]. 张博航,刘盈嵩.  中国科技信息. 2019(02)
[3]大数据时代城市公共安全应急管理面临的挑战与应对[J]. 周芳检,何振.  云南民族大学学报(哲学社会科学版). 2018(01)
[4]基于遥感的1973—2015年武汉市湖泊水域面积动态监测与分析研究[J]. 马建威,黄诗峰,许宗男.  水利学报. 2017(08)
[5]多应急点多需求点物资调度的灰色多目标规划[J]. 唐伟勤,邹丽,郭其云.  中国安全生产科学技术. 2016(11)
[6]面向灾害应急物资需求的灰色异构数据预测建模方法[J]. 曾波,孟伟,刘思峰,李川,崔杰.  中国管理科学. 2015(08)
[7]大数据视野下的重庆主城区职住关系剖析[J]. 冷炳荣,余颖,黄大全,易峥.  规划师. 2015(05)
[8]基于极限学习机的参考作物蒸散量预测模型[J]. 冯禹,崔宁博,龚道枝,魏新平,王君勤.  农业工程学报. 2015(S1)
[9]极限学习机在洪涝灾害预测中的应用[J]. 孙淼,陈涛涛,于洋,王子凰,迟道才.  沈阳农业大学学报. 2014(02)
[10]BP神经网络模型在应急需求预测中的应用——以地震伤亡人数预测为例[J]. 钱枫林,崔健.  中国安全科学学报. 2013(04)



本文编号：2957542