期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于网格化管理事件大数据的上海市气象与城市运行体征关联规则挖掘
1
作者 杨辰 王强 +2 位作者 金诚 李海宏 任洪润 《地理科学》 CSSCI CSCD 北大核心 2024年第5期874-882,共9页
基于时空特征分析、共现词项特征分析、相关性分析及频繁模式挖掘方法对城市运行管理大数据进行分析研究,得到触发网格化管理事件发生的典型气象条件,并构建涵盖气象条件的典型网格化管理事件知识图谱。结果表明,网格化管理件发生时间... 基于时空特征分析、共现词项特征分析、相关性分析及频繁模式挖掘方法对城市运行管理大数据进行分析研究,得到触发网格化管理事件发生的典型气象条件,并构建涵盖气象条件的典型网格化管理事件知识图谱。结果表明,网格化管理件发生时间与工作时间高度吻合,发生区域也与城市人员密集区相重合,类别上存在“头部集中、长尾分布”的现象,网格化管理事件分词上可以形成较为清晰的聚类结构,形成以市民活动为主体的共现词项关系网络。结合气象资料分析,市政设施、环卫等小类与气温相关性较为明显,风易损结构受风力影响较大,并且在降水、低温、高温和大风等特定天气情况下基坑、纠纷类、高空抛物和河道绿化等事件将呈现高发趋势。此外,通过采用知识图谱技术归纳和表达气象与城市运行之间的关联,从而有利于城市运行管理人员在特定天气条件的提前应对和处置。 展开更多
关键词 网格化管理 气象 特征挖掘 FP-GROWTH 知识图谱
在线阅读 下载PDF
基于自然语言识别的上海市报警灾情数据识别及其气象灾害特征分析研究 被引量:10
2
作者 杨辰 潘顺 严岩 《自然灾害学报》 CSCD 北大核心 2021年第3期142-150,共9页
上海作为特大型城市,其城市运行极易受到气象条件影响。受制于传统的灾害上报和普查渠道,灾情数据量较为有限且时效性不强。研究基于110气象灾情数据,采用自然语言处理算法,对报警灾情描述信息进行分析提取,识别灾种、承灾体和影响程度... 上海作为特大型城市,其城市运行极易受到气象条件影响。受制于传统的灾害上报和普查渠道,灾情数据量较为有限且时效性不强。研究基于110气象灾情数据,采用自然语言处理算法,对报警灾情描述信息进行分析提取,识别灾种、承灾体和影响程度等信息,并进一步分析了气象灾害的时空特征以及致灾的气象条件。结果表明,该方法可以较好地提取气象灾害的类别、承灾体及影响信息。近10a灾情分布年际差异较大,月分布以8月和10月为最多,小时分布呈现双峰特征,且工作日更为明显。暴雨和大风的灾情空间分布均以中心城区为最高,其次为紧邻中心城区的外环以内区域以及各区的城市副中心。结合气象资料分析,短时强降雨和长时间的较强降雨是引发暴雨灾害的重要因素,瞬时大风往往会引起大风灾害,而台风和持续性强降水是造成灾情大量爆发的主要原因。 展开更多
关键词 110灾情 LDA TF-IDF 特征分析
在线阅读 下载PDF
基于频繁模式挖掘的上海市气象灾害致灾因子识别 被引量:2
3
作者 杨辰 王强 +1 位作者 李海宏 潘顺 《灾害学》 CSCD 北大核心 2023年第2期141-149,共9页
气象灾害是上海等超大城市面临的重大挑战,而如何定量挖掘气象条件的致灾影响是当前亟须解决的问题。研究基于近10年的气象类报警灾情数据,采用FP-Growth频繁模式挖掘算法开展气象灾害的致灾因子识别,得到气象对于典型承灾体的致灾影响... 气象灾害是上海等超大城市面临的重大挑战,而如何定量挖掘气象条件的致灾影响是当前亟须解决的问题。研究基于近10年的气象类报警灾情数据,采用FP-Growth频繁模式挖掘算法开展气象灾害的致灾因子识别,得到气象对于典型承灾体的致灾影响阈值,并且基于挖掘结果构建了气象条件与典型承灾体的气象致灾知识图谱。结果表明:暴雨灾情主要分布在100~250 mm的大暴雨区间以及50~100 mm的暴雨区间,其主要承灾体为房屋、车辆、道路和小区;大风灾情主要分布在10.8~17.1 m/s(6~7级风),其次为17.2-24.4 m/s(8~9级风)区间,主要承灾体为车辆、道路、树木、房屋及相关构筑物。并且在不同统计时段灾情通常都集中于风雨共同影响的区间范围,呈现出较为明显的对角线分布特征。通过FP-Growth挖掘可以得到一些较为明显的致灾特征,如强降水会导致工厂、加油站、市场、学校、幼儿园、仓库、车库等积水,强风会导致电信设施、加油站、围墙和大棚受损。此外,强降水和大风的共同影响还会造成加油站、学校、幼儿园等灾情高发。本研究通过构建定量化的气象致灾影响知识框架,从而加深对于灾害性天气致灾影响的认识,为特定天气条件的提前应对和应急处置提供技术支撑。 展开更多
关键词 报警灾情 FP-GROWTH 知识图谱 致灾阈值
在线阅读 下载PDF
基于小时降水资料的上海市降水精细特征分析 被引量:2
4
作者 汪雅 董广涛 +1 位作者 杨辰 樊蕴馨 《高原气象》 CSCD 北大核心 2022年第5期1209-1219,共11页
应用2007-2017年上海地区49个质控后的自动气象站逐时降水数据,揭示了上海地区降水的时空精细特征,结果表明:(1)加密观测资料可捕捉上海地区降水的精细特征,降水分布以东北-西南走向为主,雨带上出现多中心的特征,即中心城区、松江南部... 应用2007-2017年上海地区49个质控后的自动气象站逐时降水数据,揭示了上海地区降水的时空精细特征,结果表明:(1)加密观测资料可捕捉上海地区降水的精细特征,降水分布以东北-西南走向为主,雨带上出现多中心的特征,即中心城区、松江南部和浦东沿海三个高值中心和其他小中心的特征.(2)春夏季降水日变化位相的空间一致性强,均为单峰型变化,春季日降水峰值出现在凌晨,夏季日降水峰值在傍晚.(3)夏季受西南风和热岛效应的共同影响,中心城区下游水陆交界地区(宝山、浦东西部)为短历时降水贡献的高值区.(4)市区站的短历时降水量以下降趋势为主,郊区站的短历时降水量以上升趋势为主,其中城区及其下风向的嘉定区、浦东西部是降水量增加趋势最快的地区,这是由短历时降水频次的增多引起. 展开更多
关键词 降水 精细特征 多中心分布 凌晨峰值 趋势变化
在线阅读 下载PDF
基于机器学习方法的上海市暴雨内涝灾情预测模型研究 被引量:27
5
作者 李海宏 吴吉东 +2 位作者 王强 杨辰 潘顺 《自然灾害学报》 CSCD 北大核心 2021年第1期191-200,共10页
本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Ex... 本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。 展开更多
关键词 BP模型 XGBoost模型 机器学习 暴雨内涝灾情 灾情阈值 上海
在线阅读 下载PDF
上海市城市暴雨内涝评估建模及模拟研究 被引量:17
6
作者 杨辰 王强 顾宇丹 《气象》 CSCD 北大核心 2017年第7期879-886,共8页
随着城市化的推进,暴雨内涝逐渐成为许多城市的主要自然灾害,但当前暴雨内涝模型大多基于水动力学方法,需要大量的输入参数,不便于推广和应用。研究采用概化方法针对外环内中心城区构建上海暴雨内涝评估模型(Shanghai Urban Flooding As... 随着城市化的推进,暴雨内涝逐渐成为许多城市的主要自然灾害,但当前暴雨内涝模型大多基于水动力学方法,需要大量的输入参数,不便于推广和应用。研究采用概化方法针对外环内中心城区构建上海暴雨内涝评估模型(Shanghai Urban Flooding Assessment Model,SUM),通过对接逐时次的降雨量,实现了对城市内涝的逐小时连续模拟。在此基础上,利用报警灾情资料和区内积水监测数据对模型模拟结果进行了评估。结果表明,该模型可以较好地模拟本市中心城区的内涝积水状况,且随着降雨量的增大,积水面积的增幅也逐渐变大;致灾阈值的分析表明浦西地区的内涝致灾雨量总体上低于浦东,其中本市黄浦、徐汇、虹口、闸北等中心城区以及宝山区部分街道的致灾雨量相对较低。 展开更多
关键词 暴雨 内涝 致灾阈值
在线阅读 下载PDF
上海城市大风时空分布特征及基于实时灾情的影响分析 被引量:1
7
作者 孙一 赵洋 +1 位作者 孟海星 潘顺 《大气科学学报》 CSCD 北大核心 2024年第6期993-1003,共11页
利用2008—2019年上海市自动站小时极大风速数据和上海市应急联动平台的实时大风灾情数据,分析了上海城市大风和灾情的时空分布特征及联系,探讨了上海城市大风的影响。研究表明:1)城市大风及致灾呈现明显的季节变化,8级大风日、极大风... 利用2008—2019年上海市自动站小时极大风速数据和上海市应急联动平台的实时大风灾情数据,分析了上海城市大风和灾情的时空分布特征及联系,探讨了上海城市大风的影响。研究表明:1)城市大风及致灾呈现明显的季节变化,8级大风日、极大风速和灾情变化都呈现夏季单峰型。夏季大风日占全年的41%,大风灾情占全年的80%以上。大风灾情的年际变化波动较大,主要是受极端天气影响。2)城市大风及致灾体现出明显的城郊差异:受城市化影响中心城区风速明显偏小;灾情密度在中心城区最高(可达37件/km^(2)),在区域中心及副中心也相对偏高,各区灾情数和人口、GDP都呈正相关关系;房屋类承灾在中心城区和周围区域相对突出,在崇明区最不明显。3)城市致灾大风天气可分为江淮气旋大风、雷雨大风、热带气旋大风和冷空气大风4类,其中雷雨大风发生最频繁,热带气旋大风的致灾程度最严重。4)树和车辆是最突出的大风承灾体,其次为电线和雨棚。大风致灾具有明显的链式反应。 展开更多
关键词 上海 城市大风 实时灾情 时空分布 城郊差异
在线阅读 下载PDF
基于异质信息网络的时空预测算法
8
作者 雷涛 王强 +2 位作者 杨辰 金诚 熊贇 《计算机应用与软件》 北大核心 2025年第1期217-223,240,共8页
时空数据挖掘是数据挖掘领域的一个重要分支,在现实世界中有着大量的应用。与时间序列预测相比,时空预测算法需要同时考虑序列数据的时序关系和空间关系,具有一定的复杂性。为了探索时空数据的本质,有效地捕获复杂的时空关系,提出一种... 时空数据挖掘是数据挖掘领域的一个重要分支,在现实世界中有着大量的应用。与时间序列预测相比,时空预测算法需要同时考虑序列数据的时序关系和空间关系,具有一定的复杂性。为了探索时空数据的本质,有效地捕获复杂的时空关系,提出一种基于异质信息网络的时空预测算法,显式地将时空数据建模为一个异质信息网络,采用时空信息传播路径来表示丰富的时空交互。相较于已有的时空模型利用不同的神经网络来捕获时间和空间的依赖关系,利用元路径将时空关系统一起来,为时空数据挖掘提供一种新的思路。在两个真实世界的公开数据集上进行大量实验,验证了该模型的有效性。 展开更多
关键词 时空数据挖掘 异质信息网络 时空图 信息路径 时间序列
在线阅读 下载PDF
台风“山竹”外围强龙卷的结构和机理分析 被引量:4
9
作者 徐敬涵 冉令坤 +3 位作者 炎利军 智海 沈新勇 李小凡 《大气科学》 CSCD 北大核心 2024年第3期843-858,共16页
本文利用再分析资料和中尺度数值模式WRFV3.6.1,对2018年9月17日上午发生在佛山市三水区的“增强藤田等级”2级(EF2)强龙卷过程开展49 m分辨率数值模拟,利用模式数据,分析龙卷超级单体和低层类龙卷涡旋(Tornado-Like Vortex,简称TLV)的... 本文利用再分析资料和中尺度数值模式WRFV3.6.1,对2018年9月17日上午发生在佛山市三水区的“增强藤田等级”2级(EF2)强龙卷过程开展49 m分辨率数值模拟,利用模式数据,分析龙卷超级单体和低层类龙卷涡旋(Tornado-Like Vortex,简称TLV)的结构特征,并通过涡度方程诊断TLV的动力成因,结果表明:龙卷由台风“山竹”外围螺旋雨带内的超级单体产生,该单体具有钩状回波、入流缺口、有界弱回波、悬垂回波等典型特征,水成物图上可见上冲云顶、云砧和后部云墙;单体内垂直环流由中部上升气流(UD)、前部下沉气流(FFD)和后部下沉气流(RFD)构成;TLV发生在低层UD和RFD之间,其生命史可分为初始期、发展期、成熟期和减弱期,成熟期TLV具有内部下沉、外部上升的结构;涡度方程的诊断分析表明,发展期扭转项对TLV的加强上传更为关键,成熟期拉伸项主导了TLV强度和形态的变化。 展开更多
关键词 龙卷 超级单体 类龙卷涡旋 扭转项 拉伸项
在线阅读 下载PDF
一种基于时空稀疏注意力的时空图挖掘算法 被引量:1
10
作者 谢毅 王强 +4 位作者 李海宏 金诚 任洪润 薛雯 熊贇 《计算机工程》 CAS CSCD 北大核心 2023年第4期108-113,共6页
当前用于时空图挖掘的算法通常基于专家预定义或者经过特征增强的静态图结构,这些静态的图结构往往依赖于主观先验知识构建,并且不包含时间动态性的变化。为完成自动获取时空图数据中动态图特征的任务,提出一种基于时空稀疏注意力的时... 当前用于时空图挖掘的算法通常基于专家预定义或者经过特征增强的静态图结构,这些静态的图结构往往依赖于主观先验知识构建,并且不包含时间动态性的变化。为完成自动获取时空图数据中动态图特征的任务,提出一种基于时空稀疏注意力的时空图挖掘算法(STSAN)。构造空间稀疏注意力层,通过对每个时间片上节点间的关系进行度量生成稀疏图,并在各个稀疏图结构上使用注意力机制完成节点空间(纵向)特征的提取。时间稀疏注意力层通过类似的方式完成节点时序(横向)特征的提取。在此基础上,将空间稀疏注意力层和时间稀疏注意力层堆叠为时空稀疏Transformer模块,完成时空依赖关系建模。实验结果表明,与DCRNN、STGCN等方法相比,该算法在2个公开的交通数据集上能够获得2.65%~16.35%的性能提升,将所提出的空间稀疏注意力层直接用于替换现有算法的空间特征模块,能够在原算法基础上获得平均3.18%~9.14%的性能提升。 展开更多
关键词 时空图 稀疏注意力 图结构 时空依赖 动态性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部