[go: up one dir, main page]

CN117807917A - 基于场次洪涝灾害的损失函数构建方法和系统 - Google Patents

基于场次洪涝灾害的损失函数构建方法和系统 Download PDF

Info

Publication number
CN117807917A
CN117807917A CN202410233672.0A CN202410233672A CN117807917A CN 117807917 A CN117807917 A CN 117807917A CN 202410233672 A CN202410233672 A CN 202410233672A CN 117807917 A CN117807917 A CN 117807917A
Authority
CN
China
Prior art keywords
loss
data
flood
disaster
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410233672.0A
Other languages
English (en)
Other versions
CN117807917B (zh
Inventor
苏鑫
王欣怡
王磊之
李伶杰
王银堂
胡庆芳
刘勇
崔婷婷
张野
云兆得
雷发楷
刘创
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Original Assignee
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources filed Critical Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority to CN202410233672.0A priority Critical patent/CN117807917B/zh
Publication of CN117807917A publication Critical patent/CN117807917A/zh
Application granted granted Critical
Publication of CN117807917B publication Critical patent/CN117807917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Fluid Mechanics (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于场次洪涝灾害的损失函数构建方法和系统，包括获取研究区域的基础数据并预处理；构建模拟模型并率定模型参数；筛选洪涝灾害损失评估指标，构建评估指标体系；将社会经济数据进行空间展布；进行洪水模拟，获得每个时间步长的栅格化的积水深度数据；构建并采用损失率计算模块，基于展布后的社会经济数据，计算各个时刻的洪涝灾害损失，对洪涝灾害损失‑时间函数的变化曲线进行拟合，比较不同函数的拟合效果，选择最优的拟合函数及其参数；分析损失函数中相关参数与灾害发生概率之间的关系，得到损失函数参数与灾害发生概率的关系公式并输出损失函数。能反应洪涝灾害损失的动态变化过程，并计算间接经济损失。

Description

基于场次洪涝灾害的损失函数构建方法和系统
技术领域
本发明涉及洪灾预警技术，尤其是基于场次洪涝灾害的损失函数构建方法和系统。
背景技术
城市洪涝灾害是由于城市排水系统的承载能力不足，导致降雨过程中城市内部出现积水或溢水的现象，给城市的社会经济活动和人民生命财产安全带来严重的影响。随着全球气候变化和城市化进程的加速，城市洪涝灾害的频发和严重程度都有所增加，造成的经济损失也呈现出动态性、连锁性和巨灾性的特征。因此，准确评估城市洪涝灾害的经济损失，对于制定合理的洪涝防治措施，提高城市的防灾减灾能力，降低城市洪涝灾害的风险，具有重要的理论和实践意义。
目前，城市洪涝灾害损失评估的方法主要分为两类：一类是基于水文水动力模型的评估方法，另一类是基于损失函数的评估方法。基于水文水动力模型的评估方法，通过模拟洪涝水情的时空演进过程，结合社会经济数据，计算洪涝灾害对不同类型资产和产业的损失。这种方法可以反映洪涝灾害损失的时空动态变化特征，但也存在模型复杂、计算耗时、数据需求大等缺点，不利于实时管理和应急响应。基于损失函数的评估方法，通过建立洪涝灾害损失与重现期的关系，快速估算洪涝灾害的总体损失。这种方法可以提高评估的时效性，但针对不同重现期的暴雨洪水仅能给出一个损失总值，忽视了洪涝灾害损失的发展过程，缺乏动态特性，难以支持灾害风险的动态管理等缺点。总之，缺乏针对场次洪涝灾害的损失函数，无法反应洪涝灾害损失的动态变化过程。同时，多数研究的对象是直接经济损失，尚未发现针对洪涝灾害间接经济损失的损失函数。
因此，需要进一步的研究和创新。
发明内容
发明目的，提供一种基于场次洪涝灾害的损失函数构建方法，以解决现有技术存在的上述问题。
技术方案，提供一种基于场次洪涝灾害的损失函数构建方法，包括如下步骤：
步骤S1、获取研究区域的基础数据并预处理；
步骤S2、针对流域和城市，分别构建流域一维水文水动力模型、城市一维二维水文水动力耦合模型，并率定模型参数；
步骤S3、筛选洪涝灾害损失评估指标，构建直接经济损失评估指标体系和间接经济损失评估指标体系，并将社会经济数据进行空间展布；
步骤S4、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；构建并采用损失率计算模块，获得每个时间步长的栅格化的损失率数据；针对直接经济损失和间接经济损失构建两种时间尺度的损失评估模块；基于展布后的社会经济数据、损失率和产业关联性，计算灾中各个时刻的洪涝灾害直接经济损失和灾后每天的洪涝灾害间接经济损失；对洪涝灾害损失-时间函数的变化曲线进行拟合，比较不同函数的拟合效果，选择最优的拟合函数及其参数；
步骤S5、分析损失函数中相关参数与灾害发生概率之间的关系，得到损失函数参数与灾害发生概率的关系公式并输出损失函数。
根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、获取自然地理数据并预处理，自然地理数据包括土地利用数据、DEM数据和土壤数据；预处理过程包括格式转换和空间匹配，确定土地利用数据和土壤数据的CN值和曼宁系数；
步骤S12、获取水文气象数据并预处理，水文气象数据包括设计降雨数据和实测降雨数据；预处理过程包括时间插值和空间插值，并根据不同重现期，确定设计降雨数据的降雨历时、雨峰位置系数和降雨强度；
步骤S13、获取社会经济数据并预处理，社会经济数据包括积水点数据、POI数据、GDP栅格数据、部门资产数据、行业GDP数据和投入产出数据；预处理过程包括数据筛选、数据整合和数据标准化，将POI数据和GDP栅格数据进行空间化处理，形成栅格数据。
根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、构建流域一维水文水动力模型，基于DEM数据、河道数据和水闸数据，确定河道的几何形状、河网的拓扑结构和水闸的控制规则；基于设计降雨数据或实测降雨数据，确定模型的输入条件，以及基于河道水位数据，确定模型的输出条件，为二维城市洪涝模拟提供河道的边界条件；
步骤S22、构建城市洪涝模型，采用一维二维水文水动力耦合模型；基于DEM数据、土地利用数据和土壤数据，确定地表的几何形状、曼宁系数和CN值；基于设计降雨数据或实测降雨数据，确定模型的降雨输入条件；基于流域大模型的输出结果，确定模型的边界条件；模拟城市范围内的地表水深和流速变化过程，输出栅格尺度的水文特征要素；
步骤S23、基于实测水位数据、积水点数据和农作物受灾面积数据，分别对一维河道模型和二维地表模型的模拟结果进行对比分析，计算模型的纳什效率系数、决定系数和相对误差，评价模型的精度和适用性。
根据本申请的一个方面，所述步骤S3进一步为：
步骤S31、获取洪涝灾害损失评估指标，包括建筑物资产、构筑物资产、设备工器具资产、居民室内财产、流动资产、农产品产值、GDP和部门产值；采用空间化方法，将数据转化为高分辨率的栅格数据；间接经济损失评估指标体系根据预设的规则划分为预定个产业部门；构建直接经济损失评估指标体系和间接经济损失评估指标体系；
步骤S32、将直接经济损失的社会经济数据进行空间展布，包括：
建筑物资产分布密度dB=PB/AB；P B 为房屋建筑的总资产，A B 为房屋建筑的总面积；
构筑物资产总价值分布密度dS=PS/（ABL-AB/Lm）；A BL 为城乡、工矿、居民用地的总面积，L m 为房屋建筑平均层数；P S 为构筑物的总资产价值；
设备工器具资产价值分布密度dEI=PEI/AB；P EI 为设备工器具资产的总价值；
居民室内财产分布密度dRI，i=（∑∑NRI,i,j×Vi×Pj/100）/ARB,i；N RI,i,j 代表第i种居民类型所拥有的第j类室内财产每百户的数量；V i 代表城镇/农村居民的总户数；P j 代表第j类室内资产价值，来源于电商平台，根据电商平台统计的不同价值区间的销售量加权计算，A RB,i 为城镇居民/农村居民用地类型中房屋建筑用地的总面积，
流动资产分布密度dCA,i=PCA,i/AB；P CA,i 为第i行业的流动资产总价值；
农产品产值分布密度dA,i=GA,i/AA,i；G A,i 代表农业中第i行业的总产值，A A,i 代表农业中第i行业对应的土地利用类型的面积；
步骤S33、将间接经济损失的社会经济数据进行空间展布，包括基于土地利用的单位面积GDP法进行第一产业GDP空间化；基于POI数据和随机森林算法的第二和第三产业GDP的空间化。
根据本申请的一个方面，所述步骤S4进一步为：
步骤S41、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；
步骤S42、构建并采用损失率计算模块，基于展布后的社会经济数据，计算各个时刻的洪涝灾害损失；其中，包括直接经济损失评估和间接经济损失评估，直接经济损失评估包括采用基于水深的损失评估模型，根据不同类型的资产的损失率曲线，计算每个栅格单元的直接经济损失，并累加得到整个城市的直接经济损失；间接经济损失评估包括采用减停产损失评估模型，根据不同行业GDP的空间分布，计算每个栅格单元的初始减停产损失，累加得到整个城市42个产业部门的初始减停产损失，进一步，采用基于动态投入产出模型，根据初始减停产损失和投入产出表，计算每个产业部门受灾对于其他产业部门的经济影响，并计算减停产损失和产业关联损失的动态变化；
直接经济损失计算方式为：
DL=∑∑∑∑SA a,bαb,c,d+∑∑∑∑δ b，c，d P a,b ×D/365；从左往右，求和符合的下标分别是a、b、c、d。
DL为洪涝灾害引起的直接经济损失；a是洪水单元号；b是行业序号；c是水深级别；d是淹没历时等级；SA为资产价值；α为资产损失率；δ,P,D分别为产值损失率、年产值和淹没天数；
间接经济损失动态评估计算方式包括：
初始减停产损失评估计算：InDL1=∑∑∑∑γbcdGab/365；从左往右，求和符合的下标分别是a、b、c、d。
InDL 1为洪涝灾害引起的减停产损失；a、b、c、d分别是洪水单元号、行业序号、水深级别、淹没历时等级；γ是GDP损失率；G是某行业的GDP；
产业关联损失评估计算：
q（t+1）-q（t）=Δq=K{A*q（t）+e*（t）-q（t）}；
q为非正常程度向量，表示产业部门相对于正常生产能力的非正常程度，本研究中定义为损失率；A*为基于投入产出表计算的关联矩阵；e*为最终需求的扰动向量；K为弹性系数矩阵，表示的是突发事件扰动后的部门的恢复能力；t为时刻；
步骤S43、根据直接经济损失和间接经济损失的动态评估结果，绘制不同重现期下的洪涝灾害损失-时间函数的变化曲线，分析洪涝灾害损失的变化特征和影响因素。
根据本申请的一个方面，所述步骤S5进一步为：
步骤S51、分析损失函数中相关参数与灾害发生概率之间的关系，探讨损失函数参数的变化规律和影响因素；
步骤S52、根据损失函数参数与灾害发生概率的关系公式，提出降低洪涝灾害损失的调节策略，包括减少损失峰值、降低损失增长速率和提高损失增长阈值。
根据本申请的一个方面，所述直接经济损失计算过程包括：
利用城市洪一维二维水文水动力耦合模型的模拟结果，获取地表水深的空间分布；
利用空间化后的部门资产数据，获取资产价值的空间分布，将两者进行空间叠加分析，得到不同水深下的资产价值分布；
利用不同类型的资产的损失率曲线，计算不同水深下的资产损失率分布；
将资产损失率分布乘以资产价值分布，得到不同水深下的资产损失分布；
将不同水深下的资产损失分布累加，得到不同时间下的直接经济损失。
根据本申请的一个方面，所述间接经济损失计算过程包括：
利用城市模拟模型的模拟结果，获取地表水深的空间分布；利用空间化后的行业GDP数据，获取行业GDP的空间分布；
利用不同行业的损失率曲线，计算不同水深下的GDP损失率分布；
将GDP损失率分布乘以GDP分布，得到不同水深下的减停产损失分布；将不同水深下的减停产损失分布累加，得到初始减停产损失；
利用不同行业的投入产出关系和初始减停产损失，计算洪涝灾害发生后不同天数的减停产损失和产业关联损失；
将不同天数的减停产损失和产业关联损失累加，得到不同时间下的间接经济损失。
根据本申请的一个方面，还包括总经济损失的动态评估过程：
获取直接经济损失和间接经济损失的动态变化；
利用基于场次洪涝灾害的损失函数构建方法，分别拟合出直接经济损失和间接经济损失随时间的变化规律；
根据不同类型的损失函数的特征和适用范围，选择合适的拟合函数和拟合参数，保证损失函数的精度和适用性。
根据本申请的另一个方面，还提供一种基于场次洪涝灾害的损失函数构建系统，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的基于场次洪涝灾害的损失函数构建方法。
有益效果，通过提出的基于场次洪涝灾害的损失函数构建方法，将洪涝灾害损失的动态评估与损失函数的拟合与选择相结合，实现了洪涝灾害损失的动态描述和量化。通过分析损失函数中相关参数与灾害发生概率之间的关系，分析了损失函数参数的变化规律和影响因素，为城市洪涝灾害损失的降低和防治提供了一些调节策略和建议。通过建立损失函数模型，能够适用于不同类型的损失、不同重现期的洪涝灾害、不同城市的地理环境，为城市洪涝灾害损失的评估和比较提供了一个统一的标准和方法。解决了现有技术无法反应洪涝灾害损失的动态变化过程，同时解决了现有技术缺少洪涝灾害间接经济损失函数的问题。
附图说明
图1是本发明的流程图。
图2是本发明步骤S1的流程图。
图3是本发明步骤S2的流程图。
图4是本发明步骤S3的流程图。
图5是本发明步骤S4的流程图。
图6是本发明步骤S5的流程图。
具体实施方式
如图1所示，提供一种基于场次洪涝灾害的损失函数构建方法，包括如下步骤：
步骤S1、获取研究区域的基础数据并预处理；
步骤S2、针对流域和城市，分别构建流域一维水文水动力模型、城市一维二维水文水动力耦合模型，并率定模型参数；
步骤S3、筛选洪涝灾害损失评估指标，构建直接经济损失评估指标体系和间接经济损失评估指标体系，并将社会经济数据进行空间展布；
步骤S4、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；构建并采用损失率计算模块，获得每个时间步长的栅格化的损失率数据；针对直接经济损失和间接经济损失构建两种时间尺度的损失评估模块；基于展布后的社会经济数据、损失率和产业关联性，计算灾中各个时刻的洪涝灾害直接经济损失和灾后每天的洪涝灾害间接经济损失；对洪涝灾害损失-时间函数的变化曲线进行拟合，比较不同函数的拟合效果，选择最优的拟合函数及其参数；
步骤S5、分析损失函数中相关参数与灾害发生概率之间的关系，得到损失函数参数与灾害发生概率的关系公式并输出损失函数。
在本实施例中，利用不同重现期的洪涝灾害场次，拟合出不同类型的资产和行业的损失率随时间的变化规律，然后选择合适的函数和参数，构建洪涝灾害损失-重现期函数，同时分析损失函数中相关参数与灾害发生概率之间的关系，提出损失函数中相关参数的调节策略，评估调节策略的效果和效益。该方法能够有效地反映洪涝灾害的动态特征和空间特征，提高损失函数的精度和适用性，同时能够预测未来洪涝灾害的风险演变趋势，为防灾减灾决策提供依据。
如图2所示，根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、获取自然地理数据并预处理，自然地理数据包括土地利用数据、DEM数据和土壤数据；预处理过程包括格式转换和空间匹配，确定土地利用数据和土壤数据的CN值和曼宁系数；
自然地理数据分别来源于中国科学院资源环境科学与数据中心、Google Earth和世界土壤数据库V1.2。这些数据的分辨率和投影不一致，需要进行格式转换、空间匹配和数据清洗，使其能够在同一空间范围和分辨率下进行分析。还需要考虑土地利用数据和土壤数据的时空变化，使用中国土地利用/覆盖变化数据库和中国土壤数据库来获取更准确和更新的数据，同时使用MODIS NDVI和MODIS LST来监测植被和地表温度的变化，根据这些变化来调整CN值和曼宁系数等参数。
步骤S12、获取水文气象数据并预处理，水文气象数据包括设计降雨数据和实测降雨数据；预处理过程包括时间插值和空间插值，并根据不同重现期，确定设计降雨数据的降雨历时、雨峰位置系数和降雨强度；
水文气象数据分别来源于《暴雨强度公式与设计雨型标准》和中国气象数据网，以及河道水位数据，来源于水利部太湖流域管理局。这些数据的时间分辨率和空间分布不一致，需要进行时间插值和空间插值，使其能够在同一时间范围和空间范围下进行分析。设计降雨数据还需要根据不同重现期，确定降雨历时、雨峰位置系数和降雨强度等参数。此外，还需要考虑降雨的空间异质性，使用中国高分辨率降水产品和中国多源融合降水产品来获取更精细和更全面的降雨数据，同时使用地理加权回归和克里金插值来进行空间插值，考虑降雨的空间变异性，使模型的输入条件更合理。
步骤S13、获取社会经济数据并预处理，社会经济数据包括积水点数据、POI数据、GDP栅格数据、部门资产数据、行业GDP数据和投入产出数据；预处理过程包括数据筛选、数据整合和数据标准化，将POI数据和GDP栅格数据进行空间化处理，形成栅格数据。
社会经济数据分别来源于百度地图、某市水务局、新闻报道、高德地图开放平台、中国科学院资源环境科学与数据中心、《某市统计年鉴》、某市统计局和《中国区域投入产出表》。这些数据的格式和内容不一致，需要进行数据筛选、数据整合和数据标准化，使其能够在同一单位和指标下进行分析。POI数据和GDP栅格数据还需要进行空间化处理，将点数据和面数据转化为栅格数据，便于与洪涝水文特征数据进行空间叠加分析。此外，还需要考虑数据的可靠性和有效性，使用中国统计年鉴和中国城市统计年鉴来获取更权威和更完整的统计数据，同时使用数据质量评估和数据清洗的方法来检验和处理数据，消除数据的误差和偏差，使数据的标准化和空间化处理更准确。
本步骤能够获取并预处理自然地理数据、水文气象数据和社会经济数据，为洪涝灾害损失评估提供完整、准确和可靠的数据基础，同时能够考虑数据的时空变化和空间异质性，使数据能够更好地反映研究区域的实际情况，提高数据的适应性和可用性。能够利用多种数据来源和数据处理方法，获取并预处理不同类型、不同分辨率、不同格式的数据，解决数据的不一致性、不完整性和不准确性等问题，同时能够利用数据的空间化和标准化处理，将数据转化为模型所需的输入格式，便于与洪涝水文特征数据进行空间叠加分析，提高数据的兼容性和可操作性。
如图3所示，根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、构建流域一维水文水动力模型，基于DEM数据、河道数据和水闸数据，确定河道的几何形状、河网的拓扑结构和水闸的控制规则；基于设计降雨数据或实测降雨数据，确定模型的输入条件，以及基于河道水位数据，确定模型的输出条件，为二维城市洪涝模拟提供河道的边界条件；
流域大模型可以为太湖流域模型，采用一维水动力-水文耦合模型，模拟流域范围内的河道水位变化过程，为城市小模型提供河道水位边界条件。模型的构建需要基于DEM数据、河道数据和水闸数据，确定河道的几何形状、河网的拓扑结构和水闸的控制规则。模型的运行需要基于设计降雨数据或实测降雨数据，确定模型的输入条件，以及基于河道水位数据，确定模型的输出条件。此外，还需要考虑流域内的水库、湖泊和湿地等水体的影响，使用中国水利水电科学研究院提供的水库、湖泊和湿地等水体的数据，同时使用水库调度模型和湖泊湿地水动力模型来模拟水体的水位变化过程，为城市小模型提供更完善的河道水位边界条件。
步骤S22、构建城市洪涝模型，采用一维二维水文水动力耦合模型；基于DEM数据、土地利用数据和土壤数据，确定地表的几何形状、曼宁系数和CN值；基于设计降雨数据或实测降雨数据，确定模型的降雨输入条件；基于流域大模型的输出结果，确定模型的边界条件；模拟城市范围内的地表水深和流速变化过程，输出栅格尺度的水文特征要素；
城市小模型为TELEMAC-2D模型，采用二维水动力-水文耦合模型，模拟城市范围内的地表水深和流速变化过程，输出栅格尺度的水文特征要素。模型的构建需要基于DEM数据、土地利用数据和土壤数据，确定地表的几何形状、曼宁系数和CN值等参数。模型的运行需要基于设计降雨数据或实测降雨数据，确定模型的输入条件，以及基于河道水位数据，确定模型的输出条件。此外，还需要考虑城市内的排水系统、绿地系统和建筑物等因素的影响，使用某市水务局提供的排水系统的数据，同时使用SWMM模型来模拟排水系统的运行过程，为城市小模型提供更全面的地表径流参数。还需要使用某市规划和自然资源局提供的绿地系统和建筑物的数据，同时使用绿地系统水文模型和建筑物水动力模型来模拟绿地系统和建筑物的水文特征，为城市小模型提供更复杂的地表几何形状和曼宁系数等参数。
步骤S23、基于实测水位数据、积水点数据和农作物受灾面积数据，分别对一维河道模型和二维地表模型的模拟结果进行对比分析，计算模型的纳什效率系数、决定系数和相对误差，评价模型的精度和适用性。
利用积水点数据和水文站点数据，对城市小模型的模拟结果进行验证和评价，检验模型的误差和不确定性的大小和来源，同时利用误差分析、不确定性分析、灵敏度分析和参数优化等方法，评估和改进模型的参数的敏感性和适应性，使模型的评价指标更客观和优化。
通过构建流域模拟模型，可以模拟流域范围内的河道水位变化过程，为城市模拟模型提供河道水位边界条件。该模型不仅考虑了河道的几何形状、河网的拓扑结构和水闸的控制规则，还考虑了流域内的水库、湖泊和湿地等水体的影响，使模型的输入和输出条件更完善和准确，提高了模型的逼真度和可靠性。通过构建城市模拟模型，可以模拟城市范围内的地表水深和流速变化过程，输出栅格尺度的水文特征要素。该模型采用二维水动力-水文耦合模型，能够更好地反映地表径流的动态变化和空间分布，同时考虑了城市内的排水系统、绿地系统和建筑物等因素的影响，使模型的参数更全面和复杂，提高了模型的精度和适用性。通过对比分析实测数据和模拟结果，可以评价模型的精度和适用性，同时利用误差分析、不确定性分析、灵敏度分析和参数优化等方法，可以评估和改进模型的参数的敏感性和适应性，使模型的评价指标更客观和优化，提高了模型的可信度和有效性。
如图4所示，根据本申请的一个方面，所述步骤S3进一步为：
步骤S31、获取洪涝灾害损失评估指标，包括建筑物资产、构筑物资产、设备工器具资产、居民室内财产、流动资产、农产品产值、GDP和部门产值；采用空间化方法，将数据转化为高分辨率的栅格数据；间接经济损失评估指标体系根据预设的规则划分为预定个产业部门；构建直接经济损失评估指标体系和间接经济损失评估指标体系；
直接经济损失评估指标为部门资产数据，来源于高德地图开放平台，包括不同部门的资产数量和资产价值。这些数据为点数据，需要进行空间化处理，将点数据转化为栅格数据，便于与洪涝水文特征数据进行空间叠加分析。空间化处理的方法为基于距离的权重分配法，即将点数据的资产价值按照距离的倒数比例分配到周围的栅格中，使得距离越近的栅格分配的资产价值越高。此外，还需要考虑指标的空间分布和空间相关性，使用空间自相关和空间回归的方法来评估指标的空间特征和空间关系，同时使用空间权重矩阵和空间分区的方法来进行空间化处理，考虑指标的空间依赖性和空间异质性，使空间化结果更精确和合理。
步骤S32、将直接经济损失的社会经济数据进行空间展布，包括：
建筑物资产分布密度dB=PB/AB；P B 为房屋建筑的总资产，A B 为房屋建筑的总面积；
构筑物资产总价值分布密度dS=PS/（ABL-AB/Lm）；A BL 为城乡、工矿、居民用地的总面积，L m 为房屋建筑平均层数；P S 为构筑物的总资产价值；
设备工器具资产价值分布密度dEI=PEI/AB；P EI 为设备工器具资产的总价值；
居民室内财产分布密度dRI，i=（∑∑NRI,i,j×Vi×Pj/100）/ARB,i；N RI,i,j 代表第i种居民类型所拥有的第j类室内财产每百户的数量；V i 代表城镇/农村居民的总户数；P j 代表第j类室内资产价值，来源于电商平台，根据电商平台统计的不同价值区间的销售量加权计算，A RB,i 为城镇居民/农村居民用地类型中房屋建筑用地的总面积，
流动资产分布密度dCA,i=PCA,i/AB；P CA,i 为第i行业的流动资产总价值；
农产品产值分布密度dA,i=GA,i/AA,i；G A,i 代表农业中第i行业的总产值，A A,i 代表农业中第i行业对应的土地利用类型的面积；
间接经济损失评估指标为行业GDP数据和投入产出数据，分别来源于《某市统计年鉴》、某市统计局和《中国区域投入产出表》，包括不同行业的GDP值和投入产出系数。这些数据为面数据，需要进行空间化处理，将面数据转化为栅格数据，便于与洪涝水文特征数据进行空间叠加分析。空间化处理的方法为基于面积的权重分配法，即将面数据的GDP值或投入产出系数按照面积的比例分配到所覆盖的栅格中，使得面积越大的栅格分配的GDP值或投入产出系数越高。此外，还需要考虑指标的空间分布和空间异质性，使用空间分布指数和空间离散度指数的方法来评估指标的空间特征和空间差异，同时使用空间插值和空间分层的方法来进行空间化处理，考虑指标的空间变异性和空间分层性，使空间化结果更精确和合理。
步骤S33、将间接经济损失的社会经济数据进行空间展布，包括基于土地利用的单位面积GDP法进行第一产业GDP空间化；基于POI数据和随机森林算法的第二和第三产业GDP的空间化。
利用基于水深的损失评估模型和基于投入产出的损失评估模型，分别计算直接经济损失和间接经济损失，并累加得到总经济损失，同时考虑不同类型的资产和行业的损失率曲线和投入产出关系等因素，保证损失评估结果的准确性和合理性。
通过空间化方法，将社会经济数据转化为高分辨率的栅格数据，便于与洪涝水文特征数据进行空间叠加分析，从而计算不同部门和行业的直接经济损失和间接经济损失，反映洪涝灾害对区域经济系统的影响程度和影响范围，为灾后恢复重建和减灾规划提供科学依据。通过考虑指标的空间分布和空间相关性，使用空间自相关和空间回归等方法来评估指标的空间特征和空间关系，同时使用空间权重矩阵和空间分区等方法来进行空间化处理，考虑指标的空间依赖性和空间异质性，使空间化结果更精确和合理。通过利用POI数据和随机森林算法，提高了第二和第三产业GDP的空间化精度，更好地反映了城市内部的经济活动分布。通过利用基于水深的损失评估模型和基于投入产出的损失评估模型，分别计算直接经济损失和间接经济损失，并累加得到总经济损失，同时考虑不同类型的资产和行业的损失率曲线和投入产出关系等因素，保证损失评估结果的准确性和合理性。
如图5所示，根据本申请的一个方面，所述步骤S4进一步为：
步骤S41、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；
所述直接经济损失计算过程包括：
利用城市模拟模型的模拟结果，获取地表水深的空间分布；
利用空间化后的部门资产数据，获取资产价值的空间分布，将两者进行空间叠加分析，得到不同水深下的资产价值分布；
利用不同类型的资产的损失率曲线，计算不同水深下的资产损失率分布；
将资产损失率分布乘以资产价值分布，得到不同水深下的资产损失分布；
将不同水深下的资产损失分布累加，得到不同时间下的直接经济损失。
步骤S42、构建并采用损失率计算模块，基于展布后的社会经济数据，计算各个时刻的洪涝灾害损失；其中，包括直接经济损失评估和间接经济损失评估，直接经济损失评估包括采用基于水深的损失评估模型，根据不同类型的资产的损失率曲线，计算每个栅格单元的直接经济损失，并累加得到整个城市的直接经济损失；间接经济损失评估包括采用减停产损失评估模型，根据不同行业GDP的空间分布，计算每个栅格单元的初始减停产损失，累加得到整个城市42个产业部门的初始减停产损失，进一步，采用基于动态投入产出模型，根据初始减停产损失和投入产出表，计算每个产业部门受灾对于其他产业部门的经济影响，并计算减停产损失和产业关联损失的动态变化；
直接经济损失计算方式为：
DL=∑∑∑∑SA a,bαb,c,d+∑∑∑∑δ b，c，d P a,b ×D/365；
DL为洪涝灾害引起的直接经济损失；a是洪水单元号；b是行业序号；c是水深级别；d是淹没历时等级；SA为资产价值；α为资产损失率；δ,P,D分别为产值损失率、年产值和淹没天数；
间接经济损失动态评估计算方式包括：
初始减停产损失评估计算：InDL1=∑∑∑∑γbcdGab/365；
InDL 1为洪涝灾害引起的减停产损失；a、b、c、d分别是洪水单元号、行业序号、水深级别、淹没历时等级；γ是GDP损失率；G是某行业的GDP；
产业关联损失评估计算：
q（t+1）-q（t）=Δq=K{A*q（t）+e*（t）-q（t）}；
q为非正常程度向量，表示产业部门相对于正常生产能力的非正常程度，本研究中定义为损失率；A*为基于投入产出表计算的关联矩阵；e*为最终需求的扰动向量；K为弹性系数矩阵，表示的是突发事件扰动后的部门的恢复能力；t为时刻；
所述间接经济损失计算过程包括：
利用城市模拟模型的模拟结果，获取地表水深的空间分布；
利用空间化后的行业GDP数据，获取行业GDP的空间分布；
将两者进行空间叠加分析，得到不同水深下的行业GDP分布；
利用不同行业的投入产出关系，计算不同水深下的行业间接经济损失分布；
将行业间接经济损失分布乘以行业GDP分布，得到不同水深下的行业损失分布；将不同水深下的行业损失分布累加，得到不同时间下的间接经济损失。
步骤S43、根据直接经济损失和间接经济损失的动态评估结果，绘制不同重现期下的洪涝灾害损失-时间函数的变化曲线，分析洪涝灾害损失的变化特征和影响因素。
总经济损失的动态评估过程：
获取直接经济损失和间接经济损失的动态变化；
将直接经济损失和间接经济损失相加，得到总经济损失的动态变化；
利用基于场次洪涝灾害的损失函数构建方法，拟合出总经济损失随时间的变化规律；
根据不同类型的损失函数的特征和适用范围，选择合适的拟合函数和拟合参数，保证损失函数的精度和适用性。
利用率定参数后的城市模拟模型进行洪水模拟，获得每个时间步长的栅格化的积水深度数据，为后续的损失评估提供基础数据。能够反映洪水的动态演变过程，考虑了洪水的时空分布特征，提高了模拟的精度和实用性。构建并采用损失率计算模块，基于展布后的社会经济数据，计算各个时刻的洪涝灾害损失，包括直接经济损失和间接经济损失。能够综合考虑不同类型的资产的损失率曲线，不同行业的投入产出关系，以及不同行业的恢复能力，实现了洪涝灾害损失的动态评估，反映了洪涝灾害对社会经济的影响程度和影响范围。根据直接经济损失和间接经济损失的动态评估结果，绘制不同重现期下的洪涝灾害损失-时间函数的变化曲线，分析洪涝灾害损失的变化特征和影响因素。能够利用基于场次洪涝灾害的损失函数构建方法，拟合出总经济损失随时间的变化规律，为洪涝灾害风险评估和防洪减灾决策提供依据和参考。
如图6所示，根据本申请的一个方面，所述步骤S5进一步为：
步骤S51、分析损失函数中相关参数与灾害发生概率之间的关系，探讨损失函数参数的变化规律和影响因素；同时利用相关性分析、回归分析和灰色关联分析等方法，建立损失函数参数与灾害发生概率之间的关系公式和关系参数，保证关系公式的准确性和合理性；
步骤S52、根据损失函数参数与灾害发生概率的关系公式，提出降低洪涝灾害损失的调节策略，包括减少损失峰值、降低损失增长速率和提高损失增长阈值。
根据不同的防治目标和防治措施，确定损失函数中相关参数的调节方向和调节幅度，然后利用损失函数参数与灾害发生概率的关系公式，计算调节后的损失函数参数和灾害发生概率，然后利用损失函数，计算调节后的洪涝灾害损失，最后评估调节策略的效果和效益，保证调节策略的合理性和有效性。
通过分析损失函数中相关参数与灾害发生概率之间的关系，探讨损失函数参数的变化规律和影响因素，建立损失函数参数与灾害发生概率之间的关系公式和关系参数，可以更准确地反映洪涝灾害损失的非线性增长特征，以及洪涝灾害损失与灾害发生概率之间的相互作用和相互影响。通过提出降低洪涝灾害损失的调节策略，包括减少损失峰值、降低损失增长速率和提高损失增长阈值，可以有效地降低洪涝灾害的风险和损失，提高防治效果和效益，为防治决策提供科学依据和优化方案。利用相关性分析、回归分析和灰色关联分析等方法，建立损失函数参数与灾害发生概率之间的关系公式和关系参数，可以充分考虑损失函数参数的多元性和复杂性，以及灾害发生概率的不确定性和随机性，提高关系公式的准确性和合理性。
利用损失函数参数与灾害发生概率的关系公式，提出降低洪涝灾害损失的调节策略，可以根据不同的防治目标和防治措施，确定损失函数中相关参数的调节方向和调节幅度，然后计算调节后的损失函数参数和灾害发生概率，以及调节后的洪涝灾害损失，从而评估调节策略的效果和效益，保证调节策略的合理性和有效性。
利用损失函数，计算洪涝灾害损失，可以更好地反映洪涝灾害损失的非线性增长特征，以及洪涝灾害损失与灾害发生概率之间的相互作用和相互影响，从而更全面地评估洪涝灾害的风险和损失，提高防治效果和效益。
根据本申请的一个方面，所述间接经济损失计算过程还可以为：
利用城市模拟模型的模拟结果，获取地表水深的空间分布；利用空间化后的行业GDP数据，获取行业GDP的空间分布；
利用不同行业的损失率曲线，计算不同水深下的GDP损失率分布；
将GDP损失率分布乘以GDP分布，得到不同水深下的减停产损失分布；将不同水深下的减停产损失分布累加，得到初始减停产损失；
利用不同行业的投入产出关系和初始减停产损失，计算洪涝灾害发生后不同天数的减停产损失和产业关联损失；
将不同天数的减停产损失和产业关联损失累加，得到不同时间下的间接经济损失。
总经济损失的动态评估过程还可以为：
获取直接经济损失和间接经济损失的动态变化；
利用基于场次洪涝灾害的损失函数构建方法，分别拟合出直接经济损失和间接经济损失随时间的变化规律；
根据不同类型的损失函数的特征和适用范围，选择合适的拟合函数和拟合参数，保证损失函数的精度和适用性。
根据本申请的另一个方面，还提供一种基于场次洪涝灾害的损失函数构建系统，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的基于场次洪涝灾害的损失函数构建方法。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (10)

1.基于场次洪涝灾害的损失函数构建方法，其特征在于，包括如下步骤：
步骤S1、获取研究区域的基础数据并预处理；
步骤S2、针对流域和城市，分别构建流域一维水文水动力模型、城市一维二维水文水动力耦合模型，并率定模型参数；
步骤S3、筛选洪涝灾害损失评估指标，构建直接经济损失评估指标体系和间接经济损失评估指标体系，并将社会经济数据进行空间展布；
步骤S4、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；构建并采用损失率计算模块，获得每个时间步长的栅格化的损失率数据；针对直接经济损失和间接经济损失构建两种时间尺度的损失评估模块；基于展布后的社会经济数据、损失率和产业关联性，计算灾中各个时刻的洪涝灾害直接经济损失和灾后每天的洪涝灾害间接经济损失；对洪涝灾害损失-时间函数的变化曲线进行拟合，比较不同函数的拟合效果，选择最优的拟合函数及其参数；
步骤S5、分析损失函数中相关参数与灾害发生概率之间的关系，得到损失函数参数与灾害发生概率的关系公式并输出损失函数。
2.如权利要求1所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述步骤S1进一步为：
步骤S11、获取自然地理数据并预处理，自然地理数据包括土地利用数据、DEM数据和土壤数据；预处理过程包括格式转换和空间匹配，确定土地利用数据和土壤数据的CN值和曼宁系数；
步骤S12、获取水文气象数据并预处理，水文气象数据包括设计降雨数据和实测降雨数据；预处理过程包括时间插值和空间插值，并根据不同重现期，确定设计降雨数据的降雨历时、雨峰位置系数和降雨强度；
步骤S13、获取社会经济数据并预处理，社会经济数据包括积水点数据、POI数据、GDP栅格数据、部门资产数据、行业GDP数据和投入产出数据；预处理过程包括数据筛选、数据整合和数据标准化，将POI数据和GDP栅格数据进行空间化处理，形成栅格数据。
3.如权利要求2所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述步骤S2进一步为：
步骤S21、构建流域一维水文水动力模型，基于DEM数据、河道数据和水闸数据，确定河道的几何形状、河网的拓扑结构和水闸的控制规则；基于设计降雨数据或实测降雨数据，确定模型的输入条件，以及基于河道水位数据，确定模型的输出条件，为二维城市洪涝模拟提供河道的边界条件；
步骤S22、构建城市一维二维水文水动力耦合模型；基于DEM数据、土地利用数据和土壤数据，确定地表的几何形状、曼宁系数和CN值；基于设计降雨数据或实测降雨数据，确定模型的降雨输入条件；基于流域大模型的输出结果，确定模型的边界条件；模拟城市范围内的地表水深和流速变化过程，输出栅格尺度的水文特征要素；
步骤S23、基于实测水位数据、积水点数据和农作物受灾面积数据，分别对流域一维水文水动力模型和城市一维二维水文水动力耦合模型的模拟结果进行对比分析，计算模型的纳什效率系数、决定系数和相对误差，评价模型的精度和适用性。
4.如权利要求3所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述步骤S3进一步为：
步骤S31、获取洪涝灾害损失评估指标，包括建筑物资产、构筑物资产、设备工器具资产、居民室内财产、流动资产、农产品产值、GDP和部门产值；采用空间化方法，将数据转化为高分辨率的栅格数据；间接经济损失评估指标体系根据预设的规则划分为预定个产业部门；构建直接经济损失评估指标体系和间接经济损失评估指标体系；
步骤S32、将直接经济损失的社会经济数据进行空间展布，包括：
建筑物资产分布密度dB=PB/AB；P B 为房屋建筑的总资产，A B 为房屋建筑的总面积；
构筑物资产总价值分布密度dS=PS/（ABL-AB/Lm）；A BL 为城乡、工矿、居民用地的总面积，L m 为房屋建筑平均层数；P S 为构筑物的总资产价值；
设备工器具资产价值分布密度dEI=PEI/AB；P EI 为设备工器具资产的总价值；
居民室内财产分布密度dRI，i=（∑∑NRI,i,j×Vi×Pj/100）/ARB,i；N RI,i,j 代表第i种居民类型所拥有的第j类室内财产每百户的数量；V i 代表城镇/农村居民的总户数；P j 代表第j类室内资产价值，来源于电商平台，根据电商平台统计的不同价值区间的销售量加权计算，A RB,i 为城镇居民/农村居民用地类型中房屋建筑用地的总面积，
流动资产分布密度dCA,i=PCA,i/AB；P CA,i 为第i行业的流动资产总价值；
农产品产值分布密度dA,i=GA,i/AA,i；G A,i 代表农业中第i行业的总产值，A A,i 代表农业中第i行业对应的土地利用类型的面积；
步骤S33、将间接经济损失的社会经济数据进行空间展布，包括基于土地利用的单位面积GDP法进行第一产业GDP空间化；基于POI数据和随机森林算法的第二和第三产业GDP的空间化。
5.如权利要求4所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述步骤S4进一步为：
步骤S41、基于率定参数后的城市一维二维水文水动力耦合模型进行洪涝模拟，获得每个时间步长的栅格化的积水深度数据；
步骤S42、构建并采用损失率计算模块，基于展布后的社会经济数据，计算各个时刻的洪涝灾害损失；其中，包括直接经济损失评估和间接经济损失评估，直接经济损失评估包括采用基于水深的损失评估模型，根据不同类型的资产的损失率曲线，计算每个栅格单元的直接经济损失，并累加得到整个城市的直接经济损失；间接经济损失评估包括采用减停产损失评估模型，根据不同行业GDP的空间分布，计算每个栅格单元的初始减停产损失，累加得到整个城市42个产业部门的初始减停产损失，进一步，采用基于动态投入产出模型，根据初始减停产损失和投入产出表，计算每个产业部门受灾对于其他产业部门的经济影响，并计算减停产损失和产业关联损失的动态变化；
直接经济损失计算方式为：
DL=∑∑∑∑SA a,bαb,c,d+∑∑∑∑δ b，c，d P a,b ×D/365；
DL为洪涝灾害引起的直接经济损失；a是洪水单元号；b是行业序号；c是水深级别；d是淹没历时等级；SA为资产价值；α为资产损失率；δ,P,D分别为产值损失率、年产值和淹没天数；
间接经济损失动态评估计算方式包括：
初始减停产损失评估计算：InDL1=∑∑∑∑γbcdGab/365；
InDL 1为洪涝灾害引起的减停产损失；a、b、c、d分别是洪水单元号、行业序号、水深级别、淹没历时等级；γ是GDP损失率；G是某行业的GDP；
产业关联损失评估计算：
q（t+1）-q（t）=Δq=K{ A* q（t）+e*（t）-q（t）}；
q为非正常程度向量，表示产业部门相对于正常生产能力的非正常程度，本研究中定义为损失率；A*为基于投入产出表计算的关联矩阵；e*为最终需求的扰动向量；K为弹性系数矩阵，表示的是突发事件扰动后的部门的恢复能力；t为时刻；
步骤S43、根据直接经济损失和间接经济损失的动态评估结果，绘制不同重现期下的洪涝灾害损失-时间函数的变化曲线，分析洪涝灾害损失的变化特征和影响因素。
6.如权利要求1所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述步骤S5进一步为：
步骤S51、分析损失函数中相关参数与灾害发生概率之间的关系，探讨损失函数参数的变化规律和影响因素；
步骤S52、根据损失函数参数与灾害发生概率的关系公式，提出降低洪涝灾害损失的调节策略，包括减少损失峰值、降低损失增长速率和提高损失增长阈值。
7.如权利要求6所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述直接经济损失计算过程包括：
利用城市洪一维二维水文水动力耦合模型的模拟结果，获取地表水深的空间分布；
利用空间化后的部门资产数据，获取资产价值的空间分布，将两者进行空间叠加分析，得到不同水深下的资产价值分布；
利用不同类型的资产的损失率曲线，计算不同水深下的资产损失率分布；
将资产损失率分布乘以资产价值分布，得到不同水深下的资产损失分布；
将不同水深下的资产损失分布累加，得到不同时间下的直接经济损失。
8.如权利要求6所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，所述间接经济损失计算过程包括：
利用城市模拟模型的模拟结果，获取地表水深的空间分布；利用空间化后的行业GDP数据，获取行业GDP的空间分布；
利用不同行业的损失率曲线，计算不同水深下的GDP损失率分布；
将GDP损失率分布乘以GDP分布，得到不同水深下的减停产损失分布；将不同水深下的减停产损失分布累加，得到初始减停产损失；
利用不同行业的投入产出关系和初始减停产损失，计算洪涝灾害发生后不同天数的减停产损失和产业关联损失；
将不同天数的减停产损失和产业关联损失累加，得到不同时间下的间接经济损失。
9.如权利要求8所述的基于场次洪涝灾害的损失函数构建方法，其特征在于，还包括总经济损失的动态评估过程：
获取直接经济损失和间接经济损失的动态变化；
利用基于场次洪涝灾害的损失函数构建方法，分别拟合出直接经济损失和间接经济损失随时间的变化规律；
根据不同类型的损失函数的特征和适用范围，选择合适的拟合函数和拟合参数，保证损失函数的精度和适用性。
10.一种基于场次洪涝灾害的损失函数构建系统，其特征在于，包括：
至少一个处理器；以及，
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1至9任一项所述的基于场次洪涝灾害的损失函数构建方法。
CN202410233672.0A 2024-03-01 2024-03-01 基于场次洪涝灾害的损失函数构建方法和系统 Active CN117807917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410233672.0A CN117807917B (zh) 2024-03-01 2024-03-01 基于场次洪涝灾害的损失函数构建方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410233672.0A CN117807917B (zh) 2024-03-01 2024-03-01 基于场次洪涝灾害的损失函数构建方法和系统

Publications (2)

Publication Number Publication Date
CN117807917A true CN117807917A (zh) 2024-04-02
CN117807917B CN117807917B (zh) 2024-05-07

Family

ID=90426016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410233672.0A Active CN117807917B (zh) 2024-03-01 2024-03-01 基于场次洪涝灾害的损失函数构建方法和系统

Country Status (1)

Country Link
CN (1) CN117807917B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118396483A (zh) * 2024-06-28 2024-07-26 水利部交通运输部国家能源局南京水利科学研究院 基于博弈论的区域防洪与城市排涝标准协同方法和系统
CN119151324A (zh) * 2024-11-21 2024-12-17 国网甘肃省电力公司经济技术研究院 一种电力设施洪涝灾害地理分析评估动态模型的构建方法
CN120031245A (zh) * 2025-01-26 2025-05-23 郑州大学 多源数据与随机分布耦合的建筑灾损评估不确定性优化法
CN120386976A (zh) * 2025-06-30 2025-07-29 南京信息工程大学 一种洪涝灾害脆弱性曲线模型构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927389A (zh) * 2014-04-30 2014-07-16 北京中有联科技有限公司 一种洪涝灾害地理分析评估动态模型的构建方法
US11200788B1 (en) * 2021-06-28 2021-12-14 1st Street Foundation, Inc. Systems and methods for forecasting and assessing hazard-resultant effects
CN115240082A (zh) * 2022-09-26 2022-10-25 四川省冶金地质勘查局水文工程大队 一种基于形变监测和深度学习的地质灾害监测预警方法
CN115310806A (zh) * 2022-08-08 2022-11-08 河海大学 一种基于空间信息格网的洪涝灾害损失评估方法
US20230068107A1 (en) * 2020-09-22 2023-03-02 Swiss Reinsurance Company Ltd. Monitoring and risk index measuring system based on measured ecosystem services as a function of sectoral economic performance, and corresponding method
CN116911699A (zh) * 2023-09-14 2023-10-20 水利部交通运输部国家能源局南京水利科学研究院 城市洪涝灾害应对韧性的精细化动态评估方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927389A (zh) * 2014-04-30 2014-07-16 北京中有联科技有限公司 一种洪涝灾害地理分析评估动态模型的构建方法
US20230068107A1 (en) * 2020-09-22 2023-03-02 Swiss Reinsurance Company Ltd. Monitoring and risk index measuring system based on measured ecosystem services as a function of sectoral economic performance, and corresponding method
US11200788B1 (en) * 2021-06-28 2021-12-14 1st Street Foundation, Inc. Systems and methods for forecasting and assessing hazard-resultant effects
CN115310806A (zh) * 2022-08-08 2022-11-08 河海大学 一种基于空间信息格网的洪涝灾害损失评估方法
CN115240082A (zh) * 2022-09-26 2022-10-25 四川省冶金地质勘查局水文工程大队 一种基于形变监测和深度学习的地质灾害监测预警方法
CN116911699A (zh) * 2023-09-14 2023-10-20 水利部交通运输部国家能源局南京水利科学研究院 城市洪涝灾害应对韧性的精细化动态评估方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
X.WU等: "A New Economic Loss Assessment System for Urban Severe Rainfall and Flooding Disasters Based on Big Data Fusion", ECONOMIC IMPACTS AND EMERGENCYMANAGEMENT OF DISASTERS IN CHINA, 24 April 2021 (2021-04-24), pages 259 - 285 *
XIN SU等: "Dynamic Assessment of the Impact of Flood Disaster on Economy and Population under Extreme Rainstorm Events", REMOTE SENSING, vol. 13, no. 19, 30 September 2021 (2021-09-30), pages 1 - 21 *
苏鑫等: "基于情景模拟的洪涝灾害经济损失动态评估", 清华大学学报（自然科学版）, vol. 62, no. 10, 3 September 2022 (2022-09-03), pages 1606 - 1617 *
邓金运;刘聪聪;高浩然;马晨煜;崔鑫;: "排水体系建设对城市洪涝灾害的影响", 长江科学院院报, no. 03, pages 51 - 56 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118396483A (zh) * 2024-06-28 2024-07-26 水利部交通运输部国家能源局南京水利科学研究院 基于博弈论的区域防洪与城市排涝标准协同方法和系统
CN119151324A (zh) * 2024-11-21 2024-12-17 国网甘肃省电力公司经济技术研究院 一种电力设施洪涝灾害地理分析评估动态模型的构建方法
CN120031245A (zh) * 2025-01-26 2025-05-23 郑州大学 多源数据与随机分布耦合的建筑灾损评估不确定性优化法
CN120031245B (zh) * 2025-01-26 2025-12-09 郑州大学 多源数据与随机分布耦合的建筑灾损评估不确定性优化法
CN120386976A (zh) * 2025-06-30 2025-07-29 南京信息工程大学 一种洪涝灾害脆弱性曲线模型构建方法
CN120386976B (zh) * 2025-06-30 2025-08-26 南京信息工程大学 一种洪涝灾害脆弱性曲线模型构建方法

Also Published As

Publication number Publication date
CN117807917B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN117807917B (zh) 基于场次洪涝灾害的损失函数构建方法和系统
CN113032733B (zh) 基于非线性分类回归分析的遥感降雨误差校正方法及系统
US20220327447A1 (en) Climate-based risk rating
Thakur et al. Coupling HEC-RAS and HEC-HMS in precipitation runoff modelling and evaluating flood plain inundation map
CN117010726B (zh) 用于城市防洪的智慧预警方法及系统
Masih et al. Assessing the impact of areal precipitation input on streamflow simulations using the SWAT Model 1
CN111915158A (zh) 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备
CN115310806A (zh) 一种基于空间信息格网的洪涝灾害损失评估方法
CN108536908A (zh) 基于非点源氮磷流失风险对流域水环境安全评估的方法
CN105893770A (zh) 一种气候变化和人类活动对流域水资源影响的量化方法
CN111008734A (zh) 洪水危险性的区划和时空演变规律的研究方法
Almasi et al. Assessment of the climate change impacts on flood frequency (case study: Bazoft Basin, Iran)
CN116523189A (zh) 一种考虑水文特征的墒情站点规划方法、装置及存储介质
Yan et al. A novel integrated urban flood risk assessment approach based on one-two dimensional coupled hydrodynamic model and improved projection pursuit method
Yazdandoost et al. Climate change impacts on the streamflow of Zarrineh River, Iran
Zhao et al. Risk assessment of flood disaster and forewarning model at different spatial-temporal scales
Liu et al. Study on the response analysis of LID hydrological process to rainfall pattern based on framework for dynamic simulation of urban floods
CN115481366A (zh) 一种基于空间降尺度回归模型的耕地资源生产潜力测算方法
CN118171761A (zh) 一种雨量站网优化方法及系统
CN116543528A (zh) 一种基于降雨阈值的区域滑坡危险性预警方法
Luo et al. Estimating the impacts of urbanization in the next 100 years on spatial hydrological response
Lou et al. Projecting urban flood risk through hydrodynamic modeling under shared socioeconomic pathways
Wang et al. Early warning of debris flow using optimized self-organizing feature mapping network
CN120181575A (zh) 一种多尺度城市暴雨洪涝风险评估方法
CN119808663A (zh) 一种适用于湿润山区的洪水淹没计算方法、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant