本发明属于城市防灾减灾，涉及用于防灾减灾的极端暴雨内涝灾害风险动态评估方法。
背景技术：
1、受全球气候变化与快速城市化的共同影响，城市极端暴雨内涝灾害问题日益突出。城市内涝形成大范围积水，引发基础设施受损与交通系统瘫痪，受阻碍的应急服务难以满足动态激增的应急救援需求，造成巨大的经济损失和社会影响，甚至威胁人民的生命安全。风险评估作为内涝灾害管理和防灾减灾救灾决策的基础与技术支持，在变化环境下从灾害评估本身向承灾体评估转变，房屋道路受淹、人员伤亡和财产损失已成为城市内涝灾害风险评估的重要对象。而暴雨内涝过程往往具有强烈的时空变化特征，已有的风险评估方法在实际应用中存在着承灾体分类不明确、风险评价主观依赖性强等问题，尤其忽略了防灾响应对内涝灾害风险的相互动态影响，为城市的防灾减灾工作带来一定难度。因此，亟待采用新技术准确评价内涝灾害演变过程中承灾体的动态风险变化。
2、基于上述背景，针对城市防灾减灾中面临的难题，本发明能够改进当前暴雨内涝风险评估方法，提升城市内涝灾害管理能力，研究成果可为城市的灾害管理和应急决策提供技术支撑。
技术实现思路
1、本发明的目的是提供用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，解决了现有内涝灾害风险评估方法在实际应用中存在着风险评价主观依赖性强，无法对内涝灾害演变过程中各承灾单元内涝风险进行动态化评估的问题。
2、本发明所采用的技术方案是，用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，调研城市系统数据和防灾减灾数据，利用gis技术在城市建筑和路网尺度上对承灾体进行精细化风险单元划分并确定承灾体空间分布；基于极端暴雨内涝情景模拟洪涝积水深度动态变化过程对承灾体的受灾影响；将城市复杂系统看作由区域空间、路网系统与防灾应急响应三个子系统构成，利用空间复杂网络与最短路径规划计算路网系统交通容量与应急服务可达性；在此基础上，综合考虑防灾应急排水与应急救援服务对高风险区的合理化分配，联合内涝过程模拟与指标体系两种方法，提出融合灾害演变与防灾响应过程的内涝风险动态评估技术，动态化评估内涝灾害演变过程中各承灾单元内涝风险，通过情景设定构建风险数据库，利用融合哈里斯鹰优化算法与粒子群优化算法的方法优化lstm网络，构建内涝风险实时分析模型，最终实现极端暴雨内涝灾害风险动态评估计算。具体操作步骤如下：
3、步骤1，收集城市系统数据和城市防灾减灾数据；所述城市系统数据包括路网系统数据、人口密度、土地利用、地区生产总值、城市生命工程线；所述城市防灾减灾数据包括防洪排涝工程数量与位置，应急防汛设备，所述应急防汛设备包括防汛排水车、手提移动泵的数量及位置；
4、步骤2，对城市洪涝重点防灾对象和易受损区域划分类别，包括：重要基础设施（主干道路、下穿通道、城市地铁、变电站等）、公共服务设施（政府、医院、学校、消防站等）、居民集中区（老旧城区、高人口密度区等）、经济功能区（商业中心、旅游景区等）、易损产业（图书店、汽车销售店、烟草店、家具店等）；以建筑单元和路网为划分尺度，利用gis技术对承灾体进行精细化风险单元划分并确定承灾体空间分布；
5、步骤3，构建高精度内涝过程模型，对危险性较大的重点区域（下穿通道、城市地铁、变电站、老旧城区）采集高分辨率地形高程数据开展洪涝过程精细化模拟，分析洪涝积水深度动态变化过程对承灾体的受灾影响；
6、步骤4，将受灾等级分为轻微受灾、严重受灾与重大受灾三级，综合考虑淹没深度、面积和平均经济值，计算承灾体经济损失；
7、步骤5，计算路网交通容量、评估道路失效性；
8、步骤6，结合区域内涝应急防控策略评估救援服务可达性；
9、步骤7，设定暴雨内涝情景，动态化评估内涝风险；
10、步骤8，根据步骤7的内涝风险动态变化评估结果，构建内涝风险数据库；
11、步骤9，采用步骤8的内涝风险数据库训练lstm深度学习网络，利用融合哈里斯鹰优化算法与粒子群优化算法优化lstm网络的隐含层神经元数量、权值以及学习率，提升lstm网络的预测精度，构建内涝风险实时分析模型；
12、步骤10，针对实时、预报或设定的雨水情、防灾等级调整情景条件，利用内涝风险实时分析模型引擎进行实时计算，得到内涝风险时空变化动态过程和推演结果。
13、本发明的特点还在于，
14、步骤4计算承灾体经济损失的方法见公式（1）：
15、（1）
16、式中， l为承灾体经济损失， i和 j分别代表承灾体类型总数和淹没深度总数； aij为第 i种承灾体类型的第 j个淹没深度对应的淹没面积， dij为 aij对应的受灾等级；受灾等级 dij中：轻微受灾取值0.2，严重受灾取值0.3，重大受灾取值0.5； pi为第 i种承灾体类型单元的平均经济值。
17、步骤5具体如下：
18、将城区具有服务功能的道路分为主干路与次干路，利用空间复杂网络将道路交叉口抽象为节点，，路口相连的路段抽象为一组边，，形成路网图 g(vp ,ep )；以相邻路口 vi vj所需的通行时间 t为权值构建权重矩阵，最终形成道路网络拓扑结构 m(g)；在城市内涝灾害演变过程中，积水深度大于50cm则带来道路功能性失效，导致路网拓扑结构发生变化，基于最短路径的思想，定量计算区域路网交通容量，见公式（2）：
19、（2）
20、式中，表征路网交通容量，是节点在 t时刻的介数；为 t时刻连接节点和的最短路径总数，、和均表示任意节点；为 t时刻连接节点的最短路径总数，其中最短路径采用人工蜂群优化算法计算获得；
21、道路积水深度大于50cm即认为道路失效。
22、步骤6具体如下：
23、以提供应急服务的设施单元为中心，根据内涝过程不同情景路网拓扑结构现状与响应到达时间阈值计算应急设施辐射范围，在辐射范围内统计分析高风险区承灾体应急响应需求，计算应急服务供需比，见公式（3）：
24、（3）
25、式中， rj为应急服务供需比； sj表示空间区域内应急服务设施的服务辐射范围；为空间区域内高风险单元的数量；为考虑距离对应急服务效率影响的高斯方程；
26、以内涝风险单元 k为中心，搜索给定空间距离阈值 d0内的救援点，将所有风险单元应急服务供需比 rj采用高斯方程赋权，加权求和得到整体应急服务可达性 ak，如公式（4）：
27、（4）。
28、步骤7具体如下：
29、以区域空间为单元开展内涝风险精细化评估，采用层次分析法-熵权法组合构建考虑危险性、暴露性、脆弱性和防灾减灾能力的评估指标体系；结合内涝过程模型进行情景分析，考虑内涝过程不同阶段下道路防灾应急排水、防洪排涝工程应急调度、应急救援服务可达性，计算得到承灾体单元内涝风险动态变化。
30、步骤7中内涝风险动态化评估的具体构建步骤如下：
31、步骤7.1，构建评估指标体系
32、评估指标体系分解成以下13个指标：降雨强度、降雨历时、淹没水深、淹没历时、淹没范围、地表高程、土地利用、人口密度、经济损失、路网交通容量、监测预警能力、防洪排涝能力、应急救援服务可达性，采用层次分析法-熵权法组合计算指标权值；涉及建筑的经济损失采用步骤4所述公式（1）计算；
33、a.采用层次分析法-熵权法组合计算指标权值的具体方法如下：
34、（1）构造判断矩阵：根据专家意见或经验，使用1-9标度法将各指标两两比较，生成判断矩阵；
35、（2）一致性检验：计算判断矩阵的最大特征值，并通过一致性比率cr判断矩阵是否满足一致性要求，cr<0.1时判断矩阵通过一致性检验；
36、（3）计算主观权重 wjahp：通过求解判断矩阵的特征向量，归一化后得到各指标的主观权重；
37、b.采用熵权法计算客观权重
38、（1）标准化数据：对所有评估指标进行无量纲标准化处理，如最小-最大标准化，确保各指标的量纲一致。
39、（2）计算信息熵：根据各指标的标准化值，计算每个指标的信息熵值，信息熵反映了指标的离散程度，离散程度越大，信息熵越小。
40、信息熵公式为：
41、
42、其中 pij为第 j个指标第 i个样本的标准化值占总和的比例，为常数,=1/ln( n)，是样本总数；
43、由此求得客观权重为：
44、；
45、其中，为第 j个指标客观权重； s是评价指标总数；
46、c.采用加权平均法将主观权重和熵权法计算的客观权重进行组合，
47、
48、其中,为主观权重占比。
49、步骤7.2，极端暴雨内涝灾害演变过程动态计算：
50、根据内涝演变过程，将内涝灾害情景的动态演变划分为初始情景、演变情景、峰值情景、恢复情景和终止情景五个阶段；采用内涝过程模型进行模拟计算，计算步骤7.1中指标体系所需的淹没水深、淹没历时与淹没范围，模拟时考虑道路手提移动泵临时抽排、应急防汛排水车对高风险区的合理化资源分配、以及防洪排涝工程应急调度模式三种有利于降低内涝积水的因素；其中应急防汛排水车的合理分配通过以下三个步骤确定：
51、（1）内涝灾害过程高风险路段排序：以道路积水深度大于50cm，时长大于15min为标准，确认需要防汛应急排水车进行排水作业；根据如下先后顺序对高风险路段进行排序，重点防护区范围>易损产业范围>主干道路>高风险路段出现时间；
52、重点防护区范围，易损产业范围，主干道路，高风险路段通过卫星影像地图观察即可得到，重点防护区范围包括重点防护对象以及周围道路；
53、高风险路段出现时间利用二维水动力模型模拟计算得出；
54、（2）防汛排水车路径规划：根据内涝积水情景下道路通行情况，采用人工蜂群优化算法计算防汛排水车到达作业现场的最短路径，计算通行时间，新的路径在每次排水作业完成后都需要重新规划计算；
55、（3）防汛排水车排水计算：根据高峰选取积水量与防汛排水车排水量，计算排水时间，当区域积水深度小于5cm时，认为排水作业完成；
56、步骤7.3，在步骤7.2内涝灾害演变过程的每个阶段计算路网交通容量与应急救援服务可达性，其中路网交通容量采用步骤5方法计算，救援服务可达性采用步骤6中公式（3）和公式（4）计算；考虑了应急救援服务可达性带来的风险影响，计算每个情景阶段不同承灾体的内涝风险：
57、根据组合权重，计算每个区域或样本的综合洪水风险得分，设第个样本在第 j个指标下的组合权重值为 xij，则综合风险得分 ri为：
58、；
59、步骤7.4，基于标准差的分类法，将风险得分的平均值和标准差作为划分依据，计算综合风险得分的均值和标准差，根据综合风险得分在均值上下的标准差范围来划分风险等级：
60、低风险：得分小于-；
61、中风险：得分在-和之间，
62、较高风险：得分在到+之间，
63、高风险：得分大于+；
64、在风险划分的基础上，邀请专家根据实际情况优化风险等级标准最终得到城市内涝风险动态评估结果。
65、步骤9中lstm网络参数优化的具体步骤如下：
66、步骤9.1，以lstm网络预测精度为优化目标，构建目标函数，目标函数如公式（5）：
67、（5）
68、式中，为第个真实数据；为真实数据的平均值；为数据预测值；为数据个数；
69、步骤9.2，在网络参数优化迭代前期融合哈里斯鹰优化算子提升全局搜索能力，利用改进的过渡阶段猎物的能量方程判断是否进入局部搜索阶段，利用粒子群算法加速收敛，再引入混合柯西高斯变异算子用以跳出可能的早熟，具体如下：
70、（1）算法前期，利用哈里斯鹰算法进行全局搜索，搜索过程如公式（6）：
71、（6）
72、式中，xt+1和xt分别为种群个体第 t+1次迭代和第 t次迭代时的位置；xrand,t为第 t次迭代时种群随机位置；xm,t为第 t次迭代时种群平均位置；xprey,t为第 t次迭代时猎物位置； r1， r2， r3， r4分别为0到1之间的随机数； ub和 lb分别为搜索空间的上界和下界，是(0,1)之间的随机数；
73、（2）利用改进的过渡阶段猎物的能量方程，判断算法是否进入局部搜索阶段；公式如下：
74、（7）
75、式中， e为猎物逃跑的能量，当时，算法执行全局搜索，反之执行局部搜索； e0为猎物初始能量，， rand为0到1之间的随机数； tmax为最大迭代次数；
76、（3）局部搜索阶段，利用粒子群算法的快速搜索能力加速收敛，搜索过程如公式（8）-公式（9）：
77、（8）
78、（9）
79、式中， xt+1和 vt+1分别为粒子在 t+1代的位置和速度； ωt为权重； c1和 c2分别为粒子的个体学习和社会学习因子； r1和 r2为0到1间的随机数； pbestt为粒子的个体最优解； gbestt为所有粒子在 t代的全局最优解；
80、在算法后期，引入柯西高斯变异策略提高算法的全局搜索能力，若种群经过10次迭代后最优解未发生变化，选择当前最佳个体进行变异，如公式（10）：
81、（10）
82、式中， xnewt为变异后个体位置；和分别为服从柯西分布和高斯分布的随机因子； ζ1和 ζ2分别为柯西分布与高斯分布的自适应参数。
83、本发明的有益效果是：
84、本发明用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，本发明在实际城市智慧雨洪管理系统的应用中展现出良好的效果，本发明所得到的内涝风险动态评估结果由高精度内涝过程模型与指标体系联合计算获得，尤其对承灾体风险进行了精细化模拟计算，具备准确性与综合性；同时，本发明考虑了极端暴雨内涝过程动态变化以及城市防灾减灾能力，得到的风险结果是动态的，服务于内涝灾害演变过程中的防灾救援；此外，通过机器学习技术快速预测风险结果，有效满足防灾救援的及时性。本发明是一种精准化、动态化且实时化的内涝风险评估方法。
1.用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，调研城市系统数据和防灾减灾数据，利用gis技术在城市建筑和路网尺度上对承灾体进行精细化风险单元划分并确定承灾体空间分布；基于极端暴雨内涝情景模拟洪涝积水深度动态变化过程对承灾体的受灾影响；利用空间复杂网络与最短路径规划计算路网系统交通容量与应急服务可达性；联合内涝过程模拟与指标体系两种方法，提出融合灾害演变与防灾响应过程的内涝风险动态评估技术，动态化评估内涝灾害演变过程中各承灾单元内涝风险，通过情景设定构建风险数据库，融合哈里斯鹰优化算法与粒子群优化算法优化lstm网络，构建内涝风险实时分析模型，最终实现极端暴雨内涝灾害风险动态评估计算。
2.根据权利要求1所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，具体操作步骤如下：
3.根据权利要求2所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤4根据不同承灾体将受灾等级分为：
4.根据权利要求3所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤4计算承灾体经济损失的方法见公式（1）：
5.根据权利要求4所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤5具体如下：
6.根据权利要求5所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤6具体如下：
7.根据权利要求6所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤7具体如下：
8.根据权利要求7所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤7中内涝风险动态化评估的具体步骤如下：
9.根据权利要求2所述的用于防灾减灾的极端暴雨内涝灾害风险动态评估方法，其特征在于，步骤9中lstm网络参数优化的具体步骤如下：
