站內搜索
站內搜索
一、研究進展情況
主要內容：
①研究計劃總體執行情況及各子課題進展情況﹔
研究計劃總體執行情況
本項目自啟動以來，積極組織相關領域專家組建研究團隊，成立子課題組，嚴格按照研究計劃、內容分工扎實推進各子課題研究，定期召開課題研究成果匯報，調整方向和進度。具體進展情況如下：
子課題1：氣象災害大數據的本體構建研究進展
目前本子課題已經完成60%。
1）在分析現有領域本體構建方法的基礎上，提出了一種基於形式概念分析（FCA）的領域本體構建方法。該方法主要包括數據預處理、對象-屬性矩陣分析、概念格創建、概念語義相似度分析和本體構建幾個步驟。
2）以氣象災害大數據為檢索對象，設計了基於氣象災害本體的氣象災害大數據語義檢索模型。模型首先對當前流行的同義詞集WordNet和本體庫SUMO進行擴展和融合，形成涵蓋同義詞集與本體概念之間相互映射關系的同義詞集——概念索引庫。然后融合氣象災害本體對氣象災害領域主題概念及其之間語義關系的明確定義，對用戶檢索詞進行本體概念匹配和語義擴展（如：將用戶檢索詞擴展為本體概念+概念同義詞+概念上下位詞+概念屬性），形成擴展的語義檢索式，然后檢索氣象災害大數據，從而獲取更精確、更全面的氣象災害數據，用於后續分析。同時課題以“台風莫蘭蒂”作為本體語義擴展檢索實驗，比較分析了“台風莫蘭蒂”及其語義擴展檢索式“2016 and（莫蘭蒂 台風 風暴 暴雨 狂風 洪水 洪澇）and (福建 廈門 翔安 福州 閩南)”的檢索性能。實驗發現，語義擴展檢索式檢索結果准確率更好，達到80%。
3）融合Web of Science和中國知網中“大數據”研究文獻數據，借助CiteSpaceII可視化分析軟件繪制出國內外大數據領域的科學知識圖譜——作者、國家和機構的科研合作網絡，關鍵詞共現聚類網絡，文獻共被引聚類網絡，揭示出國內外大數據研究概貌。研究發現，國內大數據方面科研社區較多，但規模較小，而國際大數據科研社區較少，但規模較大，規模最大研究社區，達到30多人。國家和機構之間的科研合作極少，國際TOP30科研機構中，大部分為美國高校，中國機構較少。國內外大數據研究涉及的熱點主要有：基於大數據的雲計算﹔基於MapReduce和Hadoop的海量數據分布式處理研究﹔大數據在數據挖掘、社會網絡、互聯網金融、識別與預測等領域的應用研究。而國內涉及較少的研究熱點有：大數據模型和算法研究、大數據分類研究和大數據相關系統研究。
4）以暴雨災害為主題，基於FCA方法構建了若干具體的全局和局部本體（如暴雨災害本體、次生災害本體和災害管理本體等），並分別使用基於單目標優化的模擬退火算法、禁忌搜索算法和基於多目標優化的網絡空間進化算法、多目標蟻群算法進行網絡空間主題爬虫，以獲取網絡空間氣象災害大數據的相關非結構化和半結構化的數據和資料。實驗結果表明，通過採用本體技術的多目標主題爬虫方法的爬准率較其他網絡爬虫方法效果更佳。
子課題2：氣象災害大數據的融合研究進展
目前本子課題已經完成70%。
1）採用加權雙線性等計算方法，將社會統計數據分配到一定尺度的規則地理柵格上，通過非空間屬性大數據的網格化，實現了多源數據的分解與融合，以便與環境、地形等數據綜合使用，實現大數據的融合分析。
2）採用雙線性插值法，將各種硬（軟）數據統一到等經緯度格點上，然后再求解加權最小成本目標函數。該算法由研究區域范圍內各個格點的硬（軟）數據與待求解的理想結果之差的平方和，以及待求解的融合結果矢量的二階導數組成。
3）借鑒FGDC地理空間數據內容標准（CSDGM）V.2.0和ISO 地理信息（CD 2.0）理念，採用ArcGIS 軟件提供的坐標轉換功能實現數據坐標系統的歸一化，具體包括社會統計數據的網格化、矢量化的空間配准與已有矢量數據的坐標轉換，以及衛星資料投影轉換﹔在氣象災害本體知識庫基礎上開發面向應用的本體知識管理引擎，為業務運行所需的聯合查詢、抽取和轉換提供解析服務。
子課題3：氣象災害大數據的降維與災害識別研究進展
目前本子課題已經完成60%。
1）針對超高維數據，提出一種穩健的，無模型假設的，基於區間分位數的超高維特征篩選方法，從理論上和數值模擬上驗証了所提出方法的優良性質。
2）針對超高維數據，基於條件分布函數與無條件分布函數之間的相互聯系，提出一種快速的超高維特征篩選方法，從理論上和數值模擬上驗証了所提出方法的優良性質。
3）針對社交網絡平台上的超高維海量文本數據，提出一種災害信息挖掘算法，能夠有效快速地提取災害相關信息，並對不同的災害類別利用所搜集網絡平台信息進行了災害類別信息挖掘。此外，還從網絡內容的發布、傳播、分享等方面展開研究，分析了促使網絡信息傳播的核心因素。
4）針對全國近50年霧霾能見度數據，創立混合效應廣義高斯過程函數回歸模型，對二十個代表性城市能見度進行建模和估計，並進行預測研究。實例和模擬分析結果表明，模型不僅能夠很好地刻畫能見度和影響因子的復雜相關關系，而且能夠較大程度地提高預測效果。
5）針對中國161個城市的空氣質量數據，以PM2.5濃度為主要研究對象，創立函數型數據懲罰似然聚類方法，加入工業煙（粉）塵排放量等人類活動因素作為輔助聚類變量，通過Logistic模型和混合模型進行雙層建模，提高聚類准確性和穩健性。聚類結果有助於各城市根據自身經濟形勢和氣候條件等因素制訂對應的環境治理措施。
子課題4：氣象災害的經濟社會影響評估研究進展
目前本子課題已經完成70%。
1）基於GIS平台，初步建立了城市內澇數據庫，主要包括系統數據庫、基礎地圖數據庫、內澇點數據庫、氣象和水文數據庫、實況災情數據庫等。
2）基於城市內澇數據庫，構建了城市不同區域（如居民區、商業區或根據匯排水概化的區域等）不同等級內澇（按內澇水深分級）、不同重現期下（5、10、15、20、30、50、100年一遇）致災臨界面雨量（也稱為致洪閾值），建立針對行人、車輛、建筑物、商業和居民社區財產等不同承災體的內澇脆弱性評估模型，建立不同區域各類承災體暴露度和脆弱性評估模型，開展城市暴雨內澇災害風險評估。評估不同區域內澇風險等級，可能出現積水的區域或地段、水深、承災體數量和價值量，以及相應的經濟損失。
3）採用Haimes & Jiang（2001）、Santos， Haimes & Lian et al.（2006）、吳先華等（2012， 2014）提出的非正常投入產出模型（IIOM 模型），從災害沖擊減少產業最終需求入手，通過投入產出表的技術矩陣所表達的產業間關聯關系，計算了災害影響下計劃產出與災后產出值之差。
4）基於 Web GIS 實現“人機交互式”數據採集﹔通過統計方法確定災損率曲線，計算災害的直接經濟損失﹔利用投入產出模型計算災害的間接經濟損失。採用“所見即所得”的思路，隻需要輸入降雨量的實況數據，便可即時計算城市各易澇點的直接和間接經濟損失，提供災害經濟損失的空間分布，自動生成各易澇點的災損和防御對策報告。該系統有助於提高政府部門的災害應急管理能力，為類似災害的經濟損失評估提供典型范例。
子課題5：氣象災害應急決策的生成與評價研究進展
目前本子課題已經完成70%。
1）在災前，以台風為例針對台風預報的不確定性，提出了集成案例推理(Case-Based Reasoning, CBR)和前景理論的兩階段台風災害應急方案生成和調整方法。對於氣象災害事件的態勢感知，運用系統動力學，對氣象災害事件的演化路徑及過程進行了研究，並對政府如何根據氣象災害事件的演化路徑提出了初步的對策建議。
2）在災后，基於系統動力學，建立了考慮市民恐慌程度和損失率的雙目標函數模型，對當前台風應急預案的執行效果進行了評價，並提出了三個台風災害應急策略。在災后，基於進化算法和多目標優化理論，提出了一系列的多目標優化算法對應急過程進行動態優化，提高了應急效率。
3）日益頻發的城市暴雨內澇災害已成為快速城鎮化建設中急需應對的嚴峻挑戰﹔但當前與暴雨內澇相關的氣象數據、災情數據和社會經濟數據等尚未能有效融合，不能快速有效地生成內澇災害應急決策方案，這成為災害應急管理的障礙。本子課題從城市暴雨內澇災害大數據融合的幾個方面入手，分別評述了大數據的本體技術、數據融合方法、數據降維與災害識別、災害的社會經濟損失評估，以及應急決策的生成與評估方法等相關理論與實踐進展，並對未來研究進行了展望。最后指出，在大數據融合背景下開展城市暴雨內澇災害的應急管理研究，具有豐富的理論和實踐價值。
②調查研究及學術交流情況（調研數據整理運用、文獻資料收集整理、學術會議、學術交流、國際合作等）﹔
1）調研數據整理運用
一是針對新浪微博平台上的微博信息，利用爬虫等數據抓取軟件，抓取搜集了幾種主要災害信息數據。
二是調研了農業部種植業管理司公布的災情數據庫。災情數據庫由農業部種植業管理司和農業部信息中心合作開發，數據庫來源於《中國統計年鑒》及《中國農業統計資料》。 災情數據庫收錄了1949年至今分省、分年度、分災種的受災、成災、絕收的面積數據共2.3萬條。
三是開展了台風災害案例分析和數據收集，已經完成了自1949年以來分省、分年度、分災種的受災、成災、絕收的面積數據、成災率、受災率、絕收率的統計工作，收集並整理了國內外相關文獻2000余篇。同時，還積極開展了國際合作，到美國俄克拉荷馬州立大學進行了為期半年的國際交流合作，與該校的Gary.Yen教授開展有目標優化算法及其在應急管理中的應用，取得了較好的成績。
四是2017年7月5日-20日，帶領研究人員到福建省漳州市馬洋溪調研洪澇災害損失情況，收集整理了該洪澇災害的相關數據，並將調研資料整理成學術論文一篇，在《災害學》上發表。
2）文獻資料收集整理
目前本課題組已查閱並收集了本體構建、大數據融合、大數據降維、災害損失評估以及氣象災害應急管理等相關研究的國內外文獻。
3）學術會議
作為大會程序委員會主席，與中國“雙選法”學會共同舉辦、承辦了“第十九屆中國管理科學學術年會——綠色發展與管理科學”（地點：南京信息工程大學）。
課題首席專家召集，每月召開一次課題進展研討會。
4）學術交流
一是2017年9月到清華大學經濟管理學院做訪問學者，導師為陳國青教授，擬積極參加團隊活動，深入學習大數據融合的方法。
二是作為特邀專家，參加了美國UNCP舉辦的“Disaster risk analysis(2017)”以及國內的“2017應急管理與金融工程”等學術會議。
三是作為會議分會場主席，2018年6月13-17日參加了台灣銘傳大學承辦的DEAIC2018國際會議。
四是邀請北卡羅萊納大學彭布洛克分校衛國教授、美國新墨西哥州立大學王通會教授、美國賓夕法尼亞州高等教育系統滑石分校林益教授、田納西大學金明洲教授、寧波大學鐘昌標教授、溫莎大學王運通教授、北京化工大學李想教授、四川大學胡知能教授、江蘇省社會科學院經濟研究所所長胡國良研究員、南京農業大學鐘甫寧教授等10余位專家來校進行學術交流。
5）國際合作
繼續與美國的UNCP（University of North Carolina at Pembroke）的Guo WEI教授、美國的UNR（University of Nevada-Reno）的Shunfeng SONG教授合作、法國裡昂大學終身副教授Yeming Gong博士開展共同研究，撰寫研究論文。合作內容主要包括：
一是共同研發基於格點的災害大數據融合算法研究（與Guo WEI教授合作）。
二是共同研發基於社交媒體大數據的災害預警方法研究（與Shunfeng SONG教授合作）。
三是研發針對霧霾災害的多階段網絡DEA模型（與法國裡昂大學終身副教授Yeming Gong博士合作）。
四是氣象災害大數據的降維與災害識別研究（與Guo WEI教授合作）。
以上這些合作，為后續進一步的深入研究提供了很好的方法基礎。
③成果宣傳推介情況（成果發布會、《工作簡報》報送情況、國家社科基金專刊投稿及採用情況等）﹔
1）李廉水教授與吳先華教授合作撰寫的專報《基於大數據融合提升災害應急管理能力的政策建議》，被教育部社會科學司採納，並已呈遞給有關領導參閱。
2）李廉水教授、王會軍院士、吳先華教授合作撰寫的調研報告《以數據融合為基礎，全面提升災害應急管理能力》在中國科學技術協會內部刊物《科技工作者建議》2017年發表。
④研究中存在的主要問題、改進措施，研究心得、意見建議﹔
1）研究中存在的主要問題1：氣象災害本體是實現“基於氣象災害本體的氣象災害大數據語義檢索模型”的核心技術。氣象災害本體明確界定了氣象災害概念及其之間相互語義關系，可以消除氣象災害數據格式不統一和數據內容歧義的問題。然而氣象災害本體無法解決概念的同義詞集問題、一詞多義（多義詞）和多詞一義（同義詞）問題，因此需要借助當前通用的概念本體庫SUMO和同義詞集Wordnet，對兩大本體庫進行融合，構建涵蓋SUMO本體概念與Wordnet同義詞集映射關系的集成本體庫。然而，SUMO本體概念與Wordnet同義詞集涉及的概念和同義詞數量龐大，語義關系復雜，如何建立SUMO本體概念與Wordnet同義詞集之間映射關系是后續面臨的主要問題。
改進措施：全面研讀國內外相關的研究文獻和技術文檔，梳理出本體概念與同義詞集之間建立映射關系的理論、方法、技術和工具，從而解決如何建立SUMO本體概念與Wordnet同義詞集之間映射關系的問題。
2）研究中存在的主要問題2：如何設計動態尋優子空間算法，進行特征提取與選擇，實現氣象災害大數據的維數約簡﹔在此基礎上建立典型氣象災害數據的深度學習模型，實現災害的分類識別。
改進措施：利用統計學上的相關分析、灰色關聯度分析、關聯規則挖掘等方法，主要用於篩選各類氣象災害的影響因素，採用主成分分析(PCA)、線性判別分析(LDA)和最大邊緣准則(MMC)三種全局統計子空間算法，用於設計動態尋優子空間方法，結合氣象災害數據的行業特性，進行特征提取與選擇，實現氣象災害大數據維數約簡。利用模糊聚類等統計方法，用於測試氣象災害的數據結構特征﹔採用泛函分析和數理統計方法，用於推導數據分布統計量與典型激活函數的關聯性﹔利用智能優化算法，如粒子群優化算法、螢火虫算法、模擬退火算法、遺傳算法等，用於搜索最優層數，設定深度學習算法層數的閾值等等。在這些研究的基礎上，建立典型氣象災害數據的深度學習模型，實現災害的分類識別。
3）研究中存在的主要問題3：在數據的搜集和整理方面有所欠缺，對氣象災害的實時數據、災后重建數據、管理方面的數據搜集得不夠全面，在維度和深度上都需要進一步加強，從而使得在數據分析應用方面能夠有更好的效果。
改進措施：擬通過我校與中國氣象局、各省級氣象局的渠道，加大溝通力度，爭取獲得更多的一線災害數據，確保研究的真實性和可靠性。採取現場調研方式獲取第一手的基礎地理信息數據，充分利用台站資料、預報資料和遙感數據，及時與相關部門聯系獲取最新的基礎地理信息數據。
⑤其他需要說明的問題。
無。
二、研究成果情況
①代表性成果簡介（基本內容、主要觀點、學術價值、社會影響等）﹔
1）研究成果1（基於大數據融合提升災害應急管理能力的政策建議）介紹：
主要內容：數據“碎片化”影響防災救災決策准確性，主要體現在：一是災害管理數據採集和使用分散，二是災害管理數據未形成統一標准，三是數據孤島、數據閑置和數據不足等現象並存。國外基於數據共享的災害應急管理經驗值得借鑒，一是災害數據庫互聯共享，二是大數據技術應用於災害應急管理系統，三是以社區為中心，開展災害防御和基礎數據精准數據採集，四是以省（州）為樞紐，構建災害應急管理三級聯動體系。
主要觀點：一是大力發展大數據融合技術，二是以數據融合為突破口，全面規劃智慧城市建設，推進和協調政府部門的數據開放和數據融合，三是以數據開放共享為導向，建立和加強“社區防災”為中心的災害管理理念。
學術價值：災害數據，包括預報數據、災情數據和社會統計數據三大類，具有體量浩大、模態繁多、生成快速和價值巨大但密度很低的大數據特征，但目前這些數據的歸屬分割、標准迥異、互不相融，呈現“碎片化”特征，難以滿足在發生災害的緊急情景下的應急決策需要，甚至成為應急決策的障礙。大數據技術和應用的蓬勃發展，使得多元異構的災害數據的快速融合成為可能。本研究具有較高的學術價值。
社會影響：引入災害大數據融合方法，篩選高風險點、高敏感行業和部門，發展大數據融合背景下災害應急決策管理技術，能夠為災害的實時評估及應急決策提供理論和方法支持，為災害應急管理提供強有力的決策支持。
2）研究成果2（基於FCA的氣象災害本體構建）介紹：
主要內容：從氣象災害相關的學術文獻和新聞報道抓取數據，利用 ICTCLAS 系統提取關鍵詞，經過修正后形成領域術語﹔接著從術語集和文本集中生成形式化背景，導入ConExp中自動生成概念格和 Hasse圖，形成領域術語層次關系﹔最后錄入本體管理工具 Protégé中構建本體，生成本體的可視化圖形和 OWL代碼文件。
主要觀點：在大數據應用背景下，需要對海量、多源、異構的氣象大數據進行融合，構建領域術語規范，促進氣象大數據融合。
學術價值：該研究成果對領域本體構建方法進行了新的探索，即在基本的構建本體過程中，考慮以非結構化的氣象災害大數據作為數據源，並引入主題詞表以實現主題詞表與概念格詞匯的相互修正，確保了領域本體術語的完善性與准確性。
社會影響：通過將基於概念形式分析（FCA）的本體構建方法引入鮮有人涉足的氣象災害領域，借助本體技術，為氣象災害領域構建規范化術語體系，幫助計算機更好地理解氣象災害術語，在真正意義上促進各氣象部門的數據共聯、共通、共享，實現從信息孤島到信息網絡的轉變。
3）研究成果3（國內外大數據研究前沿、熱點與合著模式的圖譜分析）介紹：
基本內容：以可視化圖譜的方式全面直觀展示當前新興的熱點主題——大數據的國內外研究全貌，為氣象災害大數據研究提供前瞻指引和奠定基礎。本文融合Web of Science和中國知網中“大數據”研究文獻數據，借助CiteSpaceII可視化分析軟件繪制出國內外大數據領域的科學知識圖譜——作者、國家和機構的科研合作網絡，關鍵詞共現聚類網絡，文獻共被引聚類網絡，揭示出國內外大數據研究概貌。
主要觀點：研究發現，國內大數據方面科研社區較多，但規模較小，而國際大數據科研社區較少，但規模較大，規模最大研究社區，達到30多人。國家和機構之間的科研合作極少，國際TOP30科研機構中，大部分為美國高校，中國機構較少。國內外大數據研究都涉及的熱點有：基於大數據的雲計算﹔基於MapReduce和Hadoop的海量數據分布式處理研究﹔大數據在數據挖掘、社會網絡、互聯網金融、識別與預測等領域的應用研究。而國內涉及較少的研究熱點有：大數據模型和算法研究、大數據分類研究和大數據相關系統研究。
學術價值：“大數據”是國家戰略布局的新興前沿產業，早在2015年8月，國務院為推動我國大數據產業持續健康發展,發布《促進大數據發展行動綱要》。目前Web of Science核心庫顯示，2005-2015期間有4288篇與大數據相關的文獻，中國知網期刊數據庫顯示2000-2015期間，國內學者發表了16,798篇大數據方面的文獻。然而目前利用科學知識圖譜全面解讀國內外大數據領域知識基礎、科研合作、研究熱點與前沿的文獻還相對較少。該研究成果通過全面展示國內外大數據研究的主要科研團隊、發文國家和機構，以及他們之間的合作情況，同時展示出國內外大數據研究的熱點主題、前沿熱點與領域核心知識基礎。一方面，可以為讀者和研究人員展示當前大數據領域研究的全貌，為他們今后的研究方向和選題提供一定的參考和借鑒，另一方面，通過國內外大數據研究概況進行一個對比分析，可以促進我國大數據研究體系的完善。
4）研究成果4（基於網頁空間進化算法的暴雨災害主題爬虫策略）介紹：
基本內容：對於鏈接主題相關性分析，提出了評價鏈接潛在價值的三個目標：鏈接指向網頁的主題相關度，鏈接的錨文本相關度和網頁的PageRank值。針對單目標優化算法解決爬虫問題難以獲得最優加權因子和易於陷入局部最優的缺點，首次將多目標優化算法引入主題爬虫，提出了一種基於多目標優化的網頁空間進化(WSE)算法。WSE算法通過計算測試鏈接與鏈接庫中鏈接的最短距離，並將其與鏈接庫中所有鏈接的平均距離進行比較來更新鏈接庫。另外，針對多目標優化中Pareto最優解的選取問題，提出了一種最近最遠候選解法(NFCS)。最后，以暴雨災害為主題，在相同的實驗環境下，運行WSE算法與文獻中的寬度優先搜索(BFS)算法、最佳優先搜索(OPS)算法和模擬退火(SA)算法。實驗結果表明，WSE算法相比其他三種算法明顯提高了主題爬虫的效果，因此WSE算法是一種有效的主題爬虫策略。
主要觀點：主題爬虫是垂直搜索引擎技術的基礎和核心，垂直搜索引擎中的數據全部來自於爬虫的抓取，如何高效全面的收集氣象災害高質量的網頁是氣象災害主題爬虫問題研究的重點和難點。
學術價值：首次將多目標優化算法引入主題爬虫，提出了一種基於多目標優化的網頁空間進化(WSE)主題爬虫算法。該項研究成果對於高效、全面抓取互聯網上與氣象災害大數據相關的非結構化和半結構化網頁提供了強有力的幫助。
社會影響：隨著“井噴式”增長的網民和幾近同步增長的網頁，如何保証人們在海量信息中迅速獲取所需信息成為一個巨大的挑戰。本研究成果有助於人們從海量的網頁大數據中高效抓取主題相關的網頁。
5）研究成果5（寧波市城市內澇風險評估數據庫與仿真模型建設）介紹：
基本內容：收集、分析寧波市台風/典型暴雨降水、台風大風等氣象因子歷年數據，構建台風/典型暴雨（致災因子）綜合影響強度指數﹔採用GIS技術，綜合考慮受災地區地理孕災因子海拔高度、地形標准、江河水網密度，社會經濟孕災因子，包括人口密度、單位面積GDP、農業密集程度、主要經濟行業發展指標等因素，構建孕災環境暴露性指數及承載體脆弱性指數﹔收集、分析寧波市歷年災情數據時空分布數據（包括人員傷亡、經濟損失、房屋倒塌、受災成災面積），構建台風災損度指數。進而構建寧波市台風/典型暴雨基本災情數據庫及災損評價指數數據庫，為后續研究提供數據支撐。開發了寧波市城市暴雨內澇仿真模型，主要服務於防止氣象災害—強對流或者暴雨帶來的城市內澇發生。比如通過模擬一次15毫米的降雨過程，可以通過計算機周密的運算，得出該地區積水量能達到多少。這套軟件具有“暴雨來臨前預測”和“突發暴雨隨時監測”的雙重功能。預測功能主要指，在暴雨來臨前，提前預測出未來哪天將會出現降水以及降水分布情況，再運用數值預報中的多類預報產品，合理地將全市劃分為眾多“網格”，按照區域分塊，利用仿真系統預測出哪個“網格”區域內會出現積水，這樣可以提前通知排水部門做好准備，利用城市排水系統將雨水排出。此外，結合寧波市氣象台新啟用的“短時臨近預報綜合業務平台”，採用WEB GIS（網絡地理信息系統）與氣象數據庫的架構，使雷達、閃電定位、TJ-WRF數值預報產品等各類氣象資料在實時地理位置上可直觀顯示，進一步強化了預報預警的精細化程度。
社會影響：基於 Web GIS 實現“人機交互式”數據採集﹔通過統計方法確定災損率曲線，計算災害的直接經濟損失﹔利用投入產出模型計算災害的間接經濟損失。採用“所見即所得”的思路，隻需要輸入降雨量的實況數據，便可即時計算城市各易澇點的直接和間接經濟損失，提供災害經濟損失的空間分布，自動生成各易澇點的災損和防御對策報告。該系統有助於提高政府部門的災害應急管理能力，為類似災害的經濟損失評估提供典型范例。
②階段性成果清單（請填寫附件EXCEL表格）。
見附件。
三、下一步研究計劃
子課題1：氣象災害大數據的本體構建研究
1）2018.07-2019.07：氣象災害數據的自動語義標注。提煉氣象災害數據的類型和屬性，運用數據挖掘方法明確各因素之間的相互關系，採用本體和元數據技術構建氣象災害本體概念模型MDEOM。構建基於“名稱—屬性—屬性值—約束”四元組的氣象災害知識詞表，採用線性規劃和本體學習等方法進行語義推理，實現氣象災害數據的自動語義標注。
2）2019.08-2020.07：構建大數據環境下的氣象災害本體。整合氣象災害知識術語類，通過本體學習、支持向量機等技術自動構建氣象災害本體。整合氣象災害的概念庫、實例庫和本體庫，建立氣象災害大數據標准體系，構建大數據環境下的氣象災害本體。
子課題2：氣象災害大數據的融合研究
1）2018.07-2019.07：設計氣象災害大數據的標准編碼體系。從大數據的編碼、坐標系統、空間范圍、存儲格式、精度和分辨率等方面，對多源異構數據進行標准化處理，為不同類型的數據設計相應的編碼體系標准，設計大數據的標准編碼體系。
2）2019.08-2020.07：研究數據融合處理的算法。多源異構大數據的標准化處理，包括社會經濟類、災情類非空間屬性數據、氣象類空間大數據、Web等離散數據的標准化處理。研究數據融合處理的算法，包括對非空間屬性數據的網格化技術、衛星資料幾何校正算法、多源網格化軟、硬數據融合的通用算法研究。
子課題3：氣象災害大數據的降維與災害識別研究
1）2018.07-2019.07：氣象災害大數據的約簡研究。採用多種大數據降維的算法，比較分析各種算法的優缺點，設計一種混合的氣象災害大數據降維算法，並以城市暴雨災害為例對方法進行驗証。
2）2019.08-2020.07：氣象災害的分類識別研究。根據統計學和機器學習等方法，將遙感影像、Web數據和社會調研數據相結合，研發災害分類識別的模型和方法，並以暴雨洪澇等氣象災害為例進行驗証。
子課題4：氣象災害的經濟社會影響評估研究
1）2018.07-2019.07：構建災損率曲線、EC+IIOM。在數據採集和融合的基礎上，測算各高風險點的災損率曲線﹔開發最終需求各項的面板數據模型，構建EC+IIOM模型。
2）2019.08-2020.07：構建MD+CGE模型。設計CGE的基准情景、設計函數及方程、處理數據及參數、採用通用數學建模系統編程，構建MD+CGE模型，並評估氣象災害給關聯產業和部門帶來的經濟影響。
子課題5：氣象災害應急決策的生成與評價研究
1）2018.07-2019.07：應急決策方案的快速生成研究。開展包括案例推理、規則推理的方法研究，基於案例推理、規則推理和Web GIS集成的氣象災害應急決策方案研究等。
2）2019.08-2020.07：應急決策方案的動態評估研究。開展包括前景理論的原理和方法，前景理論在氣象災害應急決策領域的應用研究，氣象災害大數據應急決策評估指標體系的設計研究，基於前景理論的應急決策方案的動態評估模型研究等，最后以城市暴雨災害為例對方法進行驗証。
（課題組供稿）
