一种基于BP网络的韧性城市智能防灾评估及决策方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115907458A(43)申请公布日2023.04.04(21)申请号202211342213.3G06Q50/26(2012.01)(22)申请日2022.10.28(71)申请人江苏科技大学地址212003江苏省镇江市京口区梦溪路2号(72)发明人尚磊张友志张董寅张欣杜沄飞吴迪庄斯宇赵辉王亮洒高德解苟雅丽(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204专利代理师柏尚春(51)Int.Cl.G06Q10/0635(2023.01)G06Q10/0631(2023.01)G06N3/084(2023.01)权利要求书4页说明书7页附图3页(54)发明名称一种基于BP网络的韧性城市智能防灾评估及决策方法(57)摘要本发明公开了一种基于BP神经网络的韧性城市智能防灾评估及决策方法，包括以下步骤：(1)数据采集、整理，构建韧性城市智能防灾评估指标体系；(2)采用主客观相结合方法，组合赋权计算得出最优组合权重；(3)建立BP神经网络的韧性城市防灾评估模型并训练验证；(4)采用训练后的BP神经网络评估模型计算韧性城市防灾评估结果；(5)对防灾评估结果进行分级，发布对应等级预警信息，根据预警信息采取应急措施；该方法全面考虑评估指标，通过主客观结合方法计算评估指标最优组合权重，并采用BP神经网络进行训练、测试，使评估结果更准确；通过划分韧性城市防灾等级，发布预警信息，实现韧性城市防灾智能化决策。CN115907458ACN115907458A权利要求书1/4页1.一种基于BP网络的韧性城市智能防灾评估及决策方法，其特征在于，包括以下步骤：(1)数据采集、整理，构建韧性城市智能防灾评估指标体系；(2)采用主客观相结合方法，组合赋权计算得出最优组合权重；(3)建立基于BP神经网络的韧性城市防灾评估模型并进行训练验证；(4)防灾评估，采用训练后的BP神经网络评估模型计算韧性城市防灾评估结果；(5)智能决策，对防灾评估结果进行分级，发布对应等级预警信息，根据预警信息采取应急措施。2.根据权利要求1所述的韧性城市智能防灾评估及决策方法，其特征在于，所述步骤(1)中评估指标体系包括刺激性、脆弱性和响应性三个一级指标和对应隶属的八个二级指标，所述刺激性包括外部环境危险因子和潜在内部危险因子，脆弱性包括工程设施要素、建筑非结构要素、人口分布要素和公共空间要素，响应性包括应急救援能力和适应恢复能力。3.根据权利要求1所述的韧性城市智能防灾评估及决策方法，其特征在于，所述步骤(2)包括以下步骤：(21)采用主观权重处理方法、ANP决策分析模型和Satty1‑9级标度法对评估指标体系进行相对重要性评估，计算最大特征值并通过一致性检验，得到相对重要性排序，确定主观指标权重；(22)采用客观权重处理方法进行权重计算；(23)主客观组合计算求得模糊权重。4.根据权利要求3所述的韧性城市智能防灾评估及决策方法，其特征在于，所述步骤(21)包括：采用ANP决策分析模型，其中，控制层包括评估目标，即韧性城市智能防灾水平，下属刺激性、脆弱性和响应性三个决策准则层，网络层将各准则层评估指标作为相互不独立的元素组；利用Satty1‑9级标度法，1、3、5、7、9表示ui相对于uj相同重要、差异轻微、差异明显、差异强烈、差异极端，2、4、6、8表示判断介于两个临近标度之间；其中，ui、uj分别表示二级指标，i，j为区间[0，8]的整数；判断矩阵Rm为：其中，uij表示ui相对uj的评估重要性比值；对判断矩阵Rm的每一列向量进行归一化处理，如下式所示：其中：为向量归一化后矩阵；按行求和后得到的矩阵；2CN115907458A权利要求书2/4页利用模糊权值处理计算得出主观指标权重系数Wi，如下式所示：其中：Wi为第i项指标的组合权重系数；对判断矩阵Rm进行一致性检验，如下式所示：其中，CR为随机一致性比率；RI为随机一致性指标；CI为一致性偏差检验指标；λmax为最大特征根；当CR≤0.1时，表示通过一致性检验，判断矩阵Rm一致性是可以接受的；当CR＞0.1时，采用修正方法对判断矩阵进行修正，使所得CR处于可信度范围内。5.根据权利要求3所述的韧性城市智能防灾评估及决策方法，其特征在于，所述步骤(22)包括：构建多对象多指标评估矩阵R*：式中：m为评估目标个数；n为二级评估指标个数，n＝1，2，3，4，5，6，7，8；rij′表示第j个评估指标下第i个评估对象的评估值；对上述矩阵R*进行归一化处理，得到标准矩阵R：确定客观权重熵值：其中：rij表示归一化后第j个评估指标下第i个评估对象的评估值；计算评估指标客观权重Wj：3CN115907458A权利要求书3/4页6.根据权利要求3所述的韧性城市智能防灾评