模型训练方法、内涝预测方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115879007A(43)申请公布日2023.03.31(21)申请号202310053327.4(22)申请日2023.02.03(71)申请人北京云庐科技有限公司地址100071北京市丰台区万丰路316号万开基地A座4层A4-01单元(72)发明人邢一凡刘韶鹏肖捷王长欣康天(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师何明伦(51)Int.Cl.G06F18/214(2023.01)G06F18/24(2023.01)G06Q10/04(2023.01)G06Q10/0635(2023.01)权利要求书2页说明书10页附图4页(54)发明名称模型训练方法、内涝预测方法、装置及电子设备(57)摘要本申请提供一种模型训练方法、内涝预测方法、装置及电子设备，涉及灾害风险评估技术领域。模型训练方法包括：根据待评估区域的历史数据，构建积水点和非积水点对应的数据集；基于数据集对初始模型进行训练，得到目标模型。内涝预测方法包括：获取待评估区域中的每个网格点的检测数据；根据目标模型对检测数据进行处理，得到待评估区域的内涝预测结果；其中，目标模型根据模型训练方法生成。本申请通过区域中积水点的实际情况构建相应的数据集以对模型进行训练，以使训练得到的目标模型能够直接根据检测数据对城市内涝的风险进行评估和预测，有效地减少了预测时的复杂性和计算量，提高了预测时的效率。CN115879007ACN115879007A权利要求书1/2页1.一种模型训练方法，其特征在于，所述方法包括：根据待评估区域的历史数据，构建积水点和非积水点对应的数据集；基于所述数据集对初始模型进行训练，得到目标模型。2.根据权利要求1所述的方法，其特征在于，所述根据待评估区域的历史数据，构建积水点和非积水点对应的数据集，包括：获取所述待评估区域的所述积水点和所述非积水点；提取所述积水点和所述非积水点对应的所述历史数据；根据所述积水点和所述非积水点在所述历史数据中确定特征数据，以多个所述特征数据构成所述数据集；其中，所述历史数据包括地形数据、气象数据和经济数据中的至少一种。3.根据权利要求2所述的方法，其特征在于，所述根据所述积水点和所述非积水点在所述历史数据中确定特征数据，包括：根据所述积水点或所述非积水点确定第一索引值和第二索引值；基于所述第一索引值和所述第二索引值生成索引值列表；根据所述索引值列表，读取所述积水点或所述非积水点的预设范围内的所述历史数据作为所述特征数据。4.根据权利要求1‑3中任一项所述的方法，其特征在于，所述方法还包括：对所述目标模型的参数进行网格点搜索和/或交叉验证，以对所述目标模型进行优化。5.一种内涝预测方法，其特征在于，所述方法包括：获取待评估区域中的每个网格点的检测数据；根据目标模型对所述检测数据进行处理，得到所述待评估区域的内涝预测结果；其中，所述目标模型根据权利要求1‑4中任一项所述的模型训练方法生成。6.根据权利要求5所述的方法，其特征在于，其中，所述检测数据包括地形数据、气象数据和经济数据中的至少一种；所述根据目标模型对所述检测数据进行处理，得到所述待评估区域的内涝预测结果，包括：基于所述目标模型对所述检测数据进行处理，以得到所述待评估区域中每个所述网格点的积水类型；根据多个所述积水类型确定所述内涝预测结果。7.根据权利要求6所述的方法，其特征在于，其中，所述积水类型包括所述网格点为积水点或所述网格点为非积水点；所述根据多个所述积水类型确定所述内涝预测结果，包括：基于每个所述网格点的所述积水类型，确定所述待评估区域中积水点的密度信息；根据所述密度信息确定所述内涝预测结果。8.一种模型训练装置，其特征在于，所述装置包括：构建模块和训练模块；所述构建模块用于根据待评估区域的历史数据，构建积水点和非积水点对应的数据集；所述训练模块用于基于所述数据集对初始模型进行训练，得到目标模型。9.一种内涝预测装置，其特征在于，所述装置包括：获取模块和预测模块；所述获取模块用于获取待评估区域中的每个网格点的检测数据；所述预测模块用于根据目标模型对所述检测数据进行处理，得到所述待评估区域的内2CN115879007A权利要求书2/2页涝预测结果；其中，所述目标模型根据权利要求1‑4中任一项所述的模型训练方法生成。10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行权利要求1‑7中任一项所述方法中的步骤。3CN115879007A说明书1/10页模型训练方法、内涝预测方法、装置及电子设备技术领域[0001]本申请涉及灾害风险评估技术领域，具体而言，涉及一种模型训练方法、内涝预测方法、装置及电