本公开涉及城乡规划和数字地图，尤其涉及一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法及装置。
背景技术：
1、雨洪灾害风险地图可以反映雨洪灾害风险水平的时间和空间差异性，为制订不同风险分区的防灾、减灾、救灾措施和计划提供依据。相关技术中通常利用插值法对收集的历史雨洪灾害数据进行计算，来确定灾害影响范围和危险性水平，或者依据相关规范、地方的暴雨强度公式和层次分析法来计算雨洪灾害危险性结果，进而生成雨洪灾害风险地图。
2、在实现本公开构思的过程中，发明人发现相关技术中针对雨洪灾害风险地图的生成方法中存在如下缺陷：数据源较为单一、相关算法中主观因素影响较大，导致计算结果准确性低下，且历史灾害数据存在时空局限性；雨洪灾害风险地图的覆盖范围有限，误差较大，难以满足实际应用的需求。
技术实现思路
1、鉴于上述问题，本公开提供了一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法及装置。
2、根据本公开的第一个方面，提供了一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法，包括：
3、利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，其中，上述目标雨洪灾害数据库包括多种类型的目标雨洪灾害数据；
4、从上述目标雨洪灾害数据中选取上述目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据；
5、基于上述目标雨洪灾害数据、上述淹没范围数据和上述径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果；
6、基于上述雨洪致灾结果和上述雨洪承灾结果，确定雨洪灾害风险结果；以及
7、基于上述雨洪灾害风险结果，生成上述雨洪灾害风险地图。
8、根据本公开的实施例，上述雨洪灾害分析模型包括雨洪致灾分析模型；
9、其中，上述基于上述目标雨洪灾害数据、上述淹没范围数据和上述径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果，包括：
10、根据上述目标雨洪灾害数据、上述淹没范围数据和上述径流流速数据，构建雨洪致灾危险性辨识体系，其中，上述雨洪致灾危险性辨识体系在结构层次上包括致灾要素、致灾因子和致灾指标；以及
11、根据上述雨洪致灾分析模型以及处理后的上述致灾指标，生成上述目标区域在上述目标时间段内的雨洪致灾结果。
12、根据本公开的实施例，上述雨洪灾害分析模型还包括雨洪承灾分析模型；
13、上述基于上述目标雨洪灾害数据、上述淹没范围数据和上述径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果，还包括：
14、根据上述目标雨洪灾害数据构建上述目标区域在目标时间段内的承灾体脆弱性辨识指标体系，其中，上述承灾体脆弱性辨识指标体系在结构层次上包括承灾要素、承灾因子和承灾指标；
15、根据上述雨洪承灾分析模型，确定与上述承灾指标对应的综合权重值；以及
16、根据上述承灾指标和与上述承灾指标对应的综合权重值，确定上述上述目标区域在上述目标时间段内的雨洪承灾结果。
17、根据本公开的实施例，上述处理后的上述致灾指标包括更新后的致灾指标和排序后的致灾指标，上述致灾指标包括以下至少一项：年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、植被覆盖度指标、数字高程模型指标、坡向指标、坡度坡长指标、平面曲率指标、地形湿度指数指标、河网密度指标、土地利用类型占比指标和土壤可蚀性指标；
18、上述致灾指标的处理方式包括：
19、根据预设筛选规则对上述致灾指标进行筛选，得到上述更新后的致灾指标；以及
20、根据上述雨洪致灾分析模型，对上述更新后的致灾指标进行排序，得到上述排序后的致灾指标。
21、根据本公开的实施例，上述利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，包括：
22、根据预设处理规则对上述目标区域的初始雨洪灾害数据进行标准化处理，得到目标雨洪灾害数据，其中，上述预设处理规则包括坐标标准化处理和精度标准化处理；以及
23、利用上述目标雨洪灾害数据构建上述目标雨洪灾害数据库。
24、根据本公开的实施例，上述雨洪灾害重现期数据包括两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；
25、其中，上述从上述目标雨洪灾害数据中选取上述目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据，包括：
26、从上述目标雨洪灾害数据中分别选取上述目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；
27、利用上述雨洪模拟模型计算上述目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据，得到上述淹没范围数据和上述径流流速数据，其中，上述淹没范围数据和上述径流流速数据包括最大淹没范围数据和最大径流流速数据，上述最大淹没范围数据和上述最大径流流速数据与上述五十年一遇重现期数据相关联。
28、根据本公开的实施例，上述承灾指标对应的综合权重值的获取方式包括：
29、根据雨洪承灾分析模型，确定上述承灾指标的第一权重值和第二权重值；以及
30、根据上述第一权重值和上述第二权重值，确定上述承灾指标对应的综合权重值。
31、根据本公开的实施例，上述根据预设筛选规则对上述致灾指标进行筛选，得到上述更新后的致灾指标，包括：
32、对上述致灾指标中的上述淹没范围指标进行线性回归计算，确定与上述淹没范围指标对应的共线性数值；
33、将上述共线性数值与预设共线性阈值进行比对，确定上述更新后的致灾指标。
34、根据本公开的实施例，上述方法还包括：
35、向目标数据源发送数据获取请求，上述数据获取请求用于请求获取目标时间段内的上述初始雨洪灾害数据，其中，上述目标数据源包括资源环境类数据平台、地理空间数据云以及相关卫星数据平台；以及
36、接收来自上述目标数据源的上述初始雨洪灾害数据。
37、本公开的第二方面提供了一种耦合智能算法与多源数据的雨洪灾害风险地图生成装置，包括：
38、数据库构建模块，用于利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，其中，上述目标雨洪灾害数据库包括多种类型的目标雨洪灾害数据；
39、数据输出模块，用于从上述目标雨洪灾害数据中选取上述目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据；
40、结果确定模块，用于基于上述目标雨洪灾害数据、上述淹没范围数据和上述径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果；
41、雨洪灾害风险结果确定模块，用于基于上述雨洪致灾结果和上述雨洪承灾结果，确定雨洪灾害风险结果；以及
42、地图生成模块，用于基于上述雨洪灾害风险结果，生成上述雨洪灾害风险地图。
43、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
44、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
45、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
46、根据本公开提供的耦合智能算法与多源数据的雨洪灾害风险地图生成方法及装置，通过利用多种类型的雨洪灾害数据来构建目标雨洪灾害数据库，丰富了基础数据，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据并利用雨洪模拟模型，得到淹没范围数据和径流流速数据，从而弥补了历史灾害数据的时空局限性，进而可以基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，来确定雨洪致灾结果和雨洪承灾结果，并综合得到雨洪灾害风险结果，进而生成雨洪灾害风险地图，由于雨洪灾害分析模型不是根据主观经验赋值来计算雨洪灾害风险结果，而是从多角度、客观地对雨洪灾害数据进行解析和计算，进而提升了雨洪灾害风险结果计算的准确性，进一步提高了雨洪灾害风险地图的覆盖范围和精度。
1.一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法，包括：
2.根据权利要求1所述的方法，其中，所述雨洪灾害分析模型包括雨洪致灾分析模型；
3.根据权利要求1所述的方法，其中，所述雨洪灾害分析模型还包括雨洪承灾分析模型；
4.根据权利要求2所述的方法，其中，所述处理后的所述致灾指标包括更新后的致灾指标和排序后的致灾指标，所述致灾指标包括以下至少一项：年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、植被覆盖度指标、数字高程模型指标、坡向指标、坡度坡长指标、平面曲率指标、地形湿度指数指标、河网密度指标、土地利用类型占比指标和土壤可蚀性指标；
5.根据权利要求1所述的方法，其中，所述利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，包括：
6.根据权利要求1所述的方法，其中，所述雨洪灾害重现期数据包括两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；
7.根据权利要求3所述的方法，其中，所述承灾指标对应的综合权重值的获取方式包括：
8.根据权利要求4所述的方法，其中，所述根据预设筛选规则对所述致灾指标进行筛选，得到所述更新后的致灾指标，包括：
9.根据权利要求1所述的方法，所述方法还包括：
10.一种耦合智能算法与多源数据的雨洪灾害风险地图生成装置，包括：
