CN115293423A - 基于自然灾害数据的处理方法、装置、设备及存储介质 - Google Patents
基于自然灾害数据的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115293423A CN115293423A CN202210926431.5A CN202210926431A CN115293423A CN 115293423 A CN115293423 A CN 115293423A CN 202210926431 A CN202210926431 A CN 202210926431A CN 115293423 A CN115293423 A CN 115293423A
- Authority
- CN
- China
- Prior art keywords
- disaster
- information
- predicted
- historical
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 201
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能,提供一种基于自然灾害数据的处理方法、装置、设备及存储介质。对获取的历史自然灾害记录及待预测灾害记录进行分类,得到预设历史类别的历史信息及待预测信息,基于待预测信息、获取时间点、预设历史类别及多个历史信息生成第一时间点的历史自然灾害信息,根据预测模型及历史自然灾害信息预测多个第二时间点的预测灾害等级,根据每个第二时间点及预测灾害等级生成多个第二时间点的预测灾害阶段,基于预测灾害阶段、预测灾害等级及根据待预测信息、获取的资源信息和理赔信息、预设预警方式及预设处理方式生成的每个预设灾害阶段的多个处理方案生成处理结果。此外,本申请还涉及区块链技术,所述处理结果可存储于区块链中。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于自然灾害数据的处理方法、装置、设备及存储介质。
背景技术
在自然灾害来临时,由于无法掌握自然灾害的发展趋势、保险理赔资源及保险援救资源的分布情况,导致无法生成可行的应对处理方案,进而造成无法及时进行保险理赔及灾后救援。
发明内容
鉴于以上内容,有必要提供一种基于自然灾害数据的处理方法、装置、设备及存储介质,能够解决无法及时生成理赔处理方案的技术问题。
一方面,本申请提出一种基于自然灾害数据的处理方法,所述基于自然灾害数据的处理方法包括:
获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;
对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;
基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;
根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;
根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;
基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;
从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
根据本申请可选实施例,所述基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,包括:
若所述获取时间点仅包括所述第一时间点,则将所述待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息;或者
若所述获取时间点包括所述第一时间点和所述多个第二时间点,将所述第一时间点的待预测信息与所述多个第二时间点的待预测信息进行比对,若所述多个第二时间点的待预测信息与所述第一时间点的待预测信息不相同,基于所述多个第二时间点的待预测信息对所述第一时间点的待预测信息进行更新,并将更新后的第一时间点的待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息。
根据本申请可选实施例,所述历史信息包括历史灾害等级及时间信息,所述根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级包括:
将所述历史自然灾害信息中每个预设历史类别的历史信息与所述第二时间点的待预测信息进行比较,并计算每个历史自然灾害记录中与所述第二时间点的待预测信息相同的历史信息所对应的预设历史类别的类别数量;
根据所述类别数量对所述多个历史自然灾害记录进行排序,得到队列,并从所述队列中选取序号处于预设数量范围所对应的历史自然灾害记录的历史信息;
根据所述时间信息从所述处于预设数量范围所对应的历史自然灾害记录的历史信息中选取连续的历史信息;
基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级。
根据本申请可选实施例,所述根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线包括:
构建灾害等级-时间坐标系;
将每个预测灾害等级及对应的第二时间点映射到所述灾害等级-时间坐标系中,得到多个坐标点;
将所述多个坐标点进行连接,得到所述等级趋势曲线。
根据本申请可选实施例,所述多个预设灾害阶段包括第一阶段、第二阶段及第三阶段,所述预设预警方式包括第一预设预警方式及第二预设预警方式,所述基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,包括:
在预设的地图中标注所述资源信息,得到资源分布地图;
将所述资源分布地图中与所述待预测信息所对应的区域位置确定为受灾区域;
基于所述受灾区域、预设位置范围及所述资源信息在所述资源分布地图中的分布情况,从所述资源分布地图中识别出所述受灾区域对应的临近区域;
将所述第一预设预警方式、所述受灾区域及所述预设处理方式中的计算机资源处理方式确定为所述第一阶段对应的第一阶段处理方案;
从所述理赔信息中获取初始理赔流程,并对所述初始理赔流程进行更新,得到目标理赔流程;
将所述第一阶段处理方案、所述第二预设预警方式、所述目标理赔流程及所述临近区域确定为所述第二阶段对应的第二阶段处理方案;
将所述第一阶段处理方案、所述第二阶段处理方案及所述预设处理方式中的资源调动方式确定为所述第三阶段对应的第三阶段处理方案。
根据本申请可选实施例,所述从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段包括:
若所述等级趋势曲线中存在多个极值点,则确定所述多个第二时间点对应的预测灾害阶段为所述第一阶段;或者
若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均大于预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第二阶段;或者
若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第三阶段。
根据本申请可选实施例,所述从多个所述处理方案中选取所述预测灾害阶段的预测处理方案包括:
若所述预测灾害阶段为所述第一阶段,将所述预测处理方案确定为所述第一阶段处理方案;或者
若所述预测灾害阶段为所述第二阶段,将所述预测处理方案确定为所述第二阶段处理方案;或者
若所述预测灾害阶段为所述第三阶段,将所述预测处理方案确定为所述第三阶段处理方案。
另一方面,本发明还提出一种基于自然灾害数据的处理装置,所述基于自然灾害数据的处理装置包括:
获取单元,用于获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;
分类单元,用于对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;
生成单元,用于基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;
预测单元,用于根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;
所述生成单元,还用于根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;
所述生成单元,还用于基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;
选取单元,用于从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
另一方面,本申请还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述基于自然灾害数据的处理方法。
另一方面,本申请还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述基于自然灾害数据的处理方法。
由以上技术方案可以看出,通过获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录,能够得知救援资源及理赔资源的分布情况,对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息,首先,由于只选取了每个预设历史类别对应的历史信息和待预测信息,因此能够减少所述历史信息和所述待预测信息的数据量,其次,由于所述待预测灾害记录是实时获取的,因此,所述待预测信息也是实时的,基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,能够基于实时的待预测信息对所述历史自然灾害信息不断进行更新,由于更新后的历史自然灾害信息包括更多的预测数据,因此,使得对更新后的所述历史自然灾害信息进行预测后得到的预测灾害等级更具可靠性,基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,由于掌握了理赔资源及救援资源的分布情况,使得每个处理方案能够充分调用理赔资源及救援资源,提高了处理方案的可行性,从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,使得所述处理方案更具有针对性,由于所述处理方案具有更高的可行性及针对性,因此相关人员能够基于所述处理方案及时进行保险理赔及灾后救援。
附图说明
图1是本申请基于自然灾害数据的处理方法的较佳实施例的流程图。
图2是本申请基于自然灾害数据的处理方法中等级趋势曲线的展示图。
图3是本申请基于自然灾害数据的处理方法的较佳实施例的功能模块图。
图4是本申请实现基于自然灾害数据的处理方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本申请进行详细描述。
如图1所示,是本申请基于自然灾害数据的处理方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述基于自然灾害数据的处理方法可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述基于自然灾害数据的处理方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
101,获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录。
在本申请的至少一个实施例中,所述多个历史自然灾害记录是指已经发生过的自然灾害信息,任一历史自然灾害记录通常包括区域位置、灾害类型、灾害发生时间、所述灾害类型的灾害等级、受灾等级及受灾等级的影响人数等等。其中,所述灾害类型的灾害等级可以为红色、蓝色、橙色及白色等等,所述受灾等级可以根据受灾损失金额进行自行设置,例如将受灾损失金额为50万以上的设定为3级,将受灾损失金额为10万-50万设定为2级,并将受灾损失金额为1万-10万设定为1级。例如,任一历史自然灾害记录可以为:A市B区5月29日13时发生台风红色灾害,受灾等级为2级的有1000人,受灾等级为1级的有10050人。
在本申请的至少一个实施例中,所述待预测灾害记录是指某一地区正在发生的自然灾害的信息。所述待预测灾害记录通常包括区域位置、灾害类型、灾害发生时间及灾害等级等等。其中,所述灾害等级可以为黄色、蓝色、红色等等。例如,所述待预测灾害记录可以为:A市B区在7月2日8时发生台风蓝色灾害。
在本申请的至少一个实施例中,所述理赔信息是指每个历史自然灾害记录中的理赔数据。例如,所述理赔数据可以是理赔保险公司的名称、理赔的保单类型、理赔金额、理赔保单的编号ID、每个保单类型对应的理赔金额、理赔的流程等等。
在本申请的至少一个实施例中,所述资源信息是指每个理赔保险公司的理赔资源,例如,所述理赔资源可以为每个区域位置的理赔人员及可使用的车辆资源等等。
在本申请的至少一个实施例中,所述电子设备获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,包括:
所述电子设备调用多个保险公司的信息接口,获取所述资源信息、所述多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息。
在本申请的至少一个实施例中,所述电子设备实时获取待预测灾害记录包括:
所述电子设备从公开网站中实时获取所述待预测灾害记录。其中,所述公开网站可以为各个省份或者各个市的天气播报网站,例如:A市天气及C市天气等等。
在本申请的其它实施例中,所述电子设备也可以从公开网站中获取所述多个历史自然灾害记录。
102,对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息。
在本申请的至少一个实施例中,所述历史信息是指每个历史自然灾害记录中所述预设历史类别对应的信息。
在本申请的至少一个实施例中,所述电子设备对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,包括:
所述电子设备基于所述预设历史类别对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息。
在本实施例中,所述预设历史类别可以自行设置,本申请对此不作限制。例如,所述预设历史类别可以为:区域位置、灾害类型、灾害发生时间、灾害结束时间、灾害等级、受灾等级及受灾人数等等。
在本实施例中,所述待预测信息的生成过程与所述历史信息的生成过程基本一致,所以本申请在此不作赘述。
在本实施例中,在灾害发生的较短时间内所述待预测灾害记录中的信息较为欠缺,因此在灾害发生的较短时间内有的预设历史类别对应的待预测信息为空,随着灾害发生的时间越来越长,实时获取到的待预测灾害记录中的信息会逐渐增多,所述预设历史类别的待预测信息也越来越多。
通过上述实施方式,由于只选取了所述预设历史类别对所述多个历史自然灾害记录及所述待预测灾害记录中的部分信息,因此能够去除无关信息及减少所述历史信息及所述待预测信息的数据量,从而提高分类的速度。
103,基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息。
在本申请的至少一个实施例中,所述获取时间点包括第一时间点及多个第二时间点,所述多个第二时间点大于所述第一时间点。
在本申请的至少一个实施例中,所述第一时间点的历史自然灾害信息是指不断更新的历史自然灾害信息。
在本申请的至少一个实施例中,所述电子设备基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,包括:
若所述获取时间点仅包括所述第一时间点,所述电子设备将所述待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息,或者,若所述获取时间点包括所述第一时间点和所述多个第二时间点,所述电子设备将所述第一时间点的待预测信息与所述多个第二时间点的待预测信息进行比对,若所述多个第二时间点的待预测信息与所述第一时间点的待预测信息不相同,所述电子设备基于所述多个第二时间点的待预测信息对所述第一时间点的待预测信息进行更新,并将更新后的第一时间点的待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息。
其中,所述预设历史类别的数量为多个,所述电子设备将所述第一时间点的待预测信息中每个预设历史类别所对应的待预测信息替换为所述第二时间点的待预测信息中相同预设历史类别所对应的待预测信息。
在本实施例中,所述第一时间点的待预测信息与所述第二时间点的待预测信息是部分重合的。例如:所述第一时间点的待预测信息为:A市B区7月2日8时发生台风蓝色灾害,所述第二时间点的待预测信息为A市B区7月2日9时台风等级升级为黄色灾害。因此,将所述第一时间点的待预测信息中预设历史类别为灾害等级的蓝色更新为黄色。
通过上述实施方式,当获取到第二时间点的待预测信息时,将第一时间点的待预测信息及所述多个历史信息作为第一时间点的历史自然灾害信息,基于实时获取到的待预测信息对之前的历史自然灾害信息进行不断更新,并增加所述第一时间点的历史自然灾害信息的数据量。
104,根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点。
在本申请的至少一个实施例中,所述电子设备根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级包括:
所述电子设备将所述历史自然灾害信息中每个预设历史类别的历史信息与所述第二时间点的待预测信息进行比较,并计算每个历史自然灾害记录中与所述第二时间点的待预测信息相同的历史信息所对应的预设历史类别的类别数量,进一步地,所述电子设备根据所述类别数量对所述多个历史自然灾害记录进行排序,得到队列,并从所述队列中选取序号处于预设数量范围所对应的历史自然灾害记录的历史信息,更进一步地,所述电子设备根据所述时间信息从所述处于预设数量范围所对应的历史自然灾害记录的历史信息中选取连续的历史信息,更进一步地,所述电子设备基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级。
其中,所述排序可以为降序排序。所述预设数量范围自行设置,本申请对此不做限制。例如,所述预设数量范围可以为前100或者前150。所述连续的历史信息是指同一灾害类型且时间连续的历史信息。
具体地,所述电子设备基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级,包括:
所述电子设备从所述历史自然灾害信息中获取多个历史灾害等级及每个历史灾害等级的历史时间点,所述电子设备设定多个初始灾害等级,并设定所述多个第二时间点,进一步地,所述电子设备根据所述多个历史灾害等级及每个历史灾害等级的历史时间点计算每个初始灾害等级在每个第二时间点发生的初始概率,更进一步地,所述电子设备选取大于配置值的初始概率所对应的初始灾害等级作为该第二时间点对应的预测灾害等级,得到所述多个第二时间点的预测灾害等级。
其中,可以基于Viterbi算法计算所述初始概率,所述多个第二时间点中的后一个第二时间点大于前一个第二时间点,当接受到后一个第二时间点的待预测信息时,将前一个第二时间点的待预测信息并入所述历史自然灾害信息中。
在本申请的其它实施例中,所述预设的预测模型也可以为隐马尔科夫模型(Hidden Markov Model,HMM)。
在本实施例中,选取时间连续的历史信息,能够更加清楚地得知同一个历史自然灾害发展的完整趋势,使得通过所述完整趋势预测出的预测灾害等级的准确性更高。
通过上述实施方式,由于所述第一时间点的历史自然灾害信息不断更新且逐渐增多的,因此,能够使得所述预测灾害等级的预测准确性逐渐提升。
105,根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段。
在本申请的至少一个实施例中,所述等级趋势曲线是指反映正在发生的灾害的预测灾害等级变化的曲线。
在本申请的至少一个实施例中,所述预测灾害阶段包括第一阶段、第二阶段及第三阶段。所述第一阶段是指灾害发生的前期,所述第二阶段是指灾害发生的中期,所述第三阶段是指灾害发生的后期。
在本申请的至少一个实施例中,所述电子设备根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线包括:
所述电子设备构建灾害等级-时间坐标系,进一步地,所述电子设备将每个预测灾害等级及对应的第二时间点映射到所述灾害等级-时间坐标系中,得到多个坐标点,更进一步地,所述电子设备将所述多个坐标点进行连接,得到所述等级趋势曲线。
在本实施例中,给每个预测灾害等级赋值,预测灾害等级越高,灾害值越大。例如:蓝色、黄色、橙色及红色等灾害等级依次升高,给灾害等级为蓝色赋值为1,给灾害等级为黄色赋值为2、给灾害等级为橙色赋值为3,并给灾害等级为红色赋值为4。
在本申请的至少一个实施例中,若所述第一时间点的历史自然灾害信息不包含历史灾害等级,及无法通过所述历史灾害等级预测出所述多个第二时间点的预测灾害等级时,也可以基于所述第一时间点的历史自然灾害信息中所包含的其他信息构建坐标系。例如,若第一时间点的历史自然灾害信息包含多个受灾等级及每个受灾等级的受灾人数,所述电子设备基于所述受灾等级、每个受灾等级的受灾人数及时间构建多个维度的坐标系。
在本申请的至少一个实施例中,所述电子设备从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段包括:
若所述等级趋势曲线中存在多个极值点,所述电子设备确定所述多个第二时间点对应的预测灾害阶段为所述第一阶段,或者,若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均大于预设值,所述电子设备确定所述多个第二时间点对应的预测灾害阶段为所述第二阶段,或者,若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第三阶段。
其中,所述预设值可以自行设置,本申请对此不作限制。例如,所述预设值可以为零。所述多个预设坐标点可以为多对时间连续的坐标点。例如:所述多个预设坐标点可以为第一预设坐标点(8,1)、第二预设坐标点(8.5,2)、第三预设坐标点(10,3)及第四预设坐标点(11,4)。
在本实施例中,灾害发生的前期,由于获取到的待预测信息的数据量较少导致对灾害等级的预测准确性较低,所述等级趋势曲线呈现起伏不定的状态。因此,当所述第一阶段对应的等级趋势曲线存在多个极值点,即可确定所述预测灾害阶段为灾害发生的前期;灾害发生的中期,由于获取到的待预测信息的数据量逐渐增多,使得对灾害等级的预测准确性得到提高,灾害等级应该逐渐增大,此时等级趋势曲线呈现攀升的趋势。因此,当相邻的两个预设坐标点构成的直线的斜率大于所述预设值,及相邻的多个预设坐标点构成的多条直线的斜率均大于所述预设值,即可确定所述预测灾害阶段为灾害发生的中期;灾害发生的后期,由于获取到的待预测信息的数据量很多,使得对灾害等级的预测准确性较高,灾害等级应该逐渐减小,此时等级趋势曲线应该是呈现下滑的趋势。因此,当相邻的两个预设坐标点构成的直线的斜率小于所述预设值,及相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,即可确定所述预测灾害阶段为灾害发生的后期。
例如,如图2所示,是本申请基于自然灾害数据的处理方法中等级趋势曲线的展示图。所述展示图的横坐标轴或者纵坐标轴的单位可以自行设置。当所述预设值为零时,承接上述第一预设坐标点(8,1)、第二预设坐标点(8.5,2)、第三预设坐标点(10,3)及第四预设坐标点(11,4),计算出所述第一预设坐标点(8,1)与第二预设坐标点(8.5,2)所构成的直线的第一斜率为2,所述第二预设坐标点(8.5,2)与所述第三预设坐标点(10,3)所构成的直线的第二斜率为2/3,所述第三预设坐标点(10,3)与第四预设坐标点(11,4)所构成的直线的第三斜率为1,由于所述第一斜率2、所述第二斜率2/3及所述第三斜率1均大于零,因此,所述预测灾害阶段为灾害发生的中期。
通过上述实施方式,根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,由于所述预测灾害等级是根据足够数量且不断更新的自然灾害信息***得出的,因此,能够基于所述等级趋势曲线准确地确定出当前所处的灾害阶段并对即将进入的灾害阶段进行预判。
106,基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案。
在本申请的至少一个实施例中,所述多个预设灾害阶段包括第一阶段、第二阶段及第三阶段,所述预设预警方式包括第一预设预警方式及第二预设预警方式。
在本申请的至少一个实施例中,所述处理方案包括针对每个预设灾害时段对受灾区域及非受灾区域的计算机资源的处理方式、理赔资源调动方式及预警方式等等。
在本申请的至少一个实施例中,所述电子设备基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,包括:
所述电子设备在预设的地图中标注所述资源信息,得到资源分布地图,进一步地,所述电子设备将所述资源分布地图中与所述待预测信息所对应的区域位置确定为受灾区域,更进一步地,所述电子设备基于所述受灾区域、预设位置范围及所述资源信息在所述资源分布地图中的分布情况,并从所述资源分布地图中识别出所述受灾区域对应的临近区域,更进一步地,所述电子设备将所述第一预设预警方式、所述受灾区域及预设处理方式中的计算机资源处理方式确定为所述第一阶段对应的第一阶段处理方案,更进一步地,所述电子设备从所述理赔信息中获取初始理赔流程,并对所述初始理赔流程进行更新,得到目标理赔流程,更进一步地,所述电子设备将所述第一阶段处理方案、所述第二预设预警方式、所述目标理赔流程及所述临近区域确定为所述第二阶段对应的第二阶段处理方案,更进一步地,所述电子设备将所述第一阶段处理方案、所述第二阶段处理方案及所述预设处理方式中的资源调动方式确定为所述第三阶段对应的第三阶段处理方案。
其中,所述第一预设预警方式及所述第二预设预警方式可以自行设置,本申请对此不作限制。例如,所述第一预设预警方式可以为:通过电话、短信、微信、邮件通知方式等方式进行预警。所述第二预警方式可以为公众号、各个社交平台如微博、官网首页通知,同时保险理赔公司的内部***之间进行灾区通知。
所述预设处理方式包括所述计算机资源处理方式及所述资源调动方式。其中,所述计算机资源处理方式是指对所述受灾区域及所述邻近区域的计算机资源的处理方式,所述资源调动方式是指对所述受灾区域及所述邻近区域的理赔人员、救灾人员及车辆的具体调动情况。例如,当灾害发生时,受灾区域的理赔***会受到损害,而此时受灾区域的理赔请求数量会急剧增加,为了防止理赔***瘫痪,所述受灾区域的计算机资源处理方式包括对理赔网站的前端及后端服务的应用、主机、网络及数据库等资源进行扩容,所述扩容包括当理赔请求数量过多时,将部分理赔请求转接到所述邻近区域所使用的应用网站上。所述邻近区域的计算机资源的处理方式包括:将所述邻近区域的应用、主机、网络及数据库等资源向所述受灾区域倾斜,接收所述受灾区域的理赔请求并对所述受灾区域的理赔请求优先响应等等。所述资源调动方式可以为理赔人员是否需要步行或者理赔人员是否可以使用车辆。
所述初始理赔流程的更新是指对所述初始理赔流程进行流程调整,以及流程简化,减少所述初始理赔流程中非关键流程。例如,增加协同审批,并去除所述初始理赔流程中的非关键审批环节以加快受灾区域的理赔速度。
通过上述实施方式,针对每个预设灾害阶段设置了区别化的处理方案,从而能够基于每个具有针对性的处理方案对受灾区域进行有效救援。
107,从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
需要强调的是,为进一步保证上述处理结果的私密和安全性,上述处理结果还可以存储于一区块链的节点中。
在本申请的至少一个实施例中,所述电子设备从多个所述处理方案中选取所述预测灾害阶段的预测处理方案包括:
若所述预测灾害阶段为所述第一阶段,所述电子设备将所述预测处理方案确定为所述第一阶段处理方案,或者,若所述预测灾害阶段为所述第二阶段,所述电子设备将所述预测处理方案确定为所述第二阶段处理方案,或者,若所述预测灾害阶段为所述第三阶段,所述电子设备将所述预测处理方案确定为所述第三阶段处理方案。
在本实施例中,直接选取与所述预测灾害阶段相同的预设灾害阶段对应的处理方案,能够快速得出处理结果。
由以上技术方案可以看出,通过获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录,能够得知救援资源及理赔资源的分布情况,对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息,首先,由于只选取了每个预设历史类别对应的历史信息和待预测信息,因此能够减少所述历史信息和所述待预测信息的数据量,其次,由于所述待预测灾害记录是实时获取的,因此,所述待预测信息也是实时的,基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,能够基于实时的待预测信息对所述历史自然灾害信息不断进行更新,由于更新后的历史自然灾害信息包括更多的预测数据,因此,使得对更新后的所述历史自然灾害信息进行预测后得到的预测灾害等级更具可靠性,基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,由于掌握了理赔资源及救援资源的分布情况,使得每个处理方案能够充分调用理赔资源及救援资源,提高了处理方案的可行性,从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,使得所述处理方案更具有针对性,由于所述处理方案具有更高的可行性及针对性,因此相关人员能够基于所述处理方案及时进行保险理赔及灾后救援。
如图3所示,是本发明基于自然灾害数据的处理装置的较佳实施例的功能模块图。所述基于自然灾害数据的处理装置11包括获取单元110、分类单元111、生成单元112、预测单元113及选取单元114。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录。
在本申请的至少一个实施例中,所述多个历史自然灾害记录是指已经发生过的自然灾害信息,任一历史自然灾害记录通常包括区域位置、灾害类型、灾害发生时间、所述灾害类型的灾害等级、受灾等级及受灾等级的影响人数等等。其中,所述灾害类型的灾害等级可以为红色、蓝色、橙色及白色等等,所述受灾等级可以根据受灾损失金额进行自行设置,例如将受灾损失金额为50万以上的设定为3级,将受灾损失金额为10万-50万设定为2级,并将受灾损失金额为1万-10万设定为1级。例如,任一历史自然灾害记录可以为:A市B区5月29日13时发生台风红色灾害,受灾等级为2级的有1000人,受灾等级为1级的有10050人。
在本申请的至少一个实施例中,所述待预测灾害记录是指某一地区正在发生的自然灾害的信息。所述待预测灾害记录通常包括区域位置、灾害类型、灾害发生时间及灾害等级等等。其中,所述灾害等级可以为黄色、蓝色、红色等等。例如,所述待预测灾害记录可以为:A市B区在7月2日8时发生台风蓝色灾害。
在本申请的至少一个实施例中,所述理赔信息是指每个历史自然灾害记录中的理赔数据。例如,所述理赔数据可以是理赔保险公司的名称、理赔的保单类型、理赔金额、理赔保单的编号ID、每个保单类型对应的理赔金额、理赔的流程等等。
在本申请的至少一个实施例中,所述资源信息是指每个理赔保险公司的理赔资源,例如,所述理赔资源可以为每个区域位置的理赔人员及可使用的车辆资源等等。
在本申请的至少一个实施例中,所述获取单元110获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,包括:
所述获取单元110调用多个保险公司的信息接口,获取所述资源信息、所述多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息。
在本申请的至少一个实施例中,所述获取单元110实时获取待预测灾害记录包括:
所述获取单元110从公开网站中实时获取所述待预测灾害记录。其中,所述公开网站可以为各个省份或者各个市的天气播报网站,例如:A市天气及C市天气等等。
在本申请的其它实施例中,所述获取单元110也可以从公开网站中获取所述多个历史自然灾害记录。
分类单元111对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息。
在本申请的至少一个实施例中,所述历史信息是指每个历史自然灾害记录中所述预设历史类别对应的信息。
在本申请的至少一个实施例中,所述分类单元111对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,包括:
所述分类单元111基于所述预设历史类别对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息。
在本实施例中,所述预设历史类别可以自行设置,本申请对此不作限制。例如,所述预设历史类别可以为:区域位置、灾害类型、灾害发生时间、灾害结束时间、灾害等级、受灾等级及受灾人数等等。
在本实施例中,所述待预测信息的生成过程与所述历史信息的生成过程基本一致,所以本申请在此不作赘述。
在本实施例中,在灾害发生的较短时间内所述待预测灾害记录中的信息较为欠缺,因此在灾害发生的较短时间内有的预设历史类别对应的待预测信息为空,随着灾害发生的时间越来越长,实时获取到的待预测灾害记录中的信息会逐渐增多,所述预设历史类别的待预测信息也越来越多。
通过上述实施方式,由于只选取了所述预设历史类别对所述多个历史自然灾害记录及所述待预测灾害记录中的部分信息,因此能够去除无关信息及减少所述历史信息及所述待预测信息的数据量,从而提高分类的速度。
生成单元112基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息。
在本申请的至少一个实施例中,所述获取时间点包括第一时间点及多个第二时间点,所述多个第二时间点大于所述第一时间点。
在本申请的至少一个实施例中,所述第一时间点的历史自然灾害信息是指不断更新的历史自然灾害信息。
在本申请的至少一个实施例中,所述生成单元112基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,包括:
若所述获取时间点仅包括所述第一时间点,所述生成单元112将所述待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息,或者,若所述获取时间点包括所述第一时间点和所述多个第二时间点,所述生成单元112将所述第一时间点的待预测信息与所述多个第二时间点的待预测信息进行比对,若所述多个第二时间点的待预测信息与所述第一时间点的待预测信息不相同,所述生成单元112基于所述多个第二时间点的待预测信息对所述第一时间点的待预测信息进行更新,并将更新后的第一时间点的待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息。
其中,所述预设历史类别的数量为多个,所述生成单元112将所述第一时间点的待预测信息中每个预设历史类别所对应的待预测信息替换为所述第二时间点的待预测信息中相同预设历史类别所对应的待预测信息。
在本实施例中,所述第一时间点的待预测信息与所述第二时间点的待预测信息是部分重合的。例如:所述第一时间点的待预测信息为:A市B区7月2日8时发生台风蓝色灾害,所述第二时间点的待预测信息为A市B区7月2日9时台风等级升级为黄色灾害。因此,将所述第一时间点的待预测信息中预设历史类别为灾害等级的蓝色更新为黄色。
通过上述实施方式,当获取到第二时间点的待预测信息时,将第一时间点的待预测信息及所述多个历史信息作为第一时间点的历史自然灾害信息,基于实时获取到的待预测信息对之前的历史自然灾害信息进行不断更新,并增加所述第一时间点的历史自然灾害信息的数据量。
预测单元113根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点。
在本申请的至少一个实施例中,所述预测单元113根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级包括:
所述预测单元113将所述历史自然灾害信息中每个预设历史类别的历史信息与所述第二时间点的待预测信息进行比较,并计算每个历史自然灾害记录中与所述第二时间点的待预测信息相同的历史信息所对应的预设历史类别的类别数量,进一步地,所述预测单元113根据所述类别数量对所述多个历史自然灾害记录进行排序,得到队列,并从所述队列中选取序号处于预设数量范围所对应的历史自然灾害记录的历史信息,更进一步地,所述预测单元113根据所述时间信息从所述处于预设数量范围所对应的历史自然灾害记录的历史信息中选取连续的历史信息,更进一步地,所述预测单元113基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级。
其中,所述排序可以为降序排序。所述预设数量范围自行设置,本申请对此不做限制。例如,所述预设数量范围可以为前100或者前150。所述连续的历史信息是指同一灾害类型且时间连续的历史信息。
具体地,所述预测单元113基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级,包括:
所述预测单元113从所述历史自然灾害信息中获取多个历史灾害等级及每个历史灾害等级的历史时间点,所述预测单元113设定多个初始灾害等级,并设定所述多个第二时间点,进一步地,所述预测单元113根据所述多个历史灾害等级及每个历史灾害等级的历史时间点计算每个初始灾害等级在每个第二时间点发生的初始概率,更进一步地,所述预测单元113选取大于配置值的初始概率所对应的初始灾害等级作为该第二时间点对应的预测灾害等级,得到所述多个第二时间点的预测灾害等级。
其中,可以基于Viterbi算法计算所述初始概率,所述多个第二时间点中的后一个第二时间点大于前一个第二时间点,当接受到后一个第二时间点的待预测信息时,将前一个第二时间点的待预测信息并入所述历史自然灾害信息中。
在本申请的其它实施例中,所述预设的预测模型也可以为隐马尔科夫模型(Hidden Markov Model,HMM)。
在本实施例中,选取时间连续的历史信息,能够更加清楚地得知同一个历史自然灾害发展的完整趋势,使得通过所述完整趋势预测出的预测灾害等级的准确性更高。
通过上述实施方式,由于所述第一时间点的历史自然灾害信息不断更新且逐渐增多的,因此,能够使得所述预测灾害等级的预测准确性逐渐提升。
生成单元112根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段。
在本申请的至少一个实施例中,所述等级趋势曲线是指反映正在发生的灾害的预测灾害等级变化的曲线。
在本申请的至少一个实施例中,所述预测灾害阶段包括第一阶段、第二阶段及第三阶段。所述第一阶段是指灾害发生的前期,所述第二阶段是指灾害发生的中期,所述第三阶段是指灾害发生的后期。
在本申请的至少一个实施例中,所述生成单元112根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线包括:
所述生成单元112构建灾害等级-时间坐标系,进一步地,所述生成单元112将每个预测灾害等级及对应的第二时间点映射到所述灾害等级-时间坐标系中,得到多个坐标点,更进一步地,所述生成单元112将所述多个坐标点进行连接,得到所述等级趋势曲线。
在本实施例中,给每个预测灾害等级赋值,预测灾害等级越高,灾害值越大。例如:蓝色、黄色、橙色及红色等灾害等级依次升高,给灾害等级为蓝色赋值为1,给灾害等级为黄色赋值为2、给灾害等级为橙色赋值为3,并给灾害等级为红色赋值为4。
在本申请的至少一个实施例中,若所述第一时间点的历史自然灾害信息不包含历史灾害等级,及无法通过所述历史灾害等级预测出所述多个第二时间点的预测灾害等级时,也可以基于所述第一时间点的历史自然灾害信息中所包含的其他信息构建坐标系。例如,若第一时间点的历史自然灾害信息包含多个受灾等级及每个受灾等级的受灾人数,所述生成单元112基于所述受灾等级、每个受灾等级的受灾人数及时间构建多个维度的坐标系。
在本申请的至少一个实施例中,所述生成单元112从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段包括:
若所述等级趋势曲线中存在多个极值点,所述生成单元112确定所述多个第二时间点对应的预测灾害阶段为所述第一阶段,或者,若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均大于预设值,所述生成单元112确定所述多个第二时间点对应的预测灾害阶段为所述第二阶段,或者,若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第三阶段。
其中,所述预设值可以自行设置,本申请对此不作限制。例如,所述预设值可以为零。所述多个预设坐标点可以为多对时间连续的坐标点。例如:所述多个预设坐标点可以为第一预设坐标点(8,1)、第二预设坐标点(8.5,2)、第三预设坐标点(10,3)及第四预设坐标点(11,4)。
在本实施例中,灾害发生的前期,由于获取到的待预测信息的数据量较少导致对灾害等级的预测准确性较低,所述等级趋势曲线呈现起伏不定的状态。因此,当所述第一阶段对应的等级趋势曲线存在多个极值点,即可确定所述预测灾害阶段为灾害发生的前期;灾害发生的中期,由于获取到的待预测信息的数据量逐渐增多,使得对灾害等级的预测准确性得到提高,灾害等级应该逐渐增大,此时等级趋势曲线呈现攀升的趋势。因此,当相邻的两个预设坐标点构成的直线的斜率大于所述预设值,及相邻的多个预设坐标点构成的多条直线的斜率均大于所述预设值,即可确定所述预测灾害阶段为灾害发生的中期;灾害发生的后期,由于获取到的待预测信息的数据量很多,使得对灾害等级的预测准确性较高,灾害等级应该逐渐减小,此时等级趋势曲线应该是呈现下滑的趋势。因此,当相邻的两个预设坐标点构成的直线的斜率小于所述预设值,及相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,即可确定所述预测灾害阶段为灾害发生的后期。
例如,如图2所示,是本申请基于自然灾害数据的处理方法中等级趋势曲线的展示图。所述展示图的横坐标轴或者纵坐标轴的单位可以自行设置。当所述预设值为零时,承接上述第一预设坐标点(8,1)、第二预设坐标点(8.5,2)、第三预设坐标点(10,3)及第四预设坐标点(11,4),计算出所述第一预设坐标点(8,1)与第二预设坐标点(8.5,2)所构成的直线的第一斜率为2,所述第二预设坐标点(8.5,2)与所述第三预设坐标点(10,3)所构成的直线的第二斜率为2/3,所述第三预设坐标点(10,3)与第四预设坐标点(11,4)所构成的直线的第三斜率为1,由于所述第一斜率、所述第二斜率及所述第三斜率均大于零,因此,所述预测灾害阶段为灾害发生的中期。
通过上述实施方式,根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,由于所述预测灾害等级是根据足够数量且不断更新的自然灾害信息***得出的,因此,能够基于所述等级趋势曲线准确地确定出当前所处的灾害阶段并对即将进入的灾害阶段进行预判。
生成单元112基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案。
在本申请的至少一个实施例中,所述多个预设灾害阶段包括第一阶段、第二阶段及第三阶段,所述预设预警方式包括第一预设预警方式及第二预设预警方式。
在本申请的至少一个实施例中,所述处理方案包括针对每个预设灾害时段对受灾区域及非受灾区域的计算机资源的处理方式、理赔资源调动方式及预警方式等等。
在本申请的至少一个实施例中,所述生成单元112基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,包括:
所述生成单元112在预设的地图中标注所述资源信息,得到资源分布地图,进一步地,所述生成单元112将所述资源分布地图中与所述待预测信息所对应的区域位置确定为受灾区域,更进一步地,所述生成单元112基于所述受灾区域、预设位置范围及所述资源信息在所述资源分布地图中的分布情况,并从所述资源分布地图中识别出所述受灾区域对应的临近区域,更进一步地,所述生成单元112将所述第一预设预警方式、所述受灾区域及预设处理方式中的计算机资源处理方式确定为所述第一阶段对应的第一阶段处理方案,更进一步地,所述生成单元112从所述理赔信息中获取初始理赔流程,并对所述初始理赔流程进行更新,得到目标理赔流程,更进一步地,所述生成单元112将所述第一阶段处理方案、所述第二预设预警方式、所述目标理赔流程及所述临近区域确定为所述第二阶段对应的第二阶段处理方案,更进一步地,所述生成单元112将所述第一阶段处理方案、所述第二阶段处理方案及所述预设处理方式中的资源调动方式确定为所述第三阶段对应的第三阶段处理方案。
其中,所述第一预设预警方式及所述第二预设预警方式可以自行设置,本申请对此不作限制。例如,所述第一预设预警方式可以为:通过电话、短信、微信、邮件通知方式等方式进行预警。所述第二预警方式可以为公众号、各个社交平台如微博、官网首页通知,同时保险理赔公司的内部***之间进行灾区通知。
所述预设处理方式包括所述计算机资源处理方式及所述资源调动方式。其中,所述计算机资源处理方式是指对所述受灾区域及所述邻近区域的计算机资源的处理方式,所述资源调动方式是指对所述受灾区域及所述邻近区域的理赔人员、救灾人员及车辆的具体调动情况。例如,当灾害发生时,受灾区域的理赔***会受到损害,而此时受灾区域的理赔请求数量会急剧增加,为了防止理赔***瘫痪,所述受灾区域的计算机资源处理方式包括对理赔网站的前端及后端服务的应用、主机、网络及数据库等资源进行扩容,所述扩容包括当理赔请求数量过多时,将部分理赔请求转接到所述邻近区域所使用的应用网站上。所述邻近区域的计算机资源的处理方式包括:将所述邻近区域的应用、主机、网络及数据库等资源向所述受灾区域倾斜,接收所述受灾区域的理赔请求并对所述受灾区域的理赔请求优先响应等等。所述资源调动方式可以为理赔人员是否需要步行或者理赔人员是否可以使用车辆。
所述初始理赔流程的更新是指对所述初始理赔流程进行流程调整,以及流程简化,减少所述初始理赔流程中非关键流程。例如,增加协同审批,并去除所述初始理赔流程中的非关键审批环节以加快受灾区域的理赔速度。
通过上述实施方式,针对每个预设灾害阶段设置了区别化的处理方案,从而能够基于每个具有针对性的处理方案对受灾区域进行有效救援。
选取单元114从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
需要强调的是,为进一步保证上述处理结果的私密和安全性,上述处理结果还可以存储于一区块链的节点中。
在本申请的至少一个实施例中,所述选取单元114从多个所述处理方案中选取所述预测灾害阶段的预测处理方案包括:
若所述预测灾害阶段为所述第一阶段,所述选取单元114将所述预测处理方案确定为所述第一阶段处理方案,或者,若所述预测灾害阶段为所述第二阶段,所述选取单元114将所述预测处理方案确定为所述第二阶段处理方案,或者,若所述预测灾害阶段为所述第三阶段,所述选取单元114将所述预测处理方案确定为所述第三阶段处理方案。
在本实施例中,直接选取与所述预测灾害阶段相同的预设灾害阶段对应的处理方案,能够快速得出处理结果。
由以上技术方案可以看出,通过获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录,能够得知救援资源及理赔资源的分布情况,对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息,首先,由于只选取了每个预设历史类别对应的历史信息和待预测信息,因此能够减少所述历史信息和所述待预测信息的数据量,其次,由于所述待预测灾害记录是实时获取的,因此,所述待预测信息也是实时的,基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,能够基于实时的待预测信息对所述历史自然灾害信息不断进行更新,由于更新后的历史自然灾害信息包括更多的预测数据,因此,使得对更新后的所述历史自然灾害信息进行预测后得到的预测灾害等级更具可靠性,基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,由于掌握了理赔资源及救援资源的分布情况,使得每个处理方案能够充分调用理赔资源及救援资源,提高了处理方案的可行性,从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,使得所述处理方案更具有针对性,由于所述处理方案具有更高的可行性及针对性,因此相关人员能够基于所述处理方案及时进行保险理赔及灾后救援。
如图4所示,是本申请实现基于自然灾害数据的处理方法的较佳实施例的电子设备的结构示意图。
在本申请的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如基于自然灾害数据的处理程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作***以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,例如图3所示的获取单元、分类单元、生成单元、预测单元及选取单元等,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种基于自然灾害数据的处理方法,所述处理器13可执行所述计算机可读指令从而实现:
获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种基于自然灾害数据的处理方法,其特征在于,所述基于自然灾害数据的处理方法包括:
获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;
对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;
基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;
根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;
根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;
基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;
从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
2.如权利要求1所述的基于自然灾害数据的处理方法,其特征在于,所述基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息,包括:
若所述获取时间点仅包括所述第一时间点,则将所述待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息;或者
若所述获取时间点包括所述第一时间点和所述多个第二时间点,将所述第一时间点的待预测信息与所述多个第二时间点的待预测信息进行比对,若所述多个第二时间点的待预测信息与所述第一时间点的待预测信息不相同,基于所述多个第二时间点的待预测信息对所述第一时间点的待预测信息进行更新,并将更新后的第一时间点的待预测信息、所述预设历史类别及所述多个历史信息确定为所述第一时间点的历史自然灾害信息。
3.如权利要求1所述的基于自然灾害数据的处理方法,其特征在于,所述历史信息包括历史灾害等级及时间信息,所述根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级包括:
将所述历史自然灾害信息中每个预设历史类别的历史信息与所述第二时间点的待预测信息进行比较,并计算每个历史自然灾害记录中与所述第二时间点的待预测信息相同的历史信息所对应的预设历史类别的类别数量;
根据所述类别数量对所述多个历史自然灾害记录进行排序,得到队列,并从所述队列中选取序号处于预设数量范围所对应的历史自然灾害记录的历史信息;
根据所述时间信息从所述处于预设数量范围所对应的历史自然灾害记录的历史信息中选取连续的历史信息;
基于所述预设的预测模型对所述连续的历史信息进行预测,得到所述多个第二时间点的预测灾害等级。
4.如权利要求1所述的基于自然灾害数据的处理方法,其特征在于,所述根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线包括:
构建灾害等级-时间坐标系;
将每个预测灾害等级及对应的第二时间点映射到所述灾害等级-时间坐标系中,得到多个坐标点;
将所述多个坐标点进行连接,得到所述等级趋势曲线。
5.如权利要求1所述的基于自然灾害数据的处理方法,其特征在于,所述多个预设灾害阶段包括第一阶段、第二阶段及第三阶段,所述预设预警方式包括第一预设预警方式及第二预设预警方式,所述基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案,包括:
在预设的地图中标注所述资源信息,得到资源分布地图;
将所述资源分布地图中与所述待预测信息所对应的区域位置确定为受灾区域;
基于所述受灾区域、预设位置范围及所述资源信息在所述资源分布地图中的分布情况,从所述资源分布地图中识别出所述受灾区域对应的临近区域;
将所述第一预设预警方式、所述受灾区域及所述预设处理方式中的计算机资源处理方式确定为所述第一阶段对应的第一阶段处理方案;
从所述理赔信息中获取初始理赔流程,并对所述初始理赔流程进行更新,得到目标理赔流程;
将所述第一阶段处理方案、所述第二预设预警方式、所述目标理赔流程及所述临近区域确定为所述第二阶段对应的第二阶段处理方案;
将所述第一阶段处理方案、所述第二阶段处理方案及所述预设处理方式中的资源调动方式确定为所述第三阶段对应的第三阶段处理方案。
6.如权利要求5所述的基于自然灾害数据的处理方法,其特征在于,所述从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段包括:
若所述等级趋势曲线中存在多个极值点,则确定所述多个第二时间点对应的预测灾害阶段为所述第一阶段;或者
若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均大于预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第二阶段;或者
若所述等级趋势曲线中相邻的多个预设坐标点构成的多条直线的斜率均小于所述预设值,则确定所述多个第二时间点对应的预测灾害阶段为所述第三阶段。
7.如权利要求5所述的基于自然灾害数据的处理方法,其特征在于,所述从多个所述处理方案中选取所述预测灾害阶段的预测处理方案包括:
若所述预测灾害阶段为所述第一阶段,将所述预测处理方案确定为所述第一阶段处理方案;或者
若所述预测灾害阶段为所述第二阶段,将所述预测处理方案确定为所述第二阶段处理方案;或者
若所述预测灾害阶段为所述第三阶段,将所述预测处理方案确定为所述第三阶段处理方案。
8.一种基于自然灾害数据的处理装置,其特征在于,所述基于自然灾害数据的处理装置包括:
获取单元,用于获取资源信息、多个历史自然灾害记录及每个历史自然灾害记录对应的理赔信息,并实时获取待预测灾害记录;
分类单元,用于对每个历史自然灾害记录进行分类,得到预设历史类别的历史信息,并对实时获取的待预测灾害记录进行分类,得到所述预设历史类别的待预测信息;
生成单元,用于基于所述待预测信息及所述待预测信息的获取时间点、所述预设历史类别及多个所述历史信息生成第一时间点的历史自然灾害信息;
预测单元,用于根据预设的预测模型及所述历史自然灾害信息预测多个第二时间点的预测灾害等级,所述多个第二时间点大于所述第一时间点;
所述生成单元,还用于根据每个第二时间点及每个第二时间点的预测灾害等级生成等级趋势曲线,并从所述等级趋势曲线识别出所述多个第二时间点对应的预测灾害阶段;
所述生成单元,还用于基于所述待预测信息、所述资源信息、所述理赔信息、预设预警方式、预设处理方式及多个预设灾害阶段生成每个预设灾害阶段对应的处理方案;
选取单元,用于从多个所述处理方案中选取所述预测灾害阶段的预测处理方案,并将所述多个预测灾害等级及所述预测处理方案作为处理结果。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于自然灾害数据的处理方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于自然灾害数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926431.5A CN115293423A (zh) | 2022-08-03 | 2022-08-03 | 基于自然灾害数据的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926431.5A CN115293423A (zh) | 2022-08-03 | 2022-08-03 | 基于自然灾害数据的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115293423A true CN115293423A (zh) | 2022-11-04 |
Family
ID=83826486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210926431.5A Pending CN115293423A (zh) | 2022-08-03 | 2022-08-03 | 基于自然灾害数据的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293423A (zh) |
-
2022
- 2022-08-03 CN CN202210926431.5A patent/CN115293423A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365171A (zh) | 基于知识图谱的风险预测方法、装置、设备及存储介质 | |
CN110991568B (zh) | 目标识别方法、装置、设备和存储介质 | |
CN110515986B (zh) | 一种社交网络图的处理方法、装置及存储介质 | |
CN112446544A (zh) | 交通流预测模型训练方法、装置、电子设备及存储介质 | |
CN111401700A (zh) | 一种数据分析方法、装置、计算机***及可读存储介质 | |
CN111950621B (zh) | 基于人工智能的目标数据检测方法、装置、设备及介质 | |
CN112231416B (zh) | 知识图谱本体更新方法、装置、计算机设备及存储介质 | |
CN113656647A (zh) | 一种面向智能运维的工程档案数据管理平台、方法及*** | |
US10762089B2 (en) | Open ended question identification for investigations | |
CN113268665A (zh) | 基于随机森林的信息推荐方法、装置、设备及存储介质 | |
CN113706291A (zh) | 欺诈风险预测方法、装置、设备及存储介质 | |
CN113591881B (zh) | 基于模型融合的意图识别方法、装置、电子设备及介质 | |
CN112651782B (zh) | 基于缩放点积注意力的行为预测方法、装置、设备及介质 | |
Lagarias | Exploring land use policy scenarios with the use of a cellular automata-based model: urban sprawl containment and sustainable development in Thessaloniki | |
CN115049836B (zh) | 图像分割方法、装置、设备及存储介质 | |
CN115293423A (zh) | 基于自然灾害数据的处理方法、装置、设备及存储介质 | |
Marks et al. | Identifying and Labeling Potentially Risky Driving: A Multistage Process Using Real‐World Driving Data | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113419951A (zh) | 人工智能模型优化方法、装置、电子设备及存储介质 | |
CN111882415A (zh) | 一种质量检测模型的训练方法和相关装置 | |
CN113723611B (zh) | 基于因果推断的业务因子生成方法、装置、设备及介质 | |
CN117910884B (zh) | 证券期货行业内控质量检测方法、装置、设备及介质 | |
CN113723524B (zh) | 基于预测模型的数据处理方法、相关设备及介质 | |
CN112101279B (zh) | 目标物异常检测方法、装置、电子设备及存储介质 | |
CN116612643A (zh) | 基于区块链的违章管理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |