[发明专利]一种基于迁移学习的城市内涝分析方法

摘要

本发明公开了一种基于迁移学习的城市内涝分析方法，包括首先根据城市本身特性划分区域；然后利用每个区域内的社交媒体和传感器数据构造特征，并利用多视图学习尽心特征融合。最后利用迁移学习将数据量丰富的大城市内涝知识转移到相对较小的城市，训练小城市的内涝严重程度模型。本发明多视图学习对不同视图数据进行融合，可有效扩展其他来源的数据，同时本发明基于迁移学习技术，对拥有较小样本的小城市也能取得较好的效果。

主权项

一种基于迁移学习的城市内涝分析的方法，包括以下步骤：(1)对所有城市根据城市本身的规模、地势以及人口分布划分成多个相邻的矩形区域；(2)采集每个区域的社交媒体数据和物理传感器数据组成样本数据，并利用样本数据构造每个区域内与内涝相关的社交媒体特征和物理传感器特征组成特征数据；(3)将社交媒体数据和物理传感器数据视作不同视图的数据，并利用多视图算法对每个区域内同一时间段内的社交媒体特征和物理传感器特征进行融合，得到融合特征；(4)选择分析内涝严重的城市作为目标城市，选取相对于目标城市样本数据和特征数据更多的城市构造来源城市，若目标城市与来源城市的特征相对熵小于阈值，则将来源城市中的每个区域的融合特征数据与目标城市中每个区域的融合特征数据合并组成样本集，将来源城市与目标城市中每个区域的内涝情况组成真值集，并将样本集作为分类器的输入，将真值集作为分类器的输出，训练分类器，得到内涝严重程度模型；否则，利用自编码器将目标城市中每个区域的融合特征与来源城市中每个区域的融合特征合并到一个中间公共特征空间，以中间公共特征空间的向量作为分类器的输入，以向量对应的真实内涝情况作为分类器的真值标签，对分类器进行训练，得到内涝严重程度模型；(5)利用内涝严重程度模型对目标城市中的每个区域进行测试，根据模型输出概率值的大小确定每个区域的内涝程度。