Der Aufbau eines Wissensgraphen für urbane Regenstormkatastrophenereignisse unter Berücksichtigung evolutionärer Prozesse

Regensturmkatastrophen stellen eine erhebliche Bedrohung für die nachhaltige Entwicklung städtischer Gebiete dar, und die effektive Organisation vielfältiger Informationsquellen über sie ist entscheidend für das Notfallmanagement. Angesichts der jüngsten Fortschritte in der Theorie und Anwendungstechnologie von Wissensgraphen könnten deren bemerkenswerte Integrations- und Darstellungsmöglichkeiten Unterstützung für dynamisches Monitoring und Entscheidungsprozesse im Zusammenhang mit urbanen Regenstormkatastrophenereignissen bieten. Konventionelle Modelle erfassen jedoch nicht die spatiotemporalen Merkmale dieser Ereignisse. Um diese Lücke zu schließen, analysieren wir das Wesen urbaner Regenstormkatastrophenereignisse und unterteilen deren Entwicklung in vier Phasen, nämlich die Phasen der Schwangerschaft, Entwicklung, Fortdauer und des Rückgangs. Auf dieser Grundlage wird ein mehrschichtiges Wissensdarstellungsmodell aus vier Schichten vorgeschlagen, die Ereignis-, Objekt-Zustand-, Merkmal- und Beziehungsschichten sind, indem die Komponenten und dynamischen Merkmale des Mechanismus urbaner Regenstormkatastrophenereignisse analysiert werden. Das vorgeschlagene Modell kann nicht nur die umfassende Struktur und die Beziehungen innerhalb urbaner Regensturmereignisse darstellen, sondern auch die Evolution der Katastrophenereignisse durch eine Reihe geordneter Zustände betonen. Darüber hinaus testen wir die Nützlichkeit des konstruierten Wissensgraphen anhand einer Fallstudie des Regensturms von Zhengzhou 720. Die Fallstudie validiert zunächst, dass die ausgewählten Modelle des maschinellen Lernens die Informationen über das urbane Regenstormkatastrophenereignis genau extrahieren können, indem sie mit einigen etablierten Modellen verglichen werden. Danach wird gezeigt, dass der Wissensgraph im Bereich der katastrophalen Wissensdarstellung und der Abrufung von Katastrophenbedingungen praktisch ist. Da der Wissensgraph die Evolution eines Katastrophenereignisses während seines gesamten Lebenszyklus darstellen kann, fördert er das Verständnis der Mechanismen von urbanen Regensturmkatastrophen und ebnet den Weg für zukünftige Anwendungen der Katastrophenverhütung und -minderung.