(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111634665.4 (22)申请日 2021.12.2 9 (71)申请人 山西清风渡信息技 术有限公司 地址 030000 山西省太原市唐槐园区龙盛 街18号孵化基地5号楼5层南5 05室 (72)发明人 毛应龙　陈云海　张云涛　信烨　 刘淑芳　 (74)专利代理 机构 北京中政联科专利代理事务 所(普通合伙) 11489 专利代理师 刘艳 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 10/06(2012.01)G06Q 50/26(2012.01) (54)发明名称 一种火箭 落点灾害分析系统 (57)摘要 本发明涉及灾害 预测分析技术领域， 尤其涉 及一种火箭落点灾害分析系统。 其包括数据预处 理模块、 数据处理框架模块、 机器学习技术模块 和机器学习模 型模块； 数据预处理模块与数据处 理框架模块通讯连接， 且数据处理框架模块包括 数据获取模块、 数据量纲化模块和特征选择模 块； 机器学习技术模块和机器学习模 型模块通讯 连接， 且机器学习模型模块包括火箭毁伤效应模 块、 地面价值评估模块和火箭落点综合评估模 块。 本发明利用数据预处理技术和机器学习模型 对火箭落点灾害分析系统的数据处理方法和物 理结构同时进行设计及优化， 可以对地面的毁伤 进行确认以及事件发生之后的地面财产等损失 进行评估， 差异性较小； 可实时对火箭残骸落地 后的事后灾害评估。 权利要求书2页 说明书4页 附图3页 CN 114462297 A 2022.05.10 CN 114462297 A 1.一种火箭落点灾害分析系统， 其特征在于， 包括数据预处理模块、 数据处理框架模 块、 机器学习技 术模块和机器学习模型模块； 数据预处理模块与 数据处理框架模块通讯连接， 且数据处理框架模块包括数据获取模 块、 数据量纲化模块和特征选择模块； 机器学习技术模块和机器学习模型模块通讯连接， 且 机器学习模型模块包括火箭毁伤效应模块、 地 面价值评估模块和火箭 落点综合评估 模块； 数据获取模块， 用于通过互联网获取中国科学院空天信 息创新研究院30米级遥感分类 数据、 中华人民共和国人口统计数据和中华人民共和国县级GD P统计数据并分类储 存； 数据量纲化模块， 用于通过结构化数据， 对数据字段进行数值化、 缺失值处理、 异常值 修正与剔除、 one ‑hot编码、 数据分段等一系列数据预处理之后， 最终一体化地为火箭落点 灾害分析系统建立数据清洗功能； 特征选择模块， 用于使用方差过滤法直接把方差很小的特征进行消除， 使得在维持算 法表现的前提下， 降低算法的计算成本； 使用相关性过滤法过滤掉与标签无关或者相关性 很小的特征， 以此来提高模型在数据上的表现； 经过上述处理之后， 最 终为火箭落点灾害分 析系统提供了数据分析功能； 火箭毁伤效应模块， 用于建立火箭 落点毁伤范围模型， 火箭 落点毁伤程度模型； 地面价值评估模块， 用于建立 地面综合价值评估的模型； 火箭落点综合评估模块， 用于使用分类算法进行建模， 建立针对火箭落点毁伤程度与 落点中心地 面信息进行综合评估的系统。 2.根据权利要求1所述的一种火箭落点灾害分析系统， 其特征在于， 数据 结构包括全国 县级人口数量、 GDP、 建筑物分布、 地质地貌、 水流湖泊、 植被覆盖、 地形分布、 农作物分布、 火 箭落点坐标、 火箭高度、 火箭所剩燃料、 火箭当前速度与加速度、 火箭当前姿态。 3.根据权利要求1所述的一种火箭落点灾害分析系统， 其特征在于， 数据获取模块获取 的数据分类时， 将数据 汇总成网格并存储至数据库作为基础信息， 其中每个网格代表2*2公 里范围。 4.根据权利要求1所述的一种火箭落点灾害分析系统， 其特征在于， 火箭 毁伤程度随毁 伤中心点扩散以线性程度降低， 地面综合价值评估则由落点坐标与毁伤范围得到欧几里得 距离， 据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子， 最终汇总得 出落点坐标的地 面信息。 5.根据权利要求1所述的火箭落点灾害分析系统 的设计方法， 其特征在于， 具体包括以 下步骤： S1、 基于数据预处理工作， 建立从地面信 息、 火箭信息收集到最终地面损失灾害评估的 直连式数据处理框架， 通过数据获取模块获取互联网获取中 国科学院空天信息创新研究院 30米级遥感分类数据、 中华人民共和国人口统计数据和中华人民共和国县级GDP统计数据 最终将数据汇总成网格并存 储至数据库 作为基础信息， 其中每 个网格代 表2*2公里范围； 通过数据量纲化模块从结构化数据(其中， 数据结构包括全国县级人口数量、 GDP、 建筑 物分布、 地质地貌、 水流湖泊、 植被覆盖、 地形分布、 农作物分布、 火箭落点坐标、 火箭高度、 火箭所剩燃料、 火箭当前速度与加速度和火箭当前姿态)出发； 对数据字段进行数值化、 缺 失值处理、 异常值修正与剔除、 one ‑hot编码、 数据分段等一系 列数据预处理之后， 最 终一体 化地为火箭落点灾害分析系统建立数据清洗功能； 通过特征选择模块使用方差过滤法直接权　利　要　求　书 1/2 页 2 CN 114462297 A 2把方差很小的特征进 行消除， 使得在维持算法表现的前提下， 降低算法的计算成本； 使用相 关性过滤法过滤掉与标签无关或者相关性很小的特征， 以此来提高模型在数据上 的表现； 经过上述处理之后， 最终为火箭 落点灾害分析系统提供了数据分析功能； S2、 利用机器学习技术， 对火箭毁伤效应、 地面价值评估使用回归算法进行建模， 建立 包括： 火箭落点毁伤范围， 火箭落点毁伤程度， 地面 综合价值评估的模 型， 同时， 毁伤程度随 毁伤中心点扩散以线性程度降低， 地面综合价值评估则由落点坐标与毁伤范围得到欧几里 得距离， 据此从数据库中进行坐标搜寻并计算出每个网格对落点中心影响因子， 最终汇总 得出落点坐标 的地面信息。 对于火箭落点综合评估使用分类算法进行建模， 建立针对火箭 落点毁伤程度与落 点中心地 面信息进行综合评估的系统； S3、 在机器学习模型内通过训练优化数据特征权重， 最终一体化地为火箭落点灾害分 析系统建立 实时评估 预警； 其中， 利用网格搜索法、 交叉验证与学习曲线等技术对模型内参 数进行优化与验证； 利用决策树、 随机森林、 支持向量机、 梯度提升树等技术实现火箭毁伤 定义、 地面价值评估、 综合灾害评估功能； 经过上述迭代训练后， 最终获得火箭落点灾害分 析系统的数据处 理框架及相应的物理构型。权　利　要　求　书 2/2 页 3 CN 114462297 A 3