Page 183 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 李东阳等：灾害防御全信息管理模型及其应用——以浙江省为例 1205

属性特征对应的属性值。 118.016 7°E］，［31.183 3°N，122.750 0°E］｝，［29.28°N，
5）环节维 120.15°E］，浙江省｝，2021 年 8 月 11 日 9 时，2 h，降
环节用于指代灾害防御数据能够影响的各 水预报数据，｛风险研判，应急救援｝，气象部门）。
个业务流程，主要包括应急准备、风险识别、风险 2.3 自适应业务链流转
研判、风险管控、应急救援、灾后恢复等环节。环 针对不同灾害事件、不同业务阶段对数据的不
节特征可以表示为： 同需求，本文研究了自适应业务链流转技术，当灾
Busins = { Busin1,Busin2,… } （7） 害防御业务启动或节点切换时，首先从预先构建的
式 中 ， Busins 代 表 灾 害 数 据 所 属 环 节 的 集 合 ； 模型库中，依据灾害类型、业务阶段等关键信息进
Busin1、Busin2等 代表环节集合中的单一环节。 行精准匹配，调用与之对应的专业模型，然后根据
6）部门维 所选模型的输入数据要求，利用六元组标签对有关
部门用于指代灾害防御数据的来源，主要包 灾害数据进行精准检索与动态聚合，同时根据业务
括自然资源、水利、建设、公安、交通运输、文化和 节点更新时间触发数据更新流程，驱动数据在分布
旅游、卫生健康、统计、气象、地震、林业等部门。 式环境中获取、更新、存储，之后将符合时间要求的
以模型产品库中的降水量预报数据为例，基 数据流转至模型库，供专业模型进一步分析和处理。
于六元组标签策略公式，为 2021-08-11 9 时全省 最终，模型输出的处理结果会实时反馈至对应的业
降雨量预报数据赋标签值：DDLS=（｛｛［27.033 3°N， 务节点。具体流程见图 3。

图 3 自适应业务链流转过程
Fig. 3 Adaptive Business Chain Flow

1）灾害防御数据获取。基于灾害防御数据 储，避免集中式存储架构下用户并发访问导致的
库结构梳理整合海量多源异构的灾害数据资源， 网络拥塞 ［25］ 。
通过六元组标签策略对数据资源的特征进行解 3）灾害防御数据流转。结合当下灾害事件
析，采用基于规则的方法即可抽取获得相应环节 类型、业务阶段及所处时空序列，对数据进行抽
阶段的灾害数据 ［24］ 。 取与汇总，构建所需数据资源目录，实现对大流
2）灾害防御数据记录存储。数据上传和分 量非结构化数据资源的精准获取。将高质量结
析需要数据存储中心提供实时的上传和解析服 构化灾害数据应用于所需模型，能够支撑用户进
务 ，本 文 采 用 分 布 式 数 据 存 储 架 构 进 行 数 据 存 行 数 据 分 析 与 知 识 挖 掘 ，为 决 策 响 应 提 供 数 据