進入21世紀以來,全球范圍內(nèi)不穩(wěn)定因素增多,自然災(zāi)害時有發(fā)生,其中地震以其突發(fā)性、破壞性和高頻率等特點被人類列為最“防不勝防”的地質(zhì)災(zāi)害之一,在城市化發(fā)展迅速的今天討論區(qū)域地震災(zāi)情快速分析有著更加深刻的意義。本文基于數(shù)百萬條網(wǎng)絡(luò)游戲在線人數(shù)數(shù)據(jù)和新浪微博數(shù)據(jù),以雅安地震為研究背景,采集了雅安及周邊71個地級市地震前后15天內(nèi)每隔兩分鐘的實時數(shù)據(jù)和震后1小時內(nèi)新浪微博文本內(nèi)容,綜合通過統(tǒng)計分析、ArcGIS可視化分析、TF-IDF關(guān)鍵詞權(quán)重分析等多種方法對災(zāi)區(qū)的基本情況進行探索。首先,本文借助Python程序語言和SQL Server數(shù)據(jù)庫對網(wǎng)絡(luò)游戲在線人數(shù)數(shù)據(jù)和新浪微博文本內(nèi)容進行爬取和整合,發(fā)現(xiàn)區(qū)域內(nèi)的網(wǎng)絡(luò)連接數(shù)量突然大幅減少可以反映出地震對災(zāi)區(qū)基礎(chǔ)設(shè)施的破壞程度。而地震發(fā)生過后,網(wǎng)絡(luò)連接數(shù)量的恢復(fù)情況則可以反映出基礎(chǔ)設(shè)施的修復(fù)程度。而基于地震后新浪微博內(nèi)容,不同地區(qū)實時新浪微博關(guān)鍵詞也存在差異,一定程度上能夠反映出人們對地震的心理感知情況。進一步,為了深入探索社交媒體和災(zāi)區(qū)基本情況的關(guān)系,本文從空間和時間兩個維度,通過使用統(tǒng)計分析和ArcGIS可視化分析方法,根據(jù)地震前后網(wǎng)絡(luò)游戲在... 

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 大數(shù)據(jù)在經(jīng)濟社會領(lǐng)域的應(yīng)用
        1.2.2 災(zāi)害評估研究
    1.3 研究目的與意義
        1.3.1 從科學(xué)研究方法角度
        1.3.2 從公共政策角度
        1.3.3 從經(jīng)濟社會建設(shè)角度
    1.4 技術(shù)路線
2. 數(shù)據(jù)與方法
    2.1 研究對象選取
        2.1.1 騰訊游戲用戶數(shù)據(jù)
        2.1.2 新浪微博數(shù)據(jù)
    2.2 數(shù)據(jù)收集與處理
        2.2.1 數(shù)據(jù)收集
        2.2.2 數(shù)據(jù)庫構(gòu)建
        2.2.3 數(shù)據(jù)概況
    2.3 研究方法
3. 基于空間維度的數(shù)據(jù)分析
    3.1 地震中心的判斷
        3.1.1 地震中心測算方法
        3.1.2 地震中心測算結(jié)論
        3.1.3 地震中心測算評價
    3.2 地震災(zāi)區(qū)影響范圍
        3.2.1 地震災(zāi)區(qū)影響范圍測算
        3.2.2 地震災(zāi)區(qū)情況描述
    3.3 地震影響的時空變化
        3.3.1 地震影響的時間變化
        3.3.2 地震影響的空間變化
    3.4 地震破壞程度的預(yù)估
        3.4.1 破壞程度的預(yù)估方法
        3.4.2 雅安地震與松原地震影響分布對比分析
        3.4.3 破壞程度的預(yù)估結(jié)論
    3.5 基于新浪微博關(guān)鍵詞的數(shù)據(jù)分析
        3.5.1 關(guān)鍵詞權(quán)重計算方法TF-IDF
        3.5.2 災(zāi)情分析
4. 基于多源大數(shù)據(jù)的區(qū)域發(fā)展與應(yīng)急監(jiān)測平臺構(gòu)建設(shè)想
    4.1 多源大數(shù)據(jù)的整合
        4.1.1 多源大數(shù)據(jù)主要來源
        4.1.2 多源數(shù)據(jù)整合思路
    4.2 大數(shù)據(jù)區(qū)域發(fā)展監(jiān)測平臺的架構(gòu)設(shè)計
        4.2.1 國家社會經(jīng)濟狀況
        4.2.2 區(qū)域經(jīng)濟結(jié)構(gòu)
        4.2.3 個人社會經(jīng)濟屬性
    4.3 大數(shù)據(jù)區(qū)域發(fā)展監(jiān)測平臺的災(zāi)情快速響應(yīng)與應(yīng)急公共服務(wù)功能
        4.3.1 災(zāi)情位置的判斷
        4.3.2 災(zāi)情影響程度的估計
        4.3.3 追蹤災(zāi)區(qū)人口短期移動情況
5. 結(jié)論與展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]社交媒體數(shù)據(jù)對反映臺風(fēng)災(zāi)害時空分布的有效性研究[J]. 梁春陽,林廣發(fā),張明鋒,汪瑋楊,張文富,林金煌,鄧超.  地球信息科學(xué)學(xué)報. 2018(06)
[2]反映自然災(zāi)害時空分布的社交媒體有效性探討[J]. 陳梓,高濤,羅年學(xué),趙前勝.  測繪科學(xué). 2017(08)
[3]尼泊爾震后Rasuwa區(qū)山地災(zāi)害遙感調(diào)查[J]. 上官冬輝,趙偉,史艷梅.  遙感技術(shù)與應(yīng)用. 2017(01)
[4]地震突發(fā)事件的輿情引導(dǎo)研究[J]. 鄧鐸,胡耀.  中國應(yīng)急救援. 2016(05)
[5]基于高頻GPS數(shù)據(jù)探測地震波信號的研究[J]. 王彬彬,劉根友,郝曉光,段鵬碩.  地學(xué)前緣. 2017(03)
[6]城市大數(shù)據(jù)的生態(tài)模型及應(yīng)用[J]. 鄧暉.  大數(shù)據(jù). 2016(02)
[7]大數(shù)據(jù)與社會治理[J]. 羅清彩.  理論學(xué)習(xí). 2015(08)
[8]航運大數(shù)據(jù)管理及其在公共服務(wù)領(lǐng)域的應(yīng)用[J]. 李啟雷.  浙江大學(xué)學(xué)報(人文社會科學(xué)版). 2015(03)
[9]基于大數(shù)據(jù)的食品安全與營養(yǎng)云平臺服務(wù)模式研究[J]. 劉彤,譚紅,張經(jīng)華.  食品安全質(zhì)量檢測學(xué)報. 2015(01)
[10]大數(shù)據(jù)系統(tǒng)綜述[J]. 李學(xué)龍,龔海剛.  中國科學(xué):信息科學(xué). 2015(01)

碩士論文
[1]城市地震危害性模糊評價及地震損失預(yù)測評估[D]. 王飛.浙江大學(xué) 2005



本文編號：3686735