暴雨预警阈值的计算方法、装置、计算机设备和存储介质与流程

1.本技术涉及金融保险数据处理技术领域，尤其涉及一种暴雨预警阈值的计算方法、装置、计算机设备和存储介质。


背景技术：

2.在金融保险行业，有较多险种是与暴雨相关的，如财产一切险、农险等保险条款里包含暴雨责任。对于保险公司来说，在暴雨来临之前如果能够及时对客户进行预警可以降低双方损失。
3.现有技术中，保险等金融行业现有的暴雨预警阈值大部分采用的是国家统一的标准阈值，未考虑区域之间的差异性，也未考虑实际情况，缺乏针对性。而且由于降雨量多少与是否出险没有直接的因果关系，仅通过国家降雨标准选定触发暴雨预警的固定阈值会导致不同区域存在预警不及时或者预警过度的问题。


技术实现要素：

4.为了解决现有技术中采用统一固定阈值进行预警导致预警不及时或过度预警的技术问题。本技术提供了一种暴雨预警阈值的计算方法、装置、计算机设备和存储介质，其主要目的在于优化暴雨预警阈值的计算方法，使得暴雨预警阈值的选取严谨、准确且具有区域针对性。
5.为实现上述目的，本技术提供了一种暴雨预警阈值的计算方法，该方法包括：
6.获取目标区域在预设时间段内的降雨数据及因暴雨导致出险而产生的赔案数据；
7.根据降雨数据和赔案数据，分别计算预估暴雨预警阈值为不同取值时、发生暴雨事件且存在出险事件的暴雨出险概率，其中，暴雨事件为实际降雨量超过对应预估暴雨预警阈值的事件；
8.将最大暴雨出险概率所对应的预估暴雨预警阈值确定为目标区域的最终暴雨预警阈值。
9.此外，为实现上述目的，本技术还提供了一种暴雨预警阈值的计算装置，该装置包括：
10.数据获取模块，用于获取目标区域在预设时间段内的降雨数据及因暴雨导致出险而产生的赔案数据；
11.计算模块，用于根据降雨数据和赔案数据，分别计算预估暴雨预警阈值为不同取值时、发生暴雨事件且存在出险事件的暴雨出险概率，其中，暴雨事件为实际降雨量超过对应预估暴雨预警阈值的事件；
12.阈值确定模块，用于将最大暴雨出险概率所对应的预估暴雨预警阈值确定为目标区域的最终暴雨预警阈值。
13.为实现上述目的，本技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时执行如前
面任一项的暴雨预警阈值的计算方法的步骤。
14.为实现上述目的，本技术还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行如前面任一项的暴雨预警阈值的计算方法的步骤。
15.本技术提出的暴雨预警阈值的计算方法、装置、计算机设备和存储介质，通过对现有的暴雨预警阈值选取进行优化，通过历史降雨数据和历史赔案数据计算出该目标区域的最终暴雨预警阈值，使得预警标准结合当地地理特性合理设置，避免了单一阈值导致不同区域可能存在的预警延误或者预警过度的情况发生；本实施例的最佳暴雨预警阈值实现简单，逻辑严谨，可以计算任意区域的最佳暴雨预警阈值，适用范围广；随着目标区域降雨数据和赔案数据的更新，可以自适应的更新最终暴雨预警阈值，进而灵活地适应多变的环境。通过本实施例精准的计算出最终暴雨预警阈值，可以及时为客户预警，降低客户损失和保险公司的赔付风险，实现双赢。
附图说明
16.图1为本技术一实施例中暴雨预警阈值的计算方法的流程示意图；
17.图2为本技术一实施例中暴雨预警阈值的计算装置的结构框图；
18.图3为本技术一实施例中计算机设备的内部结构框图。
19.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
20.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
21.图1为本技术一实施例中暴雨预警阈值的计算方法的流程示意图。参考图1，该暴雨预警阈值的计算方法包括以下步骤s100-s300。
22.s100：获取目标区域在预设时间段内的降雨数据及因暴雨导致出险而产生的赔案数据。
23.具体地，目标区域具体可以为一个国家的地理分区(例如华东地区、华南地区、华北地区、华中地区、西南地区、西北地区和东北地区)，或一个省份(例如广东省、江苏省等)，或一个城市(例如北京、上海、深圳、广州等)，或一个城市的一个行政区块(例如北京包括多个区，例如朝阳区、海定区、东城区、西城区等)等不局限于此。
24.预设时间段为一个时间范围，具体根据实际情况配置，例如可以为2012-2021年共计10年的范围，本技术对此不作限定。
25.降雨数据和赔案数据均为历史数据。降雨数据包括该目标区域的每个子区域在预设时间段内每天的降雨量。目标区域如果范围较大，在同一天其不同子区域的降雨量可能不能而且可能存在较大差异。例如，如果目标区域为一个省份，则在该省份同一天不同城市的降雨量存在差异。为了降低地域差异性的干扰，会将目标区域划分为多个子区域。
26.更具体地，降雨数据可以为欧洲中期天气预报中心第五代大气再分析资料(era5)格点降雨数据，是一种综合性的再分析数据。本实施例的格点(网格)可以以空间分辨率10公里(0.1度)划分，即，划分为0.1度x 0.1度的网格，但不局限于此。时间分辨率为时间间隔逐日，时间范围为2012年至2021年。一个子区域对应一个格点即一个网格。
27.其中，era5是ecmwf对全球气候的第五代大气再分析气象数据，其格式一般为grid和netcdf格式，grib格式和netcdf格式的数据均可转换为常见的数据格式。
28.era5数据为气象数据，支持1979年-至今的实时数据，其时间分辨率分为小时级、日级、月级等，空间分辨率大约在0.25
°‑
0.5
°
，包含的内容有湿度、风速、温度、降水等常用气象数据。再分析将模型数据与来自世界各地的观测数据结合起来，形成一个全球完整的、一致的数据集。era5取代了其前身era-interim再分析。
29.赔案数据为在目标区域相同预设时间段内因暴雨导致的历史出险保单数据，出险保单数据是金融保险公司为投保用户所作的保险赔偿事件(出险事件)产生的数据。
30.s200：根据降雨数据和赔案数据，分别计算预估暴雨预警阈值为不同取值时、发生暴雨事件且存在出险事件的暴雨出险概率，其中，暴雨事件为实际降雨量超过对应预估暴雨预警阈值的事件。
31.具体地，预估暴雨预警阈值为预先设置的暴雨预警阈值。本实施例设置了多个不同的预估暴雨预警阈值，将出险事件设置为a、将暴雨事件设置为b，将预估暴雨预警阈值设置为c，c的取值例如可以为数组[20,30,40,
…
,150]中的不同取值，其中，c的每个取值的单位为毫米(mm)。暴雨事件b为实际日降雨量超过预估暴雨预警阈值的事件、或连续多日降雨每日降雨量均超过预估暴雨预警阈值的事件。
[0032]
预估暴雨预警阈值直接影响暴雨事件的定义，设置的预估暴雨预警阈值设置c不同，可以定义为暴雨事件的天数或次数不同。例如，设置c＝50mm，则日降雨量为60mm的某天发生了暴雨事件；如果设置c＝70mm，则日降雨量为60mm的某天则没有发生暴雨事件。
[0033]
s300：将最大暴雨出险概率所对应的预估暴雨预警阈值确定为目标区域的最终暴雨预警阈值。
[0034]
具体地，本实施例设计了评估区域性暴雨预警阈值的新方法，通过计算某个区域在不同预估暴雨预警阈值下的出险概率，找到概率最大的出险概率对应的预估暴雨预警阈值作为该区域的最终暴雨预警阈值。
[0035]
暴雨出险概率就是某个标的因为暴雨原因产生赔案的可能性有多大，当暴雨出险概率最大时说明下暴雨与赔案之间的相关性最强，找到最大暴雨预警阈值意味着可以推断什么时候最有可能出现事故，如此一旦该地区的降雨达到这个最大暴雨预警阈值，就可以向相应的客户发出预警，尽量避免损失。阈值越大意味着预警标准高，不容易发出预警；阈值越小意味着预警标准低，更容易发出预警。本实施例的最终暴雨预警阈值根据已有的客户赔付数据总结经验，判断下雨之后多大降雨量下对客户预警，合理设置最终暴雨预警阈值，不会过大也不会过小，有效平衡过度预警和延误预警，保证预警及时有效。
[0036]
本实施例实现了对现有的暴雨预警阈值选取的优化，通过历史降雨数据和历史赔案数据计算出该目标区域的最终暴雨预警阈值，使得预警标准结合当地地理特性合理设置，避免了单一阈值导致不同区域可能存在的预警延误或者预警过度的情况发生；本实施例的最佳暴雨预警阈值实现简单，逻辑严谨，可以计算任意区域的最佳暴雨预警阈值，适用
范围广；随着目标区域降雨数据和赔案数据的更新，可以自适应的更新最终暴雨预警阈值，进而灵活地适应多变的环境。通过本实施例精准的计算出最终暴雨预警阈值，可以及时为客户预警，降低客户损失和保险公司的赔付风险，实现双赢。
[0037]
在一个实施例中，降雨数据包括目标区域的每个子区域在预设时间段内的子降雨数据，赔案数据包括每个子区域在预设时间段内的子赔案数据；
[0038]
步骤s200具体包括：
[0039]
根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨次数；
[0040]
根据子降雨数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生暴雨事件的暴雨事件次数；
[0041]
对预估暴雨预警阈值为同一个取值时所对应的所有目标子区域的出险暴雨次数求和、对所有目标子区域的暴雨事件次数求和，计算出险暴雨次数之和与暴雨事件次数之和的比值作为预估暴雨预警阈值对应的暴雨出险概率。
[0042]
具体地，目标区域包括多个子区域，每个子区域对应一个网格。降雨数据包括每个网格对应的子降雨数据。本实施例选取每个网格即每个子区域在预设时间段内的子降雨数据。本实施例优选地以时间分辨率为时间间隔逐日。每个子降雨数据包括预设时间段内对应子区域每天的降雨量等数据。
[0043]
同理，每个子区域也有对应的子赔案数据，子赔案数据包括相同的预设时间段内对应子区域每天的出险案件数据例如出险案件数量。
[0044]
不同的预估暴雨预警阈值对应一个暴雨出险概率，且，暴雨出险概率是整个目标区域所对应的。由于整个目标区域地域较广泛，在同一时刻不同的子区域的降雨情况不完全相同，因此，本实施例会对子区域的子降雨数据和子赔案数据进行聚合，得到整个目标区域的暴雨出险概率。
[0045]
预估暴雨预警阈值c有多个不同的取值，本实施例分别计算c在不同取值下每个子区域发生出险事件a的情况下、发生暴雨事件b的出险暴雨次数，记作n(b|a)。本实施例还分别计算c在不同取值下每个子区域发生暴雨事件b的暴雨事件次数，记作n(b)。由于c的取值不同，因此在不同c的取值下n(b)可能不相等。
[0046]
对预估暴雨预警阈值c在同一个取值下，所有目标子区域的出险暴雨次数n(b|a)求和，得到出险暴雨次数之和；对该预估暴雨预警阈值c在相同取值下，所有目标子区域的暴雨事件次数n(b)求和，得到暴雨事件次数之和。将出险暴雨次数之和与暴雨事件次数之和的比值作为该预估暴雨预警阈值对应的暴雨出险概率。具体公式如下：
[0047][0048]
其中，p(a|b)为一个预估暴雨预警阈值下对应的暴雨出险概率，n(a|b)i为第i个目标子区域的出险暴雨次数，n(b)i为第i个目标子区域的暴雨事件次数，i的取值为1，2，...，l，l为目标子区域的个数。目标子区域为所有子区域中的部分子区域，或所有子区域。
[0049]
本实施例通过对预估暴雨预警阈值在同一个取值下，所有子区域的出险暴雨次数和暴雨事件次数进行聚合统计，再将二者的比值记为该预估暴雨预警阈值对应的暴雨出险
概率，综合考虑所有子区域的降雨赔案情况，计算简单合理准确，逻辑严谨。
[0050]
在一个实施例中，降雨数据包括目标区域的每个子区域在预设时间段内的子降雨数据，赔案数据包括每个子区域在预设时间段内的子赔案数据；
[0051]
步骤s200具体包括：
[0052]
根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生暴雨事件且存在出险事件的子暴雨出险概率；
[0053]
对预估暴雨预警阈值为同一个取值时所对应的所有目标子区域的子暴雨出险概率求均值，得到预估暴雨预警阈值对应的暴雨出险概率。
[0054]
具体地，目标区域包括多个子区域，每个子区域对应一个网格。降雨数据包括每个网格对应的子降雨数据。本实施例选取每个网格即每个子区域在预设时间段内的子降雨数据。本实施例优选地以时间分辨率为时间间隔逐日。每个子降雨数据包括预设时间段内对应子区域每天的降雨量等数据。
[0055]
同理，每个子区域也有对应的子赔案数据，子赔案数据包括相同的预设时间段内对应子区域每天的出险案件数据例如出险案件数量。
[0056]
不同的预估暴雨预警阈值对应一个暴雨出险概率，且，暴雨出险概率是整个目标区域所对应的。由于整个目标区域地域较广泛，在同一时刻不同的子区域的降雨情况不完全相同，因此，本实施例会对子区域的子降雨数据和子赔案数据进行聚合，得到整个目标区域的暴雨出险概率。
[0057]
更具体地，预估暴雨预警阈值c有多个不同的取值，本实施例分别计算c在不同取值下、每个子区域发生暴雨事件b的情况下、发生出险事件a的子暴雨出险概率，记作q(a|b)。由于c的取值不同，因此在不同c的取值下同一个子区域对应的q(a|b)可能不相等。
[0058]
对预估暴雨预警阈值c在同一个取值下，所有目标子区域的子暴雨出险概率q(a|b)求均值，将求得的均值作为该预估暴雨预警阈值对应的暴雨出险概率p(a|b)。具体公式如下：
[0059][0060]
其中，p(a|b)为一个预估暴雨预警阈值下对应的暴雨出险概率，q(a|b)i为第i个目标子区域的子暴雨出险概率，i的取值为1，2，...，l，l为目标子区域的个数。目标子区域为所有子区域中的部分子区域，或所有子区域。
[0061]
本实施例通过对预估暴雨预警阈值在同一个取值下，所有子区域的子暴雨出险概率进行聚合，通过求均值得到该预估暴雨预警阈值对应的暴雨出险概率，综合考虑所有子区域的降雨赔案情况，计算简单合理准确，逻辑严谨。
[0062]
在一个实施例中，根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生暴雨事件且存在出险事件的子暴雨出险概率，包括：
[0063]
根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨概率，以及计算发生出险事件的实际出险概率和发生暴雨事件的暴雨概率；
[0064]
根据出险暴雨概率、实际出险概率和暴雨概率，计算预估暴雨预警阈值为同一个取值时，每个子区域在发生暴雨事件且存在出险事件的子暴雨出险概率。
[0065]
具体地，预估暴雨预警阈值c有多个不同的取值，在不同c的取值下同一个子区域对应的子暴雨出险概率q(a|b)可能不相等。
[0066]
在预估暴雨预警阈值c在同一个取值时，分别计算每个子区域发生出险事件a的情况下、发生暴雨事件b的出险暴雨概率q(b|a)，以及每个子区域发生出险事件a的实际出险概率q(a)、发生暴雨事件b的暴雨概率q(b)。
[0067]
根据预估暴雨预警阈值c在同一个取值时、同一个子区域的出险暴雨概率q(b|a)、实际出险概率q(a)和暴雨概率q(a)，计算得到在该预估暴雨预警阈值下、该子区域发生暴雨事件b的情况下、发生出险事件a的子暴雨出险概率q(a|b)。
[0068]
具体公式如下：
[0069][0070]
其中，q(a|b)为某个子区域发生暴雨事件b的情况下、发生出险事件a的子暴雨出险概率，q(a)为子区域发生出险事件a的实际出险概率，q(b)为子区域发生暴雨事件b的暴雨概率。任意一个子目标区域i的子暴雨出险概率q(a|b)i均可使用公式(3)计算得到。
[0071]
在一个实施例中，根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件的情况下、发生暴雨事件的出险暴雨概率，以及计算发生出险事件的实际出险概率和发生暴雨事件的暴雨概率，包括：
[0072]
根据子降雨数据，计算预估暴雨预警阈值为同一个取值时，每个子区域在预设时间段内发生降雨事件的降雨次数和发生暴雨事件的暴雨次数；
[0073]
根据子赔案数据，计算每个子区域发生出险事件的出险次数；
[0074]
根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨次数；
[0075]
根据预估暴雨预警阈值为同一个取值时、同一个子区域的出险暴雨次数和出险次数，计算得到子区域在预估暴雨预警阈值下的出险暴雨概率；
[0076]
根据子区域的出险次数与降雨次数，计算得到子区域的实际出险概率；
[0077]
根据预估暴雨预警阈值为同一个取值时子区域的暴雨次数与降雨次数，计算得到子区域在预估暴雨预警阈值下的暴雨概率。
[0078]
具体地，预估暴雨预警阈值的大小决定了暴雨事件的确定。同一个子区域的同一降雨天，可能在有的预估暴雨预警阈值下被判定为暴雨事件、在其他预估暴雨预警阈值下被判定为非暴雨事件。
[0079]
本实施例会计算在每个预估暴雨预警阈值下、每个子区域在预设时间段内发生降雨事件r的降雨次数记作n(r)、和发生暴雨事件b的暴雨次数记作n(b)。其中，降雨事件r与预估暴雨预警阈值c无关，暴雨事件b与预估暴雨预警阈值c相关。
[0080]
根据子区域的子赔案数据，可以计算该子区域发生出险事件a的出险次数n(a)，出险次数n(a)与预估暴雨预警阈值c无关。
[0081]
根据子区域的子赔案数据和子降雨数据，分别计算在每个预估暴雨预警阈值下，该子区域发生出险事件a的情况下、发生暴雨事件b的出险暴雨次数记作n(b|a)。
[0082]
在预估暴雨预警阈值在同一个取值时，根据同一个子区域的出险暴雨次数n(b|a)、和出险次数n(a)，计算该子区域在该预估暴雨预警阈值下的出险暴雨概率q(b|a)。具体
公式如下：
[0083][0084]
根据同一个子区域的出险次数n(a)、降雨次数n(r)，计算该子区域的实际出险概率q(a)。具体公式如下：
[0085][0086]
在预估暴雨预警阈值在同一个取值时，根据同一个子区域的暴雨次数n(b)、降雨次数n(r)，计算该子区域在该预估暴雨预警阈值下的暴雨概率q(b)。具体公式如下：
[0087][0088]
根据公式(2)-公式(6)，
[0089][0090]
因此，
[0091][0092]
其中，n(b|a)1为第1个目标子区域的出险暴雨次数、n(b)1为第1个目标子区域的暴雨次数，n(b|a)2为第2个目标子区域的出险暴雨次数、n(b)2为第2个目标子区域的暴雨次数，n(b|a)
l
为第l个目标子区域的出险暴雨次数、n(b)
l
为第l个目标子区域的暴雨次数。
[0093]
公式(1)-公式(8)为贝叶斯公式中条件概率的直接应用。
[0094]
本实施例通过子区域的出险暴雨次数、出险次数、降雨次数、暴雨次数来估算子区域的出险暴雨概率、实际出险概率、暴雨概率，简单方便可行。
[0095]
在一个实施例中，降雨数据包括在预设时间段内每日的实际日降雨量；
[0096]
暴雨事件具体是将实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件，
[0097]
或，
[0098]
若不存在连续多日实际日降雨量超过对应预估暴雨预警阈值，则将单日实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件，
[0099]
若连续多日实际日降雨量超过对应预估暴雨预警阈值，则将连续多日实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件。
[0100]
具体地，考虑到在连续暴雨事件中，赔案记录时间存在一定的延迟性和不确定性，如果按照单日单独统计会出现误差，例如单日统计的暴雨事件的统计次数大于相同时间范围内出险事件的统计次数。
[0101]
因此，本实施例将连续2日及以上的暴雨事件记为一次暴雨事件，同时也将出险时间在此范围内的出险事件记作一次出险事件，使暴雨事件与出险事件在时间统计上面保持一致性。例如，连续1.1日-1.3日共计3日发生暴雨事件，则将1.1日-1.3日的连续暴雨事件记作一次暴雨事件。对于1.1日-1.3日的出险事件也记作一次出险事件。
[0102]
另外，某一天如果发生了出险事件，不论发生多少起出险事件(客户报案，保险公司赔偿)，都记作当天对应的事件为一次出险事件，出险事件与同一天实际发生出险事件的数量无关。如果某一天没有发生任意一起出险事件，则记作当天对应的事件为非出险事件。
[0103]
在一个实施例中，
[0104]
目标子区域为目标区域所包含的所有子区域，
[0105]
或，
[0106]
目标子区域为剔除干扰区域后余下的子区域，其中，干扰区域为根据子赔案数据确定的、在预设时间段内赔案数量小于最小赔案阈值的子区域，或者，干扰区域为根据获取的投保数据确定的、在预设时间段内投保数量小于最小投保阈值的子区域。
[0107]
具体地，目标子区域可以包括该目标区域的所有子区域。
[0108]
目标子区域也可以包括该目标区域的部分子区域。目标区域如果地域非常大，可能有部分子区域是人烟稀少的山脉、雨林、湖泊江河等区域。这些区域可能不存在投保或存在稀少的投保客户，为非投保区域；或者，这些区域可能赔案量较少，为非出险区域；可以将这些区域判定为干扰区域。这样可以减少计算量、排除偶然事件的干扰。
[0109]
当然，在实际应用中干扰区域还可以由其他情形定义，本技术对此不作限定。
[0110]
本技术将保险行业实际出险情况纳入考虑，针对保险行业，通过基于贝叶斯概率设计了评估区域性暴雨预警阈值的新方法，该方法实现简单，逻辑严谨，通过计算某区域(比如某省份)在不同预估阈值下的暴雨出险概率，找出暴雨出险概率最大时对应的预估阈值作为该区域的最终暴雨预警阈值，使得业务侧不同区域对应特定的暴雨预警阈值，根据对应的暴雨预警阈值进行暴雨预警，有效防止预警不及时或预警过度的问题，保证预警准时有效，减少客户灾害损失，降低出险率，实现客户保险公司双赢。
[0111]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0112]
图3为本技术一实施例中暴雨预警阈值的计算装置的结构框图。参考图3，该装置包括：
[0113]
数据获取模块100，用于获取目标区域在预设时间段内的降雨数据及因暴雨导致出险而产生的赔案数据；
[0114]
计算模块200，用于根据降雨数据和赔案数据，分别计算预估暴雨预警阈值为不同取值时、发生暴雨事件且存在出险事件的暴雨出险概率，其中，暴雨事件为实际降雨量超过对应预估暴雨预警阈值的事件；
[0115]
阈值确定模块300，用于将最大暴雨出险概率所对应的预估暴雨预警阈值确定为目标区域的最终暴雨预警阈值。
[0116]
在一个实施例中，降雨数据包括目标区域的每个子区域在预设时间段内的子降雨数据，赔案数据包括每个子区域在预设时间段内的子赔案数据；
[0117]
计算模块200具体包括：
[0118]
第一计算模块，用于根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨次数；
[0119]
第二计算模块，用于根据子降雨数据，计算预估暴雨预警阈值为同一个取值时，每
个子区域发生暴雨事件的暴雨事件次数；
[0120]
第三计算模块，用于对预估暴雨预警阈值为同一个取值时所对应的所有目标子区域的出险暴雨次数求和、对所有目标子区域的暴雨事件次数求和，计算出险暴雨次数之和与暴雨事件次数之和的比值作为预估暴雨预警阈值对应的暴雨出险概率。
[0121]
在一个实施例中，降雨数据包括目标区域的每个子区域在预设时间段内的子降雨数据，赔案数据包括每个子区域在预设时间段内的子赔案数据；
[0122]
计算模块200具体包括：
[0123]
第四计算模块，用于根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生暴雨事件且存在出险事件的子暴雨出险概率；
[0124]
第五计算模块，用于对预估暴雨预警阈值为同一个取值时所对应的所有目标子区域的子暴雨出险概率求均值，得到预估暴雨预警阈值对应的暴雨出险概率。
[0125]
在一个实施例中，第四计算模块具体包括：
[0126]
第六计算模块，用于根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨概率，以及计算发生出险事件的实际出险概率和发生暴雨事件的暴雨概率；
[0127]
第七计算模块，用于根据出险暴雨概率、实际出险概率和暴雨概率，计算预估暴雨预警阈值为同一个取值时，每个子区域在发生暴雨事件且存在出险事件的子暴雨出险概率。
[0128]
在一个实施例中，第六计算模块具体包括：
[0129]
第一子计算模块，用于根据子降雨数据，计算预估暴雨预警阈值为同一个取值时，每个子区域在预设时间段内发生降雨事件的降雨次数和发生暴雨事件的暴雨次数；
[0130]
第二子计算模块，用于根据子赔案数据，计算每个子区域发生出险事件的出险次数；
[0131]
第三子计算模块，用于根据子降雨数据和子赔案数据，计算预估暴雨预警阈值为同一个取值时，每个子区域发生出险事件且存在暴雨事件的出险暴雨次数；
[0132]
第四子计算模块，用于根据预估暴雨预警阈值为同一个取值时、同一个子区域的出险暴雨次数和出险次数，计算得到子区域在预估暴雨预警阈值下的出险暴雨概率；
[0133]
第五子计算模块，用于根据子区域的出险次数与降雨次数，计算得到子区域的实际出险概率；
[0134]
第六子计算模块，用于根据预估暴雨预警阈值为同一个取值时子区域的暴雨次数与降雨次数，计算得到子区域在预估暴雨预警阈值下的暴雨概率。
[0135]
在一个实施例中，降雨数据包括在预设时间段内每日的实际日降雨量；
[0136]
暴雨事件具体是将实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件，
[0137]
或，
[0138]
若不存在连续多日实际日降雨量超过对应预估暴雨预警阈值，则将单日实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件，
[0139]
若连续多日实际日降雨量超过对应预估暴雨预警阈值，则将连续多日实际日降雨量超过对应预估暴雨预警阈值的事件记作一个暴雨事件。
[0140]
在一个实施例中，目标子区域为目标区域所包含的所有子区域，
[0141]
或，
[0142]
目标子区域为剔除干扰区域后余下的子区域，其中，干扰区域为根据子赔案数据确定的、在预设时间段内赔案数量小于最小赔案阈值的子区域，或者，干扰区域为根据获取的投保数据确定的、在预设时间段内投保数量小于最小投保阈值的子区域。
[0143]
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
[0144]
关于暴雨预警阈值的计算装置的具体限定可以参见上文中对于暴雨预警阈值的计算方法的限定，在此不再赘述。上述暴雨预警阈值的计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0145]
图3为本技术一实施例中计算机设备的内部结构框图。如图3所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，该计算机设备的处理器用于提供计算和控制能力。存储器包括存储介质和内存储器。存储介质可以是非易失性存储介质，也可以是易失性存储介质。存储介质存储有操作系统，还可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器实现暴雨预警阈值的计算方法。该内存储器为存储介质中的操作系统和计算机可读指令的运行提供环境。该内存储器中也可储存有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行暴雨预警阈值的计算方法。该计算机设备的网络接口用于与外部服务器通过网络连接通信。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0146]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令(例如计算机程序)，处理器执行计算机可读指令时实现上述实施例中暴雨预警阈值的计算方法的步骤，例如图1所示的步骤s100至步骤s300及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机可读指令时实现上述实施例中暴雨预警阈值的计算装置的各模块/单元的功能，例如图2所示模块100至模块300的功能。为避免重复，这里不再赘述。
[0147]
处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部
分。
[0148]
存储器可用于存储计算机可读指令和/或模块，处理器通过运行或执行存储在存储器内的计算机可读指令和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
[0149]
存储器可以集成在处理器中，也可以与处理器分开设置。
[0150]
本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0151]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令被处理器执行时实现上述实施例中暴雨预警阈值的计算方法的步骤，例如图1所示的步骤s100至步骤s300及该方法的其它扩展和相关步骤的延伸。或者，计算机可读指令被处理器执行时实现上述实施例中暴雨预警阈值的计算装置的各模块/单元的功能，例如图2所示模块100至模块300的功能。为避免重复，这里不再赘述。
[0152]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指示相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双倍速率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0153]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
[0154]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0155]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本技术的专利保护范围内。