用于预测天气预报状况、环境预报状况和/或地质预报状况的影响的方法和系统

摘要

一种预测天气预报事件、环境预报事件和地质预报事件(其包括一种或更多种天气/环境/地质状况)的系统和方法，通过确定每个位置中每个过去状况的重现期，确定过去状况与过去事件的可观察影响之间的相关性，计算每个过去事件的预测可观察影响，通过将过去事件的预测可观察影响乘以过去状况的重现期来计算每个过去重现事件的预测影响，基于过去重现状况的预测影响将过去事件分组为多个组，确定用于每个组的阈值，接收预报状况，以及通过将预报状况与阈值进行比较来确定预报状况的预测影响。

说明书

相关申请的交叉引用

本申请要求2016年5月31日提交的美国临时专利申请No.62/343,547的优先权，其全部内容通过引用结合于此。

背景技术

预测未来天气、环境和/或地质事件的影响对公司和政府组织至关重要。然而，那些事件的影响不仅仅取决于那些事件的严重程度。例如，华盛顿州西雅图的大风可能会造成严重的损毁和破坏，如此程度的风可能不会对堪萨斯州的威奇托造成太大的影响，堪萨斯州有强风历史(基础设施和人口能够承受并适应这些条件)。因此，可以根据在该位置中的类似事件的影响以及在该位置中那些事件的返回频率来对预报事件的影响进行预测。

迄今为止，未来天气、环境和地质事件的影响已由人类(例如，气象学家，环境科学家，地质学家等)进行主观决定。然而，那些主观决定具有许多缺点。除了一个人(或一群人)进行这些主观决定所花费的时间增加之外，那些主观决定也是不一致的，因为它们取决于做出那些决定的人(或人们)的技能水平和性情。因此，需要一种使用特定数学规则来预测天气预报、环境预报和地质事件预报的影响的系统。

发明内容

为了克服现有技术中的缺点，提供了一种使用特定数学规则来预测天气预报、环境和/或地质事件的影响的系统。因此，提供了一种用于预测天气预报事件、环境预报事件和地质预报事件(包括一种或更多种天气/环境/地质状况)的系统和方法，通过确定每个位置中每个过去状况的重现期，确定在过去状况与过去事件的可观察影响之间的相关性，计算每个过去事件的预测可观察影响，通过将过去事件的预测可观察影响乘以过去状况的重现期来计算每个过去重现事件的预测影响，基于过去重现状况的预测影响将过去事件分组为多个组，确定用于每个组的阈值，接收预报状况，以及通过将预报状况与阈值进行比较来确定预报状况的预测影响。

附图说明

参考附图可以更好地理解示例性实施例的各方面。附图中的部件不一定按比例绘制，而是将重点放在说明示例性实施例的原理上，其中：

图1是示出根据本发明的示例性实施例的危险指数分析系统的框图；

图2是示出根据本发明的示例性实施例的危险指数分析系统的架构的概述的框图；

图3是根据本发明的示例性实施例的用于预测天气预报状况的影响的过程的流程图；

图4是根据本发明的示例性实施例的已经排名和分组的位置中的天气事件的表格；

图5是根据本发明的示例性实施例的已经排名和分组的另一位置的天气事件的表格；

图6-7示出根据本发明的示例性实施例的以图形格式确定和输出的天气预报状况的预测影响；

图8A示出天气预报状况的示例；

图8B示出根据本发明的示例性实施例的在图8A中所示的天气预报状况的预测影响；

图9A示出天气预报状况的另一个示例；

图9B示出根据本发明的示例性实施例的在图9A中所示的天气预报状况的预测影响；

图10A示出天气预报状况的另一个示例；

图10B示出根据本发明的示例性实施例的在图10A中所示的天气预报状况的预测影响；

图11A示出天气预报状况的另一个示例；

图11B示出根据本发明的示例性实施例的在图11A中所示的天气预报状况的预测影响；

图12-14示出根据本发明的示例性实施例的可以基于天气预报状况输出的警报的位置；

图15是用于预测环境预报状况的影响的过程的流程图；和

图16是用于预测地质预报状况的影响的过程的流程图。

具体实施方式

现在参考示出本发明的示例性实施例的各种视图的附图。在附图中和本文附图的描述中，某些术语的使用仅是由于方便，不应视为限制本发明的实施例。此外，在以下的附图和描述中，相同的标号始终表示相同的元件。

图1是示出根据本发明的示例性实施例的危险指数分析系统100的框图。

如图1所示，危险指数分析系统100包括一个或更多个数据库110、分析单元180和图形用户界面190。一个或更多个数据库110包括历史天气数据112、历史天气影响数据114和天气预报状况116。虽然下面参考天气预报状况的影响来描述大多数实施例，但在一些实施例中，危险指数分析系统100可用于预测环境预报状况的影响。因此，一个或更多个数据库110还可以包括历史环境数据122、历史环境影响数据124和环境预报状况126。在其他实施例中，危险指数分析系统100可用于预测地质预报状况的影响。因此，一个或更多个数据库110还可以包括历史地质数据132、历史地质影响数据134和地质预报状况136。

历史天气数据112包括指示过去天气事件的位置、时间和严重性。过去的天气事件可能包括例如，飓风、龙卷风、雷暴、冰雹、洪水、闪电、大风、雪、洪水、干旱、极端温度等。每个天气事件包括一个或多个天气状况(例如，雪、雨、冰、风、热、冷等)。每个过去的天气事件的严重性可以根据积雪、积雨、积冰、风速，高温、低温等来测量。历史天气数据112可以接收来自于公共可用的来源(例如，国家海洋和大气管理局(NOAA)风暴事件数据库)、私人来源(如AccuWeather,Inc.、AccuWeather Enterprise Solutions,Inc.)等。

历史天气影响数据114包括指示与过去天气事件相关联的损毁和和破坏的信息。与过去天气事件相关联的损毁和破坏可以包括对财产和农作物的直接损毁以及由于过去的天气事件造成的间接破坏(例如，停电、销售损失、货运延误数据、消费者支出减少、零售访问量减少和服务地点、交通速度增加等)。历史天气影响数据114可以接收来自于公共可用来源(例如，NOAA风暴事件数据库，该数据库汇集来自县、州和联邦紧急管理官员、当地执法官员、天警观察员、国家气象服务(NWS)损害调查、报纸剪报服务、保险业、一般公众等信息)、来自于行业特定商业和非商业实体的信息(例如，保险索赔信息)、第三方来源等。历史天气影响数据114还可以包括由危险指数分析系统100使用的客户特定数据(从客户端接收)以确定过去天气事件的客户特定影响并且预测天气预报状况116的特定客户影响。

天气预报状况116包括指示预测位置、预测时间以及天气预报状况(例如，雪、雨、冰、风、热、冷等)和事件(例如，飓风、龙卷风、雷暴、冰雹、闪电、大风、雪、洪水、干旱、极端温度等)的预测程度的信息。天气预报状况和事件可以接收来自于AccuWeather,Inc.、AccuWeather Enterprise Solutions,Inc.、国家气象局(NWS)、国家飓风中心(NHC)、其他政府机构(诸如加拿大环境部、英国气象局、日本气象厅等)、私营公司(诸如Vaisalia的美国国家闪电探测网络、Weather Decision Technologies,Inc.)、个人(如Spotter Network成员)等。

历史环境数据122包括指示过去环境事件和环境状况的位置、时间和严重性的信息(例如，污染、森林砍伐、人口减少、气候变化、气象状况、不适宜性、可生物降解的污染、不可生物降解的污染、空气污染、噪声污染、声音污染、热污染、水污染等)。历史环境数据122可以接收来自于公共可用的来源(例如，NOAA、美国地质调查等)、私人来源等。

历史天气影响数据124包括指示与过去环境事件相关联的损毁和和破坏的信息。与过去天气事件相关联的损毁和破坏可以包括对财产和农作物的直接损毁以及由于过去的环境事件造成的间接破坏(例如，停电、销售损失、货运延误数据、消费者支出减少、零售访问量减少和服务地点、交通速度增加等)。历史环境影响数据124还可以包括由危险指数分析系统100使用的特定客户数据(从客户端接收)以确定过去环境事件的特定客户影响并且预测环境预报状况126的特定客户影响。

环境预报状况126包括指示环境预报事件和环境预报状况的预测位置、预测时间和预测严重性的信息(例如，污染、森林砍伐、人口减少、气候变化、气象状况、不适宜性、可生物降解的污染、不可生物降解的污染、空气污染、噪声污染、声音污染、热污染、水污染等)。环境预报状况可以接收来自于AccuWeather,Inc.、AccuWeather EnterpriseSolutions,Inc.、National Weather Service(NWS)、美国地质调查局、其他政府机构、私人公司等。

历史地质数据132包括指示过去地质事件和地质状况的位置、时间和严重性(例如侵蚀、冰川、火山喷发或排放、地震、海啸、雪崩、滑坡、泥石流等)。历史地质数据132可以接收来自于公共可用的来源(例如，NOAA、美国地质调查等)、私人来源等。

历史地质影响数据134包括指示与过去地质事件相关联的损毁和和破坏的信息。与过去地质事件相关联的损毁和破坏可以包括对财产和农作物的直接损毁以及由于过去地质事件造成的间接破坏(例如，停电、销售损失、货运延误数据、消费者支出减少、零售访问量减少和服务地点、交通速度增加等)。历史环境影响数据134还可以包括由危险指数分析系统100使用的特定客户数据(从客户端接收)以确定过去地质事件的特定客户影响并且预测地质预报状况136的特定客户影响。

地质预报状况136包括指示地质预报事件和地质预报状况的预测位置、预测时间和预测严重性(例如侵蚀、冰川、火山喷发或排放、地震、海啸、雪崩、滑坡、泥石流等)。地质预测状况可以接收来自于Accu Weather,Inc.、Accu Weather Enterprise Solutions,Inc.、National Weather Service(NWS)、美国地质调查局、其他政府机构、私人公司等。

图2是示出根据本发明的示例性实施例的危险指数分析系统100的架构200的概述的图；

如图2中所示，架构200可以包括一个或更多个服务器210以及一个或多个存储设备220，其经由一个或更多个网络230连接到多个远程计算机系统240(诸如一个或更多个个人系统250和一个或更多个移动计算机系统260)。

一个或更多个服务器210可以包括内部存储设备212和处理器214。该一个或更多个服务器210可以是任何合适的计算设备，其包括例如应用服务器和托管可由远程计算机系统240访问的网站的网络服务器。一个或更多个存储设备220可以包括外部的存储设备和/或一个或更多个服务器210的内部的存储设备212。该一个或更多个存储设备220可以包括任何非暂时性计算机可读存储介质，诸如外部硬盘阵列或固态存储器。网络230可以包括互联网、蜂窝网络、广域网(WAN)、局域网(LAN)等的任何组合。经由网络230的通信可以通过有线和/或无线连接来实现。远程计算机系统240可以是配置为经由网络230发送和/或接受数据的任何的电子设备。远程计算机系统240可以是，例如，网络连接的计算设备(诸如个人计算机、笔记本电脑、智能电话、个人数字助理(PDA)、平板电脑、笔记本电脑、便携式天气探测器、全球定位卫星(GPS)接收器、网络连接的车辆、可穿戴设备等)。个人计算机系统250可以包括内部存储设备252、处理器254、输出设备256和输入设备258。一个或更多个移动计算机系统260可以包括内部存储设备262、处理器264、输出设备266和输入设备268。内部存储设备212、252和/或262可以包括一个或多个非暂时性计算机可读存储介质(诸如硬盘或固态存储器)，用于存储软件指令，当由处理器214、254或264执行时该软件指令时执行本文描述的特征的相关部分。处理器214、254和/或264可以包括中央处理单元(CPU)、图形处理单元(GPU)等。处理器214、254和264可以实现为单个半导体芯片或不止一个芯片。输出设备256和/或266可以包括显示器、扬声器、外部端口等。显示器可以是配置为输出可见光(诸如，液晶显示器(LCD)、发光聚合物显示器(LPD)、发光二极管显示器(LED)、有机发光二极管显示器(OLED))的任何合适的设备。输入设备258和/或268可以包括键盘、鼠标、轨迹球、静止或摄像机、触摸板等。触摸板可以与显示器重叠或集成以形成触敏显示器或触摸屏。

返回参考图1，一个或更多个数据库110可以是任何有组织的信息集合，无论是存储在单个有形设备还是多个有形设备上，并且可以存储在例如一个或更多个存储设备220中。分析单元180可以由存储在一个或更多个内部存储设备212、252和/或262上的软件指令实现，并且由处理器214、254或264中的一个或更多个执行。图形用户界面190可以是允许用户输入信息的任何界面，用于传送到危险指数分析系统100和/或将接收来自危险指数分析系统100的输出信息传送到用户。图形用户界面190可以由存储在一个或更多个内部存储设备212、252和/或262上的软件指令实现，并且由处理器214、254或264中的一个或更多个执行。

图3是用于预测天气预报状况的影响的过程300的流程图。该过程300可以例如由分析单元180执行。

在步骤302中确定至少一些过去天气事件的可观察到的影响。如上所述，历史天气影响数据114包括指示与过去天气事件相关联的损毁和破坏的信息。在最简单的实施例中，过去天气事件的影响是由那些天气事件(例如，由NOAA风暴事件数据库汇总)引起的物理损毁(例如，以美元计算)的成本。在其他实施例中，过去天气事件的总可观察影响是通过添加由该天气事件引起的物理损毁的成本和与该天气事件相关联的间接中断的(以美元、工时等计算的)估计成本来确定的(例如，停电、销售损失、生产力损失、消费者支出减少、零售和服务地点的访问减少、交通速度增加、运输延误等)，以确定对该天气事件的总可观察影响的客观估计。最后，在其他实施例中，危险指数分析系统100可用于预测天气预测时间的特定影响。在那些实施例中，天气事件的影响是该特定可观察影响的成本。

通过空间地加入包括在历史天气影响数据114中的损坏和中断信息以及包括在历史天气数据112中的天气事件信息(例如，通过地点和日期合并可观察的损毁和破坏信息以及天气状况信息)来确定各个天气事件的影响。

图4是在一个位置(在该示例中，Alamosa、CO)中的天气事件(在该示例中，包括雪的事件)的示例性表格，其中相应于本发明的示例性实施例执行分析。如图4中所示，天气事件中的一些包括对天气事件的可观察影响(“影响”)的客观估计。

图5是在另一个位置(在该示例中，Litchfield、IL)中的天气事件(在该示例中，包括雪的事件)的示例性表格，其中相应于本发明的示例性实施例执行分析。如图4中所示，天气事件中的一些包括对天气事件的可观察影响(“影响”)的客观估计。

如下面详细描述的，每行包括关于天气事件的信息，其中：

·“METAR”是由气象终端航空常规天气报告(METAR)站确定的位置；

·NMETAR是METAR站的数字名称；

·DATE是天气事件的日期；

·SNOWFALL是以英寸为单位的每日总降雪量；

·POPULATION是估计的2012年人口；

·ELEVATION是海拔高度(以米为单位)；

·IMPACT是来自包括在历史天气事件影响数据114中的METAR站附近的报告总和的总可观察影响；

·SNOW_EVENTS是数据集中的降雪的总天数；

·MAGNITUDE是当按每日总降雪量(“SNOWFALL”)排序时的天气事件的排名；

·N是数据集中的年数；

·R是在概率计算中对于降雪事件超过至少一次的年数；

·T是(N+1)/MAGNITUDE，称为“重现期”；

·P是1/T，这是具有重现期T的事件的概率；

·PE为1-(P**R)，也称为“超出概率”，被描述为失败的风险(例如，10年降雪在任何给定年份中具有10％的发生几率，或PE＝0.10)；

·W_IMPACT是IMPACT/POPULATION(加权可观察的影响)；

·P_IMPACT是预测的可观察影响，例如，通过在步骤310中确定的回归算法确定；

·IMPACT_VALUE是T*P_IMPACT；

·IMPACT_INDICATOR是一系列IF语句的结果，它们将数据分布到从1到10的10个类别，其中10是最高IMPACT_VALUE并且1是最低IMPACT_VALUE。

返回参考图3，通过在步骤304中的人口对每个过去天气事件的可观察影响进行加权，以考虑人口较少区域中的天气事件将在更多人口区域中具有更多影响的事实。如图4和5中的示例所示，加权可观察影响W_IMPACT是IMPACT/POPULATION。

每个天气事件包括一个或更多个相关的天气状况。例如，冬季风暴可以包括降雪(例如以英寸为单位测量)和低温(以华氏度为单位测量)。历史天气数据112包括指示那些过去天气状况的信息。对于每个过去的天气事件，在步骤306中危险指数分析系统100确定一个或更多个相关的天气状况(例如，雪、雨、冰、风、温度等)。

在步骤308中确定每个过去的天气状况在该程度重新发生的可能性，统计上称为返回频率。如图4和图5中的示例所示：

·N是数据集中的年数；

·R是在概率计算中对于降雪事件超过至少一次的年数；

·T是(N+1)/MAGNITUDE，称为“重现期”；

·P是1/T，这是具有重现期T的事件的概率；和

·PE为1-(P**R)，也称为“超出概率”，被描述为失败的风险(例如，10年降雪在任何给定年份中具有10％的发生几率，或PE＝0.10)。

对于每个相关天气状况，在步骤310中确定那些过去天气状况(以及其他解释变量)与那些过去天气状况的可观察影响之间的相关性。例如，危险指数分析系统100可以使用对于W_IMPACT(因变量)的回归算法，其使用以下等式的多个回归量(自变量)，

Y＝β₀+β₁X₁+β₂X₂+…+β_kX_k,其中

X_k是预测变量的k数量；和

β_k是回归系数。

例如，降雪的初始回归模式可以确定

P_IMPACT＝β₀+β₁SNOWFALL

为了确定降雪的附加的预测变量(X₂等)，可以在ArcGIS中绘制初始回归模型的残差，并使用聚类分析，可以将位置分组到不同的区域组中。然后，将对多个组执行回归算法，其中每个组对于每个潜在预测变量X_k具有唯一系数β_k。附加预测变量可以是PE(超出概率)、海拔、家庭规模、人口统计信息、季节性指标等。

因此，对于过去天气事件的每个位置，危险指数分析系统100确定用于每个天气状况(例如，雪、雨、冰、风、温度等)的可观察影响的公式，以及该位置的附加特征。值得注意的是，系数(β₀,β₁,…β_k)和附加的预测变量((X₂,...X_k)分别对于每个天气状况和位置确定。

对于每个过去天气事件的位置，在步骤312中危险指数分析系统100计算每个过去天气状况的预测可观察影响。如图4和图5中的示例所示：在步骤310中，使用由回归算法确定的公式，基于SNOWFALL量和其他预测变量来计算预测的可观察影响(P_IMPACT)。

危险指数分析系统100用于预测未来天气状况的影响，其是存储在历史天气影响数据114中的可观察影响以及该位置经历那些天气预测状况的频率的函数。换句话说，在特定的位置中较少发生的天气事件比如果在该位置经常发生相同天气状况的情况具有更大的影响。

因此，在步骤314中确定过去天气状况的预测影响重现。如图4和图5中的示例所示，过去天气事件重现的预测影响(IMPACT_VALUE)是重现期(T)乘以预测的可观察影响(P_IMPACT)。

对于过去天气事件的每个位置，过去天气事件按在步骤316中重现的过去天气事件的预测的影响排序。如图4和图5中的示例所示，过去天气事件按过去天气事件重现的预测影响(IMPACT_VALUE)排序。

对于过去天气事件的每个位置，基于在步骤318中重现的过去天气事件的预测影响(IMPACT_VALUE)对过去的天气事件进行分组。过去的天气事件被分组。例如，Jenks优化方法可以用于基于过去的天气事件重现的预测影响(IMPACT_VALUE)将每个过去的天气事件分配给多个组(例如，10个组)。使用Jenks优化方法，也称为Jenks自然中断分类方法，将每个天气事件放入其中一个组中，以便最小化每个组与组平均值的平均偏差，同时最大化每个组与其他组的平均值的偏差。换句话说，该方法试图减小组内的方差并最大化组之间的方差。如图4中的示例所示，具有最高IMPACT_VALUE的五个天气事件被放置在IMPACT_INDICATOR组10中、具有下一个最高IMPACT VALUE的天气事件被放置在IMPACT_INDICATOR组9中等。

对于过去天气事件的每个位置，在步骤320中确定每个组的阈值。在一个实施例中，每个组的阀值可以是在该组中的天气状况的最小量。使用图4中的示例，危险指数系统100可以确定组10的阈值是等于7.0英寸降雪的天气事件(即，组10中的最低降雪量)。在另一个实施例中，每个组的阀值可以是下面组中的天气状况的最小量。使用图4中的示例，组10的阀值可以是6.7英尺的降雪(即，组9中最高降雪量)。在该实施例中，组1的阀值可以是0。在另一个实施例中，每个组的阀值可以是在该组中的天气状况的最小量与下面组中的天气状况的最大量之间。使用图4中的示例，组10的阀值可以是6.7英尺和7.0英尺之间的降雪。

对于过去天气事件的每个位置中的每个天气状况，执行步骤312至320。因此，危险指数分析系统100对于过去天气事件的每个位置中的多个天气状况(例如，雪、雨、冰、风、热、冷)中的每一个确定一些阈值(例如，10个阈值)。

在步骤322中可以对于附加的地质位置插入过去天气事件的位置的阈值。如上面参考步骤302所述，每个过去的天气事件和每个过去的天气事件的影响可以基于与多个离散位置(例如，METAR站的位置)的接近度而在空间上连接。为了确定附加的地质位置的阀值，危险指数分析系统100可以使用Kriging技术将阈值插入到平滑的光栅表面中，该光栅表面包括对于危险指数分析系统100的整个覆盖区域中的每个地质位置的阈值(例如，美国大陆和加拿大的较低省份)。

天气预报状况在步骤324中接收。天气预报状况可以是对于任何时间段，从小时预报到季节预报甚至是年度预报。因此，危险指数分析系统100不仅可以用于预测特定天气事件的影响，而且可以用于预测在长时间段内有可能影响每个位置的所有天气事件的影响。

在步骤326中确定天气预报状况的预测影响。将每个位置的天气预报状况与该位置的阈值进行比较，以确定那些天气状况的预测影响。使用图4中所示的示例，如果预报包括在Alamosa、CO的10英寸降雪，那么该天气状况的影响被归类为10，因为预报降雪量大于组10的阈值。经由GUI 190输出天气预报状况的预测影响。天气预报状况的预测影响可以以多种格式输出，包括纹理数据、图形图像(GIS层)等。可以根据具体用途或应用使用诸如音频和视频显示之类的其他呈现格式。

图6-7示出根据本发明的示例性实施例的以图形格式确定和输出的天气预报状况的预测影响。

如图6所示，天气预报状况是在2017年5月的时间段内预报的降雨。通过将该时间段期间的最大预报降雨量与预报降雨的每个位置中的降雨的阈值(如上所述确定)进行比较而确定的每个位置中的预报降雨的预测影响被叠加在如图所示的地图上。在图6所示的示例中，10个组有10个阀值。组10表示最高预测影响，其表示在该位置中很少发生的降雨量(高重现期)并且该最高预测影响具有大的预测可观察影响(基于上述相关性)。组1-9表示较低预测影响，其意味在该位置更经常发生的降雨量并且该较低预测影响具有较低的预测可观察影响。

如图7所示，天气预报状况是在2017年夏天的时间段内预报的降雨。通过将该时间段期间的最大预报降雨量与预报降雨的每个位置中的降雨的阈值(如上所述确定)进行比较而确定每个位置中的预报降雨的预测影响。在图7所示的示例中，10个组有10个阀值。组10表示最高预测影响，其表示在该位置中很少发生的降雨量(高重现期)并且该最高预测影响具有大的预测可观察影响(基于上述相关性)。组1-9表示较低预测影响，其意味在该位置更经常发生的降雨量并且该较低预测影响具有较低的预测可观察影响。

图8A示出天气预报状况的示例，特别是在2017年3月13日的时间段期间的降雪。图8B示出根据本发明的示例性实施例的在图8A中所示的天气预报状况的预测影响.

图9A示出天气预报状况的另一个示例，再次是在2017年3月13日的时间段期间的降雪。图9B示出根据本发明的示例性实施例的在图9A中所示的天气预报状况的预测影响。

图10A示出天气预报状况的另一个示例，再次是在2017年3月13日的时间段期间的降雪。图10B示出根据本发明的示例性实施例的在图10A中所示的天气预报状况的预测影响。

图11A示出天气预报状况的另一个示例，再次是在2017年3月13日的时间段期间的降雪。图11B示出根据本发明的示例性实施例的在图11A中所示的天气预报状况的预测影响。

如图8A-B、9A-B、10A-B和11A-B所示，天气预报状况的预测影响不仅与那些天气预报状况的大小有关，而且与那些特定位置的特征有关，最值得注意的是所述那些位置的那些大小的那些天气预报状况的重现期。

危险指数分析系统100还可以用于基于天气预报状况的影响输出警报(仅仅与天气预报状况的严重性相反)。例如，如果天气预报状况的影响被预测以超过由用户指定的阈值之一，则危险指数分析系统100还可用于向用户输出警报。该警报可以经由图形用户界面190、电子邮件、SMS、智能手机通知等输出。

图12-14示出根据本发明的示例性实施例的可以基于天气预报状况(在该示例中，对于Hurricane Matthew的天气预报状况)输出的警报的位置。

危险指数分析系统100还可以使用如上所述的关于天气预报事件的类似过程来预测环境预报事件的影响。

图15是用于预测天气预报状况的影响的过程1500的流程图。

类似于过程300，过程1500可以由分析单元180执行。类似于步骤302，在步骤1502中确定至少一些过去环境事件的可观察影响。类似于步骤304，在步骤1504中，可以通过人口对每个过去环境事件的可观察影响进行加权。类似于步骤306，在步骤1506中确定一个或更多个相关环境状况。类似于步骤308，在步骤1508中确定每个环境状况的返回频率。类似于步骤310，对于每个相关环境状况，在步骤1510中确定在过去环境状况与那些过去环境状况的可观察影响之间的相关性。类似于步骤312，在步骤312中计算每个过去环境状况的预测可观察影响。类似于步骤314，在步骤1514中确定过去环境事件重现的可观察影响。类似于步骤316，在步骤1516中过去环境事件按环境状况重现的风险排序。类似于步骤318，在步骤1518中基于过去天气事件重现的预测影响对过去环境事件进行分组。类似于步骤320，在步骤1520中为每个组确定阈值。类似于步骤322，可以在步骤1522中对于附加的地质位置插入过去环境事件的位置的阈值。类似于步骤324，在步骤1524中接收环境预报状况。类似于步骤326，在步骤1526中确定环境预报状况的预测影响。

如上所述，危险指数分析系统100可以基于环境预报状况的预测影响输出环境预报状况的预测影响和/或输出警报。

图16是用于预测地质预报状况的影响的过程1600的流程图。

类似于过程300，过程1600可以由分析单元180执行。类似于步骤302，在步骤1602中确定至少一些过去地质事件的可观察影响。类似于步骤304，在步骤1604中，可以通过人口对每个过去地质事件的可观察影响进行加权。类似于步骤306，在步骤1606中确定一个或更多个相关地质状况。类似于步骤308，在步骤1608中确定每个地质状况的返回频率。类似于步骤310，对于每个相关地质状况，在步骤1610中确定在过去地质状况与那些过去地质状况的可观察影响之间的相关性。类似于步骤312，在步骤312中计算每个过去地质状况的预测可观察影响。类似于步骤314，在步骤1614中确定过去地质事件重现的可观察影响。类似于步骤316，在步骤1616中过去地质事件按地质状况重现的风险排序。类似于步骤318，在步骤1618中基于过去天气事件重现的预测影响对过去地质事件进行分组。类似于步骤320，在步骤1620中为每个组确定阈值。类似于步骤322，可以在步骤1622中对于附加的地质位置插入过去地质事件的位置的阈值。类似于步骤324，在步骤1624中接收地质预报状况。类似于步骤326，在步骤1626中确定地质预报状况的预测影响。

如上所述，危险指数分析系统100可以基于地质预报状况的预测影响输出地质预报状况的预测影响和/或输出警报。

虽然已经在上面阐述了优选实施例，但是已经阅读了本公开的本领域技术人员将容易理解，能够在本发明的范围内实现其他实施例。特定技术的公开也是说明性的而非限制性的。因此，本发明应该被解释为仅由权利要求限制。