基于微博数据挖掘的九寨沟7.0级地震灾情时空特征分析

被引:17
作者
曹彦波
毛振江
机构
[1] 云南省地震局
关键词
九寨沟7.0级地震; 微博; 灾情; 时空特征;
D O I
暂无
中图分类号
P315.9 [工程地震];
学科分类号
摘要
2017年8月8日21时19分九寨沟发生7.0级地震,震后数小时里,大量与地震相关的信息广泛传播,互联网社交媒体高度关注,九寨沟地震成为最热议话题。本文以新浪微博为例,获取了距震中200km范围内震前、震后24h的微博数据,通过对数据清洗、分类和挖掘,分析了此次地震微博的数量、灾情分类、词频统计、时间序列和空间分布等特征,同时与实际灾评结果进行了对比分析。研究结果表明,对震后社交媒体数据进行充分挖掘,分析提取地震灾情关键信息,有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,是解决震后灾情获取难度大、覆盖小、时效性差等问题的一种有效的辅助手段。
引用
收藏
页码:613 / 625
页数:13
相关论文
共 10 条
[1]   基于微博舆情数据的震后有感范围提取研究 [J].
曹彦波 ;
吴艳梅 ;
许瑞杰 ;
张方浩 .
地震研究, 2017, 40 (02) :303-310
[2]   反映自然灾害时空分布的社交媒体有效性探讨 [J].
陈梓 ;
高涛 ;
罗年学 ;
赵前胜 .
测绘科学, 2017, (08) :44-48+129
[3]   地震灾情位置微博抓取与展示 [J].
褚俊秀 ;
徐敬海 .
地理空间信息 , 2016, (05) :38-40+6
[4]   基于社交媒体的突发事件应急信息挖掘与分析 [J].
王艳东 ;
李昊 ;
王腾 ;
朱建奇 .
武汉大学学报(信息科学版) , 2016, (03) :290-297
[5]   基于位置微博的地震灾情提取 [J].
徐敬海 ;
褚俊秀 ;
聂高众 ;
安基文 .
自然灾害学报, 2015, 24 (05) :12-18
[6]   智慧城市中的大数据 [J].
李德仁 ;
姚远 ;
邵振峰 .
武汉大学学报(信息科学版) , 2014, (06) :631-640
[7]   位置大数据的分析处理研究进展 [J].
刘经南 ;
方媛 ;
郭迟 ;
高柯夫 .
武汉大学学报(信息科学版), 2014, 39 (04) :379-385
[8]   基于微博的芦山地震前后宏观异常信息筛选与分析 [J].
苏晓慧 ;
张群燕 ;
张晓东 ;
张旭 ;
李林 ;
刘峻明 ;
黄健熙 ;
苏伟 .
震灾防御技术, 2013, 8 (04) :451-458
[9]  
#Earthquake: Twitter as a Distributed Sensor System[J] . Andrew Crooks,Arie Croitoru,Anthony Stefanidis,Jacek Radzikowski. Transactions in GIS . 2012 (1)
[10]  
中国地震局发布四川九寨沟7.0级地震烈度图 .2 中国地震局震灾应急救援司. http://www.cea.gov.cn/publish/dizhenj/464/478/20170812211337414565961/index.html . 2017