
县级暴雨重现期
一行是一个县区的年最大日降水重现期。
- 记录
- 2,899
- 字段
- 20
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
20 个字段,19 个没有空值,1 个 AI 扩增
图片:智元数据
01地图
按区县画在县界上,点开看属性
每个区县一行,画在县界上,共 2,842 个区县。颜色按100年一遇从浅到深分 5 档,每档的个数大致相同。点一个形状看它的属性。用右边的列表可以按名称找。
- 14.1–80.4
- 80.4–114
- 114–143
- 143–166
- 166–417
02字段
字段来源,逐一标明
共 20 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 2,899 行计算。
关于这个数据集
一行是一个县区的年最大日降水重现期。包含 2、5、10、20、50、100 年一遇的日降水量,Gumbel 分布的 2 个参数,县内格点数、所用年数和拟合优度(概率图相关系数)。覆盖全国 2899 个县区,用 1961 至 2022 年的 0.1 度格点逐日降水算出;每个格点用 L 矩法拟合 Gumbel 分布,县取县内格点参数的中位数,县内没有格点的 141 个县用最近的格点。用来判断工程所在县多大的日降水算几年一遇,给暴雨和洪涝风险定级,作为巨灾测算的危险性输入。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政区划代码region_code规律 1:行政区划代码的字段规律字段规律:region_code_current由行政区划代码扩增得出。含义:代码或编号键:县级区划代码(2019 年版)。样本里格式符合 100%,98.4% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 省province含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 94.7%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 县区county含义:地区键:区县名称。样本里格式符合 98%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 格点数grid_cells含义:个数(个) | 整数 | 原生 | 100% | 中心落在县界里的 0.1 度格点个数。0 表示县内没有格点,用了最近的格点 | ||
| 年数years_used含义:时长(年) | 整数 | 原生 | 100% | 拟合用的年数(县内格点的中位数) | ||
| 开始年份first_year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 结束年份last_year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 位置参数gumbel_mu含义:降水量(毫米) | 小数 | 原生 | 100% | Gumbel 分布的位置参数 mu,毫米。县内格点的中位数 | ||
| 尺度参数gumbel_beta含义:降水量(毫米) | 小数 | 原生 | 100% | Gumbel 分布的尺度参数 beta,毫米。县内格点的中位数 | ||
| 2年一遇rl_2y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米。= mu + beta × (-ln(-ln(1 - 1/T))),T = 2 | ||
| 5年一遇rl_5y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米 | ||
| 10年一遇rl_10y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米 | ||
| 20年一遇rl_20y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米 | ||
| 50年一遇rl_50y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米 | ||
| 100年一遇rl_100y_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米 | ||
| 格点最大100年一遇rl_100y_max_cell_mm含义:降水量(毫米) | 小数 | 原生 | 100% | 毫米。县内各格点分别算的 100 年一遇里最大的一个,表示县内最不利的位置 | ||
| 拟合优度ppcc_median | 小数 | 原生 | 100% | Gumbel 概率图相关系数(Gringorten 点绘位置),县内格点的中位数。越接近 1 拟合越好,低于 0.95 的要慎用 | ||
| 方法method含义:文字说明 | 文本 | 原生 | 100% | — | ||
| 行政区划代码(现行)region_code_current规律 1:行政区划代码(现行)的字段规律字段规律:region_code_current由行政区划代码扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,98.3% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:行政区划代码(现行) | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 行政区划代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 |
03样本
先看样本,再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 行政区划代码region_code | 省province | 地级市city | 县区county | 格点数grid_cells | 年数years_used | 开始年份first_year | 结束年份last_year | 位置参数gumbel_mu | 尺度参数gumbel_beta | 2年一遇rl_2y_mm | 5年一遇rl_5y_mm | 10年一遇rl_10y_mm | 20年一遇rl_20y_mm | 50年一遇rl_50y_mm | 100年一遇rl_100y_mm | 格点最大100年一遇rl_100y_max_cell_mm | 拟合优度ppcc_median | 方法method | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 北京市 | 北京市 | 东城区 | 0 | 62 | 1961 | 2022 | 56.97 | 24.11 | 65.8 | 93.1 | 111.2 | 128.6 | 151 | 167.9 | 167.9 | 0.9696 | Gumbel,L 矩法,格点参数取县内中位数;县内没有格点,用最近的格点 | 110101 |
| 2 | 110102 | 北京市 | 北京市 | 西城区 | 0 | 62 | 1961 | 2022 | 54.41 | 22.39 | 62.6 | 88 | 104.8 | 120.9 | 141.8 | 157.4 | 157.4 | 0.9589 | Gumbel,L 矩法,格点参数取县内中位数;县内没有格点,用最近的格点 | 110102 |
| 3 | 110105 | 北京市 | 北京市 | 朝阳区 | 4 | 62 | 1961 | 2022 | 55.11 | 23.28 | 63.6 | 90 | 107.5 | 124.2 | 145.9 | 162.2 | 172 | 0.9729 | Gumbel,L 矩法,格点参数取县内中位数 | 110105 |
| 4 | 110106 | 北京市 | 北京市 | 丰台区 | 4 | 62 | 1961 | 2022 | 55.62 | 23.29 | 64.2 | 90.6 | 108 | 124.8 | 146.5 | 162.8 | 174 | 0.9508 | Gumbel,L 矩法,格点参数取县内中位数 | 110106 |
| 5 | 110107 | 北京市 | 北京市 | 石景山区 | 1 | 62 | 1961 | 2022 | 62.59 | 28.73 | 73.1 | 105.7 | 127.3 | 147.9 | 174.7 | 194.8 | 194.8 | 0.9717 | Gumbel,L 矩法,格点参数取县内中位数 | 110107 |
| 6 | 110108 | 北京市 | 北京市 | 海淀区 | 5 | 62 | 1961 | 2022 | 53.14 | 21.83 | 61.1 | 85.9 | 102.3 | 118 | 138.3 | 153.6 | 173.4 | 0.9679 | Gumbel,L 矩法,格点参数取县内中位数 | 110108 |
| 7 | 110109 | 北京市 | 北京市 | 门头沟区 | 16 | 62 | 1961 | 2022 | 49.04 | 18.34 | 55.8 | 76.6 | 90.3 | 103.5 | 120.6 | 133.4 | 179.8 | 0.9644 | Gumbel,L 矩法,格点参数取县内中位数 | 110109 |
| 8 | 110111 | 北京市 | 北京市 | 房山区 | 20 | 62 | 1961 | 2022 | 52.56 | 20.54 | 60.1 | 83.4 | 98.8 | 113.6 | 132.7 | 147.1 | 229.1 | 0.9505 | Gumbel,L 矩法,格点参数取县内中位数 | 110111 |
| 9 | 110112 | 北京市 | 北京市 | 通州区 | 9 | 62 | 1961 | 2022 | 50.94 | 21.7 | 58.9 | 83.5 | 99.8 | 115.4 | 135.6 | 150.7 | 176.1 | 0.9837 | Gumbel,L 矩法,格点参数取县内中位数 | 110112 |
| 10 | 110113 | 北京市 | 北京市 | 顺义区 | 13 | 62 | 1961 | 2022 | 52.72 | 20.52 | 60.2 | 83.5 | 98.9 | 113.7 | 132.8 | 147.1 | 185.5 | 0.9894 | Gumbel,L 矩法,格点参数取县内中位数 | 110113 |
| 11 | 110114 | 北京市 | 北京市 | 昌平区 | 16 | 62 | 1961 | 2022 | 49.73 | 18.97 | 56.7 | 78.2 | 92.4 | 106.1 | 123.7 | 137 | 181.7 | 0.9909 | Gumbel,L 矩法,格点参数取县内中位数 | 110114 |
| 12 | 110115 | 北京市 | 北京市 | 大兴区 | 11 | 62 | 1961 | 2022 | 51.46 | 19.68 | 58.7 | 81 | 95.8 | 109.9 | 128.3 | 142 | 164.9 | 0.9435 | Gumbel,L 矩法,格点参数取县内中位数 | 110115 |
| 13 | 110116 | 北京市 | 北京市 | 怀柔区 | 22 | 62 | 1961 | 2022 | 47.25 | 16.55 | 53.3 | 72.1 | 84.5 | 96.4 | 111.8 | 123.4 | 180.6 | 0.9899 | Gumbel,L 矩法,格点参数取县内中位数 | 110116 |
| 14 | 110117 | 北京市 | 北京市 | 平谷区 | 8 | 62 | 1961 | 2022 | 54.92 | 21.67 | 62.9 | 87.4 | 103.7 | 119.3 | 139.5 | 154.6 | 167.9 | 0.9884 | Gumbel,L 矩法,格点参数取县内中位数 | 110117 |
| 15 | 110118 | 北京市 | 北京市 | 密云区 | 23 | 62 | 1961 | 2022 | 52.08 | 18.65 | 58.9 | 80.1 | 94.1 | 107.5 | 124.9 | 137.9 | 161.9 | 0.9953 | Gumbel,L 矩法,格点参数取县内中位数 | 110118 |
| 16 | 110119 | 北京市 | 北京市 | 延庆区 | 21 | 62 | 1961 | 2022 | 43.3 | 15.82 | 49.1 | 67 | 78.9 | 90.3 | 105 | 116.1 | 140.3 | 0.9908 | Gumbel,L 矩法,格点参数取县内中位数 | 110119 |
| 17 | 120101 | 天津市 | 天津市 | 和平区 | 0 | 62 | 1961 | 2022 | 57.49 | 25.08 | 66.7 | 95.1 | 113.9 | 132 | 155.3 | 172.8 | 172.8 | 0.9805 | Gumbel,L 矩法,格点参数取县内中位数;县内没有格点,用最近的格点 | 120101 |
| 18 | 120102 | 天津市 | 天津市 | 河东区 | 1 | 62 | 1961 | 2022 | 56.42 | 24.2 | 65.3 | 92.7 | 110.9 | 128.3 | 150.9 | 167.8 | 167.8 | 0.979 | Gumbel,L 矩法,格点参数取县内中位数 | 120102 |
| 19 | 120103 | 天津市 | 天津市 | 河西区 | 1 | 62 | 1961 | 2022 | 60.82 | 26.92 | 70.7 | 101.2 | 121.4 | 140.8 | 165.9 | 184.7 | 184.7 | 0.987 | Gumbel,L 矩法,格点参数取县内中位数 | 120103 |
| 20 | 120104 | 天津市 | 天津市 | 南开区 | 0 | 62 | 1961 | 2022 | 57.49 | 25.08 | 66.7 | 95.1 | 113.9 | 132 | 155.3 | 172.8 | 172.8 | 0.9805 | Gumbel,L 矩法,格点参数取县内中位数;县内没有格点,用最近的格点 | 120104 |
04版本
每次发布,都留记录
发布后的数据版本不能修改。更正时发布新版本,旧版本保留。
版本 v12026/11/13 发布
生效中2,899 行 · 20 个字段 · 初始导入
05关联
和其他数据集,按键连起来
按键连到地区,能和不少于 72 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组,对上的行多的在前。
按 区县 + 省份 + 年份 能连
107 个数据集 · 本数据集 2,899 行有区县- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 year、region_code、province_code按区县对上本数据集 2,854 行(98%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、region_code、valid_from按区县对上本数据集 2,854 行(98%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 2,852 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、region_code按区县对上本数据集 2,852 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 2,850 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 2,850 行(98%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 province_code、county_code、taobao_village_year按区县对上本数据集 2,849 行(98%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 2,849 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、year、county_code_2按区县对上本数据集 2,849 行(98%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、year、province按区县对上本数据集 2,848 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、year、province按区县对上本数据集 2,848 行(98%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 2,848 行(98%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 2,898 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province按省份对上本数据集 2,898 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 2,898 行(99%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 2,898 行(99%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 2,898 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code按省份对上本数据集 2,898 行(99%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 2,898 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year按省份对上本数据集 2,898 行(99%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 2,898 行(99%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、province按省份对上本数据集 2,898 行(99%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 2,898 行(99%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、census_year按省份对上本数据集 2,898 行(99%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province、year按省份对上本数据集 2,898 行(99%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 2,899 行有区县- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 2,899 行(100%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code、region_code按区县对上本数据集 2,899 行(100%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 2,848 行(98%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 2,848 行(98%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 2,846 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 2,834 行(97%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 2,769 行(95%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 2,667 行(91%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 2,235 行(77%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code按区县对上本数据集 2,043 行(70%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province、county_code按区县对上本数据集 1,880 行(64%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code按区县对上本数据集 1,364 行(47%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 2,899 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code、valid_from按区县对上本数据集 2,854 行(98%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 2,820 行(97%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 2,774 行(95%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 2,541 行(87%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 2,494 行(86%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 2,237 行(77%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date按区县对上本数据集 1,859 行(64%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 1,478 行(50%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、application_date按区县对上本数据集 799 行(27%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 760 行(26%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 667 行(23%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 year、region_code按区县对上本数据集 475 行(16%)
按 省份 能连
29 个数据集 · 本数据集 2,898 行有省份- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 2,898 行(99%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 2,854 行(98%)
- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 2,852 行(98%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 2,852 行(98%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 2,852 行(98%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 2,852 行(98%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 2,852 行(98%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 2,852 行(98%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 2,852 行(98%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 2,852 行(98%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 2,852 行(98%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 2,852 行(98%)
按 区县 能连
12 个数据集 · 本数据集 2,899 行有区县- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 2,821 行(97%)
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 2,816 行(97%)
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 2,814 行(97%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 2,808 行(96%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 2,797 行(96%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 2,693 行(92%)
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 2,620 行(90%)
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 2,144 行(73%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 1,672 行(57%)
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 1,311 行(45%)
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 1,179 行(40%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 189 行(6.5%)
只按年份能连:495 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
495 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
06字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
本数据集内1
- 扩增得出
region_code_current由行政区划代码扩增得出。
来自字段扩增县级暴雨重现期县级暴雨重现期
07授权与接入
申请授权,一次调用就能用上
试用立即生效,并送 500 点试用点数。授权后用 API Key 调用 REST 接口,按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量:export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/county-rainstorm-return-period/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101"}],"limit":10}'
交给 Agent
- 巨灾超越概率(简化测算)依赖 2 个数据集 · 一次对话约 0 点
用县级暴雨重现期表和台风登陆事件表,按一个地点的保额、易损性、免赔和限额模拟 1 万年,给出超越概率曲线和年均损失。
发给请下载 https://wi.insightworld.cn/skills/actuarial-cat.zip 并解压,把里面的 actuarial-cat 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 风险与资本依赖 4 个数据集 · 一次对话约 0 点
算 VaR、TVaR 和资本分配,用极值、Copula、破产概率、利率和时间序列模型做风险建模。
发给请下载 https://wi.insightworld.cn/skills/actuarial-risk.zip 并解压,把里面的 actuarial-risk 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 以后开放
MCP
仍在使用 MCP 的 Agent 客户端,用 OAuth 连接后通过工具查询。