[发明专利]基于随机森林模型的滑坡预测方法、装置及存储介质

权利要求书

1.一种基于随机森林模型的滑坡预测方法，其特征在于，所述方法包括：

采集多类滑坡训练数据，并分别构建所述多类滑坡训练数据的滑坡预警分类视角,所述滑坡训练数据包括传感器位移训练数据、标志物运动轨迹训练数据、裂缝尺寸训练数据中的至少一种；

使用随机森林模型分别学习所有所述滑坡预警分类视角，得到所有视角随机森林模型以及与所述所有视角随机森林模型中的每个所述视角随机森林模型相对应的模型评分；

分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率构建与所述滑坡训练数据相对应的滑坡预警视角权重；

基于所有所述滑坡预警视角权重和所有所述视角随机森林模型构建多视角权重随机森林模型；

采集多类滑坡测试数据，并分别构建所述多类滑坡测试数据的滑坡观测视角；

使用所述多视角权重随机森林模型分别对每个所述滑坡观测视角进行模型评估，得到模型评估结果，并融合所述模型评估结果，得到滑坡预警分类结果。

2.根据权利要求1所述的基于随机森林模型的滑坡预测方法，其特征在于，所述分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率构建与所述滑坡训练数据相对应的滑坡预警视角权重，包括：

分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率在贝叶斯框架下构建与所述滑坡训练数据相对应的滑坡预警视角权重。

3.根据权利要求2所述的基于随机森林模型的滑坡预测方法，其特征在于，所述滑坡视角权重的计算公式为：

式中：

θ_(i)表示所述滑坡预警分类视角的视角索引，W_θ(i)表示所述滑坡预警视角权重，P_i表示所述视角权重先验概率，P_vi表示所述模型评分，在所述贝叶斯框架下，P_i×P_vi表示所述滑坡预警分类视角的准确度的后验概率。

4.一种基于随机森林模型的滑坡预测装置，其特征在于，所述装置包括：

采集模块，用于采集多类滑坡训练数据,所述滑坡训练数据包括传感器位移训练数据、标志物运动轨迹训练数据、裂缝尺寸训练数据中的至少一种；

第一构建模块，用于分别构建所述多类滑坡训练数据的滑坡预警分类视角；

第二构建模块，用于使用随机森林模型构建与所有所述滑坡预警分类视角相对应的多视角权重随机森林模型；

所述采集模块，还用于采集多类滑坡测试数据；

所述第一构建模块，还用于分别构建所述多类滑坡测试数据的滑坡观测视角；

评估模块，用于使用所述多视角权重随机森林模型分别对每个所述滑坡观测视角进行模型评估，得到模型评估结果；

融合模块，用于融合所述模型评估结果，得到滑坡预警分类结果；

以及，所述第二构建模块包括学习子模块以及构建子模块，其中：

所述学习子模块，用于使用随机森林模型分别学习所有所述滑坡预警分类视角，得到所有视角随机森林模型以及与所述所有视角随机森林模型中的每个所述视角随机森林模型相对应的模型评分；

所述构建子模块，用于分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率构建与所述滑坡训练数据相对应的滑坡预警视角权重；

所述构建子模块，还用于基于所有所述滑坡预警视角权重和所有所述视角随机森林模型构建多视角权重随机森林模型。

5.根据权利要求4所述的基于随机森林模型的滑坡预测装置，其特征在于，所述构建子模块分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率构建与所述滑坡训练数据相对应的滑坡预警视角权重的方式具体为：

分别基于所述模型评分、与所述滑坡预警分类视角相对应的视角权重先验概率在贝叶斯框架下构建与所述滑坡训练数据相对应的滑坡预警视角权重。