[发明专利]一种滑坡敏感状态的提取方法

权利要求书

1.一种滑坡敏感状态的提取方法，其特征在于：包括如下步骤：

S101：获取目标滑坡历史样本点数据，所述历史样本点数据(x_i，y_i)共有m个，其中i＝1,2,…,m；x_i为月降雨量或者库水位下降值，y_i为滑坡月位移值；并

建立如公式(1)所示的滑坡系统响应规律公式：

g(x)＝Q·f(x)                   (1)

上式中，g(x)为滑坡对外界影响因素的系统函数；f(x)是滑坡外界影响因素下的响应函数，其中，x为所述历史样本点数据中的x_i组成的输入向量；

S102：根据所述历史样本点数据，采用支持向量机算法对所述响应函数f(x)进行拟合，并采用PSO粒子群算法对敏感因子集合Q中的所有敏感因子进行寻优；二者循环迭代，直到PSO粒子群算法收敛，得到最终的最优敏感因子集合

S103：采用K均值聚类算法对所述最终的最优敏感因子集合中的m个敏感因子进行聚类，将m个敏感因子分为k个类，并将每类作为一个敏感状态，以得到k个敏感状态。

2.如权利要求1所述的一种滑坡敏感状态的提取方法，其特征在于：步骤S101中，所述历史样本点每个样本点都对应有一个敏感因子；Q＝{q1,q2,…,qm}是敏感因子集合，包括m个敏感因子；其中i＝1,2,…,m；m为样本点总个数，x_i为月降雨量或者库水位下降值，y_i为滑坡月位移值。

3.如权利要求2所述的一种滑坡敏感状态的提取方法，其特征在于：步骤S102中，根据所述历史样本点数据，采用支持向量机算法对所述响应函数f(x)进行拟合，并采用PSO粒子群算法对敏感因子集合Q中的所有敏感因子进行寻优；二者循环迭代，直到PSO粒子群算法收敛，得到响应函数f(x)的具体表达式和最优敏感因子集合具体包括：

S201：根据支持向量机算法，采用如公式(2)所示的线性回归函数来对响应函数f(x)进行拟合：

f(x)＝ω^Tx+b               (2)

上式中，x为所述历史样本点数据中的x_i组成的输入向量；为输出量，y为所述历史样本点数据中的y_i组成的输出向量；ω和b为待拟合的参数；将所述历史样本点数据中的各样本点带入至公式(2)中，拟合出ω和b的具体值，进而得到响应函数f(x)的具体表达形式；其中，的初始值为随机初始化的一组敏感因子Q；

S202：采用PSO粒子群算法对m个敏感因子进行寻优，得到最优敏感因子集合其中，使用g(x)的拟合结果的均方误差作为PSO算法的适应度函数MSE；具体表达式如公式(3)所示：

S203：判断条件MSE≤R是否成立，若是，则到步骤S204；否则，返回步骤S201，并将公式(2)中的更新为最新计算出来的最优敏感因子集合其中，R为预设的阈值，且R0；

S204：停止迭代，将此时的最优敏感因子集合作为最终的最优敏感因子集合

4.如权利要求3所述的一种滑坡敏感状态的提取方法，其特征在于：步骤S103中，采用K均值聚类算法对所述最优敏感因子集合中的m个敏感因子进行聚类，将m个敏感因子分为k个类，并将每类作为一个敏感状态，以得到k个敏感状态；具体方法如下：

从所述m个敏感因子中随机选择k个聚类中心，并分别计算每个敏感因子与k个聚类中心之间的欧式距离，以将各敏感因子划分到与其距离最近的聚类中心所代表的类中，进而根据公式(4)所示的准则函数计算平方误差E：

上式中，Cj表示聚类后的第j类，x表示类Cj中的样本点数据，u_j为类Cj中所有敏感因子的均值；平方误差E表示了类内数据围绕聚类中心的紧密程度，值越小则类内数据相似度较高，聚类结果越好；

利用各个类的敏感因子均值u_i更新各个类的初始聚类中心，并以此迭代，直到E的值小于预设的最小化误差值；进而得到最优的k个聚类中心和对应的k个类。