[发明专利]一种地质灾害的预测方法、装置及设备

权利要求书

1.一种地质灾害的预测方法，其特征在于，包括：

获取监测区域的监测数据，其中，所述监测数据包括直接影响因子和间接影响因子；

对所述直接影响因子和间接影响因子进行特征提取，以获取直接特征矩阵和间接特征矩阵；

基于包含注意力机制的深度学习网络模型对所述直接特征矩阵和间接特征矩阵进行编码和解码，以根据所述深度学习网络模型的输出对所述监测区域的地质灾害进行预测，包括：

获取预先建立的包含注意力机制的深度学习网络模型，其中，所述深度学习网络模型包括编码器、时间注意力层、解码器和优化器；

将所述直接特征矩阵和间接特征矩阵输入所述深度学习网络模型中，得到所述深度学习网络模型输出的所述监测区域的预测位移；

根据所述预测位移对所述监测区域的地质灾害进行预测；

所述直接影响因子包括位移、裂缝和沉降量中的一项或多项，所述间接影响因子包括：降雨量、水位、土壤湿度、人类活动、地表覆被指数、植被类型、道路和距离河流的距离中的一项或多项。

2.根据权利要求1所述的方法，其特征在于，在获取监测区域的监测数据之后，还包括：

对所述监测数据进行异常值去除。

3.根据权利要求2所述的方法，其特征在于，所述对所述监测数据进行异常值去除，包括：

基于高斯混合模型对所述监测数据进行异常值去除，并对去除异常值的监测数据进行缺失值填补。

4.根据权利要求1所述的方法，其特征在于，在对所述直接影响因子和间接影响因子进行特征提取，以获取直接特征矩阵和间接特征矩阵之后，还包括：

对所述直接特征矩阵和间接特征矩阵进行归一化处理。

5.根据权利要求1所述的方法，其特征在于，在对所述直接影响因子和间接影响因子进行特征提取，以获取直接特征矩阵和间接特征矩阵之后，还包括：

分别计算所述直接特征矩阵和间接特征矩阵的协方差矩阵，记为直接协方差矩阵和间接协方差矩阵；

分别对所述直接协方差矩阵和间接协方差矩阵进行特征分解，得到直接特征值集和间接特征值集，并分别对所述直接特征值集和间接特征值集按照从大到小的顺序进行排序；

根据所述直接特征值集和间接特征值集的累计方差贡献率对所述直接特征值集和间接特征值集进行筛选，并获取筛选后的直接特征值集和间接特征值集分别对应的特征向量组成的直接降维矩阵和间接降维矩阵；

根据所述直接降维矩阵和间接降维矩阵分别对所述直接特征矩阵和间接特征矩阵进行降维。

6.根据权利要求1所述的方法，其特征在于，所述深度学习网络模型的训练过程为：

获取所述深度学习网络模型训练所需的训练集、验证集和测试集；

按照设定步长将所述训练集划分为各个训练子集，其中，每次训练按照时间顺序采用一个训练子集进行训练，且当前训练子集中包括上一次训练时输出的预测值；

根据各个所述训练子集对所述深度学习网络模型进行训练，以确定所述深度学习网络模型的参数，并通过所述验证集和测试集对所述深度学习网络模型进行验证和测试。