[发明专利]一种地质灾害的预测方法、装置及设备

说明书

本发明公开了一种地质灾害的预测方法、装置及设备，该预测方法包括：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。本发明实施例的技术方案，通过将监测数据分为两组，并结合包含注意力机制的深度学习网络模型对数据进行处理以预测地质灾害，实现了地质灾害的短期预测，预测精度高。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种地质灾害的预测方法、装置及设备。

背景技术

中国是一个地质灾害多发的国家，崩塌、滑坡、泥石流灾害几乎遍布全国各省山地丘陵区，每年还会出现几万至十几万处新的灾害点。每年地质灾害死亡人数近千人，直接经济损失80-100亿元，因中断交通、摧毁生产生活设施所带来的间接损失更是难以估计。

现阶段许多学者对滑坡位移预测进行了大量的研究，从具体的时间和精度上滑坡位移预测可分为：长期预测(1-10年以上)，中长期预测(1月-1年以上)，中短期预测(数日-1月)以及短期预测(数小时-1日)。

目前，绝大多数的研究都是对于中长期的预测(1月-1年以上)，极少有对于中短期的预测(数日-1月)，而对于短期预测则(数小时-1日)更是少之又少。这是因为在短期预测上，传感器受到外界因素(如温度)的影响，导致每小时的监测值波动剧烈，且存在极大的噪声干扰，因此，难以获取其形变趋势，给实时、准确的预测带来相当大的难度。

发明内容

本发明提供了一种地质灾害的预测方法、装置及设备，以实现地质灾害的实时监测和预测。

第一方面，本发明实施例提供了一种地质灾害的预测方法，该方法包括：

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。

第二方面，本发明实施例还提供了一种地质灾害的预测装置，该装置包括：

监测数据获取模块，用于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；

特征提取模块，用于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；

灾害预测模块，用于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。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的地质灾害的预测方法。

本发明实施例的技术方案，通过实时获取监测区域的监测数据，将其分为直接影响因子和间接影响因子进行后续分析，通过特征提取及包含注意力机制的深度学习网络模型对数据进行编码和解码，根据模型输出对地质灾害进行预测，实现了地质灾害的短期预测，且通过包含注意力机制的深度学习网络对地质灾害进行预测，预测精度高、速度快、鲁棒性强。

附图说明

图1是本发明实施例一中的一种地质灾害的预测方法的流程图；