[发明专利]基于机器学习的区域电网地质灾害预报模型构建方法

说明书

本发明公开了一种基于机器学习的区域电网地质灾害预报模型构建方法，包括步骤：S1、正负样本集构建；S2、影响因子构建；S3、机器学习模型搭建与训练；S4、模型预测检验。本发明所提供的电网地质灾害预报方法，直接以灾点构建样本，在精确的灾点坐标范围内构建各影响因子，提高了模型的精准性和针对性。利用机器学习方法，实现影响因子特征自动学习，模型自动学习提取重要特征、自动分配因子权重，避免了认为干扰带来的随意性和片面性。该方法具有较强的可扩展性，只需要提供新的影响因子、新的灾害样本，就能动态的更新模型，进一步提高模型的准确性。

技术领域

本发明涉及电网输电线路防灾技术领域，尤其涉及一种基于机器 学习的区域电网输电线路受强降水影响下的次生地质灾害预报模型 的构建方法。

背景技术

近年来，随着中国电网的迅速发展，电网系统运行电压等级不断 提高，电网规模不断扩大。随着“西电东送”等高电压以及远距离输 电线路的建设，越来越多重要线路穿越了山区、丘陵及河流湖泊等危 险地势区域。夏季雨季期间，暴雨灾害频发，暴雨会在短时间内带来 大量降水，对地表产生巨大冲刷作用，极易引发次生地质灾害。其中， 发生在重要电网通道内的地质灾害严重威胁电网安全，轻则杆塔塔基 受损，重则杆塔倾斜、变形、倒塔并引发线路故障，产生昂贵的设备 维修费用和巨大的电量损失。

目前电网地质灾害研究以监测为主，通过大量监测仪器实时采集 周围土壤形变信息监测滑坡灾害发展情况，监测预警的针对性强、准 确性高，但对滑坡灾害提前预防、电网安全生产指导意义不高。因此 需要开展电网地质灾害预报方法研究。

当前出现的地质灾害预报方法以统计预报方法为主，多数方法虽 然考虑了地质条件、历史灾情等因素的影响，但是易发性区划都以区 域划分为主，精细程度不够。另外，传统的统计方法，不能够准确描 述地质条件、降水和地质灾害之间复杂的非线性耦合关系。另一方面， 传统预报方法中，地灾影响因子的选取、因子权重的分配存在较大的 人为干扰，存在片面性。再者，预报模型可扩展性不足：新的静态数 据、灾害数据不能动态的引入模型，更新模型参数。

发明内容

本发明的目的在于解决上述问题，提供一种针对区域电网输电线 路受强降雨次生地质灾害的预报模型构建方法，以提高灾害预报能力， 便于电网相关部门提前采取应对措施，以达到科学防治电网地质灾害， 降低强降雨次生地质灾害对电网的影响面，减少社会经济损失。

为实现本发明的目的，提供一种基于机器学习的区域电网地质 灾害预报模型构建方法，包括以下步骤：

S1、构建地质灾害的正负样本集，所述正负样本集为两类互斥样 本的集合；

S2、构建地质灾害的影响因子；

S3、搭建机器学习模型，并对所述机器学习模型进行训练；

S4、通过所述机器学习模型进行预测，并对预测结果进行检验。

优选的，步骤S1中，所述正负样本集由实际发生在电网输电设 备5km范围内的由降雨导致的有明确时间和地理坐标的地质灾害个 例构建的正样本和由正样本附近的负样本共同构成。

优选的，所述负样本由同一时间下距离正样本5km以外20km以 内区域的雨量观测点构成，且以所述雨量观测点为中心的5km范围内 当日无地质灾害发生。

优选的，步骤S2中，所述影响因子包括地质因子、地灾因子和 降雨因子。

优选的，所述地质因子包括地形、高差、土地利用、坡度和岩性。

优选的，所述地灾因子由每条正负样本为中心的20km范围内的 历史地质灾害频率构成。

优选的，所述降雨因子由灾害发生前1-20天内的有效雨量和灾 害发生前24小时内最大小时雨强构成。