[发明专利]滑坡易发性评价方法、装置、设备和存储介质在审
申请号: | 202010633734.9 | 申请日: | 2020-07-02 |
公开(公告)号: | CN111797571A | 公开(公告)日: | 2020-10-20 |
发明(设计)人: | 郑增荣;宋杰;胡辉;沈小珍 | 申请(专利权)人: | 杭州鲁尔物联科技有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06Q10/04;G06Q50/26;G06F111/08 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 310024 浙江省杭州市余杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 滑坡 易发性 评价 方法 装置 设备 存储 介质 | ||
1.一种滑坡易发性预测方法,其特征在于,包括:
获取待预测滑坡区域的滑坡数据的至少一个影响因子图层,其中,每一个所述影响因子图层中包括所述待预测滑坡区域对应影响因子的分级结果;
将所述至少一个影响因子图层输入训练完成的滑坡易发性预测模型中,得到所述待预测滑坡区域中各滑坡位点发生滑坡的概率,其中,所述滑坡易发性预测模型基于至少一个历史滑坡数据进行训练。
2.根据权利要求1所述的方法,其特征在于,还包括:
基于所述至少一个历史滑坡数据,确定各历史滑坡数据的至少一个影响因子图层,以及各所述历史滑坡数据中的滑坡位置信息;
基于所述至少一个影响因子图层,确定所述滑坡易发性预测模型的训练样本;
基于所述训练样本和所述滑坡位置信息,对滑坡易发性预测模型进行训练。
3.根据权利要求2所述的方法,其特征在于,在所述基于所述至少一个历史滑坡数据之后,所述方法还包括:
对所述至少一个历史滑坡数据进行增强处理,得到目标历史滑坡数据;
其中,所述增强处理的方式包括:尺度变换、缩放变换、翻转变换、平移变换、仿射变换、噪声扰动和黑块遮挡中的至少一种。
4.根据权利要求2所述的方法,其特征在于,在基于所述至少一个历史滑坡数据之后,所述方法还包括:
对所述至少一个历史滑坡数据进行预处理;
其中,所述预处理包括如下至少一项:将所述至少一个历史滑坡数据转换至同一坐标系下、对所述至少一个历史滑坡数据进行校正和对所述至少一个历史滑坡数据的数据格式进行统一。
5.根据权利要求2所述的方法,其特征在于,所述历史滑坡数据包括:滑坡时间和滑坡位置信息;
所述基于所述至少一个历史滑坡数据,确定各历史滑坡数据的至少一个影响因子图层,包括:
基于所述历史滑坡数据中的所述滑坡时间和滑坡位置信息,在各影响因子数据库中确定与所述历史滑坡数据相对应的至少一组影响因子数据;
基于与所述历史滑坡数据相对应的各组影响因子数据,确定与所述历史滑坡数据相对应的至少一个影响因子图层。
6.根据权利要求5所述的方法,其特征在于,所述基于与所述历史滑坡数据相对应的各组影响因子数据,确定与所述历史滑坡数据相对应的至少一个影响因子图层,包括:
基于当前影响因子的预设分级规则,对所述当前影响因子的影响因子数据进行分级,确定所述影响因子数据的分级结果;
基于所述分级结果,确定所述当前影响因子图层。
7.根据权利要求2所述的方法,其特征在于,所述基于所述训练样本和所述滑坡位置信息,对滑坡易发性预测模型进行训练,包括:
将所述训练样本输入所述滑坡易发性预测模型中,根据所述滑坡易发性预测模型中输出的各滑坡位点发生滑坡的概率,确定基于所述训练样本的训练位置信息;
基于所述训练位置信息和所述滑坡位置信息,对所述滑坡易发性预测模型进行训练;
对所述滑坡易发性预测模型进行迭代训练,当所述滑坡易发性预测模型的损失函数小于预设阈值时,确定所述滑坡易发性预测模型训练完成,其中,所述损失函数为所述训练位置信息和所述滑坡位置信息进行比对拟合得到的函数。
8.一种滑坡易发性预测装置,其特征在于,包括:
待预设滑坡数据获取模块,获取待预测滑坡区域的滑坡数据的至少一个影响因子图层,其中,每一个所述影响因子图层中包括所述待预测滑坡区域对应影响因子的分级结果;
概率预测模块,用于将所述至少一个影响因子图层输入训练完成的滑坡易发性预测模型中,得到所述待预测滑坡区域中各滑坡位点发生滑坡的概率,其中,所述滑坡易发性预测模型基于至少一个历史滑坡数据进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州鲁尔物联科技有限公司,未经杭州鲁尔物联科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010633734.9/1.html,转载请声明来源钻瓜专利网。