[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 | ||
本发明实施例公开了一种滑坡易发性预测方法、装置、设备和存储介质。所述方法包括: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。以实现快速基于整个滑坡区域中的多个影响因子对滑坡易发性进行预测的效果。
技术领域
本发明实施例涉及深度学习技术,尤其涉及一种滑坡易发性评价方法、装置、设备和存储介质。
背景技术
山体滑坡是最常见的灾难性自然灾害之一,造成滑坡的影响因素有很多,如何利用这些影响因素来进行滑坡易发性预测是预防和减少滑坡灾害的关键。
目前,利用神经网络模型对滑坡易发性进行预测是主要的方法,在利用是神经网络模型对滑坡易发性进行预测时,输入神经网络模型中的多是滑坡相关数据,这就需要获取到滑坡数据,现在滑坡数据都是从历史滑坡报告等文件资料中获取,获取滑坡数据后,从滑坡数据中提取影响因子,将影响因子整理成结构化的数据,然后将结构化的数据输入神经网络模型中,这样数据整理的工作量较大,并且没有考虑区域之间的空间信息;在另一方面,也有不对滑坡数据进行整理,直接将获取的滑坡图像输入神经网络模型中,进行对滑坡易发性进行预测的,但这种方式,只能提取单一位置的单一影响因素的图像,然后将该图像输入神经网络模型中,对滑坡易发性进行预测。
发明内容
本发明实施例提供一种滑坡易发性评价方法、装置、设备和存储介质,以实现快速基于整个滑坡区域中的多个影响因子对滑坡易发性进行预测的效果。
第一方面,本发明实施例提供了一种滑坡易发性预测方法,该方法包括:
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。
第二方面,本发明实施例还提供了一种滑坡易发性预测装置,该装置包括:
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。
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;
存储装置,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实施例中任一所述的滑坡易发性预测方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的滑坡易发性预测方法。
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/202010633734.9/2.html,转载请声明来源钻瓜专利网。