[发明专利]一种基于XGBoost算法的滑坡短临智能预警方法在审

专利信息
申请号: 202010659730.8 申请日: 2020-07-09
公开(公告)号: CN111784070A 公开(公告)日: 2020-10-16
发明(设计)人: 赵文祎;张鸣之;马娟;齐干;邢顾莲;朱赛楠 申请(专利权)人: 中国地质环境监测院
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/26;G08B21/10;G06N20/00;G06N5/00
代理公司: 北京思海天达知识产权代理有限公司 11203 代理人: 吴荫芳
地址: 100081 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 xgboost 算法 滑坡 智能 预警 方法
【说明书】:

发明公开了一种基于XGBoost算法的滑坡短临智能预警方法,涉及滑坡监测预警和机器学习领域。本发明首次将XGBoost算法应用于滑坡短临智能预警领域。具体包括实时采集滑坡体特征数据,由此构建滑坡体特征向量;所述的滑坡体特征向量包括降雨量、土壤含水率,以及滑坡体地表变形特征;XGBoost模型根据预测日之前的历史时间序列构建的滑坡体特征向量、预测日当天天气预报预测的降雨量对预测日当天的滑坡体地表变形特征进行预测;如果预测值大于安全阈值则发出智能预警。本发明计算速度和预测精度明显提升,可基于未来的降雨预报数据对滑坡形变开展智能短临预测。

技术领域

本发明公开了一种基于XGBoost算法的滑坡短临智能预警方法,涉及滑坡监测预警和机器学习领域。

背景技术

滑坡作为一种重要的地质灾害,在我国广泛存在,频繁发生,带来较大的人员伤亡和财产损失,目前灾情依然严峻。随着科技的迅猛发展,监测预警已成为主动防范滑坡地质灾害的最直接有效的手段。滑坡是一个受自身地质条件和外界因素共同影响的复杂多维非线性动态系统,滑坡变形是这一复杂多维非线性动态系统中多种因素共同作用的结果,是能够直接反映滑坡变形演化过程的一种综合性变量。滑坡变形与滑坡的运动特征相对应,针对滑坡变形进行的预测工作是准确把握滑坡变形演化阶段、实现滑坡准确预警的基础和前提。基于变形预测开展滑坡短临智能预警,可为应急响应留出充足时间开展处置工作,减少人员伤亡和财产损失。

国内外对滑坡变形预测进行了大量的研究。变形预测模型主要分为统计预测模型和机器学习模型。统计预测模型有灰色预测模型、回归分析模型、时间序列模型、指数平滑法等。近年来,机器学习模型已经广泛应用于单体滑坡智能预测和预警工作,主要使用RBF(Radial Basis Function)、BP(Back Propagation)、k-means、SVR(Support VactorRegression)等智能算法。但是上述模型都存在着一些问题,如统计预测模型相对较为简单,无法很好的拟合滑坡高度复杂性的非线性变化,预测精度提升较为困难。机器学习模型比如SVR模型,存在耗时较长和预测精度有待提高的问题;BP神经网络可以解决非线性问题,但其在训练过程中容易陷入局部极小,收敛速度慢,对训练样本具有依懒性;k-means容易陷入局部最优、聚类停滞等问题。

针对上述问题,本发明提出一种基于XGBoost的变形预测方法。XGBoost(极端梯度上升,Extreme Gradient Boosting)是陈天奇在2016年提出的基于弱学习器集成的算法,弱学习器是指泛化性能比随机猜测高的学习器,是在梯度提升树(GBDT)基础上的改进算法。XGBoost具有以下理论优势:(1)对损失函数引入正则化项,控制了模型复杂度,防止过拟合;(2)对损失函数进行二阶泰勒展开,提高了收敛速度与收敛精度;(3)引入列抽样,进一步提高计算速度并防止过拟合。(4)XGBoost允许选择多种弱学习器集成预测,将多种弱学习器的预测结果集成起来作为最终结果来提高准确率。(5)XGBoost采取许多避免过拟合的策略,支持提前停止构建树从而避免无效计算,训练速度快,模型准确率高,被工业界广为推崇,在时序预测中得到了广泛应用。

发明内容

本发明提出了一种基于XGBoost算法的滑坡短临智能预警方法。可解决目前已有机器学习模型在滑坡变形智能预测中训练时间长、预测精度差等问题。

本发明可根据雨量计、裂缝计、GNSS、倾角计、加速度计、土壤含水率计、土壤温度计等监测仪器的实时监测数据,基于XGBoost算法对滑坡体未来一段时间内的变形进行智能预测,根据预警判据阈值,对未来可能发生的滑坡变形进行智能预警。该方法可进行一维预测也可进行多维预测,预测速度快,预测精度高。具体技术方案如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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中国地质环境监测院,未经中国地质环境监测院许可,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/202010659730.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top