[发明专利]一种滑坡的预测方法、装置、设备和存储介质

权利要求书

1.一种滑坡的预测方法，其特征在于，包括：

获取目标区域的各个设定时间段内每天的滑坡影响因子；

将所述滑坡影响因子输入至滑坡预测模型，确定当前天的各栅格滑坡的发生概率，其中，所述滑坡预测模型根据历史滑坡数据和历史非滑坡数据训练得到，所述历史滑坡数据和所述历史非滑坡数据包括各标签在各历史时间点下的历史降雨量和特定相关因子，所述历史降雨量包括在各历史滑坡时间点下的滑坡栅格的降雨量和非滑坡栅格的降雨量，所述特定相关因子包括静态相关因子和土壤湿度。

2.根据权利要求1所述的预测方法，其特征在于，历史滑坡数据和历史非滑坡数据的确定方法，包括：

确定历史区域的各栅格对应的标签，并确定各所述历史时间点下的滑坡栅格和非滑坡栅格分别对应的历史降雨量和特定相关因子；

基于所述标签，生成包括滑坡栅格和非滑坡栅格分别对应的历史降雨量和特定相关因子的滑坡数据集，根据所述滑坡数据集中各个栅格对应的标签确定所述历史滑坡数据和历史非滑坡数据。

3.根据权利要求2所述的预测方法，其特征在于，所述滑坡预测模型为自步分类学习模型，所述滑坡预测模型的训练方法，包括：

获取初始预测模型，并获取各历史滑坡时间点下的滑坡栅格的降雨量和非滑坡栅格的降雨量，以及各所述标签下的特定相关因子；

按天将所述历史滑坡时间点下的滑坡栅格的降雨量、所述非滑坡栅格的降雨量以及各所述标签下的特定相关因子输入至所述初始预测模型，基于初始预测模型输出的滑坡概率和所述历史滑坡时间点对应的滑坡概率调整所述初始预测模型的损失函数，直至所述损失函数达到设定阈值，得到所述滑坡预测模型。

4.根据权利要求3所述的预测方法，其特征在于，所述基于初始预测模型输出的滑坡概率和所述历史滑坡时间点对应的滑坡概率调整所述初始预测模型的损失函数，直至所述损失函数达到设定阈值，得到所述滑坡预测模型，包括：

基于所述历史滑坡时间点下的滑坡栅格的降雨量、所述非滑坡栅格的降雨量、各所述标签以及各所述标签下的特定相关因子，确定所述初始预测模型的初始分类硬度；

根据所述初始分类硬度确定所述非滑坡栅格的降雨量和非滑坡栅格的特定相关因子的分箱个数，基于所述分箱个数确定所述初始预测模型的各分箱的自步因子；

基于所述自步因子确定每个分箱的下采样比例，并基于所述下采样比例确定各分箱内的下采样的非滑坡栅格的降雨量，以及确定下采样的非滑坡栅格的特定相关因子；

将所述下采样的非滑坡栅格的降雨量、下采样的非滑坡栅格的特定相关因子以及滑坡栅格的降雨量输入至所述初始预测模型，基于所述初始预测模型输出的滑坡概率和所述历史滑坡时间点对应的滑坡概率确定所述损失函数，基于所述损失函数在单个样本上的训练分类硬度，迭代调整自步因子和每个分箱的下采样比例；

根据迭代调整的所述自步因子和所述每个分箱的下采样比例调整所述初始预测模型，直至损失函数达到设定阈值，得到所述滑坡预测模型。

5.根据权利要求4所述的预测方法，其特征在于，每个分箱的下采样比例为每个分箱的自步因子与所有分箱的自步因子的比值，所述自步因子通过将分箱个数、分箱标签数的相反数以及迭代次数之和加1得到。

6.根据权利要求1所述的预测方法，其特征在于，所述将所述滑坡影响因子输入至滑坡预测模型，确定当前天的各栅格滑坡的发生概率，包括：

基于第一预设模型，根据所述滑坡影响因子确定每天滑坡的发生概率；

如果当前天滑坡的发生概率大于预设概率阈值，则基于第二预设模型，根据各个栅格的滑坡影响因子，确定当前天的各栅格滑坡的发生概率。

7.根据权利要求1所述的预测方法，其特征在于，还包括：

对每天的所述滑坡影响因子进行特征提取，得到滑坡特征数据；

将所述滑坡特征数据输入至所述滑坡预测模型，确定各栅格滑坡的当前天之后的特定时间点的发生概率。