[发明专利]地表信息预测方法及装置

说明书

本申请提供的地表信息预测方法及装置，涉及地表预测技术领域。在本申请中，首先，基于图神经网络和循环神经网络构建地表信息预测模型。其次，基于获得的多个样本信息集合对地表信息预测模型进行更新处理，得到更新后的地表信息预测模型，其中，多个样本信息集合在多个历史时间下对目标区域进行信息采集形成。然后，基于更新后的地表信息预测模型对目标地表信息进行预测处理，得到预测地表信息。基于上述方法，可以改善现有地表预测技术中存在的预测结果可靠度较低的问题。

技术领域

本申请涉及地表预测技术领域，具体而言，涉及一种地表信息预测方法及装置。

背景技术

地面沉降指的是，在自然因素（如降雨、地震和山体滑坡等）影响下，地面标高降低的一种局部下降运动。其中，该局部下降运动容易导致大量生命、财产的损失，因此，这类灾害的防控成为了一些研究的关注对象。

在传统的技术中，最简单的防控手段是专业人员定时巡查，但是，巡查范围广、耗费时间长、人员雇佣成本高等问题，导致大部分的潜在危险区域都没有受到足够的关注。其中，随着传感器和计算机技术的发展，越来越多的防控手段得到了运用。例如，通过建立监测站，用各种相关仪器进行雨量监测、地下水位监测、应力监测、土壤含水量监测等，在有关专家的分析下得出结论，从而进行相应的防控。

上述方法存在的弊端是，需要经验丰富、知识面极广的专家负责，并且得到信息后需要加以分析，使得无法快速做出判断。基于此，现有技术中，随着机器学习（尤其是深度学习）的发展，各种模型被应用到了地质监控领域，包括贝叶斯模型（Bayes networks）、决策树（Decision Trees，DT）、支持向量机（Support Vector Machine，SVM）等。

但是，经发明人研究发现，在上述现有技术中，仍然存在着对地表信息进行预测的预测结果可靠度较低的问题。

发明内容

有鉴于此，本申请的目的在于提供一种地表信息预测方法及装置，以改善现有地表预测技术中存在的预测结果可靠度较低的问题。

为实现上述目的，本申请实施例采用如下技术方案：

一种地表信息预测方法，包括：

基于图神经网络和循环神经网络构建地表信息预测模型；

基于获得的多个样本信息集合对所述地表信息预测模型进行更新处理，得到更新后的地表信息预测模型，其中，该多个样本信息集合在多个历史时间下对目标区域进行信息采集形成，且每一个样本信息集合包括该目标区域中多个位置的历史高度变化信息；

基于所述更新后的地表信息预测模型对目标地表信息进行预测处理，得到预测地表信息，其中，该目标地表信息包括所述目标区域中至少一个位置在目标时间的目标高度变化信息，且该预测地表信息包括该至少一个位置的预测高度变化信息。

在本申请实施例较佳的选择中，在地表信息预测方法中，所述基于获得的多个样本信息集合对所述地表信息预测模型进行更新处理，得到更新后的地表信息预测模型的步骤，包括：

基于获得的多个样本信息集合分别形成多个训练信息集合和多个测试信息集合，其中，任意一个所述训练信息集合对应的历史时间早于任意一个所述测试信息集合对应的历史时间；

基于所述训练信息集合包括的历史高度变化信息对所述地表信息预测模型进行更新处理，得到第一地表信息预测模型；

基于所述测试信息集合包括的历史高度变化信息对所述第一地表信息预测模型进行测试处理，并在得到的测试结果满足预设条件时，将该第一地表信息预测模型作为更新后的地表信息预测模型。

在本申请实施例较佳的选择中，在地表信息预测方法中，所述基于所述训练信息集合包括的历史高度变化信息对所述地表信息预测模型进行更新处理，得到第一地表信息预测模型的步骤，包括：