[发明专利]一种道路交通地质灾害预警方法、装置及存储介质在审

专利信息
申请号: 202110354758.5 申请日: 2021-03-31
公开(公告)号: CN113034859A 公开(公告)日: 2021-06-25
发明(设计)人: 褚端峰;赵晨阳;陆丽萍;吴超仲 申请(专利权)人: 武汉理工大学
主分类号: G08B21/10 分类号: G08B21/10;G08G1/048
代理公司: 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 代理人: 陈建军
地址: 430070 湖*** 国省代码: 湖北;42
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 道路交通 地质灾害 预警 方法 装置 存储 介质
【权利要求书】:

1.一种道路交通地质灾害预警方法,其特征在于,包括以下步骤:

获取地质灾害预测数据,对所述地质灾害预测数据进行多点数据融合,获取预测数据融合值;

以回归参数和运动平均参数作为变量,建立预测序列数学模型;

将预测数据融合值导入训练完备的预测序列数学模型,获取预测数据,根据所述预测数据进行灾害预警。

2.根据权利要求1所述的道路交通地质灾害预警方法,其特征在于,所述地质灾害预测数据包括气象、地质、交通流的数据。

3.根据权利要求1所述的道路交通地质灾害预警方法,其特征在于,对所述地质灾害预测数据进行多点数据融合,得到预测数据融合值,具体包括:通过多点数据融合公式对所述地质灾害预测数据进行多点数据融合,获取预测数据融合值;所述多点数据融合公式为

y=[θ12,...θn][a1,a2,...an]T

其中,θi为权重系数,ai为地质灾害预测数据,且ai服从正态分布,n为预测数据的多源数,1in。

4.根据权利要求3所述的道路交通地质灾害预警方法,其特征在于,还包括通过最优权重确定公式,确定权重系数θi,所述最优权重确定公式为

其中,σ为地质灾害融合程度的判断值,σi为预测值误差的均方差。

5.根据权利要求1所述的道路交通地质灾害预警方法,其特征在于,以回归参数和运动平均参数作为变量,建立预测序列数学模型,具体包括:将预测序列{ai},i=1,2,…,t拟合一个随机差分方程,将回归参数和运动平均参数作为变量,建立预测序列数学模型;所述随机差分方程为

其中,at为预测序列{ai}在t时刻的元素,η为回归参数,β为滑动平均参数,ct为预测序列{ai}在t时刻的元素的融合值,m为多源数据的融合总次数,n为预测数据的多源数,k(k=1,2,…,n)为不同预测数据序列的顺序数,j(j=1,2,…,m)为多源数据融合次数的顺序数。

6.根据权利要求5所述的道路交通地质灾害预警方法,其特征在于,将回归参数和运动平均参数作为变量,建立预测序列数学模型,具体包括:将回归参数和运动平均参数作为变量,以E(ξt+1|at,at-1,at-2,...)=o为基本函数,建立预测序列数学模型,

其中,f(η,β)为地质灾害预测的目标函数,为预测序列在t+1的估计值,at+1为预测序列在t+1时刻的元素。

7.根据权利要求1所述的道路交通地质灾害预警方法,其特征在于,所述预测序列数学模型的训练过程,具体包括:初始化预测网络,设定数据连接权值和参数训练时的误差,同时设定误差阈值和训练次数;确定预测数据融合值输入节点的向量和输出结果的向量;通过输入的节点向量和每一个连接节点的权值来计算隐含层的值;获取预测结果,将得到预测结果与期望值对比,获取误差值,若误差值小于设定误差阈值,则输出结果。

8.根据权利要求7所述的道路交通地质灾害预警方法,其特征在于,还包括,若误差值大于或等于设定误差阈值,则计算出每一层预测节点的偏导数,获取每一个预测节点的连接权值,修正每一个预测节点的连接权值,再次获取误差值,直至所述误差值小于设定误差阈值或者训练次数达到设定次数,则输出结果。

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武汉理工大学,未经武汉理工大学许可,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/202110354758.5/1.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