[发明专利]基于语义信息驱动的滑坡位移预测模型构建及使用方法

权利要求书

1.一种基于语义信息驱动的滑坡位移预测模型的构建方法，其特征在于，包括以下步骤：

S1、通过特征构造和特征组合，将滑坡监测数据转化为语义信息，得到按自然日划分的单独组合样本、考虑连续多个自然日为同一监测值的连续组合样本；

S2、采用滑动窗口方差算法将滑坡累计位移曲线划分为平缓阶段、加速阶段；

S3、对平缓阶段使用连续组合样本进行深层语义特征提取，得到连续组合样本深层语义特征；对加速阶段使用单独组合样本进行深层语义特征提取，得到单独组合样本深层语义特征；所述深层语义特征提取，包括：

S3-1、使用词向量生成模型和相对位置编码对组合样本进行词嵌入处理，得到词嵌入层输出向量；

S3-2、对词嵌入层输出向量采用多头注意力机制进行计算，得到多头注意力机制模块输出结果；

S3-3、对多头注意力机制模块输出结果通过前向传播和层归一化，得到深层语义特征；

S4、使用连续组合样本深层语义特征对长短期记忆神经网络进行训练，得到语义信息驱动平缓阶段识别器；使用单独组合样本深层语义特征对长短期记忆神经网络进行训练，得到语义信息驱动加速阶段预测器；

S5、将语义信息驱动平缓阶段识别器的输出结果作为交互开关，通过交互开关控制语义信息驱动平缓阶段识别器和语义信息驱动加速阶段预测器协同工作，得到基于语义信息驱动的滑坡位移预测模型。

2.根据权利要求1所述的基于语义信息驱动的滑坡位移预测模型的构建方法，其特征在于，通过特征构造和特征组合，将滑坡监测数据转化为语义信息，包括：

S1-1、将滑坡监测数据以离散化方式转换以文本为代表的语义信息特征；

S1-2、通过特征组合对语义信息特征进行组合，得到单独组合样本、连续组合样本。

3.根据权利要求1所述的基于语义信息驱动的滑坡位移预测模型的构建方法，其特征在于，所述对词嵌入层输出向量采用多头注意力机制进行计算，包括：

S3-2-1、计算查询矩阵、键矩阵、值矩阵；

S3-2-2、计算多头注意力机制分布结果；

S3-2-3、将词嵌入层输出向量与多头注意力机制分布结果相加，通过层归一化将残差结果进行规范化，得到多头注意力机制模块输出结果。

4.根据权利要求1所述的基于语义信息驱动的滑坡位移预测模型的构建方法，其特征在于，所述滑动窗口方差算法如下：以一个预设时间周期作为时间窗口，滑动计算窗口内方差及其预设百分比的分位数。

5.根据权利要求4所述的基于语义信息驱动的滑坡位移预测模型的构建方法，其特征在于，所述预设时间周期为3个自然日，所述预设百分比为80％。

6.一种基于语义信息驱动的滑坡位移预测方法，其特征在于，根据滑坡监测数据，使用基于语义信息驱动的滑坡位移预测模型对滑坡的平缓阶段、加速阶段进行识别，对滑坡的加速阶段的日位移量进行预测；所述基于语义信息驱动的滑坡位移预测模型包括：

监测数据语义信息转化层，用于将滑坡监测数据转换为语义信息，得到单独组合样本、连续组合样本；

阶段划分层，用于将滑坡累计位移曲线划分为平缓阶段、加速阶段；

深层语义特征提取层，用于根据平缓阶段、加速阶段，分别提取连续组合样本、单独组合样本的深层语义特征；

阶段识别和日位移预测层，包括语义信息驱动平缓阶段识别器，用于对滑坡的平缓阶段、加速阶段进行识别；还包括语义信息驱动加速阶段预测器，用于对滑坡的加速阶段的日位移量进行预测。

7.一种电子设备，其特征在于，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权利要求1-6中任一所述的方法。

8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一所述的方法。