[发明专利]一种基于空天地一体化的矿山尾矿库灾害预警方法

权利要求书

1.一种基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于，包括如下步骤：

S1、通过遥感卫星获得矿山尾矿库的具体位置、类型、大小信息；

S2、对矿山尾矿库采用无人机拍摄技术，获取地貌影像数据图像；

S3、构建分类模型，下载已有的地貌数据图像作为训练集，并输入到分类模型中，通过反向传播更新网络模型参数，得到矿山尾矿库地貌分类模型；将步骤S2获取的地貌影像数据图像输入到矿山尾矿库地貌分类模型中，得到分类结果并标记，“0”为正常图像，“1”为土地裂缝图像；

S4、对有土地裂缝图像地貌的矿山尾矿库进行结构稳定性的数据采集，选取6个影响因子作为影响矿山尾矿库稳定性能参数；

S5、构建BP神经网络并训练；

S6、将步骤S4中的稳定性能参数输入到训练后的BP神经网络中，拟合得到预测安全系数；

S7、对尾矿库安全系数达到阈值范围时，发出预警。

2.根据权利要求1所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：在步骤S3中，所述的分类模型包括：第一卷积层、第一移动翻转瓶颈卷积块、第二移动翻转瓶颈块、第三移动翻转瓶颈块、第四移动翻转瓶颈块、第五移动翻转瓶颈块、第六移动翻转瓶颈块、第七移动翻转瓶颈块、第二卷积层、全局平均池化层、全连接层和softmax分类器。

3.根据权利要求2所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：所述第一卷积层的卷积核大小为3*3，步长为1，其中包含批归一化层和Swish函数的激活层；所述第二卷积层的卷积核大小为1*1，步长为1；

所述第一移动翻转瓶颈卷积块、第二移动翻转瓶颈块、第三移动翻转瓶颈块、第四移动翻转瓶颈块、第五移动翻转瓶颈块、第六移动翻转瓶颈块和第七移动翻转瓶颈块的结构均为：依次连接的卷积核大小为1*1的第Ⅰ卷积层、第Ⅰ批归一化层、第Ⅰ激活层、k*k的深度卷积层、第Ⅱ批归一化层、第Ⅱ激活层、注意力模块、卷积核大小为1*1的第Ⅱ卷积层、第Ⅲ批归一化层；

所述第Ⅰ激活层和第Ⅱ激活层均使用Swish函数；所述k*k的深度卷积层中的k是由对应的移动翻转瓶颈块确定；

所述注意力模块依次连接的全局平均池化层、第一全连接层、第Ⅲ激活层、第二全连接层和第Ⅳ激活层；所述第Ⅲ激活层使用Swish函数，第Ⅳ激活层使用Sigmoid函数。

4.根据权利要求1所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：所述矿山尾矿库地貌分类模型使用随机梯度下降法SGD作为优化器，使用交叉熵作为损失函数；

SGD公式表达为：

t为次数，θ^t为t次更新的参数，α为学习率初值为0.001，n为样本的数量，x是样本，y是目标值；

交叉熵作为损失函数，公式表达为：

n为样本的数量，K为2代表类别数，为模型预测结果。

5.根据权利要求1所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：所述步骤S4中选取6个影响因子作为影响矿山尾矿库稳定性能参数，具体包括重度、内聚力、摩擦角、边坡高、边坡角和孔隙压力比。

6.根据权利要求1所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：所述BP神经网络包括：输入层、隐含层和输出层；所述输入层有6个神经元节点，对应尾矿库稳定性6个影响因子；所述隐含层有21个神经元节点，用来拟合尾矿库稳定性复杂的非线性关系，从而对训练数据进行有效的判断；所述输出层具有1个神经元节点，用来表示尾矿库稳定性安全系数。

7.根据权利要求1所述的基于空天地一体化的矿山尾矿库灾害预警方法，其特征在于：在步骤S5中，BP神经网络的训练包括如下：

S51、构建学习样本数据：学习样本数据容量为35，包含6个影响因子和1个安全系数标签，其中安全系数为样本标签；

样本数据表达为：

其中，M＝35为样本数量，N＝6为每个样本的特征数量；

S52、对学习样本数据进行标准化处理，表达式如下：

其中，是各分维的均值，S_j是各分维的标准差；

处理后的学习样本数据为：

S53、将学习样本数据输入BP神经网络中，经过正向传播得到预测输出值，然后计算预测输出值与标签值的误差，最后经过反向传播更新权重参数，达到误差精度或者最大训练周期后停止训练。