[发明专利]地质灾害预警的三维数字化数据库构建方法在审
申请号: | 202310335752.2 | 申请日: | 2023-03-31 |
公开(公告)号: | CN116361238A | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 苏昊;蒋志英;贺丹 | 申请(专利权)人: | 常州纺织服装职业技术学院 |
主分类号: | G06F16/11 | 分类号: | G06F16/11;G06F16/29;G06F16/25;G06F16/28;G06F16/22;G06F18/214;G06F17/18;G06Q10/04;G06Q50/26;G06F16/51 |
代理公司: | 上海思牛达专利代理事务所(特殊普通合伙) 31355 | 代理人: | 丁剑 |
地址: | 213164 江苏省*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 地质灾害 预警 三维 数字化 数据库 构建 方法 | ||
1.地质灾害预警的三维数字化数据库构建方法,其特征在于,该构建方法具体步骤如下:
(1)收集地质灾害数据并进行数据过滤;
(2)对过滤后的灾害数据进行分类处理;
(3)依据分类结果建立数据库并连接;
(4)测试数据库预警准确性并更新数据;
(5)收集操作日志并进行风险评估。
2.根据权利要求1所述的地质灾害预警的三维数字化数据库构建方法,其特征在于,步骤(1)中所述数据过滤具体步骤如下:
步骤一:构建并训练一组检测网络模型,之后将网络病毒的传染标准添加至该检测网络模型分析规则中,再将收集到的灾害数据导入检测网络模型中;
步骤二:将灾害数据中所有非二进制数据转换为二进制,然后对各组灾害数据通过Max-Min归一化方法转换至0至1区间内,再计算各组灾害数据的方差系数,并依据各方差系数筛除表征能力差的灾害数据;
步骤三:将灾害数据划分为训练集以及测试集,然后再对训练姐进行标准化处理获取训练样本,将训练样本输送到检测网络模型中,设置模型具体参数,采用长期迭代法训练该网络模型,并将测试集输入到训练好的模型中筛除存在冗余、残缺以及存在病毒的灾害数据。
3.根据权利要求2所述的地质灾害预警的三维数字化数据库构建方法,其特征在于,步骤一中所述检测网络模型具体训练步骤如下:
步骤①:检测网络模型从云服务器提取多组测试数据,并从中选择一组作为观测数据,之后使用剩下的测试数据拟合一组测试模型,并用观测数据来验证测试模型的精度,并重复n次利用均方根误差对该测试模型的预测能力进行计算;
步骤②:对生成的参数进行参数优化处理,之后初始化参数范围,并建立数据样本,对于每一组数据,选取任意一个子集作为测试集,其余子集作为训练集,通过训练集训练完模型后,对测试集进行预测,统计测试结果的均方根误差;
步骤③:求取最优参数组合,同时将测试集更换为另一子集,再取剩余子集作为训练集,再次统计均方根误差,直至对各组数据都进行一次预测,通过选取均方根误差最小时对应的组合参数做为最优的参数。
4.根据权利要求1所述的地质灾害预警的三维数字化数据库构建方法,其特征在于,步骤(2)中所述灾害数据分类处理具体步骤如下:
步骤Ⅰ:对各组地质灾害形成条件进行归纳,并采用E-R图法对其进行抽象加工以确定地质灾害体、属性及其它们之间的联系;
步骤Ⅱ:将各组灾害数据按照基础地理信息、地质信息、气象信息以及灾害防治建议进行分类,并构建灾害诱发因素表、灾害主控因素表以及灾害整体特征表。
5.根据权利要求1所述的地质灾害预警的三维数字化数据库构建方法,其特征在于,步骤(4)中所述数据库建立并连接具体步骤如下:
第一步:利用数据转换工具将地质灾害图形数据转换为规定的Shape文件,然后把转换后的Shape文件导入到Geodatabase数据库中,建立地质灾害图形数据库;
第二步:将研究区降雨量分布图、降雨量等值线图气象图形数据按实际需要划分成若干图层,并对其进行相关处理建立气象预报预警图形数据库,最后将地质灾害图形数据库与气象预报预警图形数据库进行一体化集成管理;
第三步:将地质灾害预警属性数据集存储至SQL Server数据库中,将同一灾害要素包含多条属性记录的主表拆分成多组子表,建立表与表之间的关系,再建立相应的属性表,然后对所新建的表进行编辑,分别录入灾害点及外部属性数据和内部属性数据,建立属性结构以供用户查询以及浏览;
第四步:通过“统一编码”实现地质灾害图形数据库和属性数据库的连接,并对地质灾害图形数据库进行访问以实现逻辑上和物理上无缝的、集查询统计、显示以及空间分析功能于一体的地质灾害预警空间数据库的建立。
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常州纺织服装职业技术学院,未经常州纺织服装职业技术学院许可,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/202310335752.2/1.html,转载请声明来源钻瓜专利网。