[發明專利]基于機器學習的區域電網地質災害預報模型構建方法在審
| 申請號： | 201911341955.2 | 申請日： | 2019-12-24 |
| 公開（公告）號： | CN111144637A | 公開（公告）日： | 2020-05-12 |
| 發明（設計）人： | 蘇華英;王永剛;王寧;單克;唐建興;趙翔宇;田年杰;汪明清 | 申請（專利權）人： | 貴州電網有限責任公司 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06;G06Q50/26;G06N20/00 |
| 代理公司： | 成都拓荒者知識產權代理有限公司 51254 | 代理人： | 鄒廣春 |
| 地址： | 550002 貴*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 機器 學習 區域 電網 地質災害 預報 模型 構建 方法 | ||
1.基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，包括以下步驟：
S1、構建地質災害的正負樣本集，所述正負樣本集為兩類互斥樣本的集合；
S2、構建地質災害的影響因子；
S3、搭建機器學習模型，并對所述機器學習模型進行訓練；
S4、通過所述機器學習模型進行預測，并對預測結果進行檢驗。
2.根據權利要求1所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，步驟S1中，所述正負樣本集由實際發生在電網輸電設備5km范圍內的由降雨導致的有明確時間和地理坐標的地質災害個例構建的正樣本和由正樣本附近的負樣本共同構成。
3.根據權利要求2所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，所述負樣本由同一時間下距離正樣本5km以外20km以內區域的雨量觀測點構成，且以所述雨量觀測點為中心的5km范圍內當日無地質災害發生。
4.根據權利要求1所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，步驟S2中，所述影響因子包括地質因子、地災因子和降雨因子。
5.根據權利要求4所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，所述地質因子包括地形、高差、土地利用、坡度和巖性。
6.根據權利要求4所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，所述地災因子由每條正負樣本為中心的20km范圍內的歷史地質災害頻率構成。
7.根據權利要求4所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，所述降雨因子由災害發生前1-20天內逐天的有效雨量和災害發生前24小時內最大小時雨強構成。
8.根據權利要求7所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，災害發生前1-20天內的有效雨量可通過以下公式進行計算：
式中：R為災害發生前n天內的有效降水量(mm)，n取值為1-20，Ri為地質災害發生前第i天的有效降水量(mm)，K為衰減系數，取值為0.8。
9.根據權利要求1所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，步驟S3中，所述機器學習模型為隨機森林機器學習模型，以步驟S1中正負樣本集的80％進行機器學習模型訓練；
步驟S4中，以步驟S3中訓練得到的模型及步驟S1中正負樣本集的剩余20％進行機器學習模型的預測和檢驗。
10.根據權利要求10所述的基于機器學習的區域電網地質災害預報模型構建方法，其特征在于，機器學習模型的檢驗包括精度P、召回率R和F1值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州電網有限責任公司，未經貴州電網有限責任公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911341955.2/1.html，轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
