[發明專利]一種基于寬度學習模型的泥石流災害預報方法

在審

• 申請號: 202010697270.8
• 申請日: 2020-07-20
• 公開（公告）號: CN111967648A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 溫宗周;何洋;李麗敏;徐根祺
• 申請（專利權）人: 西安工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/27;G06N3/08;G06K9/62;G06F16/215;G06F17/16
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 燕肇琪

本發明公開了一種基于寬度學習模型的泥石流災害預報方法，具體按照以下步驟實施：步驟1、建立泥石流監測預警系統，獲取初始泥石流災害影響因子數據，經標準化處理后運用快速多個主成分并行提取算法FMPCE篩選出6個主要影響因子；步驟2、構建基于寬度學習模型的泥石流災害預測模型，用矩陣隨機近似奇異值分解對步驟2構建的基于寬度學習模型的泥石流災害預測模型進行了優化，將步驟1得到的泥石流災害的6個主要影響因子作為寬度學習算法BL的輸入，輸出泥石流發生概率，完成泥石流災害預測，解決了現有技術中存在的災害預測中輸入數據維度較大的問題。

技術領域

本發明屬于地質災害預報方法技術領域，涉及一種基于寬度學習模型的泥石流災害預報方法。

背景技術

泥石流是我國主要地質災害之一。我國幅員遼闊，自然環境復雜多變，山區地質構造活動強烈，此外隨著人們隨意改造山林等不合理建設活動的增加，也極易引發泥石流災害。近年來，頻繁爆發的泥石流災害引起了國家政府部門的高度關注，為降低泥石流災害的危害程度，有關部門加強了調查與防治工作，對泥石流易發區進行了調查和探究。泥石流預報問題已成為自然災害領域研究的一項前沿課題，能否提供有效的泥石流災害預報方法成為防災減災的關鍵點。

研究者們根據泥石流形成的特點，提出了多種泥石流災害預報方法。有研究者結合模糊系統理論和人工神經網絡對泥石流危險性進行評價，然而模糊系統計算復雜度大，確定泥石流指標權重向量時過于主觀，雖然人工神經網絡的加入較好地克服了這一缺陷，但人工神經網絡在訓練過程中，模型本身易陷入局部極小值，因此，該方法精度不高；有研究者將層次分析法分別用于對泥石流發生概率進行預警和泥石流易發性評價，均取得了一定的成果，但層次分析法依賴于專家系統的支持，往往標度工作量大，數據維度較多；也有學者依據當地泥石流的啟動機理，分別運用溝床起動型泥石流10min降雨預報公式與淺層滑坡匯集型溝谷泥石流的預報公式進行泥石流預警，在泥石流降雨臨界值預報中獲得了良好效果，然而未深入考慮其它相關影響因素，在一定程度上可能會影響預報準確性；還有學者將邏輯回歸模型運用于泥石流災害易發性評價研究中，綜合多種指標進行分析，在精確度方面得到了一定提高，但邏輯回歸屬于廣義線性回歸模型，受到多重共線性問題的影響較大；最近又有學者提出了一種基于RBF神經網絡的泥石危險性評價模型并取得了較好的效果，但缺乏對指標之間相關性的分析，可能造成信息相互疊加，容易引起維度災難。

發明內容

本發明的目的是提供一種基于寬度學習模型的泥石流災害預報方法，解決了現有技術中存在的災害預測中輸入數據維度較大的問題。

本發明所采用的技術方案是，一種基于寬度學習模型的泥石流災害預報方法，具體按照以下步驟實施：

步驟1、建立泥石流監測預警系統，獲取初始泥石流災害影響因子數據，經標準化處理后運用快速多個主成分并行提取算法FMPCE篩選出6個主要影響因子；

步驟2、構建基于寬度學習模型的泥石流災害預測模型，用矩陣隨機近似奇異值分解對步驟2構建的基于寬度學習模型的泥石流災害預測模型進行了優化，將步驟1得到的泥石流災害的6個主要影響因子作為寬度學習算法BL的輸入，輸出泥石流發生概率，完成泥石流災害預測。

本發明的特點還在于：

步驟1中的泥石流在線監測系統包括多個無線智能傳感器模塊和現場預報終端模塊，多個無線智能傳感器模塊分別與現場預報終端模塊通過ZigBee模塊進行通訊連接，現場預報終端模塊通過GPRS通訊方式與控制中心連接。

現場預報終端模塊包括中央處理器和分別與中央處理器連接的電源模塊、存儲模塊及GPRS模塊，GPRS模塊與控制中心通過GPRS通訊方式連接。

無線智能傳感器模塊包括監測分機和與監測分機連接的A/D轉換電路模塊，各類傳感器模塊，GPRS模塊與監測分機模塊通過ZigBee模塊進行通訊連接。