[發明專利]區域滑坡預警中訓練樣本集的構建方法、系統及存儲介質

在審

• 申請號: 202010829816.0
• 申請日: 2020-08-18
• 公開（公告）號: CN112001435A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 劉艷輝;肖銳鏵;陳春利;蘇永超;徐為;方志偉;梁宏錕
• 申請（專利權）人: 中國地質環境監測院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06F16/29
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 劉美麗

本發明涉及基于機器學習或深度學習的區域滑坡預警中訓練樣本集的構建方法、系統及存儲介質，構建方法包括以下內容：將預警區進行網格剖分生成各預警網格單元；獲得各預警網格單元的地質環境的屬性參數，構建地質環境特征庫；獲得各預警網格單元的降雨誘發因素特征參數，構建降雨誘發因素特征庫；基于地質環境特征庫和降雨誘發因素特征庫，對歷史滑坡點數據進行空間疊加分析，獲得正樣本及其輸入輸出特征屬性；在時空約束條件下，對正樣本進行隨機采樣獲取負樣本及其輸入輸出屬性特征。

技術領域

本發明涉及地質災害防治領域，特別是關于一種基于機器學習或深度學習的區域滑坡預警中訓練樣本集的構建方法、系統及存儲介質。

背景技術

地質災害遍及全國山地丘陵區，已知數量近百萬處之多。滑坡是突發性地質災害的最主要類型，強降雨是誘發滑坡災害的最重要因素。世界上20多個國家或地區，包括中國香港、美國、意大利、巴西、日本等，也都不同程度地開展過或正在開展區域滑坡災害的早期預警與減災服務工作。2003年起，中國大陸分級開展區域地質災害氣象預警業務，取得了較好的防災減災成效。同時，在監測預警示范區、三峽庫區、汶川地震災區等重點區域也開展了廣泛的研究與實踐。

近年來，隨著人工智能技術的蓬勃發展，基于人工智能的機器學習和深度學習算法日益成熟。但是在區域滑坡災害預警方面機器學習和深度學習算法的應用還鮮有提及。基于機器學習研發區域滑坡災害預警模型的關鍵是訓練樣本集的獲取。訓練樣本集包括正樣本和負樣本，正樣本是指發生滑坡的點，一般以歷史滑坡編目數據為依據，匹配其特征參數構成，其質量較高；負樣本是指沒有發生滑坡的點，一般無法直接獲取。目前，迫切需要能夠準確獲得訓練樣本集的構建方法。

發明內容

針對上述問題，本發明的目的是提供一種區域滑坡預警中訓練樣本集的構建方法、系統和存儲介質，能夠以正樣本為基礎，在時空約束條件下隨機采樣獲取負樣本，獲得準確的訓練樣本集。

為實現上述目的，本發明采取以下技術方案：

本發明的第一方面提供一種區域滑坡預警中訓練樣本集的構建方法，包括以下內容：

將預警區進行網格剖分生成各預警網格單元；

獲得各預警網格單元的地質環境的屬性參數，構建地質環境特征庫；

獲得各預警網格單元的降雨誘發因素特征參數，構建降雨誘發因素特征庫；

基于地質環境特征庫和降雨誘發因素特征庫，對歷史滑坡點數據進行空間疊加分析，獲得正樣本及其輸入輸出特征屬性；

在時空約束條件下，對正樣本進行隨機采樣獲取負樣本及其輸入輸出屬性特征。

本發明的一些實施例中，所述對歷史滑坡點數據進行空間疊加分析，獲得正樣本及其輸入輸出特征屬性包括：將正樣本點、地質環境特征庫和降雨誘發因素特征庫進行空間疊加分析，獲取正樣本的輸入和輸出特征屬性。

本發明的一些實施例中，對正樣本進行隨機采樣獲取負樣本及其輸入輸出屬性特征包括：

將正樣本在空間約束條件下進行空間采樣得到M個空間點；

將M個空間點在時間約束條件下進行時間采樣得到負樣本點；

將負樣本點、地質環境特征庫和降雨誘發因素特征庫進行空間疊加分析，獲取負樣本的輸入和輸出特征屬性。

本發明的一些實施例中，將正樣本在空間約束條件下進行空間采樣得到M個空間點的具體過程包括：

導入正樣本到ArcGIS中，采用“緩沖區”工具創建緩沖區；

采用ArcGIS軟件的“裁剪”工具，裁減掉研究區范圍外的緩沖區；

通過“交集取反”工具，獲得緩沖區外區域；