[發(fā)明專(zhuān)利]一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011042770.4
• 申請(qǐng)日: 2020-09-28
• 公開(kāi)（公告）號(hào): CN112232526B
• 公開(kāi)（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 周永章;吉俊杰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中山大學(xué)
• 主分類(lèi)號(hào): G06N20/20
• 分類(lèi)號(hào): G06N20/20;G06F18/2411;G06F18/2413;G06F18/243;G06F18/27;G06N20/10;G06Q10/04;G06Q10/0635;G06Q50/26
• 代理公司: 深圳市創(chuàng)富知識(shí)產(chǎn)權(quán)代理有限公司 44367
• 代理人: 李思坪

本發(fā)明公開(kāi)了一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法及系統(tǒng)，該方法包括：獲取地質(zhì)災(zāi)害隱患點(diǎn)位置并繪制地質(zhì)災(zāi)害位置圖；根據(jù)地質(zhì)災(zāi)害位置圖構(gòu)建Tin模型并轉(zhuǎn)化為數(shù)字高程模型，得到柵格和對(duì)應(yīng)的柵格數(shù)據(jù)；提取柵格數(shù)據(jù)中的相關(guān)特征并對(duì)柵格賦予ID號(hào)；根據(jù)預(yù)訓(xùn)練的集成模型對(duì)提取出的相關(guān)特征進(jìn)行計(jì)算預(yù)測(cè)，得到預(yù)測(cè)數(shù)據(jù)；將預(yù)測(cè)數(shù)據(jù)與對(duì)應(yīng)的柵格ID號(hào)連接，得到對(duì)應(yīng)區(qū)域的災(zāi)害易發(fā)概率。該系統(tǒng)包括：圖模塊、模型模塊、柵格模塊、預(yù)測(cè)模塊和匹配結(jié)果模塊，通過(guò)使用本發(fā)明，可以提高區(qū)域?yàn)?zāi)害預(yù)測(cè)的準(zhǔn)確率。本發(fā)明作為一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法及系統(tǒng)，可廣泛應(yīng)用于災(zāi)害預(yù)測(cè)領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及災(zāi)害預(yù)測(cè)領(lǐng)域，尤其涉及一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法及系 統(tǒng)。

背景技術(shù)

地質(zhì)災(zāi)害作為一種破壞性的地質(zhì)事件，對(duì)人類(lèi)的生命財(cái)產(chǎn)和生存環(huán)境構(gòu)成嚴(yán)重的威脅。 尋找一種精度較高，適合在研究區(qū)進(jìn)行地質(zhì)災(zāi)害易發(fā)性分區(qū)的方法尤為重要，但是目前常用 的地質(zhì)災(zāi)害易發(fā)性模型預(yù)測(cè)準(zhǔn)確率較低。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，本發(fā)明的目的是提供一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià) 方法及系統(tǒng)，通過(guò)提高機(jī)器學(xué)習(xí)模型的性能從而提高災(zāi)害預(yù)測(cè)的準(zhǔn)確率。

本發(fā)明所采用的第一技術(shù)方案是：一種基于集成策略的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法，包括 以下步驟：

獲取地質(zhì)災(zāi)害隱患點(diǎn)位置并繪制地質(zhì)災(zāi)害位置圖；

根據(jù)地質(zhì)災(zāi)害位置圖構(gòu)建Tin模型并轉(zhuǎn)化為數(shù)字高程模型，得到柵格和對(duì)應(yīng)的柵格數(shù)據(jù)；

提取柵格數(shù)據(jù)中的相關(guān)特征并對(duì)柵格賦予ID號(hào)；

根據(jù)預(yù)訓(xùn)練的集成模型對(duì)提取出的相關(guān)特征進(jìn)行計(jì)算預(yù)測(cè)，得到預(yù)測(cè)數(shù)據(jù)；

將預(yù)測(cè)數(shù)據(jù)與對(duì)應(yīng)的柵格ID號(hào)連接，得到對(duì)應(yīng)區(qū)域的災(zāi)害易發(fā)概率。

進(jìn)一步，所述預(yù)訓(xùn)練的集成模型的訓(xùn)練步驟包括：

根據(jù)地質(zhì)災(zāi)害隱患點(diǎn)位置生成地質(zhì)災(zāi)害隱患點(diǎn)和非隱患點(diǎn)；

以地質(zhì)災(zāi)害隱患點(diǎn)為正例、隨機(jī)選取相同數(shù)量的非隱患點(diǎn)作為負(fù)例并采用分層抽樣以 70/30的比例劃分為訓(xùn)練集和測(cè)試集；

以訓(xùn)練集對(duì)集成模型進(jìn)行訓(xùn)練并通過(guò)驗(yàn)證集驗(yàn)證訓(xùn)練后的集成模型，驗(yàn)證通過(guò)得到預(yù)訓(xùn) 練的集成模型。

進(jìn)一步，所述集成模型具體為基于Stacking集成框架的模型，包括基學(xué)習(xí)器和元學(xué)習(xí)器。

進(jìn)一步，所述根據(jù)地質(zhì)災(zāi)害位置圖構(gòu)建Tin模型并轉(zhuǎn)化為數(shù)字高程模型，得到柵格這一 步驟，其具體包括：

根據(jù)地質(zhì)災(zāi)害位置圖獲得1:10000比例尺等值線(xiàn)圖；

將1:10000比例尺等值線(xiàn)圖輸入到三維地質(zhì)建模工具并通過(guò)等高線(xiàn)構(gòu)建Tin模型；

將Tin模型轉(zhuǎn)換為數(shù)字高程模型并根據(jù)數(shù)字高程模型得到柵格和對(duì)應(yīng)的柵格數(shù)據(jù)。

進(jìn)一步，所述柵格數(shù)據(jù)包括地質(zhì)災(zāi)害影響因子數(shù)據(jù)，具體包括坡度、坡向、高程、平面 曲率、剖面曲率、斷裂密度、河流密度、路網(wǎng)密度、斷裂距離、河流距離、路網(wǎng)距離、地貌、巖土體和土地利用類(lèi)型。

進(jìn)一步，還包括通過(guò)信息價(jià)值量法對(duì)影響因子數(shù)據(jù)進(jìn)行計(jì)算排序，得到每個(gè)影響因子對(duì) 地質(zhì)災(zāi)害發(fā)生的重要程度，并根據(jù)重要程度對(duì)影響因子進(jìn)行篩選降低冗余。

進(jìn)一步，所述提取柵格數(shù)據(jù)中的相關(guān)特征并對(duì)柵格賦予ID號(hào)這一步驟，其具體包括：

獲取區(qū)域的災(zāi)害數(shù)據(jù)并根據(jù)柵格數(shù)據(jù)、災(zāi)害數(shù)據(jù)和三維地質(zhì)建模工具得到柵格對(duì)應(yīng)的相 關(guān)特征；

通過(guò)三維地質(zhì)建模工具對(duì)區(qū)域的每個(gè)柵格賦予ID號(hào)。