[發明專利]一種區域滑坡預警方法及系統

在審

• 申請號: 202011610089.5
• 申請日: 2020-12-29
• 公開（公告）號: CN112735097A
• 公開（公告）日: 2021-04-30
• 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: G08B21/10
• 分類號: G08B21/10;G08B21/18;G08B29/18
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 王胥慧

1.一種區域滑坡預警方法，其特征在于，包括以下內容：

1)對待測地區進行網格劃分，并以一個網格單位為基本預警單元；

2)獲取待測地區各基本預警單元的歷年地質環境因素特征數據和歷年降雨因素特征數據，構建訓練樣本集；

3)對構建的訓練樣本集進行學習訓練，并優選預先建立的預警模型；

4)獲取待測地區各基本預警單元的實時地質環境因素特征數據和實時降雨因素特征數據，輸入至優選的預警模型中，得到待測地區各基本預警單元滑坡災害可能發生的概率，并進行分級預警。

2.如權利要求1所述的一種區域滑坡預警方法，其特征在于，所述步驟1)中根據待測地區的面積大小和預警實際需求，對待測地區進行網格劃分。

3.如權利要求1所述的一種區域滑坡預警方法，其特征在于，所述步驟2)中的訓練樣本集包括訓練集和測試集，訓練樣本集的輸入屬性為地質環境因素特征數據和降雨因素特征數據，訓練樣本集的輸出屬性為0或1。

4.如權利要求1所述的一種區域滑坡預警方法，其特征在于，所述步驟2)中的地質環境因素包括坡度、坡向、高程、地層巖性、距斷裂距離、距房屋距離、距道路距離和距溝谷距離，降雨因素包括當日雨量、前期雨量、前期有效雨量和年均雨量。

5.如權利要求1所述的一種區域滑坡預警方法，其特征在于，所述步驟3)的具體過程為：

3.1)采用機器學習算法，對待測地區的訓練樣本集中的訓練集進行學習訓練，構建各機器學習算法的預警模型；

3.2)采用貝葉斯優化算法，對構建的預警模型進行優化，得到優化后的預警模型；

3.3)基于模型校驗參數，根據待測地區訓練樣本集中的測試集，對優化后的預警模型進行比選。

6.如權利要求1所述的一種區域滑坡預警方法，其特征在于，該區域滑坡預警方法還根據待測地區各基本預警單元滑坡災害可能發生的概率，分級確定預警等級。

7.一種區域滑坡預警系統，其特征在于，包括：

網格劃分模塊，用于對待測地區進行網格劃分，并以一個網格單位為基本預警單元；

數據獲取模塊，用于獲取待測地區各基本預警單元的歷年地質環境因素特征數據和歷年降雨因素特征數據，構建訓練樣本集；以及獲取待測地區各基本預警單元的實時地質環境因素特征數據和實時降雨因素特征數據；

模型構建模塊，用于對構建的訓練樣本集進行學習訓練，并優選預先建立的預警模型；

分級預警模塊，用于將待測地區各基本預警單元的實時地質環境因素特征數據和實時降雨因素特征數據輸入至優選的預警模型中，得到待測地區各基本預警單元滑坡災害可能發生的概率，并進行分級預警。

8.如權利要求7所述的一種區域滑坡預警系統，其特征在于，所述模型構建模塊包括：

預警模型構建單元，用于采用機器學習算法，對待測地區的訓練樣本集中的訓練集進行學習訓練，構建各機器學習算法的預警模型；

預警模型優化單元，用于采用貝葉斯優化算法，對構建的預警模型進行優化，得到優化后的預警模型；

預警模型比選單元，用于基于模型校驗參數，根據待測地區訓練樣本集中的測試集，對優化后的預警模型進行比選。

9.一種處理器，其特征在于，包括計算機程序指令，其中，所述計算機程序指令被處理器執行時用于實現權利要求1-6中任一項所述的區域滑坡預警方法對應的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序指令，其中，所述計算機程序指令被處理器執行時用于實現權利要求1-6中任一項所述的區域滑坡預警方法對應的步驟。