[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

本發明涉及一種區域滑坡預警方法及系統，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，本發明可以廣泛應用于地質災害防治領域中。

技術領域

本發明是關于一種區域滑坡預警方法及系統，屬于地質災害防治領域。

背景技術

中國是世界上地質災害分布最廣、危害最嚴重的國家之一，地質災害遍及全國山地丘陵區，已知數量近百萬處之多，平均每年造成數百人死亡，數十億元直接經濟損失。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，均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廣泛的研究與實踐。

預警模型是成功開展地質災害氣象預警的關鍵。檢索顯示，國內外區域滑坡災害的預警模型主要分為臨界降雨閾值模型和動力預警模型兩大類。近年來，隨著人工智能方法的蓬勃發展，基于人工智能的機器學習和深度學習算法日益成熟，在各行業得到廣泛應用。在地質災害防治領域，近年來多種機器學習算法在滑坡空間評價預測中得到廣泛應用，例如人工神經網絡、決策樹、支持向量機和隨機森林等，但是在區域滑坡災害預警方面中的應用還鮮有提及。基于人工智能和大數據方法，開展高精度的、能夠提高區域滑坡災害預警能力和水平的區域滑坡預警模型方法研究，是地質災害氣象預警業務的迫切需求。

發明內容

針對上述問題，本發明的目的是提供一種能夠提高區域滑坡災害預警能力和水平的區域滑坡預警方法及系統。

為實現上述目的，本發明采取以下技術方案：一種區域滑坡預警方法，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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，根據待測地區的訓練樣本集中的測試集，對優化后的預警模型進行比選。

進一步地，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。