[發明專利]一種山洪風險預測方法及預測系統

在審

• 申請號: 202110182429.7
• 申請日: 2021-02-10
• 公開（公告）號: CN112966856A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 劉明錦;張智涌;王賓;陳萬林;高瑞潔;高鍵
• 申請（專利權）人: 四川水利職業技術學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 張超

1.一種山洪風險預測方法，其特征在于，包括以下步驟：

S1：獲取第一數據，所述第一數據為目標區域內歷史采集的山洪影響因素數據；

S2：對第一數據進行數據清洗，獲得第二數據；

S3：將第二數據劃分為訓練數據集與測試數據集，構建神經網絡模型，將訓練數據集輸入到神經網絡模型中，采用損失函數與梯度下降調節的方法對神經網絡模型進行訓練，獲得訓練模型；

S4：將測試數據集輸入到訓練模型中，對訓練模型進行測試優化，獲得最優模型，所述最優模型為山洪風險預測模型；

S5：將下一次獲取的山洪影響因素數據輸入到山洪預測風險模型中，獲得待預測山洪值，并將待預測山洪值與預設閾值做比較，若待預測山洪值大于預設閾值時，則目標區域有山洪暴發風險，若待預測山洪值小于預設閾值，則目標區域沒有山洪暴發風險，所述預設閾值為山洪暴發與山洪不爆發之間的臨界點。

2.根據權利要求1所述的一種山洪風險預測方法，其特征在于，所述步驟S3具體的操作方法包括：

S31：將訓練數據集輸入到神經網絡模型中，通過神經網絡正向傳播計算損失函數與訓練誤差；

S32：通過損失函數進行神經網絡反向傳播計算，不斷更新神經網絡中的參數；

S33：重復步驟S31-S32，直到神經網絡模型中的訓練誤差達到預期值，輸出訓練模型。

3.根據權利要求2所述的一種山洪風險預測方法，其特征在于，所述預期值為訓練山洪值接近目標山洪值,且誤差小于等于20％，則：

y′_i為訓練山洪值，y為目標山洪值。

4.根據權利要求1所述的一種山洪風險預測方法，其特征在于，所述影響因素數據包括但不限于由傳感器數據實時采集的實時降雨量、實時風力、實時風向、實時空氣濕度、實時坡度、實時溫度、實時土壤墑情。

5.根據權利要求1所述的一種山洪風險預測方法，其特征在于，所述數據清洗為：

檢查第一數據是否超出異常范圍值，若超出，則進行剔除，若不超出，則進行下一步；

對第一數據依次進行無效值處理、缺失值處理，將第一數據轉換為標準格式的數據，該數據為第二數據。

6.根據權利要求2所述的一種山洪風險預測方法，其特征在于，所述訓練誤差的函數具體表達式為：

y_i為預測山洪值，y為實際山洪值，n為數據個數，均方誤差(Mean Squared Error)MSE)為n個數據預測結果誤差平方的均值。

7.根據權利要求1所述的一種山洪風險預測方法，其特征在于，所述待預測的山洪值y_i的計算表達式為：

y_i＝w₁x_i1+w₂x_i2，...w_dx_id+b，i＝1，...，n

w₁,w₂,...,w_d,b均為影響因素，w為權重，b為偏重，x_il...,x_id為山洪預測中第i個傳感器數據的取值。