[發(fā)明專利]一種道路交通地質(zhì)災(zāi)害預(yù)警方法、裝置及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202110354758.5 | 申請日: | 2021-03-31 |
| 公開(公告)號: | CN113034859A | 公開(公告)日: | 2021-06-25 |
| 發(fā)明(設(shè)計)人: | 褚端峰;趙晨陽;陸麗萍;吳超仲 | 申請(專利權(quán))人: | 武漢理工大學 |
| 主分類號: | G08B21/10 | 分類號: | G08B21/10;G08G1/048 |
| 代理公司: | 武漢智嘉聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 42231 | 代理人: | 陳建軍 |
| 地址: | 430070 湖*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 道路交通 地質(zhì)災(zāi)害 預(yù)警 方法 裝置 存儲 介質(zhì) | ||
1.一種道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,包括以下步驟:
獲取地質(zhì)災(zāi)害預(yù)測數(shù)據(jù),對所述地質(zhì)災(zāi)害預(yù)測數(shù)據(jù)進行多點數(shù)據(jù)融合,獲取預(yù)測數(shù)據(jù)融合值;
以回歸參數(shù)和運動平均參數(shù)作為變量,建立預(yù)測序列數(shù)學模型;
將預(yù)測數(shù)據(jù)融合值導(dǎo)入訓(xùn)練完備的預(yù)測序列數(shù)學模型,獲取預(yù)測數(shù)據(jù),根據(jù)所述預(yù)測數(shù)據(jù)進行災(zāi)害預(yù)警。
2.根據(jù)權(quán)利要求1所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,所述地質(zhì)災(zāi)害預(yù)測數(shù)據(jù)包括氣象、地質(zhì)、交通流的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,對所述地質(zhì)災(zāi)害預(yù)測數(shù)據(jù)進行多點數(shù)據(jù)融合,得到預(yù)測數(shù)據(jù)融合值,具體包括:通過多點數(shù)據(jù)融合公式對所述地質(zhì)災(zāi)害預(yù)測數(shù)據(jù)進行多點數(shù)據(jù)融合,獲取預(yù)測數(shù)據(jù)融合值;所述多點數(shù)據(jù)融合公式為
y=[θ1,θ2,...θn][a1,a2,...an]T
其中,θi為權(quán)重系數(shù),ai為地質(zhì)災(zāi)害預(yù)測數(shù)據(jù),且ai服從正態(tài)分布,n為預(yù)測數(shù)據(jù)的多源數(shù),1in。
4.根據(jù)權(quán)利要求3所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,還包括通過最優(yōu)權(quán)重確定公式,確定權(quán)重系數(shù)θi,所述最優(yōu)權(quán)重確定公式為
其中,σ為地質(zhì)災(zāi)害融合程度的判斷值,σi為預(yù)測值誤差的均方差。
5.根據(jù)權(quán)利要求1所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,以回歸參數(shù)和運動平均參數(shù)作為變量,建立預(yù)測序列數(shù)學模型,具體包括:將預(yù)測序列{ai},i=1,2,…,t擬合一個隨機差分方程,將回歸參數(shù)和運動平均參數(shù)作為變量,建立預(yù)測序列數(shù)學模型;所述隨機差分方程為
其中,at為預(yù)測序列{ai}在t時刻的元素,η為回歸參數(shù),β為滑動平均參數(shù),ct為預(yù)測序列{ai}在t時刻的元素的融合值,m為多源數(shù)據(jù)的融合總次數(shù),n為預(yù)測數(shù)據(jù)的多源數(shù),k(k=1,2,…,n)為不同預(yù)測數(shù)據(jù)序列的順序數(shù),j(j=1,2,…,m)為多源數(shù)據(jù)融合次數(shù)的順序數(shù)。
6.根據(jù)權(quán)利要求5所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,將回歸參數(shù)和運動平均參數(shù)作為變量,建立預(yù)測序列數(shù)學模型,具體包括:將回歸參數(shù)和運動平均參數(shù)作為變量,以E(ξt+1|at,at-1,at-2,...)=o為基本函數(shù),建立預(yù)測序列數(shù)學模型,
其中,f(η,β)為地質(zhì)災(zāi)害預(yù)測的目標函數(shù),為預(yù)測序列在t+1的估計值,at+1為預(yù)測序列在t+1時刻的元素。
7.根據(jù)權(quán)利要求1所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,所述預(yù)測序列數(shù)學模型的訓(xùn)練過程,具體包括:初始化預(yù)測網(wǎng)絡(luò),設(shè)定數(shù)據(jù)連接權(quán)值和參數(shù)訓(xùn)練時的誤差,同時設(shè)定誤差閾值和訓(xùn)練次數(shù);確定預(yù)測數(shù)據(jù)融合值輸入節(jié)點的向量和輸出結(jié)果的向量;通過輸入的節(jié)點向量和每一個連接節(jié)點的權(quán)值來計算隱含層的值;獲取預(yù)測結(jié)果,將得到預(yù)測結(jié)果與期望值對比,獲取誤差值,若誤差值小于設(shè)定誤差閾值,則輸出結(jié)果。
8.根據(jù)權(quán)利要求7所述的道路交通地質(zhì)災(zāi)害預(yù)警方法,其特征在于,還包括,若誤差值大于或等于設(shè)定誤差閾值,則計算出每一層預(yù)測節(jié)點的偏導(dǎo)數(shù),獲取每一個預(yù)測節(jié)點的連接權(quán)值,修正每一個預(yù)測節(jié)點的連接權(quán)值,再次獲取誤差值,直至所述誤差值小于設(shè)定誤差閾值或者訓(xùn)練次數(shù)達到設(shè)定次數(shù),則輸出結(jié)果。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于武漢理工大學,未經(jīng)武漢理工大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110354758.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種輸電線路地質(zhì)災(zāi)害災(zāi)情的評論上報方法及系統(tǒng)
- 一種評價地質(zhì)災(zāi)害影響程度的灰色關(guān)聯(lián)分析方法
- 基于大數(shù)據(jù)的地質(zhì)災(zāi)害監(jiān)測方法及監(jiān)測系統(tǒng)
- 一種三維地質(zhì)災(zāi)害信息模型建模方法
- 一種基于深度學習的地質(zhì)災(zāi)害文獻知識圖譜構(gòu)建方法
- 一種用于地質(zhì)災(zāi)害生命周期跟蹤與動態(tài)防治方法、設(shè)備和系統(tǒng)
- 一種區(qū)域地質(zhì)災(zāi)害趨勢預(yù)測方法
- 基于多要素情境的臺風誘發(fā)地質(zhì)災(zāi)害風險評估方法
- 一種礦山地質(zhì)災(zāi)害數(shù)據(jù)采集系統(tǒng)
- 一種基于PUL算法的地質(zhì)災(zāi)害時空聯(lián)合預(yù)警方法及系統(tǒng)





