[發(fā)明專利]一種高泛用性滑坡位移速率預(yù)警方法

有效

• 申請?zhí)枺?/td>: 202210100710.6
• 申請日: 2022-01-27
• 公開（公告）號: CN114429189B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 歐鷗;張偉勁;冷小鵬;林祥;李明春
• 申請（專利權(quán)）人: 成都理工大學(xué);成理智源科技（成都）有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/241;G06N3/0442;G06N3/045;G06Q10/0635
• 代理公司: 成都華復(fù)知識產(chǎn)權(quán)代理有限公司 51298
• 代理人: 余鵬

本發(fā)明公開了一種高泛用性滑坡位移速率預(yù)警方法，包括步驟：S100：采集不同已滑坡地域在滑坡前后的歷史滑坡數(shù)據(jù)，對歷史滑坡數(shù)據(jù)進(jìn)行預(yù)處理；S200：采用歷史滑坡數(shù)據(jù)訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)模型，對已訓(xùn)練的大型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行知識蒸餾，得到小型神經(jīng)網(wǎng)絡(luò)模型；S300：將滑坡風(fēng)險(xiǎn)區(qū)域劃分為多個(gè)易滑坡點(diǎn)，采集已發(fā)生滑坡的各易滑坡點(diǎn)的歷史滑坡數(shù)據(jù)，對歷史滑坡數(shù)據(jù)進(jìn)行預(yù)處理，采用歷史滑坡數(shù)據(jù)對小型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和微調(diào)，獲得滑坡風(fēng)險(xiǎn)區(qū)域?qū)?yīng)的小型神經(jīng)網(wǎng)絡(luò)模型；S400：將滑坡風(fēng)險(xiǎn)區(qū)域內(nèi)各易滑坡點(diǎn)的實(shí)時(shí)滑坡數(shù)據(jù)進(jìn)行預(yù)處理后，輸入小型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)警。本發(fā)明在降低預(yù)警復(fù)雜度的同時(shí)提高了精度，泛用性極強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明涉及滑坡預(yù)警領(lǐng)域，具體而言，涉及一種高泛用性滑坡位移速率預(yù)警方法。

背景技術(shù)

我國是一個(gè)多山的國家，山區(qū)面積占到全國陸地面積的2/3，山區(qū)地質(zhì)構(gòu)造復(fù)雜，生態(tài)環(huán)境脆弱，山地災(zāi)害頻繁爆發(fā)，山地災(zāi)害每年所造成的損失占各類自然災(zāi)害所造成總損失的四分之一。滑坡作為常見地質(zhì)災(zāi)害，其監(jiān)測預(yù)警是災(zāi)害防治工作的核心任務(wù)。所以通過相應(yīng)監(jiān)測技術(shù)，提前預(yù)測滑坡發(fā)生的時(shí)間具有極大的現(xiàn)實(shí)意義。

目前，常用的滑坡預(yù)警主要通過單個(gè)或多個(gè)特征進(jìn)行，比如通過位移量、位移速率設(shè)置閾值預(yù)警，這類方法誤判率較高。還有通過對位移速率進(jìn)行擬合，以進(jìn)行預(yù)警，但目前該方法精度不高。現(xiàn)有的深度學(xué)習(xí)方法的預(yù)測效果往往十分強(qiáng)大，但仍然存在不足：一方面深度學(xué)習(xí)模型需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，而一個(gè)區(qū)域的數(shù)據(jù)普遍不足；另一方面深度學(xué)習(xí)模型的復(fù)雜度高，訓(xùn)練和預(yù)測時(shí)間較長。

發(fā)明內(nèi)容

為了深度學(xué)習(xí)方法存在的問題，本發(fā)明提供了一種高泛用性滑坡位移速率預(yù)警方法。

本發(fā)明的技術(shù)方案如下：

一種高泛用性滑坡位移速率預(yù)警方法，包括步驟：

S100：采集不同已滑坡地域在滑坡前后的歷史滑坡數(shù)據(jù)，包括滑坡體的位移量、位移變形速率及滑坡發(fā)生時(shí)間，對歷史滑坡數(shù)據(jù)進(jìn)行預(yù)處理；

S200：采用預(yù)處理后的歷史滑坡數(shù)據(jù)訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)模型，對已訓(xùn)練的大型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行知識蒸餾，得到小型神經(jīng)網(wǎng)絡(luò)模型；

S300：將滑坡風(fēng)險(xiǎn)區(qū)域劃分為多個(gè)易滑坡點(diǎn)，采集已發(fā)生滑坡的各易滑坡點(diǎn)的歷史滑坡數(shù)據(jù)，對歷史滑坡數(shù)據(jù)進(jìn)行預(yù)處理，采用預(yù)處理后各易滑坡點(diǎn)的歷史滑坡數(shù)據(jù)對小型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和微調(diào)，獲得滑坡風(fēng)險(xiǎn)區(qū)域?qū)?yīng)的小型神經(jīng)網(wǎng)絡(luò)模型；

S400：將滑坡風(fēng)險(xiǎn)區(qū)域內(nèi)各易滑坡點(diǎn)的實(shí)時(shí)滑坡數(shù)據(jù)進(jìn)行預(yù)處理后，輸入已訓(xùn)練的小型神經(jīng)網(wǎng)絡(luò)模型，即對對應(yīng)的易滑坡點(diǎn)進(jìn)行預(yù)警；所述實(shí)時(shí)滑坡數(shù)據(jù)包括滑坡體的位移量、位移變形速率及當(dāng)前時(shí)間；

步驟S100、S300、S400中的預(yù)處理包括對滑坡數(shù)據(jù)中的位移量和位移變形速率進(jìn)行濾波，之后對濾波后的位移變形速率求倒數(shù)。

在一些具體實(shí)施方式中，步驟S100中，歷史滑坡數(shù)據(jù)包括各不同運(yùn)動形式下已滑坡地域在滑坡前后的歷史滑坡數(shù)據(jù)，不同運(yùn)動形式包括直線型、波動型、漸進(jìn)型和瞬間型。

在一些具體實(shí)施方式中，大型神經(jīng)網(wǎng)絡(luò)模型和所述小型神經(jīng)網(wǎng)絡(luò)模型采用長短期記憶網(wǎng)絡(luò)模型(LSTM)、門控循環(huán)單元網(wǎng)絡(luò)模型(GRU)或Transformer模型中的一種。

在一些具體實(shí)施方式中，濾波采用卡爾曼濾波。

在一些具體實(shí)施方式中，步驟S400中所述預(yù)警為易滑坡點(diǎn)的位移變形速率預(yù)測和/或滑坡階段分類。

和現(xiàn)有技術(shù)相比，本發(fā)明具備以下有益效果：