[發明專利]滑坡敏感性預測模型建立方法及滑坡敏感性評價方法

在審

• 申請號: 202211539703.2
• 申請日: 2022-12-02
• 公開（公告）號: CN115935640A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 陶舒;程滔;鞏垠熙;楊剛;杜娟;周惠慧;蘇煒清
• 申請（專利權）人: 國家基礎地理信息中心
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F18/214;G06T17/05
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 鐘揚飛

1.一種滑坡敏感性預測模型建立方法，其特征在于，所述方法包括：

將調整算法與反向傳播模型進行結合，得到初始預測模型；

根據訓練集數據對所述初始預測模型進行訓練，得到目標預測模型；

其中，所述調整算法包括確定性系數算法或粗糙集理論；所述訓練集數據包括多個區域的歷史數據。

2.根據權利要求1所述的方法，其特征在于，所述根據訓練集數據對所述初始預測模型進行訓練，得到目標預測模型，包括：

基于所述初始預測模型對所述訓練集數據中的多個訓練影響因子進行處理，得到每個所述訓練影響因子的影響程度數據；

基于所述初始預測模型對多個所述訓練影響因子和多個所述影響程度數據進行計算，得到初始預測結果；

根據所述初始預測結果確定所述目標預測模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述初始預測結果確定所述目標預測模型，包括：

將每個所述初始預測結果與所述訓練集數據對應的實際滑坡結果進行對比，得到預測相似度；

判斷所述預測相似度是否高于預設的相似閾值；

若所述預測相似度高于所述相似閾值，則以所述初始預測模型為所述目標預測模型；

若所述預測相似度不高于所述相似閾值，則執行調整步驟：對所述初始預測模型中的模型參數進行調整，得到調整預測模型；以及訓練步驟：根據訓練集數據對所述調整預測模型進行訓練，得到調整預測結果；

將所述調整預測結果與所述實際滑坡結果進行對比，得到調整預測相似度，并重復所述調整步驟以及訓練步驟，直至所述調整預測相似度高于所述相似閾值，則以當前的所述調整預測模型作為所述目標預測模型。

4.根據權利要求2所述的方法，其特征在于，所述根據訓練集數據對所述初始預測模型進行訓練，得到目標預測模型，還包括：

根據訓練需求在所述訓練集數據對應的研究區域的中確定對應的多個5柵格單元；

確定每個所述柵格單元中的多個所述訓練影響因子。

5.根據權利要求2所述的方法，其特征在于，在所述調整算法為確定性系數算法時，所述基于所述初始預測模型對所述訓練集數據中的多個訓練影響因子進行處理，得到每個所述訓練影響因子的影響程度數據，包括：0基于所述初始預測模型確定所有所述訓練影響因子對應的目標系數；

基于所述初始預測模型根據所述目標系數對每個所述訓練影響因子進行疊加分析，確定每個所述訓練影響因子的所述影響程度數據。

6.根據權利要求2所述的方法，其特征在于，在所述調整算法為粗糙集理論時，所述基于所述初始預測模型對所述訓練集數據中的多個訓練影5響因子進行處理，得到每個所述訓練影響因子的影響程度數據，包括：

基于所述初始預測模型根據滑坡樣本數據確定約簡結果；

基于所述初始預測模型根據所述約簡結果對每個所述訓練影響因子進行分析，確定每個所述訓練影響因子的所述影響程度數據。

7.一種滑坡敏感性評價方法，其特征在于，所述方法包括：0基于所述目標預測模型對待測數據進行處理，得到目標預測結果；

根據所述目標預測結果進行分析，得到滑坡敏感性評價結果；

其中，所述目標預測模型為權利要求1-6中任一項方法創建的模型。

8.根據權利要求7所述的方法，其特征在于，其中，所述待測數據中包括待測區域中的多種地質數據；

5所述基于所述目標預測模型對待測數據進行處理，得到目標預測結果，

包括：

確定所述待測區域中的多個柵格單元；

基于所述目標預測模型對每個所述柵格單元中的所述地質數據對應的目標影響因子進行處理，得到每個所述柵格單元對應的子預測結果；

根據多個所述子預測結果進行地理繪圖，得到所述目標預測結果。

9.一種電子設備，其特征在于，所述電子設備包括存儲器和處理器，所述存儲器中存儲有程序指令，所述處理器運行所述程序指令時，執行權利要求1-8中任一項所述方法中的步驟。

10.一種計算機可讀取存儲介質，其特征在于，所述可讀取存儲介質中存儲有計算機程序指令，所述計算機程序指令被一處理器運行時，執行權利要求1-8任一項所述方法中的步驟。