【技術實現步驟摘要】
本專利技術涉及水庫地質風險，具體為多源數據融合的地質災害識別方法及系統。
技術介紹
1、水庫地質風險是指由于地質因素引發的對水庫及其周邊環境、基礎設施和人類活動的潛在威脅。這些風險可能會影響水庫的安全運行，導致水庫潰壩、泥石流、滑坡等地質災害，甚至對下游地區造成嚴重的影響。
2、一般的水庫風險評估時，僅僅監測坐標高度、傾斜度、邊坡深度、地下水位深度相關數據，當相關數據超過閾值時才會發出應急警告，由于地質災害發生時常常并非是單一因素作用結果，而這種監測方式沒有將數據進行綜合性處理，導致其應急警告的誤差較大，不能較為準確的發出應急警告。
3、在所述
技術介紹
部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本專利技術的目的在于提供多源數據融合的地質災害識別方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、多源數據融合的地質災害識別方法，用于對水庫邊坡地質災害發生概率進行分析，其特征在于，具體步驟包括：
4、s1、采集水庫初始數據，所述初始數據包括邊坡初始坐標高度、邊坡初始傾斜度、邊坡初始深度、邊坡初始地下水位深度數據；
5、s2、每天采集一次水庫數據，并與水庫初始數據進行分析處理以得到水庫偏差數據，并根據天數對水庫數據進行編號，所述水庫偏差數據包括邊坡最高點坐標高度偏差、邊坡傾斜度偏差、
6、s3、對邊坡最高點坐標高度偏差、邊坡傾斜度偏差、邊坡深度偏差、邊坡地下水位深度偏差分別進行相關性分析，生成歸一化坐標高度、歸一化傾斜度、歸一化邊坡深度、歸一化地下水位深度，并將每天的歸一化坐標高度、歸一化傾斜度、歸一化邊坡深度、歸一化地下水位深度數據分別整合為歸類組；
7、s4、對于所有的歸類組分別對應設定地質災害概率，并設定災害發生概率預測值，對地質災害概率進行相關性分析，生成初始概率；
8、s5、建立迭代模型，對初始概率進行k次迭代，輸出第k次迭代的殘差，并定義第k次迭代概率回歸指數；
9、s6、設定學習率，對第k次迭代概率回歸指數進行相關性分析，生成地質災害概率發生值，地質災害概率發生值用于反映地質災害發生的概率，將實時采集的水庫數據輸入迭代模型，輸出地質災害概率發生值。
10、進一步地，所述邊坡初始坐標高度a0采用衛星gps定位，所述邊坡初始傾斜度b0采用傾斜儀測量獲得，所述邊坡初始深度c0采用深部位移傳感器測得，所述邊坡初始地下水位深度d0采用水位傳感器測得。
11、進一步地，第i天的邊坡最高點坐標高度偏差用ai表示，第i天的邊坡傾斜度偏差用bi表示，第i天的邊坡深度偏差用ci表示，第i天的邊坡地下水位深度偏差用di表示，其中，下標i用于作為天數i的索引。
12、進一步地，對邊坡最高點坐標高度偏差ai、邊坡傾斜度偏差bi、邊坡深度偏差ci、邊坡地下水位深度偏差di分別進行相關性分析，生成歸一化坐標高度a′i、歸一化傾斜度b′i、歸一化邊坡深度c′i、歸一化地下水位深度d′i，所依據的公式為：
13、
14、其中，max{ai}和min{ai}分別表示全部邊坡最高點坐標高度偏差中的最大值和最小值，max{bi}和min{bi}分別用于表示全部邊坡傾斜度偏差bi的最大值和最小值，max{ci}和min{ci}分別用于表示全部邊坡深度偏差ci的最大值和最小值，max{di}和min{di}分別用于表示全部邊坡地下水位深度偏差di的最大值和最小值，歸一化坐標高度a′i、歸一化傾斜度b′i、歸一化邊坡深度c′i、歸一化地下水位深度d′i均用于確保數據一致性，邊坡最高點坐標高度偏差ai用于反映第i天最高點坐標高度與邊坡初始坐標高度的差值、邊坡傾斜度偏差bi用于反映第i天邊坡傾斜度與初始邊坡傾斜度的偏差數值、邊坡深度偏差ci用于反映第i天邊坡深度與初始邊坡深度的偏差數值、邊坡地下水位深度偏差di用于反映第i天邊坡地下水位深度與初始邊坡地下水位的偏差數值。
15、進一步地，所述s3中，第i天的歸一化坐標高度、歸一化傾斜度、歸一化邊坡深度、歸一化地下水位深度歸類組設定為ti，對于所有的歸類組ti分別對應設定地質災害概率yi，對地質災害概率yi進行相關性分析，生成初始概率f0，所依據的公式為：
16、
17、進行k次迭代，其中第k-1次迭代輸出概率為fk-1，設定第k次迭代的殘差為所依據的公式為：
18、
19、其中，第k次迭代的殘差用于反映輸出概率與地質災害概率之間的差值。
20、進一步地，定義第k次迭代概率回歸指數為hk，所依據的公式為：
21、
22、其中，用于反映所有樣本的殘差與地質災害概率之間差異的平方和，arg?in用于找到目標式中的最小值，通過計算機軟件xgboost獲取hk。
23、進一步地，設定學習率μ，μ取值為0.5，對第k次迭代概率回歸指數進行相關性分析，生成地質災害概率發生值s，所依據的公式為：
24、
25、其中，k的取值不小于10，地質災害概率發生值s用于反映地質災害發生的預測概率，取值范圍為[0,1]。
26、進一步地，當地質災害概率發生值s為0時，表示不會發生地質災害，當地質災害概率發生值s為1時，表示會發生地質災害。
27、本專利技術還提供多源數據融合的地質災害識別系統，用于執行多源數據融合的地質災害識別方法，包括：
28、初始數據采集模塊，用于采集水庫初始數據；
29、水庫數據采集模塊，用于每天采集一次水庫數據，并根據天數對水庫數據進行編號；
30、歸一化模塊，用于對邊坡最高點坐標高度偏差、邊坡傾斜度偏差、邊坡深度偏差、邊坡地下水位深度偏差分別進行相關性分析，生成歸一化坐標高度、歸一化傾斜度、歸一化邊坡深度、歸一化地下水位深度，并將每天的歸一化坐標高度、歸一化傾斜度、歸一化邊坡深度、歸一化地下水位深度數據分別整合為歸類組；
31、評估模塊，用于對于所有的歸類組分別對應設定地質災害概率yi，對地質災害概率進行相關性分析，生成初始概率；
32、迭代模塊，用于建立迭代模型，對初始概率進行k次迭代，輸出第k次迭代的殘差，并定義第k次迭代概率回歸指數；
33、輸出模塊，對第k次迭代概率回歸指數進行相關性分析，生成地質災害概率發生值，將實時采集的水庫數據輸入迭代模型，輸出地質災害概率發生值。
34、與現有技術相比，本專利技術的有益效果是：
35、本專利技術根據；
36、本專利技術通過采集水庫邊坡的坐標高度、傾斜度、邊坡深度、地下水位深度，并將每天的坐標高度、傾斜度、邊坡深度、地下水位深度數據，并結合采集的360次數據進行本文檔來自技高網...
【技術保護點】
1.多源數據融合的地質災害識別方法，用于對水庫邊坡地質災害發生概率進行分析，其特征在于，具體步驟包括：
2.根據權利要求1所述的多源數據融合的地質災害識別方法，其特征在于：所述邊坡初始坐標高度A0采用衛星GPS定位，所述邊坡初始傾斜度B0采用傾斜儀測量獲得，所述邊坡初始深度C0采用深部位移傳感器測得，所述邊坡初始地下水位深度D0采用水位傳感器測得。
3.根據權利要求2所述的多源數據融合的地質災害識別方法，其特征在于：第i天的邊坡最高點坐標高度偏差用Ai表示，第i天的邊坡傾斜度偏差用Bi表示，第i天的邊坡深度偏差用Ci表示，第i天的邊坡地下水位深度偏差用Di表示，其中，下標i用于作為天數i的索引。
4.根據權利要求3所述的多源數據融合的地質災害識別方法，其特征在于：對邊坡最高點坐標高度偏差Ai、邊坡傾斜度偏差Bi、邊坡深度偏差Ci、邊坡地下水位深度偏差Di分別進行相關性分析，生成歸一化坐標高度A′i、歸一化傾斜度Bi′、歸一化邊坡深度Ci′、歸一化地下水位深度Di′，所依據的公式為：
5.根據權利要求4所述的多源數據融合的地質災害識別
6.根據權利要求5所述的多源數據融合的地質災害識別方法，其特征在于：定義第k次迭代概率回歸指數為hk，所依據的公式為：
7.根據權利要求6所述的多源數據融合的地質災害識別方法，其特征在于：設定學習率μ，μ取值為0.5，對第k次迭代概率回歸指數進行相關性分析，生成地質災害概率發生值s，所依據的公式為：
8.根據權利要求7所述的多源數據融合的地質災害識別方法，其特征在于：當地質災害概率發生值s為0時，表示不會發生地質災害，當地質災害概率發生值s為1時，表示會發生地質災害。
9.多源數據融合的地質災害識別系統，用于執行權利要求1所述的多源數據融合的地質災害識別方法，其特征在于，包括：
...【技術特征摘要】
1.多源數據融合的地質災害識別方法，用于對水庫邊坡地質災害發生概率進行分析，其特征在于，具體步驟包括：
2.根據權利要求1所述的多源數據融合的地質災害識別方法，其特征在于：所述邊坡初始坐標高度a0采用衛星gps定位，所述邊坡初始傾斜度b0采用傾斜儀測量獲得，所述邊坡初始深度c0采用深部位移傳感器測得，所述邊坡初始地下水位深度d0采用水位傳感器測得。
3.根據權利要求2所述的多源數據融合的地質災害識別方法，其特征在于：第i天的邊坡最高點坐標高度偏差用ai表示，第i天的邊坡傾斜度偏差用bi表示，第i天的邊坡深度偏差用ci表示，第i天的邊坡地下水位深度偏差用di表示，其中，下標i用于作為天數i的索引。
4.根據權利要求3所述的多源數據融合的地質災害識別方法，其特征在于：對邊坡最高點坐標高度偏差ai、邊坡傾斜度偏差bi、邊坡深度偏差ci、邊坡地下水位深度偏差di分別進行相關性分析，生成歸一化坐標高度a′i、歸一化傾斜度bi′、歸一化邊坡深度ci′、歸一化地下水位深度di′，所依據的公式為：
【專利技術屬性】
技術研發人員：譚澤富，秦祥崖，雷國平，劉曉宇，鄒建華，
申請(專利權)人：重慶三峽學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。