System.ArgumentOutOfRangeException: 索引和長(zhǎng)度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及工程地質(zhì)勘察,具體地指一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析方法和系統(tǒng)。
技術(shù)介紹
1、巖溶塌陷是一種常見的地質(zhì)災(zāi)害,對(duì)水利水電工程的安全構(gòu)成嚴(yán)重威脅。傳統(tǒng)的巖溶塌陷風(fēng)險(xiǎn)評(píng)估方法主要依賴現(xiàn)場(chǎng)勘查和專家經(jīng)驗(yàn),存在效率低、覆蓋范圍有限、預(yù)測(cè)能力不足等問題。
2、現(xiàn)有技術(shù)中公開了多個(gè)關(guān)于巖溶塌陷風(fēng)險(xiǎn)評(píng)估的方法,以解決主要依賴現(xiàn)場(chǎng)勘查和專家經(jīng)驗(yàn)的問題,如wang等于2019年在environmental?earth?sciences中公開了“基于gis的多因素疊加分析方法”、li等于2020年在geomorphology中公開了“基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)預(yù)測(cè)模型”、zhang等于2021年在remote?sensing中公開了“基于遙感和地面沉降監(jiān)測(cè)的風(fēng)險(xiǎn)評(píng)估方法”。這些方法在一定程度上提高了風(fēng)險(xiǎn)評(píng)估的效率和準(zhǔn)確性,但仍存在以下不足:(1)多源異構(gòu)數(shù)據(jù)的融合能力有限,在復(fù)雜巖溶地質(zhì)條件下的預(yù)測(cè)準(zhǔn)確性不足;(2)難以有效捕捉地質(zhì)參數(shù)的動(dòng)態(tài)變化特征,缺乏實(shí)時(shí)風(fēng)險(xiǎn)評(píng)估和預(yù)警能力。
3、因此,亟需一種能夠充分利用地質(zhì)大數(shù)據(jù),具備高精度預(yù)測(cè)和實(shí)時(shí)預(yù)警能力的巖溶塌陷風(fēng)險(xiǎn)分析方法。
技術(shù)實(shí)現(xiàn)思路
1、為克服上述技術(shù)的不足,本專利技術(shù)的目的在于提供一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析方法和系統(tǒng),解決現(xiàn)有技術(shù)中預(yù)測(cè)精度低、無法實(shí)時(shí)預(yù)警的問題。
2、為實(shí)現(xiàn)上述目的,本專利技術(shù)采用的技術(shù)方案如下:
3、一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析方法
4、數(shù)據(jù)收集與融合步驟:收集多源異構(gòu)地質(zhì)數(shù)據(jù),并采用基于tucker分解的張量分解算法進(jìn)行數(shù)據(jù)融合;
5、數(shù)據(jù)預(yù)處理步驟:對(duì)融合后的數(shù)據(jù)進(jìn)行清洗、補(bǔ)全和標(biāo)準(zhǔn)化處理;
6、特征工程步驟:特征選擇,選擇與巖溶塌陷風(fēng)險(xiǎn)相關(guān)的特征;并對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行特征提取;
7、模型構(gòu)建與訓(xùn)練步驟:基于所述特征工程提取的特征,使用圖卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建風(fēng)險(xiǎn)評(píng)估模型,并通過集成學(xué)習(xí)方法優(yōu)化所述風(fēng)險(xiǎn)評(píng)估模型的性能;
8、風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)步驟:利用訓(xùn)練好的風(fēng)險(xiǎn)評(píng)估模型進(jìn)行風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè),并通過地理信息系統(tǒng)進(jìn)行可視化;
9、系統(tǒng)優(yōu)化與迭代步驟:基于邊緣計(jì)算技術(shù)實(shí)現(xiàn)實(shí)時(shí)風(fēng)險(xiǎn)評(píng)估,并持續(xù)優(yōu)化所述風(fēng)險(xiǎn)評(píng)估模型。
10、優(yōu)選地,所述數(shù)據(jù)收集與融合步驟中,多源異構(gòu)地質(zhì)數(shù)據(jù)包括地質(zhì)數(shù)據(jù)、遙感數(shù)據(jù)、水文地質(zhì)數(shù)據(jù)、工程監(jiān)理數(shù)據(jù)、歷史數(shù)據(jù)。
11、優(yōu)選地,所述地質(zhì)數(shù)據(jù)包括地質(zhì)圖、鉆探數(shù)據(jù)、物探數(shù)據(jù)、巖性分布、斷層分布;所述遙感數(shù)據(jù)包括高分辨率衛(wèi)星影像、insar數(shù)據(jù);所述水文地質(zhì)數(shù)據(jù)包括地下水位、流速、泉流量、水質(zhì)數(shù)據(jù);所述工程監(jiān)理數(shù)據(jù)包括隧道內(nèi)部變形、管道應(yīng)力;所述歷史數(shù)據(jù)包括歷史塌陷、沉陷事件記錄。
12、優(yōu)選地,所述數(shù)據(jù)預(yù)處理步驟中,數(shù)據(jù)清洗包括采用lof算法改進(jìn)的isolationforest算法和/或dtw算法識(shí)別異常值和/或異常波動(dòng);數(shù)據(jù)補(bǔ)全包括采用lstm自編碼器進(jìn)行時(shí)間序列數(shù)據(jù)的缺失值填充、和基于變分法的薄板樣條插值方法進(jìn)行空間數(shù)據(jù)(如地形)的補(bǔ)全,填補(bǔ)空間數(shù)據(jù)中的缺失部分;數(shù)據(jù)標(biāo)準(zhǔn)化處理方法包括對(duì)連續(xù)型數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化,使數(shù)據(jù)具有零均值和單位方差,減少量綱的影響、對(duì)離散型數(shù)據(jù)進(jìn)行獨(dú)熱編碼,將類別型變量轉(zhuǎn)換為二進(jìn)制向量,適應(yīng)模型的處理需求、采用robust?scaler方法對(duì)具有異常值的數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理、采用target?encoding方法對(duì)類別型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
13、優(yōu)選地,所述特征工程步驟中,特征選擇包括采用boruta算法結(jié)合專家知識(shí)進(jìn)行特征重要性評(píng)估,獲得關(guān)鍵特征;
14、所述特征提取包括動(dòng)態(tài)特征提取,所述動(dòng)態(tài)特征提取包括提取時(shí)間序列特征、計(jì)算空間特征和構(gòu)造新特征;所述提取時(shí)間序列特征采用結(jié)合小波變換和lstm網(wǎng)絡(luò)的動(dòng)態(tài)特征提取算法;所述動(dòng)態(tài)特征提取算法包括對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行小波分解,然后將分解后的子序列輸入lstm網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)和提取。
15、優(yōu)選地,所述關(guān)鍵特征包括巖溶發(fā)育程度、覆蓋層厚度、地下水位年變幅、降雨入滲系數(shù)、斷層密度、溶洞發(fā)育程度、地表沉降速率、泉流量變化率、水化學(xué)類型、隧道圍巖穩(wěn)定性、地下水流速、地下水質(zhì)變化、地形起伏程度、土體含水率、區(qū)域地應(yīng)力場(chǎng)分布、地質(zhì)構(gòu)造復(fù)雜性、巖土強(qiáng)度、季節(jié)性降水量、巖層傾角、斷裂帶發(fā)育狀況中的一個(gè)或多個(gè)。
16、優(yōu)選地,所述計(jì)算空間特征利用pointnet++網(wǎng)絡(luò)從點(diǎn)云數(shù)據(jù)中提取地形特征;所述點(diǎn)云數(shù)據(jù)是在數(shù)據(jù)收集與融合步驟中通過遙感或者現(xiàn)場(chǎng)測(cè)繪獲取的。
17、優(yōu)選地,所述新特征包括綜合巖溶脆弱性指數(shù),其計(jì)算公式如下:
18、綜合巖溶脆弱性指數(shù)=巖溶發(fā)育程度×0.3+覆蓋層厚度×0.2+地下水位變幅×0.2+斷層密度×0.15+溶洞發(fā)育程度×0.15。
19、其中,綜合巖溶脆弱性指數(shù)旨在量化一個(gè)區(qū)域內(nèi)巖溶地質(zhì)環(huán)境的脆弱性程度。由于巖溶地質(zhì)環(huán)境復(fù)雜且影響因素眾多,各類參數(shù)之間存在顯著的差異性與相關(guān)性,單獨(dú)使用某一參數(shù)往往無法全面、準(zhǔn)確地反映巖溶塌陷風(fēng)險(xiǎn)。構(gòu)建綜合巖溶脆弱性指數(shù)的目的在于:
20、1、整合多個(gè)關(guān)鍵地質(zhì)因素:綜合考慮巖溶發(fā)育程度、覆蓋層厚度、地下水位變幅、斷層密度、溶洞發(fā)育程度等影響巖溶塌陷的主要因素,通過加權(quán)方式將其綜合為一個(gè)可量化的脆弱性指標(biāo)。
21、2、提供統(tǒng)一的風(fēng)險(xiǎn)評(píng)價(jià)標(biāo)準(zhǔn):通過該指數(shù)的計(jì)算,可以將多種復(fù)雜的地質(zhì)條件簡(jiǎn)化為一個(gè)數(shù)值,便于在不同區(qū)域、不同地質(zhì)條件下對(duì)巖溶脆弱性進(jìn)行橫向?qū)Ρ群土炕u(píng)估。
22、3、提高風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性與效率:通過綜合指數(shù)的計(jì)算,能夠有效減少主觀評(píng)價(jià)因素的影響,進(jìn)一步提高巖溶塌陷風(fēng)險(xiǎn)評(píng)估的科學(xué)性和客觀性。
23、構(gòu)建綜合巖溶脆弱性指數(shù),可達(dá)到如下效果:
24、1、全面反映巖溶地質(zhì)脆弱性:通過結(jié)合巖溶發(fā)育程度、覆蓋層厚度、地下水位變幅等關(guān)鍵參數(shù),綜合巖溶脆弱性指數(shù)能夠全面反映區(qū)域地質(zhì)脆弱性。其加權(quán)系數(shù)設(shè)置能夠突出不同參數(shù)的影響程度,使得風(fēng)險(xiǎn)評(píng)估結(jié)果更加符合實(shí)際情況。
25、2、優(yōu)化風(fēng)險(xiǎn)評(píng)估模型:該指數(shù)作為模型中的重要輸入特征,可顯著提高模型對(duì)復(fù)雜地質(zhì)環(huán)境下風(fēng)險(xiǎn)的捕捉能力,特別是在多源異構(gòu)數(shù)據(jù)條件下,能夠提高風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性和模型的泛化能力。
26、3、便于可視化和決策支持:通過該指數(shù)的計(jì)算,可以為地質(zhì)風(fēng)險(xiǎn)的可視化提供明確的數(shù)值標(biāo)準(zhǔn),并且便于在實(shí)際工程中提供定量化的決策依據(jù),幫助管理人員快速識(shí)別高風(fēng)險(xiǎn)區(qū)域,采取相應(yīng)的防護(hù)措施。
27、綜上,綜合巖溶脆弱性指數(shù)的構(gòu)建不僅提升了巖溶塌陷風(fēng)險(xiǎn)評(píng)估的系統(tǒng)性和科學(xué)性,還為工程實(shí)施提供了更為可靠的指導(dǎo)依據(jù)。
28、優(yōu)選地,所述模型構(gòu)建與訓(xùn)練步驟中,風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建采用圖卷積神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)模型,并結(jié)合convlstm、lightgbm和catboost構(gòu)建集成模型;所述集成模型采用stacking集成方法,本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:包括以下步驟:
2.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述數(shù)據(jù)收集與融合步驟中,多源異構(gòu)地質(zhì)數(shù)據(jù)包括地質(zhì)數(shù)據(jù)、遙感數(shù)據(jù)、水文地質(zhì)數(shù)據(jù)、工程監(jiān)理數(shù)據(jù)、歷史數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述數(shù)據(jù)預(yù)處理步驟中,數(shù)據(jù)清洗包括采用LOF算法改進(jìn)的Isolation?Forest算法和/或DTW算法識(shí)別異常值和/或異常波動(dòng);數(shù)據(jù)補(bǔ)全包括采用LSTM自編碼器進(jìn)行時(shí)間序列數(shù)據(jù)的缺失值填充、和基于變分法的薄板樣條插值方法進(jìn)行空間數(shù)據(jù)(如地形)的補(bǔ)全,填補(bǔ)空間數(shù)據(jù)中的缺失部分;數(shù)據(jù)標(biāo)準(zhǔn)化處理方法包括對(duì)連續(xù)型數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化,使數(shù)據(jù)具有零均值和單位方差,減少量綱的影響、對(duì)離散型數(shù)據(jù)進(jìn)行獨(dú)熱編碼,將類別型變量轉(zhuǎn)換為二進(jìn)制向量,適應(yīng)模型的處理需求、采用Robust?Scaler方法對(duì)具有異常值的數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理、采用Target?Encoding方法對(duì)類別型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
4.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于
5.根據(jù)權(quán)利要求4所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述新特征包括綜合巖溶脆弱性指數(shù),其計(jì)算公式如下:
6.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述模型構(gòu)建與訓(xùn)練步驟中,風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建采用圖卷積神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)模型,并結(jié)合ConvLSTM、LightGBM和CatBoost構(gòu)建集成模型;所述集成模型采用Stacking集成方法,以圖卷積神經(jīng)網(wǎng)絡(luò)、ConvLSTM、LightGBM和CatBoost的輸出作為特征,訓(xùn)練一個(gè)XGBoost模型作為最終預(yù)測(cè)器。
7.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)步驟中,將巖溶塌陷風(fēng)險(xiǎn)劃分為多個(gè)等級(jí),具體劃分標(biāo)準(zhǔn)根據(jù)實(shí)際情況動(dòng)態(tài)調(diào)整;在實(shí)際使用中,將實(shí)時(shí)獲取的某區(qū)域的多源異構(gòu)地質(zhì)數(shù)據(jù)輸入訓(xùn)練好的風(fēng)險(xiǎn)評(píng)估模型中進(jìn)行處理,得到數(shù)值范圍在0~1之間的風(fēng)險(xiǎn)概率,根據(jù)獲得的數(shù)值確定所述區(qū)域的巖溶塌陷風(fēng)險(xiǎn)等級(jí)。
8.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述系統(tǒng)優(yōu)化與迭代步驟中,邊緣計(jì)算技術(shù)包括在現(xiàn)場(chǎng)部署邊緣服務(wù)器,預(yù)裝輕量級(jí)模型,接收實(shí)時(shí)監(jiān)測(cè)獲得的多源異構(gòu)地質(zhì)數(shù)據(jù)進(jìn)行初步風(fēng)險(xiǎn)評(píng)估,當(dāng)風(fēng)險(xiǎn)評(píng)分超過預(yù)設(shè)閾值時(shí)觸發(fā)預(yù)警并上傳云端并通過訓(xùn)練好的風(fēng)險(xiǎn)評(píng)估模型進(jìn)行分析;所述輕量級(jí)模型由將訓(xùn)練好的所述風(fēng)險(xiǎn)評(píng)估模型進(jìn)行壓縮獲得;
9.一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析系統(tǒng),其特征在于:包括:
10.根據(jù)權(quán)利要求9所述的巖溶塌陷風(fēng)險(xiǎn)分析系統(tǒng),其特征在于:還包括用戶交互界面模塊,用于展示風(fēng)險(xiǎn)評(píng)估結(jié)果和管理建議,同時(shí)接收用戶輸入以優(yōu)化風(fēng)險(xiǎn)評(píng)估模型性能和用戶體驗(yàn)。
...【技術(shù)特征摘要】
1.一種基于地質(zhì)大數(shù)據(jù)挖掘的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:包括以下步驟:
2.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述數(shù)據(jù)收集與融合步驟中,多源異構(gòu)地質(zhì)數(shù)據(jù)包括地質(zhì)數(shù)據(jù)、遙感數(shù)據(jù)、水文地質(zhì)數(shù)據(jù)、工程監(jiān)理數(shù)據(jù)、歷史數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述數(shù)據(jù)預(yù)處理步驟中,數(shù)據(jù)清洗包括采用lof算法改進(jìn)的isolation?forest算法和/或dtw算法識(shí)別異常值和/或異常波動(dòng);數(shù)據(jù)補(bǔ)全包括采用lstm自編碼器進(jìn)行時(shí)間序列數(shù)據(jù)的缺失值填充、和基于變分法的薄板樣條插值方法進(jìn)行空間數(shù)據(jù)(如地形)的補(bǔ)全,填補(bǔ)空間數(shù)據(jù)中的缺失部分;數(shù)據(jù)標(biāo)準(zhǔn)化處理方法包括對(duì)連續(xù)型數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化,使數(shù)據(jù)具有零均值和單位方差,減少量綱的影響、對(duì)離散型數(shù)據(jù)進(jìn)行獨(dú)熱編碼,將類別型變量轉(zhuǎn)換為二進(jìn)制向量,適應(yīng)模型的處理需求、采用robust?scaler方法對(duì)具有異常值的數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理、采用target?encoding方法對(duì)類別型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
4.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述特征工程步驟中,特征選擇包括采用boruta算法結(jié)合專家知識(shí)進(jìn)行特征重要性評(píng)估,獲得關(guān)鍵特征;
5.根據(jù)權(quán)利要求4所述的巖溶塌陷風(fēng)險(xiǎn)分析方法,其特征在于:所述新特征包括綜合巖溶脆弱性指數(shù),其計(jì)算公式如下:
6.根據(jù)權(quán)利要求1所述的巖溶塌陷風(fēng)險(xiǎn)分...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:盧樹盛,黃振偉,張少鋒,劉高峰,高健,常威,齊凌軒,邱志剛,何旭輝,王孟克,
申請(qǐng)(專利權(quán))人:長(zhǎng)江巖土工程有限公司,
類型:發(fā)明
國(guó)別省市:
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。