【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及地質(zhì)災(zāi)害預(yù)測(cè)，具體涉及一種基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)。
技術(shù)介紹
1、地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警作為監(jiān)測(cè)信息的重要組成部分，是信息化建設(shè)不可或缺的內(nèi)容，其社會(huì)價(jià)值和經(jīng)濟(jì)效益無(wú)可估量。隨著地質(zhì)環(huán)境信息化建設(shè)和云平臺(tái)建設(shè)的不斷深入，各地地質(zhì)災(zāi)害監(jiān)控傳感器的布設(shè)和監(jiān)測(cè)數(shù)據(jù)量也在高速膨脹。
2、傳統(tǒng)的監(jiān)測(cè)方式是在地質(zhì)災(zāi)害多發(fā)區(qū)域布設(shè)災(zāi)害監(jiān)測(cè)點(diǎn)，通過(guò)監(jiān)測(cè)終端、傳感器、攝像頭等設(shè)備，采用gps、嵌入式軟硬件、傳感器、多媒體等技術(shù)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行采集，內(nèi)容包括地表位移、深部位移、裂縫位移、雨量、水位、應(yīng)力、滲壓(地下水)以及視頻監(jiān)測(cè)/監(jiān)控?cái)?shù)據(jù)，還包括群測(cè)群防監(jiān)測(cè)數(shù)據(jù)及巡查報(bào)告，不僅監(jiān)測(cè)范圍非常小，預(yù)警判斷困難，且單一種類的傳感器數(shù)據(jù)很難反映致災(zāi)因子的變化，嚴(yán)重影響地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警的準(zhǔn)確性和及時(shí)性。
3、因此，急需提供一種地質(zhì)災(zāi)害預(yù)測(cè)方法對(duì)整個(gè)監(jiān)控區(qū)域的地質(zhì)災(zāi)害預(yù)警預(yù)測(cè)計(jì)算。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)的目的是針對(duì)以上問(wèn)題，提供一種基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，以地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警的準(zhǔn)確性和及時(shí)性。
2、第一方面，本申請(qǐng)?zhí)峁┮环N基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)方法，包括：
3、獲取待預(yù)測(cè)區(qū)域當(dāng)前的遙感影像數(shù)據(jù)、氣象雨量數(shù)據(jù)、地理信息數(shù)據(jù)；
4、基于所述遙感影像數(shù)據(jù)、氣象雨量數(shù)據(jù)、地理信息數(shù)據(jù)和預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，獲取所述待預(yù)測(cè)區(qū)域內(nèi)的預(yù)測(cè)地質(zhì)災(zāi)害風(fēng)險(xiǎn)點(diǎn)；所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型是根據(jù)所述待預(yù)測(cè)區(qū)域內(nèi)的樣本點(diǎn)對(duì)應(yīng)的
5、根據(jù)所述預(yù)測(cè)地質(zhì)災(zāi)害風(fēng)險(xiǎn)點(diǎn)生成并輸出地質(zhì)災(zāi)害風(fēng)險(xiǎn)預(yù)警提示信息。
6、根據(jù)本申請(qǐng)?zhí)峁┑募夹g(shù)方案，獲取所述待預(yù)測(cè)區(qū)域內(nèi)的地質(zhì)災(zāi)害歷史數(shù)據(jù)；所述地質(zhì)災(zāi)害歷史數(shù)據(jù)至少包括歷史災(zāi)害點(diǎn)及其歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)；
7、基于所述歷史災(zāi)害點(diǎn)及其歷史地理信息數(shù)據(jù)獲取所述待預(yù)測(cè)區(qū)域內(nèi)的樣本災(zāi)害點(diǎn)和樣本非災(zāi)害點(diǎn)，并根據(jù)所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)以及所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)分別對(duì)應(yīng)的災(zāi)害結(jié)果，基于預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型；所述預(yù)設(shè)原始預(yù)測(cè)模型包括svm預(yù)測(cè)模型和/或隨機(jī)森林預(yù)測(cè)模型，或邏輯回歸預(yù)測(cè)模型。
8、根據(jù)本申請(qǐng)?zhí)峁┑募夹g(shù)方案，所述基于所述歷史災(zāi)害點(diǎn)及其歷史地理信息數(shù)據(jù)獲取所述待預(yù)測(cè)區(qū)域內(nèi)的樣本災(zāi)害點(diǎn)和樣本非災(zāi)害點(diǎn)，并根據(jù)所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)以及所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)分別對(duì)應(yīng)的災(zāi)害結(jié)果，基于預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
9、基于所述歷史災(zāi)害點(diǎn)的歷史地理信息數(shù)據(jù)，以所述歷史災(zāi)害點(diǎn)為傾瀉點(diǎn)確定其所在流域，并將所述歷史災(zāi)害點(diǎn)所在流域內(nèi)的所有網(wǎng)格作為樣本災(zāi)害點(diǎn)，以第一預(yù)設(shè)比例在所述歷史災(zāi)害點(diǎn)所在流域以外的區(qū)域選取樣本非災(zāi)害點(diǎn)，將所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)作為所述樣本點(diǎn)；
10、將第二預(yù)設(shè)比例的所述樣本點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)及其對(duì)應(yīng)的災(zāi)害結(jié)果作為訓(xùn)練集，將其余樣本點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)及其對(duì)應(yīng)的災(zāi)害結(jié)果作為測(cè)試集；
11、將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型。
12、根據(jù)本申請(qǐng)?zhí)峁┑募夹g(shù)方案，所述預(yù)設(shè)原始預(yù)測(cè)模型為邏輯回歸預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
13、將所述訓(xùn)練集輸入預(yù)設(shè)原始預(yù)測(cè)模型：
14、
15、進(jìn)行模型訓(xùn)練；其中，yi,i＝1,…n為地質(zhì)災(zāi)害響應(yīng)變量，服從取值0或1的二項(xiàng)分布b(1,pi)；pi為地質(zhì)災(zāi)害響應(yīng)變量yi為1的概率，β0,…βn為系數(shù)，xi1,…xin為地質(zhì)災(zāi)害影響變量，l為似然函數(shù)，threshold為概率閾值，為地質(zhì)災(zāi)害響應(yīng)變量的極大似然估計(jì)，為地質(zhì)災(zāi)害響應(yīng)變量yi為1的概率的極大似然估計(jì)；
16、令似然函數(shù)達(dá)到最大，迭代求解出系數(shù)β0,…βn的極大似然估計(jì)獲得第一中間預(yù)測(cè)模型；
17、將所述測(cè)試集的樣本點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)輸入所述第一中間預(yù)測(cè)模型計(jì)算所述測(cè)試集的樣本點(diǎn)的預(yù)測(cè)災(zāi)害結(jié)果，根據(jù)所述預(yù)測(cè)災(zāi)害結(jié)果和所述測(cè)試集的樣本點(diǎn)的災(zāi)害結(jié)果，計(jì)算tpr值與fpr值，并基于所述tpr值與fpr值進(jìn)行特征形式變換、特征選擇和概率閾值優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型。
18、根據(jù)本申請(qǐng)?zhí)峁┑募夹g(shù)方案，所述預(yù)設(shè)原始預(yù)測(cè)模型為隨機(jī)森林預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
19、從所述訓(xùn)練集中有放回的隨機(jī)抽取多個(gè)樣本點(diǎn)，從歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)中無(wú)放回地隨機(jī)抽取多個(gè)特征，以ntree參數(shù)為優(yōu)化參數(shù)建立若干決策樹，構(gòu)成隨機(jī)森林；
20、對(duì)所述隨機(jī)森林劃分，進(jìn)行多次模擬，分別計(jì)算tpr值和fpr值，并將tpr值和fpr值取得最優(yōu)值時(shí)的ntree參數(shù)作為中間優(yōu)化參數(shù)，獲得第二中間預(yù)測(cè)模型；
21、將所述測(cè)試集的樣本點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)輸入所述第二中間預(yù)測(cè)模型計(jì)算所述測(cè)試集的樣本點(diǎn)的預(yù)測(cè)災(zāi)害結(jié)果，根據(jù)所述預(yù)測(cè)災(zāi)害結(jié)果和所述測(cè)試集的樣本點(diǎn)的災(zāi)害結(jié)果，計(jì)算tpr值與fpr值，對(duì)所述中間優(yōu)化參數(shù)進(jìn)行優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型。
22、根據(jù)本申請(qǐng)?zhí)峁┑募夹g(shù)方案，所述預(yù)設(shè)原始預(yù)測(cè)模型為svm預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
23、以所述訓(xùn)練集的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)為特征，以高斯核作為核函數(shù)，以錯(cuò)判損失參數(shù)和高斯核參數(shù)為優(yōu)化參數(shù)，建立所述svm預(yù)測(cè)模型；
24、對(duì)所述優(yōu)化參數(shù)進(jìn)行多次模擬，分別計(jì)算tpr值和fpr值，并基于所述tpr值和fpr值將tpr值獲得極大值時(shí)對(duì)應(yīng)的錯(cuò)判損失參數(shù)和高斯核參數(shù)作為中間損失參數(shù)和中間高斯核參數(shù)，獲得第三中間預(yù)測(cè)模型；
25、將所述測(cè)試集的樣本點(diǎn)的歷史遙感影像數(shù)據(jù)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述歷史災(zāi)害點(diǎn)及其歷史地理信息數(shù)據(jù)獲取所述待預(yù)測(cè)區(qū)域內(nèi)的樣本災(zāi)害點(diǎn)和樣本非災(zāi)害點(diǎn)，并根據(jù)所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)以及所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)分別對(duì)應(yīng)的災(zāi)害結(jié)果，基于預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型為邏輯回歸預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型為隨機(jī)森林預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型為SVM預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型包括隨機(jī)森林預(yù)測(cè)模型和SVM預(yù)測(cè)模型，所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型包括基于隨機(jī)森林預(yù)測(cè)模型建立的第一預(yù)測(cè)子模型和基于SVM預(yù)測(cè)模型建立的第二預(yù)測(cè)子模型；所述基于所述遙感影像數(shù)據(jù)、氣象雨量數(shù)據(jù)、地理信息數(shù)據(jù)和預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，獲取所述待預(yù)測(cè)區(qū)域內(nèi)的預(yù)測(cè)地質(zhì)災(zāi)害風(fēng)險(xiǎn)點(diǎn)，包括：
8.一種基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)裝置，其特征在于，包括：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。
...【技術(shù)特征摘要】
1.一種基于大數(shù)據(jù)的地質(zhì)災(zāi)害預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述歷史災(zāi)害點(diǎn)及其歷史地理信息數(shù)據(jù)獲取所述待預(yù)測(cè)區(qū)域內(nèi)的樣本災(zāi)害點(diǎn)和樣本非災(zāi)害點(diǎn)，并根據(jù)所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)的歷史遙感影像數(shù)據(jù)、歷史氣象雨量數(shù)據(jù)、歷史地理信息數(shù)據(jù)以及所述樣本災(zāi)害點(diǎn)和所述樣本非災(zāi)害點(diǎn)分別對(duì)應(yīng)的災(zāi)害結(jié)果，基于預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型為邏輯回歸預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)原始預(yù)測(cè)模型為隨機(jī)森林預(yù)測(cè)模型；所述將所述訓(xùn)練集輸入所述預(yù)設(shè)原始預(yù)測(cè)模型進(jìn)行模型訓(xùn)練，并基于所述測(cè)試集對(duì)訓(xùn)練結(jié)構(gòu)進(jìn)行測(cè)試及優(yōu)化，直至預(yù)測(cè)準(zhǔn)確率大于預(yù)設(shè)閾值，獲得所述預(yù)設(shè)地質(zhì)災(zāi)害預(yù)測(cè)模型，包括：
<...【專利技術(shù)屬性】
技術(shù)研發(fā)人員：黃銘銘，侯力峰，毛再明，
申請(qǐng)(專利權(quán))人：合肥英澤信息科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)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。