【技术实现步骤摘要】
融合卷积神经网络和自注意力模型的滑坡易发性评价方法
[0001]本专利技术设计地质灾害防治领域,尤其涉及融合卷积神经网络和自注意力模型的滑坡易发性评价方法,特别是,融合卷积神经网络和
Transformer
,能够综合两个模型的优点,提高模型预测精度
。
技术介绍
[0002]滑坡是中国最主要的地质灾害,具有空间分布不均
、
灾害规模巨大和危害损失严重等特点
。
滑坡易发性评价是分析和预测滑坡灾害的空间分布和发生概率的一种方法,分析和预测结果可以为滑坡灾害空间管理
、
防灾减灾政策制定和国土资源规划提供依据
。
[0003]卷积神经网络和
Transformer
模型是近年来发展较为迅速的深度学习方法,卷积神经网络在滑坡易发性评价过程中,随着模型内部层数的加深,模型内部噪声逐步增加;与此同时,
Transformer
模型的内部噪声的分布情况卷积神经网络呈相反趋势
。
因此,将卷积神经网络和
Transformer
模型融合起来应用到滑坡易发性评价领域,成为一种新的研究方向
。
[0004]因此,如何能够综合不同模型的优势,提高滑坡易发性的预测精度,成为现有技术亟需解决的技术问题
。
技术实现思路
[0005]本专利技术的目的在于提出一种融合卷积神经网络和自注意力模型的滑坡易发性评价方法,特别是,融合卷积神经网络和
Tr ...
【技术保护点】
【技术特征摘要】
1.
一种融合卷积神经网络和自注意力模型的滑坡易发性评价方法,其特征在于,包括如下步骤:多源地理空间数据汇聚步骤
S110
:收集与滑坡相关的多源地理空间数据,确定为滑坡评价因子,统一评价因子的地理坐标系
、
投影坐标系和空间分辨率;滑坡评价因子共线性评价步骤
S120
:判断各评价因子之间是否存在共线问题,若存在,则将具有共线性的评价因子剔除;滑坡评价因子切片提取步骤
S130
:确定样本点所在空间位置的栅格行列号,并根据滑坡易发性评价模型的输入数据尺度,裁剪滑坡点对应位置评价因子的切片数据;滑坡数据集构建步骤
S140
:按空间坐标系中
z
轴方向,堆叠滑坡评价因子的切片,作为学习数据,同时对应位置的滑坡点与非滑坡点作为学习标签,学习数据和学习标签共同组成滑坡数据集,并按一定比例划分为训练数据集和测试数据集;滑坡易发性模型构建步骤
S150
:构建卷积神经网络和自注意力模型融合的滑坡易发性模型,利用滑坡数据集进行模型的学习,使用学习完成的模型预测整个研究区的滑坡发生概率
。2.
根据权利要求1所述的滑坡易发性评价方法,其特征在于,在多源地理空间数据汇聚步骤
S110
中,所述滑坡评价因子包括高程
、
坡度
、
坡向
、
平面曲率
、
剖面曲率
、
到河流距离
、
到断裂带距离
、
降雨量
、
归一化植被指数
、
地表覆盖和岩性共计
11
个滑坡评价因子
。3.
根据权利要求2所述的滑坡易发性评价方法,其特征在于,在滑坡评价因子共线性评价步骤
S120
中,利用公式(1)对滑坡评价因子进行共线性判断,式(1)中是选取的
11
个滑坡评价因子,和分别为层和整个区域的栅格单元数,和分别为层和整个区域评价因子的方差,是地层内部的方差之和,是整个区域的方差之和,的取值范围为
[0,1]。4.
根据权利要求3所述的滑坡易发性评价方法,其特征在于,所述滑坡评价因子切片提取步骤
S130
具体为:首先随机生成与滑坡点数量相等的非滑坡点,统称为样本点,然后确定切片长度,即滑坡评价因子长和宽为
k
;若
k
为奇数,则样本中心栅格到左侧边界和上方边界的距离为(
k/2
)
‑1,到右侧边界和下方边界的距离为(
k/2
);若
...
【专利技术属性】
技术研发人员:张福浩,刘纪平,鲍帅,仇阿根,陶坤旺,柴欣,刘天成,刘晓东,何望君,赵阳阳,王亮,王楚,李腾宇,孟祥钰,
申请(专利权)人:中国测绘科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。