一种基于多目标优化的泥石流智能预警方法技术

本发明专利技术公开了一种基于多目标优化的泥石流智能预警方法，属于地质灾害监测预警领域，具体涉及泥石流预警领域，以解决现有的泥石流预测方法误差较大，不准确且可靠性不强的缺陷，包括如下步骤，收集已发生泥石流的数据样本；构建评估激发泥石流的代理模型；求解泥石流代理模型的帕累托阈值前沿；将需要预测的泥石流样本点与泥石流代理模型的泥石流帕累托阈值前沿输入泥石流预警判别器进行占优判别比较，输出占优判别结果，占优即不预警，互不占优即黄色预警，被占优即红色预警；评估红色预警的支持度；根据占优判别结果和支持度来实行泥石流预警。构建了更准确的代理模型，大大提高泥石流监测预警的可靠性和可操作性。

【技术实现步骤摘要】
一种基于多目标优化的泥石流智能预警方法
一种基于多目标优化的泥石流智能预警方法，本专利技术属于地质灾害监测预警领域，具体涉及泥石流预警

技术介绍
泥石流是暴雨、洪水将含有沙石且松软的土质山体经饱和稀释后形成的洪流，它的面积、体积和流量较大，而滑坡是经稀释土质山体小面积的区域，典型的泥石流由悬浮着粗大固体碎屑物并富含粉砂及粘土的粘稠泥浆组成。在适当的地形条件下，大量的水体浸透流水山坡或沟床中的固体堆积物质，使其稳定性降低，饱含水分的固体堆积物质在自身重力作用下发生运动，就形成了泥石流。泥石流是一种灾害性的地质现象。通常泥石流爆发突然、来势凶猛，可携带巨大的石块。因其高速前进，具有强大的能量，因而破坏性极大。随着计算机技术的不断发展，智能化的手段越来越多地应用于泥石流的预警中。常规的预警技术是通过回归分析历史数据，得到一条近似的泥石流预警曲线。该方法一般采用较为通用的线性函数或逻辑斯蒂函数的拟合模型，不能根据每个地区不同的特征使用不同的模型进行分析。其他的基于机器学习的泥石流预警方法是将泥石流的发生与否视作一个二分类问题去本文档来自技高网...

【技术保护点】
1.一种基于多目标优化的泥石流智能预警方法，其特征在于，包括如下步骤/n步骤1、收集已发生泥石流的数据样本；/n步骤2、构建评估激发泥石流的代理模型；/n步骤3、求解泥石流代理模型的帕累托阈值前沿；/n步骤4、将需要预测的泥石流样本点与泥石流代理模型的泥石流帕累托阈值前沿输入泥石流预警判别器进行占优判别比较，输出占优判别结果，被占优即红色预警；/n步骤5、评估红色预警的支持度；/n步骤6、根据占优判别结果和支持度来实行泥石流预警。/n

【技术特征摘要】
1.一种基于多目标优化的泥石流智能预警方法，其特征在于，包括如下步骤
步骤1、收集已发生泥石流的数据样本；
步骤2、构建评估激发泥石流的代理模型；
步骤3、求解泥石流代理模型的帕累托阈值前沿；
步骤4、将需要预测的泥石流样本点与泥石流代理模型的泥石流帕累托阈值前沿输入泥石流预警判别器进行占优判别比较，输出占优判别结果，被占优即红色预警；
步骤5、评估红色预警的支持度；
步骤6、根据占优判别结果和支持度来实行泥石流预警。


2.根据权利要求1所述的一种基于多目标优化的泥石流智能预警方法，其特征在于，步骤2中泥石流的代理模型为多目标代理模型，多目标代理模型具有多个输入变量和多个输出变量。


3.根据权利要求1所述的一种基于多目标优化的泥石流智能预警方法，其特征在于，多目标代理模型是通过对已发生泥石流数据样本进行学习训练而得到的一个或一组显示函数或隐式模型。


4.根据权利要求3所述的一种基于多目标优化的泥石流智能预警方法，其特征在于，泥石流帕累托阈值前沿是由一组互不占优的泥石流激发指标值所组成，通过多目标优化方法，对多目标代理模型进行优化求解而得到。


5.根据权利要求1所述的一种基于多目标优化的泥石流智能预警方法，其特征在于，占优判别比较采用Pareto占优比较方法、松弛Pareto占优比较方法或任意一种用于区分多维变量的比较方法。

【专利技术属性】
技术研发人员：胡旺，章语，王仁超，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51