一种自然灾害预警系统及预警方法技术方案

本发明专利技术公开了一种自然灾害预警系统及预警方法，包括以下步骤：步骤S1、环境画像构建单元实时采集目标区域的环境数据并建立用于记录表示每个目标区域对目标灾害的目标预测的环境画像数据链；步骤S2、预测模型构建单元接收所述环境画像数据链，并基于环境画像数据链构建灾害预测模型。本发明专利技术对目标区域的环境日志进行分帧量化并利用相邻帧间相似度对环境日志进行关键帧提取，从而保留环境日志中重要环境数据的同时对环境日志进行降维，降低后续特征提取的数据处理量，提高模型训练效率。

【技术实现步骤摘要】
一种自然灾害预警系统及预警方法
本专利技术涉及灾害预警
，具体涉及一种自然灾害预警系统及预警方法。
技术介绍
泥石流、塌方等自然灾害一直给人类的生产生存带来的许多危害，一旦自然灾害发生躲避不及就容易造成不可挽回的损失，因此灾害预警对人类生活具有跨时代的意义。目前对于自然灾害的预警研究通常融合了图像处理技术，图像融合已成为图像理解和计算机视觉领域中的一项重要而有用的新技术，多源遥感图像数据融合也成为遥感领域的研究热点，其目的是将来自多信息源的图像数据加以智能化合成，产生比单一传感器数据更精确、更可靠的描述和判决，使融合图像更符合人和机器的视觉特性，更有利于诸如目标检测与识别等进一步的图像理解与分析，比如CN108182678A公开了一种预警准确的自然灾害监测预警系统，实现了遥感图像融合效果的准确评价，主观评价值具有简单、直观的优点，对明显的图像信息可以进行快捷、方便的评价，客观评价值能够避免人员的主观缺陷，对图像进行客观评价，综合评价值结合主观评价和客观评价的优点，有助于实现融合效果的准确评价，从而精准的确定监控场景中是否出现自然灾害，并进行预警处理。但是，上述预警系统采用图像融合技术对已经或即将发生的灾害情景进行预警，比如洪水水位接近阈值，开始预警，此种预警系统通过在图像中识别到灾害场景才进行预警，仍然是一种滞后的预警模式，可能导致发布预警的同时人员撤离不及时造成危险，无法实现在毫无征兆的情况下对可能发生的灾害进行预警，而且通常情况下监测区域的实时景象会长时间维持同一状态，导致监测视频会出现长时间的相似场景视频，直接对所有实时图像视进行特征挖掘和模型训练，会面临巨大的数据处理、图像识别的计算压力，数据管理成本高，利用环境特征建立预测模型通常使用的固定的特征组合进行训练，如此会导致过分依赖选取特征只能对特定种类的灾害进行预测，无法提供拓展至其余种类的灾害预测，因此只具有预测深度而无预测广度。
技术实现思路
本专利技术的目的在于提供一种自然灾害预警系统及预警方法，以解决现有技术中直接对所有实时图像视进行特征挖掘和模型训练，会面临巨大的数据处理、图像识别的计算压力，同时过分依赖选取特征只能对特定种类的灾害进行预测，无法提供拓展至其余种类的灾害预测，因此只具有预测深度而无预测广度的技术问题。为解决上述技术问题，本专利技术具体提供下述技术方案：一种自然灾害预警方法，包括以下步骤：步骤S1、环境画像构建单元实时采集目标区域的环境数据并建立用于记录表示每个目标区域对目标灾害的目标预测的环境画像数据链；步骤S2、预测模型构建单元接收所述环境画像数据链，并基于环境画像数据链构建灾害预测模型；步骤S3、灾害预警单元依据灾害预测模型对目标区域进行目标灾害的实时预警。作为本专利技术的一种优选方案，所述环境画像构建单元包含一组设置在目标区域中的监测总成，所述环境画像数据链构建的具体方法包括：环境画像实时监测目标区域的环境数据，并按时序连续记录所述环境数据构成目标区域的环境日志；对环境日志进行分帧量化生成多个独立的环境画像帧，并对所有环境画像帧进行节点量化获得环境画像关键帧；将所有所述环境画像关键帧按时序进行深度链接获得环境画像数据链。作为本专利技术的一种优选方案，所述环境日志依时序进行等时长的分帧量化生成多个具有相同时长的环境画像帧，对所有所述环境画像帧进行节点量化获得环境画像关键帧的具体方法包括：依次计算相邻环境画像帧之间的相似度构成相似度节点数据链，所述相似度的计算公式为：；其中，C为环境画像帧的集合，，为第i，j个环境画像帧，是和的联合概率分布函数，而和分别是和的边缘概率分布函数；在相似度节点数据链上选取所有跳跃节点，并选取所有跳跃节点两端的环境画像帧汇总构成环境画像关键帧；其中，跳跃节点是指相似度节点数据链上相邻节点数值相差超过相似度阈值的数据节点。作为本专利技术的一种优选方案，所述基于环境画像数据链构建灾害预测模型的具体方法为：利用环境画像数据链提取环境特征域，并基于环境特征域构建初始embedding向量域；搭建FM结构层和DNN结构层融合的深度学习网络，并为初始embedding向量域设置调节因子用以训练所述深度学习网络获得灾害预测模型。作为本专利技术的一种优选方案，为初始embedding向量域设置调节因子用以训练所述深度学习网络获得灾害预测模型的具体方式为：将初始embedding向量域通过调节因子进行迭代调节获得多组embedding向量调节域；基于多组embedding向量调节域训练深度学习网络获得多组灾害预测模型，并对多组灾害预测模型进行准确度评估获得最优灾害预测模型。作为本专利技术的一种优选方案，所述调节因子用于在环境特征中保留主要特征并改变次要特征以提高灾害预测模型的广度预测能力，所述调节因子的具体公式为：调节因子；其中，为与初始embedding向量域对应的环境特征域，为与embedding向量调节域对应的环境特征调节域，T为转置运算符。作为本专利技术的一种优选方案，所述FM结构层用于对所述环境特征域进行低阶特征量化提取，所述DNN结构层用于对所述环境特征域进行高阶特征量化提取，所述FM结构层和DNN结构层融合的深度学习网络共同获得环境特征域的低阶特征和高阶特征的全覆盖以获得模型预测的最佳效果，所述FM结构层和DNN结构层融合的深度学习网络的预测输出结果为：；其中，，yFM为FM结构层的输出，<w,x>为环境特征x的权重，w为权重信息，Vi,Vj为环境特征xi,xj的隐向量,为环境特征xi,xj的特征组合函数，d为环境特征x总数；，yDNN为DNN结构层的输出，DNN结构层为全链接的前馈神经网络，H为隐藏层的网络层数，DNN结构层中相邻网络层关系为，σ为激活函数，W(l)、a(l)、b(l)分别为第l层网络的权重、输入和偏置，a(0)＝[e1,e2,…,em]，em为embedding的第m个向量调节域。作为本专利技术的一种优选方案，所述多组embedding向量调节域生成的具体方法包括：将初始embedding向量域对应的环境特征域代入调节因子进行迭代运算获得多组环境特征调节域，环境特征域迭代运算具体公式为：；其中，k={1,2,…,N}，N为迭代次数，f为迭代函数；将多组环境特征调节域依次进行one-hot编码和Embedding变换生成多组embedding向量调节域。作为本专利技术的一种优选方案，多组所述灾害预测模型进行准确度评估获得最优灾害预测模型的具体方法包括：将所有所述环境画像数据链分别接入多组灾害预测模型，记录每组灾害预测模型对所有目标区域的灾害预测数据；分别计算每组灾害预测模型的灾害预测数据与灾害真实数据的互信息，并选取最高互信息的灾害预测模型作为最优灾害预测模型。作为本专利技术的一种优选方案，本专利技术提供了一种自然灾害预警系统，包本文档来自技高网...

【技术保护点】
1.一种自然灾害预警方法，其特征在于，包括以下步骤：/n步骤S1、环境画像构建单元实时采集目标区域的环境数据并建立用于记录表示每个目标区域对目标灾害的目标预测的环境画像数据链；/n步骤S2、预测模型构建单元接收所述环境画像数据链，并基于环境画像数据链构建灾害预测模型；/n步骤S3、灾害预警单元依据灾害预测模型对目标区域进行目标灾害的实时预警。/n

【技术特征摘要】
1.一种自然灾害预警方法，其特征在于，包括以下步骤：
步骤S1、环境画像构建单元实时采集目标区域的环境数据并建立用于记录表示每个目标区域对目标灾害的目标预测的环境画像数据链；
步骤S2、预测模型构建单元接收所述环境画像数据链，并基于环境画像数据链构建灾害预测模型；
步骤S3、灾害预警单元依据灾害预测模型对目标区域进行目标灾害的实时预警。


2.根据权利要求1所述的一种自然灾害预警方法，其特征在于：所述环境画像构建单元包含一组设置在目标区域中的监测总成，所述环境画像数据链构建的具体方法包括：
环境画像实时监测目标区域的环境数据，并按时序连续记录所述环境数据构成目标区域的环境日志；
对环境日志进行分帧量化生成多个独立的环境画像帧，并对所有环境画像帧进行节点量化获得环境画像关键帧；
将所有所述环境画像关键帧按时序进行深度链接获得环境画像数据链。


3.根据权利要求2所述的一种自然灾害预警方法，其特征在于：所述环境日志依时序进行等时长的分帧量化生成多个具有相同时长的环境画像帧，对所有所述环境画像帧进行节点量化获得环境画像关键帧的具体方法包括：
依次计算相邻环境画像帧之间的相似度构成相似度节点数据链，所述相似度的计算公式为：

；
其中，C为环境画像帧的集合，，为第i，j个环境画像帧，是和的联合概率分布函数，而和分别是和的边缘概率分布函数；
在相似度节点数据链上选取所有跳跃节点，并选取所有跳跃节点两端的环境画像帧汇总构成环境画像关键帧；
其中，跳跃节点是指相似度节点数据链上相邻节点数值相差超过相似度阈值的数据节点。


4.根据权利要求3所述的一种自然灾害预警方法，其特征在于：所述基于环境画像数据链构建灾害预测模型的具体方法为：
利用环境画像数据链提取环境特征域，并基于环境特征域构建初始embedding向量域；
搭建FM结构层和DNN结构层融合的深度学习网络，并为初始embedding向量域设置调节因子用以训练所述深度学习网络获得灾害预测模型。


5.根据权利要求4所述的一种自然灾害预警方法，其特征在于：为初始embedding向量域设置调节因子用以训练所述深度学习网络获得灾害预测模型的具体方式为：
将初始embedding向量域通过调节因子进行迭代调节获得多组embedding向量调节域；
基于多组embedding向量调节域训练深度学习网络获得多组灾害预测模型，并对多组灾害预测模型进行准确度评估获得最优灾害预测模型。


6.根据权利要求5所述的一种自然灾害预警方法，其特征在于：所述调节因子用于在环境特征中保留主要特征并改变次要特征以提高灾害预测模型的广度预测能力，所述调节因子的具体公式为：

【专利技术属性】
技术研发人员：林仁辉，苏茂才，廖峪，
申请(专利权)人：成都中轨轨道设备有限公司，
类型：发明
国别省市：四川;51