一种数据迁移改进数据有限区域滑坡危险性评估的方法技术

本发明专利技术公开了一种数据迁移改进数据有限区域滑坡危险性评估的方法，属于地质灾害防治技术领域。通过数据迁移的评估算法，将数据量完整且丰富的区域中的历史样本筛选出有益于数据有限区域的滑坡灾害危险性评估建模。通过该方法可以有效解决数据非常有限区域由于样本不足无法建立可靠模型的问题。本不足无法建立可靠模型的问题。本不足无法建立可靠模型的问题。

A method of data migration to improve landslide risk assessment in data limited areas

【技术实现步骤摘要】
一种数据迁移改进数据有限区域滑坡危险性评估的方法


[0001]本专利技术涉及一种数据迁移改进数据有限区域滑坡危险性评估的方法，属于地质灾害防治


技术介绍

[0002]滑坡是一种地质灾害，严重地危害当地居民的生产生活。我国是滑坡地质灾害多发区，滑坡每年造成巨大的经济损失和人员伤亡，对其开展危险性评估以合理规避和减少滑坡灾害风险至关重要。但由于滑坡灾害具有分布广泛但影响范围较为局地，且缺乏像地震和台风等灾害的监测台站资料，这导致了在如青藏高原或西南山区等数据有限地区开展滑坡危险性评估建模极具挑战性。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种数据迁移改进数据有限区域滑坡危险性评估的方法，以改进数据有限区域滑坡灾害危险性的评估，解决在数据缺乏或非常有限的地区滑坡危险性无法建模、难以评估的问题。
[0004]本专利技术的技术方案：本专利技术提供了一种数据迁移改进数据有限区域滑坡危险性评估的方法，其包括如下步骤：步骤一、定义区域A为有充足且完整的历史滑坡灾害数据，区域B为仅有非常有限数据量的滑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据迁移改进数据有限区域滑坡危险性评估的方法，其包括如下步骤：步骤一、定义区域A为有充足且完整的历史滑坡灾害数据，区域B为仅有非常有限数据量的滑坡灾害数据；步骤二、从区域A的历史滑坡灾害数据中提取影响滑坡因素构建基于深度学习卷积神经网络的滑坡危险性模型，所述滑坡危险性模型包括特征提取模块和分类模块两部分，所述特征提取模块为卷积神经网络结构，包括卷积层、池化层和全连接层，所述卷积层用于特征提取，通过提取到特定的、有效的、能够反应原始数据与目标任务之间关联的图像特征；所述池化层用于实现降采样，以实现卷积神经网络特征提取的层次性，使特征提取特征的视野随网络深度逐渐展开，所述全连接层用于实现卷积神经网络单元之间全连接，最终提出适用于进行滑坡危险性分类目标概率估计的高维度影响因素特征；所述分类模块选择Softmax classifier分类器用于通过高维度影响因素特征变量中对历史滑坡分类做概率估计，再根据指标评估方法确定最终的深度学习卷积神经网络模型的参数组合，作为完整历史区域A的深度学习滑坡灾害危险性评估模型；步骤三、建立一种基于相似系数的距离函数评估算法，其计算公式如下：式中X为区域A样本在所述影响滑坡因素特征变量上的值，Y为区域B样本在所述影响滑坡因素特征变量上的值， 为区域A和区域B的样本表现于各所述影响滑坡因素上的相似性距离，X
A1
为区域A第1个滑坡灾害点在不同所述影响滑坡因素上的特征向量；X
An
为区域A第N个滑坡灾害点在不同所述影响滑坡因素上的特征向量；Y
A1
为区域B第1个滑坡灾害点在不同所述影响滑坡因素上的特征向量；Y
An
为区域B第N个滑坡灾害点在不同所述影响滑坡因素上的特征向量；对于每个区域A中的历史滑坡数据样本，通过所述基于相似系数的距离函数评估算法评估其与区域B有限数据集的距离，并排序选择一定数量与区域B样本特征更接近的区域A中的样本，将与区域B有限的数据样本差异较大的样本移除，而与区域B有限样本较为接近的样本保留，作为潜在辅助样本C；步骤四、将区域B的有限数据随机划分为区域B训练集和区域B测试集，利用区域B的有限训练集样本，对所述完整历史区域A的深度学习滑坡灾害危险性评估模型进行参数微调，并应用于所述区域B测试集，计...

【专利技术属性】
技术研发人员：林齐根，黄金龙，王国杰，王艳君，苏布达，翟建青，姜彤，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：