一种基于多模态的管网地质滑坡灾害预警方法技术

本发明专利技术公开了一种基于多模态的管网地质滑坡灾害预警方法。为了克服现有技术管网滑坡预警不准确，实时性欠佳的问题；本发明专利技术包括以下步骤：S1：采集空天地数据建立数据集；S2：针对数据集中不同数据类型的空天地数据，分别采用对应的算法进行特征的提取；各类数据特征之间通过注意力机制融合交互；S3：将融合的数据特征进行分类，确定当前管网的预警情况。引入了注意力机制，考虑到模态之间的更有效的融合，实时性准确性强，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
一种基于多模态的管网地质滑坡灾害预警方法


[0001]本专利技术涉及一种地质滑坡预警领域，尤其涉及一种基于多模态的管网地质滑坡灾害预警方法。

技术介绍

[0002]尽可能全面识别和发现灾害隐患是防灾减灾最重要的工作内容之一。此外滑坡灾害引起的管道露管，破坏，对社会经济、生命财产、地理环境都产生了重大影响。因此进行管网的滑坡灾害预警意义重大。
[0003]在油气管道铺设地段自然灾害频发，并多在复杂山区。复杂山区灾害的主要特点为：高位置，人工难以达到；高隐蔽性，植被覆盖难以发现；突发性，滑前变形迹象不明显；滑区坡度陡，投影面积小。
[0004]以上特点导致了复杂山区灾害的早期识别和防范难度加大。
[0005]目前，地质灾害采用“二重一专”管理方式，即在汛前汛后重点时段由专业队伍对重点地区进行普查和风险评价。近年来发生的地灾、露管事件中仍有70％不在已发现的隐患范围内，线路管理一线人员缺乏地灾专业知识，全程全天候监测无法做到，缺乏数字化技术手段，尤其在台风季节保障山区段管道安全方面已显捉襟见肘。
[0006]由上可见，在管道地质灾害管理上存在“三高一难”(危害数量比例高、地灾发生未知比例高、专业要求高、难以全程全天候监测)，是全省油气管道保护工作的重点、难点，也是短板。
[0007]现有的地质监测手段，多采用静态数据，例如，一种在中国专利文献上公开的“融合精密水准与InSAR可靠沉降值的地面沉降监测方法”，其公告号CN113138388A，所述方法包括：获取两期InSAR影像；对两期InSAR影像进行差分干涉测量沉降计算，以得到干涉图；在干涉图的基础上叠加城市不透水面层，得到可靠沉降观测值；利用精密水准沉降测量结果对所述可靠沉降观测值进行改正与融合，以得到融合沉降观测值；对融合沉降观测值进行融合点以及面沉降观测值的联合插值计算，以得到计算结果；根据所述计算结果计算城市地面沉降等值线图。该方案采用静态数据，动态性能欠佳；以致管网滑坡预警不准确，实时性欠佳。

技术实现思路

[0008]本专利技术主要解决现有技术管网滑坡预警不准确，实时性欠佳的问题；提供一种基于多模态的管网地质滑坡灾害预警方法，将图像、文本、结构性数据等多模态信息映射到统一的表示空间，将这些数据综合分析，进行数据挖掘与模式识别，得到准确的管网地灾预警结果。
[0009]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
一种基于多模态的管网地质滑坡灾害预警方法，包括以下步骤：S1：采集空天地数据建立数据集；S2：针对数据集中不同数据类型的空天地数据，分别采用对应的算法进行特征的提取；各类数据特征之间通过注意力机制融合交互；S3：将融合的数据特征进行分类，确定当前管网的预警情况。
[0010]本方案融合了空天地多模态特征，实时性准确性强。引入了注意力机制，考虑到模态之间的更有效的融合，在各类数据之间通过注意力机制传递信息，实现模态间的信息交互，数据综合分析，进行数据挖掘与模式识别，得到准确的管网地灾预警结果。
[0011]作为优选，所述的空天地数据包括地质水文数据、inSAR数据、径流数据、分布式光纤数据和雨量数据。融合空天地多模态特征，实时性准确性强。
[0012]作为优选，对于数据类型为文本的空天地数据，采用独热编码加Embedding将自然语言转换为词嵌入表示。地质水文条件为文本数据，难以输入到模型中；经过本方案的设计，将文本数据与其他数据映射到同一表示空间。
[0013]作为优选，针对数据类型为时序的空天地数据，采用双向的LSTM网络进行序列数据的特征提取。利用时序数据提取模块，将InSAR、分布式光纤和雨量等时序数据进行特征提取，将这些深层特征进行融合。
[0014]作为优选，针对数据类型为图像的空天地数据，采用基于Resnet50的迁移学习方法； Resnet50将深层网络模型构建为浅层网络模型和自身映射的增加层，把训练好的浅层结构与自身映射的增加层通过残差单元连接在一起，通过shortcut将输入跨层传递；然后与经过卷积后的输出相加。达到充分训练底层网络的效果。
[0015]作为优选，所述的注意力机制包括模态间信息交互和模态内信息增强；模态内的交互为自注意力，模态间的关系采用注意力。模态间信息交互的设计是为了将视觉对象与时序数据联系起来，通过关联学习完成信息融合，这有助于模型结合多模态信息进行综合态势评估。模态内信息增强是用于捕捉模态内的重点信息，放大每种信号的危险信息。
[0016]作为优选，根据注意力机制融合的有效特征计算预警值P其中，x
i
为第i个特征；n为特征总数。
[0017]首先探索视觉特征中与时序特征相关的特征，然后在激活函数Sigmoid的作用下生成自适应条件向量，获得基于多模态和数据融合的管网预警结果。
[0018]作为优选，根据预警值P大小输出预警的等级；分级依据为：当输出概率P＜40％时，不预警；当输出概率P≥40％且P＜60％时，发布黄色预警；当输出概率P≥60％且P＜80％时，发布橙色预警；当输出概率P≥80％时，发布红色预警。
[0019]分级断点设定参考地质灾害气象风险预警等级划分表。
[0020]本专利技术的有益效果是：1.融合了空天地多模态特征，实时性准确性强。
[0021]2.引入了注意力机制，考虑到模态之间的更有效的融合，在各类数据之间通过注意力机制传递信息，实现模态间的信息交互。
[0022]3.数据综合分析，进行数据挖掘与模式识别，得到准确的管网地灾预警结果。
附图说明
[0023]图1是本专利技术的管网地质滑坡灾害预警方法流程图。
[0024]图2是本专利技术的特征提取原理图。
[0025]图3是本专利技术的独热编码加Embedding原理图。
具体实施方式
[0026]下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。
[0027]实施例：本实施例的一种基于多模态的管网地质滑坡灾害预警方法，如图1所示，包括以下步骤：S1：采集空天地数据建立数据集。
[0028]空天地数据包括地质水文数据、inSAR数据、径流数据、分布式光纤数据和雨量数据。
[0029]S2：针对数据集中不同数据类型的空天地数据，分别采用对应的算法进行特征的提取；各类数据特征之间通过注意力机制融合交互。
[0030]特征提取过程如图2所示。
[0031]数据类型为文本的空天地数据，采用独热编码加Embedding将自然语言转换为词嵌入表示。
[0032]在本实施例中，地质水文条件为文本数据，难以输入到模型中；地质水文条件如下表 1所示：表1.地质水文条件数据表
地质水文条件为文本数据，难以输入到模型中，针对地质水文数据，如图3所示，采用独热编码加Embedding的方式来实现，每个语料库中的单词都对应一个独热编码，利用 Embedding
‑
Layer，将自然语言本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态的管网地质滑坡灾害预警方法，其特征在于，包括以下步骤：S1：采集空天地数据建立数据集；S2：针对数据集中不同数据类型的空天地数据，分别采用对应的算法进行特征的提取；各类数据特征之间通过注意力机制融合交互；S3：将融合的数据特征进行分类，确定当前管网的预警情况。2.根据权利要求1所述的一种基于多模态的管网地质滑坡灾害预警方法，其特征在于，所述的空天地数据包括地质水文数据、inSAR数据、径流数据、分布式光纤数据和雨量数据。3.根据权利要求1或2所述的一种基于多模态的管网地质滑坡灾害预警方法，其特征在于，对于数据类型为文本的空天地数据，采用独热编码加Embedding将自然语言转换为词嵌入表示。4.根据权利要求1或2所述的一种基于多模态的管网地质滑坡灾害预警方法，其特征在于，针对数据类型为时序的空天地数据，采用双向的LSTM网络进行序列数据的特征提取。5.根据权利要求1或2所述的一种基于多模态的管网地质滑坡灾害预警方法，其特征在于，针对数据类型为图像的空天地数据，采用基...

【专利技术属性】
技术研发人员：沈佳园，童歆，曹俊杰，戴晓东，杨秦敏，杨楷翔，肖丽，
申请(专利权)人：浙江省能源集团有限公司浙江大学，
类型：发明
国别省市：