一种面向泥石流灾害的分布式智能预测方法及系统技术方案

本发明专利技术提供了一种面向泥石流灾害的分布式智能预测方法及系统，涉及地质灾害预测技术领域，包括：S1：区域中心平台向全局中心平台发送加入的请求，若全局中心平台同意，则下发模型的基本参数，并标记为已加入的区域中心平台；S2：接收到下发的模型的基本参数，并生成预测模型；S3：反馈预测模型的特征参数至全局中心平台，全局中心平台将对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息；S4：实时接收地理信息，将地理信息生成预测信息，并调用预测模型对预测信息进行预测，得到预测结果；S5：调用共享模型的更新信息/带标签的预测信息对预测模型进行更新，得到更新后的预测模型的特征参数，并转到S2。S2。S2。

【技术实现步骤摘要】
一种面向泥石流灾害的分布式智能预测方法及系统


[0001]本专利技术涉及地质灾害预测
，具体涉及一种面向泥石流灾害的分布式智能预测方法及系统。

技术介绍

[0002]目前的泥石流灾害预测，通常是依靠物联网(包括传感器网络)、遥感或者人工方式获取区域地质信息，在此基础上有两种处理思路：(1)将相关参数与预先计算好的阈值进行比对，一旦某个参数超出阈值，就发出灾害预警；(2)由专家团队针对地质数据进行深入分析。
[0003]这两种方式都存在着一定的问题。方式(1)中，不同区域的参数、阈值要单独设定，给灾害预警系统在大范围、复杂区域的实际部署带来了极大的困难。方式(2)中，在特定的研究区域，专家通常可以根据他们的专业知识给出准确的预测。然而，这种以专家为主导的预测仍存在效率较低，覆盖范围小等问题，且专家经验不具备良好的可移植性。
[0004]基于人工智能的预测技术具有更好的客观性、灵活性和通用性。所以将人工智能的优势与灾害预测相结合可以弥补当前专家主导的预测技术的不足，并帮助人类避免泥石流灾害造成的损失。
[0005]但是，目前的面向自然灾害的人工智能预测系统通常是集中式系统，该集中式系统处理的区域较小且没有很好解决区域的差异性问题。此外，现有技术中的预测系统通常缺乏一些反馈学习机制以适应不断变化的自然环境。

技术实现思路

[0006]本专利技术的目的是提供一种面向泥石流灾害的分布式智能预测方法及系统，为解决上述技术问题，本专利技术采用了以下方案：
[0007]一种面向泥石流灾害的分布式智能预测方法，所述预测方法具体包括：
[0008]S1：区域中心平台向全局中心平台发送加入的请求，若全局中心平台同意，则预测模型的基本参数下发至该区域中心平台，并标记该区域中心平台为已加入的区域中心平台；
[0009]S2：接收到全局中心平台下发的预测模型的基本参数，根据预测模型的基本参数和本地历史数据生成预测模型，所述预测模型包括特征参数；
[0010]S3：反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息；
[0011]S4：实时接收到地理信息汇聚层上传的地理信息，将地理信息生成预测信息，并调用该预测模型对预测信息进行预测，得到预测结果，所述预测信息包括预测期限，当预测期限已过，对预测结果进行标签标记；
[0012]S5：调用共享模型的更新信息或带标签的预测结果对预测模型进行更新，得到更
新后的预测模型的特征参数，并转到S3。
[0013]本专利技术主要采用了全局中心平台加区域中心平台的双层分布式系统，其中，引入了全局中心平台的共享模型和区域中心平台的预测模型协同工作，所述预测模型以共享模型为模板，并通过不断的反馈学习机制进行更新，已适应不断变化的自然环境，使本专利技术可以解决上述技术问题，并具备高自动化、覆盖范围广、组网更灵活、预测效果更好的优点。
[0014]进一步的，所述全局中心平台有一个，所述区域中心平台至少有一个，所述区域中心平台包括至少一个监测点，所述监测点用于收集地理信息，
[0015]所述反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息过程为：
[0016]假设已加入的区域中心平台的数量总共有R个，已加入的区域中心平台中监测点的数量总共有n个，
[0017][0018][0019][0020]所述t表示时间段，W
t
表示在时间段t内共享模型的特征参数，表示在时间段t内已加入的区域中心平台k的预测模型的特征参数，n
k
表示已加入的区域中心平台k的监测点数量，和表示在时间段t内全局中心平台向已加入的区域中心平台k下发的其对应的共享模型的更新信息。
[0021]进一步的，所述S5中调用共享模型的更新信息对预测模型进行更新，得到更新后的预测模型的特征参数的过程为：
[0022][0023]所述t+1表示t的下一个时间段，表示在时间段t+1内已加入的区域中心平台k得到的更新后的预测模型的特征参数，α表示已加入的区域中心平台k的学习率，所述α的值为0～1。
[0024]进一步的，所述反馈更新后的预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息的过程为：
[0025][0026]所述W
t+1
表示在时间段t+1内共享模型的特征参数。
[0027]进一步的，所述标签为真实或虚假。
[0028]进一步的，所述预测模型的基本参数包括隐藏层节点数、输入节点数、输出节点数、激活函数种类、学习率、初始权重。
[0029]进一步的，还包括：
[0030]S4：已加入的区域中心平台向全局中心平台发送撤出的请求，若全局中心平台同
意，全局中心平台则将删除该已加入的区域中心平台的标记并对共享模型进行更新，再对已加入的区域中心平台下发其对应的共享模型的更新信息。
[0031]进一步的，所述全局中心平台将删除该已加入的区域中心平台的标记并更新共享模型的过程为：
[0032][0033]一种面向泥石流灾害的分布式智能预测系统，包括：
[0034]区域中心平台申请加入模块：区域中心平台向全局中心平台发送加入的请求，若全局中心平台同意，则预测模型的基本参数下发至该区域中心平台，并标记该区域中心平台为已加入的区域中心平台；
[0035]预测模型生成模块：接收到全局中心平台下发的预测模型的基本参数，根据预测模型的基本参数和本地历史数据生成预测模型，所述预测模型包括特征参数；
[0036]反馈学习模块：反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息；
[0037]预测地理信息模块：实时接收到地理信息汇聚层上传的地理信息，将地理信息生成预测信息，并调用该预测模型对预测信息进行预测，得到预测结果，所述预测信息包括预测期限，当预测期限已过，对预测结果进行标签标记；
[0038]预测模型更新模块：调用共享模型的更新信息或带标签的预测结果对预测模型进行更新，得到更新后的预测模型的特征参数，并转到反馈学习模块。
[0039]进一步的，还包括：
[0040]区域中心平台申请撤出模块：已加入的区域中心平台向全局中心平台发送撤出的请求，若全局中心平台同意，全局中心平台则将删除该已加入的区域中心平台的标记并对共享模型进行更新，再对已加入的区域中心平台下发其对应的共享模型的更新信息。
[0041]本专利技术的有益效果：
[0042]本专利技术提供了一种面向泥石流灾害的分布式智能预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向泥石流灾害的分布式智能预测方法，其特征在于，所述预测方法具体包括：S1：区域中心平台向全局中心平台发送加入的请求，若全局中心平台同意，则预测模型的基本参数下发至该区域中心平台，并标记该区域中心平台为已加入的区域中心平台；S2：接收到全局中心平台下发的预测模型的基本参数，根据预测模型的基本参数和本地历史数据生成预测模型，所述预测模型包括特征参数；S3：反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息；S4：实时接收到地理信息汇聚层上传的地理信息，将地理信息生成预测信息，并调用该预测模型对预测信息进行预测，得到预测结果，所述预测信息包括预测期限，当预测期限已过，对预测结果进行标签标记；S5：调用共享模型的更新信息或带标签的预测结果对预测模型进行更新，得到更新后的预测模型的特征参数，并转到S3。2.根据权利要求1所述的一种面向泥石流灾害的分布式智能预测方法，其特征在于，所述全局中心平台有一个，所述区域中心平台至少有一个，所述区域中心平台包括至少一个监测点，所述监测点用于收集地理信息，所述反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征参数对共享模型进行更新，并对已加入的区域中心平台下发其对应的共享模型的更新信息过程为：假设已加入的区域中心平台的数量总共有R个，已加入的区域中心平台中监测点的数量总共有n个，量总共有n个，量总共有n个，所述t表示时间段，W
t
表示在时间段t内共享模型的特征参数，表示在时间段t内已加入的区域中心平台k的预测模型的特征参数，n
k
表示已加入的区域中心平台k的监测点数量，和表示在时间段t内全局中心平台向已加入的区域中心平台k下发的其对应的共享模型的更新信息。3.根据权利要求2所述的一种面向泥石流灾害的分布式智能预测方法，其特征在于，所述S5中调用共享模型的更新信息对预测模型进行更新，得到更新后的预测模型的特征参数的过程为：所述t+1表示t的下一个时间段，表示在时间段t+1内已加入的区域中心平台k得到的更新后的预测模型的特征参数，α表示已加入的区域中心平台k的学习率，所述α的值为0～1。4.根据权利要求3所述的一种面向泥石流灾害的分布式智能预测方法，其特征在于，所
述反馈预测模型的特征参数至全局中心平台，全局中心平台将根据接收到的预测模型的特征...

【专利技术属性】
技术研发人员：唐朝，韦皓雅，龙彦彤，
申请(专利权)人：韦皓雅龙彦彤，
类型：发明
国别省市：