【技术实现步骤摘要】
一种滑坡隐患的识别方法、终端设备及介质
[0001]本申请属于地质灾害识别
,尤其涉及一种滑坡隐患的识别方法、终端设备及介质。
技术介绍
[0002]滑坡隐患识别是指在不同空间尺度下对滑坡隐患位置、范围、发生可能性的预测。滑坡具有高度隐蔽性、突然性和破坏性。针对滑坡隐患的类别确认,特别是大区域下滑坡隐患早期类别确认,对滑坡灾害风险评价、早期预警、机理探索等研究工作意义重大,是实现由“被动避灾救灾”为“主动防灾治灾”的有效途径。
[0003]现有滑坡隐患的识别方法可归纳为知识驱动和数据驱动两类。知识驱动方法旨在基于地质专家知识进行隐患类别确认,包括人工地面调查:通过专业人员实地调查识别隐患,准确率较高,但效率低下,且难以识别高位、隐蔽性隐患,导致识别不全。目视解译:通过专业人员的知识和经验在遥感影像上对斜坡进行目视判别,准确度较高,但非常依赖专业人员的经验,且十分费时费力。特征阈值:根据人工经验和数据特点设定一种或者多种分割阈值进行滑坡识别。由于识别标准为特定区域特定特征的阈值,因此适用范围较小。
[0004]数据驱动方法旨在以数据为基础,通过不同的数据处理算法分析数据之间的关联关系,进而生成经验模型实现滑坡隐患识别,包括机器学习:机器学习使用计算机算法通过从训练数据中学习来分析和预测信息。具体的,通过隐患识别样本进行学习以实现滑坡隐患识别,机器学习方法具有高效率及高精度的优点,但特征选择和超参数调试工作量较大。深度学习:深度学习本质是一种更深层次的机器学习方法,通过组合低层特征形成更加抽象的高层 ...
【技术保护点】
【技术特征摘要】
1.一种滑坡隐患的识别方法,其特征在于,包括:获取已识别区域的遥感图像,并对所述遥感图像进行通道叠加,得到所述已识别区域的多通道影像数据;从所述多通道影像数据中提取训练样本,得到训练样本集;其中,所述训练样本表示不同通道的图像属性值排列成的序列,所述训练样本集包括多个滑坡隐患样本和多个非滑坡隐患样本;提取所述训练样本集的滑坡隐患特征,得到多个候选特征因子,并从所述多个候选特征因子中确定所述训练样本集对应的最相关特征因子;其中,所述特征因子表示产生滑坡隐患的影响因素,所述最相关特征因子表示重要程度最大的候选特征因子;构建初始滑坡隐患预测模型,并利用所述训练样本集对所述初始滑坡隐患预测模型进行训练,得到最终滑坡隐患预测模型;所述滑坡隐患预测模型包括分支一和分支二,所述分支一用于处理所述遥感图像,所述分支二用于处理所述最相关影响因子;利用所述最终滑坡隐患预测模型对待识别区域对应的多通道影像数据进行预测,得到所述待识别区域中存在滑坡隐患的地表点位;基于预先构建的滑坡隐患规则集,识别所述地表点位的滑坡隐患;所述滑坡隐患为正在形变区、历史变形破坏区或者潜在不稳定斜坡。2.根据权利要求1所述的识别方法,其特征在于,所述滑坡隐患特征包括形态特征、形变特征、形势特征以及其他特征;其中,所述形势特征包括滑坡的致灾因子和滑坡的灾害范围。3.根据权利要求2所述的识别方法,其特征在于,所述从所述多个候选特征因子中识别所述训练样本集对应的最相关特征因子,包括:通过计算公式得到所述多个候选特征因子之间的相关程度系数;其中,表示第个候选特征因子与第个候选特征因子之间的相关程度系数,,,表示候选特征因子的总数量,表示方差,表示第个候选特征因子与第个候选特征因子之间的协方差;通过计算公式得到每个候选特征因子的方差膨胀系数;其中,表示第个候选特征因子
的方差膨胀系数,表示除去的个其他候选特征因子进行线性回归时得到的确定性系数,所述方差膨胀系数用于度量每个候选特征因子内部的共线性程度;从所述多个候选特征因子中分别剔除相关程度系数大于预设相关程度阈值的候选特征因子和方差膨胀系数大于预设方差膨胀阈值的候选特征因子,得到多个相关特征因子。4.根据权利要求3所述的识别方法,其特征在于,所述从所述多个候选特征因子中确定所述训练样本集对应的最相关特征因子,还包括:通过计算公式通过计算公式得到滑坡隐患特征对训练样本集的信息增益;其中,表示滑坡隐患特征对训练样本集的信息增益,为形态特征、形变特征、形势特征以及其他特征四者中的任一者,表示由滑坡隐患特征划分训练样本集后得到的子集合的个数,表示第个子集合中训练样本的数量,,表示训练样本集中训练样本的总数量,表示第个子集合的信息熵,表示第个子集合中相关特征因子的总类别数,表示第个相关特征因子的类别在第个子集合中出现的概率;将最大信息增益对应的滑坡隐患特征作为最相关滑坡隐患特征,并将所述最相关滑坡隐患特征对应的相关特征因子作为所述最相关特征因子。5.根据权利要求1所述的识别方法,其特征在于,所述分支一包括第一卷积层、第二卷积层以及第一池化层,所述分支二包括第三卷积层、第四卷积层以及第二池化层;其中,所述第一卷积层的输出端分别连接所述第二卷积层的输入端和所述第一池化层的输入端,所述第二卷积层输出经过卷积算子计算后的遥感图像对应的第一栅格矩阵,所述第一池化层输出经过感受野内最大值计算后的遥感图像对应的第二栅格矩阵,所述第三卷积层的输出端...
【专利技术属性】
技术研发人员:刘青豪,唐建波,徐倩,杨学习,梅小明,
申请(专利权)人:中南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。