System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于地质灾害风险评估分析,具体而言,涉及一种基于cnn的滑坡易发性评价方法、设备及介质。
技术介绍
1、山体滑坡是当今世界上造成经济损失与人员伤亡的最严重的地质灾害之一,在世界各地具有巨大和广泛的影响。区域滑坡的易发性预测仍存在较大的不确定性,因此,快速和准确的探测滑坡区域对滑坡风险评估、建模、制图和应急救援具有积极意义。
2、滑坡易发性评价是通过综合分析研究区域内的各种地质环境因素、历史滑坡数据、滑坡的物理规律等要素,确定研究区域内未来发生滑坡的概率。目前,对滑坡灾害进行易发性预测的方法主要为统计学方法,包括决策树、逻辑回归、随机森林、支持向量机和多层感知机等。近年来,随着计算机技术的迅速发展,数理模型在滑坡灾害易发性预测上的应用愈加广泛,主要有经验模型(证据可信度函数(cbf)模型、频率比(fr)模型和确定性系数(cf)模型)和机器学习(bp神经网络)方法以及两者的集成方法等;这些传统的经验模型和机器学习方法未能较好地获得图像的深层特征,导致预测结果与现实存在一定差异。
3、为解决上述问题,已有人基于深度学习理论,采用cnn(卷积神经网络)来对滑坡的易发性进行预测。王毅等(2021)等提出了三种基于cnn模型的滑坡易发性处理框架,并构建了适用于滑坡易发性分析的cnn 1d(一维卷积)、cnn 2d(二维卷积)、cnn 3d(三维卷积)模型。yang et al.(2021)首次提出将cnn 1d提取的各因子间的相关信息,与cnn 2d提取的空间信息进行融合,从而提高滑坡易发性制图的效果。董力
4、综上所述,如何有效且准确地探测滑坡区域对滑坡风险评估、灾害防治和应急救援尤为重要,为此,我们提出一种基于cnn的滑坡易发性评价方法、设备及存储介质。
技术实现思路
1、本专利技术的目的在于提供一种基于cnn的滑坡易发性评价方法、设备及存储介质,以期解决现有技术存在的预测准确率较低且预测效率低的技术问题。
2、本专利技术的实施例通过以下技术方案实现:
3、第一方面,提供一种基于cnn的滑坡易发性评价方法,包括如下步骤:
4、获取待评价区域的滑坡易发性评价数据;
5、基于所述滑坡易发性评价数据获取待评价区域的滑坡影响因子数据,并基于所述滑坡影响因子数据的第一归一化结果;
6、获取待评价区域的历史滑坡灾害点数据及基于所述历史滑坡灾害点数据的第二归一化结果;
7、将所述第一归一化结果与第二归一化结果输入预设的cnn模型中,得到滑坡易发性结果数据并获取滑坡易发性评价结果。
8、进一步的,所述滑坡易发性评价数据至少包括地质和地形数据、水文数据、植被覆盖数据、历史滑坡灾害点数据;其中,地质和地形数据包括高程、坡度、坡向地面起伏度、地表粗糙度以及地层岩性,植被覆盖数据包括植被指数,水文数据包括降雨量。
9、进一步的,所述基于所述滑坡易发性评价数据获取待评价区域的滑坡影响因子数据,包括:通过对所述滑坡易发性评价数据进行相关性分析,获取滑坡影响因子数据;所述相关性分析具体步骤为:
10、基于所述滑坡易发性评价数据绘制表示各滑坡易发性评价数据之间关系的散点图;
11、基于所述散点图获取各滑坡易发性评价数据之间的第一相关系数,所述第一相关系数为皮尔逊相关系数与斯皮尔曼等级相关系数中的一种;
12、基于所述各滑坡易发性评价数据之间的第一相关系数的取值,确定并获取滑坡影响因子数据。
13、进一步的,所述基于所述滑坡影响因子数据的第一归一化结果,包括:基于获取的所述滑坡影响因子数据,利用arcgis中的extractby mask工具识别所述滑坡影响因子数据,再利用raster calculator和mosaic to new raster工具分别将每个所述滑坡影响因子数据归一化到0-255这一范围,且分别以png格式的图片输出作为第一归一化结果。
14、进一步的,所述基于所述历史滑坡灾害点数据的第二归一化结果,包括:基于所述历史滑坡灾害点数据结合实际调查的滑坡信息,在google earth pro上圈选出上述数据所存在的区域,并以矢量文件的形式保存;再在arcgis中将上述区域生成栅格图层通过raster calculator和mosaic to new raster工具归一化为255这一值并以png格式的图片输出作为第二归一化结果。
15、进一步的,所述预设的cnn模型中,dropout层满足下式:
16、f(x)=mask×x/(1-p)
17、其中,x为输入张量,f(x)为输出,mask为与输入张量x相同形状的二元张量,1-p表示每个神经元是否被保留的随机掩码;
18、回调函数满足下式:
19、f(a)=a×factor
20、其中,a为当前的学习率,f(a)为下一轮训练的学习率,factor是降低学习率的因子;
21、全连接层的激活函数满足下式:
22、f(b)=max(0,b)
23、其中,b为输入的数据,f(b)为输出的结果。当b大于等于0时,f(b)等于b;当b小于0时,f(b)等于0;
24、最终输出层的激活函数满足下式:
25、
26、其中,c为输入的数据,s(c)为输出的结果。当c小于0时,s(c)的输出值逐渐趋近于0;当c接近0时,s(c)的输出值接近0.5;当c大于0时,s(c)的输出值逐渐趋近于1。
27、进一步的,所述获取滑坡易发性评价结果具体为,基于所述滑坡易发性结果数据,获取待评价区域的滑坡发生位置和范围,获取滑坡易发性评价结果。
28、第二方面,提供一种电子设备,所述电子设备包括:处理器以及与所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行上述的基于cnn的滑坡易发性评价方法的步骤。
29、第三方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于cnn的滑坡易发性评价方法的程序,所述基于cnn的滑坡易发性评价方法的程序被处理器执行以实现上述的基于cnn的滑坡易发性评价方法的步骤。
30、本专利技术实施例的技术方案至少具有如下优点和有益效果:
31、本专利技术通过提供一种基于cnn的滑坡易发性评价方法、设备及存储介质,与传统的经验模型和机器学习方法相比,cnn可以通过卷积层有效地提取图像的深层特征,很好的解决非线性问题;
32、并且本专利技术还通过收集本文档来自技高网...
【技术保护点】
1.一种基于CNN的滑坡易发性评价方法,其特征在于,包括如下步骤:
2.如权利要求1所述的基于CNN的滑坡易发性评价方法,其特征在于,所述滑坡易发性评价数据至少包括地质和地形数据、水文数据、植被覆盖数据、历史滑坡灾害点数据;其中,地质和地形数据包括高程、坡度、坡向地面起伏度、地表粗糙度以及地层岩性,植被覆盖数据包括植被指数,水文数据包括降雨量。
3.如权利要求2所述的基于CNN的滑坡易发性评价方法,其特征在于,所述基于所述滑坡易发性评价数据获取待评价区域的滑坡影响因子数据,包括:通过对所述滑坡易发性评价数据进行相关性分析,获取滑坡影响因子数据;所述相关性分析具体步骤为:
4.如权利要求2或3所述的基于CNN的滑坡易发性评价方法,其特征在于,所述基于所述滑坡影响因子数据的第一归一化结果,包括:基于获取的所述滑坡影响因子数据,利用ArcGIS中的Extract by Mask工具识别所述滑坡影响因子数据,再利用Raster Calculator和Mosaic To New Raster工具分别将每个所述滑坡影响因子数据归一化到0-255这一范围,且
5.如权利要求1所述的基于CNN的滑坡易发性评价方法,其特征在于,所述基于所述历史滑坡灾害点数据的第二归一化结果,包括:基于所述历史滑坡灾害点数据结合实际调查的滑坡信息,在Google earth pro上圈选出上述数据所存在的区域,并以矢量文件的形式保存;再在ArcGIS中将上述区域生成栅格图层通过Raster Calculator和Mosaic To NewRaster工具归一化为255这一值并以PNG格式的图片输出作为第二归一化结果。
6.如权利要求1所述的基于CNN的滑坡易发性评价方法,其特征在于,所述预设的CNN模型中,Dropout层满足下式:
7.如权利要求1所述的基于CNN的滑坡易发性评价方法,其特征在于,所述获取滑坡易发性评价结果具体为,基于所述滑坡易发性结果数据,获取待评价区域的滑坡发生位置和范围,获取滑坡易发性评价结果。
8.一种电子设备,其特征在于,所述电子设备包括:处理器以及与所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行权利要求1至7任一项所述的基于CNN的滑坡易发性评价方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于CNN的滑坡易发性评价方法的程序,所述基于CNN的滑坡易发性评价方法的程序被处理器执行以实现权利要求1至7中任一项所述的基于CNN的滑坡易发性评价方法的步骤。
...【技术特征摘要】
1.一种基于cnn的滑坡易发性评价方法,其特征在于,包括如下步骤:
2.如权利要求1所述的基于cnn的滑坡易发性评价方法,其特征在于,所述滑坡易发性评价数据至少包括地质和地形数据、水文数据、植被覆盖数据、历史滑坡灾害点数据;其中,地质和地形数据包括高程、坡度、坡向地面起伏度、地表粗糙度以及地层岩性,植被覆盖数据包括植被指数,水文数据包括降雨量。
3.如权利要求2所述的基于cnn的滑坡易发性评价方法,其特征在于,所述基于所述滑坡易发性评价数据获取待评价区域的滑坡影响因子数据,包括:通过对所述滑坡易发性评价数据进行相关性分析,获取滑坡影响因子数据;所述相关性分析具体步骤为:
4.如权利要求2或3所述的基于cnn的滑坡易发性评价方法,其特征在于,所述基于所述滑坡影响因子数据的第一归一化结果,包括:基于获取的所述滑坡影响因子数据,利用arcgis中的extract by mask工具识别所述滑坡影响因子数据,再利用raster calculator和mosaic to new raster工具分别将每个所述滑坡影响因子数据归一化到0-255这一范围,且分别以png格式的图片输出作为第一归一化结果。
5.如权利要求1所述的基于cnn的滑坡易发性评价方法,其特征在于,所述基于所述历史滑坡灾害点数据的第二归一化结果,包...
【专利技术属性】
技术研发人员:李超,冯杰,吴旭欣,刘孔震,傅康,曾彦杰,贺加贝,马学远,邓恩昊,薛旭,魏慧,龙腾,刘晓庆,
申请(专利权)人:四川华能宝兴河水电有限责任公司,
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。