【技术实现步骤摘要】
本专利技术涉及边坡稳定性评估，特别是涉及一种基于快速决策树的边坡稳定性动态评估方法及系统。
技术介绍
1、边坡是为了保证路基稳定、在路基两侧做成的具有一定坡度的坡面。对于欠稳定状态的边坡，在自身重力、降雨、地震以及人类工程扰动作用，可能发生失稳破坏，其中最常见的边坡破坏类型主要有崩塌和滑坡。有效的针对边坡破坏问题的预警预测对于降低灾害损失、保障人员财产安全至关重要。
2、传统的边坡预警方法主要包括物理模型方法以及数值模拟方法，但通常一种物理模型方法或者数值模拟方法只能针对一种特定的边坡问题。随着监测技术与设备的发展，基于深度学习与数据挖掘技术的数据驱动的预测预警模型被广泛应用于边坡风险预警，如回归模型、决策树模型、随机森林模型等。但现有的应用于边坡风险预警的数据挖掘模型，多为静态的数据挖掘模型，没有动态更新预测预警模型的机制，这就导致了基于数据挖掘算法的预测预警模型对时效性的缺失，同时，海量的实时监测数据无法应用在边坡稳定性评估预测预警模型的建立之中，造成数据的浪费。因此，如何有效地利用实时的边坡监测数据改进现有的静态的边坡稳定性评估模型，提高稳定性评估的准确性，是本领域技术人员亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于快速决策树的边坡稳定性动态评估方法及系统，实现了对边坡稳定性的动态评估，且提高了评估的准确性。
2、为实现上述目的，本专利技术提供了如下方案：
3、一方面，本专利技术提供了一种基于快速决策树的边坡稳定性动态
4、获取初始边坡监测数据集；初始边坡监测数据集中包括若干条边坡监测数据；边坡监测数据包括边坡位移数据、地下水位数据、降雨量数据、孔隙水压力数据、环境温度数据、环境湿度数据，以及对应的边坡稳定情况；边坡位移数据、地下水位数据、降雨量数据、孔隙水压力数据、环境温度数据、环境湿度数据为边坡监测数据的属性。
5、基于快速决策树算法，根据初始边坡监测数据集建立分类决策树；分类决策树中包括若干个内部结点和若干个叶子结点；内部结点的决策属性为边坡监测数据的任意一项属性；叶子结点为边坡稳定情况的取值。
6、将分类决策树作为当前分类决策树。
7、实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集，并根据增量数据集，对当前分类决策树进行更新，得到更新后的当前分类决策树，基于更新后的当前分类决策树，对下一时刻的边坡监测数据进行边坡稳定情况的评估；历史增量数据集为历史若干次得到的增量数据集的集合。
8、判断是否满足终止建树条件，得到第一判断结果；若第一判断结果为是，则结束建树。
9、若第一判断结果为否，则将更新后的当前分类决策树作为当前分类决策树，并跳转至步骤：实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集，并根据增量数据集，对当前分类决策树进行更新，得到更新后的当前分类决策树。
10、可选地，在实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集之前，基于快速决策树的边坡稳定性动态评估方法还包括：
11、判断历史增量数据集中边坡监测数据的数量是否大于更新阈值，得到第二判断结果。
12、若第二判断结果为是，则基于快速决策树算法，根据历史增量数据集和初始边坡监测数据集的集合建立分类决策树。
13、若第二判断结果为否，则不做任何改变。
14、可选地，更新阈值为初始边坡监测数据集大小的预设比例。
15、可选地，根据增量数据集，对当前分类决策树进行更新，得到更新后的当前分类决策树，具体包括：
16、针对增量数据集中的任一条边坡监测数据，在当前分类决策树中匹配查找对应的叶子结点，得到边坡监测数据的当前叶子结点。
17、针对当前分类决策树中的任一叶子结点，若叶子结点为边坡稳定情况不同的多条边坡监测数据的当前叶子结点，则将叶子结点作为待分裂结点，并将以待分裂结点为当前叶子结点且边坡稳定情况不同的多条边坡监测数据作为待分裂结点的多分枝数据集。
18、针对任一待分裂结点，根据待分裂结点的多分枝数据集，在边坡监测数据的属性中选择一种属性作为待分裂结点的决策属性，将待分裂结点转变为内部结点，并将待分裂结点的多分枝数据集中的各边坡稳定情况作为内部结点的叶子结点，得到更新后的当前分类决策树。
19、可选地，根据待分裂结点的多分枝数据集，在边坡监测数据的属性中选择一种属性作为待分裂结点的决策属性，具体包括：
20、在边坡监测数据的属性中确定出可选择属性集；可选择属性集中的多个属性均为在待分裂结点前未作为内部结点决策属性的属性。
21、针对可选择属性集中的任一属性，计算得到属性的信息增益。
22、将可选择属性集中信息增益最大的属性作为待分裂结点的决策属性。
23、另一方面，对应于前述的基于快速决策树的边坡稳定性动态评估方法，本专利技术还提供了一种基于快速决策树的边坡稳定性动态评估系统，包括：
24、初始边坡监测数据集获取模块，用于获取初始边坡监测数据集；初始边坡监测数据集中包括若干条边坡监测数据；边坡监测数据包括边坡位移数据、地下水位数据、降雨量数据、孔隙水压力数据、环境温度数据、环境湿度数据，以及对应的边坡稳定情况；边坡位移数据、地下水位数据、降雨量数据、孔隙水压力数据、环境温度数据、环境湿度数据为边坡监测数据的属性。
25、分类决策树建立模块，用于基于快速决策树算法，根据初始边坡监测数据集建立分类决策树；分类决策树中包括若干个内部结点和若干个叶子结点；内部结点的决策属性为边坡监测数据的任意一项属性；叶子结点为边坡稳定情况的取值；将分类决策树作为当前分类决策树。
26、增量更新模块，用于实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集，并根据增量数据集，对当前分类决策树进行更新，得到更新后的当前分类决策树，并基于更新后的当前分类决策树，对下一时刻的边坡监测数据进行边坡稳定情况的评估；历史增量数据集为历史若干次得到的增量数据集的集合。
27、第一判断模块，用于判断是否满足终止建树条件，得到第一判断结果；若第一判断结果为否，则将更新后的当前分类决策树作为当前分类决策树，并跳转至步骤：实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集，并根据增量数据集，对当前分类决策树进行更新，得到更新后的当前分类决策树；若第一判断结果为是，则结束建树。
28、可选地，基于快速决策树的边坡稳定性动态评估系统还包括：
29、第二判断模块，用于判断历史增量数据集中边坡监测数据的数量是否大于更新阈值，得到第二判断结果；若第二判断结果为是，则基于快速决策树算法，根据历史增量数据集和初始边坡监测数据集的集合建立分类决策树；若第二判断结果为否，则不做任何改变。
30、可选地，更新阈值为初始边坡监测数据集大小的预设比例。
31、可选地，增量更新模块本文档来自技高网...
【技术保护点】
1.一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，所述基于快速决策树的边坡稳定性动态评估方法包括：
2.根据权利要求1所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，在实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集之前，所述基于快速决策树的边坡稳定性动态评估方法还包括；
3.根据权利要求2所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，所述更新阈值为所述初始边坡监测数据集大小的预设比例。
4.根据权利要求1所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，根据所述增量数据集，对所述当前分类决策树进行更新，得到更新后的当前分类决策树，具体包括：
5.根据权利要求4所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，根据所述待分裂结点的多分枝数据集，在边坡监测数据的属性中选择一种属性作为所述待分裂结点的决策属性，具体包括：
6.一种基于快速决策树的边坡稳定性动态评估系统，其特征在于，所述基于快速决策树的边坡稳定性动态评估系统包括：
7.根据权
8.根据权利要求7所述的一种基于快速决策树的边坡稳定性动态评估系统，其特征在于，所述更新阈值为所述初始边坡监测数据集大小的预设比例。
9.根据权利要求6所述的一种基于快速决策树的边坡稳定性动态评估系统，其特征在于，所述增量更新模块包括：
10.根据权利要求9所述的一种基于快速决策树的边坡稳定性动态评估系统，其特征在于，所述分类决策树更新子模块包括：
...【技术特征摘要】
1.一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，所述基于快速决策树的边坡稳定性动态评估方法包括：
2.根据权利要求1所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，在实时获取若干条边坡监测数据，得到增量数据集和历史增量数据集之前，所述基于快速决策树的边坡稳定性动态评估方法还包括；
3.根据权利要求2所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，所述更新阈值为所述初始边坡监测数据集大小的预设比例。
4.根据权利要求1所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，根据所述增量数据集，对所述当前分类决策树进行更新，得到更新后的当前分类决策树，具体包括：
5.根据权利要求4所述的一种基于快速决策树的边坡稳定性动态评估方法，其特征在于，根据所述待分...
【专利技术属性】
技术研发人员：马可，陈育民，翁禾，方志，
申请(专利权)人：重庆大学溧阳智慧城市研究院，
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。