一种基于深度学习的雪崩人工干预有效影响半径预测方法技术

本发明专利技术公开了一种基于深度学习的雪崩人工干预有效影响半径预测方法，属于雪崩人工干预应急处置技术领域，在边坡高位积雪体相关数据采集和传输环节失效时，预测雪崩爆破有效影响半径。其包括以下步骤：S1，梳理雪崩释放区监测参数，构建样本数据库；S2，获取雪崩释放区的历史监测数据，对历史监测数据进行预处理；S3，将监测数据分为第一类监测参数和第二类检测参数；S4，基于雪崩目标释放区的历史监测数据创建用于机器学习的数据集，将第一类监测参数的历史数据和实时数据作为输入，将第二类监测参数作为输出，通过机器学习算法进行训练和预测，得到雪崩释放区有效影响半径预测值。本发明专利技术适用于基于深度学习的雪崩人工干预有效影响半径预测方法。

【技术实现步骤摘要】

本专利技术属于雪崩人工干预应急处置，具体涉及一种基于深度学习的雪崩人工干预有效影响半径预测方法。

技术介绍

1、高山峡谷地区雪崩人工干预是雪崩防灾减灾的重要方法，其中雪崩爆破有效影响半径预测直接影响雪崩人工干预应急处置的效果。高山峡谷地区的雪崩爆破有效影响半径需要考虑地形、降雪量、坡度、风速及气温、含水量等诱发因素，目前常用的监测技术需要在该区域大规模布设位移监测传感器如检波器、次声、激光脉冲等，这些监测设备无法提供雪崩释放区具体数据，也容易受到雪崩影响破坏，既耗时且安装运维成本又高，也无法准确预报雪崩破坏位置和时间。

2、鉴于无人机摄影测量和人工智能技术，可以获取边坡高位积雪体人工干预时释放区的高分辨率变形监测数据、积雪体特性监测数据以及环境监测数据，研发适应高山峡谷地区的边坡雪崩爆破有效影响半径的预测方法，对高山峡谷地区的雪崩人工干预具有重要意义。

技术实现思路

1、本专利技术的目的在于：提供一种基于深度学习的雪崩人工干预有效影响半径预测方法，即使边坡高位积雪体相关数据采集和传输环节失效，可采本文档来自技高网...

【技术保护点】

1.一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于，包括以下步骤：

2.按照权利要求1所述的一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于，所述步骤S1中，高位积雪体实景影像样本数据库包括雪崩前边坡高位积雪体整体高清影像数据和雪崩后边坡高位积雪体整体高清影像数据，由无人机与专业航迹规划软件定期采集得来，其中，同一边坡积雪体的雪崩前与雪崩后的影像采集位置、角度、范围、曝光参数保持一致，并将雪崩后积雪体图像上的释放区位置范围信息提取，集成为矩阵形式；

3.按照权利要求2所述的一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于...

【技术特征摘要】

1.一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于，包括以下步骤：

2.按照权利要求1所述的一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于，所述步骤s1中，高位积雪体实景影像样本数据库包括雪崩前边坡高位积雪体整体高清影像数据和雪崩后边坡高位积雪体整体高清影像数据，由无人机与专业航迹规划软件定期采集得来，其中，同一边坡积雪体的雪崩前与雪崩后的影像采集位置、角度、范围、曝光参数保持一致，并将雪崩后积雪体图像上的释放区位置范围信息提取，集成为矩阵形式；

3.按照权利要求2所述的一种基于深度学习的雪崩人工干预有效影响半径预测方法，其特征在于，所述释放区位置范围信息包括中心点坐标、释放区宽度、释放区高度。

4.按照权利要求1所述的一...

【专利技术属性】
技术研发人员：覃壮恩，侯争军，李自强，贺宁波，李波，韩照梁，汪雨浓，何中泉，王一帆，简晔，
申请(专利权)人：中国安能集团第三工程局有限公司，
类型：发明
国别省市：