【技术实现步骤摘要】
本专利技术涉及数据分析，尤其涉及一种基于人工智能的边坡失稳预测方法及系统。
技术介绍
1、在地质工程和土木工程领域，边坡稳定性分析一直是一个重要且复杂的问题。传统的边坡稳定性评估方法主要依赖于定期的地质勘探和历史数据的分析，然而这些方法往往存在时效性差、对边坡结构动态变化敏感性不足的问题。特别是在边坡地区经历自然或人为因素引起的结构变化时，传统的评估方法往往难以及时捕捉这些变化，从而影响了边坡稳定性预测的准确性和有效性。
技术实现思路
1、为了改善上述问题，本专利技术提供了一种基于人工智能的边坡失稳预测方法及系统。
2、本专利技术实施例提供一种基于人工智能的边坡失稳预测方法，应用于边坡失稳预测系统，所述方法包括：
3、获取过往边坡地质勘探数据和架构演变描述信息流，所述过往边坡地质勘探数据包括过往边坡地区的失稳隐患趋势向量，所述架构演变描述信息流包括若干个携带时序标签的架构演变描述信息，所述架构演变描述信息用于指示待预测目标边坡地区的结构状态更新向量；
4、基于所述过往边坡地质勘探数据，确定所述过往边坡地区的空间结构关系点云；
5、基于所述架构演变描述信息流，确定异常结构关系跳变权重流，所述异常结构关系跳变权重流用于捕捉若干个所述架构演变描述信息指示的结构状态更新向量之间的区别；
6、通过所述异常结构关系跳变权重流优化所述过往边坡地区的空间结构关系点云，得到空间结构优化关系点云流；
7、基于所述空间结构优化关系点
8、可选的，所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
9、基于所述架构演变描述信息流，确定所述待预测目标边坡地区的空间结构关系点云流，所述待预测目标边坡地区的空间结构关系点云流包括若干个待预测目标边坡地区的空间结构关系点云；
10、确定若干个所述待预测目标边坡地区的空间结构关系点云分别和所述过往边坡地区的空间结构关系点云之间的结构共性评价值；
11、根据若干个所述待预测目标边坡地区的空间结构关系点云分别和所述过往边坡地区的空间结构关系点云之间的结构共性评价值，将所述待预测目标边坡地区的空间结构关系点云流中符合结构共性评价指标的空间结构关系点云确定为关键空间结构关系点云；
12、基于所述待预测目标边坡地区的空间结构关系点云流中各个空间结构关系点云与所述关键空间结构关系点云之间的比较结果，得到所述异常结构关系跳变权重流。
13、可选的，若所述过往边坡地区的环境因素为第一预警态势，则所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
14、基于所述架构演变描述信息流，确定所述待预测目标边坡地区的空间结构关系点云流，所述待预测目标边坡地区的空间结构关系点云流包括若干个待预测目标边坡地区的空间结构关系点云；
15、将所述待预测目标边坡地区的空间结构关系点云流中环境因素符合所述第一预警态势的空间结构关系点云，确定为关键空间结构关系点云；
16、基于所述待预测目标边坡地区的空间结构关系点云流中各个空间结构关系点云与所述关键空间结构关系点云之间的比较结果，得到所述异常结构关系跳变权重流。
17、可选的，所述方法还包括：
18、获取候选过往边坡地质勘探数据，所述候选过往边坡地质勘探数据中边坡地区的环境因素为第二预警态势；
19、优化所述候选过往边坡地质勘探数据的结构状态更新向量，得到所述过往边坡地质勘探数据。
20、可选的，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
21、基于所述空间结构优化关系点云流进行关系点云映射，得到边坡异常受力特征流；
22、基于所述边坡异常受力特征流和所述过往边坡地质勘探数据，生成所述边坡失稳判别观点。
23、可选的，若所述架构演变描述信息流为三维建模信息，所述方法还包括：基于所述架构演变描述信息流，获取坡面结构损耗特征流，所述坡面结构损耗特征流包括若干个结构损耗特征，所述结构损耗特征用于描述坡面的裂缝分布和所述坡面的降雨形变；
24、所述基于所述空间结构优化关系点云流进行关系点云映射，得到边坡异常受力特征流，包括：基于所述空间结构优化关系点云流和所述坡面结构损耗特征流进行关系点云映射，得到边坡异常受力特征流。
25、可选的，若所述架构演变描述信息流为三维建模信息，则所述基于所述架构演变描述信息流，获取坡面结构损耗特征流，包括：基于所述架构演变描述信息流，通过结构损耗建模转换网络进行特征映射，得到所述坡面结构损耗特征流；
26、所述结构损耗建模转换网络的调试步骤如下：
27、获取携带先验学习注释的地质勘探采样数据样例，所述先验学习注释用于捕捉所述地质勘探采样数据样例的坡面结构损耗特征流；
28、基于所述地质勘探采样数据样例，通过原始结构损耗建模转换网络进行特征映射，得到坡面结构损耗训练特征流；
29、基于所述坡面结构损耗训练特征流和所述先验学习注释之间的区别，优化所述原始结构损耗建模转换网络的网络配置权重，得到所述结构损耗建模转换网络。
30、可选的，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
31、基于所述过往边坡地质勘探数据进行知识向量挖掘，得到所述过往边坡地质勘探数据的地质勘探知识向量；
32、基于所述空间结构优化关系点云流进行知识向量挖掘，得到空间结构关系知识向量流；
33、基于所述地质勘探知识向量和所述空间结构关系知识向量流进行失稳判别，得到所述边坡失稳判别观点。
34、可选的，所述基于所述地质勘探知识向量和所述空间结构关系知识向量流进行失稳判别，得到所述边坡失稳判别观点，包括：
35、针对所述空间结构关系知识向量流中的目标空间结构关系知识向量，获取失稳决策扰动特征；
36、基于所述失稳决策扰动特征，通过决策树网络包括的残差连接层进行残差连接处理，得到边坡时空连接向量；
37、基于所述边坡时空连接向量和所述目标空间结构关系知识向量，通过所述决策树网络包括的第一类间特征聚焦层进行特征聚焦处理，得到失稳趋势推衍向量；
38、基于所述失稳趋势推衍向量和所述地质勘探知识向量，通过所述决策树网络包括的第二类间特征聚焦层进行特征聚焦处理，得到所述边坡失稳判别观点中的边坡失稳判别词向量；
39、将所述空间结构关系知识向量流包括的空间结构关系知识向量分别作为目标空间结构关系知识向量，得到所述边坡失稳判别观点，所述边坡失稳判别观点包括各个空间结构关系知识向量分别对应的边坡失稳风险。
40、可选的，所述基于所述过往边坡地质勘探数据进行知识向量挖掘，得到所述过往边坡地本文档来自技高网...
【技术保护点】
1.一种基于人工智能的边坡失稳预测方法，其特征在于，应用于边坡失稳预测系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
3.根据权利要求1所述的方法，其特征在于，若所述过往边坡地区的环境因素为第一预警态势，则所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述地质勘探知识向量和所述空间结构关系知识向量流进行失稳判别，得到所述边坡失稳判别观点，包括：
8.根据权利要求6所述的方法，其特征在于，所述基于所述过往边坡地质勘探数据进行
9.根据权利要求1-8任意一项所述的方法，其特征在于，若所述架构演变描述信息为三维建模信息，则所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
10.一种边坡失稳预测系统，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种基于人工智能的边坡失稳预测方法，其特征在于，应用于边坡失稳预测系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
3.根据权利要求1所述的方法，其特征在于，若所述过往边坡地区的环境因素为第一预警态势，则所述基于所述架构演变描述信息流，确定异常结构关系跳变权重流，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述空间结构优化关系点云流和所述过往边坡地质勘探数据，生成边坡失稳判别观点，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述地质勘探知识向量和所述空间结构关系知识向...
【专利技术属性】
技术研发人员：冯鹏，高婷，唐然，魏明东，李骅锦，陈小平，杨华平，沈位刚，
申请(专利权)人：成都大学，
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。