一种基于拓扑关系图的Transformer滑坡易发性评估方法技术

本发明专利技术公开了一种用于基于拓扑关系图的Transformer滑坡易发性评估方法，包括：选取影响滑坡发生的各种因素作为滑坡影响因子；对所述滑坡影响因子进行相关性分析和重要性分析，并结合遥感影像解译和野外实地验证生成滑坡数据集；利用所述滑坡数据集构建基于空间拓扑关系的滑坡孕灾环境有向图；搭建混合模型对滑坡易发性进行分析，生成滑坡易发性图；所述混合模型中引入Transformer模型来捕获图结构数据中滑坡影响因子之间的全局空间关系。可以更有效地识别滑坡风险区域，提高地质灾害管理的科学性和准确性。

【技术实现步骤摘要】

本专利技术涉及深度学习领域，涉及但不限定于一种基于拓扑关系图的transformer滑坡易发性评估方法。

技术介绍

1、随着人工智能和大数据的迅速发展，越来越多的学者开始运用机器学习方法进行滑坡易发性评估，如逻辑回归、多层感知器(multilayerperceptron,mlp)、卷积神经网络(convolutional neural network,cnn)、门控循环神经网络(gate recurrent unit,gru)等。机器学习具有更加强大的特征分析能力，可以进一步提高滑坡易发性评估的准确性。然而，这些机器学习方法虽然可以在简单的小场景中得到可靠的滑坡易发性评估结果，但对于复杂环境场景仍然存在依赖样本量、特征提取能力不足的局限，导致评估结果的准确性和可靠性不高。

2、图数据(graph)一般表示为g＝(v,e)，其中，v是图中的节点集合，e是节点之间的连接边的集合，每条连接边表示节点之间的关联关系。考虑到滑坡与孕灾环境的复杂性，相比于单一的特征序列或者图像，图结构具有高度的数据抽象和表达能力，能更有效地表达滑坡与孕灾环境的复杂非线性关本文档来自技高网...

【技术保护点】

1.一种基于拓扑关系图的Transformer滑坡易发性评估方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对滑坡影响因子进行相关性分析和重要性分析，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用所述滑坡数据集构建基于空间拓扑关系的滑坡孕灾环境有向图，包括：

4.根据权利要求1至3任一项所述的方法，其特征在于，所述混合模型包括结构编码模块、Hop2Token模块、Transformer编码模块和基于注意力的读出函数模块；

5.根据权利要求4所述的方法，其特征在于，所述结构编码模块具体用于将所述滑坡孕灾环境...

【技术特征摘要】

1.一种基于拓扑关系图的transformer滑坡易发性评估方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对滑坡影响因子进行相关性分析和重要性分析，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用所述滑坡数据集构建基于空间拓扑关系的滑坡孕灾环境有向图，包括：

4.根据权利要求1至3任一项所述的方法，其特征在于，所述混合模型包括结构编码模块、hop2token模块、transformer编码模块和基于注意力的读出函数模块；

5.根据权利要求4所述的方法，其特征在于，所述结构编码模块具体用于将所述滑坡孕灾环境有向图对应的图拉普拉...

【专利技术属性】
技术研发人员：何毅，张清，闫浩文，张立峰，李文德，杨树文，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：