[发明专利]基于深度学习的变形预测方法及系统

说明书

本发明提供了基于深度学习的变形预测方法及系统，涉及滑坡监测预警技术领域，包括对滑坡监测点的监测数据进行采集并据此获取多个特征；通过对特征进行分析确定第一输入特征；在每个机器学习算法中采用第一输入特征进行模型训练，以及采用十折交叉验证法进行模型验证，得到多组模拟模型；通过对模拟模型的预测效果分别进行评价，确定最优算法和超参数；调整第二输入特征，并根据最优算法对第二输入特征的预测效果进行评价，确定最优输入特征；根据最优算法和最优输入特征进行模型训练生成模型集；在模型集中选择对应条件下的预测模型并输入新数据，输出预测值。本发明可以提高对滑坡灾害进行预测的准确性、可靠度，减小工作量，并且扩大适用范围。

技术领域

本发明涉及滑坡监测预警技术领域，尤其是涉及基于深度学习的变形预测方法及系统。

背景技术

滑坡灾害预测预报分为空间预测和时间预测，是当今国际滑坡灾害研究和环境地质研究领域的前沿课题，具有重要的理论和实际应用意义。滑坡灾害的时间预测预报是要确定滑坡在未来可能发生的时间区段或确切时间，为提前采取必要的预防措施提供科学依据。通常，所要预测预报的时间越长，所能依据信息的可靠度就相应地下降，预测预报结果的可靠度也就越低。

由于工程地质条件复杂、自然条件的变化以及人类工程活动影响等因素的随机性和不可控制性，现阶段对滑坡做出准确可靠的预测预报还十分困难，从过去已经发生的滑坡地质灾害来看，当前绝大多数的滑坡都很难做到提前预报。滑坡等地质灾害具有突发性，其成灾机理复杂，不确定性因素多，对滑坡破坏方式、变形演化过程及变形机理的理解缺失大大增加了预报的难度。

发明内容

有鉴于此，本发明的目的在于提供基于深度学习的变形预测方法及系统，以提高对滑坡灾害进行预测的准确性、可靠度，减小工作量，并且扩大适用范围，比如桥梁、隧道、大坝、危旧房、古遗迹、风塔、电塔等应用场景。

第一方面，本发明实施例提供了一种基于深度学习的变形预测方法，其中，包括：

对滑坡监测点的监测数据进行采集，并根据所述监测数据获取多个特征；

通过对所述特征以及所述特征与预测目标之间的关系进行分析，确定第一输入特征；

根据问题类别选择对应的机器学习算法，并在所述机器学习算法中采用所述第一输入特征进行模型训练，以及采用十折交叉验证法进行模型验证，得到多组模拟模型；

通过对所述模拟模型的预测效果分别进行评价，在所述机器学习算法中确定最优算法和与所述最优算法对应的超参数；

调整不同组合的第二输入特征，并根据所述最优算法对所述第二输入特征的预测效果进行评价，确定最优输入特征；

根据所述最优算法和所述最优输入特征对每个预测方案进行模型训练，生成模型集；

在所述模型集中选择对应条件下的预测模型，并对所述预测模型输入与所述最优输入特征相对应的新数据，输出预测值。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述特征包括原始特征和衍生特征，所述对滑坡监测点的监测数据进行采集，并根据所述监测数据获取原始特征和衍生特征，包括：

选择所述滑坡监测点并对所述滑坡监测点进行持续监测，采集原始数据；

对所述原始数据进行异常值剔除，得到所述监测数据；

对所述监测数据进行处理，得到衍生数据；

根据所述监测数据得到所述原始特征，以及根据所述衍生数据得到所述衍生特征。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述通过对所述特征以及所述特征与预测目标之间的关系进行分析，确定第一输入特征，包括：