[发明专利]一种基于GPR的危岩落石运移距离预测方法及装置

权利要求书

1.一种基于GPR的危岩落石运移距离的预测方法，其特征在于，包括以下步骤：

步骤1：根据危岩落石运移试验的数据资料确定模型学习样本(x_i,y_i)(i＝1，2，……，n)，输入向量x_i代表影响运移距离的影响因素；输出矢量y_i代表危岩落石运移距离；

步骤2：当选取的各主要因素的数量级相差较大或同一控制因素的离散性过大，不利于高斯过程回归的学习时，需对学习样本数据和预测样本数据进行标准化处理；反之，则无需进行数据标准化处理；

步骤3：对学习样本进行学习，通过学习样本选取合适的协方差函数，并通过对数似然极大化自适获取最优超参数；

步骤4：根据贝叶斯原理在训练集先验分布的基础上预测出与X^*对应的危岩落石运移距离的预测均值y^*。

2.根据权利要求1所述的一种基于GPR的危岩落石运移距离的预测方法，其特征在于，步骤2对各主要因素数量级相差较大或同一控制因素的离散性过大的学习样本进行数据预处理，即数据标准化；采用样本标准化处理所得结果的相对误差更小。

3.根据权利要求1所述的一种基于GPR的危岩落石运移距离的预测方法，其特征在于，步骤3采用极大似然法自适应获得超参数，建立训练样本的对数边缘似然函数，对超参数求偏导，再采用共轭梯度优化方法搜索出超参数的最优解；其中，对数似然函数的形式为：

为了更准确的进行预测，选取对任一点集都能保证产生一个非负正定协方差矩阵，本方法采用Matern协方差函数建立预测模型：

。

4.根据权利要求1所述的一种基于GPR的危岩落石运移距离的预测方法，其特征在于，步骤4采用贝叶斯规则推断随机变量的后验分布，即：

将n个训练样本的观测值y和1个测试样本的回归函数输出值f^*所形成的分布，即：

以上式作为联合高斯先验分布，计算出回归函数输出值f^*的后验分布；

贝叶斯原理在高斯过程回归中的应用实现了超参数的自适应确定，通过这种方式将使得模型的预测结果误差更小。

5.一种基于GPR的危岩落石运移距离的预测装置，其特征在于，所述落石运移距离预测装置包括：

集中区，用于收集待测试样本特征数据，提取在数据库中的可以应用于高斯过程回归计算的样本；

识别区，用于将集中区从数据库中所收集的样本特征数据进行数据的甄别和筛选，确定符合实际并可以应用的目标样本组；

分类区，将在集中区和识别区共同作用下的数据提取至此区域，依据样本数据的所属“数量级”和“离散性”等固有特征进行样本数据信息分类型处理，以提高样本数据学习的精确度和预测结果的拟合度；

预测区，将集中区、识别区和分类区共同确定的样本数据自动提取至此区域进行样本学习；此区域可进行协方差函数的自动选取，并通过对数似然极大化自适以获取最优超参数；经过上述3个板块区域系列分析后，即可进行最后样本数据的计算并得出危岩落石运移距离的预测值。

6.根据权利要求5所述一种基于GPR的危岩落石运移距离的预测装置，其特征在于，该装置共包含4个板块区域，分别为集中区、识别区、分类区和预测区；通过4个板块区域顺序进行相应的样本数据处理，得以共同提高和确保预测结果的稳定性。

7.根据权利要求5所述一种基于GPR的危岩落石运移距离的预测装置，其特征在于，集中区的数据收集要建立在具有权威的数据信息库的基础上，确保数据的真实性，有利于预测结果和实际结果的对比。