[发明专利]一种滑坡的预测方法、装置、设备和存储介质

权利要求书

1.一种滑坡的预测方法，其特征在于，包括：

获取目标区域的遥感影像信息和地形信息；

基于功能区分类模型，根据所述遥感影像信息和所述地形信息，确定所述目标区域的各功能区；

根据各功能区对应的标签筛选目标功能区，将预先获取的目标功能区的各栅格的设定时间段内每天的滑坡影响因子输入至滑坡预测模型，确定各栅格滑坡的发生概率。

2.根据权利要求1所述的预测方法，其特征在于，所述基于功能区分类模型，根据所述遥感影像信息和所述地形信息，确定所述目标区的各功能区，包括：

对所述遥感影像信息进行预处理，其中，所述预处理包括大气校正、辐射校正以及边缘检测处理中的至少一种；

分别对预处理后的遥感影像信息和地形信息进行特征提取，并将遥感影像特征和地形特征输入至所述功能区分类模型，确定所述目标区域的各功能区，其中，所述遥感影像特征包括所述遥感影像信息的均值、极大值以及极小值，所述地形信息包括高程信息、坡度信息以及曲率信息，所述地形特征分别包括所述高程信息、坡度信息以及曲率信息的均值、极大值以及极小值。

3.根据权利要求1所述的预测方法，其特征在于，所述功能区分类模型为随机森林模型，所述功能区分类模型的训练方法，包括：

获取初始森林模型；

将历史时间段内的各功能区的样本遥感影像信息、样本地形信息输入至所述初始森林模型，确定各功能区的预测标签和预测标签的概率；

基于所述预测标签、所述预测标签的概率和各功能区的样本标签，对所述初始森林模型的参数进行调整，直至所述预测标签与所述样本标签一致，且所述预测标签概率达到设定阈值，得到所述功能区分类模型。

4.根据权利要求1所述的预测方法，其特征在于，所述各功能区对应的标签对应滑坡的历史预测概率；

相应的，所述根据各功能区对应的标签筛选目标功能区，包括：

将所述历史预测概率小于或等于概率阈值的标签对应的功能区删除，将历史预测概率大于所述概率阈值的标签对应的功能区作为所述目标功能区。

5.根据权利要求1所述的预测方法，其特征在于，所述将预先获取的目标功能区的各栅格的设定时间段内每天的滑坡影响因子输入至滑坡预测模型，确定各栅格滑坡的发生概率，包括：

基于第一预设模型，根据目标功能区的滑坡影响因子确定每天滑坡的发生概率；

如果当天滑坡的发生概率大于预设概率阈值，基于第二预设模型，根据目标功能区的当前天的滑坡影响因子确定所述目标功能区的各栅格滑坡的发生概率。

6.根据权利要求5所述的预测方法，其特征在于，所述基于第一预设模型，根据所述滑坡影响因子确定每天滑坡的发生概率，包括：

计算每天的各个栅格的滑坡影响因子中的动态因子的构造特征，其中，所述构造特征包括各个栅格的每个动态因子的总和、平均值、最大值、最小值、极差、四分位数和雨量时间，并根据每天的所述构造特征和滑坡影响因子中的静态因子得到所述第一预设模型的第一特征矩阵；

将所述第一特征矩阵输入所述第一预设模型中，以根据所述第一预设模型确定每天滑坡的发生概率。

7.根据权利要求5所述的预测方法，其特征在于，所述基于第二预设模型，根据当前天的滑坡影响因子确定所述目标功能区的各栅格滑坡的发生概率，包括：

对所述当前天对应的各个栅格的滑坡影响因子进行特征提取，以生成所述第二预设模型的第二特征矩阵；

对所述第二特征矩阵进行归一化处理；

将归一化处理后的所述第二特征矩阵输入所述第二预设模型中，以根据所述第二预设模型确定当前天的目标功能区的各栅格滑坡的发生概率。