[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：

获取目标区域的各个设定时间段内每天的地理环境数据和滑坡影响因子，其中，所述地理环境数据包括地理位置数据、大气数据、地形数据和下垫面数据；

基于降雨插值模型，根据所述地理环境数据确定所述目标区域的降雨量；

分别将所述滑坡影响因子和所述降雨量输入至滑坡预测模型，基于所述滑坡预测模型确定当前天的各栅格滑坡的发生概率；

其中，所述滑坡预测模型为自步分类学习模型，所述滑坡预测模型基于历史滑坡数据、历史非滑坡数据迭代调整自步因子和下采样比例确定，所述自步因子根据所述历史非滑坡数据的分箱个数和迭代次数确定，所述下采样比例根据每个分箱的自步因子和所有分箱的自步因子确定。

2.根据权利要求1所述的预测方法，其特征在于，所述地理位置数据包括经纬度信息和高程信息；所述大气数据包括风向信息、风带信息和气压带信息中的至少一项；所述地形数据包括坡度信息、坡向信息和山脉走向信息中的至少一项；所述下垫面数据包括植被覆盖度信息、水域距离和城市雨岛信息中的至少一项。

3.根据权利要求1所述的预测方法，其特征在于，所述降雨插值模型为反向传播模型，所述降雨插值模型的训练方法，包括：

获取初始降雨模型，确定所述初始模型的初始权值矩阵和初始阈值，并计算所述初始降雨模型的适应度；

将历史时间段内的样本地理环境信息输入至所述初始降雨模型，确定预测降雨量，根据所述预测降雨量和所述历史时间段的实测降雨量，并基于遗传算法迭代调整所述初始模型的初始权值矩阵和初始阈值；

基于迭代调整后的权值矩阵和阈值，调整所述初始降雨模型并计算调整后的模型的适应度，直至重新计算的适应度达到期望值，将达到所述期望值的适应度对应的模型作为所述降雨插值模型。

4.根据权利要求3所述的预测方法，其特征在于，所述根据所述预测降雨量和所述历史时间段的实测降雨量，并基于遗传算法迭代调整所述初始模型的初始权值矩阵和初始阈值，包括：

计算所述预测降雨量和所述实测降雨量之间的均方根误差；

如果所述均方根误差大于预设误差阈值，迭代调整所述初始模型的权值编码和阈值编码，并基于调整后的权值编码和阈值编码确定调整后的权值矩阵和阈值，直至所述均方根误差不小于所述预设误差阈值。

5.根据权利要求1所述的预测方法，其特征在于，所述滑坡预测模型的训练方法，包括：

获取初始预测模型，并分别提取所述历史滑坡数据和历史非滑坡数据的特征，以及分别确定所述历史滑坡数据和历史非滑坡数据对应的标签；

基于历史滑坡特征、历史非滑坡特征、历史滑坡标签和历史非滑坡标签确定所述初始预测模型的初始分类硬度，根据所述初始分类硬度确定所述历史非滑坡数据的分箱个数，基于所述分箱个数确定所述初始预测模型的各分箱的自步因子；

基于所述自步因子确定每个分箱的下采样比例，并基于所述下采样比例确定各分箱内的下采样的历史非滑坡数据；

将所述下采样的历史非滑坡数据和所述历史滑坡数据输入至所述初始预测模型，基于所述初始预测模型输出的滑坡概率和历史滑坡概率确定所述初始预测模型的损失函数，基于所述损失函数在单个样本上的训练分类硬度，迭代调整自步因子和每个分箱的下采样比例；

根据迭代调整的所述自步因子和所述每个分箱的下采样比例调整所述初始预测模型，直至损失函数达到设定阈值，得到所述滑坡预测模型。

6.根据权利要求1所述的预测方法，其特征在于，每个分箱的下采样比例为每个分箱的自步因子与所有分箱的自步因子的比值，所述自步因子通过将分箱个数、分箱标签数的相反数以及迭代次数之和加1得到。

7.根据权利要求1所述的预测方法，其特征在于，所述分别将所述滑坡影响因子和所述降雨量输入至滑坡预测模型，基于所述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，根据所述降雨量和所述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，根据当前天的降雨量和所述滑坡影响因子预测各个栅格滑坡的发生概率。