[发明专利]一种滑坡的预测方法、装置、设备和存储介质

说明书

本发明实施例公开了一种滑坡的预测方法、装置、设备和存储介质，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，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，以达到根据每天的多个维度的地理环境数据，得到精准的降雨量的目的，并且，将降雨量和滑坡影响因子输入至自步分类学习模型，自步分类学习模型可以均衡比例不平衡的正负数据集，以当前天的数据为基准进行具体栅格的滑坡发生概率，大幅度降低了计算资源的浪费，提高了滑坡预测的效率。

技术领域

本发明实施例涉及滑坡监测技术领域，尤其涉及一种滑坡的预测方法、装置、设备和存储介质。

背景技术

山体滑坡是最常见的灾难性自然灾害之一，其具有分布范围广、发生频次高、多发性、区域性和严重性等特点，因滑坡每年会造成大量的人员伤亡和重大的环境和基础设施损失。对滑坡的易发性进行评估具有重要意义。

现有的滑坡易发性预测根据其所依据的理论基础的差异，可以分为确定性方法和非确定性方法。确定性方法主要是基于专家经验和知识的定向分析和基于滑坡过程或者物理学模型的进行分析的方法，预测准确度较差。近年来随着计算机技术和3S技术的高速发展，非确定性方法得到了广泛的应用，主要包括模糊逻辑法、层次分析法、决策树等。但是通过上述方法处理的滑坡因子的时间精度差，尤其是通过整体插值法、克里金插值法、反距离权重法等传统方法预测降雨量，降雨量的预测精度差，影响山体滑坡的预测结果。

发明内容

本发明提供了一种降雨量预测方法、装置、设备和存储介质，实现提高降雨量预测结果的精度，进一步提高山体滑坡的预测精度。

第一方面，本发明实施例提供了一种滑坡的预测方法，该方法包括：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。

第二方面，本发明实施例还提供了一种滑坡的预测装置，该装置包括：包括：

数据获取模块，用于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；

降雨预测模块，用于基于降雨插值模型，根据所述地理环境数据确定所述目标区域的降雨量；

滑坡预测模块，用于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；

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。

第三方面，本发明实施例还提供了一种滑坡的预测设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的滑坡的预测方法。