[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，选择自步分类学习模型，根据历史非滑坡数据的分箱个数和迭代次数确定自步分类学习模型的自步因子，根据每个分箱的自步因子和所有分箱的自步因子确定下采样比例，因此，在基于历史滑坡数据、历史非滑坡数据迭代调整自步因子和下采样比例时，随着迭代次数的增加，每个分箱的内的下采样数量逐渐变化均匀，并且，在每个箱子的下采样比例均匀变化的同时，还可以保证硬度小的分箱的下采样数量始终高于硬度大的分箱的下采样数量，得到多样化、鲁棒性高且包容性强的滑坡预测模型。基于训练好的滑坡预测模型进行滑坡预测，可以提高滑坡预测的精度和可靠性。

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，一般采用非确定性方法。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。但是上述非确定性方法因获取的滑坡影响因子的正负样本比例严重不平衡，影响滑坡发生概率的预测准确性，有待改进。

发明内容

本发明提供了一种滑坡的预测方法、装置、设备和存储介质，以得到多样化、鲁棒性高且包容性强的滑坡预测模型，进而基于滑坡预测模型确定滑坡发生概率，实现提高滑坡预测准确性的效果。

第一方面，本发明实施例提供了一种滑坡的预测方法，包括：

获取目标区域的各个栅格的设定时间段内每天的滑坡影响因子；

基于滑坡预测模型，根据所述滑坡影响因子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，包括：

滑坡影响因子获取模块，用于获取目标区域的各个栅格的设定时间段内每天的滑坡影响因子；

滑坡预测模块，用于基于滑坡预测模型，根据所述滑坡影响因子确定所述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第一方面中所述的滑坡的预测方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明第一方面中所述的滑坡的预测方法。