[发明专利]土质滑坡灾害时空智能预警报方法与系统

权利要求书

1.一种土质滑坡灾害时空智能预警报方法，其特征在于，包括以下步骤：

获取滑坡灾害点数据与非滑坡灾害点数据，所述滑坡灾害点的数据包括：滑坡灾害发生时间、地点；

根据滑坡灾害的成因机理和诱发因素获取用于智能学习的滑坡灾害预警报因子；所述预警报因子的类型包括下垫面因子和降水因子，所述下垫面因子包括坡度、坡向、地貌类型、剖面曲率、岩性硬度、粘聚力、内摩擦角、土壤类型、土壤厚度、NDVI、土地利用类型因子，所述降水因子包括前期有效降水因子和预报降水因子；

根据所述滑坡灾害点数据与非滑坡灾害点数据获取所述预警报因子对应的原始数据；

将所述原始数据进行空间分析提取用于智能学习的滑坡预警报因子的值，并将得到的所述预警报因子的值分别进行无量纲化处理后构建滑坡灾害预警报样本数据集；

采用集成机器学习的堆栈泛化方法搭建用于滑坡灾害预警报的智能学习模块，将所述滑坡灾害预警报样本数据集输入所述智能学习模块，进行训练和优化，实现滑坡灾害的预警报。

2.根据权利要求1所述的方法，其特征在于，所述用于滑坡灾害预警报的智能学习模块，包括多个基模块、元模块；

所述基模块用于接收样本数据集的数据进行计算训练得到预测结果；

所述元模块接收多个基模块得到的预测结果构成的第一数据集，并通过随机梯度下降和交叉熵损失函数进行训练和优化实现滑坡灾害的预警报。

3.根据权利要求1所述的方法，其特征在于，所述非滑坡灾害点数据包括时间、地点；其中，

非滑坡灾害点中的地点为所述滑坡灾害点周边1-2km处没有发生滑坡的地点、时间为邻近滑坡灾害点的时间，或地点为受强降水作用但没有发生滑坡灾害的坡体地点、时间为对应地点经受强降水的时间。

4.根据权利要求1所述的方法，其特征在于，所述将所述原始数据进行空间分析提取用于智能学习的滑坡预警报因子的值的步骤具体包括：

将预警报因子的原始数据进行掩模提取和重采样空间分析，生成分辨率为250m*250m的栅格数据。

5.根据权利要求1所述的方法，其特征在于，所述将得到的所述预警报因子的值分别进行无量纲化处理后构建特征向量集的步骤具体包括：

通过以下公式对所述预警报因子的值进行无量纲化处理：

式中，为归一化后的数据，某一预警报因子，为某一特征向量集中的最小值，为某一特征向量集中的最大值；

将无量纲化处理后的各预警因子的值作为输入，滑坡灾害发生/不发生作为输出，构建用于智能学习的滑坡灾害预警报样本数据集。

6.一种土质滑坡灾害时空智能预警报系统，其特征在于，包括：

数据获取模块，用于获取滑坡灾害点数据与非滑坡灾害点数据，所述滑坡灾害点的数据包括：滑坡灾害发生时间、地点；

预警报因子模块，与所述数据获取模块相连，用于根据滑坡灾害的成因机理和诱发因素获取用于智能学习的滑坡灾害预警报因子，并通过所述数据获取模块获取所述预警报因子对应的原始数据；

样本数据模块，与所述预警报因子模块相连，用于将所述原始数据进行空间分析提取用于智能学习的滑坡预警报因子的值，并将得到的所述预警报因子的值分别进行无量纲化处理后构建滑坡灾害预警报样本数据集；

智能学习模块，与所述样本数据模块相连，用于接收所述滑坡灾害预警报样本数据集，并进行训练优化实现滑坡灾害的预警报。

7.根据权利要求6所述的系统，其特征在于，所述智能学习模块包括多个基模块、元模块；

所述基模块用于接收样本数据集的数据进行计算训练得到预测结果；

所述元模块接收多个基模块得到的预测结果构成的第一数据集，并通过随机梯度下降和交叉熵损失函数进行训练和优化实现滑坡灾害的预警报。