[发明专利]一种震后道路受灾区域快速预测方法、系统及存储介质

权利要求书

1.一种震后道路受灾区域快速预测方法，其特征在于，包括以下步骤：

S1、获取研究区域以及当前地震参数，根据研究区域高程将研究区域划分为多个斜坡单元，得到各个斜坡单元所对应的地震滑坡因子数据，获取研究区域的历史地震滑坡分布数据；

S2、根据历史地震滑坡分布数据找到研究区域中的滑坡单元，在研究区域中随机选择多个非滑坡单元，滑坡单元和非滑坡单元构成训练集；

S3、使用机器学习方法基于训练集进行模型训练，得到以地震滑坡因子数据为输入、滑坡概率为输出的滑坡概率评估模型；

S4、使用滑坡概率评估模型对所有的斜坡单元进行滑坡概率评估，将滑坡概率大于预设置的概率阈值的斜坡单元记为危险单元；

S5、基于能量守恒原理建立计算滑坡滑距的物理力学模型，使用物理力学模型计算各个危险单元的滑距，基于危险单元的滑距和坡向确定危险单元的滑坡范围；

S6、基于研究区域的道路分布和危险单元的滑坡范围得到震后道路的受灾区域预测结果。

2.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，所述地震滑坡因子数据包括：高程、坡度、坡向、剖面曲率、平面曲率、地层岩性、断层距、河流距、植被覆盖指数、地震动峰值加速度、地震动峰值速度和震中距，其中地震动峰值加速度、地震动峰值速度和震中距是根据当前地震参数确定的。

3.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，步骤S1中的斜坡单元是利用水文分析方法、通过高程计算汇流并划分流域边界得到的。

4.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，步骤S1中将研究区域的历史地震中与当前地震参数最接近的地震的滑坡分布数据作为历史地震滑坡分布数据。

5.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，步骤S3中，使用的机器学习方法是四层BP神经网络模型，网络结构为12-10-15-1。

6.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，预设置的概率阈值为60％。

7.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，步骤S5中使用物理力学模型计算危险单元的滑距具体为：

-δE_p+E_EQ＝E_DP

上式中，δE_p表示滑体势能，E_EQ表示滑体获得的地震能，E_DP表示滑体在滑动过程中耗散的能量，δE_p的计算公式如下：

-δE_p＝βmgδ_r

其中，β表示危险单元的边坡坡度，m表示滑动土体的质量，g表示重力加速度，δ_r表示待计算的滑距；

E_DP的计算公式如下：

其中，μ表示摩擦系数，综上得到滑距δ_r的计算公式如下：

其中，滑体获得的地震能E_EQ的计算公式如下：

上式中，α表示上层土体与基岩的阻抗比，A表示危险单元的面积，R表示危险单元至震源的距离，M表示当前地震参数对应的里氏震级。

8.根据权利要求1所述的一种震后道路受灾区域快速预测方法，其特征在于，步骤S6具体为：基于危险单元的滑坡范围得到研究区域的斜坡滑动范围预测图，将研究区域的道路分布图和斜坡滑动范围预测图整合至同一张图上，得到震后道路的受灾区域预测结果。