[发明专利]基于深度学习的变形预测方法及系统在审
| 申请号： | 201810192288.5 | 申请日： | 2018-03-08 |
| 公开（公告）号： | CN108363886A | 公开（公告）日： | 2018-08-03 |
| 发明（设计）人： | 胡辉;宋杰;董梅;江子君 | 申请（专利权）人： | 杭州鲁尔物联科技有限公司 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06Q10/04;G06N99/00 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 王文红 |
| 地址： | 310000 浙江省杭州市西*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于深度学习的变形预测方法及系统，涉及滑坡监测预警技术领域，包括对滑坡监测点的监测数据进行采集并据此获取多个特征；通过对特征进行分析确定第一输入特征；在每个机器学习算法中采用第一输入特征进行模型训练，以及采用十折交叉验证法进行模型验证，得到多组模拟模型；通过对模拟模型的预测效果分别进行评价，确定最优算法和超参数；调整第二输入特征，并根据最优算法对第二输入特征的预测效果进行评价，确定最优输入特征；根据最优算法和最优输入特征进行模型训练生成模型集；在模型集中选择对应条件下的预测模型并输入新数据，输出预测值。本发明可以提高对滑坡灾害进行预测的准确性、可靠度，减小工作量，并且扩大适用范围。 | ||
| 搜索关键词： | 输入特征 最优算法 预测 滑坡监测 模拟模型 模型训练 变形 机器学习算法 交叉验证法 对应条件 滑坡灾害 监测数据 模型验证 生成模型 输出预测 预测模型 预警技术 可靠度 新数据 减小 工作量 采集 学习 分析 | ||
【主权项】：
1.一种基于深度学习的变形预测方法，其特征在于，包括：对滑坡监测点的监测数据进行采集，并根据所述监测数据获取多个特征；通过对所述特征以及所述特征与预测目标之间的关系进行分析，确定第一输入特征；根据问题类别选择对应的机器学习算法，并在所述机器学习算法中采用所述第一输入特征进行模型训练，以及采用十折交叉验证法进行模型验证，得到多组模拟模型；通过对所述模拟模型的预测效果分别进行评价，在所述机器学习算法中确定最优算法和与所述最优算法对应的超参数；调整不同组合的第二输入特征，并根据所述最优算法对所述第二输入特征的预测效果进行评价，确定最优输入特征；根据所述最优算法和所述最优输入特征对每个预测方案进行模型训练，生成模型集；在所述模型集中选择对应条件下的预测模型，并对所述预测模型输入与所述最优输入特征相对应的新数据，输出预测值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州鲁尔物联科技有限公司，未经杭州鲁尔物联科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810192288.5/，转载请声明来源钻瓜专利网。
