[发明专利]基于神经网络和多参数信息融合的地质灾害预报方法

摘要

本发明公开了基于神经网络和多参数信息融合的地质灾害预报方法，首先建立基于神经网络和多参数信息融合的地质灾害预报模型；随后建立地质灾害发生概率与地质灾害等级之间的关系；最后利用多参数地质灾害监测系统进行数据采集，实现地质灾害的预报。本发明采用RBF神经网络进行预报模型的建立，能够计算出当前条件下对应的地质灾害发生概率，并能够根据发生概率，推算出地质灾害等级，从而可以采取对应等级的措施来预防和减少灾害的发生；充分考虑影响崩塌滑坡、泥石流地质灾害的多个因素，对做出预报决策提供了更加准确的依据，改善了传统地质监测系统只能采集数据而不能进行分析的缺陷。

主权项

1.基于神经网络和多参数信息融合的地质灾害预报方法，其特征在于，具体按照以下步骤实施：步骤1，建立基于神经网络和多参数信息融合的地质灾害预报模型；地质灾害预报模型建立过程为：步骤1.1：训练数据整理及阈值的设置；具体过程为：分别统计发生过地质灾害地区的泥石流因子、滑坡因子与危害程度的关系，并将各参数因子作为训练数据，随后选择相应参数测量传感器的最大量程，并将0‑最大量程之间安装训练数据的点数划分等级，确定各参数与地质灾害发生概率的初始关系分布，将成灾机率分为0‑5％、5‑2‑％、20‑40％和40‑90％四个范围，从而确定各参数的阈值；步骤1.2：基于径向基神经网络的预报模型的建立；具体过程为：预报模型分为输入层、隐含层和输出层，其输入为多参数和对应的地质灾害发生概率，通过给定的输入层、输出层数据计算出隐含层中的权值参数，从而得到输入与输出之间的关系式，具体公式如下：a{1}＝radbas(netprod(dist(net，IW{1,1}，p),net,b{1}))      (1)其中a为输出‑‑地质灾害发生概率，p为输入‑‑训练数据，求得net；随后将其带入调用MATLAB函数库中的训练模型公式：net＝newrb(p1,a1)                      (2)其中，net为得到的地质灾害预报模型，a1为输出—当前地质灾害发生概率，p1为输入‑‑实时采集数据；步骤2，建立地质灾害发生概率与地质灾害等级之间的关系；具体过程为：依据地质灾害突然发生灾情造成的损失状况、成灾机率和极易产生的危害程度，将地质灾害等级分为四级：特别严重突发灾情为四级，地质灾害发生概率为40‑90％，为红色预警，严重性突发灾情为三级，地质灾害发生概率为20‑40％，为橙色预警，大型突发灾情为二级，地质灾害发生概率为5‑20％，为黄色预警，通常性突发灾情为一级，地质灾害发生概率为0‑5％，为蓝色预警；步骤3，利用多参数地质灾害监测系统进行数据采集，将采集到的数据输入步骤1和步骤2中，实现地质灾害的预报；多参数地质灾害监测系统包括监测终端(1)，监测终端(1)分别与传感器、电源模块(2)、存储模块(3)连接，监测终端(1)与监控中心(4)通过无线网络连接，监控中心(4)与现场报警器(5)连接，其中，监测终端(1)为以STM32F103为核心器件的最小系统，内部包含16路A/D转换器；传感器包括土壤含水率传感器(6)、降雨量传感器(7)、泥速传感器(8)、泥位传感器(9)和地声传感器(10)、次声传感器(11)、裂缝传感器(12)、渗透压传感器(13)和沉降位移传感器(14)。