龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西南交通大学
摘要：本发明涉及地震滑坡易发性评价技术领域，具体公开了一种基于半监督增量策略的地震滑坡易发性评价方法及存储介质，本发明巧妙结合了数据驱动与物理力学两大方法的核心优势，构建了一套半监督增量学习策略为基础的地震滑坡易发性评价方法。本发明特别着眼于解决地震环境中样本数量有限及实时数据处理的难题。能在有限数据条件下挖掘有价值的信息，同时不断整合新数据以升级模型，本发明在地震滑坡易发性预测方面展现出明显的优势。值得注意的是，即使在数据稀缺的早期阶段，该方法仍能提供相对准确的预测结果，为灾后救援初期决策提供可靠支持，实现即时、高精度的地震滑坡预测。
主权项：1.一种基于半监督增量策略的地震滑坡易发性评价方法，其特征在于，包括如下步骤：S1、获取目标地震受灾区的资料数据，包括基础地质数据、水文地质数据、地震数据以及人类工程活动资料；S2、依据发震断层类型选择适合的Newmark永久位移计算模型；S3、根据步骤S1收集到的数据，计算边坡安全系数Fs与临界加速度ac，得到临界加速度ac后使用Newmark永久位移计算模型计算永久位移值Dn，依据Dn值划分形成初始滑坡易发性分布图；S4、从初始滑坡易发性分布图中识别并标记出滑坡极高与极低易发性区域，在极高易发性区域内随机提取少量代表性的潜在灾害点；在极低易发性区域提取大量代表性的潜在非灾害点，形成基础灾害样本集；S5、根据现场反馈、遥感解译与无人机航拍数据多手段深度融合，精确识别滑坡灾害点，并与基础灾害样本集融合为新灾害样本集；S6、采用Pearson相关系数PCC对滑坡影响因子进行定量评价与筛选，剔除相关性较高的影响因子后，提取灾害样本点的影响因子值，形成新滑坡训练集；S7、选择增量算法模型，并采用贝叶斯优化算法选择最佳超参数包括学习率、批次大小、层数，再将新灾害样本集导入模型进行训练学习；S8、使用训练后的模型，对目标地震受灾区的整体进行预测，得到滑坡易发性概率值，采用自然断点法将滑坡易发性概率值分为五个易发性等级，最终得到受灾区整体地震滑坡灾害空间分布。
全文数据：
权利要求：
百度查询： 西南交通大学 基于半监督增量策略的地震滑坡易发性评价方法及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号