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：三亚学院

摘要：本发明公开一种基于卷积神经网络地质灾害的预警方法、装置及介质，涉及地质工程技术领域。该方法包括：步骤S1：基于地质灾害的分类，获取相应的评测指标的监测数据，监测数据包括：实时监测数据与历史监测数据；步骤S2：将地质灾害的历史监测数据的评测指标作为卷积神经网络模型的训练数据集，输入卷积神经网络模型；步骤S3：通过机器学习算法训练卷积神经网络模型，将实时监测数据输入训练后的卷积神经网络模型得到地质灾害的预测结果；步骤S4：基于预测结果，作出地质灾害的响应与预警。采用本发明解决了利用神经网络技术对具有随机性、模糊性、可变性的地质灾害作出预警，从而为地质灾害的预警提供高效及时的信息。

主权项：1.一种基于卷积神经网络地质灾害的预警方法，其特征在于，所述方法包括：步骤S1：基于地质灾害的分类，获取相应的评测指标的监测数据，所述监测数据包括：实时监测数据与历史监测数据；其中，所述评测指标包括：危险性指标、损害性指标、防灾减灾能力指标与多灾害关联影响指标；其中，多灾害关联影响指标包括：因果关系影响指标或抵消关系影响指标；所述基于地质灾害的分类，获取相应的评测指标的监测数据，包括：利用遥感图像获取目标地区的地质特征视频图像帧，得到实时地质数据；对收集到的所述实时地质数据进行预处理；所述利用遥感图像获取目标地区的地质特征视频图像帧，包括：利用多个图像传感器采集目标地区的基于时间序列的地质特征视频图像帧；步骤S2：将地质灾害的不同时间点的历史监测数据的评测指标作为卷积神经网络模型的训练数据集，输入所述卷积神经网络模型；其中，步骤S2的将地质灾害的不同时间点的历史监测数据的评测指标作为卷积神经网络模型的训练数据集，输入所述卷积神经网络模型，包括：步骤S21：获取所述历史监测数据的数据矩阵Ci×j， ；步骤S22：根据选定的所述历史监测数据的数据矩阵Ci×j，按照以下公式计算相应的评测指标Pi： （1）其中，i表示地质灾害类型，i={地震=1，断层错动=2，火山喷发=3，滑坡=4，泥石流=5，地面塌陷=6，河流湖泊塌岸=7，海岸侵蚀=8，海港淤积=9，潮流沙坝=10，膨胀土胀缩=11，地面塌陷=12，冻土冻融=13，沙漠化=14，河水漏失=15，……M}，M代表地质灾害类型的总数量，j代表地质灾害监测指标，j={降雨量=1，山体位移=2，地形坡度=3，沟谷长度=4，土壤湿度=5，地层结构=6，植被覆盖率=7，植被类型=8，人口密度=9，土地利用变化=10，工程建设=11，……N}，N代表地质灾害监测指标的总数量，Pij代表第i种地质灾害类型的第j项地质灾害监测指标的概率，wij代表第i种地质灾害类型的第j项地质灾害监测指标的权重；步骤S3：通过机器学习算法训练所述卷积神经网络模型，将实时监测数据输入训练后的所述卷积神经网络模型得到地质灾害的预测结果；其中，通过机器学习算法训练所述卷积神经网络模型，包括：步骤S31：将所述训练数据集的数据输入至所述卷积神经网络模型中，生成样本特征向量；所述卷积神经网络模型包括：输入层、输出层和隐含层，其中，基于隐含层设置神经元数量δ，按照以下公式计算： （2）其中，X代表输入层的神经元总数，Y代表输出层神经元总数，代表所述卷积神经网络模型预设的常数；基于所述输入层、所述输出层分别与所述隐含层之间的设计，分别确定输入层与输出层神经元数量，其中，输入层、输出层与隐含层之间的神经元，均遵从公式： 3其中，x代表神经元节点向量；步骤S32：通过优化函数的计算值对所述卷积神经网络模型进行优化，所述优化函数公式计算： （4）其中，代表第i个样本特征向量，i={1，2，3……N}，N代表地质灾害监测指标的总数量，代表样本特征向量的修正值，代表逐点乘积运算，代表相应地质灾害的预设修正值；步骤S4：基于所述预测结果，作出地质灾害的响应与预警。

全文数据：

权利要求：

百度查询： 三亚学院 一种基于卷积神经网络地质灾害的预警方法、装置及介质