一种基于卷积神经网络地质灾害的预警方法、装置及介质

本发明涉及地质工程，特别是指一种基于卷积神经网络地质灾害的预警方法、装置及介质。

背景技术：

1、地质灾害对生命安全、经济发展与生态环境的保护，势必造成了严重的不利影响。随着经济活动的发展，比如：兴修水利设施、城镇化建设等，更加速了对地质环境的人为改变，有些经济活动甚至有可能诱发地质问题。

2、现有技术中，地质灾害风险的预测通常是通过分析空间概率或者是某些重要的因子进行预判，例如：灾害发生的距离概率因子、灾害发生时间的概率因子；所采用的预测方法包括：地貌类比法、几何法以及经验分析法等。这些地质灾害判断的因子以及分析的方法，对于突发性的地质问题，以及这些问题带来的经济发展的负面影响、对人民生活产生的巨大危害尚显不足。兼有，地质灾害影响因子以及分析方法，伴随着地质灾害本身的特点，即，多样性和不确定性；而且，还常常穿插交融许多复杂地理环境的影响。因此，针对与地质灾害相关的数据的管理和评价就显得更加的复杂。

3、在人工智能技术充分发展的大背景下，采用神经网络的技术进行大规模的信息处理、分布式存储，结合神经网络自身的自学习和实时处理的特点，能够对地质灾害的预测产生非常良好的效果。特别地，针对一些具有随机性、模糊性、可变性的地质灾害，采用神经网络技术更加显得具有实际的进步意义。

技术实现思路

1、为了解决如何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的技术问题，本发明实施例提供了一种基于卷积神经网络地质灾害的预警方法、装置及介质。所述技术方案如下：

2、第一方面，提供了一种基于卷积神经网络地质灾害的预警方法，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，所述监测数据包括：实时监测数据与历史监测数据；步骤s2：将地质灾害的不同时间点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；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；步骤s4：基于所述预测结果，作出地质灾害的响应与预警。

3、可选地，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。

4、可选地，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，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。

5、可选地，步骤s2：将地质灾害的不同时间点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：

6、步骤s21：获取所述历史监测数据的数据矩阵ci×j，

7、；

8、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价指标pi：

9、（1）

10、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，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。

11、可选地，步骤s3：通过机器学习算法训练所述卷积神经网络模型，包括：

12、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；

13、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：

14、（2）

15、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；

16、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：

17、（3）

18、其中，x代表神经元节点向量；

19、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，所述优化函数以下公式计算：

20、 （4）

21、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。

22、可选地，步骤s4：基于所述预测结果，作出地质灾害的响应与预警，包括：步骤s41：基于地质灾害的分类设置响应机制，制定相应的事件优先级和时间响应目标；步骤s42：基于所述事件优先级和所述时间响应目标，设定预警信息包括：灾害类型、风险等级、影响区域和行动建议。

23、可选地，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。

24、第二方面，提供了一种基于卷积神经网络地质灾害的预警装置，包括：数据获取模块，用于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；训练集构建模块，用于将地质灾害的不同时间点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；卷积神经网络模型模块，用于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；预警处理模块，用于基于所述预测结果，作出地质灾害的响应与预警。

25、第三方面，提供一种电子设备，所述电子设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述的基于卷积神经网络地质灾害的预警方法的步骤。

26、第四方面，提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码由处理器加载并执行以实现如上述的基于卷积神经网络地质灾害的预警方法的步骤。

27、本发明实施例提供的技术方案带来的有益效果至少包括：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。

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：

2.根据权利要求1所述的基于卷积神经网络地质灾害的预警方法，其特征在于，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。

3.根据权利要求1所述的基于卷积神经网络地质灾害的预警方法，其特征在于，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，包括：

4.根据权利要求1所述的基于卷积神经网络地质灾害的预警方法，其特征在于，步骤s3：通过机器学习算法训练所述卷积神经网络模型，包括：

5.根据权利要求1所述的基于卷积神经网络地质灾害的预警方法，其特征在于，步骤s4：基于所述预测结果，作出地质灾害的响应与预警，包括：

6.根据权利要求3所述的基于卷积神经网络地质灾害的预警方法，其特征在于，利用遥感图像获取目标地区的地质特征视频图像帧，包括：

7.一种基于卷积神经网络地质灾害的预警装置，其特征在于，包括：

8.一种电子设备，其特征在于，所述电子设备包括：

9.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码由处理器加载并执行如权利要求1至6任一项所述的基于卷积神经网络地质灾害的预警方法。