一种基于地灾数据的分析预警方法及装置与流程

本发明属于地质灾害分析技术领域，具体涉及一种基于地灾数据的分析预警方法及装置、设备、存储介质。

背景技术：

边坡是交通质量、安全事故频发工点，如何提前预防及监测边坡状态在发生滑坡滑动或者爆发泥石流时，能提前发出警报，并传递信息给相关人员，为提前撤离搬迁提供了宝贵时间，减少灾害对人民生命财产的危害成为相关管理部门首要考虑的问题。故边坡安全监测预警系统的建设是现代行业信息化建设的大势所趋，刻不容缓。

传统地灾监测技术大多需要人工定期到现场进行数据采集，工作量大，监测的时效性较差，而且无法在恶劣的气候条件下实施。由于大部分边坡变形失稳均发生在暴雨、地震等极端情况下，此时组织现场实测会严重威胁到监测人员的生命。在线监测技术的发展很好的解决目前人工监测中的不足，通过在线监测可及时了解边坡安全健康情况，对潜在灾害进行提前预警，但目前的在线监测技术大多对单项监测数据进行简单的统计分析及阈值超限预警，而实际上各项监测数据对地质灾害的影响存在一定的关联性，现有技术未从整体上进行综合分析和灾害预警。

技术实现要素：

有鉴于此，本发明提出了一种基于地灾数据的分析预警方法及装置、设备、存储介质，用于解决现有灾害分析技术未从整体上进行综合分析和预测的问题。

本发明第一方面，公开一种基于地灾数据的分析预警方法，所述方法包括：

获取边坡在线安全实时监测数据并进行预处理；

获取边坡在线安全历史监测数据，基于边坡在线安全历史监测数据通过adaboost算法建立灾害分析预警模型；

将所述边坡在线安全实时监测数据输入所述灾害分析预警模型，得到当前灾害等级预测结果。

优选的，所述边坡在线安全实时监测数据、边坡在线安全历史监测数据均包括地表变形量、地表位移量、深度位移量、雨量、土壤含水量及土压力。

优选的，所述预处理包括设定时段内监测数据的最大值、均值、方差、标准差，将对应监测数据的最大值、均值、方差、标准差中的至少两种作为灾害分析预警模型的输入。

优选的，基于边坡在线安全历史监测数据建立灾害分析预警模型具体包括：

采用不重复取样的方式随机抽取边坡在线安全历史监测数据中至少两个监测项；

分别以抽取出的监测项对应的历史监测数据为输入，以对应的风险等级评估为输出，训练多个弱类器；

以多个弱类器为基分类器构建adaboost级联强分类器，将所述adaboost级联强分类器作为灾害分析预警模型。

优选的，每个弱分类器由多个lr分类器构成，采用one-vs-rest形式进行分类，将概率值最大的灾害等级作为每个弱分类器的输出；每个弱分类器中lr分类器的个数等于灾害等级的类别数。

优选的，在以多个弱类器为基分类器构建adaboost级联强分类器的过程中，采用改进的探路者优化算法优化各个弱分类器的权重，并基于边坡在线安全历史监测数据再次训练adaboost级联强分类器。

优选的，采用改进的探路者优化算法优化各个弱分类器的权重具体包括：

将各个弱分类器的权重编码成探路者优化算法的个体位置向量并初始化种群；

以adaboost级联强分类器的误差率作为粒子群每个粒子的适应度函数；

计算各个个体的适应度，将适应度最小的作为探索者，其余为跟随者；

更新探索者位置，根据探索者位置更新跟随者位置；

计算适应度值，并更新全局最优值；

判断是否达到结束条件，如果达到则输出最优个体位置作为优化后的权重组合，否则，重新确定探路者并迭代运算至达到结束条件。

本发明第二方面，公开一种基于地灾数据的分析预警装置，所述装置包括：

数据获取模块：获取边坡在线安全实时监测数据并进行预处理；

模型构建模块：获取边坡在线安全历史监测数据，基于边坡在线安全历史监测数据通过adaboost算法建立灾害分析预警模型；

地灾预测模块：将所述边坡在线安全实时监测数据输入所述灾害分析预警模型，得到当前灾害等级预测结果。

本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明第一方面所述的方法。

本发明第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明第一方面所述的方法。

本发明相对于现有技术具有以下有益效果：

1)对单项监测数据进行简单的统计分析及阈值超限预警的方式，本发明综合了历史监测数据中的地表变形量、地表位移量、深度位移量、雨量、土壤含水量及土压力的各项监测数据建立灾害分析预警模型以进行综合分析预警，更准确反映实时地质风险；

2)本发明通过adaboost算法建立灾害分析预警模型，以多个lr分类器构成弱分类器，采用改进的探路者优化算法优化各个弱分类器的权重，并加权组建强分类器作为灾害分析预警模型，使得精确度高的弱分类器得到较大的权重，无用或者冗余的弱分类器得到较小权重，从而进一步提升灾害分析预警模型的预测性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于地灾数据的分析预警方法流程示意图；

图2为本发明通过adaboost算法建立灾害分析预警模型的方法流程示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

请参阅图1，本发明提出一种基于地灾数据的分析预警方法，所述方法包括：

s1、获取边坡在线安全实时监测数据和边坡在线安全历史监测数据并进行预处理；

边坡在线安全实时监测数据、边坡在线安全历史监测数据均包括地表变形量、地表位移量、深度位移量、雨量、土壤含水量及土压力。

所述预处理包括设定时段内监测数据的最大值、均值、方差、标准差，将对应监测数据的最大值、均值、方差、标准差中的至少两种作为灾害分析预警模型的输入。

s2、基于边坡在线安全历史监测数据通过adaboost算法建立灾害分析预警模型；请参阅图2，步骤s2具体包括以下分步骤：

s21、采用不重复取样的方式随机抽取边坡在线安全历史监测数据中至少两个监测项。

s22、分别以抽取出的监测项对应的历史监测数据为输入，以对应的风险等级评估为输出，训练多个弱类器。

其中，每个弱分类器由多个lr分类器构成，采用one-vs-rest形式进行分类，将概率值最大的灾害等级作为每个弱分类器的输出；每个弱分类器中lr分类器的个数等于灾害等级的类别数。

s23、以多个弱类器为基分类器构建adaboost级联强分类器，将所述adaboost级联强分类器作为灾害分析预警模型。

s24、在以多个弱类器为基分类器构建adaboost级联强分类器的过程中，采用改进的探路者优化算法优化各个弱分类器的权重，并基于边坡在线安全历史监测数据再次训练adaboost级联强分类器。具体的：

s241、将各个弱分类器的权重编码成探路者优化算法的个体位置向量并初始化种群n；其中个体位置向量的维度与弱类器个数相同；

s242、以adaboost级联强分类器的误差率作为粒子群每个粒子的适应度函数；

适应度函数公式为：

其中ht(xi)表示弱分类器，i(ht(xi)≠yi)表示弱分类器的分类误差率，m是样本个数，wti表示第i个粒子的第t个权重值，yi表示第i个样本的真实类别

s243、计算各个个体的适应度，将适应度最小的作为探索者，其余为跟随者；

s244、更新探索者位置，根据探索者位置更新跟随者位置；

所述探索者位置更新公式为：

其中，p表示探索者下标，k表示算法当前的迭代次数，kmax表示算法当前的迭代次数，表示当代探路者的位置，表示上一代探路者的位置，表示探路者更新后的位置；r1为探路者移动的步长因子，且在范围[0,1]内服从均匀分布；a表示探路者移动的多向性和随机性：u1∈[-1,1]。

所述跟随者位置更新公式为：

其中，i表示跟随者下标，表示跟随者的当前位置，表示其更新后的位置，r1＝αr2,r2＝βr3,ε＝(1-k/kmax)u2dij,dij＝||xi-xj||，α表示跟随者之间的相互作用系数，β表示探路者对跟随者的吸引系数，均在[1,2]服从均匀分布；r2、r3分别为与其他跟随者和探路者移动的步长因子均为[0,1]范围内的随机数；ε表示跟随者移动的随机性，dij为当前跟随者与其他跟随者之间的距离

s245、计算适应度值，并更新全局最优值；

s246、判断是否达到结束条件，如果达到则输出最优个体位置作为优化后的权重组合，否则，重新返回步骤s243确定探路者并迭代运算至达到结束条件。

s3、将所述边坡在线安全实时监测数据输入所述灾害分析预警模型，得到当前灾害等级预测结果。

本发明通过adaboost算法建立灾害分析预警模型，并采用改进的探路者优化算法优化各个弱分类器的权重，并加权组建强分类器作为灾害分析预警模型，使得精确度高的弱分类器得到较大的权重，无用或者冗余的弱分类器得到较小权重，从而进一步提升灾害分析预警模型的预测性能。

本发明在建立灾害分析预警模型时，采用不重复取样的方式随机抽取边坡在线安全历史监测数据中至少两个监测项，分别以抽取出的监测项对应的历史监测数据为输入，以对应的风险等级评估为输出，训练多个弱类器；以多个弱类器为基分类器构建adaboost级联强分类器，这种模型建立和训练方式考虑了各项监测数据对地质灾害的影响之间的隐含的关联性，可从整体上进行综合分析和灾害预警。最后将边坡在线安全实时监测数据输入所述灾害分析预警模型，得到当前灾害等级预测结果，可弥补对单项监测数据进行简单的统计分析及阈值超限预警的不足。

与上述方法实施例相对应，本发明还提出一种基于地灾数据的分析预警装置，所述装置包括：

数据获取模块：获取边坡在线安全实时监测数据并进行预处理；

模型构建模块：获取边坡在线安全历史监测数据，基于边坡在线安全历史监测数据通过adaboost算法建立灾害分析预警模型；

地灾预测模块：将所述边坡在线安全实时监测数据输入所述灾害分析预警模型，得到当前灾害等级预测结果。

以上方法实施例和装置实施例是对应的，装置实施例简述之处请参阅方法实施例即可。

本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的方法。

本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括：u盘、移动硬盘、只议存储器rom、随机存取存储器ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。可以根据实际的衙要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。