基于聚类算法的滑坡状态确定方法及相关装置

本技术涉及数据处理，具体涉及一种基于聚类算法的滑坡状态确定方法及相关装置。

背景技术：

1、在众多地质灾害中，滑坡以其数量多、破坏性强、潜在的经济损失大等原因，一直是工程地质界研究的重要内容。自20世纪初中期以来，世界人口不断增长，人类活动空间范围逐渐扩展，以技术和经济条件为支撑的工程活动对地质环境扰动程度不断加大，全球气候变化形成极端异常降雨，这些都使得滑坡灾害，尤其是大型滑坡灾害发生频率越来越高，所造成的经济损失和人员伤亡也不断加大。

2、现有的滑坡状态确定通常通过专业人员对监测数据进行分析判断，导致了边坡的滑坡状态确定时的效率较低。

技术实现思路

1、本技术实施例提供一种基于聚类算法的滑坡状态确定方法及相关装置，能够基于边坡的监测点的位移量来确定边坡的滑坡状态，从而提升了边坡的滑坡状态确定时的效率。

2、本技术实施例的第一方面提供了一种基于聚类算法的滑坡状态确定方法，所述方法包括：

3、获取边坡竖向监测孔内k个监测点处的、在预设时间间隔内的位移量，以得到k个时程位移量；

4、根据所述k个时程位移量对所述k个监测点进行聚类处理，以得到聚类处理结果；

5、根据所述聚类处理结果，确定以得到所述m个类别突变监测点，m为小于或等于k的整数；

6、根据所述m个类别突变监测点的可信度和所述类别突变监测点的个数，确定所述边坡的滑坡状态。

7、结合第一方面，在一个可能的实现方式中，所述根据所述k个时程位移量对所述k个监测点进行聚类处理，以得到聚类处理结果，包括：

8、确定初始第一聚类中心和初始第二聚类中心，所述初始第一聚类中心和所述初始第二聚类中心为从所述k个时程位移量中随机选取的时程位移量；

9、获取第一距离集合和第二距离集合，所述第一距离集合为所述k个时程位移量中的每个时程位移量与所述初始第一聚类中心之间的距离，所述第二距离集合为所述k个时程位移量中的每个时程位移量与所述初始第二聚类中心之间的距离；

10、根据所述第一距离集合和所述第二距离集合，确定第一类监测点集合和第二类监测点集合，所述第一类监测点集合中的监测点与所述初始第一聚类中心的距离小于与所述初始第二聚类中心之间的距离，所述第二类监测点集合中的监测点与所述初始第二聚类中心的距离小于与所述初始第一聚类中心之间的距离；

11、根据所述第一类监测点集合中的监测点对应的时程位移的均值，确定新的第一聚类中心，以及根据所述第二类监测点集合中的监测点对应的时程位移确定新的第二聚类中心；

12、重复执行上述获取所述新的第一聚类中心和所述新的第二聚类中心的步骤，直至确定出最终第一聚类中心和最终第二聚类中心。所述最终第一聚类中心对应的监测点集合中的监测点的时程位移均值为定值，以及最终第二聚类中心对应的监测点集合中的监测点的时程位移均值为定值；

13、最终第一聚类中心对应的监测点集合确定为第一类监测点，最终第二聚类中心对应的监测点集合确定为第二类监测点，以得到聚类处理结果。

14、结合第一方面，在一个可能的实现方式中，通过如下公式所示的方法确定时程位移量与初始第一聚类中心、初始第二聚类中心之间的距离：

15、

16、其中，uit为第i个监测点、在第t时刻的时程位移量；uct为初始第一聚类中心或者uct为初始第二聚类中心、在第t时刻的位移量。

17、结合第一方面，在一个可能的实现方式中，通过如下公式所示的方法确定新的第一聚类中心和新的第二聚类中心：

18、

19、

20、其中，uc1为新的第一聚类中心，uc2为新的第二聚类中心，s1为第一类监测点集合中的监测点对应的时程位移，s2为第二类监测点集合中的监测点对应的时程位移，n1为第一类监测点集合中的监测点个数，n2为第二类监测点集合中的监测点个数。

21、结合第一方面，在一个可能的实现方式中，所述方法还包括：

22、获取类别突变监测点在预设时间间隔的结束时刻的突变位移量，以及获取突变位移量阈值；

23、根据所述突变位移量和所述突变位移量阈值，确定类别突变监测点的可信度；

24、根据所述突变位移量和所述突变位移量阈值，确定类别突变监测点的可信度，包括：

25、通过如下公式所示的方法确定类别突变监测点的可信度：

26、

27、其中，δucr为所述突变位移量，δuth为所述突变位移量阈值，r为类别突变监测点的可信度。

28、结合第一方面，在一个可能的实现方式中，所述获取突变位移量阈值，包括：

29、获取类别突变监测点处的监测单元的长度，以及获取类别突变监测点处的土体材料塑性阶段的最大剪应变；

30、根据所述监测单元的长度和所述土体材料塑性阶段的最大剪应变，确定所述突变位移量阈值；

31、根据所述监测单元的长度和所述土体材料塑性阶段的最大剪应变，确定所述突变位移量阈值，包括：

32、通过如下公式所示的方法确定突变位移阈值：

33、δuth＝leγa

34、其中，le为监测单元的长度，γa为土体材料塑性阶段的最大剪应变，δuth为突变位移量阈值。

35、结合第一方面，在一个可能的实现方式中，所述根据所述m个类别突变监测点的可信度和所述类别突变监测点的个数，确定所述边坡的滑坡状态，包括：

36、若m大于预设数量阈值，则确定边坡的滑坡状态为第一滑坡状态；

37、若m小于或等于所述预设数量阈值，且所述可信度小于100％，则确定所述边坡的滑坡状态为第二滑坡状态；

38、若m小于或等于所述预设数量阈值，且所述可信度大于或等于100％，则确定所述边坡的滑坡状态为第三滑坡状态。

39、本技术实施例的第二方面提供了一种基于聚类算法的滑坡状态确定装置，所述装置包括：

40、获取单元，用于获取边坡竖向监测孔内的k个监测点处的、在预设时间间隔内的位移量，以得到k个时程位移量；

41、处理单元，用于根据所述k个时程位移量对所述k个监测点进行聚类处理，以得到聚类处理结果；

42、第一确定单元，用于根据所述聚类处理结果，确定以得到所述m个类别突变监测点，m为小于或等于k的整数；

43、第二确定单元，用于根据所述m个类别突变监测点的可信度和所述类别突变监测点的个数，确定所述边坡的滑坡状态。

44、结合第二方面，在一个可能的实现方式中，所述处理单元用于：

45、确定初始第一聚类中心和初始第二聚类中心，所述初始第一聚类中心和所述初始第二聚类中心为从所述k个时程位移量中随机选取的时程位移量；

46、获取第一距离集合和第二距离集合，所述第一距离集合为所述k个时程位移量中的每个时程位移量与所述初始第一聚类中心之间的距离，所述第二距离集合为所述k个时程位移量中的每个时程位移量与所述初始第二聚类中心之间的距离；

47、根据所述第一距离集合和所述第二距离集合，确定第一类监测点集合和第二类监测点集合，所述第一类监测点集合中的监测点与所述初始第一聚类中心的距离小于与所述初始第二聚类中心之间的距离，所述第二类监测点集合中的监测点与所述初始第二聚类中心的距离小于与所述初始第一聚类中心之间的距离；

48、根据所述第一类监测点集合中的监测点对应的时程位移的均值，确定新的第一聚类中心，以及根据所述第二类监测点集合中的监测点对应的时程位移确定新的第二聚类中心；

49、重复执行上述获取所述新的第一聚类中心和所述新的第二聚类中心的步骤，直至确定出最终第一聚类中心和最终第二聚类中心，所述最终第一聚类中心对应的监测点集合中的监测点的时程位移均值为定值，以及最终第二聚类中心对应的监测点集合中的监测点的时程位移均值为定值；

50、最终第一聚类中心对应的监测点集合确定为第一类监测点，最终第二聚类中心对应的监测点集合确定为第二类监测点，以得到聚类处理结果。

51、结合第二方面，在一个可能的实现方式中，所述装置还用于：

52、通过如下公式所示的方法确定时程位移量与初始第一聚类中心、初始第二聚类中心之间的距离：

53、

54、其中，uit为第i个监测点、在第t时刻的时程位移量；uct为初始第一聚类中心或者uct为初始第二聚类中心、在第t时刻的位移量。

55、结合第二方面，在一个可能的实现方式中，所述装置还用于：

56、通过如下公式所示的方法确定新的第一类聚类中心和新的第二聚类中心：

57、

58、

59、其中，uc1为新的第一聚类中心，uc2为新的第二聚类中心，s1为第一类监测点集合中的监测点对应的时程位移，s2为第二类监测点集合中的监测点对应的时程位移，n1为第一类监测点集合中的监测点个数，n2为第二类监测点集合中的监测点个数。

60、结合第二方面，在一个可能的实现方式中，所述装置还用于：

61、获取类别突变监测点在预设时间间隔的结束时刻的突变位移量，以及获取突变位移量阈值；

62、根据所述突变位移量和所述突变位移量阈值，确定类别突变监测点的可信度；

63、在根据所述突变位移量和所述突变位移量阈值，确定类别突变监测点的可信度方面，所述装置还用于：

64、通过如下公式所示的方法确定类别突变监测点的可信度：

65、

66、其中，δucr为所述突变位移量，δuth为所述突变位移量阈值，r为类别突变监测点的可信度。

67、结合第二方面，在一个可能的实现方式中，在所述获取突变位移量阈值方面，所述装置还用于：

68、获取类别突变监测点处的监测单元的长度，以及获取类别突变监测点处的土体材料塑性阶段的最大剪应变；

69、根据所述监测单元的长度和所述土体材料塑性阶段的最大剪应变，确定所述突变位移量阈值；

70、在根据所述监测单元的长度和所述土体材料塑性阶段的最大剪应变，确定所述突变位移量阈值方面，所述装置用于：

71、通过如下公式所示的方法确定突变位移阈值：

72、δuth＝leγa

73、其中，le为监测单元的长度，γa为土体材料塑性阶段的最大剪应变，δuth为突变位移量阈值。

74、结合第二方面，在一个可能的实现方式中，所述第二确定单元用于：

75、若m大于预设数量阈值，则确定边坡的滑坡状态为第一滑坡状态；

76、若m小于或等于所述预设数量阈值，且所述可信度小于100％，则确定所述边坡的滑坡状态为第二滑坡状态；

77、若m小于或等于所述预设数量阈值，且所述可信度大于或等于100％，则确定所述边坡的滑坡状态为第三滑坡状态。

78、本技术实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本技术实施例第一方面中的步骤指令。

79、本技术实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。

80、本技术实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本技术实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

81、实施本技术实施例，至少具有如下有益效果：

82、通过获取边坡竖向监测孔内k个监测点处的、在预设时间间隔内的位移量，以得到k个时程位移量，根据所述k个时程位移量对所述k个监测点进行聚类处理，以得到聚类处理结果，根据所述聚类处理结果，确定以得到所述m个类别突变监测点，m为小于或等于k的整数，根据所述m个类别突变监测点的可信度和所述类别突变监测点的个数，确定所述边坡的滑坡状态，能够基于边坡的监测点的位移量来确定边坡的滑坡状态，从而提升了边坡的滑坡状态确定时的效率。