一种滑坡易发性预测方法及装置

本发明涉及地质灾害预测，具体而言，涉及一种滑坡易发性预测方法及装置。

背景技术：

1、滑坡体会携带大量残坡积层碎块向下滑动，冲毁掩盖农田，不仅会减少耕地，还会破坏自然生态环境，对路基、桥涵构成威胁，甚至危及人畜生命财产安全。滑坡还会滑向河道，堵塞河流，使河道变窄，水流冲击公路一侧，诱发公路新的边坡塌方，时刻威胁铁路安全。因此为预防可能产生的灾害，应对滑坡易发性程度进行预测和预警。

2、在现有技术中，关于构建滑坡易发性预测模型，多采用随机采样与滑坡正样本等量的负样本来构建滑坡机器学习网络，最终利用训练好的网络得到滑坡概率分布并对易发性程度进行预测。但是由于野外调查未详尽、调查资料的缺失及未来发生的滑坡未可知，随机的采样负样本所在的空间位置并不能代表真正的不会发生滑坡或者说低概率发生滑坡的位置。此外，由于收集到的滑坡点数量远小于空间上要预测的滑坡位置，仅利用与滑坡正样本等量的少量负样本很难对数量庞大的整体样本做出较好的滑坡易发程度的估计。由此造成了滑坡易发性预测不准确的问题。

技术实现思路

1、本发明解决的问题是如何提高滑坡易发性预测的准确性。

2、为解决上述问题，本发明提供一种滑坡易发性预测方法，包括：

3、获取环境因子中的致灾因子矢量或栅格文件，根据所述致灾因子矢量或所述栅格文件得到规范栅格单元集；

4、根据所述规范栅格单元集分别构建pu-bagging滑坡易发性预测网络和相似性度量损失滑坡易发性预测网络；

5、根据所述pu-bagging滑坡易发性预测网络，得到基于bagging的校正前滑坡易发性预测概率分数；

6、根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数；

7、根据所述校正前滑坡易发性预测概率分数和所述校正预测分数，得到最终预测概率分数；

8、对所述最终预测概率分数利用自然断点法得到滑坡易发性预测评价结果。

9、本发明的有益效果是：本发明通过分别构建pu-bagging滑坡易发性预测网络和相似性度量损失滑坡易发性预测网络，利用pu-bagging滑坡易发性预测网络得到校正前滑坡易发性预测概率分数，根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数。根据所述校正前滑坡易发性预测概率分数和所述校正预测分数，得到最终预测概率分数；对所述最终预测概率分数利用自然断点法得到滑坡易发性预测评价结果。由此，通过校正预测分数校正基于pu-bagging滑坡易发性预测网络得到的预测概率分数，解决了pu-bagging滑坡易发性预测网络在预测概率分数上可能出现的不准确问题，提高了滑坡易发性预测的准确性。

10、可选地，所述根据所述致灾因子矢量或所述栅格文件得到规范栅格单元集，包括：

11、根据高程栅格文件的空间分辨率和各栅格单元位置，对所述致灾因子矢量或所述栅格文件进行同尺寸、同空间位置栅格化，得到规范栅格单元集。

12、可选地，所述根据所述规范栅格单元集构建pu-bagging滑坡易发性预测网络，包括：

13、从所述规范栅格单元集提取已知历史滑坡单元数据和剩余滑坡单元数据，根据所述已知历史滑坡单元数据得到正样本数据集，根据所述剩余滑坡单元数据得到未标记样本数据集；

14、通过随机采样方法有放回的从所述未标记样本数据集中取与所述正样本数据集等量的数据为负样本，根据所述负样本与所述正样本数据集构建训练数据集；

15、根据所述训练数据集重复训练t轮次基学习器，得到t个所述基学习器；

16、利用所述基学习器构建所述pu-bagging滑坡易发性预测网络；

17、所述根据所述pu-bagging滑坡易发性预测网络，得到基于bagging的校正前滑坡易发性预测概率分数，包括：

18、利用t个所述基学习器预测所述规范栅格单元集中除所述训练数据集以外的数据集得到t个前置预测概率分数；

19、将t个所述前置预测概率分数取平均值，得到基于bagging的校正前滑坡易发性预测概率分数。

20、可选地，所述相似性度量损失滑坡易发性预测神经网络，包括滑坡编码网络和相似性度量损失函数；所述滑坡编码网络用于提取滑坡特征；所述相似性度量损失函数用于通过迭代反馈最小的相似性度量损失。

21、可选地，所述滑坡编码网络包括由三个线性层、两个激活层和一个标准化层组成的神经网络，所述神经网络包括第一公式，其中所述第一公式为:

22、

23、其中，h(y)为所述滑坡编码网络输出的滑坡特征结果，l为所述线性层，其用于实现对各前一层的数据线性组合或线性变换；relu为所述激活层，其用于使网络行为趋于非线性；normolize为所述标准化层，其用于将变量映射到0至1之间。

24、可选地，所述相似性度量损失函数包括第二公式，其中，所述第二公式包括：

25、

26、其中，p和anchor均为滑坡正样本中的训练样本编码结果，n为anchor的batch数量，unlabel为未标记样本编码结果，un为unlabel的batch数量，t为对一个矩阵的转置标记。

27、可选地，根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数，还包括：采用十折交叉验证法得到最优模型参数结果，所述最优模型参数结果包括验证数据编码结果与正样本编码结果最相似的模型参数结果；利用相似性度量函数确定所述验证数据编码结果与所述正样本编码结果的相似性，其中，所述相似性度量函数包括第三公式，所述第三公式包括：

28、

29、其中，valid为所述验证数据编码结果，positive为所述正样本编码结果，t为对一个矩阵的转置标记，similara为相似度度量结果。

30、可选地，根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数，还包括根据所述最优模型参数结果，将各栅格单元编码结果与滑坡正样本编码结果做相似性度量比对并取平均，得到相似性度量分数结果平均值；所述相似性度量结果平均值通过第四公式计算得到，所述第四公式包括：

31、

32、其中，similarb为所述相似性度量分数结果平均值，n为所述正样本个数，si为单个栅格单元编码结果与单个栅格单元滑坡正样本编码结果的相似性度量分数。

33、可选地，根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数，还包括将所述相似性度量分数结果平均值归一化处理，得到所述校正预测分数，所述归一化处理使用的归一化函数由第六公式表示，所述第六公式包括：

34、

35、其中，similarc为所述校正预测分数，similarb为所述相似性度量分数结果平均值。

36、本发明还提出一种滑坡易发性预测装置，包括：

37、建立单元，用于获取环境因子中的致灾因子矢量或栅格文件，根据所述致灾因子矢量或所述栅格文件得到规范栅格单元集；根据所述规范栅格单元集分别构建pu-bagging滑坡易发性预测网络和相似性度量损失滑坡易发性预测网络；

38、第一训练单元，用于根据所述pu-bagging滑坡易发性预测网络，得到基于bagging的校正前滑坡易发性预测概率分数；

39、第二训练单元，用于根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数；

40、集成单元，用于根据所述校正前滑坡易发性预测概率分数和所述校正预测分数，得到最终预测概率分数；

41、预测单元，用于对所述最终预测概率分数利用自然断点法得到滑坡易发性预测评价结果。

42、本发明所述的滑坡易发性预测装置与上述滑坡易发性预测方法相对于现有技术的优势相同，在此不再赘述。