全地形滑坡轨迹预测模型的训练方法及装置与流程

本技术涉及地质灾害领域，具体涉及一种全地形滑坡轨迹预测模型的训练方法及装置。

背景技术：

1、滑坡是指地表斜坡上大量的土石整体向下滑动的自然灾害现象。滑坡是一种主要的地质灾害类型，常见于山地地区，对人的生命以及财产造成重大威胁。因此，评估滑坡发生风险及滑坡发生后的影响范围，对防灾减灾具有重要意义。滑坡发生后的影响范围的评估可以描述为在已经确定滑坡源的情况下，根据地形地质信息及滑坡发生时的降雨等触发因素，预测出滑坡的运动轨迹。滑坡的运动轨迹影响到的区域及滑坡的影响范围就是滑坡轨迹预测。

2、在采用深度学习模型来预测滑坡轨迹时，在模型训练阶段，可基于最优停留点在高程图上的匹配误差以及最优停留点的真实匹配误差构建损失函数，使用损失函数的结果来调整模型参数。

3、示例性地，在模型训练阶段，使用的损失函数如下述公式(1)。

4、

5、在公式(1)中，j(θ)为损失函数的输出结果，j(θ)用于衡量模型的性能。n是滑坡记录数，i表示第i条滑坡记录，li表示第i条滑坡记录对应的真实滑坡距离，t表示高程图，表示第i条滑坡记录对应的坡度最大路径上最优停留点k与高程图上滑坡源之间的距离。k表示由最小匹配误差方法选出的最优停留点的编号。

6、深度学习模型普遍采用反向梯度传播的方法更新模型参数，也即是对损失函数的结果求关于模型参数的偏导数，再基于偏导数更新模型参数，使得模型的预估结果向损失函数最小的方向靠近。然而，由于公式(1)示出的损失函数的目标项和模型的输出结果没有函数关系。没有函数关系也就意味着无法求偏导数，无法求偏导数也就代表无法计算出梯度，进而造成基于梯度优化模型的方式不可行，造成模型训练失败，也就无法通过模型来预测滑坡轨迹。

技术实现思路

1、本技术实施例提供了一种全地形滑坡轨迹预测模型的训练方法及装置，有助于降低模型训练时由于损失函数与模型的输出结果无关导致模型训练失败的概率，进而有助于降低预测滑坡轨迹的难度。所述技术方案如下。

2、第一方面，提供了一种全地形滑坡轨迹预测模型的训练方法，所述方法包括：将全地形滑坡轨迹样本输入至全地形滑坡轨迹预测模型，通过所述全地形滑坡轨迹预测模型基于所述全地形滑坡轨迹样本确定预测滑坡距离，所述预测滑坡距离指示滑坡源与滑坡停留点之间的距离；

3、采用损失函数基于所述预测滑坡距离以及样本滑坡距离进行运算，以获得损失值，所述损失函数用于使得所述全地形滑坡轨迹预测模型能够执行选择任务，所述损失值用于指示所述全地形滑坡轨迹预测模型执行所述选择任务的性能，所述选择任务为从所述滑坡停留点中的候选停留点选择最优停留点的学习任务；

4、基于所述损失值以及所述全地形滑坡轨迹预测模型的当前模型参数，获取梯度值；

5、基于所述梯度值采用反向梯度传播的方式更新所述全地形滑坡轨迹预测模型的当前模型参数，以使所述全地形滑坡轨迹预测模型确定的预测滑坡距离对应的损失值满足预定条件。

6、在一些实施方式中，所述采用损失函数基于所述预测滑坡距离以及样本滑坡距离进行运算，以获得所述全地形滑坡轨迹预测模型执行选择任务的损失值，包括：

7、基于所述最优停留点对应的所述预测滑坡距离以及所述最优停留点对应的样本滑坡距离确定所述最优停留点对应的第一匹配误差；

8、基于非最优停留点对应的所述预测滑坡距离以及所述非最优停留点对应的样本滑坡距离确定所述非最优停留点对应的第二匹配误差，所述非最优停留点为所述候选停留点中除所述最优停留点之外的其他停留点；

9、基于所述第一匹配误差以及所述第二匹配误差确定所述全地形滑坡轨迹预测模型执行所述选择任务的损失值，所述选择任务的损失值与所述第一匹配误差以及所述第二匹配误差之间的差距正相关。

10、在一些实施方式中，所述基于所述最优停留点对应的所述预测滑坡距离以及所述最优停留点对应的样本滑坡距离确定所述最优停留点对应的第一匹配误差，包括：

11、基于滑坡源在高程图上所处的栅格以及所述最优停留点在所述高程图上所处的栅格，确定所述最优停留点对应的高程图上滑坡距离，所述高程图上滑坡距离指示所述高程图上所述最优停留点与所述滑坡源之间的距离；

12、确定所述最优停留点对应的高程图上滑坡距离与所述最优停留点对应的所述预测滑坡距离之间的差距，以得到所述最优停留点对应的第一匹配误差。

13、在一些实施方式中，所述基于非最优停留点对应的所述预测滑坡距离以及所述非最优停留点对应的样本滑坡距离确定所述非最优停留点对应的第二匹配误差，包括：

14、基于滑坡源在高程图上所处的栅格以及所述非最优停留点在所述高程图上所处的栅格，确定所述非最优停留点对应的高程图上滑坡距离，所述高程图上滑坡距离指示所述高程图上所述非最优停留点与所述滑坡源之间的距离；

15、确定所述非最优停留点对应的高程图上滑坡距离与所述非最优停留点对应的所述预测滑坡距离之间的差距，以得到所述非最优停留点对应的第二匹配误差。

16、在一些实施方式中，所述基于所述第一匹配误差以及所述第二匹配误差确定所述全地形滑坡轨迹预测模型执行所述选择任务的损失值，包括：

17、从所述第一匹配误差以及所述第二匹配误差之间的差距以及预定差距项中确定最大值，以获得所述全地形滑坡轨迹预测模型执行所述选择任务的损失值。

18、在一些实施方式中，所述采用损失函数基于所述预测滑坡距离以及样本滑坡距离进行运算，以获得损失值，包括：

19、遍历滑坡路径中的所有候选停留点中的每个非最优停留点，基于每个非最优停留点对应的所述预测滑坡距离以及所述每个非最优停留点对应的样本滑坡距离确定所述每个非最优停留点对应的第二匹配误差；

20、分别确定每个所述非最优停留点对应的第二匹配误差与所述最优停留点对应的第一匹配误差之间的差距；

21、基于每个所述非最优停留点对应的第二匹配误差的差距总和以及所述滑坡路径中所述所有候选停留点的总数量，确定所述全地形滑坡轨迹预测模型执行所述选择任务的损失值。

22、在一些实施方式中，所述全地形滑坡轨迹样本包括多条滑坡记录，所述采用损失函数基于所述预测滑坡距离以及样本滑坡距离进行运算，以获得损失值，包括：

23、遍历所述多条滑坡记录中的每条滑坡记录，基于每条滑坡记录对应的预测滑坡距离以及每条滑坡记录对应的样本滑坡距离进行运算，以获得每条滑坡记录对应的匹配误差；

24、确定每条滑坡记录对应的匹配误差的平均值，以获得损失值。

25、第二方面，提供了一种全地形滑坡轨迹预测模型的训练装置，所述装置包括：

26、输入单元，用于将全地形滑坡轨迹样本输入至全地形滑坡轨迹预测模型，通过所述全地形滑坡轨迹预测模型基于所述全地形滑坡轨迹样本确定预测滑坡距离，所述预测滑坡距离指示滑坡源与滑坡停留点之间的距离；

27、运算单元，用于采用损失函数基于所述预测滑坡距离以及样本滑坡距离进行运算，以获得损失值，所述损失函数用于使得所述全地形滑坡轨迹预测模型能够执行选择任务，所述损失值用于指示所述全地形滑坡轨迹预测模型执行所述选择任务的性能，所述选择任务为从所述滑坡停留点中的候选停留点选择最优停留点的学习任务；

28、调整单元，用于基于所述损失值以及所述全地形滑坡轨迹预测模型的当前模型参数，获取梯度值；基于所述梯度值采用反向梯度传播的方式更新所述全地形滑坡轨迹预测模型的当前模型参数，以使所述全地形滑坡轨迹预测模型确定的预测滑坡距离对应的损失值满足预定条件。

29、在一些实施方式中，所述运算单元，用于基于所述最优停留点对应的所述预测滑坡距离以及所述最优停留点对应的样本滑坡距离确定所述最优停留点对应的第一匹配误差；基于非最优停留点对应的所述预测滑坡距离以及所述非最优停留点对应的样本滑坡距离确定所述非最优停留点对应的第二匹配误差，所述非最优停留点为所述候选停留点中除所述最优停留点之外的其他停留点；基于所述第一匹配误差以及所述第二匹配误差确定所述全地形滑坡轨迹预测模型执行所述选择任务的损失值，所述选择任务的损失值与所述第一匹配误差以及所述第二匹配误差之间的差距正相关。

30、在一些实施方式中，所述运算单元，用于基于滑坡源在高程图上所处的栅格以及所述最优停留点在所述高程图上所处的栅格，确定所述最优停留点对应的高程图上滑坡距离，所述高程图上滑坡距离指示所述高程图上所述最优停留点与所述滑坡源之间的距离；确定所述最优停留点对应的高程图上滑坡距离与所述最优停留点对应的所述预测滑坡距离之间的差距，以得到所述最优停留点对应的第一匹配误差。

31、在一些实施方式中，所述运算单元，用于基于滑坡源在高程图上所处的栅格以及所述非最优停留点在所述高程图上所处的栅格，确定所述非最优停留点对应的高程图上滑坡距离，所述高程图上滑坡距离指示所述高程图上所述非最优停留点与所述滑坡源之间的距离；确定所述非最优停留点对应的高程图上滑坡距离与所述非最优停留点对应的所述预测滑坡距离之间的差距，以得到所述非最优停留点对应的第二匹配误差。

32、在一些实施方式中，所述确定单元，用于从所述第一匹配误差以及所述第二匹配误差之间的差距以及预定差距项中确定最大值，以获得所述全地形滑坡轨迹预测模型执行所述选择任务的损失值。

33、在一些实施方式中，所述确定单元，用于遍历滑坡路径中的所有候选停留点中的每个非最优停留点，基于每个非最优停留点对应的所述预测滑坡距离以及所述每个非最优停留点对应的样本滑坡距离确定所述每个非最优停留点对应的第二匹配误差；分别确定每个所述非最优停留点对应的第二匹配误差与所述最优停留点对应的第一匹配误差之间的差距；基于每个所述非最优停留点对应的第二匹配误差的差距总和以及所述滑坡路径中所述所有候选停留点的总数量，确定所述全地形滑坡轨迹预测模型执行所述选择任务的损失值。

34、在一些实施方式中，所述运算单元，用于遍历所述多条滑坡记录中的每条滑坡记录，基于每条滑坡记录对应的预测滑坡距离以及每条滑坡记录对应的样本滑坡距离进行运算，以获得每条滑坡记录对应的匹配误差；确定每条滑坡记录对应的匹配误差的平均值，以获得损失值。

35、在一些实施方式中，所述全地形滑坡轨迹样本包括滑坡源特征、周边环境特征以及滑坡诱发特征，所述滑坡源特征包括滑坡源长度以及滑坡源宽度，所述周边环境特征包括滑坡下降的高程差、坡度、曲率、植被覆盖类型以及地质类型，所述滑坡诱发特征包括最大4小时降水以及最大24小时降水。

36、第三方面，提供了一种计算设备，该计算设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序指令，所述至少一条计算机程序指令由所述处理器加载并执行，以使所述计算设备实现上述第一方面或第一方面任一种可选方式所提供的方法。第三方面提供的计算设备的具体细节可参见上述第一方面或第一方面任一种可选方式，此处不再赘述。

37、第四方面，提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令在计算机上运行时，使得计算机执行上述第一方面或第一方面任一种可选方式所提供的方法。

38、第五方面，提供了一种计算机程序产品，所述计算机程序产品包括一个或多个计算机程序指令，当所述计算机程序指令被计算机加载并运行时，使得所述计算机执行上述第一方面或第一方面任一种可选方式所提供的方法。

39、第六方面，提供了一种芯片，包括存储器和处理器，存储器用于存储计算机指令，处理器用于从存储器中调用并运行该计算机指令，以执行上述第一方面及其第一方面任意可能的实现方式中的方法。

40、本技术实施例具有如下有益效果：

41、由于训练全地形滑坡轨迹预测模型时使用的损失函数会基于模型预测出的预测滑坡距离计算损失值，即损失函数的结果和模型函数存在函数关系，因此能够基于损失值获得梯度值，进而使用梯度值对全地形滑坡轨迹预测模型采用反向梯度传播的方式训练，从而降低模型训练时由于损失函数与模型的输出结果无关导致模型训练失败的概率，进而有助于降低预测滑坡轨迹的难度。

42、此外，损失函数满足使得模型选择最优停留点的目标，使得模型在训练时能够在通过势能算法生成的最大坡度路径上选择出最优停留点，提高滑坡轨迹预测的准确性。