基于人工智能的泥石流风险评估方法及系统与流程

本技术涉及风险评估，具体而言，涉及基于人工智能的泥石流风险评估方法及系统。

背景技术：

1、在山区沟谷中，由暴雨、大量冰雪融水或江湖、水库溃决后的急速地表径流激发的含有大量泥砂、石块等固体碎屑物质，并具有强大冲击力和破坏作用的特殊洪流造成的灾害。

2、泥石流一直是对人们的生命安全和财产安全是一个比较大的威胁，每年都需要花很多的财力和人力对泥石流隐患地方进行排查，尽可能的降低泥石流造成的损失，但是，泥石流的发生需要考虑到各种因素进行判断，如何对泥石流的风险进行评估是现目前难以解决的一个问题。

技术实现思路

1、为改善相关技术中存在的技术问题，本技术提供了基于人工智能的泥石流风险评估方法及系统。

2、第一方面，提供一种基于人工智能的泥石流风险评估方法，包括：

3、获取山体数据，将所述山体数据划分成若干个互不重合的泥石流诱发因素数据；

4、对若干个所述泥石流诱发因素数据进行隐患知识字符抽取得到若干个隐患知识字符；

5、对于每一个所述隐患知识字符，获取所述隐患知识字符所对应的所述泥石流诱发因素数据相对于所述隐患知识字符的靠近隐患知识字符所对应的所述泥石流诱发因素数据之间的第一关联关系数据，依据所述隐患知识字符和所述第一关联关系数据，计算得到所述隐患知识字符对应的部分关灾害前兆知识字符，将所述部分关灾害前兆知识字符投影到影响因素评分层面，得到所述隐患知识字符对应的影响因素评分知识字符，并依据所述影响因素评分知识字符和所述第一关联关系数据，计算得到所述隐患知识字符对应的第一影响因素得分；

6、依据所述第一影响因素得分，在所有所述隐患知识字符中确定若干个第一重要隐患知识字符；

7、根据若干个所述第一重要隐患知识字符进行风险评估，得到风险评估结果。

8、在本技术中，所述靠近隐患知识字符的数目为若干个；所述依据所述影响因素评分知识字符和所述第一关联关系数据，计算得到所述隐患知识字符对应的第一影响因素得分，包括：依据所述影响因素评分知识字符和若干个所述靠近隐患知识字符对应的所述第一关联关系数据进行函数处理，得到所述隐患知识字符对应的第一影响因素得分。

9、在本技术中，所述依据所述隐患知识字符和所述第一关联关系数据，计算得到所述隐患知识字符对应的部分关灾害前兆知识字符，包括：

10、依据所述隐患知识字符和所述第一关联关系数据进行部分softmax归一化计算，得到所述隐患知识字符对应的部分softmax归一化系数；

11、依据所述隐患知识字符和所述部分softmax归一化系数，计算得到所述隐患知识字符对应的部分关灾害前兆知识字符。

12、在本技术中，所述依据所述隐患知识字符和所述第一关联关系数据进行部分softmax归一化计算，得到所述隐患知识字符对应的部分softmax归一化系数，包括：

13、依据所述隐患知识字符计算得到所述隐患知识字符对应的稳定性知识字符和灾害前兆知识字符；

14、依据所述稳定性知识字符、所述灾害前兆知识字符和所述第一关联关系数据，计算得到所述隐患知识字符对应的部分softmax归一化系数。

15、在本技术中，所述依据所述隐患知识字符和所述部分softmax归一化系数，计算得到所述隐患知识字符对应的部分关灾害前兆知识字符，包括：依据所述部分softmax归一化系数对所述隐患知识字符进行量化处理，得到所述隐患知识字符对应的部分关灾害前兆知识字符。

16、在本技术中，所述获取所述隐患知识字符所对应的所述泥石流诱发因素数据相对于所述隐患知识字符的靠近隐患知识字符所对应的所述泥石流诱发因素数据之间的第一关联关系数据，包括：

17、获取所述隐患知识字符所对应的所述泥石流诱发因素数据在所述山体数据对应的第一ai向量空间，以及所述隐患知识字符的靠近隐患知识字符所对应的所述泥石流诱发因素数据在所述山体数据中的第二ai向量空间；

18、依据所述第一ai向量空间和所述第二ai向量空间，计算得到所述隐患知识字符对应的定位压缩向量；

19、将所述定位压缩向量确定为所述隐患知识字符所对应的所述泥石流诱发因素数据相对于所述隐患知识字符的靠近隐患知识字符所对应的所述泥石流诱发因素数据之间的第一关联关系数据。

20、在本技术中，所述依据所述第一ai向量空间和所述第二ai向量空间，计算得到所述隐患知识字符对应的定位压缩向量，包括：

21、计算所述第一ai向量空间和所述第二ai向量空间之间的ai向量空间差异向量；

22、对所述ai向量空间差异向量进行分析处理，得到所述隐患知识字符对应的定位压缩向量。

23、在本技术中，所述根据若干个所述第一重要隐患知识字符进行风险评估，得到风险评估结果，包括：

24、根据若干个所述第一重要隐患知识字符进行多次迭代的重要知识字符抽取处理，获取每一次进行所述重要知识字符抽取处理时得到的若干个第二重要隐患知识字符；

25、将所述第一重要隐患知识字符和所有所述第二重要隐患知识字符进行知识字符拼接，得到隐患知识字符拼接结果；

26、依据所述隐患知识字符拼接结果进行风险评估，得到风险评估结果。

27、在本技术中，每一次进行的所述重要知识字符抽取处理，包括：

28、获取若干个目标泥石流风险知识字符，其中，所述目标泥石流风险知识字符为所述第一重要隐患知识字符，或者为上一次进行所述重要知识字符抽取处理时得到的第二重要隐患知识字符；

29、对于每一个所述目标泥石流风险知识字符，获取所述目标泥石流风险知识字符所对应的所述泥石流诱发因素数据相对于所述目标泥石流风险知识字符的靠近泥石流风险知识字符所对应的所述泥石流诱发因素数据之间的第二关联关系数据，并依据所述目标泥石流风险知识字符和所述第二关联关系数据，计算得到所述目标泥石流风险知识字符对应的第二影响因素得分；

30、依据所述第二影响因素得分，在所有所述目标泥石流风险知识字符中确定若干个第二重要隐患知识字符。

31、第二方面，提供一种基于人工智能的泥石流风险评估系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

32、本技术实施例所提供的基于人工智能的泥石流风险评估方法及系统，在获取到山体数据之后，先将山体数据划分成若干个互不重合的泥石流诱发因素数据，并对若干个泥石流诱发因素数据进行隐患知识字符抽取得到若干个隐患知识字符；通过对山体数据进行若干个互不重合的泥石流诱发因素数据的划分，可以将整个手掌的大范围纹路区域划分成若干个小范围的隐患区域，从而使得在对这些泥石流诱发因素数据进行隐患知识字符抽取时，可以提高对这些泥石流诱发因素数据的隐患知识字符的抽取效率；另外，由隐患组成，而划分得到的若干个泥石流诱发因素数据的泥石流风险内容能够以隐患为主，因此在对这些泥石流诱发因素数据进行隐患知识字符抽取时，还可以提高对这些泥石流诱发因素数据的隐患知识字符的抽取精确性。在得到若干个隐患知识字符之后，对于每一个隐患知识字符，先获取隐患知识字符所对应的泥石流诱发因素数据相对于隐患知识字符的靠近隐患知识字符所对应的泥石流诱发因素数据之间的第一关联关系数据，然后根据隐患知识字符和第一关联关系数据，计算得到隐患知识字符对应的第一影响因素得分；由于第一关联关系数据是隐患知识字符所对应的泥石流诱发因素数据和靠近隐患知识字符所对应的泥石流诱发因素数据之间的关联关系数据，因此第一关联关系数据能够表征隐患知识字符和靠近隐患知识字符之间的匹配数据，所以，在根据隐患知识字符和第一关联关系数据计算隐患知识字符对应的第一影响因素得分时，能够将隐患知识字符与其对应的匹配数据进行结合，使得计算得到的第一影响因素得分能够更加准确地表达隐患知识字符较之于靠近隐患知识字符的softmax归一化。在计算得到各个隐患知识字符对应的第一影响因素得分之后，先根据第一影响因素得分在所有隐患知识字符中确定若干个第一重要隐患知识字符，然后根据若干个第一重要隐患知识字符进行风险评估得到风险评估结果；通过第一影响因素得分，可以在所有隐患知识字符中确定出能够更好地对山体数据进行表达的若干个第一重要隐患知识字符，达到提高对山体数据的知识字符抽取效果的目的，从而可以使得在根据这些第一重要隐患知识字符进行风险评估时，能够提高风险评估的精确性和可靠性。