易发分区约束下的管道地质灾害智能预警负样本采样法的制作方法

易发分区约束下的管道地质灾害智能预警负样本采样法
1.所属领域
2.本发明属于油气管道地质灾害防治技术领域，特别是一种易发分区约束下的管道地质灾害智能预警负样本采样法。
技术背景
3.区域地质灾害监测预警是一种重要的管道地质灾害风险防控手段，它能够提前预判管道沿线的地质灾害风险，从而提前做好风险防范。但是传统的地质灾害区域预警模型一直存在预警准确率低、漏报率高的问题，区域地质灾害监测预警模型需要持续的研究和完善。近年来，伴随着人工智能技术的发展，人工智能技术已逐渐应用到地质灾害防治领域，但是油气管道地质灾害智能预警还鲜有人研究。人工智能技术的发展为管道地质灾害区域预警提供了新的技术手段。虽然管道地质灾害排查积累了大量的已发生地质灾害点的资料，但是人工智能算法需要的非地质灾害点却难以获得，非地质灾害点被称为负样本点，有效选取负样本点是构建智能管道区域地质灾害预警模型遇到的关键问题。以往解决负样本选择问题，多以随机的方式进行选取，但是随机选取出的负样本不一定是全部有效的，从而制约着智能预警模型的精度，影响着预警模型的应用效果。


技术实现要素：

4.针对以上问题，本发明提出了一种易发分区约束下的管道地质灾害智能预警负样本采样法，它能够在fr模型和易发分区的约束下有效选取负样本点，克服在发生的地质灾害点外随机采取负样本点的不足，有助于基于人工智能的管道地质灾害区域预警样本集的构建，有助于提高区域预警模型的精度。
5.本发明通过以下技术方案实现的，其包括以下技术步骤：
6.(1)管道地质灾害区域预警所需因素选择。管道地质灾害区域预警由两类因素所制约，一是孕灾环境，二是诱发因素。孕灾环境包括地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量等；诱发因素主要是指降雨，降雨为一次降雨过程的累积降雨量。
7.(2)预警分析单位划分。按统一大小的栅格单元将管道沿线区域划分为一个一个的正方形的预警分析单元，即一个一个是栅格单元，亦是作为人工智能训练中的最小的地理空间单元。使用gis技术将孕灾环境和诱发因素均处理为标准一致的栅格文件。
8.(3)计算fr，并绘制fr栅格图。使用管道地质灾害排查得到的地质灾害点和各孕灾环境图层数据，利用fr模型(概率比模型)计算各孕灾环境因子的fr，包括地层fr、岩土体类型fr、高程fr、坡度fr、坡向fr、平面曲率fr、水系fr、断层fr、年均降雨量fr，并求得孕灾环境的总fr。使用gis技术绘制对应的fr栅格图。
9.fr计算公式如下：
[0010][0011]
fr是j因子i类的概数比，np(lxi)是因子变量x的i类的地质灾害评价单元数。np(xj)是因子变量xj的评价单元数据，m是因子变量xi的二级分类因子数量。n代表因子的数量。
[0012]
(4)制作管道地质灾害易发分区。管道地质灾害易发分区图由地质灾害排查技术人员绘制，管道地质灾害排查技术人员根据管道沿线的地质环境背景、地质灾害发育特征、分布规律及主要诱发条件，按照“区内相似、区际相异”的原则，即在同一类型的区内，地质环境背景条件、主要诱发条件和地质灾害发育特征基本相似，而不同类型的区内，则具明显的差异性，划分出管道地质灾害易发分区，并绘制管道地质灾害易发分区图。
[0013]
(5)统计并绘制截止到每个地质灾害点发生日期的一次降雨过程的累积降雨图。每个地质灾害点对应一幅累积降雨图，n个地质灾害点对应n幅累积降雨图。一次降雨过程的累积降雨截止到灾害发生的当日，一次降雨过程指未连续间断两日以上的降雨过程。
[0014]
(6)叠加fr图层和易发分区图层，划定负样本采集单元区。一个负样本采集单元包含若干预警分析单元，负样本在各负样本采集单元区内分别采样。
[0015]
(7)统计各负样本采集单元的总fr值范围，统计每一个地质灾害点所在预警分析单元的总fr值，并求得每一个地质灾害点所在预警分析单元的总fr值与负样本采集单元的最小总fr值的平均数mi。
[0016]
(8)在负样本采集单元内采集负样本的空间属性和时间属性。已发生的地质灾害点称为正样本点，正样本带有空间属性和时间属性，负样本点同样要带有空间属性和时间属性。每一个地质灾害点对应的采集两个负样本点，一个负样本点在总fr值等于mi处且降雨相同处采样，另一个负样本点在该地质灾害点总fr值相同但是降雨较少处采样。两个负样本点的时间属性等同于该地质灾害点发生的日期。
[0017]
(9)构建负样本集。经过负样本点采样，形成了2倍于正样本的负样本点，每个负样本点均带有空间属性和时间属性。每一处负样本点提取其对应的空间地理位置的孕灾环境因子(包括地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量)数据和提取其对应时间的诱发因素(诱发因素为一次降雨过程的累积降雨量)数据，构成负样本集。负样本集和正样本集共同构成管道智能地质灾害区域预警模型的样本集。
[0018]
优选地：负样本采样法基于孕灾环境和诱发因素两大类数据，使用gis技术划分预警分析单元，使用fr模型和用gis技术计算并绘制孕灾环境fr栅格图，使用gis技术绘制每个地质灾害点发生日期的一次降雨过程的累积降雨图，每个地质灾害点对应一幅累积降雨图。
[0019]
优选地：基于fr模型和易发分区约束，确定了负样本采样的区域与边界，定义了负样本采集单元的概念，确定负样本在负样本采集单元区的具体位置的采样方法，明确了负样本的采集边界与采集位置。
[0020]
优选地：每一个地质灾害点对应的采集两个负样本点，一个负样本点在总fr值等
于mi处且降雨相同处采样，另一个负样本点在该地质灾害点总fr值相似但是降雨较少处采样，两个负样本点的时间属性等同于该地质灾害点发生的日期，采集的负样本点均带有空间属性和时间属性。
[0021]
优选地：每一处负样本点提取其对应的空间地理位置的孕灾环境因子数据和提取其对应时间的诱发因素数据，使用负样本点位置提取孕灾环境、诱发因素的数据，将地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量值，以及降雨过程的累积降雨值赋予给每一个负样本点，构成完整的带有时间、空间位置、诱发因素、孕灾环境数值的负样本集。
[0022]
优选地：负样本采集法充分考虑了孕灾环境与诱发因素对地质灾害的影响，避免采集到潜在的地质灾害隐患点，同时避免了采集到极端负样本点，同时避免了负样本的空间分布随机性，明确了采样位置、明确了采样比例，使得负样本具有较高的有效性、高代表性，提高了负样本的采集质量，负样本集和正样本集共同构成管道智能地质灾害区域预警模型的样本集，有助于提高智能管道地质灾害区域预警模型的准确率、降低漏报率。
[0023]
本发明的智能预警负样本采样法克服了随机选取负样本可能将未发现的地质灾害隐患点选为负样本点的缺点，也克服了仅使用fr值时，选取fr值较低的空间位置的点作为负样本点导致负样本点极端典型，不具有区域代表性的缺点。基于fr模型和易发分区约束下的管道地质灾害智能预警负样本采样法，能避免选中潜在的地质灾害隐患点，又避免了极端负样本点，具有较好的非地质灾害区域代表性。本发明解决了负样本与正样本的采样比例问题，本方法采集的负样本与正样本形成2:1的比例关系。
附图说明
[0024]
图1是本发明的一种fr模型和易发分区约束下的管道地质灾害智能预警负样本采样法的流程图；
[0025]
图2是本发明的具体实施例中的孕灾环境fr栅格图；
[0026]
图3是本发明的具体实施例中的管道地质灾害易发分区图；
[0027]
图4是本发明的具体实施例中的管道沿线划分的负样本采集单元区；
[0028]
图5是本发明的具体实施例中其中一个地质灾害点对应的一次降雨过程累积降雨图；
[0029]
图6是本发明的具体实施例中其中一个地质灾害点对应的负样本采样；
具体实施例
[0030]
下面结合实施例对本发明作进一步的描述，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。基于本发明中的实施例，本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用的实施例，都属于本发明的保护范围。
[0031]
本具体实施例的方法流程如图1所示。一种fr模型和易发分区约束下的管道地质灾害智能预警负样本采样法的主要流程为：首先确认管道沿线区域地质灾害区域所需的孕灾环境因子和诱发因素，按照统一预警分析单位，处理成标准一致的栅格文件；然后利用fr模型计算fr并绘制fr图，根据管道地质灾害排查成果绘制易发分区图，绘制每个地质灾害点发生日期的一次降雨过程的累积降雨图；再然后叠加fr图层和易发分区图层，划定负样
本采集单元区，并统计各负样本采集单元的总fr值范围，统计每一个地质灾害点所在预警分析单元的总fr值；最后在负样本采集单元内采集负样本的空间属性和时间属性，提取对应空间地理位置的孕灾环境因子数据和对应时间的诱发因素数据，构成管道智能地质灾害区域预警模型的负样本集。
[0032]
本实施例中对管道沿线地质灾害起主要孕灾作用的因子有：地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量。将管道沿线划分为500
×
500m大小预警分析单元，将孕灾环境因子：地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量使用gis技术绘制成500
×
500m大小的标准一致的栅格文件。利用fr模型(概率比模型)计算各孕灾环境因子的fr，包括地层fr、岩土体类型fr、高程fr、坡度fr、坡向fr、平面曲率fr、水系fr、断层fr、年均降雨量fr，并求得孕灾环境的总fr。使用gis技术绘制对应的fr栅格图。
[0033]
fr计算公式如下：
[0034][0035]
fr是j因子i类的概数比，np(lxi)是因子变量x的i类的地质灾害评价单元数。np(xj)是因子变量xj的评价单元数据，m是因子变量xi的二级分类因子数量。n代表因子的数量。
[0036]
fr值高代表孕灾环境和地质灾害之间的相关性高，有利于地质灾害发生，fr值低代表孕灾环境和地质灾害之间的相关性低，不利于地质灾害发生。地质灾害在什么时候发生不仅和孕灾环境有关系，亦和该时段的诱发因素有大的关系。针对每个历史发生的地质灾害点绘制其发生时间段的一次降雨过程的累积降雨图，降雨是管道地质灾害的主要诱发因素。一次降雨过程的累积降雨截止到灾害发生的当日，一次降雨过程这里指未连续间断两日以上的降雨过程。每个地质灾害点发生的时间不一样，其对应的降雨亦不相同，因此每个地质灾害点对应一幅累积降雨图，n个地质灾害点绘制n幅累积降雨图。
[0037]
长输油气管道输送距离远，管道线路长，管道沿线地质灾害多发、沿线地质环境差异大，需由专业技术人员、专家进行管道沿线地质灾害排查，根据地质灾害排查结果，技术人员根据管道沿线的地质环境背景、地质灾害发育特征、分布规律及主要诱发条件，按照“区内相似、区际相异”的原则，划分出管道地质灾害易发分区，并绘制管道地质灾害易发分区图。易发分区分为高易发区、中易发区、低易发区、非易发区，不同级别的易发分区一般交错分布，从而将管道沿线划分为若干易发分区，每一个地质灾害易发分区内的地质环境较为相似。高易发分区并非在未来的某一时间段会全部发生地质灾害，低易发分区也并非在未来的某一时间段不会发生地质灾害，有必要对同一易发分区内的差异进行表征。同一个地质灾害易发分区内的地质环境较为相似，但是并非完全相同，所以再叠加上fr图，以反应出每个易发分区内的孕灾环境精细化的差异。负样本采样时不能只在低易发区采样，更不能只在高易发区采样。
[0038]
孕灾环境总fr图和易发分区叠加后将管道沿线分成若干个负样本采集单元，以每
个负样本采集单元的边界作为负样本采样的边界，在每个负样本采集单元内进行独立采样。负样本尽可能避免选中潜在的地质灾害隐患点，又要尽可能的有区域代表性，避免极端负样本点。极端负样本点是与地质灾害点极端不相似，只能代表特定的非地质灾害区，不具有区域代表性。采样时若只选取fr最小的一批值，会使负样本点集中在特定的非地质灾害区，从而失去区域代表性，所有需要统计总fr值范围区间，和地质灾害点对应的总fr值，经过分析后选择合适的负样本采集的fr值。fr太小失去区域代表性，fr太大与负样本的相关性减弱，经过分析后选择地质灾害点对应的fr值和地质灾害点所在的负样本采集单元区的fr值的下界之间的平均数，作为负样本采集的一个依据。此外，负样本的采集过程还需要表征诱发因素的差异性对地质灾害的影响，在fr值和地质灾害点对应的fr值相似，但是诱发因素有较大差异，作为负样本采集的另一个依据。
[0039]
统计每个负样本采集单元区内的总fr值范围区间，并且统计各地质灾害点所在的预警分析单元所对应的总fr值，计算各地质灾害点对应的总fr值与地质灾害点所在在的负样本采集单元区的最小值的平均数。比如2016年7月7日在湖北省恩施土家族苗族自治州利川市东城办事处下坝村三组发生滑坡地质灾害，该滑坡灾害所对应的总fr值为5.44，其所在的负样本采集单元区的总fr范围区间：[2.89,7.11],灾害与最小值的平均数为4.165，在该灾害所在的负样本采集单元区内采集总fr在4.165附近的预警分析单元的中心点作为其中的一个负样本点，注意采集时该负样本点在2016年7月7日与诱发该滑坡发生的本次降雨过程的累积降雨保持一致；同时在同一负样本采集单元区内采集总fr值在5.44附近，但是降雨明显少于与诱发该滑坡发生的本次降雨过程的累积降雨的位置采集另一处负样本点；经过采样确定了负样本的空间位置属性和时间属性。使用以上方法完成所有地质灾害点对应的负样本点的空间位置属性和时间属性采样，采样后正样本点和负样本点的比例为1:2。最后，使用负样本点位置提取孕灾环境、诱发因素的数据，将地层、岩土体类型、高程、坡度、坡向、平面曲率、水系、断层、年均降雨量值，以及降雨过程的累积降雨值赋予给每一个负样本点，构成完整的带有时间、空间位置、诱发因素、孕灾环境数值的负样本集。