本发明涉及地质灾害监测预测,尤其涉及一种基于监测数据和集成学习模型的滑坡多源综合预警方法。
背景技术:
1、滑坡地质灾害是世界范围内发生的一种严重的地质灾害类型,对人类社会的发展造成严重的威胁和损失。近年来,在全球极端气候变化的影响下,地震活动加上人类工程活动的快速发展,对自然环境的干扰更加强烈,直接导致地质灾害发生的强度和频率更高。这增加了滑坡减灾策略制定的难度。结合危险地区土地利用变化、人口增长和城市化失控等因素,滑坡风险等级持续上升。
2、因此,为了有效防治这类地质灾害,需要建立一种滑坡预警方法,但现有的预警模型为单个模型容易出现偶然误差,且单一预警模型不能很好适应多种情况下的多类型数据。
技术实现思路
1、本发明的目的在于提供一种基于监测数据和集成学习模型的滑坡多源综合预警方法,旨在解决预警模型为单个模型容易出现偶然误差,且单一预警模型不能很好适应多种情况下的多类型数据的问题。
2、为实现上述目的,本发明提供了一种基于监测数据和集成学习模型的滑坡多源综合预警方法,包括以下步骤:
3、收集滑坡位移与影响滑坡的因素的数据,得到实验数据;
4、将所述实验数据分成多份,得到数据集;
5、选择多个基学习器组成分层模型的第一层预警模型;
6、将所述数据集输入至所述第一层预警模型中进行训练和模拟,得到输入数据集;
7、选择一个元学习器组成所述分层模型的第二层预警模型;
8、将所述输入数据集输入所述第二层预警模型中进行训练,得到数值结果;
9、根据所述数值结果与预设阈值进行对比,得到预警级别。
10、其中,收集滑坡位移与影响滑坡的因素的数据,得到实验数据包括:
11、通过遥感卫星、gps测量设备、传感器设备监测坡体,得到监测数据;
12、收集历史的滑坡位移与影响的因素数据,得到历史数据;
13、将所述监测数据与所述历史数据进行整理,得到实验数据。
14、其中,所述收集历史的滑坡位移与影响的因素数据,得到历史数据,包括:
15、采集运河水位、土壤压力值、降雨量、滑坡坡度、滑坡重量、土壤类型的数据和对坡体的影响的数据,得到历史数据。
16、其中,所述将所述数据集输入至所述第一层预警模型中进行训练和模拟,得到输入数据集包括:
17、对所述数据集进行k折交叉处理,得到训练集和测试集;
18、使用所述训练集对所述第一层预警模型进行训练,得到预训练模型;
19、将所述测试集输入所述预训练模型中进行模拟,得到输入数据集。
20、其中,所述对所述数据集进行k折交叉处理,得到训练集和测试集,包括:
21、将所述数据集随机地将数据分解为多个数量相同的数据,选取任意一个数据成为k折交叉验证中的训练集;
22、数据集中除去所述选取的一个数据剩下的为其他数据,则所述其他数据成为所述k折交叉验证中的测试集。
23、其中,将所述数据集输入至所述第一层预警模型中进行训练和模拟,得到第二层的输入数据集包括:
24、使所述训练集对所述第一层预警模型的基学习器训练得到训练后的模型;
25、将所述测试集输入训练后的模型进行模拟,得到第二层的输入数据集。
26、其中,所述将所述第二层的输入数据集输入所述第二层预警模型中进行训练,得到数值结果包括:
27、将多个所述输入数据集进行整理,得到第一层预警结果;
28、将所述第一层预警结果输入所述第二才层预警模型中的元学习器进行训练,得到所述数值结果。
29、本发明的一种基于监测数据和集成学习模型的滑坡多源综合预警方法,stacking模型是一种人工智能模型集成技术,它将多个人工智能的结果信息结合起来生成新的模型,通过收集滑坡位移与影响滑坡的因素的数据,得到实验数据;将所述实验数据分成多份,得到数据集;选择多个基学习器组成分层模型的第一层预警模型;将所述数据集输入至所述第一层预警模型中进行训练和模拟,得到输入数据集;选择一个元学习器组成所述分层模型的第二层预警模型;将所述输入数据集输入所述第二层预警模型中进行训练,得到数值结果;根据所述数值结果与预设阈值进行对比,得到预警级别,本发明解决预警模型为单个模型容易出现偶然误差,且单一预警模型不能很好适应多种情况下的多类型数据的问题。
1.一种基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
2.如权利要求1所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
3.如权利要求2所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
4.如权利要求3所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
5.如权利要求4所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
6.如权利要求5所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,
7.如权利要求6所述的基于监测数据和集成学习模型的滑坡多源综合预警方法,其特征在于,