CN116994405B - 一种智能灾变预警方法及*** - Google Patents
一种智能灾变预警方法及*** Download PDFInfo
- Publication number
- CN116994405B CN116994405B CN202311242876.2A CN202311242876A CN116994405B CN 116994405 B CN116994405 B CN 116994405B CN 202311242876 A CN202311242876 A CN 202311242876A CN 116994405 B CN116994405 B CN 116994405B
- Authority
- CN
- China
- Prior art keywords
- geological
- catastrophe
- evaluation
- data
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 302
- 238000012544 monitoring process Methods 0.000 claims abstract description 271
- 230000008859 change Effects 0.000 claims abstract description 47
- 238000011002 quantification Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000005457 optimization Methods 0.000 claims description 37
- 238000012795 verification Methods 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 16
- 238000013139 quantization Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000001364 causal effect Effects 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 238000012502 risk assessment Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Environmental & Geological Engineering (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Geology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种智能灾变预警方法及***,其方法包括:获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型。将待监测地区的地质监测数据输入地质灾变评估预警模型进行灾害危险性分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。保障了地质灾变评估预警的智能性、准确性以及可靠性,也便于相关部门进行相应的应急响应操作。
Description
技术领域
本发明涉及地质灾变评估的数据处理技术领域,特别涉及一种智能灾变预警方法及***。
背景技术
地质灾变评估是对地质灾害的活动程度进行调查、监测、分析、评估的工作,主要评估地区是否会发生地质灾变以及地质灾变的破坏能力,地质灾变危险性通过各种危险性要素体现,通过对各种危险性要素体现进行分析,可实现对是否发生地质灾变进行评估,从而便于及时采取相应操作,降低地质灾变造成的损失;
但是,目前地质灾变评估主要是通过人为实地勘测,然后根据人员经验对实地勘测得到的地质勘测数据进行分析,从而得到地质灾变评估结果,由于采用人为勘测和评估,大大降低了地质灾变评估的准确性,也不能根据地质灾变评估结果采取相应的应急操作,从而大大降低了地质灾变评估效果;
因此,为了克服上述缺陷,本发明提供了一种智能灾变预警方法及***。
发明内容
本发明提供一种智能灾变预警方法及***,用以通过对不同地区的历史监测数据进行分析和处理,实现对地质灾变评估预警模型进行准确有效的构建,通过构建的地质灾变评估预警模型对待检测地区的地质监测数据进行分析和处理,实现对待检测地区的地质灾变概率进行准确可靠的分析,且根据地质灾变概率进行相应的预警操作,保障了地质灾变评估预警的智能性、准确性以及可靠性,也便于相关部门进行相应的应急响应操作。
本发明提供了一种智能灾变预警方法,其特征在于,包括:
步骤1:获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
步骤2:基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
步骤3:将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。
优选的,一种智能灾变预警方法,步骤1中,获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
获取对地质灾变的评估业务,并对评估业务进行解析,确定评估业务中包含的评估项目;
提取评估项目的项目属性,并基于项目属性确定对应评估项目中对地质灾变的影响因素,且提取影响因素的特征标签;
基于特征标签确定对应的监测体系,并基于特征标签确定对监测体系中的数据调取时段,且基于特征标签和数据调取时段生成数据调取请求,同时,将数据调取请求发送至监测体系的目标服务器,并基于目标服务器对数据调取请求进行解析;
基于解析结果确定多个不同地区的目标调取数据所在的目标缓存区域,并基于目标缓存区域对目标调取数据进行调取,得到多个不同地区对应的历史监测数据。
优选的,一种智能灾变预警方法,基于目标服务器对数据调取请求进行解析,包括:
基于目标服务器接收数据调取请求,并基于预设分析策略对数据调取请求进行解析,得到数据调取请求对应的第一调取指标和第二调取指标,其中,第一调取指标为待调取数据对应的地区范围,第二调取指标为数据调取时段;
基于解析结果调取目标服务器中的可监测地区记录表,并将第一调取指标与可监测地区记录表进行第一匹配,确定待调取的多个不同地区;
提取每一地区的地理标识,并基于地理标识在目标服务器中确定对应的目标数据缓存库,同时,提取目标数据缓存库中各监测数据的时间属性,并将第二调取指标与时间属性进行第二匹配,且基于第二匹配结果确定不同地区的目标调取数据所在的目标缓存区域。
优选的,一种智能灾变预警方法,步骤1中,基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
获取得到的历史监测数据,并对历史监测数据进行分类,得到历史监测数据子集;
对每一历史监测数据子集进行聚类处理,得到每一历史监测数据子集对应的取值分布特征,并基于取值分布特征确定每一历史监测数据子集中存在的目标孤立数据;
提取每一历史监测数据子集的数据特征,并基于数据特征从预设数据清洗规则库中匹配目标数据清洗规则,且基于目标数据清洗规则对相应的历史监测数据子集中的目标孤立数据进行清洗,得到最终的历史监测数据。
优选的,一种智能灾变预警方法,步骤1中,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化,包括:
获取地质灾变评价对应的目标索引,并基于目标索引在网络中进行数据爬取,且基于数据爬取得到初始地质灾变评价指标;
确定地质灾变评价的评价标准,并基于评价标准确定初始地质灾变评价指标与地质灾变评价的相关值,且将相关值小于预设阈值的初始地质评价指标进行剔除,得到地质灾变评价指标,其中,地质灾变评价指标至少为两个;
获取历史监测数据,并将历史监测数据与监测地区进行一一对应,且基于对应结果确定每一监测地区的历史监测数据的目标取值,其中,历史监测数据包括已发生的地质灾变数据;
基于目标取值确定不同监测地区的历史监测数据的代表权重,并基于代表权重将不同地区对应的同一监测体系的历史监测数据的目标取值进行加权平均,得到每一监测体系的数据代表值,同时,确定地质灾变评价指标与监测体系的对应关系,并将每一监测体系的数据代表值设定为地质灾变评价指标的量化值,完成对地质灾变评价指标的量化,其中,地质灾变评价指标与监测体系一一对应。
优选的,一种智能灾变预警方法,步骤2中,基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型,包括:
获取对地质灾变评价指标的量化结果以及历史监测数据对应的地质灾变等级,并基于量化结果和地质灾变等级确定各地质灾变评价指标的评价权重;
构建二维直角坐标系,并基于历史监测数据的取值在二维直角坐标系中确定可视化展示点,同时,基于可视化展示点得到历史监测数据对应的地质灾变变化规律,并基于地质灾变变化规律以及各地质灾变评价指标的评价权重确定地质灾变评价指标与历史监测数据的关联关系,其中,关联关系包括在地质灾变评价指标下,历史监测数据与地质灾变的相互作用关系以及地质灾变评价指标根据历史监测数据确定的地质灾变等级;
获取模型框架描述脚本,并基于预设方式对模型框架描述脚本进行格式转换,得到地质灾变评估预警模型框架;
基于模型接口将各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关系输入地质灾变评估预警模型框架中进行框架训练和优化,并基于训练和优化结果得到地质灾变评估预警体系,且将地质灾变评估预警体系在地质灾变评估预警模型框架中进行部署,得到地质灾变评估预警模型。
优选的,一种智能灾变预警方法,得到地质灾变评估预警模型,包括:
基于预设数据库获取预设地区的已发生地质灾变数据,并将已发生地质灾变数据输入得到的地质灾变评估预警模型进行分析,得到校验分析结果;
获取已发生地质灾变数据对应的标准结果,并将校验分析结果与标准结果进行做差,得到目标差值;
若目标差值小于预设差值阈值,则判定得到的地质灾变评估预警模型合格;
否则,判定得到的地质灾变评估预警模型不合格,并确定校验分析结果与标准结果之间存在的差异数据,且基于差异数据确定目标优化方向;
基于目标优化方向从优化策略库中匹配目标优化策略,并基于目标优化策略对地质灾变评估预警模型进行优化。
优选的,一种智能灾变预警方法,步骤3中,将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。
获取待监测地区的地质监测数据,并基于监测时间顺序将地质监测数据进行排序,得到监测时段的连续状态数据;
将监测时段的连续状态数据输入地质灾变评估预警模型,并基于地质灾变评估预警模型中地质灾变评价指标对监测时段的连续状态数据进行分析,得到待监测地区在不同时刻的地质灾变特征向量;
基于地质灾变特征向量确定待监测地区在不同时刻的多元变量因果值,并基于多元变量因果值得到待监测地区在不同时刻的地质状态;
对不同时刻的地质状态进行汇总,得到待监测地区的地质状态变化规律,并基于地质状态变化规律确定待监测地区在不同时刻的地质灾变因素占比值;
基于地质灾变因素占比值得到待监测地区在不同时刻的灾变概率,并基于灾变概率的取值进行相应的预警通知。
优选的,一种智能灾变预警方法,基于灾变概率的取值进行相应的预警通知,包括:
获取得到的灾变概率,并确定灾变概率对应的取值,同时,获取预设灾变报警阈值,并将灾变概率与预设灾变报警阈值进行比较;
若灾变概率小于预设灾变报警阈值,则判定待监测地区的地质状态良好;
否则,判定待监测地区的地质状态较差,并基于预设预警方式向相应地质监测部门的目标终端发送相应的预警通知。
优选的,一种智能灾变预警***,包括:
数据获取模块,用于获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
模型构建模块,用于基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
地质灾变评估预警模块,用于将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。
与现有技术相比,本发明的有益效果如下:
1.通过对不同地区的历史监测数据进行分析和处理,实现对地质灾变评估预警模型进行准确有效的构建,通过构建的地质灾变评估预警模型对待检测地区的地质监测数据进行分析和处理,实现对待检测地区的地质灾变概率进行准确可靠的分析,且根据地质灾变概率进行相应的预警操作,保障了地质灾变评估预警的智能性、准确性以及可靠性,也便于相关部门进行相应的应急响应操作。
2.通过确定地质灾变评价的目标索引,实现根据目标索引从网络中获取相应的初始地质灾变评价指标,其次,根据评价标准对初始地质灾变评价指标以及历史监测数据进行综合分析,根据不同监测地区的历史监测数据的目标取值实现对地质灾变评价指标进行有效的量化,从而便于构建地质灾变评估预警模型以及对待检测地区的地质监测数据进行有效分子,提高了地质灾变预警的智能性以及准确性。
3.通过对地质灾变评价指标的量化结果以及历史监测数据进行分析,实现对不同地质灾变评价指标的评价权重进行有效获取,其次,根据历史监测数据的取值实现对地质灾变变化规律进行有效获取,且通过地质灾变变化规律以及各地质灾变评价指标的评价权重实现对地质灾变评价指标与历史监测数据的关联关系进行有效分析,最后,通过各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关对构建的地质灾变评估预警模型框架进行训练,实现对地质灾变评估预警模型进行准确有效的构建,为实现地质灾变评估预警提醒了便利与保障,也提高了对地质灾变评估预警的智能性以及准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种智能灾变预警方法的流程图;
图2为本发明实施例中一种智能灾变预警方法中步骤1的流程图;
图3为本发明实施例中一种智能灾变预警***的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种智能灾变预警方法,如图1所示,包括:
步骤1:获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
步骤2:基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
步骤3:将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。
该实施例中,影响因素指的是会对地质的状态产生影响的元素,具体可以是环境以及人为活动等。
该实施例中,监测体系是提前设定好的,例如可以是用于监测不同地区在某一时间段内物力环境所发生的变化情况等,从而便于对监测地区不同时刻的地质监测数据进行有效的获取。
该实施例中,历史监测数据可以是对不同地区进行地质监测后得到的数据,且包含发生过地质灾变的数据和正常情况下地区对应的地质数据。
该实施例中,地质灾变评价指标是提前已知的,具体包括环境、地质、力学、信息和工程等。
该实施例中,基于历史监测数据对地质灾变评价指标进行量化是为了确定不同等级下地质灾变评价指标对应的具体评价参数取值,进而便于构建能够分析不同地质灾变程度的地质灾变预警模型。
该实施例中,基于历史监测数据对地质灾变评价指标进行量化的目的是确定每一地质灾变评价指标对应的具体取值情况,从而便于构建相应的地质灾变评估预警模型,也便于根据地质灾变评价指标对监测地区的地质灾变情况进行有效把握,从而提高地质灾变评估的准确性,例如量化后的地质灾变评价指标可以是地区自身承载力以及地区具体面积等。
该实施例中,关联关系是用于表征历史监测数据和地质灾变评价指标之间的相互作用关系,即在地质灾变评价指标下,当历史监测数据达到某一取值时,即满足进行地质灾变预警的条件。
该实施例中,地质灾变评估预警模型是用于对监测地区的地质监测数据进行分析后,判断监测地区是否会发生地质灾变的工具。
该实施例中,待监测地区是需要进行地质灾变监测的地方,是可以根据监测需求进行调整的。
该实施例中,地质监测数据指的是通过专业的监测设备对待检测地区在不同时刻的环境、地壳运动以及人为活动等因素进行检测后得到的数据。
该实施例中,地质状态变化规律是用于表征待监测地区在监测时间段内地质变化的情况,目的是对待检测地区是否会发生地质灾变进行准确的预测。
该实施例中,地质灾变概率是用于表征待监测地区发生地质灾变的可能性大小,取值越大表明越可能发生地质灾变。
上述技术方案的有益效果是:通过对不同地区的历史监测数据进行分析和处理,实现对地质灾变评估预警模型进行准确有效的构建,通过构建的地质灾变评估预警模型对待检测地区的地质监测数据进行分析和处理,通过研究分析待监测地区的地质状态变化的物理和气象影响因子,实现对待检测地区的地质灾变概率进行准确可靠的分析,且根据地质灾变概率进行预警通知,保障了地质灾变评估预警的智能性、准确性以及可靠性,也便于相关部门进行相应的应急响应操作。
实施例2:
在实施例1的基础上,本实施例提供了一种智能灾变预警方法,如图2所示,步骤1中,获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
步骤101:获取对地质灾变的评估业务,并对评估业务进行解析,确定评估业务中包含的评估项目;
步骤102:提取评估项目的项目属性,并基于项目属性确定对应评估项目中对地质灾变的影响因素,且提取影响因素的特征标签;
步骤103:基于特征标签确定对应的监测体系,并基于特征标签确定对监测体系中的数据调取时段,且基于特征标签和数据调取时段生成数据调取请求,同时,将数据调取请求发送至监测体系的目标服务器,并基于目标服务器对数据调取请求进行解析;
步骤104:基于解析结果确定多个不同地区的目标调取数据所在的目标缓存区域,并基于目标缓存区域对目标调取数据进行调取,得到多个不同地区对应的历史监测数据。
该实施例中,评估业务指的是管理终端下发的地质灾变评估类,包含了需要评估的项目以及每一评估项目对应的评估标准等。
该实施例中,评估项目指的是在进行地质灾变评估时需要评估的地质参数方面,例如可以是环境以及地壳等。
该实施例中,项目属性是用于表征评估项目的项目类型等。
该实施例中,特征标签是用于标记不同影响因素的一种标记符号,通过特征标签可对影响因素的类别进行有效区分。
该实施例中,数据调取时段是用于表征需要从监测体系中调取的监测时间段,例如可以是某一天中的1:00-5:00的监测数据。
该实施例中,目标服务器是每一监测体系中用于收发数据的中介。
该实施例中,目标调取数据指的是不同地区需要调取的具体数据,例如可以是环境数据或者地质数据等。
该实施例中,数据调取请求是根据特征标签和数据调取时段生成的,用于向目标服务器表征需要调取的具体数据。
该实施例中,目标缓存区域指的是不同地区的目标调取数据在相应监测体系中的目标服务器中的存储位置。
上述技术方案的有益效果是:通过对地质灾变的评估业务进行分析,实现对地质子啊便的影响因素进行有效的获取,根据地质灾变的影响因素从相应监测体系中的目标服务器中对相应的目标调取数据进行准确有效的获取,保障了历史监测数据获取的有效性,为准确构建地质灾变评估预警模型提供了便利与保障,也便于保障对待监测地区的地质灾变情况评估预警的准确率。
实施例3:
在实施例2的基础上,本实施例提供了一种智能灾变预警方法,基于目标服务器对数据调取请求进行解析,包括:
基于目标服务器接收数据调取请求,并基于预设分析策略对数据调取请求进行解析,得到数据调取请求对应的第一调取指标和第二调取指标,其中,第一调取指标为待调取数据对应的地区范围,第二调取指标为数据调取时段;
基于解析结果调取目标服务器中的可监测地区记录表,并将第一调取指标与可监测地区记录表进行第一匹配,确定待调取的多个不同地区;
提取每一地区的地理标识,并基于地理标识在目标服务器中确定对应的目标数据缓存库,同时,提取目标数据缓存库中各监测数据的时间属性,并将第二调取指标与时间属性进行第二匹配,且基于第二匹配结果确定不同地区的目标调取数据所在的目标缓存区域。
该实施例中,预设分析策略是提前设定好的,用于对数据调取请求进行分析,确定数据调取请求中包含的第一调取指标和第二调取指标。
该实施例中,地区范围是用于表征需要调取数据的具体地区。
该实施例中,可监测地区记录表是目标服务器中用于记录可监测的具体地区名称的表格。
该实施例中,第一匹配指的是将第一调取指标与可监测地区记录表进行匹配,从而确定第一调取指标对应的地区。
该实施例中,地理标识是用于标记不同地区的标记标签。
该实施例中,目标数据缓存库是服务器中用于存储数据的地方。
该实施例中,时间属性是用于表征目标数据缓存库内各监测数据对应的监测具体监测时间,从而便于调取数据调取时段对应的数据。
该实施例中,第二匹配指的是将第二调取指标与时间属性进行匹配,从而确定相应数据所在的目标缓存区域。
该实施例中,目标缓存区域指的是具体需要调取的数据在服务器中所存储的具***置。
上述技术方案的有益效果是:通过目标服务器对数据调取请求进行解析,实现根据解析结果对目标服务器中所需要调取的数据进行准确锁定,实现对历史监测数据进行准确有效得调取,为进行地质灾变评估预警模型构建提供了便利与保障。
实施例4:
在实施例1的基础上,本实施例提供了一种智能灾变预警方法,步骤1中,基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
获取得到的历史监测数据,并对历史监测数据进行分类,得到历史监测数据子集;
对每一历史监测数据子集进行聚类处理,得到每一历史监测数据子集对应的取值分布特征,并基于取值分布特征确定每一历史监测数据子集中存在的目标孤立数据;
提取每一历史监测数据子集的数据特征,并基于数据特征从预设数据清洗规则库中匹配目标数据清洗规则,且基于目标数据清洗规则对相应的历史监测数据子集中的目标孤立数据进行清洗,得到最终的历史监测数据。
该实施例中,历史监测数据子集指的是对得到得历史监测数据进行分类后得到得每一类监测数据。
该实施例中,取值分布特征是用于表征每一历史监测数据子集中各数据的取值变化情况。
该实施例中,目标孤立数据指的是每一历史监测数据子集中存在的数据取值与均值偏差过大的数据。
该实施例中,数据特征是用于表征历史监测数据子集的类型以及数据之间的相互作用关系等。
该实施例中,预设数据清洗规则库是提前设定好的,用于存储不同的数据清洗规则。
该实施例中,目标数据清洗规则指的是适用于对当前历史监测数据子集进行数据清洗的规则。
上述技术方案的有益效果是:通过对得到的历史监测数据进行分类,并根据分类结果对每一历史监测数据子集进行聚类处理,实现对每一历史监测数据子集中的目标孤立数据进行准确有效的锁定,最后,根据每一历史监测数据子集的数据特征实现从预设数据清洗规则库中匹配相应的目标数据清洗规则,实现通过目标数据清洗规则对相应的历史监测数据子集进行有效的数据清洗,保障了得到的历史监测数据的准确可靠,也保障了最终构建的地质灾变评估预警模型的可靠。
实施例5:
在实施例1的基础上,本实施例提供了一种智能灾变预警方法,步骤1中,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化,包括:
获取地质灾变评价对应的目标索引,并基于目标索引在网络中进行数据爬取,且基于数据爬取得到初始地质灾变评价指标;
确定地质灾变评价的评价标准,并基于评价标准确定初始地质灾变评价指标与地质灾变评价的相关值,且将相关值小于预设阈值的初始地质评价指标进行剔除,得到地质灾变评价指标,其中,地质灾变评价指标至少为两个;
获取历史监测数据,并将历史监测数据与监测地区进行一一对应,且基于对应结果确定每一监测地区的历史监测数据的目标取值,其中,历史监测数据包括已发生的地质灾变数据;
基于目标取值确定不同监测地区的历史监测数据的代表权重,并基于代表权重将不同地区对应的同一监测体系的历史监测数据的目标取值进行加权平均,得到每一监测体系的数据代表值,同时,确定地质灾变评价指标与监测体系的对应关系,并将每一监测体系的数据代表值设定为地质灾变评价指标的量化值,完成对地质灾变评价指标的量化,其中,地质灾变评价指标与监测体系一一对应。
该实施例中,目标索引指的是能够表征地质灾变评价的关键字,目的是通过目标索引从网络中爬取相关的初始地质灾变评价指标。
该实施例中,数据爬取指的是从网络中获取需要获取的相关数据。
该实施例中,初始地质灾变评价指标指的是直接从网络中获取到了能够对地质灾变进行评估的指标,该指标只是能够代表评价的参数类别,具体的评价数值未确定。
该实施例中,评价标准是用于限定评价的严谨程度以及评价的具体要求等。
该实施例中,相关值是用于表征获取到的初始地质灾变评价指标与地质灾变评价的相关性,取值越大表明与地质灾变评价越相关。
该实施例中,预设阈值是提前设定好的,是用于衡量初始地质灾变评价指标是否满足地质灾变评价的最低标准。
该实施例中,目标取值指的是历史监测数据中各数据的具体取值大小情况。
该实施例中,代表权重是用于表征不同历史监测数据的重要性以及能够表征与地质灾变情况的相关程度,取值越大表明重要性越高。
该实施例中,数据代表值指的是将不同历史监测数据对应的目标取值进行加权平均后得到的一个数值,目的是为了排除特殊情况,从而确保对地质灾变评价指标量化的准确性。
上述技术方案的有益效果是:通过确定地质灾变评价的目标索引,实现根据目标索引从网络中获取相应的初始地质灾变评价指标,其次,根据评价标准对初始地质灾变评价指标以及历史监测数据进行综合分析,根据不同监测地区的历史监测数据的目标取值实现对地质灾变评价指标进行有效的量化,从而便于构建地质灾变评估预警模型以及对待检测地区的地质监测数据进行有效分子,提高了地质灾变预警的智能性以及准确性。
实施例6:
在实施例1的基础上,本实施例提供了一种智能灾变预警方法,步骤2中,基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型,包括:
获取对地质灾变评价指标的量化结果以及历史监测数据对应的地质灾变等级,并基于量化结果和地质灾变等级确定各地质灾变评价指标的评价权重;
构建二维直角坐标系,并基于历史监测数据的取值在二维直角坐标系中确定可视化展示点,同时,基于可视化展示点得到历史监测数据对应的地质灾变变化规律,并基于地质灾变变化规律以及各地质灾变评价指标的评价权重确定地质灾变评价指标与历史监测数据的关联关系,其中,关联关系包括在地质灾变评价指标下,历史监测数据与地质灾变的相互作用关系以及地质灾变评价指标根据历史监测数据确定的地质灾变等级;
获取模型框架描述脚本,并基于预设方式对模型框架描述脚本进行格式转换,得到地质灾变评估预警模型框架;
基于模型接口将各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关系输入地质灾变评估预警模型框架中进行框架训练和优化,并基于训练和优化结果得到地质灾变评估预警体系,且将地质灾变评估预警体系在地质灾变评估预警模型框架中进行部署,得到地质灾变评估预警模型。
该实施例中,评价权重是用于表征地质灾变评价指标在评价过程所起作用的重要程度,取值越大,表明该地质灾变评价指标在评价过程中所起的作用越大。
该实施例中,可视化展示点指的是采用一个点对历史监测数据的取值进行展示,从而便于在二维直角坐标系中对历史监测数据的变化规律进行确定。
该实施例中,地质灾变变化规律指的是根据历史监测数据的取值确定的地质灾变随不同监测数据取值而发生的频率等。
该实施例中,在地质灾变评价指标下,历史监测数据与地质灾变的相互作用关系指的是通过地质灾变评价指标对历史监测数据进行评价后,得到的地质灾变情况与历史监测数据之间依赖关系。
该实施例中,模型框架描述脚本是提前设定好的,用于表征模型框架的基本结构。
该实施例中,预设方式指的是通过代码编辑,通过代码编辑实现对模型框架的构建。
该实施例中,地质灾变评估预警模型框架指的是通过预设方式对模型框架描述脚本进行格式转换后得到,需要对地质灾变评估预警模型框架进行训练才能得到最终的地质灾变评估预警模型。
该实施例中,模型接口是地质灾变评估预警模型框架中进行数据交互的接口,是每个模型都具有的。
上述技术方案的有益效果是:通过对地质灾变评价指标的量化结果以及历史监测数据进行分析,实现对不同地质灾变评价指标的评价权重进行有效获取,其次,根据历史监测数据的取值实现对地质灾变变化规律进行有效获取,且通过地质灾变变化规律以及各地质灾变评价指标的评价权重实现对地质灾变评价指标与历史监测数据的关联关系进行有效分析,最后,通过各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关对构建的地质灾变评估预警模型框架进行训练,实现对地质灾变评估预警模型进行准确有效的构建,为实现地质灾变评估预警提醒了便利与保障,也提高了对地质灾变评估预警的智能性以及准确性。
实施例7:
在实施例6的基础上,本实施例提供了一种智能灾变预警方法,得到地质灾变评估预警模型,包括:
基于预设数据库获取预设地区的已发生地质灾变数据,并将已发生地质灾变数据输入得到的地质灾变评估预警模型进行分析,得到校验分析结果;
获取已发生地质灾变数据对应的标准结果,并将校验分析结果与标准结果进行做差,得到目标差值;
若目标差值小于预设差值阈值,则判定得到的地质灾变评估预警模型合格;
否则,判定得到的地质灾变评估预警模型不合格,并确定校验分析结果与标准结果之间存在的差异数据,且基于差异数据确定目标优化方向;
基于目标优化方向从优化策略库中匹配目标优化策略,并基于目标优化策略对地质灾变评估预警模型进行优化。
该实施例中,预设数据库是提前设定好的,用于存储不同的地质灾变数据,包括正常情况下的地质状态数据和已发生地质灾变数据。
该实施例中,校验分析结果指的是将获取到的已发生地质灾变数据输入构建的地质灾变评估预警模型进行分析后得到的结果。
该实施例中,标准结果指的是已发生地质灾变数据对应的地质灾变类型以及地质灾变程度等。
该实施例中,目标差值指的是校验分析结果与标准结果之间的差异程度。
该实施例中,预设差值阈值是提前设定好的,是用于衡量目标差值的最小标准,是可以进行调整的。
该实施例中,差异数据指的是校验分析结果与标准结果存在的具体差异片段,从而便于确定对地质灾变评估预警模型的优化方向。
该实施例中,目标优化方向指的是需要对地质灾变评估预警模型进行的具体优化参数类型,例如可以是优化地质灾变评价指标对监测数据进行分析的步骤等。
该实施例中,优化策略库是提前设定好的,用于存储不同的模型优化策略。
该实施例中,目标优化策略指的是根据目标优化方向确定的,适用于对当前地质灾变评估预警模型进行优化的方案。
上述技术方案的有益效果是:通过获取已发生地质灾变数据,并将已发生地质灾变数据输入地质灾变评估预警模型进行分析,得到校验分析结果,其次,将校验分析结果与已发生地质灾变数据对应的标准结果进行比较,实现对地质灾变评估预警模型的合格性进行准确可靠的判断,且在地质灾变评估模型不合格时,及时根据校验分析结果和标准结果确定对地质灾变评估模型的目标优化方向,实现根据目标优化方向及时对地质灾变评估预警模型进行准确有效的优化,保障了最终得到的地质灾变评估预警模型的准确可靠,也保障了对待监测地区的地质灾变评估的准确性。
实施例8:
在实施例1的基础上,本实施例提供了一种智能灾变预警方法,步骤3中,将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知
获取待监测地区的地质监测数据,并基于监测时间顺序将地质监测数据进行排序,得到监测时段的连续状态数据;
将监测时段的连续状态数据输入地质灾变评估预警模型,并基于地质灾变评估预警模型中地质灾变评价指标对监测时段的连续状态数据进行分析,得到待监测地区在不同时刻的地质灾变特征向量;
基于地质灾变特征向量确定待监测地区在不同时刻的多元变量因果值,并基于多元变量因果值得到待监测地区在不同时刻的地质状态;
对不同时刻的地质状态进行汇总,得到待监测地区的地质状态变化规律,并基于地质状态变化规律确定待监测地区在不同时刻的地质灾变因素占比值;
基于地质灾变因素占比值得到待监测地区在不同时刻的灾变概率,并基于灾变概率的取值进行相应的预警通知。
该实施例中,监测时间顺序指的是根据时间发展的先后顺序。
该实施例中,连续状态数据指的是根据监测时间顺序将地质监测数据进行排布后得到的连续的地质监测数据。
该实施例中,地质灾变特征向量指的是通过地质灾变评估预警模型中地质灾变评价指标对监测时段的连续状态数据进行分析后,得到的地质监测数据的数据取值特征,从而便于根据地质监测数据确定待监测地区是否会发生地质灾变。
该实施例中,多元变量因果值指的是根据地质灾变特征向量确定的待监测地区在地质灾变评价指标下的评估结果与地质监测数据之间的因果关系。
该实施例中,地质状态可以是表征待监测地区的地质状态良好或者在未来某一时刻可能会发生地质灾变。
该实施例中,地质灾变因素占比值指的是评估得到的结果中,不同地质灾变影响因素在该地质灾变中所占的比例值,从而便于根据不同地质灾变因素占比值确定待监测地区的地质灾变概率。
上述技术方案的有益效果是:通过地质灾变评估预警模型对得到的地质监测数据进行分析,实现对待监测地区不同时刻的地质状态进行有效的分析,其次,对待监测地区不同时刻的地质状态进行汇总,实现对待监测地区的地质状态变化规律进行有效分析,最后,根据地质状态变化规律实现对待监测地区在不同时刻的地质灾变因素占比值进行确定,从而实现根据地质灾变因素占比值对待监测地区在不同时刻的灾变概率进行确定,保障了最终地质灾变评估的准确性以及可靠性,也保障了根据地质灾变评估结果进行预警的可靠性。
实施例9:
在实施例8的基础上,本实施例提供了一种智能灾变预警方法,基于灾变概率的取值进行相应的预警通知,包括:
获取得到的灾变概率,并确定灾变概率对应的取值,同时,获取预设灾变报警阈值,并将灾变概率与预设灾变报警阈值进行比较;
若灾变概率小于预设灾变报警阈值,则判定待监测地区的地质状态良好;
否则,判定待监测地区的地质状态较差,并基于预设预警方式向相应地质监测部门的目标终端发送相应的预警通知。
该实施例中,预设灾变报警阈值是提前设定好的,是用于衡量是否需要进行预警的最低标准,是可以进行调整的。
该实施例中,预设预警方式是提前设定好的,例如可以是短信通知等。
该实施例中,目标终端是不同地质监测部门对应的智能终端,例如可以是电脑终端等。
上述技术方案的有益效果是:通过将得到的灾变概率与预设灾变报警阈值进行比较,实现根据灾变概率进行相应的预警通知,保障了根据评估结果进行预警的可靠性以及准确性。
实施例10:
本实施例提供了一种智能灾变预警***,如图3所示,包括:
数据获取模块,用于获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
模型构建模块,用于基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
地质灾变评估预警模块,用于将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知。
上述技术方案的有益效果是:通过对不同地区的历史监测数据进行分析和处理,实现对地质灾变评估预警模型进行准确有效的构建,通过构建的地质灾变评估预警模型对待检测地区的地质监测数据进行分析和处理,实现对待检测地区的地质灾变概率进行准确可靠的分析,且根据地质灾变概率进行相应的预警操作,保障了地质灾变评估预警的智能性、准确性以及可靠性,也便于相关部门进行相应的应急响应操作。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种智能灾变预警方法,其特征在于,包括:
步骤1:获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
步骤2:基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
步骤3:将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知;
其中,步骤2中,基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型,包括:
获取对地质灾变评价指标的量化结果以及历史监测数据对应的地质灾变等级,并基于量化结果和地质灾变等级确定各地质灾变评价指标的评价权重;
构建二维直角坐标系,并基于历史监测数据的取值在二维直角坐标系中确定可视化展示点,同时,基于可视化展示点得到历史监测数据对应的地质灾变变化规律,并基于地质灾变变化规律以及各地质灾变评价指标的评价权重确定地质灾变评价指标与历史监测数据的关联关系,其中,关联关系包括在地质灾变评价指标下,历史监测数据与地质灾变的相互作用关系以及地质灾变评价指标根据历史监测数据确定的地质灾变等级;
获取模型框架描述脚本,并基于预设方式对模型框架描述脚本进行格式转换,得到地质灾变评估预警模型框架;
基于模型接口将各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关系输入地质灾变评估预警模型框架中进行框架训练和优化,并基于训练和优化结果得到地质灾变评估预警体系,且将地质灾变评估预警体系在地质灾变评估预警模型框架中进行部署,得到地质灾变评估预警模型;
其中,得到地质灾变评估预警模型,包括;
基于预设数据库获取预设地区的已发生地质灾变数据,并将已发生地质灾变数据输入得到的地质灾变评估预警模型进行分析,得到校验分析结果;
获取已发生地质灾变数据对应的标准结果,并将校验分析结果与标准结果进行做差,得到目标差值;
若目标差值小于预设差值阈值,则判定得到的地质灾变评估预警模型合格;
否则,判定得到的地质灾变评估预警模型不合格,并确定校验分析结果与标准结果之间存在的差异数据,且基于差异数据确定目标优化方向;
基于目标优化方向从优化策略库中匹配目标优化策略,并基于目标优化策略对地质灾变评估预警模型进行优化。
2.根据权利要求1所述的一种智能灾变预警方法,其特征在于,步骤1中,获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
获取对地质灾变的评估业务,并对评估业务进行解析,确定评估业务中包含的评估项目;
提取评估项目的项目属性,并基于项目属性确定对应评估项目中对地质灾变的影响因素,且提取影响因素的特征标签;
基于特征标签确定对应的监测体系,并基于特征标签确定对监测体系中的数据调取时段,且基于特征标签和数据调取时段生成数据调取请求,同时,将数据调取请求发送至监测体系的目标服务器,并基于目标服务器对数据调取请求进行解析;
基于解析结果确定多个不同地区的目标调取数据所在的目标缓存区域,并基于目标缓存区域对目标调取数据进行调取,得到多个不同地区对应的历史监测数据。
3.根据权利要求2所述的一种智能灾变预警方法,其特征在于,基于目标服务器对数据调取请求进行解析,包括:
基于目标服务器接收数据调取请求,并基于预设分析策略对数据调取请求进行解析,得到数据调取请求对应的第一调取指标和第二调取指标,其中,第一调取指标为待调取数据对应的地区范围,第二调取指标为数据调取时段;
基于解析结果调取目标服务器中的可监测地区记录表,并将第一调取指标与可监测地区记录表进行第一匹配,确定待调取的多个不同地区;
提取每一地区的地理标识,并基于地理标识在目标服务器中确定对应的目标数据缓存库,同时,提取目标数据缓存库中各监测数据的时间属性,并将第二调取指标与时间属性进行第二匹配,且基于第二匹配结果确定不同地区的目标调取数据所在的目标缓存区域。
4.根据权利要求1所述的一种智能灾变预警方法,其特征在于,步骤1中,基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,包括:
获取得到的历史监测数据,并对历史监测数据进行分类,得到历史监测数据子集;
对每一历史监测数据子集进行聚类处理,得到每一历史监测数据子集对应的取值分布特征,并基于取值分布特征确定每一历史监测数据子集中存在的目标孤立数据;
提取每一历史监测数据子集的数据特征,并基于数据特征从预设数据清洗规则库中匹配目标数据清洗规则,且基于目标数据清洗规则对相应的历史监测数据子集中的目标孤立数据进行清洗,得到最终的历史监测数据。
5.根据权利要求1所述的一种智能灾变预警方法,其特征在于,步骤1中,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化,包括:
获取地质灾变评价对应的目标索引,并基于目标索引在网络中进行数据爬取,且基于数据爬取得到初始地质灾变评价指标;
确定地质灾变评价的评价标准,并基于评价标准确定初始地质灾变评价指标与地质灾变评价的相关值,且将相关值小于预设阈值的初始地质评价指标进行剔除,得到地质灾变评价指标,其中,地质灾变评价指标至少为两个;
获取历史监测数据,并将历史监测数据与监测地区进行一一对应,且基于对应结果确定每一监测地区的历史监测数据的目标取值,其中,历史监测数据包括已发生的地质灾变数据;
基于目标取值确定不同监测地区的历史监测数据的代表权重,并基于代表权重将不同地区对应的同一监测体系的历史监测数据的目标取值进行加权平均,得到每一监测体系的数据代表值,同时,确定地质灾变评价指标与监测体系的对应关系,并将每一监测体系的数据代表值设定为地质灾变评价指标的量化值,完成对地质灾变评价指标的量化,其中,地质灾变评价指标与监测体系一一对应。
6.根据权利要求1所述的一种智能灾变预警方法,其特征在于,步骤3中,将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知;
获取待监测地区的地质监测数据,并基于监测时间顺序将地质监测数据进行排序,得到监测时段的连续状态数据;
将监测时段的连续状态数据输入地质灾变评估预警模型,并基于地质灾变评估预警模型中地质灾变评价指标对监测时段的连续状态数据进行分析,得到待监测地区在不同时刻的地质灾变特征向量;
基于地质灾变特征向量确定待监测地区在不同时刻的多元变量因果值,并基于多元变量因果值得到待监测地区在不同时刻的地质状态;
对不同时刻的地质状态进行汇总,得到待监测地区的地质状态变化规律,并基于地质状态变化规律确定待监测地区在不同时刻的地质灾变因素占比值;
基于地质灾变因素占比值得到待监测地区在不同时刻的灾变概率,并基于灾变概率的取值进行相应的预警通知。
7.根据权利要求6所述的一种智能灾变预警方法,其特征在于,基于灾变概率的取值进行相应的预警通知,包括:
获取得到的灾变概率,并确定灾变概率对应的取值,同时,获取预设灾变报警阈值,并将灾变概率与预设灾变报警阈值进行比较;
若灾变概率小于预设灾变报警阈值,则判定待监测地区的地质状态良好;
否则,判定待监测地区的地质状态较差,并基于预设预警方式向相应地质监测部门的目标终端发送相应的预警通知。
8.一种智能灾变预警***,其特征在于,包括:
数据获取模块,用于获取地质灾变的影响因素,并基于影响因素从相应监测体系中获取多个不同地区对应的历史监测数据,同时,获取地质灾变评价指标,并基于历史监测数据对地质灾变评价指标进行量化;
模型构建模块,用于基于量化结果确定历史监测数据与地质灾变评价指标的关联关系,并基于关联关系构建地质灾变评估预警模型;
地质灾变评估预警模块,用于将待监测地区的地质监测数据输入地质灾变评估预警模型进行分析,确定待监测地区的地质状态变化规律,并基于地质状态变化规律评估待监测地区的地质灾变概率,且基于地质灾变概率进行预警通知;
其中,模型构建模块,包括:
获取对地质灾变评价指标的量化结果以及历史监测数据对应的地质灾变等级,并基于量化结果和地质灾变等级确定各地质灾变评价指标的评价权重;
构建二维直角坐标系,并基于历史监测数据的取值在二维直角坐标系中确定可视化展示点,同时,基于可视化展示点得到历史监测数据对应的地质灾变变化规律,并基于地质灾变变化规律以及各地质灾变评价指标的评价权重确定地质灾变评价指标与历史监测数据的关联关系,其中,关联关系包括在地质灾变评价指标下,历史监测数据与地质灾变的相互作用关系以及地质灾变评价指标根据历史监测数据确定的地质灾变等级;
获取模型框架描述脚本,并基于预设方式对模型框架描述脚本进行格式转换,得到地质灾变评估预警模型框架;
基于模型接口将各地质灾变评价指标、各地质灾变评价指标的评价权重以及地质灾变评价指标与历史监测数据的关联关系输入地质灾变评估预警模型框架中进行框架训练和优化,并基于训练和优化结果得到地质灾变评估预警体系,且将地质灾变评估预警体系在地质灾变评估预警模型框架中进行部署,得到地质灾变评估预警模型;
其中,得到地质灾变评估预警模型,包括:
基于预设数据库获取预设地区的已发生地质灾变数据,并将已发生地质灾变数据输入得到的地质灾变评估预警模型进行分析,得到校验分析结果;
获取已发生地质灾变数据对应的标准结果,并将校验分析结果与标准结果进行做差,得到目标差值;
若目标差值小于预设差值阈值,则判定得到的地质灾变评估预警模型合格;
否则,判定得到的地质灾变评估预警模型不合格,并确定校验分析结果与标准结果之间存在的差异数据,且基于差异数据确定目标优化方向;
基于目标优化方向从优化策略库中匹配目标优化策略,并基于目标优化策略对地质灾变评估预警模型进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242876.2A CN116994405B (zh) | 2023-09-26 | 2023-09-26 | 一种智能灾变预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242876.2A CN116994405B (zh) | 2023-09-26 | 2023-09-26 | 一种智能灾变预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116994405A CN116994405A (zh) | 2023-11-03 |
CN116994405B true CN116994405B (zh) | 2023-12-15 |
Family
ID=88532449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311242876.2A Active CN116994405B (zh) | 2023-09-26 | 2023-09-26 | 一种智能灾变预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116994405B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688485B (zh) * | 2024-02-02 | 2024-04-30 | 北京中卓时代消防装备科技有限公司 | 一种基于深度学习的火灾诱因分析方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006775A (ja) * | 2001-04-19 | 2003-01-10 | Shinko Electric Co Ltd | 土砂災害事前感知警報システムおよび土石流検知装置 |
WO2009074000A1 (fr) * | 2007-12-11 | 2009-06-18 | Shengxie Xiao | Procédé de suivi dynamique du processus d'évolution de risque de dépôt géologique |
CN109359166A (zh) * | 2018-10-10 | 2019-02-19 | 广东国地规划科技股份有限公司 | 一种空间增长动态模拟与驱动力因子贡献度同步计算方法 |
CN112200358A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡等级预测方法、装置、设备和存储介质 |
CN113126093A (zh) * | 2021-03-05 | 2021-07-16 | 成都正和德能风险管理咨询有限公司 | 一种地质预警方法 |
CN113283802A (zh) * | 2021-06-17 | 2021-08-20 | 北京交通大学 | 一种复杂艰险山区滑坡危险性评估方法 |
CN116384086A (zh) * | 2023-03-21 | 2023-07-04 | 广西壮族自治区地质环境监测站 | 一种基于大数据的多灾种地区风险评估方法及*** |
-
2023
- 2023-09-26 CN CN202311242876.2A patent/CN116994405B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006775A (ja) * | 2001-04-19 | 2003-01-10 | Shinko Electric Co Ltd | 土砂災害事前感知警報システムおよび土石流検知装置 |
WO2009074000A1 (fr) * | 2007-12-11 | 2009-06-18 | Shengxie Xiao | Procédé de suivi dynamique du processus d'évolution de risque de dépôt géologique |
CN109359166A (zh) * | 2018-10-10 | 2019-02-19 | 广东国地规划科技股份有限公司 | 一种空间增长动态模拟与驱动力因子贡献度同步计算方法 |
CN112200358A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡等级预测方法、装置、设备和存储介质 |
CN113126093A (zh) * | 2021-03-05 | 2021-07-16 | 成都正和德能风险管理咨询有限公司 | 一种地质预警方法 |
CN113283802A (zh) * | 2021-06-17 | 2021-08-20 | 北京交通大学 | 一种复杂艰险山区滑坡危险性评估方法 |
CN116384086A (zh) * | 2023-03-21 | 2023-07-04 | 广西壮族自治区地质环境监测站 | 一种基于大数据的多灾种地区风险评估方法及*** |
Non-Patent Citations (1)
Title |
---|
区域地质灾害评价预警的递进分析理论与方法;刘传正, 李铁锋, 程凌鹏, 温铭生, 王晓朋;水文地质工程地质(第04期);第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116994405A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10031829B2 (en) | Method and system for it resources performance analysis | |
CN116994405B (zh) | 一种智能灾变预警方法及*** | |
CN102870129A (zh) | 动态自适应进程发现和遵守 | |
Chang et al. | Integrating in-process software defect prediction with association mining to discover defect pattern | |
CN116485020B (zh) | 一种基于大数据的供应链风险识别预警方法、***及介质 | |
CN117094184B (zh) | 基于内网平台的风险预测模型的建模方法、***及介质 | |
CN116861331A (zh) | 一种融合专家模型决策的数据识别方法及*** | |
Fugate et al. | Unsupervised learning methods for vibration-based damage detection | |
CN117235524A (zh) | 自动估值模型的学***台 | |
CN113468022B (zh) | 一种对产品集中监控的自动化运维方法 | |
KR20210083418A (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
CN114202256A (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN110173830A (zh) | 空调运行数据的监控方法及相关设备 | |
CN116912061A (zh) | 基于大数据的土壤生态环境监测管理方法及*** | |
CN115982646A (zh) | 一种基于云平台的多源测试数据的管理方法及*** | |
US11775512B2 (en) | Data analysis apparatus, method and system | |
CN116244651A (zh) | 用于检测制造异常的***和方法 | |
CN115619539A (zh) | 贷前风险评价方法以及装置 | |
CN118051657B (zh) | 一种数据专线故障定位用例库测试方法及*** | |
CN117574303B (zh) | 施工状况的监测预警方法、装置、设备及存储介质 | |
CN116029578B (zh) | 服务对象业务水平检测方法、装置、电子设备及存储介质 | |
Rabbani et al. | Tsunami Signal Classification Based on Sea Level Data using Extreme Gradient Boosting Method for Tsunami Early Warning System Modeling | |
Zarmehri et al. | Improving data mining results by taking advantage of the data warehouse dimensions: a case study in outlier detection | |
Peacock et al. | Making the most of existing data-a data lake approach to risk quantification | |
CN118051657A (zh) | 一种数据专线故障定位用例库测试方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |