本發明提供一種土質滑坡災害時空智能預警報方法與系統，方法包括步驟：獲取滑坡災害點數據與非滑坡災害點數據；根據滑坡災害的成因機理和誘發因素獲取用于智能學習的滑坡災害預警報因子；根據滑坡災害點數據與非滑坡災害點數據獲取預警報因子對應的原始數據；將原始數據進行空間分析提取用于智能學習的滑坡預警報因子的值，并將得到的預警報因子的值分別進行無量綱化處理后構建滑坡災害預警報樣本數據集；采用集成機器學習的堆棧泛化方法搭建用于滑坡災害預警報的智能學習模塊，將滑坡災害預警報樣本數據集輸入智能學習模塊，進行訓練和優化，實現滑坡災害的預警報。該方法在進行滑坡預測時準確率高、誤報率較低、計算耗時短、實時性能較好。

技術領域

本發明屬于滑坡防治工程技術領域，具體涉及一種土質滑坡災害時空智能預警報方法與系統。

背景技術

目前區域滑坡災害預警報方法主要分為兩大類，包括：統計預警報模式和致災機理預警報模式。統計預警報模式是分析滑坡事件與相對應的降雨數據，獲取觸發滑坡的降雨閾值條件,這種統計模式過于依賴觀測降水，很少考慮下墊面因素的影響，誤報率過高；而致災機理預警報模式雖然解決了統計預警報模式過于依賴降水的缺陷，但由于滑坡災害成因機理的復雜性和誘發因素的多元化，這類預警報模式需要預先設定較多的假設條件，只能大概模擬滑坡體的發育過程，無法準確全面的描述滑坡災害的整個發育過程。此外，由于致災機理預警報模式需要模擬滑坡體的發育過程，導致計算耗時過長，實時性能較差，難以投入業務中使用。

發明內容

本發明的目的之一在于提供一種土質滑坡災害的時空智能預警報方法，該方法能提高預警報的準確率。

為實現上述目的，本發明的技術方案為：一種土質滑坡災害的時空智能預警報方法，包括以下步驟：

獲取滑坡災害點數據與非滑坡災害點數據，所述滑坡災害點的數據包括：滑坡災害發生時間、地點；

根據滑坡災害的成因機理和誘發因素獲取用于智能學習的滑坡災害預警報因子；所述預警報因子的類型包括下墊面因子和降水因子，所述下墊面因子包括坡度、坡向、地貌類型、剖面曲率、巖性硬度、粘聚力、內摩擦角、土壤類型、土壤厚度、NDVI、土地利用類型因子，所述降水因子包括前期有效降水因子和預報降水因子；

根據所述滑坡災害點數據與非滑坡災害點數據獲取所述預警報因子對應的原始數據；

將所述原始數據進行空間分析提取用于智能學習的滑坡預警報因子的值，并將得到的所述預警報因子的值分別進行無量綱化處理后構建滑坡災害預警報樣本數據集；

采用集成機器學習的堆棧泛化方法搭建用于滑坡災害預警報的智能學習模塊，將滑坡災害預警報樣本數據集輸入所述智能學習模塊，進行訓練和優化，實現滑坡災害的預警報。

進一步地，用于滑坡災害預警報的智能學習模塊，包括多個基模塊、元模塊；

所述基模塊用于接收樣本數據集的數據進行計算訓練得到預測結果；

所述元模塊接收多個基模塊得到的預測結果構成的第一數據集，并通過隨機梯度下降和交叉熵損失函數進行訓練和優化實現滑坡災害的預警報。

進一步地，所述基模塊為樸素貝葉斯、K近鄰、決策樹、邏輯回歸類型的弱學習機；

所述元模塊為隨機森林分類器。

進一步地，所述非滑坡災害點數據包括時間、地點；其中，

非滑坡災害點中的地點為所述滑坡災害點周邊1-2km處沒有發生滑坡的地點、時間為鄰近滑坡災害點的時間，或地點為受強降水作用但沒有發生滑坡災害的坡體地點、時間為對應地點經受強降水的時間。

進一步地，所述將所述原始數據進行空間分析提取用于智能學習的滑坡預警報因子的值的步驟具體包括：