地质灾害预测方法及电子设备技术

本发明专利技术涉及大数据处理技术领域，具体而言，涉及一种地质灾害预测方法及电子设备。在该方法中，能够根据目标区域内的各个测量点在多个连续时间窗口内的位移数据建立第一地质灾害预测模型。在预测时，可将监测区域内的各个测量点在多个连续时间窗口内的位移数据输入第一地质灾害预测模型，得到该监测区域的地质灾害预测结果。由于目标区域的地质灾害发生情况是真实存在的，如此，能够根据目标区域的地质灾害发生情况对第一地质灾害预测模型进行验证，确保第一地质灾害预测模型的精确性、真实性和可靠性，进而确保采用第一地质灾害预测模型对监测区域进行地质灾害预测的精确性、真实性和可靠性。

Geological disaster prediction method and electronic equipment

【技术实现步骤摘要】
地质灾害预测方法及电子设备
本专利技术涉及大数据处理
，具体而言，涉及一种地质灾害预测方法及电子设备。
技术介绍
地质灾害具有影响范围广和破坏性强等特点，地质滑坡作为地质灾害的其中一种形式，给大自然以及人们的生命财产安全带来了巨大威胁。由于地质滑坡的突发性，难以在滑坡发生时及时进行群众疏散和财产保护，因此，对地质滑坡发生前的早期预测和识别是非常有必要的，精准的早期预测和识别能够在滑坡发生前为人们争取更多的疏散时间，进而减少生命财产的损失。
技术实现思路
为了至少改善现有技术中的上述不足，本专利技术的目的之一在于提供一种地质灾害预测方法及电子设备。本专利技术实施例的第一方面，提供了一种地质灾害预测方法，包括：获取预设的目标区域内的各个测量点在多个连续时间窗口内的位移数据；根据所述位移数据确定所述目标区域内各个测量点的点位状态；根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征，所述多维特征包括波动性特征、变化趋势特征和近期异常特征；根据所述目标区域内各个测量点的多维特征和点位状态，以及获取到的各个测量点的形变速率，得到特征数据集；对所述特征数据集进行聚类，得到聚类结果，并根据所述聚类结果确定目标测量点集；根据所述目标测量点集从所述目标区域中确定至少一个子目标区域；对至少一个子目标区域中的所有测量点的累计位移曲线的斜率进行密度聚类，得到密度聚类图；获取至少一个子目标区域的地质灾害发生情况，根据所述地质灾害发生情况和所述密度聚类图，得到第一地质灾害预测模型；将监测区域内的各个测量点在多个连续时间窗口内的位移数据输入所述第一地质灾害预测模型，得到所述监测区域的地质灾害预测结果。在一种可替换的实施方式中，所述点位状态包括表征测量点为异常点的第一状态以及表征测量点为正常点的第二状态，所述根据所述位移数据确定所述目标区域内各个测量点的点位状态的步骤，包括：根据每个时间窗口内各个测量点的位移数据确定每个时间窗口内的分位数；根据所述分位数确定每个时间窗口内的基准位移数据；判断每个时间窗口内的每个测量点的位移数据是否小于所述基准位移数据；若是，则确定该测量点的状态为所述第一状态；若否，则确定该测量点的状态为所述第二状态。在一种可替换的实施方式中，所述根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征的步骤，包括：根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点的波动性特征；根据各个测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态的比较结果，确定各个测量点的变化趋势特征；根据从各个测量点在最后N个时间窗口内的状态中随机获取的K个状态，确定各个测量点的近期异常特征；其中，N和K为正整数。在一种可替换的实施方式中，所述根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点的波动性特征的步骤，包括：根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点在相邻两个时间窗口内的状态变化值；将确定的各个测量点的所有状态变化值进行求和，得到各个测量点的波动性特征值；判断每个测量点的波动性特征值是否大于第一设定值；若是，则确定该测量点为第一波动点；若否，则确定该测量点为第二波动点。在一种可替换的实施方式中，所述根据各个测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态的比较结果，确定各个测量点的变化趋势特征的步骤，包括：若测量点在第一个时间窗口内的状态为所述第一状态且在最后一个时间窗口内的状态为所述第二状态，确定该测量点的变化趋势特征为正常趋势；若测量点在第一个时间窗口内的状态为所述第二状态且在最后一个时间窗口内的状态为所述第一状态，确定该测量点的变化趋势特征为异常趋势；若测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态相同，确定该测量点的变化趋势特征为稳定趋势。在一种可替换的实施方式中，所述根据从各个测量点在最后N个时间窗口内的状态中随机获取的K个状态，确定各个测量点的近期异常特征的步骤，包括：判断K个状态中的第二状态的数量是否达到第二设定值；若是，则确定该测量点为近期异常点；若否，则确定该测量点为近期正常点。在一种可替换的实施方式中，在根据所述目标测量点集从所述目标区域中确定至少一个子目标区域的步骤之后，所述方法还包括：确定至少一个子目标区域中的测量点的第一数量；将每个时间窗口内的所有异常点的数量进行求和得到第二数量；获取至少一个子目标区域在所述多个连续时间窗口内的日均流量值、日均雨量值以及平均水位值；采用皮尔森相关性分析方法对所述第一数量与所述第二数量、所述日均流量值、所述日均雨量值以及所述平均水位值进行相关性分析，得到皮尔森相关性系数图；根据所述地质灾害发生情况和所述皮尔森相关性系数图，得到第二地质灾害预测模型；将监测区域内的各个测量点在多个连续时间窗口内的位移数据以及所述监测区域的日均流量值、日均雨量值以及平均水位值输入所述第二地质灾害预测模型，得到所述监测区域的地质灾害预测结果。本专利技术实施例的第二方面，提供了一种电子设备，包括：位移数据获取模块，用于获取预设的目标区域内的各个测量点在多个连续时间窗口内的位移数据；点位状态确定模块，用于根据所述位移数据确定所述目标区域内各个测量点的点位状态；多维特征确定模块，用于根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征，所述多维特征包括波动性特征、变化趋势特征和近期异常特征；K均值聚类模块，用于根据所述目标区域内各个测量点的多维特征和点位状态，以及获取到的各个测量点的形变速率，得到特征数据集；对所述特征数据集进行聚类，得到聚类结果，并根据所述聚类结果确定目标测量点集；区域确定模块，用于根据所述目标测量点集从所述目标区域中确定至少一个子目标区域；密度聚类模块，用于对至少一个子目标区域中的所有测量点的累计位移曲线的斜率进行密度聚类，得到密度聚类图；第一模型建立模块，用于获取至少一个子目标区域的地质灾害发生情况，根据所述地质灾害发生情况和所述密度聚类图，得到第一地质灾害预测模型；第一预测模块，用于将监测区域内的各个测量点在多个连续时间窗口内的位移数据输入所述第一地质灾害预测模型，得到所述监测区域的地质灾害预测结果。在一种可替换的实施方式中，所述电子设备还包括：第一数量确定模块，用于确定至少一个子目标区域中的测量点的第一数量；第二数量确定模块，用于将每个时间窗口内的所有异常点的数量进行求和得到第二数量；环境数据获取模块，用于获取至少一个子目标区域在所述多个连续时间窗口内的日均流量值、日均雨量值以及平均水位值；相关性分析模块，用于采用皮尔森相关性分析方法对所述第一数量与所述第二数量、所述日均流量值、所述日均雨量值以及所述平均水位值进行相关性分析，得到皮尔森相关性系数图；第二模型建立模块，用于根据所述地质灾害发生情况和所述皮尔森相关性系数图，得到第二地质灾害预测模型；第二预测模块，用于将监测区域内的各个测量点在多个连续时间窗口内的位移数据以及所述监测区域的日均流本文档来自技高网...

【技术保护点】
1.一种地质灾害预测方法，其特征在于，包括：/n获取预设的目标区域内的各个测量点在多个连续时间窗口内的位移数据；/n根据所述位移数据确定所述目标区域内各个测量点的点位状态；/n根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征，所述多维特征包括波动性特征、变化趋势特征和近期异常特征；/n根据所述目标区域内各个测量点的多维特征和点位状态，以及获取到的各个测量点的形变速率，得到特征数据集；对所述特征数据集进行聚类，得到聚类结果，并根据所述聚类结果确定目标测量点集；/n根据所述目标测量点集从所述目标区域中确定至少一个子目标区域；/n对至少一个子目标区域中的所有测量点的累计位移曲线的斜率进行密度聚类，得到密度聚类图；/n获取至少一个子目标区域的地质灾害发生情况，根据所述地质灾害发生情况和所述密度聚类图，得到第一地质灾害预测模型；/n将监测区域内的各个测量点在多个连续时间窗口内的位移数据输入所述第一地质灾害预测模型，得到所述监测区域的地质灾害预测结果。/n

【技术特征摘要】
1.一种地质灾害预测方法，其特征在于，包括：
获取预设的目标区域内的各个测量点在多个连续时间窗口内的位移数据；
根据所述位移数据确定所述目标区域内各个测量点的点位状态；
根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征，所述多维特征包括波动性特征、变化趋势特征和近期异常特征；
根据所述目标区域内各个测量点的多维特征和点位状态，以及获取到的各个测量点的形变速率，得到特征数据集；对所述特征数据集进行聚类，得到聚类结果，并根据所述聚类结果确定目标测量点集；
根据所述目标测量点集从所述目标区域中确定至少一个子目标区域；
对至少一个子目标区域中的所有测量点的累计位移曲线的斜率进行密度聚类，得到密度聚类图；
获取至少一个子目标区域的地质灾害发生情况，根据所述地质灾害发生情况和所述密度聚类图，得到第一地质灾害预测模型；
将监测区域内的各个测量点在多个连续时间窗口内的位移数据输入所述第一地质灾害预测模型，得到所述监测区域的地质灾害预测结果。


2.根据权利要求1所述的地质灾害预测方法，其特征在于，所述点位状态包括表征测量点为异常点的第一状态以及表征测量点为正常点的第二状态，所述根据所述位移数据确定所述目标区域内各个测量点的点位状态的步骤，包括：
根据每个时间窗口内各个测量点的位移数据确定每个时间窗口内的分位数；
根据所述分位数确定每个时间窗口内的基准位移数据；
判断每个时间窗口内的每个测量点的位移数据是否小于所述基准位移数据；
若是，则确定该测量点的状态为所述第一状态；
若否，则确定该测量点的状态为所述第二状态。


3.根据权利要求2所述的地质灾害预测方法，其特征在于，所述根据所述目标区域内各个测量点的点位状态，确定各个测量点的多维特征的步骤，包括：
根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点的波动性特征；
根据各个测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态的比较结果，确定各个测量点的变化趋势特征；
根据从各个测量点在最后N个时间窗口内的状态中随机获取的K个状态，确定各个测量点的近期异常特征；其中，N和K为正整数。


4.根据权利要求3所述的地质灾害预测方法，其特征在于，所述根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点的波动性特征的步骤，包括：
根据各个测量点在相邻两个时间窗口内的状态，确定各个测量点在相邻两个时间窗口内的状态变化值；
将确定的各个测量点的所有状态变化值进行求和，得到各个测量点的波动性特征值；
判断每个测量点的波动性特征值是否大于第一设定值；
若是，则确定该测量点为第一波动点；
若否，则确定该测量点为第二波动点。


5.根据权利要求3所述的地质灾害预测方法，其特征在于，所述根据各个测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态的比较结果，确定各个测量点的变化趋势特征的步骤，包括：
若测量点在第一个时间窗口内的状态为所述第一状态且在最后一个时间窗口内的状态为所述第二状态，确定该测量点的变化趋势特征为正常趋势；
若测量点在第一个时间窗口内的状态为所述第二状态且在最后一个时间窗口内的状态为所述第一状态，确定该测量点的变化趋势特征为异常趋势；
若测量点在第一个时间窗口内的状态与在最后一个时间窗口内的状态相同，确定该测量点的变化趋势特征为稳定趋势。


6.根据权利要求3所述的地质灾害预测方法，其特征在于，所述根据从各个测量点在最后N个时间窗口内的状态中随机获取的K个状态，确定各...

【专利技术属性】
技术研发人员：肖平，王充实，李善平，姚福明，李光华，黄会宝，高志良，巨淑君，
申请(专利权)人：四川大汇大数据服务有限公司，
类型：发明
国别省市：四川;51