一种基于置信规则库的滑坡预警方法技术

本发明专利技术提供一种基于置信规则库的滑坡预警方法，涉及滑坡监测预警技术领域，首先，选择输入置信规则库滑坡预警模型中的监测数据；再确定输入监测数据与输出预警等级的语义值及其对应的参考值；其次，明确初始置信规则库的表达形式；接着构建初始置信规则预警模型；之后，通过在线获取输入变量样本，计算输入值与参考值的匹配度，计算所有规则的激活权重，通过证据推理算法融合所有规则，得到融合结果，即得某一时间序列的滑坡预警等级。利用历史数据样本优化初始预警模型，使其更精准地描述输入变量和输出变量之间的复杂非线性关系，从而得到较准确的滑坡预警等级。得到较准确的滑坡预警等级。得到较准确的滑坡预警等级。

【技术实现步骤摘要】
一种基于置信规则库的滑坡预警方法


[0001]本专利技术涉及滑坡监测预警
，具体为一种基于置信规则库的滑坡预警方法。

技术介绍

[0002]滑坡是世界多地频发的地质灾害，造成严重的社会危害与人员伤亡。经过学者对滑坡的探究认为，专业监测预警是减少滑坡危害的最有效方法之一。由于滑坡监测数据与预警等级之间存在复杂非线性关系，需找到合适的模型来判断其不确定性。在本专利技术做出之前，置信规则库模型因其在解决模糊、不完整、不精确引起的各种不确定性的特点，被应用于工业故障、医疗与军事等领域，但对滑坡预警等级方面涉及不多。本专利技术利用置信规则库有效处理非线性问题的优势构建滑坡预警模型，其输入变量为不同监测源在同一时间序列采集的监测数据；输出是该时间序列的滑坡预警等级。利用历史数据样本优化初始预警模型，使其更精准地描述输入变量和输出变量之间的复杂非线性关系，从而得到较准确的滑坡预警等级。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了一种基于置信规则库的滑坡预警方法，可有效利用多监测源数据进行滑坡预警，为滑坡预警提供一种新方法。
[0005](二)技术方案
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于置信规则库的滑坡预警方法，包括以下步骤：
[0007]步骤一：确定置信规则库滑坡预警模型中的输入变量和输出变量；其中，输入变量为f
i
，i＝1,2
…
N，N表示输入变量的个数；输出变量为y；f
i
分别表示不同监测源在某一时间序列采集的监测数据，默认其采样周期与采集数据量相同；y表示该时间序列的滑坡预警等级；
[0008]步骤二：确定输入变量f
i
和输出变量y的语义值及对应的参考值，并根据语义值或参考值的数量乘积，确定置信规则库中规则条数L；模型中输入与输出的语义值或参考值的个数相当，为5～9个；
[0009]步骤三：根据步骤二所确定的规则条数，确定初始置信规则的表达形式；其中第k条规则记作为A
k
，表示形式如下：
[0010][0011]THEN{(y1,τ
1,k
),(y2,τ
2,k
),
…
,(y
c
,τ
c,k
)}
[0012]with a rule weightand attribute weightω1,ω2,
…
,ω
N
ꢀꢀꢀ
式(1)中，f
i
为的第i个输入变量(前项属性)；为在A
k
中第i个前项属性的参考值；后项共计有c个输出元
素(后项属性)y1,y2,
…
,y
c
，τ
j,k
∈[0,1](j＝1,2,
…
,c)为分配给y
j
的置信度，当时，表示此规则是完整的；当时，表示此规则是不完整的，当时，表示完全忽略A
k
给定输入的输出；后项属性y
j
与τ
j,k
组成后项二元数组集合{(y1,τ
1,k
),(y2,τ
2,k
),
…
,(y
c
,τ
c,k
)}表示模型中的一条证据即置信结构，“∧”为逻辑连接符，表示“与”的关系；为A
k
的权重；ω
i
∈[0,1]为第i个前项属性的权重；
[0013]步骤四：建立初始置信规则库滑坡预警模型，设置模型中的可调参数集步骤四：建立初始置信规则库滑坡预警模型，设置模型中的可调参数集参数集Q的确立方法有以下四种：一是根据专家知识建立规则；二是利用历史可信数据分析提取规则；三是参考先前用于相似条件的置信规则库；四是无先验知识的随机选取可调参数建立规则库；在初始规则库设置中，通常将规则权重和属性权重ω
i
取值均设定为1，分别表示所建立的L条规则具有同样可信度，输入量在决定输出量时具有同等的重要性；
[0014]步骤五：利用初始置信规则库计算输入变量f
i
与输出变量为y的模拟结果，其步骤如下：
[0015]5‑
1)计算输入值f
i
与前项属性中每个参考值的匹配程度；记是A
k
中第i个输入f
i
与参考值的匹配度，当输入f
i
是数值量时，则f
i
与参考值F
i
匹配度的求解方法如下：当或时，f
i
对于或的匹配度取值均为1，对于其他参考值的匹配度均为0；当时，f
i
对于和(q＝1,2,
…
,N
‑
1)的匹配度取值分别由式(2)和式(3)给出；
[0016][0017][0018]此时，对于其他参考值的匹配度均为0；
[0019]5‑
2)根据步骤5
‑
1)得到的采集到的监测数据样本，即输入值对应的匹配程度后，根据式(4)生成A
k
的激活权重；
[0020][0021]其中相对属性权重为
[0022]5‑
3)利用DS证据推理算法将L条规则后项置信结构进行融合，得到输入f
i
对应的组合规则G如下：
[0023]G＝{(y
j
,β
j
)；j＝1,
…
,c}
ꢀꢀꢀ
式(6)；
[0024]式中：β
j
为后项y
j
的置信度，显式表达式为
[0025][0026]这里，
[0027][0028]y＝(y1,y2…
y
c
)
ꢀꢀꢀ
式(9)；
[0029]5‑
4)输出数据融合估计值y即滑坡预警等级，如式(10)所示：
[0030]y＝y1β1+y2β2+
…
+y
c
β
C
ꢀꢀꢀ
式(10)；
[0031]步骤六：优化初始置信规则库；用ξ表示实际值之间与置信规则库的输出变量y的差，即可定义其为优化目标函数；通过历史样本训练，使ξ的差调整至最小化，进而得到一个贴近实际的可调参数集；
[0032]实际值与初始置信规则库y之间的差值ξ计算如下：
[0033][0034]式中：Z为输入置信规则库的样本数量；
[0035]在给定目标函数后，如式(11)所示，本方法利用Matlab中的Fmincon工具箱，找到使ξ取最小值时的最优参数集合Q，即约束条件包括：
[0036]0≤ω
k
≤1,0≤τ
j,k
≤1和(k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于置信规则库的滑坡预警方法，其特征在于，包括以下步骤：步骤一：确定置信规则库滑坡预警模型中的输入变量和输出变量；其中，输入变量为f
i
，i＝1,2
…
N，N表示输入变量的个数；输出变量为y；f
i
分别表示不同监测源在某一时间序列采集的监测数据，默认其采样周期与采集数据量相同；y表示该时间序列的滑坡预警等级；步骤二：确定输入变量f
i
和输出变量y的语义值及对应的参考值，并根据语义值或参考值的数量乘积，确定置信规则库中规则条数L；模型中输入与输出的语义值或参考值的个数相当，为5～9个；步骤三：根据步骤二所确定的规则条数，确定初始置信规则的表达形式；其中第k条规则记作为A
k
，表示形式如下：THEN{(y1,τ
1,k
),(y2,τ
2,k
),
…
,(y
c
,τ
c,k
)}中，f
i
为的第i个输入变量(前项属性)；为在A
k
中第i个前项属性的参考值；后项共计有c个输出元素(后项属性)y1,y2,
…
,y
c
，τ
j,k
∈[0,1](j＝1,2,
…
,c)为分配给y
j
的置信度，当时，表示此规则是完整的；当时，表示此规则是不完整的，当时，表示完全忽略A
k
给定输入的输出；后项属性y
j
与τ
j,k
组成后项二元数组集合{(y1,τ
1,k
),(y2,τ
2,k
),
…
,(y
c
,τ
c,k
)}表示模型中的一条证据即置信结构，“∧”为逻辑连接符，表示“与”的关系；为A
k
的权重；ω
i
∈[0,1]为第i个前项属性的权重；步骤四：建立初始置信规则库滑坡预警模型，设置模型中的可调参数集步骤四：建立初始置信规则库滑坡预警模型，设置模型中的可调参数集参数集Q的确立方法有以下四种：一是根据专家知识建立规则；二是利用历史可信数据分析提取规则；三是参考先前用于相似条件的置信规则库；四是无先验知识的随机选取可调参数建立规则库；在初始规则库设置中，通常将规则权重和属性权重ω
i
取值均设定为1，分别表示所建立的L条规则具有同样可信度，输入量在决定输出量时具有同等...

【专利技术属性】
技术研发人员：黄曼，翁寒倩，李长宏，黄永亮，任番泉，李先昀，包春燕，马成荣，钟振，沙鹏，
申请(专利权)人：浙江省有色金属地质勘查局，
类型：发明
国别省市：