【技术实现步骤摘要】
本专利技术涉及地质灾害防治领域，具体涉及一种降雨监测数据驱动的小流域地质灾害智能预警方法。
技术介绍
1、近年来，强降雨过程和强对流天气频繁，小流域地质灾害频发，尤其是短时强降雨导致小流域沟谷产生超强水动力条件，极易诱发浅表滑坡、泥石流等地质灾害，该类灾害一般情况下规模较小，但是由于其分布广、速度快、突发性强、冲击力大，所以是危害十分严重的突发地质灾害。例如2023年某地7.4局地特大暴雨为例，降雨引发的各类地质灾害造成15人遇害，4人失踪，直接经济损失达22784.474万元。
2、有效避免此类小流域地质灾害损失最有效、最经济合理的解决方案是：构建可靠的早期预警预报能力，目前以固定降雨阈值或基于水文地质物理模型驱动为手段的预警模型存在明显短板。首先，不同降雨模式下地质灾害的响应特性不同，完全确定不同降雨模式下区域地质灾害响应特性是不现实的，采用固定降雨阈值进行小流域地质灾害预警误报和漏报的风险极高；其次，水文地质物理模型驱动预警需要获取详细的地质地形条件及准确的岩土体参数，更加适用于单体地质灾害预警，获取小流域全域的地质地形条件及岩土参数成本极其高昂也不现实。
3、由于小流域地质灾害的主要形式是浅表土质滑坡、泥石流等，降雨是其决定性诱发因素，构建降雨模式、降雨量等降雨特征与小流域地质灾害发生的预测模型，是准确进行小流域地质灾害预警的关键。为此，提出了一种降雨监测数据驱动的小流域地质灾害智能预警方法。
技术实现思路
1、本专利技术意在提供一种降雨监测数据驱动
2、本方案的降雨监测数据驱动的小流域地质灾害智能预警方法，包括：
3、步骤s1，获取目标小流域、或与目标小流域地质地貌及气象气候相似的其他小流域的历史降雨数据和地质灾害历史记录数据，并进行预处理，将历史降雨数据分割成m个降雨事件，将地质灾害历史记录数据分成n个地质灾害事件；
4、步骤s2，将步骤s1所述地质灾害灾害事件匹配至相应的降雨事件上，得到发生地质灾害的my个降雨事件集合y和没发生地质灾害的mn个降雨事件集合n；
5、步骤s3，将步骤s2中所述的发生地质灾害的my个降雨事件集合y作为正样本，将步骤s2中所述的没发生地质灾害的mn个降雨事件集合n作为负样本，以正样本和负样本构建用于小流域地质灾害智能预警机器学习模型训练、验证、测试的数据集ds；
6、步骤s4，利用步骤s3中所述的数据集ds对小流域地质灾害智能预警机器学习模型进行训练、验证、测试，得到预测性能最优的小流域地质灾害智能预警机器学习模型及阵列；
7、步骤s5，对任意一个降雨监测数据构成的降雨事件rf，以步骤s4中所述小流域地质灾害智能预警机器学习模型阵列的输出结果作为数据源，构建降雨事件影响下目标小流域地质灾害发生概率计算模型与不确定度分析模型，计算降雨事件rf下目标小流域地质灾害发生概率及不确定度；
8、步骤s6，对任意一个降雨监测数据构成的降雨事件rf，基于步骤s5中得到的降雨事件rf下目标小流域地质灾害发生概率及不确定度，对降雨事件rf下目标小流域地质灾害进行预警。
9、本方案的有益效果是：
10、本方案针对小流域地质灾害监测，基于小流域的降雨监测数据，引入地质灾害触发时间因子实现了对降雨影响的准确表征，并通过小流域地质灾害智能预警机器学习模型阵列，克服了采用单一机器学习模型不能融合考虑降雨事件下不同地质灾害触发时间因子的相互作用的缺点，提升预警结果准确度。
11、进一步，所述步骤s1中，通过连续无降雨时间间隔it对历史降雨数据分割得到m个降雨事件，所述连续无降雨时间间隔it根据目标小流域当地气候条件、降雨规律、所处时间为雨季或旱季确定，表示为：
12、
13、进一步，所述步骤s2中，将地质灾害灾害事件匹配至相应的降雨事件上包括：
14、步骤s2.1，对步骤s1中的m个降雨事件中任意一个降雨事件r，用以小时为单位的时间序列表示，得到该降雨事件的开始时间rs和结束时间re；
15、s2.2，对步骤s1中的n个地质灾害事件中的任意一个地质灾害事件gd，获取地质灾害事件gd的发生时间ro；
16、s2.3，如果满足rs<ro≤re，将步骤s2.2所述的地质灾害事件gd匹配至步骤s2.1所述的降雨事件r。
17、有益效果是：基于时间信息进行地质灾害事件与降雨事件的匹配，能够精准将地质灾害与降雨进行量化关联，以提高后续预警的准确性。
18、进一步，所述步骤s3中，构建数据集ds的步骤包括：
19、步骤s3.1，获取步骤s2中降雨事件集合y中任意一个降雨事件r降雨事件的开始时间rs至该降雨事件中地质灾害发生时间ro经历的降雨持续时间dy和累计降雨量cy，降雨持续时间dy和累计降雨量cy的计算公式为：
20、
21、步骤s3.2，将降雨持续时间dy划分为前期降雨持续时间dya与触发降雨持续时间dyo，前期降雨持续时间dya与触发降雨持续时间dyo计算公式为：
22、dyo＝θ，dya＝dy-dyo，其中，θ表示地质灾害触发时间因子，单位为h，θ＝1,2,...,24；
23、步骤3.3，将降雨持续时间cy划分为前期降雨累计降雨量cya与触发降雨累计降雨量cyo，前期降雨累计降雨量cya与触发降雨累计降雨量cyo的计算公式为：
24、
25、步骤3.4，对步骤s2中的降雨事件集合y中任意一个降雨事件r中的任意一个地质灾害触发时间因子θ，以[dya,cya,cyo]为特征向量，以“[1]”为标签，构建数据集ds的正样本数据集ds-y；
26、步骤3.5，对没发生地质灾害的降雨事件集合n中任意一个降雨事件r，基于步骤s3.1至步骤s3.3，计算降雨持续时间dy、累计降雨量cy、前期降雨持续时间dya、触发降雨持续时间dyo、前期降雨累计降雨量cya与触发降雨累计降雨量cyo，计算公式为：
27、
28、步骤3.6，对没发生地质灾害的降雨事件集合n中的任意一个地质灾害触发时间因子θ，以[dya,cya,cyo]为特征向量，以“[0]”为标签，构建数据集ds的负样本数据集ds-n；
29、步骤3.7，将正样本数据集ds-y和负样本数据集ds-n合并，得到数据集ds。
30、有益效果是：通过将一个降雨事件划分为前期降雨影响和触发降雨影响，其中前期降雨影响反映的是地质灾害演化过程中前期降雨对地质体本身参数的影响，触发降雨影响反映的是触发降雨引起地质体内部剪切变形或失稳的影响，从而实现降雨过程对地质体灾变演化过程影本文档来自技高网...
【技术保护点】
1.一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于，包括：
2.根据权利要求1所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤S1中，通过连续无降雨时间间隔IT对历史降雨数据分割得到m个降雨事件，所述连续无降雨时间间隔IT根据目标小流域当地气候条件、降雨规律、所处时间为雨季或旱季确定，表示为：
3.根据权利要求1所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤S2中，将地质灾害灾害事件匹配至相应的降雨事件上包括：
4.根据权利要求3所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤S3中，构建数据集DS的步骤包括：
5.根据权利要求4所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤4中，构建小流域地质灾害智能预警机器学习模型阵列时，包括步骤：
6.根据权利要求5所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤S5中，任意一个降雨监测数据构成的降雨事件Rf，其降雨监测数据包
7.根据权利要求5所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤5中，构建降雨事件影响下目标小流域地质灾害发生概率计算模型与不确定度分析模型，计算降雨事件Rf下目标小流域地质灾害发生概率及不确定度，包括以下步骤：
8.根据权利要求1所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤S6中，对降雨事件Rf下目标小流域地质灾害进行预警的步骤包括：
...【技术特征摘要】
1.一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于，包括：
2.根据权利要求1所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤s1中，通过连续无降雨时间间隔it对历史降雨数据分割得到m个降雨事件，所述连续无降雨时间间隔it根据目标小流域当地气候条件、降雨规律、所处时间为雨季或旱季确定，表示为：
3.根据权利要求1所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤s2中，将地质灾害灾害事件匹配至相应的降雨事件上包括：
4.根据权利要求3所述的一种降雨监测数据驱动的小流域地质灾害智能预警方法，其特征在于：所述步骤s3中，构建数据集ds的步骤包括：
5.根据权利要求4所述的一种降雨监测数据驱动的小流域地质灾害智能预警...
【专利技术属性】
技术研发人员：康燕飞，陈立川，仉文岗，徐洪，梁丹，王鲁琦，杨勇，李柏佚，李思宇，陈斌，卢望，闫奇，
申请(专利权)人：重庆地质矿产研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。