【技术实现步骤摘要】
本申请涉及滑坡预测，特别是涉及一种塔基边坡滑坡危险预测模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、区域滑坡是自然灾害中常见的一种，对人类生活和基础设施构成重大威胁。对于区域滑坡危险性评价和区划是地质灾害防治的重要手段。其中，输电线路的塔基区域边坡具有跨度大，分布点多且零散，特征各异的特点。
2、传统方法中，对于输电线路边坡区域的滑坡危险分级，主要通过专家打分方法给出各因子权重，然后通过计算扣分合计值，给出计算边坡的危险等级。然而，该方法直接基于专家主观评分，容易导致得到的滑坡危险分级不够准确。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够帮助得到准确的滑坡危险分级的塔基边坡滑坡危险预测模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种塔基边坡滑坡危险预测模型的训练方法，包括：
3、获取塔基边坡滑坡危险预测样本数据，以及获取多个初始塔基边坡滑坡危险预测模型；
4、根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数；
5、采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型，以及所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息；
6、从所述多个候选塔基边坡滑坡危险预测模型中，确定出
7、在其中一个实施例中，所述获取塔基边坡滑坡危险预测样本数据，包括：
8、获取样本塔基边坡的多种边坡区域数据对应的原始数据值，以及获取所述样本塔基边坡的滑坡危险等级的等级标签；
9、根据所述多种边坡区域数据对应的原始数据值和所述滑坡危险等级的等级标签，确定所述多种边坡区域数据中任意两种边坡区域数据之间的第一相关信息，以及确定所述多种边坡区域数据与所述滑坡危险等级之间的第二相关信息；
10、根据所述第一相关信息和所述第二相关信息，从所述多种边坡区域数据中确定出目标边坡区域数据；
11、将所述样本塔基边坡的目标边坡区域数据对应的原始数据值和所述样本塔基边坡的滑坡危险等级的等级标签，作为所述塔基边坡滑坡危险预测样本数据。
12、在其中一个实施例中，所述获取样本塔基边坡的多种边坡区域数据对应的原始数据值，包括：
13、根据所述样本塔基边坡的地理位置信息，确定所述样本塔基边坡对应的目标地理划分单元；
14、获取所述目标地理划分单元的多种边坡区域数据对应的原始数据值，作为所述样本塔基边坡的多种边坡区域数据对应的原始数据值。
15、在其中一个实施例中，在采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型之前，还包括：
16、获取所述目标边坡区域数据的预设分级以及所述预设分级的取值范围；
17、根据所述预设分级的取值范围，将所述塔基边坡滑坡危险预测样本数据中目标边坡区域数据对应的原始数据值，转换为所述预设分级的分级信息，得到预处理后的塔基边坡滑坡危险预测样本数据；
18、所述采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，包括：
19、采用所述预处理后的塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型。
20、在其中一个实施例中，所述根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数，包括：
21、针对任一初始塔基边坡滑坡危险预测模型，获取所述任一初始塔基边坡滑坡危险预测模型中的待优化模型参数；
22、将所述待优化模型参数的参数值作为个体基因，并将所述任一初始塔基边坡滑坡危险预测模型在所述待优化模型参数下，针对所述塔基边坡滑坡危险预测样本数据的预测偏差信息作为个体适应度；
23、根据所述个体基因和所述个体适应度，采用遗传算法模型和所述塔基边坡滑坡危险预测样本数据，迭代确定所述任一初始塔基边坡滑坡危险预测模型的初始模型参数。
24、在其中一个实施例中，所述采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型，以及所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息，包括：
25、将所述塔基边坡滑坡危险预测样本数据划分为训练样本集和验证样本集；
26、采用所述训练样本集和所述初始模型参数，分别训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型；
27、采用所述验证样本集，分别确定所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息。
28、第二方面，本申请还提供了一种塔基边坡滑坡危险预测模型的训练装置，包括：
29、初始数据获取模块，用于获取塔基边坡滑坡危险预测样本数据，以及获取多个初始塔基边坡滑坡危险预测模型；
30、初始参数确定模块，用于根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数；
31、候选模型确定模块，用于采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型，以及所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息；
32、目标模型确定模块，用于从所述多个候选塔基边坡滑坡危险预测模型中，确定出所述预测偏差信息满足预设条件的目标塔基边坡滑坡危险预测模型。
33、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
34、获取塔基边坡滑坡危险预测样本数据，以及获取多个初始塔基边坡滑坡危险预测模型；
35、根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数；
36、采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型，以及所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息；
37、从所述多个候选塔基边坡滑坡危险预测模型中，确定出所述预测偏差信息满足预设条件的目标塔基边坡滑坡危险预测模型。
38、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
39、获取塔基边坡滑坡危险预测样本数据，以及获取多个初始塔基边坡滑坡危险预测模型；
本文档来自技高网...【技术保护点】
1.一种塔基边坡滑坡危险预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取塔基边坡滑坡危险预测样本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取样本塔基边坡的多种边坡区域数据对应的原始数据值，包括：
4.根据权利要求2所述的方法，其特征在于，在采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数，包括：
6.根据权利要求1所述的方法，其特征在于，所述采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型，得到多个候选塔基边坡滑坡危险预测模型，以及所述多个候选塔基边坡滑坡危险预测模型的预测偏差信息，包括：
7.一种塔基边坡滑坡危险预测模型的训练装置，其特征在于，所述装置包括：
8.一种计算机设备，包
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种塔基边坡滑坡危险预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取塔基边坡滑坡危险预测样本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取样本塔基边坡的多种边坡区域数据对应的原始数据值，包括：
4.根据权利要求2所述的方法，其特征在于，在采用所述塔基边坡滑坡危险预测样本数据和所述初始模型参数，训练所述多个初始塔基边坡滑坡危险预测模型之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述塔基边坡滑坡危险预测样本数据，确定所述多个初始塔基边坡滑坡危险预测模型的初始模型参数，包括：
6.根据权利要求1所述的方法，其特征在于，所述采用所述塔基边坡滑坡危险预测样本...
【专利技术属性】
技术研发人员：郑武略，张鑫，赵延辉，韩玉康，赵航航，袁文俊，严奕进，郑晓，吴俊宏，贺敏恒，罗凯，范敏，贾培亮，梁伟昕，翁珠奋，陈浩，张予阳，汪豪，钟琳，谢中均，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
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。