一种基于大数据的地质灾害预测方法、装置、设备及介质与流程

本技术涉及地质灾害预测，具体涉及一种基于大数据的地质灾害预测方法、装置、设备及介质。

背景技术：

1、地质灾害监测预警作为监测信息的重要组成部分，是信息化建设不可或缺的内容，其社会价值和经济效益无可估量。随着地质环境信息化建设和云平台建设的不断深入，各地地质灾害监控传感器的布设和监测数据量也在高速膨胀。

2、传统的监测方式是在地质灾害多发区域布设灾害监测点，通过监测终端、传感器、摄像头等设备，采用gps、嵌入式软硬件、传感器、多媒体等技术对监测数据进行采集，内容包括地表位移、深部位移、裂缝位移、雨量、水位、应力、渗压(地下水)以及视频监测/监控数据，还包括群测群防监测数据及巡查报告，不仅监测范围非常小，预警判断困难，且单一种类的传感器数据很难反映致灾因子的变化，严重影响地质灾害监测预警的准确性和及时性。

3、因此，急需提供一种地质灾害预测方法对整个监控区域的地质灾害预警预测计算。

技术实现思路

1、本技术的目的是针对以上问题，提供一种基于大数据的地质灾害预测方法、装置、设备及介质，以地质灾害监测预警的准确性和及时性。

2、第一方面，本技术提供一种基于大数据的地质灾害预测方法，包括：

3、获取待预测区域当前的遥感影像数据、气象雨量数据、地理信息数据；

4、基于所述遥感影像数据、气象雨量数据、地理信息数据和预设地质灾害预测模型，获取所述待预测区域内的预测地质灾害风险点；所述预设地质灾害预测模型是根据所述待预测区域内的样本点对应的历史遥感影像数据、历史气象雨量数据、历史地理信息数据进行模型训练获得的；其中，所述样本点为以所述待预测区域内的历史灾害点为倾泻点确定出的流域所包括的样本灾害点以及所述流域外符合预设条件的样本非灾害点；

5、根据所述预测地质灾害风险点生成并输出地质灾害风险预警提示信息。

6、根据本技术提供的技术方案，获取所述待预测区域内的地质灾害历史数据；所述地质灾害历史数据至少包括历史灾害点及其历史遥感影像数据、历史气象雨量数据、历史地理信息数据；

7、基于所述历史灾害点及其历史地理信息数据获取所述待预测区域内的样本灾害点和样本非灾害点，并根据所述样本灾害点和所述样本非灾害点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据以及所述样本灾害点和所述样本非灾害点分别对应的灾害结果，基于预设原始预测模型进行模型训练，获得所述预设地质灾害预测模型；所述预设原始预测模型包括svm预测模型和/或随机森林预测模型，或逻辑回归预测模型。

8、根据本技术提供的技术方案，所述基于所述历史灾害点及其历史地理信息数据获取所述待预测区域内的样本灾害点和样本非灾害点，并根据所述样本灾害点和所述样本非灾害点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据以及所述样本灾害点和所述样本非灾害点分别对应的灾害结果，基于预设原始预测模型进行模型训练，获得所述预设地质灾害预测模型，包括：

9、基于所述历史灾害点的历史地理信息数据，以所述历史灾害点为倾泻点确定其所在流域，并将所述历史灾害点所在流域内的所有网格作为样本灾害点，以第一预设比例在所述历史灾害点所在流域以外的区域选取样本非灾害点，将所述样本灾害点和所述样本非灾害点作为所述样本点；

10、将第二预设比例的所述样本点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据及其对应的灾害结果作为训练集，将其余样本点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据及其对应的灾害结果作为测试集；

11、将所述训练集输入所述预设原始预测模型进行模型训练，并基于所述测试集对训练结构进行测试及优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型。

12、根据本技术提供的技术方案，所述预设原始预测模型为逻辑回归预测模型；所述将所述训练集输入所述预设原始预测模型进行模型训练，并基于所述测试集对训练结构进行测试及优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型，包括：

13、将所述训练集输入预设原始预测模型：

14、

15、进行模型训练；其中，yi,i＝1,…n为地质灾害响应变量，服从取值0或1的二项分布b(1,pi)；pi为地质灾害响应变量yi为1的概率，β0,…βn为系数，xi1,…xin为地质灾害影响变量，l为似然函数，threshold为概率阈值，为地质灾害响应变量的极大似然估计，为地质灾害响应变量yi为1的概率的极大似然估计；

16、令似然函数达到最大，迭代求解出系数β0,…βn的极大似然估计获得第一中间预测模型；

17、将所述测试集的样本点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据输入所述第一中间预测模型计算所述测试集的样本点的预测灾害结果，根据所述预测灾害结果和所述测试集的样本点的灾害结果，计算tpr值与fpr值，并基于所述tpr值与fpr值进行特征形式变换、特征选择和概率阈值优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型。

18、根据本技术提供的技术方案，所述预设原始预测模型为随机森林预测模型；所述将所述训练集输入所述预设原始预测模型进行模型训练，并基于所述测试集对训练结构进行测试及优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型，包括：

19、从所述训练集中有放回的随机抽取多个样本点，从历史遥感影像数据、历史气象雨量数据、历史地理信息数据中无放回地随机抽取多个特征，以ntree参数为优化参数建立若干决策树，构成随机森林；

20、对所述随机森林划分，进行多次模拟，分别计算tpr值和fpr值，并将tpr值和fpr值取得最优值时的ntree参数作为中间优化参数，获得第二中间预测模型；

21、将所述测试集的样本点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据输入所述第二中间预测模型计算所述测试集的样本点的预测灾害结果，根据所述预测灾害结果和所述测试集的样本点的灾害结果，计算tpr值与fpr值，对所述中间优化参数进行优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型。

22、根据本技术提供的技术方案，所述预设原始预测模型为svm预测模型；所述将所述训练集输入所述预设原始预测模型进行模型训练，并基于所述测试集对训练结构进行测试及优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型，包括：

23、以所述训练集的历史遥感影像数据、历史气象雨量数据、历史地理信息数据为特征，以高斯核作为核函数，以错判损失参数和高斯核参数为优化参数，建立所述svm预测模型；

24、对所述优化参数进行多次模拟，分别计算tpr值和fpr值，并基于所述tpr值和fpr值将tpr值获得极大值时对应的错判损失参数和高斯核参数作为中间损失参数和中间高斯核参数，获得第三中间预测模型；

25、将所述测试集的样本点的历史遥感影像数据、历史气象雨量数据、历史地理信息数据输入所述第三中间预测模型计算所述测试集的样本点的预测灾害结果，根据所述预测灾害结果和所述测试集的样本点的灾害结果，计算tpr值与fpr值，对所述中间损失参数和中间高斯核参数进行优化，直至预测准确率大于预设阈值，获得所述预设地质灾害预测模型。

26、根据本技术提供的技术方案，所述预设原始预测模型包括随机森林预测模型和svm预测模型，所述预设地质灾害预测模型包括基于随机森林预测模型建立的第一预测子模型和基于svm预测模型建立的第二预测子模型；所述基于所述遥感影像数据、气象雨量数据、地理信息数据和预设地质灾害预测模型，获取所述待预测区域内的预测地质灾害风险点，包括：

27、基于所述遥感影像数据、气象雨量数据、地理信息数据，根据所述第一预测子模型获得的第一风险点；

28、基于所述遥感影像数据、气象雨量数据、地理信息数据，根据所述第二预测子模型获得的第二风险点；

29、将所述第一风险点和所述第二风险点的并集作为所述预测地质灾害风险点。

30、第二方面，本技术提供一种基于大数据的地质灾害预测装置，包括：

31、获取模块，用于获取待预测区域当前的遥感影像数据、气象雨量数据、地理信息数据；

32、预测模块，用于基于所述遥感影像数据、气象雨量数据、地理信息数据和预设地质灾害预测模型，获取所述待预测区域内的预测地质灾害风险点；所述预设地质灾害预测模型是根据所述待预测区域内的样本点对应的历史遥感影像数据、历史气象雨量数据、历史地理信息数据进行模型训练获得的；其中，所述样本点为以所述待预测区域内的历史灾害点为倾泻点确定出的流域所包括的样本灾害点以及所述流域外符合预设条件的样本非灾害点；

33、预警模块，用于根据所述预测地质灾害风险点生成并输出地质灾害风险预警提示信息。

34、第三方面，本技术提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。

35、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质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如上所述的方法。

36、与现有技术相比，本技术的有益效果：本技术提供的基于大数据的地质灾害预测方法、装置、设备及介质，获取待预测区域当前的遥感影像数据、气象雨量数据、地理信息数据；基于所述遥感影像数据、气象雨量数据、地理信息数据和预设地质灾害预测模型，获取所述待预测区域内的预测地质灾害风险点；所述预设地质灾害预测模型是根据所述待预测区域内的样本点对应的历史遥感影像数据、历史气象雨量数据、历史地理信息数据进行模型训练获得的；根据预测地质灾害风险点和预设条件获取目标地质灾害风险点，对所述目标地质灾害风险点进行灾害风险预警。利用精确度比较高的传感器监测历史数据，通过气象雨量大数据、卫星遥感影像大数据和地理信息大数据，基于通过逻辑回归、随机森林和svm支持向量机等机器学习算法建立的地质灾害预测模型，对全区域各点在一定精度级别上计算地质灾害发生率的测算，实现对整个监控区域的地质灾害预警预测计算，对全区域中未来可能发生地质灾害的地点进行预警，其结果可以推广到整个地质灾害监控区域，不仅实现了整个监控区域的地质灾害预警预测计算，同时大大提高了地质灾害监测预警的准确性和及时性。

37、应当理解的是，本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。