[发明专利]一种应用于滑坡风险因子选取的变异方法及装置

说明书

技术领域

本发明涉及自然灾害的监测领域，尤其是关于山体滑坡风险的监测，具体是一种应用于滑坡风险因子选取的变异方法及装置。

背景技术

遗传算法是一种通过模拟自然进化过程搜索最优解的方法，可应用于滑坡风险的预测方法中。目前，研究人员主要关注于滑坡风险测定方法中的最优因子选取个数问题，还没有关注于遗传算法中的各类算子的优化，比如变异算子，基于目前的变异算子还不能更快更好地得到滑坡风险预测精度。

发明内容

本发明的一个目的是提供一种应用于滑坡风险因子选取的变异方法，包括：

初始种群获得步骤：获得预测精度已进行升序或降序排列的初始种群，所述初始种群中包括多个个体，每个个体包含多个调节因子；

调节因子变异步骤:对初始种群中每个个体的调节因子进行变异操作，当初始种群按照预测精度降序排列时，采用变异个数递增的方式设置每个个体中调节因子的变异个数；当初始种群按照预测精度升序排列时，采用变异个数递减的方式设置每个个体中调节因子的变异个数。

根据本发明的实施例，所述调节因子变异步骤中，针对于每个个体，如果变异后出现调节因子重复，则该行变异失败，重新寻找变异位置进行变异。

本发明的另一个目的是提供一种应用于滑坡风险因子选取的变异装置，包括：初始种群获得模块：用于获得预测精度已进行升序或降序排列的初始种群，所述初始种群中包括多个个体，每个个体包含多个调节因子；

调节因子变异模块:用于对初始种群中每个个体的调节因子进行变异操作，当初始种群按照预测精度降序排列时，采用变异个数递增的方式设置每个个体中调节因子的变异个数；当初始种群按照预测精度升序排列时，采用变异个数递减的方式设置每个个体中调节因子的变异个数。

与现有技术相比，本发明的有益效果：相对于传统的变异算子，本发明所述的变异方法及装置，在变异算子的变异位置、变异个数上做了进一步完善，应用本发明方法进行种群优化，再使用优化后的种群进行滑坡风险因子的选取，可以选取更合适的滑坡风险因子，进而可以更快地获取更高的滑坡风险预测精度。

附图说明：

图1为应用于滑坡风险因子选取的变异方法的流程图。

图2为适应度的表示示意图。

图3为变异操作的示意图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

在进行滑坡风险的评价之前，需要测试获得相关参数，并作为调节因子进行编号。

通过测试收集得到如下参数:地形(高程、坡度、坡向、曲率、径流量指数、地形湿度指数、起伏度)、地貌(土地利用类型、植被覆盖度)、岩性、地震烈度(地震峰值加速度)及缓冲区分析(距离河流、距离道路、距离断层)等数据进行编号处理。将这些参数作为因子进行编号：比如X1表示高程、X2表示植被覆盖度、X3表示坡度、X4表示曲率、X5表示径流量指数、X6表示地形湿度指数、X7表示起伏度、X8表示土地利用类型、X9表示坡向、X10表示岩性、X11表示地震峰值加速度、X12表示距离河流、X13表示距离道路、X14表示距离断层。测试所得到的参数不同，则选取的因子有所不同。

比如下表就是测得的样本及对应因子编号。

表1：因子编号及获得的测试数据

在上述基础上，按照以下步骤来优化滑坡风险预测中的初始种群:

步骤一：获得初始种群，本步骤具体可以是：

根据调节因子的个数总量设置初始种群的个体数量popsize，每个个体包含的调节因子个数设置为chsize，按照因子编号随机生成初始种群。比如popsize等于10，chsize等于11，代表随机生成的初始种群中，包含10个个体(组合方式1-10)，每个个体由11个因子构成，比如随机生成的初始种群为表2，可以将该初始种群设置为一个具有10行11列的二维矩阵，该二维矩阵中的数值为表2中的因子的编号。

表2为初始种群:

依次评价初始种群中每个个体的适应度，按照适应度(即为预测精度)进行升序或降序排列。适应度可以通过如下方式计算：

步骤21：获得测试数据基于逻辑回归模型得到的P_L；

步骤21-1：选取一部分测试数据作为训练样本，代入回归模型