[发明专利]预测边坡稳定性的建模及分析方法、设备和存储介质

权利要求书

1.一种预测边坡稳定性的建模方法，其特征在于，包括以下步骤：

建立边坡稳定性历史数据集，所述历史数据集选自历史案例，并包括描述所述数据的多个特征，所述历史数据集包括丢失数据；

对特征因素中的连续因子进行离散化；

采用最大期望算法确定所述丢失数据的最大似然估计值，以形成新的完整的边坡稳定性数据集；

以边坡实际的稳定状况作为分类标准，利用朴素贝叶斯分类器对所述边坡稳定性数据集的至少部分数据进行训练，确定各所述特征因素分别在边坡各种稳定状况下的条件概率，得到朴素贝叶斯分类模型。

2.根据权利要求1所述的一种预测边坡稳定性的建模方法，其特征在于，所述特征因素包括：边坡高度H，坡角α，内聚力c，摩擦角度φ，单位重量γ和孔隙压力比率ru。

3.根据权利要求1所述的一种预测边坡稳定性的建模方法，其特征在于，所述对特征因素中的连续因子进行离散化包括采用等宽合并算法和/或等频合并算法。

4.根据权利要求1所述的一种预测边坡稳定性的建模方法，其特征在于，所述采用最大期望算法包括采用期望最大化EM算法。

5.根据权利要求1-4任一所述的一种预测边坡稳定性的建模方法，其特征在于，利用所述边坡稳定性历史数据集中未参与训练的部分数据评估所述朴素贝叶斯分类器的性能。

6.根据权利要求5所述的一种预测边坡稳定性的建模方法，其特征在于，根据评估性能的结果对各所述特征因素分别在边坡各种稳定状况下的条件概率进行调整。

7.一种预测边坡稳定性的分析方法，其特征在于，包括：下载待预测边坡数据集，所述待预测边坡数据集包括描述所述数据的至少部分特征；利用如权利要求1-6任一所述的建模方法形成的朴素贝叶斯分类模型对所述待预测边坡数据按照边坡的稳定状态进行分类。

8.一种预测边坡稳定性的分析方法，其特征在于，包括：下载待预测边坡数据集，所述待预测边坡数据集包括描述所述数据的至少部分特征；利用经过朴素贝叶斯训练建模方法形成的朴素贝叶斯分类模型对所述待预测边坡数据按照边坡的稳定状态进行分类。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行时实现如权利要求1-6或权利要求7或8中任一项所述的方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-6或权利要求7或8中任一项所述的方法。