[发明专利]一种基于深度学习的岩溶塌陷预测方法及装置

权利要求书

1.一种基于深度学习的岩溶塌陷预测方法及装置，其特征在于，包括：步骤一，收集影响岩溶塌陷的因素数据集x_i，包括：岩性影响系数(RQC)、岩性结构影响系数(RMSC)、地下水影响系数(GWC)、覆盖层影响系数(SSC)、地形地貌影响系数(LPC)、环境条件影响系数(ECC)，并对数据集进行预处理；步骤二，建立以特征标签为数据集的深度置信网结构DBNs；步骤三，利用深度学习技术进行拟合训练和特征学习，算出DBNs的最佳参数；步骤四，在DBNs中输入需要预测岩溶的影响因素数据集x^*；步骤五，结合深度学习在训练集先验分布的基础上预测出与x^*对应的最可能的输出值y*，y*对应岩溶塌陷状态的稳定、基本稳定、难塌陷、易塌陷、很易塌陷；其装置主要包括：输入板块、工作板块、预测板块，本发明的实施例提供一种基于深度学习的岩溶塌陷预测方法及装置。

2.根据权利要求1所述的预测方法及装置，其特征在于，所述预测方法为：根据输入影响岩溶塌陷的主要因素数据集预处理后利用深度学习技术进行拟合训练和特征提取，建立深度学习网络模型，并结合需要预测的x^*，输出岩溶塌陷预测结果，达到准确预测的效果。

3.根据权利要求1所述的预测方法及装置，其特征在于，所述预测装置包括：输入板块，选取并输入影响岩溶塌陷因素数据集；工作板块，用于根据用户指令，建立深度学习网络模型并进行深度学习技术等工作；预测板块，用于根据用户指令，将工作板块中输出的结果反映出来。

4.根据权利要求3所述的装置，其特征在于，所述预测装置还包括：输入模式，输入影响岩溶塌陷的因素数据集；处理模式，对多维的因素数据集进行预处理；训练模式，用深度学习技术，进行拟合训练和特征提取，算出最优参数；功能模式，用于根据用户指令选取需要预测岩溶的影响因素数据集，利用深度学习技术算出y*；输出模式，将y*对应的岩溶塌陷状态进行输出。

5.根据权利要求4所述的装置，其特征在于，所述预测装置还包括：选取单元，选取影响岩溶塌陷的主要因素；优化单元，对多维的因素数据集预处理优化以便提取其特征；学习单元，根据岩溶塌陷的影响因素的数据进行特征学习；转换单元，根据y*数值转换成溶塌陷状态的稳定、基本稳定、难塌陷、易塌陷或很易塌陷的文字进行输出。