[发明专利]一种基于深度学习的岩溶塌陷预测方法及装置

说明书

本发明公布了一种基于深度学习的岩溶塌陷预测方法及装置，其主要特征是：收集影响岩溶塌陷的主要因素数据集x_i并进行预处理；建立以特征标签为数据集的深度置信网结构DBNs，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，在DBNs中输入需要预测岩溶的影响因素数据集x^*，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的流程示意图，本发明实施例能够体现岩溶塌陷状态预测的准确性和灵活性问题，能够为岩溶塌陷防治提供依据。

技术领域

本发明是一种基于深度学习的岩溶塌陷预测方法及装置，涉及岩溶稳定性和深度学习技术等相关领域。

背景技术

我国岩溶地区分布广泛，是世界上岩溶最发育的国家之一。近年来，随着经济的不断发展，岩溶地区建设的工程项目越来越多，由此引发的岩溶塌陷问题也日趋频繁、严重，已成为岩溶区可持续发展的一大障碍，有效减轻其造成的危害势在必行。而岩溶塌陷状态的预测是在对实例的基础上进行识别判断，是一套岩溶塌陷分析、评价、监测预报和综合防治方法体系。

岩溶塌陷发育的广泛性与危害性已引起国际社会的普遍关注，特别是70年代以来，召开了多次与塌陷有关的国际会议，但由于岩溶地面塌陷是十分复杂的系统工程过程，此外塌陷产生的过程和机理尚未完全清楚。基于这些特点，岩溶塌陷评价通常以定性描述和分析为主，很难定量化，因而使评价结果有较大的随机性和不准确性，使得岩溶塌陷状态的预测成为岩溶稳定性研究中的薄弱环节。

随着计算机技术的快速发展，人工智能的深度学习算法的研究应用也得到了快速发展。近些年，深度学习技术被广泛应用于图像识别领域、语言识别领域、视频分析领域、文本分析领域和大数据分析领域，并取得了极大成功。深度学习本质上就是一个进行特征描述的过程，因此利用深度学习的原理进行数据分析的优点突出，采用深度学习技术进行岩溶塌陷状态预测是可行的，并且可将这种技术发展成一种新型的预测方法。

基于深度学习技术的岩溶塌陷状态预测方法，是将岩溶塌陷影响因素和与之相关的数据输入预测模型，以此自动且快速地进行预测。因此，基于深度学习技术的岩溶塌陷模式预测方法及装置是能够准确、快速获取预测结果，其给工程实际带来的效益是巨大的。

发明内容

本发明实施例采用一种基于深度学习的岩溶塌陷预测方法及装置，利用该方法及装置能够快速准确进行岩溶塌陷状态的预测，建立满足工程需求的自适应深度学习的分析处理模型，本发明提供的一种基于深度学习的岩溶塌陷预测方法及装置，包括：

1.预测方法原理包括：步骤一，收集获取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)，对以上6种因素数据集进行预处理；步骤二，建立以特征标签为数据集的深度置信网DBNs；步骤三，利用深度学习技术对海量数据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.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^*，输出岩溶塌陷状态预测结果，达到准确预测的效果。