[发明专利]一种基于知识图谱构建的滑坡风险预测方法及系统

说明书

一种基于知识图谱构建的滑坡风险预测方法及系统，该系统包括训练单元、风险预测单元，其中训练单元包括：数据获取模块、数据处理与生成模块、特征组合模块、关系特征向量生成模块、三元组数据集构建模块、关系判断模块；采用方法为：获得研究地区内发生的滑坡事件，构成基础属性数据集；处理数据；构建正样本集；构建负样本集，生成新基础属性数据集；利用新基础属性数据集训练特征组合模型，对特征向量进行特征组合，生成39维的组合特征向量；生成知识图谱中关系的特征向量；构建三元组数据集；利用三元组数据集训练知识图谱模型；预测待测地点的发生滑坡的概率，将知识图谱构建应用到滑坡风险预测，取得更高的预测滑坡的准确率。

技术领域

本发明属于滑坡风险预测技术领域，具体涉及一种基于知识图谱构建的滑坡风险预测方法及系统

背景技术

滑坡是一种常见的自然地理灾害，对人民的生命财产安全带来巨大的威胁。如何对某一地点滑坡事件发生的风险进行预测是一项重要的工作，也是专业人员所致力研究的方向之一。滑坡预报任务分为空间预测预报与时间预测预报。滑坡事件发生的地点通常都具有一些独特的地理地质因素，对这种地理地质因素加以研究，可以用来探寻滑坡事件发生时的环境条件，以此来预测一个地点滑坡事件发生的概率。近年来，研究人员提出了许多预测方法，比如：利用贝叶斯概率计算公式，来计算各种因素叠加之后滑坡事件发生的概率；利用支持向量机、似然比模型等概率预测模型预测滑坡事件发生的概率；利用人工神经网络的方法，自动探寻各种因素导致滑坡事件发生的内在数值关系等，根据属性值来预测滑坡发生的概率。

应用概率型的模型(比如贝叶斯概率计算方法，支持向量机，似然比模型等)进行滑坡风险预测，存在着一些问题：各种因素对滑坡事件发生的影响程度需要通过人为假设的方法或者根本无法确定，导致最终对滑坡风险预测结果的准确性有影响。应用人工神经网络的方法仅考虑了让神经网络自动学习各个因素的影响因子，没有考虑各个因素之间的相互关系。所以，目前对滑坡风险预测没有一个具有更高准确性的合理有效的方法。

知识图谱构建属于自然语言处理领域，它表示了真实世界中存在的事物之间的关联关系，它将客观世界存在的关联关系以图谱的形式进行表述，以此来呈现出客观存在的所有显现的与隐藏的关联。在知识图谱中，用实体来表示真实世界中客观存在的某一具体事物，用关系来表示实体间的关联。基于表示学习的知识图谱是一种构建知识图谱的方式，表示学习是指将文本信息表示成向量的形式，将词语间的关联关系转化为向量之间的关系，用向量区分不同的词并且能够很好地表示词所表达的语言含义。基于表示学习的知识图谱将知识图谱中的每种关系都表示成头实体、关系、尾实体的形式，再分别将头实体、关系、尾实体用它们各自对应的特征向量来取代，这种表示方法认为头实体的特征向量加关系的特征向量就会得到尾实体的特征向量，以此目标建立模型来识别正确的关系，从而搭建知识图谱。

发明内容

针对现有技术的不足，本发明提供一种基于知识图谱构建的滑坡风险预测方法及系统，属于空间预测预报方面，利用机器学习的方法与知识图谱的构建思想来对滑坡风险进行预测。具体设计了一种基于表示学习的知识图谱构建思想，通过对当地地理状况描述的属性值，来预测滑坡事件发生概率的方法及系统。将基于表示学习的知识图谱的构建思想与滑坡风险预测的任务相结合，通过判断不同的地理状况所描述的地点之间的关系和类比的方法，来判定一个地点滑坡事件发生的可能性。

一种基于知识图谱构建的滑坡风险预测方法，包括以下步骤：

步骤1：获得研究地区内发生的滑坡事件，分别统计每次滑坡事件发生时当地的相关地理地质因素属性值，所统计的属性包括：前后缘高程、滑体物质体积、滑体平均厚度、滑体物质组成、滑床岩性、岩层产状、斜坡坡向、斜坡类型、坡面形态、斜坡坡度；属性所对应的值为属性值，每次滑坡事件对应一组包含上述10个地理地质因素数据属性值的数据组，由所有的滑坡事件对应的所有数据组构成基础属性数据集；

步骤2：处理基础属性数据集中的数据；