[发明专利]一种泥石流灾害的预测方法、系统、终端和存储介质

权利要求书

1.一种泥石流灾害的预测方法，其特征在于，包括：

S1、获取目标地区的历史气象数据和杆塔线路数据，并将所述历史气象数据和杆塔线路数据作为训练数据输入到预设的SVM分类器预报模型，获得第二SVM分类器预报模型；

S2、获取目标地区的实时气象数据，并将所述实时气象数据输入到所述第二SVM分类器预报模型，判断得出目标地区是否会发生泥石流灾害，若是，进入S3，若否，则结束；

所述第二SVM分类器预报模型，采用如下计算公式：

其中，K(x_i,x_j)为核函数，σ为控制核函数高宽的参数，L为最优化问题函数，x_i，x_j为输入样本，x为输入样本的中心值，y_i为类别属性值，ξ_i为松弛变量用来表征样本不满足约束的程度，C为正则化常数，d(x)为判别函数，λ_i(i＝1,2,…,N)和b为分类界面的参数；

S3、将所述历史气象数据和杆塔线路数据输入到预设的LSTM人工神经网络模型中，获得第二LSTM人工神经网络模型；

S4、将所述实时气象数据输入到第二LSTM人工神经网络模型，预测出杆塔的损毁情况，并根据所述杆塔的损毁情况，制定相应的维护措施。

2.根据权利要求1所述的泥石流灾害的预测方法，其特征在于，所述历史气象数据，包括：降雨量、水位、相对湿度、土壤松散度、地势坡度。

3.根据权利要求1所述的泥石流灾害的预测方法，其特征在于，所述将所述历史气象数据和杆塔线路数据输入到预设的LSTM人工神经网络模型中，获得第二LSTM人工神经网络模型，包括：

将所述历史气象数据和杆塔线路数据进行预处理，其中所述预处理包括：剔除空值和归一化；

将预处理后的数据分为训练数据集和测试数据集，并将所述训练数据集和所述测试数据集分别输入到预设的LSTM人工神经网络模型，获得第二LSTM人工神经网络模型。

4.一种泥石流灾害的预测系统，其特征在于，包括：数据获取模块、判断模块、构建模块和预测模块，其中，

所述数据获取模块，用于获取目标地区的历史气象数据和杆塔线路数据，并将所述历史气象数据和杆塔线路数据作为训练数据输入到预设的SVM分类器预报模型，获得第二SVM分类器预报模型；

所述第二SVM分类器预报模型，采用如下计算公式：

其中，K(x_i,x_j)为核函数，σ为控制核函数高宽的参数，L为最优化问题函数，x_i，x_j为输入样本，x为输入样本的中心值，y_i为类别属性值，ξ_i为松弛变量用来表征样本不满足约束的程度，C为正则化常数，d(x)为判别函数，λ_i(i＝1,2,…,N)和b为分类界面的参数；

所述判断模块，用于获取目标地区的实时气象数据，并将所述实时气象数据输入到所述第二SVM分类器预报模型，判断得出目标地区是否会发生泥石流灾害，若是，进入灾害预测阶段，若否，则结束；

所述构建模块，用于将所述历史气象数据和杆塔线路数据输入到预设的LSTM人工神经网络模型中，获得第二LSTM人工神经网络模型；

所述预测模块，用于将所述实时气象数据输入到第二LSTM人工神经网络模型，预测出杆塔的损毁情况，并根据所述杆塔的损毁情况，制定相应的维护措施。

5.根据权利要求4所述的泥石流灾害的预测系统，其特征在于，所述历史气象数据，包括：降雨量、水位、相对湿度、土壤松散度、地势坡度。