[发明专利]一种基于置信规则库的滑坡预警方法

权利要求书

1.一种基于置信规则库的滑坡预警方法，其特征在于，包括以下步骤：

步骤一：确定置信规则库滑坡预警模型中的输入变量和输出变量；其中，输入变量为f_i，i＝1,2…N，N表示输入变量的个数；输出变量为y；f_i分别表示不同监测源在某一时间序列采集的监测数据，默认其采样周期与采集数据量相同；y表示该时间序列的滑坡预警等级；

步骤二：确定输入变量f_i和输出变量y的语义值及对应的参考值，并根据语义值或参考值的数量乘积，确定置信规则库中规则条数L；模型中输入与输出的语义值或参考值的个数相当，为5～9个；

步骤三：根据步骤二所确定的规则条数，确定初始置信规则的表达形式；其中第k条规则记作为A_k，表示形式如下：

A_k:IF f₁is∧f₂is…∧f_N is

THEN{(y₁,τ_1,k),(y₂,τ_2,k),…,(y_c,τ_c,k)}

with a rule weightand attribute weightω₁,ω₂,…,ω_N式(1)；其中，f_i为的第i个输入变量，第i个输入变量属于前项属性；为在A_k中第i个前项属性的参考值；后项共计有c个输出元素y₁,y₂,…,y_c，c个输出元素属于后项属性，τ_j,k∈[0,1]为分配给y_j的置信度，j＝1,2,…,c，当时，表示此规则是完整的；当时，表示此规则是不完整的，当时，表示完全忽略A_k给定输入的输出；后项属性y_j与τ_j,k组成后项二元数组集合{(y₁,τ_1,k),(y₂,τ_2,k),…,(y_c,τ_c,k)}表示模型中的一条证据即置信结构，“∧”为逻辑连接符，表示“与”的关系；为A_k的权重；ω_i∈[0,1]为第i个前项属性的权重；

步骤四：建立初始置信规则库滑坡预警模型，设置模型中的可调参数集参数集Q的确立方法有以下四种：一是根据专家知识建立规则；二是利用历史可信数据分析提取规则；三是参考先前用于相似条件的置信规则库；四是无先验知识的随机选取可调参数建立规则库；在初始规则库设置中，通常将规则权重和属性权重ω_i取值均设定为1，分别表示所建立的L条规则具有同样可信度，输入量在决定输出量时具有同等的重要性；

步骤五：利用初始置信规则库计算输入变量f_i与输出变量为y的模拟结果，其步骤如下：

5-1)计算输入值f_i与前项属性中每个参考值的匹配程度；记是A_k中第i个输入f_i与参考值的匹配度，当输入f_i是数值量时，则f_i与参考值F_i匹配度的求解方法如下：当或时，f_i对于或的匹配度取值均为1，对于其他参考值的匹配度均为0；当时，f_i对于和的匹配度取值分别由式(2)和式(3)给出；q＝1,2,…,N-1；

此时，对于其他参考值的匹配度均为0；

5-2)根据步骤5-1)得到的采集到的监测数据样本，即输入值对应的匹配程度后，根据式(4)生成A_k的激活权重；

其中相对属性权重为

5-3)利用DS证据推理算法将L条规则后项置信结构进行融合，得到输入f_i对应的组合规则G如下：

G＝{(y_j,β_j)；j＝1,…,c} 式(6)；

式中：β_j为后项y_j的置信度，显式表达式为

这里，

y＝(y₁,y₂…y_c) 式(9)；

5-4)输出数据融合估计值y即滑坡预警等级，如式(10)所示：

y＝y₁β₁+y₂β₂+…+y_cβ_C 式(10)；

步骤六：优化初始置信规则库；用ξ表示实际值之间与置信规则库的输出变量y的差，即可定义其为优化目标函数；通过历史样本训练，使ξ的差调整至最小化，进而得到一个贴近实际的可调参数集；

实际值与初始置信规则库y之间的差值ξ计算如下：

式中：Z为输入置信规则库的样本数量；

在给定目标函数后，如式(11)所示，本方法利用Matlab中的Fmincon工具箱，找到使ξ取最小值时的最优参数集合Q，即约束条件包括：

0≤ω_k≤1,0≤τ_j,k≤1和

根据优化置信规则库滑坡预警模型得到的y，即认为是基于滑坡两个不同监测源数据评判的滑坡预警等级。