[发明专利]一种基于多源信息融合的滑坡时空信息监测预警方法

权利要求书

1.一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于，包括以下步骤：

选取滑坡监测区域的多个滑坡敏感性特征，利用机器学习的方法构建滑坡空间敏感性评价模型；

获取滑坡监测区域的多种滑坡时间序列信息，并对采集到的多种滑坡时间信息序列进行估计融合得到滑坡时间模型；

采用T-S模糊神经网络将滑坡空间敏感性评价模型中的滑坡空间信息以及滑坡时间模型中的滑坡时间信息进行融合，获得滑坡安全等级预警评价模型；

根据滑坡安全等级预警评价模型实现滑坡预警。

2.根据权利要求1所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：所述选取滑坡监测区域的多个滑坡敏感性特征，包括以下步骤：

搜集滑坡监测区域的滑坡空间数据信息；

对所述滑坡空间数据信息进行预处理，对所述滑坡空间数据信息的预处理包括数据清洗以及数据重分类；

提取所述滑坡空间数据信息中的滑坡敏感性特征，并对提取到的滑坡敏感性特征进行选取，根据所述滑坡敏感性特征的方差膨胀系数VIF以及信息增益IG进行选取；

对选取到的滑坡敏感性特征所形成的滑坡空间数据信息集利用SMOTE算法进行过采样处理，经过过采样处理后的滑坡敏感性特征数据集构成滑坡敏感性特征数据集。

3.根据权利要求1所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：所述机器学习的方法包括XGBoost算法模型、CatBoost算法模型和浅层神经网络模型；

所述利用机器学习的方法构建滑坡空间敏感性评价模型，包括以下步骤：

根据XGBoost算法模型的特点对所述滑坡敏感性特征数据集中的数据进行处理，并根据处理后的滑坡敏感性特征数据集中的数据建立滑坡空间XGBoost算法模型；

根据CatBoost算法模型的特点对所述滑坡敏感性特征数据集中的数据进行处理，并根据处理后的滑坡敏感性特征数据集中的数据建立滑坡空间CatBoost算法模型；

根据浅层神经网络模型的特点对所述滑坡敏感性特征数据集中的数据进行处理，并根据处理后的滑坡敏感性特征数据集中的数据建立滑坡空间浅层神经网络模型；

对所述滑坡空间XGBoost算法模型、所述滑坡空间CatBoost算法模型、所述滑坡空间浅层神经网络模型进行加权平均并利用两层的Stacking集成方法进行模型集成，形成滑坡空间敏感性评价模型。

4.根据权利要求3所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：在所述两层的Stacking集成方法中的第二层中采用贝叶斯分类算法，实现集成后的滑坡空间敏感性评价模型的效果评估以及生成滑坡空间敏感性分析地图。

5.根据权利要求1所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：所述获取滑坡监测区域的多种滑坡时间序列信息的方法，包括在滑坡监测区域部署多个传感器节点，多个传感器节点用于采集滑坡监测区域的时间序列信息。

6.根据权利要求5所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：多个所述传感器节点中的传感器包括雨量计传感器、环境温湿度传感器、土壤温湿度传感器、风速传感器。

7.根据权利要求5所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：所述对采集到的多种滑坡时间序列信息进行估计融合得到滑坡时间模型，包括以下步骤：

采用基于狄克逊准则的极差比法对多个所述传感器节点采集到的数据信息分别进行预处理，用于剔除采集到的数据信息中的异常值；

对经过预处理的时间序列信息利用卡尔曼滤波方法进行估计、融合得到滑坡时间模型。

8.根据权利要求7所述的一种基于多源信息融合的滑坡时空信息监测预警方法，其特征在于：根据所述滑坡时间模型挖掘和估计滑坡监测区域发生滑坡风险的数据特征，所述发生滑坡风险的数据特征包括滑坡产生的倾角、滑坡产生的位移。