[发明专利]一种地质灾害气象风险预警方法及系统

说明书

本发明公开了一种地质灾害气象风险预警方法及系统，所述方法包括：收集目标地区因强降雨或连续降雨诱发地质灾害的地质灾害点和降雨记录，构建地质灾害数据集；选取地质灾害点的多个地质环境特征，建立地质环境数据集；将地质灾害数据集中的降雨记录演算成不同时间的降雨量指数特征，得到降水特征数据集；基于各个数据集建立降雨型地质灾害样本集训练基于TCN‑Attention网络模型构建的地质灾害气象风险预警模型；通过训练后的地质灾害气象风险预警模型进行目标地区的地质灾害气象风险预警。本发明基于TCN‑Attention网络模型对地质灾害数据集、地质环境数据集和降雨特征数据集之间的时间相关性进行了深度分析，实现精细化的地质‑气象数据耦合，提高风险预警的准确度。

技术领域

本发明属于地质灾害预警技术领域，具体涉及一种地质灾害气象风险预警方法及系统。

背景技术

降雨是诱发一些地区地质灾害的最主要因素。近年来，随着极端天气加剧，每逢汛期都有新的地质灾害隐患点出现，严重危害人民群众生命财产安全，防治任务异常艰巨。气象风险预警的质量直接决定着地方临灾避险预案的社会经济效益。

传统的地质灾害气象风险预警是基于统计学或工程地质学，也有一些结合人工智能开展针气象风险预警的研究，采用的技术主要是机器学习与深度学习领域的方法。例如，李高等在滑坡对降雨响应的多指标监测及综合预警探析的论文中，以赣南罗坳滑坡为例对赣南地区典型降雨型滑坡进行了多指标检测和综合预警示范研究。程晓露等在陕西省地质灾害气象预报预警系统的应用与现状的论文中研究了陕西省的灾害及降雨条件，提出了各级易发区不同致灾频度对应的临界降雨条件。代永江对豫西的降水规律进行分析，建立了崩塌、滑坡等降雨型地质灾害预警预报模型。同时，针对降水预测中现存的一些问题，一些学者也展开了研究。王圣堂等提出了一种基于多物理量参数组合的短时强降水预测方法，通过概率神经网络(PNN)和广义回归神经网络(GRNN)对短时强降水进行预测。张星等提出了一种基于遗传算法的长短期记忆神经网络模型(GA-LSTM)，以提高预测降水量的准确度。但是传统的基于统计学或工程地质学的灾害风险预警技术难以解决地质-气象数据场耦合问题，在时空上始终缺乏必要的预警阈值边界条件。而目前基于人工智能的气象风险预警技术大多基于几类传统的地质-气象数据和常规的神经网络，仍然无法做到精细化的地质-气象数据场耦合。

发明内容

有鉴于此，本发明提出了一种地质灾害气象风险预警方法及系统，用于解决现有风险预警技术难以实现精细化的地质-气象数据耦合的问题。

本发明第一方面，公开一种地质灾害气象风险预警方法，所述方法包括：

收集目标地区因强降雨或连续降雨诱发地质灾害的降雨记录，根据降雨记录构建地质灾害数据集；

选取地质灾害点的多个地质环境特征，分别构成地质特征数据平面，建立地质环境数据集；

将地质灾害数据集中的降雨记录演算成不同时间的降雨量指数特征，得到降水特征数据集；

基于地质灾害数据集、地质环境数据集和降水特征数据集建立降雨型地质灾害样本集；

基于TCN-Attention网络模型构建地质灾害气象风险预警模型；

将降雨型地质灾害样本集输入地质灾害气象风险预警模型进行训练；

通过训练后的地质灾害气象风险预警模型进行目标地区的地质灾害气象风险预警。

在以上技术方案的基础上，优选的，所述根据降雨记录构建地质灾害数据集具体包括：

从降雨形态以及降雨量两个维度对降雨记录进行分层抽样；所述降雨形态包含小雨、中雨、大雨和暴雨四种形态；

按预设的比例选取反例样本点，确定地质灾害点，构建地质灾害数据集。