申请/专利权人：福州大学;福建省水土保持工作站

申请日：2020-06-01

公开（公告）日：2020-09-08

公开（公告）号：CN111639813A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q10/06(20120101);G06Q50/26(20120101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.10.20#发明专利申请公布后的驳回;2020.10.02#实质审查的生效;2020.09.08#公开

摘要：本发明提出一种基于深度学习的弃渣场危险性预警方法及系统，包括如下步骤：获取弃渣场坍塌危险影响因子；将筛选的弃渣场危险影响因子原始数据进行正交试验处理，计算各组试验的抗滑稳定系数，并划分该区域预警区间；构建深度学习模型；通过历史弃渣场稳定系数选取样本数据；样本数据划分为训练样本数据和测试样本数据，将训练样本数据传入深度学习模型中训练，并在测试样本数据上测试，通过误差优化模型；构建弃渣场危险性评价模型，将待测样本特征值输入模型进行计算，输出其对应稳定系数；通过输出稳定系数，传输入弃渣场危险性评价系统划分进行筛分，输出分级预警信号以及防护措施，传递于终端设备。其效率高且精度准确。

主权项：1.一种基于深度学习的弃渣场危险性预警方法，其特征在于,包括以下步骤：步骤S1：获取弃渣场坍塌危险影响因子原始数据；步骤S2：将所述弃渣场危险影响因子原始数据进行正交试验处理，计算各组试验的抗滑稳定系数，并划分该区域预警区间；步骤S3：构建深度学习模型；所述深度学习模型为多层感知器结构，包含输入层、隐藏单元层、抑制过拟合层、批标准化层和输出层；步骤S4：通过历史弃渣场稳定系数选取样本数据构建数据集，所述样本数据包含坍塌地区样本数据和安全地区样本数据，所述安全区域样本数据为样本点为正样本点，所述坍塌地区样本数据为负样本点；步骤S5：将所述样本数据划分为训练样本数据和测试样本数据，输入所述深度学习模型中训练，并在测试样本数据上测试，通过误差优化模型超参数；步骤S6：通过交叉验证多个模型，取模型精度最高的权重，构建弃渣场危险性评价模型，将待测样本特征值输入模型进行计算，输出其对应的稳定系数；步骤S7：根据所述稳定系数，关联并输出分级预警信号以及防护措施。

全文数据：

权利要求：

百度查询： 福州大学;福建省水土保持工作站 基于深度学习的弃渣场危险性预警方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD