买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种区域级降雨滑坡概率性预测方法及预测终端_山东理工大学_202310395180.7 

申请/专利权人:山东理工大学

申请日:2023-04-14

公开(公告)日:2023-05-23

公开(公告)号:CN116151483A

主分类号:G06Q10/04

分类号:G06Q10/04;G06Q50/26;G06N7/01;G06N20/00

优先权:

专利状态码:有效-授权

法律状态:2023.07.21#授权;2023.06.09#实质审查的生效;2023.05.23#公开

摘要:本发明属于降雨滑坡预测领域,具体提供一种区域级降雨滑坡概率性预测方法及预测终端,本发明提出的降雨数据降尺度模型通过选取适应不同下垫面条件、不同时相、不同空间分辨率的特征因子和泛化能力强、鲁棒性高的降尺度算法,能够克服植被、低能见度天气等对季节性降雨的时滞效应和降雨分布异常问题,提高降雨数据降尺度的准确率。基于两阶段响应面法的降雨阈值模型不依赖滑坡易发性概率与降雨变量相互独立的假定,可以大幅提高滑坡概率性预测模型的泛化能力和鲁棒性。还对研究区域滑坡易发性评价结果和气象部门发布的气象预报产品进行融合,搭建区域级降雨滑坡预测平台,绘制研究区域的降雨滑坡概率性预测图并更新实现降雨滑坡实时预测。

主权项:1.一种区域级降雨滑坡概率性预测方法,其特征在于,方法包括:步骤1:选取降雨数据降尺度模型的初选特征因子;步骤2:通过Pearson相关系数法对初选特征因子进行筛选,使剩余因子不包含重复信息并采用方差膨胀系数法检验剩余因子的多重共线性;步骤3:在研究区域内,设定n1个雨量站,调取n2天的雨量站降雨观测数据和相应的TRMM3B43数据,计算得到n1·n2个日降雨量观测数据与TRMM3B43数据的差值,将75%的差值数据作为模型训练样本,25%作为模型验证样本;步骤4:基于模型训练样本,并通过预设机器学习算法揭示特征因子与差值数据的非线性映射关系;步骤5:采用已揭示的映射关系预测模型验证样本的降雨量,并与观测值进行对比;再通过均方根误差、平均绝对误差和确定性系数选取预测效果满足预设要求的机器学习算法;步骤6:将研究区域的DEM数据重采样至500m×500m分辨率,采用已选取的特征因子和机器学习算法逐栅格计算差值数据,并对TRMM3B43数据和差值数据求和得到各栅格的降雨数据,实现降雨数据降尺度;步骤7:设定第t+1天的滑坡发生概率与第t天、第t-1天、……、第t-L+1天共L天的降雨状况和滑坡发生概率相关,与第t-L+1天之前的降雨状况和滑坡发生概率无关;步骤8:通过对研究区域LandsatTM影像进行遥感解译,结合历史滑坡数据和现场踏勘明确各次历史滑坡的发生时间和地点;步骤9:通过ArcGIS软件对研究区域的DEM数据进行处理,统计不稳定边坡数量,将某天滑坡发生数量与不稳定边坡数量的商作为该天的滑坡发生概率;步骤10:将研究区域各次历史滑坡前L天的降雨量序列和滑坡发生概率序列分别记为YL和HL,计算不同L对应的降雨量序列和滑坡发生概率序列的Pearson相关系数均值,确定相关性最高的L;步骤11:若滑坡发生前L天的降雨量分别为Yt、Yt-1、……、Yt-L+1,前L天的滑坡发生概率分别为Ht、Ht-1、……、Ht-L+1,当天的降雨量为Yt+1,当天的滑坡发生概率为Ht+1,通过建立两阶段响应面模型预测Ht+1,并基于降雨和历史滑坡数据对两阶段响应面模型的待定系数进行求解;步骤12:将研究区域滑坡易发性评价结果分为YF1、YF2、YF3、YF4、YF5、YF6、YF7、YF8、YF9、YF10共10级,将Ht+1预测值分为P1、P2、P3、P4、P5、P6、P7、P8、P9、P10共10种滑坡发生概率状态,将滑坡易发性评价结果与滑坡发生概率状态进行耦合,构建区域级降雨滑坡预测模型;步骤13:基于ArcGISEngine对研究区域滑坡易发性评价结果和气象部门发布的气象预报产品进行融合,结合已建立的区域级降雨滑坡预测模型,绘制降雨滑坡概率性预测图,通过降水预报数据的更新实现降雨滑坡实时预测。

全文数据:

权利要求:

百度查询: 山东理工大学 一种区域级降雨滑坡概率性预测方法及预测终端

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。

相关技术
相关技术
相关技术
相关技术