一种基于机器学习的山体崩塌堆积物计算方法及其系统与流程

本发明涉及数据处理，具体为一种基于机器学习的山体崩塌堆积物计算方法及其系统。

背景技术：

1、当前崩塌灾害的数据处理技术方案，在计算过程中涉及的参数获取方面容易受到现场条件的影响，并且所涉及的模型在运用时会简化计算，从而导致计算结果的不准确；同时山体崩塌的堆积物计算是一个复杂的过程，涉及多种因素的耦合影响，无法反映堆积物的真实情况。

2、例如公告号为cn114756945b的发明专利，上述申请公开了一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法，包括以下步骤：s1：采集待估算区域所在地区同震松散堆积体的面积和体积，并进行回归拟合，确定待估算区域的同震松散堆积体分布图；s2：计算待估算区域的土壤侵蚀量并进行分级，得到土壤侵蚀强度分级图；s3：计算不同环境影响因子对土壤侵蚀风险的贡献值，得到土壤侵蚀风险图；s4：根据土壤侵蚀强度分级图和土壤侵蚀风险图，得到潜在松散堆积体分布图；s5：进行潜在崩滑灾害易发性估算；上述申请探究了松散堆积物的数量与空间分布之间的关系及其在流域水平上的潜在地质灾害贡献，为未来的开发活动和防护措施提供依据。

3、结合上述技术方案发现，目前随着自然因素或人为活动引发的山体崩塌事件的增多，需要对山体区域的崩塌情况进行准确预测，但在崩塌灾害的预测方案中，大多数情况是在预估崩塌发生的可能性后直接反馈预估情况，会提高预测情况不准确的概率，由此导致预测的山体崩塌无法与实际山体崩塌相匹配，因此需要更准确、高效的预测方案以有效应对山体崩塌。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于机器学习的山体崩塌堆积物计算方法及其系统，能够有效解决上述背景技术中涉及的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：本发明第一方面提供了一种基于机器学习的山体崩場崩塌堆积物计算方法，包括：堆积物体积分析：获取山体区域中的各山体崩場崩塌历史事件，通过数字高程模型分析各山体崩場崩塌历史事件对应的堆积物体积；易崩場崩塌程度指数评估：获取山体区域的地质勘察数据，评估山体区域易崩場崩塌程度指数；崩場崩塌预测准确度判定：根据各山体崩場崩塌历史事件对应的堆积物体积以及山体区域易崩場崩塌程度指数，通过机器学习模型，预测出山体区域的崩場崩塌预测时间以及对应堆积物预测体积，综合得到山体区域的崩場崩塌预测准确度；崩場崩塌预测状态反馈优化：将山体区域的崩場崩塌预测准确度，与设定的崩場崩塌预测准确阈值进行对比，由此对山体区域的崩場崩塌预测状态进行反馈优化。

3、作为进一步的方法，所述对山体区域的崩場崩塌预测状态进行反馈优化，具体分析过程为：将山体区域的崩場崩塌预测准确度，与设定的崩塌预测准确阈值进行对比，若山体区域的崩塌预测准确度低于崩塌预测准确阈值，将山体区域的崩塌预测准确度与崩塌预测准确阈值进行差值处理，得到崩塌预测偏差值，并与地质管理信息库中定义的各崩塌预测偏差值区间对应的预测优化预案进行匹配，以此对山体区域的崩塌预测进行优化；若山体区域的崩塌预测准确度高于或等于崩塌预测准确阈值，则无需对山体区域的崩塌预测状态进行优化。

4、作为进一步的方法，所述山体区域的崩塌预测准确度，具体分析过程为：将山体区域的崩塌预测时间与获取得到的山体区域的实际崩塌时间进行比值处理，得到崩塌预测时间影响指标；将对应堆积物预测体积与获取的对应堆积物实际体积进行比值处理，得到堆积物预测体积影响指标；综合分析山体区域的崩塌预测准确度，具体表达式为：

5、

6、其中表示为山体区域的崩塌预测准确度，表示为崩塌预测时间影响指标，表示为堆积物预测体积影响指标，表示为预定义的崩塌预测时间影响指标对应的权重因子，表示为预定义的堆积物预测体积影响指标对应的权重因子，e为自然常数。

7、作为进一步的方法，所述预测出山体区域的崩塌预测时间以及对应堆积物预测体积，具体预测过程为：将各山体崩塌历史事件对应的堆积物体积以及山体区域易崩塌程度指数作为机器学习模型的输入，使用具有预测功能的机器学习模型对山体区域进行崩塌预测，输出预测结果，将预测结果记为山体区域的崩塌预测时间以及对应堆积物预测体积。

8、作为进一步的方法，所述山体区域易崩塌程度指数，具体分析过程为：根据山体区域的地质勘察数据，提取得到山体区域的地形地貌所属信息以及地质参量所属信息，分析得到山体区域的地形地貌影响程度系数以及山体区域的地质参量影响程度系数；从地质灾害危险性评估技术规范中的相关附录中，直接提取地质环境复杂程度指数，与山体区域的地形地貌影响程度系数以及山体区域的地质参量影响程度系数综合分析得到山体区域易崩塌程度指数。

9、作为进一步的方法，所述各山体崩塌历史事件对应的堆积物体积，具体分析过程为：根据山体区域中的各山体崩塌历史事件，提取出各山体崩塌区域在崩塌初始时间点下的山体海拔高度以及在崩塌终止时间点下的山体海拔高度，差值处理得到各山体崩塌区域在崩塌周期内的山体堆积高度；获取各山体崩塌区域在崩塌周期内的地表最大面积，并与各山体崩塌区域在崩塌周期内的山体堆积高度，综合作为数字高程模型的输入映射指标，通过数字高程模型的差分功能，得到数字高程模型的输出映射指标，记为各山体崩塌历史事件对应的堆积物体积。

10、本发明第二方面提供了一种基于机器学习的山体崩塌堆积物计算方法的系统，包括：堆积物体积分析模块，用于获取山体区域中的各山体崩塌历史事件，通过数字高程模型分析各山体崩塌历史事件对应的堆积物体积，由此进入崩塌预测准确度判定模块；易崩塌程度指数评估模块，用于获取山体区域的地质勘察数据，评估山体区域易崩塌程度指数，并进入崩塌预测准确度判定模块；崩塌预测准确度判定模块，用于根据各山体崩塌历史事件对应的堆积物体积以及山体区域易崩塌程度指数，通过机器学习模型，预测出山体区域的崩塌预测时间以及对应堆积物预测体积，综合得到山体区域的崩塌预测准确度，由此进入崩塌预测状态优化模块；崩塌预测状态优化模块，用于将山体区域的崩塌预测准确度，与设定的崩塌预测准确阈值进行对比，由此对山体区域的崩塌预测状态进行优化。

11、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

12、（1）本发明通过提供一种基于机器学习的山体崩塌堆积物计算方法及其系统，首先分析各山体崩塌历史事件对应的堆积物体积，可以了解崩塌体的物质组成、结构特征以及运动规律等信息，评估山体区域易崩塌程度指数，通过机器学习模型，预测出山体区域的崩塌预测时间以及对应堆积物预测体积，综合得到山体区域的崩塌预测准确度，高准确度的崩塌预测能够提供早期预警，从而最大程度地减少崩塌灾害造成的负面影响，对山体区域的崩塌预测状态进行优化，有助于对山体区域制定针对性的防灾减灾措施，同时提高防灾减灾工作的效率。

13、（2）本发明通过获取山体区域的地质勘察数据，准确评估山体区域易崩塌程度指数，有助于预测崩塌灾害发生的可能性和规模，从而提前采取防范措施，同时可以避免在易崩塌区域进行高风险的建设活动，有助于节约自然环境资源，提高自然环境利用效率。

14、（3）本发明通过机器学习模型，预测出山体区域的崩塌预测时间以及对应堆积物预测体积，综合得到山体区域的崩塌预测准确度，通过持续的崩塌预测，使崩塌管控人员可以依据预测结果，提升崩塌灾害应对能力；同时，准确的预测还可以帮助崩塌管控人员制定更有效的崩塌应急预案和救援策略，尽可能减少由于崩塌灾害带来的负面影响。