一种基于机器学习的铁路灾变趋势预测方法

本发明涉及地理信息数据处理技术领域，公开了一种基于机器学习的铁路灾变趋势预测方法，包括以下步骤：S1、数据采集与数据标注；S2、数据扩充，基于量子态信息鲁棒性的深度信念生成对抗网络进行样本生成，实现GIS遥感数据扩充；S3、特征提取模型训练；S4、特征降维模型训练；S5、分类器模型训练；S6、铁路灾变趋势预测，利用已训练完成的模型对新的GIS遥感样本进行处理，以预测铁路灾变趋势。本发明有益效果在于：采用量子态信息能够在保证数据真实性的基础上，大幅提高生成数据的质量，使得扩充后的数据更贴近真实场景，从而提升模型训练的有效性和准确性，进而提高铁路灾变趋势预测的准确性。