摘要
本发明公开了一种基于深度学习的山区泥石流动态预警方法,涉及地质灾害预警技术领域,包括步骤S1:将降水区域所覆盖的集雨常规区域标注为集雨风险区域;步骤S2:记录每个集雨风险区域潜在泥石流的实时影响因子集;步骤S3:将实时影响因子集作为迭代输入值输入至深度学习网络进行迭代并将迭代输出值设置为预测影响因子集;步骤S4:使用异常评估策略对预测影响因子集的记载数据进行风险评估,筛出全部符合风险评估级别的集雨风险区域均标注为泥石流风险区域。本发明与现有技术相比,利用深度学习网络处理复杂的数据集,覆盖更多潜在风险区域,具有提升山地泥石流预警准确性的优点和更精准地识别泥石流风险山地区域的有益效果。
技术关键词
动态预警方法
山区泥石流
风险
因子
时间段
构建卷积神经网络
地质灾害预警技术
构建深度学习网络
遗传优化方法
训练卷积神经网络
迭代优化方法
泥石流预警
数据
贝叶斯方法
策略
山地
参数
标签
系统为您推荐了相关专利信息
在线学习方法
高风险
在线学习系统
路径特征
反馈控制模块
柔性传动机构
三坐标测量机
分配设计方法
数据包络分析模型
子系统
前列腺癌风险
数据采集单元
风险预测模型
预测系统
机器学习模型训练
夹紧螺栓
夹板
测力传感器
位移传感器
数据采集器