基于改进型Stacking融合模型的滑坡危险性结果评价方法
摘要文本
本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
申请人信息
- 申请人:中国矿业大学(北京); 中国自然资源航空物探遥感中心
- 申请人地址:100083 北京市海淀区学院路丁11号
- 发明人: 中国矿业大学(北京); 中国自然资源航空物探遥感中心
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于改进型Stacking融合模型的滑坡危险性结果评价方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311340078.3 |
| 申请日 | 2023/10/16 |
| 公告号 | CN117725493A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06F18/2411 |
| 权利人 | 中国矿业大学(北京); 中国自然资源航空物探遥感中心 |
| 发明人 | 李军; 杜守航; 冉文艳; 毛海涛; 随欣欣; 陈理; 邱宇航; 楚天阔; 张如文 |
| 地址 | 北京市海淀区学院路丁11号; 北京市海淀区学院路31号 |
专利主权项内容
1.一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其特征在于：其方法包括：S1、构建包含滑坡特征样本数据及对应滑坡危险性结果的滑坡特征样本数据集，构建改进型自编码器模型对滑坡特征样本数据进行预处理，提取滑坡影响因子集并与滑坡危险性结果关联存储，滑坡影响因子集包括自然环境因子、地形地貌因子、地质因子、人类活动因子和其他归类影响因子；S2、基于改进型Stacking融合模型结构构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，初级学习器层包括随机森林模型、AdaBoost模型和梯度提升算法模型，随机森林模型组合多个决策树进行分类和回归处理，利用滑坡影响因子集、滑坡危险性结果进行随机森林模型训练；AdaBoost模型采用一系列弱分类器组合成强分类器，每一轮弱分类器处理包括对样本数据进行加权处理，然后经过若干轮处理，上一轮的分类结果调整下一轮的样本数据权重，利用滑坡影响因子集、滑坡危险性结果进行AdaBoost模型训练；梯度提升算法模型通过迭代地训练多个弱学习器，每次迭代都调整弱学习器的权重并逐步减少模型的损失，梯度提升算法模型采用网格搜索与交叉验证结合方法来搜索最佳参数组合，利用滑坡影响因子集、滑坡危险性结果进梯度提升算法模型训练；滑坡危险性评价模型基于改进型Stacking算法设置初级学习器层中的随机森林模型、AdaBoost模型和梯度提升算法模型的置信度并设置权重；次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、确定研究区，采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。。更多数据：