【技術實現步驟摘要】
本專利技術涉及識別領域，尤其涉及一種巖質邊坡的危巖識別方法。
技術介紹
1、巖質邊坡作為自然環境中常見的地質結構，其穩定性直接關系到周邊區域的安全。然而，由于地質構造復雜、環境因素多變，巖質邊坡常發生危巖崩塌等自然災害，對人民生命財產構成嚴重威脅。傳統的危巖識別方法主要依賴于人工現場勘查和經驗判斷，存在效率低、成本高、主觀性強等不足。隨著科技的進步，尤其是無人機技術、遙感技術、傳感器技術等的發展，為巖質邊坡危巖識別提供了新的手段。
2、當前，已有一些基于單一或少數幾種監測數據的危巖識別方法，如僅利用圖像數據進行表面裂紋識別，或僅通過勘探數據分析巖體內部應力狀態。然而，這些方法往往忽略了不同監測數據之間的內在聯系和相互影響，導致識別結果不夠全面和準確。因此，開發一種能夠綜合利用多維度監測數據，實現巖質邊坡危巖精準識別的方法顯得尤為重要
技術實現思路
1、本專利技術的目的是要提供一種巖質邊坡的危巖識別方法。
2、為達到上述目的，本專利技術是按照以下技術方案實施的：
3、本專利技術包括以下步驟：
4、獲取巖質邊坡的監測數據，對所述監測數據進行預處理；所述監測數據包括圖像數據、勘探數據和氣象數據；
5、通過所述監測數據得到行為數據和影響因子；所述行為數據包括第一行為數據和第二行為數據；所述第一行為數據表示基于所述圖像數據的危性變化趨勢；所述第二行為數據表征基于所述勘探數據的變化趨勢；所述危性變化趨勢通過所述圖像數據的時序變化特征獲
6、對所述第一行為數據和所述第二行為數據進行動態結合獲得動態數據，根據所述動態數據和所述影響因子構建危害函數；
7、根據所述危害函數構建巖質邊坡危巖識別模型，將待識別數據輸入所述巖質邊坡危巖識別模型，輸出識別結果。
8、進一步的，獲取基于所述圖像數據的危性變化趨勢的方法，包括：
9、將圖像數據劃分為圖像塊，表達式為：
10、
11、其中滑動窗口步長為h，圖像塊的大小為u，圖像數據的大小為e×h，圖像塊的數量為q；
12、采用索伯算子提取圖像塊的巖質特征，按照時間順序對巖質特征進行分段獲得時序特征；
13、計算時序特征的中心點：
14、
15、其中窗口大小為第κ+x個段時序數據為第x個段時序數據的中心點為
16、構造維度向量，計算時序特征間的相似度：
17、
18、
19、其中第i個窗口的第x+t個時刻時序數據為第i+1個窗口的第x+t個時刻時序數據為第i個窗口的第x個時刻時序數據的中心點為第i+1個窗口的第x個時刻時序數據的中心點為第i個窗口時序數據和第i+1個窗口時序數據的相異距離為ψi,i+1，時序數據和時序數據的偏差量為hi,i+1，相似容量參數為ρ，第i個窗口時序數據和第i+1個窗口時序數據的相似度為第i個窗口的第x個時序數據為
20、計算時序特征間的變化度：
21、
22、其中時序數據和時序特征的變化度為εi,i+1，時序特征和時序特征的變化量為優化系數為ζ；
23、將變化度大于0的時序特征作為變化特征，計算變化特征的危險度：
24、
25、其中第x個時刻和第x+t個時刻的危險度為尺度因子為遺傳系數為初始誤差值為δ，第x個時刻的第i個窗口時序特征和第i+1個窗口時序特征間變化度為第x+t個時刻的第i個窗口時序特征和第i+1個窗口時序特征間變化度為
26、將變化特征的危險度輸出為危性變化趨勢。
27、進一步的，獲取基于所述勘探數據的變化趨勢的方法，包括：
28、將勘探數據按照時間排序獲得時間數據，將時間數據輸入自回歸積分滑動平均模型，通過結合自回歸、差分和移動平均分析時間數據的變化趨勢。
29、進一步的，采用獲取基于所述勘探數據的危險催化系數的方法，包括：
30、將勘探數據輸入時序影響分析模型，根據勘探數據建立危險關聯關系矩陣，表達式為：
31、
32、其中第l行第i列危險關聯關系矩陣的元素為kli，第l行第i列的遺傳因子為μli，第l行第b個勘探數據的中心為wlb，第b行第i個勘探數據的中心為wbi，勘探數據的數量為n，危險度和元素kli同時出現的概率為誤差系數為δ；
33、將關聯關系矩陣中元素值大于0.276的勘探數據作為關鍵數據，提取關鍵數據的時間模式信息，表達式為：
34、
35、其中滑動窗口y的數量為g，第c個維度上大的關鍵數據在第j個卷積核a上的時間模式信息為時刻為s，時間上限為t；
36、將時間模式信息輸入注意力機制，計算整價值向量：
37、
38、其中第s個時刻的整價值向量為激活函數為sigmoid(·)，維度的數量為q，第s個時刻的隱藏狀態為權重矩陣為
39、根據關鍵數據計算危險催化系數：
40、
41、其中第s個時刻的控優系數為βs，第s個時刻勘探數據的數量為ω，第s個時刻關鍵數據的數量為ωε，第s個時刻的危險度為第s個時刻的調控系數為θs，l2范數為‖·‖2，影響程度為σ，第s個時刻第ι個關鍵數據ηι的變量為
42、進一步的，對所述第一行為數據和所述第二行為數據進行動態結合獲得動態數據的方法，包括：
43、根據時間對第一行為數據和第二行為數據進行分層，獲得第一時段數據和第二時段數據；
44、計算第一時段數據和第二時段數據的相關度：
45、
46、其中第a個數據和第z個數據的相關度為第a個數據出現的概率為u(a)，第z個數據出現的概率為u(z)，第a個數據和第z個數據同時出現的概率為u(a,z)，第z個數據為vz，第z個數據的平均值為數據的數量為nz；
47、將相關度0.413作為分割點，根據分割點將第一時段數據和第二時段數據劃分為第一融合數據和第二融合數據；
48、根據注意力機制對第二融合數據集進行加權，表達式為：
49、
50、其中第a個第二融合數據的注意力權重為多層感知機變換為r1、ro，第a個經過全局的矢量為第a個經過全局最大池化的矢量為第a個經過全局平均池化的矢量為歸一化函數為σ(·)；
51、對第二融合數據和第一融合數據進行融合，表達式為：
52、
53、其中第s時刻的融合數據為φs，第s時刻第a個第一融合數據為v1,a，第s時刻第a個第二融合數據為v2,a，第s時刻第a個第二融合數據的注意力權重為可調系數為γ，第二融合數據v2,a的均方差為
54、將融合數據輸出為動態數據。
55、進一步的，根據所述動態數據和所述影響因子構建危害函數的方法，包括：
56、本文檔來自技高網...
【技術保護點】
1.一種巖質邊坡的危巖識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，獲取基于所述圖像數據的危性變化趨勢的方法，包括：
3.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，獲取基于所述勘探數據的變化趨勢的方法，包括：
4.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，采用獲取基于所述勘探數據的危險催化系數的方法，包括：
5.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，對所述第一行為數據和所述第二行為數據進行動態結合獲得動態數據的方法，包括：
6.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，根據所述動態數據和所述影響因子構建危害函數的方法，包括：
7.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，根據所述危害函數構建巖質邊坡危巖識別模型的方法，包括：
8.一種電子設備，包括：處理器；以及
9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序
...【技術特征摘要】
1.一種巖質邊坡的危巖識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，獲取基于所述圖像數據的危性變化趨勢的方法，包括：
3.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，獲取基于所述勘探數據的變化趨勢的方法，包括：
4.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，采用獲取基于所述勘探數據的危險催化系數的方法，包括：
5.根據權利要求1所述一種巖質邊坡的危巖識別方法，其特征在于，對所述第一行為數據和所述第二行為數據...
【專利技術屬性】
技術研發人員：張輝軍，杜敏，胡現振，張曉凱，王振，高生平，
申請(專利權)人：河北省地質環境監測院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。