(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211076363.4 (22)申请日 2022.09.05 (71)申请人 中国地质环境 监测院 （自然资源部 地质灾害技 术指导中心） 地址 100081 北京市海淀区大慧寺20号 (72)发明人 赵文祎　侯圣山　常啸寅　杨飞　 杨淑云　刘昕曜　 (74)专利代理 机构 北京恒和顿知识产权代理有 限公司 1 1014 专利代理师 丁洁 (51)Int.Cl. G06F 30/20(2020.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/12(2006.01)G06F 111/04(2020.01) G06F 111/08(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于多源数据模糊权重的滑坡风险预 警规则生成方法 (57)摘要 本发明公开了一种基于多源数据模糊权重 的滑坡风险预 警规则生成方法， 本发 明提供的方 法利用历史监测数据对初始建立的风险预警规 则库进行训练得到适应度较强的风险预警规则 库， 与传统地质队根据自身经验及实地考察得到 的预警规则而言， 风险预警规则生成效率高， 成 本低； 且基于历史数据的表现， 生成的风险预警 规则具有更强的适用性。 权利要求书3页 说明书15页 附图9页 CN 115438484 A 2022.12.06 CN 115438484 A 1.一种基于多源数据模糊权重的滑坡风险预警规则生成方法， 其特征在于， 该方法包 括以下步骤： 步骤一： 构建初始风险预警规则库， 包括若干子初始风险预警规则库， 每个子初始风险 预警规则库包括若干风险预警规则； 步骤二： 获取历史监测数据， 该历史监测数据包括位移量和降雨量， 以日为单位将对应 的位移量和降雨 量进行统计， 每日数据作为 一组样本数据； 步骤三： 以所述步骤二的样本数据对所述步骤一所构建的初始风险预警规则库中的子 初始风险预警规则库进行训练， 得到每个子初始风险预警规则库每日的适应度得分 MSErisk， 包括以下步骤： 步骤1： 获取当 日的位移量Si和降雨量Ai， 根据构建的隶属度 函数， 将位移量Si和降雨量 Ai的数值转换成对应的风险等级； 步骤2： 子初始风险预警规则库 匹配， 利用位移量Si及降雨量Ai的风险等级匹配子初始 风险预警规则库中的风险预警规则， 当子初始 风险预警规则库中的风险预警规则的位移及 降雨的风险等级与位移量Si及降雨量Ai的风险等级相等时风险预警规则被匹配成功； 步骤3： 利用构建的隶属度函数分别得到所述步骤2被匹配成功的各风险预警规则的位 移风险等级、 降雨 风险等级及结果 风险等级对应的隶属度； 步骤4： 取所述步骤3得到的位移风险等级隶属度及降雨风险等级隶属度中的小值作为 对应子初始 风险预警规则库的风险预警规则置信程度值， 用该置信程度值对对应的子初始 风险预警规则库所有被匹配成功的风险预警规则的结果风险对应的隶属度函数曲线进行 截取， 截取小于 置信程度值的部分作为输出并叠加； 步骤5： 对所述步骤4的输出进行去模糊处理， 得到各子初始风险预警规则库的具体模 糊程度值作为各子初始风险预警规则库的预警得分Si； 步骤6： 根据以下公式得到当日子初始风险预警规则库的适应度得分MSErisk； MSErisk＝(Di′ ‑Si′)2 Si′＝(Si‑Smin)/(Smax‑Smin) Di′＝(Di‑Dmin)/(Dmax‑Dmin) Si′为归一化后的位移值， Si为当日预警得分， Smin为历史最小预警得分， 当选取第一日 数据时， Smin取值为0； Smax为历史最大预警得分， 当选取第一 日数据时， Smax取值为当日预警 得分； Di′为归一化后的下一日位移， Di为当日的下一日位移值， Dmin为所取历史数据中最小 位移值， Dmax为所取历史数据中最大位移值； 步骤四： 根据以下公式计算所述步骤一所建立的初始风险预警规则库中各子初始风险 预警规则库在所 取历史周期内的最终得分MSE ′risk； 式中： N表示历史周期， 单位 为天； 步骤五： 选 取最终得分MSE ′risk小于等于 预设阈值的子初始风险预警规则库作为最终风 险预警规则库用于风险预警； 或者将各子初始风险预警规则库及其最终得分作为输入， 利 用遗传算法迭代， 不断优化预警规则， 最终输出最终得分小于等于预设阈值的子初始风险 预警规则库 作为最终风险预警规则库用于风险预警。权　利　要　求　书 1/3 页 2 CN 115438484 A 22.根据权利要求1所述的基于多源数据模糊权重的滑坡风险预警规则生成方法， 其特 征在于， 所述步骤二在获取历史监测数据后先对数据进行清洗， 剔除异常值并对毛刺数据 进行平滑后再以日为单位将对应的位移量和降雨 量进行统计。 3.根据权利要求2所述的基于多源数据模糊权重的滑坡风险预警规则生成方法， 其特 征在于， 所述异常值包括滑坡检测工作中， 因仪器不稳定、 设备故障、 线路故障和仪器检修 所带来的监测数据跳跃式变化所 形成的异常值， 以及正常观测范围内的异常值。 4.根据权利要求3所述的基于多源数据模糊权重的滑坡风险预警规则生成方法， 其特 征在于， 所述正常观测范围内的异常值剔除首先根据 滑坡位移数据位移速率上的不同对位 移数据进 行分段， 得到滑坡稳定阶段和快速变形的阶段， 在每个阶段内进 行异常点的识别， 去除显著大于或小于该阶段平均值的监测数据。 5.根据权利要求2所述的基于多源数据模糊权重的滑坡风险预警规则生成方法， 其特 征在于， 所述毛刺数据使用滑动平均法进行 数据平滑。 6.一种生成装置， 其特 征在于， 该装置包括： 生成模块， 用于生成初始风险预警规则库； 获取模块， 用于获取历史监测数据， 该历史监测数据包括位移量和降雨量， 以日为单位 将对应的位移量和降雨 量进行统计， 每日数据作为 一组样本数据； 处理模块， 用于以所述获取模块得到的样本数据对所述生成模块所构建的初始风险预 警规则库中的子初始风险预警规则库进行训练， 得到每个子初始风险预警规则库每日 的适 应度得分MSErisk； 再根据以下公式计算所述生成模块所建立的初始风险预警规则库中各子 初始风险预警规则库在所 取历史周期内的最终得分MSE ′risk； 式中： N表示历史周期， 单位 为天； 所述处理模块还用于选取最终得分MSE ′risk小于等于预设阈值的子初始风险预警规则 库作为最 终风险预警规则库用于风险预警； 或者将各子初始 风险预警规则库及其最 终得分 作为输入， 利用遗传算法迭代， 不断优化预警规则， 最 终输出最 终得分小于等于预设阈值的 子初始风险预警规则库 作为最终风险预警规则库用于风险预警。 7.根据权利要求6所述的生成装置， 其特征在于， 所述处理模块经以下处理得到每个子 初始风险预警规则库每日的适应度得分MSErisk： 步骤1： 获取当 日的位移量Si和降雨量Ai， 根据构建的隶属度 函数， 将位移量Si和降雨量 Ai的数值转换成对应的风险等级； 步骤2： 子初始风险预警规则库 匹配， 利用位移量Si及降雨量Ai的风险等级匹配子初始 风险预警规则库中的风险预警规则， 当子初始 风险预警规则库中的风险预警规则的位移及 降雨的风险等级与位移量Si及降雨量Ai的风险等级相等时风险预警规则被匹配成功； 步骤3： 利用构建的隶属度函数分别得到所述步骤2被匹配成功的各风险预警规则的位 移风险等级、 降雨 风险等级及结果 风险等级对应的隶属度； 步骤4： 取所述步骤3得到的位移风险等级隶属度及降雨风险等级隶属度中的小值作为 对应子初始 风险预警规则库的风险预警规则置信程度值， 用该置信程度值对对应的子初始 风险预警规则库所有被匹配成功的风险预警规则的结果风险对应的隶属度函数曲线进行权　利　要　求　书 2/3 页 3 CN 115438484 A 3