一种斜坡降雨阈值动态校准方法、系统、设备及介质与流程

摘要: 本技术涉及地质灾害预警,特别是涉及一种斜坡降雨阈值动态校准方法、系统、设备及介质。背景技术:1、斜坡降雨阈值是地质灾害预警预报的核心依据,其精度直接影响预警的准...
一种斜坡降雨阈值动态校准方法、系统、设备及介质与流程

本技术涉及地质灾害预警,特别是涉及一种斜坡降雨阈值动态校准方法、系统、设备及介质。

背景技术:

1、斜坡降雨阈值是地质灾害预警预报的核心依据,其精度直接影响预警的准确性与可靠性。现有的降雨阈值确定方法主要分为两类:一类是基于区域统计的经验阈值法,通过汇总区域历史灾害降雨数据,拟合得到统一的降雨阈值曲线;另一类是基于物理模型的机制法,通过斜坡稳定性力学计算推导临界降雨条件。

2、上述现有方法在实际应用中存在以下不足:

3、其一,现有的降雨预警多采用区域统一的静态阈值,未充分考虑不同斜坡单元在地质环境上的差异。若易发性高的斜坡和普通斜坡采用相同的降雨阈值,可能导致降雨未达到该阈值时斜坡就已经发生灾害,造成漏报;而易发性低的斜坡采用该统一阈值,又容易在常规降雨下频繁触发警报,造成误报。

4、其二,现有方法在计算降雨阈值时,多依赖数学统计与回归分析,缺乏对斜坡历史降雨实际边界的物理约束校验。当数学公式计算出的理论阈值脱离实际情况时,容易产生不符合自然规律的异常阈值,进而导致严重的漏报或误报。

5、其三,在构建斜坡易发性评价的样本时,现有负样本的选取多采用随机抽样或简单剔除灾害点的方式。这种粗放的方法未能充分考虑不同地质背景区的真实成灾频率差异,导致抽取的样本缺乏代表性,进而影响了崩滑易发性指数的计算精度。

技术实现思路

1、鉴于此,本技术提供一种斜坡降雨阈值动态校准方法、系统、设备及介质。

2、本技术公开了一种斜坡降雨阈值动态校准方法,其包括:

3、步骤1:针对预设历史统计时间段内目标区域发生的多个历史崩滑事件,提取每个所述历史崩滑事件对应的天累积有效降雨量和当天实测降雨量,构建致灾降雨样本集;建立所述目标区域的基准降雨阈值模型,对所述致灾降雨样本集进行回归分析,确定所述基准降雨阈值模型的基准斜率,获取所述基准降雨阈值模型的多个预警级别的基准截距;

4、步骤2:根据所述目标区域内每个斜坡单元的崩滑易发性指数,得到每个所述斜坡单元的初始偏置系数;

5、步骤3:基于每个所述斜坡单元的初始偏置系数以及每个所述斜坡单元是否满足预设高风险条件,得到每个所述斜坡单元的风险差异化偏置系数;

6、步骤4:根据每个所述斜坡单元的风险差异化偏置系数和每个所述斜坡单元在所述预设历史统计时间段内的天累积有效降雨量历史最大值,得到每个所述斜坡单元的最终阈值变异系数;

7、步骤5:根据每个所述斜坡单元的最终阈值变异系数、所述多个预警级别的基准截距,以及每个所述斜坡单元对应的天累积有效降雨量,得到每个所述斜坡单元对应所述多个预警级别的校准后的当天临界降雨量,即校准后的降雨阈值;所述校准后的降雨阈值用于所述斜坡单元的崩滑地质灾害降雨预警。

8、进一步地,所述步骤1包括:

9、所述目标区域的基准降雨阈值模型的表达式为:

10、

11、其中,为当天临界降雨量,即降雨阈值,是触发对应预警级别的当天降雨量临界值;为基准斜率,;为天累积有效降雨量;为基准截距;所述多个预警级别分别对应不同的基准截距,包括黑色预警级别的基准截距、红色预警级别的基准截距、橙色预警级别的基准截距、黄色预警级别的基准截距和蓝色预警级别的基准截距;所述基准截距为当天累积有效降雨量为0时,触发预警所需要的当天临界降雨量;

12、获取所述基准降雨阈值模型的多个预警级别的基准截距的过程为:

13、对所述致灾降雨样本集中的每个致灾降雨样本,将其当天实测降雨量减去基准斜率与天累积有效降雨量的乘积,得到残差;基于所有所述致灾降雨样本的残差,构建残差的累积概率分布;基于所述基准斜率,以使预设比例的所述致灾降雨样本满足预警触发条件为求解目标,基于所述残差的累积概率分布分别求解所述多个预警级别的基准截距;当满足所述预警触发条件的所述致灾降雨样本占所述致灾降雨样本集中全部致灾降雨样本数的比例分别达到第一预设比例、第二预设比例、第三预设比例、第四预设比例和第五预设比例时,将求解得到的基准截距分别作为所述黑色预警级别的基准截距至所述蓝色预警级别的基准截距;所述预设比例包括依次递增的所述第一预设比例至所述第五预设比例。

14、进一步地,所述步骤2中,将训练样本库中每个斜坡单元对应的特征向量及其标签输入分类器中进行训练,得到训练好的分类器;将所述目标区域内每个所述斜坡单元对应的特征向量输入所述训练好的分类器,输出每个所述斜坡单元的崩滑易发性指数;所述特征向量由所述斜坡单元的项关键评价因子构成;所述项关键评价因子用于评价每个所述斜坡单元的崩滑易发性;所述标签为二分类标签,用于表征对应的所述斜坡单元是否存在崩滑风险;

15、所述训练样本库由正样本和负样本组成;所述正样本由所述目标区域内崩滑历史灾害点及崩滑隐患点对应的所述斜坡单元构成;

16、所述负样本的获取过程包括:

17、将所述目标区域内所有所述斜坡单元的特征向量输入自组织映射神经网络,获取所述自组织映射神经网络各神经元的权重向量;将所述权重向量输入均值聚类算法,以将所有所述斜坡单元自适应划分为类地质背景区,为聚类数目;计算各类所述地质背景区发生崩滑的频率比,将所述频率比最高的一类所述地质背景区内的全部所述斜坡单元排除在所述负样本之外,将所述频率比最低的一类所述地质背景区内的全部所述斜坡单元作为所述负样本;对所述频率比介于最高值与最低值之间的其余各类所述地质背景区,将每一类所述地质背景区分别作为一个抽样层进行分层随机抽样,使每一层抽取的所述斜坡单元数量与该层所述地质背景区面积成正比,并将抽中的所述斜坡单元加入所述负样本;所述频率比为第一百分比与第二百分比的比值;所述第一百分比为所述地质背景区内崩滑总面积占所述目标区域崩滑总面积的百分比,所述第二百分比为所述地质背景区总面积占所述目标区域总面积的百分比。

18、进一步地,所述步骤2包括:

19、通过以下公式得到每个所述斜坡单元的初始偏置系数:

20、

21、其中,为第个斜坡单元的初始偏置系数,为第个斜坡单元的崩滑易发性指数;为敏感度调节因子,用于调节所述初始偏置系数随所述崩滑易发性指数变化的速率;为以自然常数e为底的指数函数,为允许将所述基准降雨阈值模型的基准截距向下偏置的最大比例,,为所述多个预警级别中黑色预警级别的基准截距,为所述多个预警级别中红色预警级别的基准截距。

22、进一步地,所述步骤3包括:

23、当所述斜坡单元满足所述预设高风险条件时,,其中,为所述斜坡单元的风险差异化偏置系数,为取最大值函数,为第个斜坡单元的初始偏置系数,为允许将所述基准降雨阈值模型的基准截距向下偏置的最大比例,,为所述多个预警级别中黑色预警级别的基准截距,为所述多个预警级别中红色预警级别的基准截距;所述预设高风险条件包括以下三者中的任意一项:所述斜坡单元发生过崩滑灾害、所述斜坡单元位于崩滑隐患点范围内、所述斜坡单元的崩滑易发性指数大于0.6;

24、当所述斜坡单元不满足所述预设高风险条件时,,其中,为取最小值函数,为允许将所述基准降雨阈值模型的基准截距向上偏置的最大比例,,为所述多个预警级别中黄色预警级别的基准截距,为所述多个预警级别中蓝色预警级别的基准截距。

25、进一步地,所述步骤4包括:

26、根据所述斜坡单元的风险差异化偏置系数,计算经所述斜坡单元的风险差异化偏置系数调整后得到的理论致灾天累积有效降雨量:

27、

28、其中,为经所述斜坡单元的风险差异化偏置系数调整后得到的理论致灾天累积有效降雨量,为所述斜坡单元的风险差异化偏置系数,为所述基准斜率,为所述多个预警级别中红色预警级别的基准截距;

29、针对发生过崩滑的所述斜坡单元,若,则判定所述斜坡单元的风险差异化偏置系数符合要求,,其中,为所述斜坡单元在所述预设历史统计时间段内的天累积有效降雨量历史最大值,为所述斜坡单元的最终阈值变异系数;若,则通过以下反算方程修正所述斜坡单元的最终阈值变异系数:

30、

31、

32、其中,为整个所述目标区域的理论致灾天累积有效降雨量;

33、针对未发生过崩滑的所述斜坡单元,若,则判定所述斜坡单元的风险差异化偏置系数符合要求,;若,则通过所述反算方程修正所述斜坡单元的最终阈值变异系数。

34、进一步地,所述步骤5包括:

35、通过以下公式计算每个所述斜坡单元对应的专属截距:

36、

37、其中,为所述专属截距;所述多个预警级别分别对应不同的专属截距,包括黑色预警级别的专属截距、红色预警级别的专属截距、橙色预警级别的专属截距、黄色预警级别的专属截距和蓝色预警级别的专属截距;为所述斜坡单元的最终阈值变异系数,为所述基准截距;

38、通过以下公式得到每个所述斜坡单元对应的专属降雨阈值方程:

39、

40、其中,为所述校准后的当天临界降雨量,即所述校准后的降雨阈值,为天累积有效降雨量,为所述基准斜率。

41、本技术还公开了一种斜坡降雨阈值动态校准系统,用于实现所述的斜坡降雨阈值动态校准方法,其包括:

42、基准降雨阈值模型构建模块,用于针对预设历史统计时间段内目标区域发生的多个历史崩滑事件,提取每个所述历史崩滑事件对应的天累积有效降雨量和当天实测降雨量,构建致灾降雨样本集;建立所述目标区域的基准降雨阈值模型,对所述致灾降雨样本集进行回归分析,确定所述基准降雨阈值模型的基准斜率,获取所述基准降雨阈值模型的多个预警级别的基准截距;

43、初始偏置系数计算模块,用于根据所述目标区域内每个斜坡单元的崩滑易发性指数,得到每个所述斜坡单元的初始偏置系数;

44、风险差异化偏置系数计算模块,用于基于每个所述斜坡单元的初始偏置系数以及每个所述斜坡单元是否满足预设高风险条件,得到每个所述斜坡单元的风险差异化偏置系数;

45、最终阈值变异系数计算模块,用于根据每个所述斜坡单元的风险差异化偏置系数和每个所述斜坡单元在所述预设历史统计时间段内的天累积有效降雨量历史最大值,得到每个所述斜坡单元的最终阈值变异系数;

46、阈值校准模块,用于根据每个所述斜坡单元的最终阈值变异系数、所述多个预警级别的基准截距,以及每个所述斜坡单元对应的天累积有效降雨量,得到每个所述斜坡单元对应所述多个预警级别的校准后的当天临界降雨量,即校准后的降雨阈值;所述校准后的降雨阈值用于所述斜坡单元的崩滑地质灾害降雨预警。

47、本技术还公开了一种电子设备,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被所述处理器执行时实现所述的斜坡降雨阈值动态校准方法。

48、本技术还公开了一种计算机可读存储介质,所述计算机可读存储介质包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行所述的斜坡降雨阈值动态校准方法。

49、由于采用了上述技术方案,本技术具有如下的优点:

50、第一,实现了降雨阈值随斜坡地质条件的自适应调整。本技术引入斜坡单元的崩滑易发性指数,通过构建反映地质条件差异的易发性—偏置系数非线性映射,能够根据不同斜坡的实际地质条件动态生成初始偏置系数,经风险差异化调整与物理边界校验后,最终使高易发性斜坡的降雨阈值适度下调以提前触发预警,低易发性斜坡的降雨阈值适度上调以抑制频繁误报,显著提升了降雨预警在空间上的精细化水平。

51、第二,引入了基于真实历史降雨记录的边界校验机制。本技术不再单一依赖纯数学计算,而是利用斜坡历史上累积有效降雨量的最大值作为安全边界,对数学推演得出的偏置系数进行反算修正。这确保了校准后的降雨阈值始终落在符合当地气象与地质实际的合理范围内,有效避免了异常阈值导致的漏报和误报。

52、第三,提升了崩滑易发性评价结果的准确性。采用自组织映射神经网络结合k均值聚类自适应识别地质背景差异、基于频率比的分层抽样方法构建负样本,在提升负样本地质背景代表性的同时,避免了将实际可能成灾的斜坡单元误标为无风险样本而导致模型学习到错误的判别特征,提高了崩滑易发性指数的可靠性,为后续降雨阈值的精准动态校准打下了坚实基础。