一种用于地质灾害的数据可视化处理方法及系统

1.本发明涉及地质灾害技术领域，具体涉及一种用于地质灾害的数据可视化处理方法及系统。


背景技术：

2.在山势陡峻、泥石结构较为松散的区域，在长期强降雨或震动的影响下，就会发生滑坡、泥石流等地质灾害。这部分地质灾害会毁坏公路、桥梁，造成生命危险以及财产损失，因此，对于地质灾害的准确预测和预防是极为重要的。
3.目前对地质灾害的预测，一般基于地质、气象等多学科交叉的经验进行预测，基于地质灾害发生的多影响因素，结合地域特点和经验进行非线性分析预测。
4.现有技术中对于地质灾害数据处理和预测的方法需要大量主观经验，普适性较差，且预测过程可视化较差，存在着地质灾害数据处理和预测效果较差的技术问题。


技术实现要素：

5.本技术提供了一种用于地质灾害的数据可视化处理方法及系统，用于针对解决现有技术中地质灾害数据处理和预测普适性较差、可视化较差的技术问题。
6.鉴于上述问题，本技术提供了一种用于地质灾害的数据可视化处理方法及系统。
7.本技术的第一个方面，提供了一种用于地质灾害的数据可视化处理方法，所述方法包括：获取需要进行地质灾害预测的待预测区域，其中，所述地质灾害包括滑坡和泥石流；采集获取所述待预测区域内的多维度地质灾害参数，获得多个地质灾害参数集合；按照多个所述地质灾害参数集合，对所述待预测区域进行区域划分，获得多个分区；采集获取多个所述分区内的多维度地质灾害影响参数，获得多个地质灾害影响参数集合；在当前进行地质灾害预测的待预测分区内，构建用于进行地质灾害预测的预测模型；采用所述待预测分区内的分区地质灾害参数集合和分区地质灾害影响参数集合，对所述预测模型的参数进行寻优优化，获得优化完成的所述预测模型；采用所述预测模型进行所述待预测分区内的地质灾害预测。
8.本技术的第二个方面，提供了一种用于地质灾害的数据可视化处理系统，所述系统包括：预测区域确定模块，用于获取需要进行地质灾害预测的待预测区域，其中，所述地质灾害包括滑坡和泥石流；灾害参数采集模块，用于采集获取所述待预测区域内的多维度地质灾害参数，获得多个地质灾害参数集合；分区划分模块，用于按照多个所述地质灾害参数集合，对所述待预测区域进行区域划分，获得多个分区；影响参数采集模块，用于采集获取多个所述分区内的多维度地质灾害影响参数，获得多个地质灾害影响参数集合；模型构建模块，用于在当前进行地质灾害预测的待预测分区内，构建用于进行地质灾害预测的预测模型；参数优化模块，用于采用所述待预测分区内的分区地质灾害参数集合和分区地质灾害影响参数集合，对所述预测模型的参数进行寻优优化，获得优化完成的所述预测模型；灾害预测模块，用于采用所述预测模型进行所述待预测分区内的地质灾害预测。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：本技术实施例通过获取当前需要进行地质灾害预测的待预测区域，采集待预测区域内所有区域的多维度地质灾害参数，然后按照多维度地质灾害参数，对待预测区域进行区域划分，获得多个分区，然后采集多个分区内的多维度地质灾害影响参数，选择需要进行地质灾害预测的分区，构建用于该分区进行地质灾害预测的预测模型，采用该分区内的多维度地质灾害参数和多维度地质灾害影响参数对预测模型的参数进行寻优优化，获得预测模型，进行当前分区内的地质灾害预测。本技术实施例通过采集待预测区域内的地质灾害参数集合，对待预测区域进行可视化的划分，能够获得发生地质灾害可能性和程度不同的多个分区，然后在多个分区内分别进行地质灾害的预测，基于预测模型，结合地质灾害参数集合和地质灾害影响参数集合对模型的参数进行寻优优化，提升预测模型优化至收敛的效率，且优化过程可视化，基于不同的分区进行地质灾害预测，能够更为准确的进行预测，普适性更优，无需地质灾害领域的大量主观经验，即可进行多维度数据的非线性分析预测，且预测效果较好，达到了提升地质灾害预测普适性，实现可视化数据处理，提升地质灾害预测效果的技术效果。
附图说明
10.图1为本技术提供的一种用于地质灾害的数据可视化处理方法流程示意图；图2为本技术提供的一种用于地质灾害的数据可视化处理方法中划分获得多个分区的流程示意图；图3为本技术提供的一种用于地质灾害的数据可视化处理方法中采集获得多个地质灾害影响参数集合的流程示意图；图4为本技术提供的一种用于地质灾害的数据可视化处理方法中优化预测模型参数的流程示意图；图5为本技术提供了一种用于地质灾害的数据可视化处理系统结构示意图。
11.附图标记说明：预测区域确定模块11，灾害参数采集模块12，分区划分模块13，影响参数采集模块14，模型构建模块15，参数优化模块16，灾害预测模块17。
具体实施方式
12.本技术通过提供了一种用于地质灾害的数据可视化处理方法及系统，用于针对解决现有技术中地质灾害数据处理和预测普适性较差、可视化较差的技术问题。
13.实施例一如图1所示，本技术提供了一种用于地质灾害的数据可视化处理方法，所述方法包括：s100：获取需要进行地质灾害预测的待预测区域，其中，所述地质灾害包括滑坡和泥石流；本技术实施例中，地质灾害预测即根据某一区域内当前采集的可能影响该区域发生地质灾害的数据，进行可能发生地质灾害的概率或发生地质灾害的严重程度的预测，其中，该地质灾害包括滑坡和泥石流，也可包括现有技术中其他的地质灾害。
14.本技术实施例中，该待预测区域即为需要进行地质灾害预测的区域，例如可为一
个行政单位内的区域，例如某一个市，也可为一个地理区域，例如为山脉的某一区域。
15.s200：采集获取所述待预测区域内的多维度地质灾害参数，获得多个地质灾害参数集合；本技术实施例中，在确定当前需要进行地质灾害预测的待预测区域之后，进一步采集获取该待预测区域内所有区域的多维度地质灾害参数，获得多个维度的多个地质灾害参数集合。
16.本技术实施例提供的方法中的步骤s200包括；s210：设置获得预设时间周期；s220：采集获取所述待预测区域内多个区域在最近所述预设时间周期内的地质灾害发生次数，获得多个地质灾害发生次数信息；s230：采集获取所述待预测区域内多个所述区域在最近所述预设时间周期内发生地质灾害的严重程度信息，获得多个地质灾害严重程度信息；s240：采集获取所述待预测区域内多个所述区域在最近所述预设时间周期内发生地质灾害的最大严重程度信息，获得多个最大严重程度信息；s250：分别将多个所述地质灾害发生次数信息、多个所述地质灾害严重程度信息和多个所述最大严重程度信息作为多个所述地质灾害参数集合。
17.本技术实施例中，在采集获取多维度地质灾害参数时，首先，设置用于采集多维度地质灾害参数的预设时间周期，该预设时间周期可为任意时间长度的时间周期，但为了提升采集获得的地质灾害参数的代表性，该预设时间周期优选设置为较长的时间周期，例如为一年。
18.采集获取待预测区域内多个区域在最近的一个预设时间周期内的地质灾害发生次数，获得多个地质灾害发生次数信息。可选的，该多个区域为待预测区域内以地理位置划分的多个区域，例如按照网格形式对待预测区域进行划分，获得多个区域。
19.采集获取待预测区域内多个区域在最近的一个预设时间周期内的发生地质灾害的严重程度信息，获得多个区域内的地质灾害严重程度信息。其中，可采集获得每个区域预设时间周期内全部次数地质灾害的严重程度信息，然后计算获得多个严重程度信息的均值，获得地质灾害严重程度信息。地质灾害的严重程度信息可基于现有技术中地质灾害的评价方法获得。
20.采集获取待预测区域内多个区域在最近的一个预设时间周期内的发生地质灾害的最大严重程度信息，获得多个最大严重程度信息，其可代表各区域发生地质灾害的最大破坏程度，进而可基于此进行地质灾害预测，进行相关预防手段的制定。
21.分别将多个地质灾害发生次数信息、多个地质灾害严重程度信息和多个最大严重程度信息按照类别进行归类，作为多个上述的多个地质灾害参数集合，每个地质灾害参数集合内包括一类的各个区域的地质灾害参数。
22.本技术实施例通过采集获取待预测区域内多个小区域的地质灾害发生次数信息、地质灾害严重程度信息和最大严重程度信息，能够从整体上分析各区域发生地质灾害的频率、平均严重程度和最大严重程度，进而可对待预测区域按照该多维度地质灾害参数进行区域划分，并根据地质灾害参数集合进行相关的模型优化和预测。
23.s300：按照多个所述地质灾害参数集合，对所述待预测区域进行区域划分，获得多
个分区；本技术实施例中，基于多个地质灾害参数集合反映的待预测区域内多个区域的地质灾害发生频率和严重程度，对待预测区域进行划分，划分获得多个发生地质灾害水平不同的多个分区，进行不同的地质灾害预测。
24.如图2所示，本技术实施例提供的方法中的步骤s300包括：s310：根据所述地质灾害发生次数信息、所述地质灾害严重程度信息和所述最大严重程度信息，构建获得三维坐标空间；s320：将多个所述地质灾害参数集合输入所述三维坐标空间内，获得多个区域坐标点；s330：对多个区域坐标点按照所述区域坐标点之间的距离大小进行聚类，获得多个聚类结果；s340：根据多个所述聚类结果，获得多个所述分区。
25.本技术实施例中，基于多个地质灾害参数集合内包括的地质灾害发生次数信息、地质灾害严重程度信息和最大严重程度信息，分别以地质灾害发生次数信息、地质灾害严重程度信息和最大严重程度信息作为三个坐标轴，构建三维坐标空间。
26.将多个地质灾害参数集合输入该三维坐标空间内，其中，根据该多个地质灾害参数集合，能够获得待预测区域内多个区域的地质灾害发生次数信息、地质灾害严重程度信息和最大严重程度信息，将每个区域的地质灾害参数输入该三维坐标空间内，能够形成各个区域地质灾害参数在该三维坐标空间内的坐标点，得到多个区域坐标点。
27.对多个区域坐标点按照两两区域坐标点之间的距离大小进行聚类分析，示例性地，在上述的三维坐标空间内，计算两两区域坐标点之间的欧氏距离，将欧氏距离小于一预设阈值的两两区域坐标点聚类为同一类，获得多个聚类结果。其中，该预设阈值可根据多个区域坐标点的分布进行设置，也可结合现实中不同区域之间发生地质灾害的差异进行设置。
28.基于该多个聚类结果，每个聚类结果内的区域坐标点对应的质灾害发生次数信息、地质灾害严重程度信息和最大严重程度信息可认为较为近似，每个聚类结果内包括多个地质灾害参数近似的区域，合并这部分区域，则可获得多个分区，每个分区内发生地质灾害的次数、地质灾害的平均严重程度与最大严重程度近似。如此，可获得预设时间周期内发生地质灾害情况较为近似的多个分区，完成待预测区域的分区划分。
29.本技术实施例基于可视化的方法，构建三维坐标空间，按照待预测区内各区域的地质灾害参数进行可视化聚类，能够准确对待预测区域进行分区划分，获得多个发生地质灾害水平不同的分区，进而进行不同的地质灾害预测，提升地质灾害预测的效果。
30.s400：采集获取多个所述分区内的多维度地质灾害影响参数，获得多个地质灾害影响参数集合；具体地，在进行地质灾害预测的过程中，需要根据影响地质灾害发生的参数进行非线性的分析预测。具体地，在针对各个分区进行地质灾害预测的过程中，采集多个分区内的多维度地质灾害影响参数，获得多个地质灾害影响参数集合，进行地质灾害预测。
31.示例性地，本技术实施例中的多维度地质灾害影响参数包括各分区内最为影响地质灾害发生的降雨、岩性特征、地形地势、外界施工振动等影响参数，均会影响地质灾害的
发生。
32.如图3所示，本技术实施例提供的方法中的步骤s400包括：s410：采集获取多个所述分区内所有区域的岩性特征信息，获得多个岩性特征信息集合；s420：采集获取多个所述分区内所有区域在最近所述预设时间周期内的降雨特征信息，获得多个降雨特征信息集合；s430：采集获取多个所述分区内所有区域的地形特征信息，获得多个地形特征信息集合；s440：采集获取多个所述分区内所有区域在最近预设时间周期内的施工特征信息，获得多个施工特征信息集合；s450：分别将多个所述岩性特征信息集合、多个所述降雨特征信息集合多个所述地形特征信息集合和多个所述施工特征信息集合作为多个所述地质灾害影响参数集合。
33.具体地，采集获取多个分区内所有区域的岩性特征信息，获得多个岩性特征信息集合，其中，可基于现有技术中的岩性特征采集方法进行采集，并对采集获得的数据进行数值化处理，获得多个岩性特征信息集合。
34.采集获取多个分区内所有区域在最近一个预设时间周期内的降雨特征信息，获得多个降雨特征信息集合，其中，可采集获得最近一个预设周期内的降雨次数、降雨量等信息，进行数据特征融合，获得多个降雨特征信息集合。
35.采集获取多个分区内所有区域的地形特征信息，获得多个地形特征信息集合，具体地，可采集多个分区内所有区域的地形地貌特征信息，对采集到的地形地貌特征信息进行数值化处理，获得多个地形特征信息集合。
36.采集获取多个分区内所有区域在最近一个预设时间周期内的施工特征信息，具体地，可采集多个分区内所有区域在最近一个预设时间周期内进行施工的次数、施工类型和施工强度等信息，进行数据融合，获得多个施工特征信息集合。
37.分别将多个岩性特征信息集合、多个降雨特征信息集合、多个地形特征信息集合和多个施工特征信息集合作为多个地质灾害影响参数集合。其中，可按照不同数据的类别进行归类，获得多个地质灾害影响参数集合。
38.本技术实施例采集获取了多个分区内最为影响地质灾害发生的多维度地质灾害影响参数，进而能够获得各分区内的地质灾害影响参数，进行准确的地质灾害预测分析。
39.s500：在当前进行地质灾害预测的待预测分区内，构建用于进行地质灾害预测的预测模型；本技术实施例提供的方法中的步骤s500包括：s510：将所述地质灾害影响参数集合作为所述预测模型的输入参数，将预测获得的地质灾害发生参数作为所述预测模型的输出参数；s520：基于bp前馈神经网络，构建所述预测模型；s530：根据所述输入参数和所述输出参数，确认所述预测模型的网络结构，获得所述预测模型。
40.本技术实施例中，在当前进行地质灾害预测的待预测分区内，基于机器学习中的bp前馈神经网络，构建上述的预测模型，该预测模型包括输入层和输出层，以及若干个隐含
层。其中，模型的输入参数为上述的各分区内的地质灾害影响参数集合，基于其进行地质灾害发生的预测，输出参数为预测获得的地质灾害发生参数，其中，该地质灾害发生参数包括发生概率以及发生的严重程度等，在预测获得地质灾害发生参数后，可基于该地质灾害发生参数进行相关的预防措施的制定和调整。
41.优选地，该预测模型的输入参数包括岩性特征信息、降雨特征信息、地形特征信息和施工特征信息，输出参数包括地质灾害发生概率和地质灾害发生严重程度，基于bp前馈神经网络，根据上述的输入参数和输出参数，确定预测模型的网络结构，完成预测模型的构建。
42.本技术实施例基于bp前馈神经网络，并设置进行地质灾害预测模型的输入参数和输出参数，设置网络结构构建预测模型，进而可进行后续的模型参数的优化，提升模型的收敛速度，进而提升地质灾害预测的效率。
43.s600：采用所述待预测分区内的分区地质灾害参数集合和分区地质灾害影响参数集合，对所述预测模型的参数进行寻优优化，获得优化完成的所述预测模型；如图4所示，本技术实施例提供的方法中的步骤s600包括：s610：根据所述网络结构，组合获得所述预测模型的多种不同的参数集合，其中，每种所述参数集合包括多个权值和阈值；s620：在多种所述参数集合中进行寻优优化，获得最优参数集合；s630：根据所述最优参数集合，对所述预测模型内的参数进行优化，获得所述预测模型。
44.具体地，根据上述的预测模型中的网络结构，对其中的多个简单单元之间连接的权值以及阈值等参数进行随机设置和组合，获得多种不同的参数集合。其中，该简单单元为预测模型中进行非线性分析预测的单元，类似于人体大脑的神经元，预测模型若进行监督训练，则训练的过程即为寻找最优参数集合的过程。本技术实施例取代有监督的训练，基于寻优方法进行参数组合的寻优，能够提升模型的收敛速度，并提升模型的性能。
45.本技术实施例提供的方法中的步骤s620包括：s621：从多种所述参数集合中，随机选择一参数集合，作为第一参数集合，并作为当前参数集合；s622：采用所述第一参数集合对所述预测模型内的参数进行更新，基于多个所述地质灾害参数集合和多个所述地质灾害影响参数集合，计算当前所述预测模型的准确率，获得第一准确率；s623：采用预设变更方式将所述第一参数集合内的参数进行调整，构建获得第一邻域，所述第一邻域内包括多种不同的参数集合；s624：分别采用所述第一邻域内多种所述参数集合对所述预测模型内的参数进行更新，基于多个所述地质灾害参数集合和多个所述地质灾害影响参数集合，计算不同所述参数集合下所述预测模型的准确率，获得多个准确率；s625：选择获得多个所述准确率中最大的准确率作为第二准确率，将对应的参数集合作为第二参数集合，判断所述第二准确率是否大于所述第一准确率，若大于，则将所述第二参数集合作为所述当前参数集合，并将变更获得所述第二参数集合的变更方式加入禁忌空间内，若小于，则仍以所述第一参数集合作为所述当前参数集合；
s626：继续构建所述第二参数集合的第二邻域，进行迭代寻优，并在迭代达到预设禁忌迭代次数后，将变更获得所述第二参数集合的变更方式从所述禁忌空间内删除；s627：当迭代寻优达到预设次数后，将所述当前参数集合输出，获得所述最优参数集合。
46.具体地，在多种参数集合中，随机选择一参数集合，作为第一参数集合，并作为当前参数集合，该当前参数集合即为目前优化进程中最优的参数集合。
47.采用该第一参数集合对预测模型内的参数进行更新，然后，基于当前待预测分区内的地质灾害参数和地质灾害影响参数，计算当前预测模型的准确率，获得第一准确率。具体地，以地质灾害参数集合内当前待预测分区中的岩性特征信息、降雨特征信息、地形特征信息和施工特征信息作为输入参数的训练数据，以地质灾害参数集合内当前待预测分区中的地质灾害发生次数计算获得地质灾害发生概率，合并地质灾害发生严重程度作为输出参数的训练数据，计算模型根据输入参数预测获得输出参数的准确率，获得第一准确率。其中，地质灾害发生概率也可基于地质灾害专家进行监督设置，作为输出参数。
48.然后，采用预设变更方式将第一参数集合内的参数进行调整，构建获得第一邻域，第一邻域内包括多种不同的参数集合。示例性地，预设变更方式可为调整第一参数集合中某几个简单单元连接的权值和/或阈值，进行模型参数的随机变更调整，获得多个调整后的参数集合，得到第一邻域。
49.分别采用第一邻域内多种参数集合对预测模型内的参数进行更新，基于多个地质灾害参数集合和多个地质灾害影响参数集合，计算不同参数集合下预测模型的准确率，获得多个准确率。计算准确率的过程与步骤s622中类似。
50.选择获得多个准确率中最大的准确率作为第二准确率，将对应的参数集合作为第二参数集合，判断第二准确率是否大于第一准确率，若大于，则将第二参数集合作为当前参数集合，并将变更获得第二参数集合的变更方式加入禁忌空间内，若小于，则仍以第一参数集合作为当前参数集合。该禁忌空间内包括一预设禁忌迭代次数，在禁忌空间中的变更方式在预设禁忌迭代次数中不可使用，避免迭代寻优陷入局部最优解。
51.继续构建第二参数集合的第二邻域，进行迭代寻优，并在迭代达到预设禁忌迭代次数后，将变更获得第二参数集合的变更方式从所述禁忌空间内删除，可采用该变更方式进行迭代寻优，提升寻优效率。当迭代寻优达到预设次数后，可认为当前历史最优的参数集合以为全局最优，将该参数集合对预测模型的参数进行更新，模型可收敛或准确率达到要求，将当前参数集合输出，获得最优参数集合。
52.该预设次数和预设禁忌迭代次数可根据参数集合的数量进行设置。
53.本技术实施例通过设置特定的寻优方法，降低预测模型进行监督训练的时间成本，提升模型的收敛速度，并避免模型在梯度下降训练过程中陷入局部最优，提升模型的效果，能够进行更为准确的地质灾害预测，且寻优过程可视化。
54.s700：采用所述预测模型进行所述待预测分区内的地质灾害预测。
55.基于该预测模型进行当前待预测分区内的地质灾害预测，具体地，可采集当前待预测分区一段时间内的岩性特征信息、降雨特征信息、地形特征信息和施工特征信息，然后输入该预测模型，模型即可输出对应的地质灾害参数，其中包括预测获得的地质灾害发生概率以及发生严重程度。其中，在一段时间后，当前待预测分区内的岩性特征和地形特征等
可能发生变化，需要对模型进行参数更新或重新构建模型，以适应场景的变化，更新模型的性能。
56.综上所述，本技术实施例至少具有如下技术效果：本技术实施例通过采集待预测区域内的地质灾害参数集合，对待预测区域进行可视化的划分，能够获得发生地质灾害可能性和程度不同的多个分区，然后在多个分区内分别进行地质灾害的预测，基于预测模型，结合地质灾害参数集合和地质灾害影响参数集合对模型的参数进行寻优优化，提升预测模型优化至收敛的效率，且优化过程可视化，基于不同的分区进行地质灾害预测，能够更为准确的进行预测，普适性更优，无需地质灾害领域的大量主观经验，即可进行多维度数据的非线性分析预测，且预测效果较好，达到了提升地质灾害预测普适性，实现可视化数据处理，提升地质灾害预测效果的技术效果。
57.实施例二基于与前述实施例中一种用于地质灾害的数据可视化处理方法相同的发明构思，如图5所示，本技术提供了一种用于地质灾害的数据可视化处理系统，其中，所述系统包括：预测区域确定模块11，用于获取需要进行地质灾害预测的待预测区域，其中，所述地质灾害包括滑坡和泥石流；灾害参数采集模块12，用于采集获取所述待预测区域内的多维度地质灾害参数，获得多个地质灾害参数集合；分区划分模块13，用于按照多个所述地质灾害参数集合，对所述待预测区域进行区域划分，获得多个分区；影响参数采集模块14，用于采集获取多个所述分区内的多维度地质灾害影响参数，获得多个地质灾害影响参数集合；模型构建模块15，用于在当前进行地质灾害预测的待预测分区内，构建用于进行地质灾害预测的预测模型；参数优化模块16，用于采用所述待预测分区内的分区地质灾害参数集合和分区地质灾害影响参数集合，对所述预测模型的参数进行寻优优化，获得优化完成的所述预测模型；灾害预测模块17，用于采用所述预测模型进行所述待预测分区内的地质灾害预测。
58.进一步地，所述灾害参数采集模块用于实现以下功能：设置获得预设时间周期；采集获取所述待预测区域内多个区域在最近所述预设时间周期内的地质灾害发生次数，获得多个地质灾害发生次数信息；采集获取所述待预测区域内多个所述区域在最近所述预设时间周期内发生地质灾害的严重程度信息，获得多个地质灾害严重程度信息；采集获取所述待预测区域内多个所述区域在最近所述预设时间周期内发生地质灾害的最大严重程度信息，获得多个最大严重程度信息；分别将多个所述地质灾害发生次数信息、多个所述地质灾害严重程度信息和多个所述最大严重程度信息作为多个所述地质灾害参数集合。
59.进一步地，所述分区划分模块用于实现如下功能：
根据所述地质灾害发生次数信息、所述地质灾害严重程度信息和所述最大严重程度信息，构建获得三维坐标空间；将多个所述地质灾害参数集合输入所述三维坐标空间内，获得多个区域坐标点；对多个区域坐标点按照所述区域坐标点之间的距离大小进行聚类，获得多个聚类结果；根据多个所述聚类结果，获得多个所述分区。
60.进一步地，所述影响参数采集模块用于实现如下功能：采集获取多个所述分区内所有区域的岩性特征信息，获得多个岩性特征信息集合；采集获取多个所述分区内所有区域在最近所述预设时间周期内的降雨特征信息，获得多个降雨特征信息集合；采集获取多个所述分区内所有区域的地形特征信息，获得多个地形特征信息集合；采集获取多个所述分区内所有区域在最近预设时间周期内的施工特征信息，获得多个施工特征信息集合；分别将多个所述岩性特征信息集合、多个所述降雨特征信息集合、多个所述地形特征信息集合和多个所述施工特征信息集合作为多个所述地质灾害影响参数集合。
61.进一步地，所述模型构建模块用于实现如下功能：将所述地质灾害影响参数集合作为所述预测模型的输入参数，将预测获得的地质灾害发生参数作为所述预测模型的输出参数；基于bp前馈神经网络，构建所述预测模型；根据所述输入参数和所述输出参数，确认所述预测模型的网络结构，获得所述预测模型。
62.进一步地，所述参数优化模块用于实现如下功能：根据所述网络结构，组合获得所述预测模型的多种不同的参数集合，其中，每种所述参数集合包括多个权值和阈值；在多种所述参数集合中进行寻优优化，获得最优参数集合；根据所述最优参数集合，对所述预测模型内的参数进行优化，获得所述预测模型。
63.其中，所述在多种所述参数集合中进行寻优优化，包括：从多种所述参数集合中，随机选择一参数集合，作为第一参数集合，并作为当前参数集合；采用所述第一参数集合对所述预测模型内的参数进行更新，基于多个所述地质灾害参数集合和多个所述地质灾害影响参数集合，计算当前所述预测模型的准确率，获得第一准确率；采用预设变更方式将所述第一参数集合内的参数进行调整，构建获得第一邻域，所述第一邻域内包括多种不同的参数集合；分别采用所述第一邻域内多种所述参数集合对所述预测模型内的参数进行更新，基于多个所述地质灾害参数集合和多个所述地质灾害影响参数集合，计算不同所述参数集合下所述预测模型的准确率，获得多个准确率；
选择获得多个所述准确率中最大的准确率作为第二准确率，将对应的参数集合作为第二参数集合，判断所述第二准确率是否大于所述第一准确率，若大于，则将所述第二参数集合作为所述当前参数集合，并将变更获得所述第二参数集合的变更方式加入禁忌空间内，若小于，则仍以所述第一参数集合作为所述当前参数集合；继续构建所述第二参数集合的第二邻域，进行迭代寻优，并在迭代达到预设禁忌迭代次数后，将变更获得所述第二参数集合的变更方式从所述禁忌空间内删除；当迭代寻优达到预设次数后，将所述当前参数集合输出，获得所述最优参数集合。
64.本说明书和附图仅仅是本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。