买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆交通大学;重庆建筑工程职业学院;重庆市地质矿产勘查开发局208水文地质工程地质队(重庆市地质灾害防治工程勘查设计院)

摘要：本发明涉及预警系统技术领域，尤其涉及基于深度学习模型的降雨型滑坡预警系统，该系统包括数据收集处理模块、模型构建模块、滑坡危险性评估模块和实时监测模块；其中，数据收集处理模块包括用于收集历史及实时的降雨数据的降雨数据收集单元、地质环境数据收集单元、监测数据收集单元和数据预处理单元，模型构建模块包括选择深度学习模型单元和训练模型单元，滑坡危险性评估模块包括滑坡易发程度预估单元以及降雨预测单元，实时监测模块包括模型监测更新单元以及预警单元；本发明的系统能够提高模型训练效率和预测准确性，同时也能够根据实时监测数据对预警系统进行反馈调整，不断优化模型参数和预警策略，提高了系统的自适应性。

主权项：1.基于深度学习模型的降雨型滑坡预警系统，该系统包括数据收集处理模块、模型构建模块、滑坡危险性评估模块和实时监测模块；其特征在于，数据收集处理模块包括用于收集历史及实时的降雨数据的降雨数据收集单元、地质环境数据收集单元、监测数据收集单元和数据预处理单元，降雨数据收集单元可采用雷达测雨仪和气象站实时监测降雨数据，地质环境数据收集单元可采用地质雷达和无人机航拍获取滑坡区域的地质环境数据，监测数据收集单元可采用位移传感器和应力计实时监测滑坡区域的位移和应力变化，上述设备收集到的数据可通过有线或无线方式传输到数据预处理单元，进行预处理和特征提取，数据收集处理模块利用Python、R编程语言和pandas或numpy相关库进行数据处理和特征工程，通过数据清洗、标准化、归一化操作提高数据质量，然后通过特征选择、特征提取的方法挖掘数据中的有用信息；模型构建模块包括选择深度学习模型单元和训练模型单元，深度学习模型单元可根据数据特性和预警需求选择合适的深度学习模型，使用TensorFlow或PyTorch深度学习框架构建模型，对于时间序列数据可以使用LSTM或GRU网络，对于图像数据可以使用CNN网络，预处理后的数据被输入到深度学习模型中进行训练，数据可划分为训练集、验证集和测试集，训练集用于模型训练，验证集用于调整模型参数，测试集用于评估模型性能，使用训练集对深度学习模型进行训练，通过反向传播算法优化模型参数，减少预测误差，训练过程可以在本地服务器或云端计算平台上进行，在训练过程中，可以使用交叉验证、早停的策略防止过拟合，可利用GPU加速计算过程，提高模型训练效率，将训练好的模型部署到服务器上，通过API接口对外提供服务，用户可以通过发送请求获取滑坡危险性预测结果；滑坡危险性评估模块包括用于基于地质环境数据和历史滑坡数据，评估滑坡区域的易发性，并绘制易发性区划图的滑坡易发程度预估单元以及将降雨预测结果与滑坡易发性区划图结合，评估滑坡发生危险性的降雨预测单元：实时监测模块包括用于持续监测滑坡区域的实时数据，对预警系统进行反馈调整的模型监测更新单元以及预警单元，模型监测更新单元可持续监测滑坡区域的实时数据，对预警系统进行反馈调整，可根据新的数据和环境变化，更新模型参数或重新训练模型，同时定期对预警系统的性能进行评估，包括准确性、时效性和稳定性方面，能够根据评估结果对系统进行优化和改进，预警单元可以采用预警发布设备将预警信息发出。

全文数据：

权利要求：

百度查询： 重庆交通大学 重庆建筑工程职业学院 重庆市地质矿产勘查开发局208水文地质工程地质队(重庆市地质灾害防治工程勘查设计院) 基于深度学习模型的降雨型滑坡预警系统