Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于群体智能优化算法的地面沉降预测方法及系统 

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:国网宁夏电力有限公司;国网宁夏电力有限公司超高压公司;中国电力科学研究院有限公司

摘要:本发明提供一种基于群体智能优化算法的地面沉降预测方法,属于地质灾害监测预测领域。包括:利用静力水准仪采集地面沉降数据,采集所述静力水准仪所在位置的环境特征数据,基于所述地面沉降数据和所述环境特征数据建立数据集;建立深度森林模型并初始化模型超参数,利用WPA‑SA优化所述深度森林模型的超参数;初始化所述深度森林模型,利用所述数据集优化所述深度森林模型并存储;将所述深度森林模型部署至云端并利用容器技术封装模型;在沉降区建立监测与传感系统,定期监测地面沉降各项指标并进行数据传输,搭建端边云协同架构;基于云端设置的自动化流程,实时对各个监测点的数据进行预处理后输入所述深度森林模型进行批量预测。

主权项:1.一种基于群体智能优化算法的地面沉降预测方法,其特征在于,包括:步骤S1,利用静力水准仪采集地面沉降数据,采集所述静力水准仪所在位置的环境特征数据,基于所述地面沉降数据和所述环境特征数据建立数据集;所述地面沉降数据包括经纬度、时间戳及沉降读数,所述环境特征数据包括日降雨量、地下水位、土壤类型;所述数据集中单个时间序列样本由经度、纬度、当前沉降值、时间特征、统计特征、滞后特征、环境特征数据构成,所述时间特征包括采集时刻所在的年、月、日,所述统计特征包括沉降平均值、沉降最大值和沉降最小值,所述滞后特征为前一天沉降值;步骤S2,建立深度森林模型并初始化模型超参数,利用WPA-SA优化所述深度森林模型的超参数;所述深度森林模型采用均方误差MSE作为损失函数;所述超参数包括每个级联层中的森林数量、每个森林中的树木数量、每棵树的最大深度、树的基尼系数、每个级联层的最大层数、子采样比例、树的最小样本分割数、树的最小样本叶子数、树的最大特征数、完全随机森林的树木数量、完全随机森林的树的最大深度;步骤S3,使用WPA-SA算法优化的超参数初始化所述深度森林模型,利用所述数据集优化所述深度森林模型并存储,其中,应用相关系数COR、均方根误差RMSE和平均绝对误差MAE指标进行模型评估;步骤S4,将所述深度森林模型部署至云端并利用容器技术封装模型;步骤S5,在沉降区建立监测与传感系统,所述监测与传感系统包括静力水准仪、GPS接收器、雨量计、地下水位计、数据采集器、数据传输设备、边缘计算设备、云端监控平台,定期监测地面沉降各项指标并进行数据传输,搭建端边云协同架构;基于云端设置的自动化流程,实时对各个监测点的数据进行预处理后输入所述深度森林模型进行批量预测;步骤S6,对所述预测数据进行后处理,根据沉降量阈值设置预警等级对应的数据区间,整合预测数据、预警等级和地图,创建动态的监测仪表板,实现实时监控与预警;步骤S7,定期基于历史A日内地面沉降数据与环境特征数据建立更新数据集,并且利用所述更新数据集重新训练所述深度森林模型,并且在所述云端监控平台进行模型更新。

全文数据:

权利要求:

百度查询: 国网宁夏电力有限公司 国网宁夏电力有限公司超高压公司 中国电力科学研究院有限公司 一种基于群体智能优化算法的地面沉降预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。