-
公开(公告)号：CN115359630A
公开(公告)日：2022-11-18
申请号：CN202211016999.X
申请日：2022-08-22
Applicant: 重庆地质矿产研究院
Abstract: 本发明涉及一种基于XGB和CatBoost双重提升树算法的滑坡预警方法，包括：S1：获取待测地区的历史地质因素特征数据和历史降雨特征数据；S2：对数据进行预处理，构建数据样本集；S3：建立XGB模型和CatBoost模型；S4：对XGB模型和CatBoost模型进行训练，其中基于数据样本集和XGB模型的预测的孔隙水压力数据集对CatBoost模型进行训练；S5：获取待测地区的实时地质因素特征数据和实时降雨特征数据，并将数据输入到XGB模型和CatBoost模型中，获得滑坡失稳的临界FOS值。S6：根据将滑坡失稳的临界FOS值的预设阈值得到预警级别。本发明通过搭建XGB和CatBoost双重提升树算法预警框架，通过结合近实时预测坡体的孔隙水压力，在较低的输入条件下对降雨诱发滑坡演变过程保持准确、高效的滑坡灾害预警。
-
公开(公告)号：CN114880954A
公开(公告)日：2022-08-09
申请号：CN202210657465.9
申请日：2022-06-10
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及滑坡灾害预测领域，公开了一种基于机器学习的滑坡敏感性的评估方法。本发明是通过使用不同的机器学习方法来提升滑坡敏感性图的可靠性，其原理是两个或多个模型可能具有非常相似的预测性能，即使它们包含不同的环境预测因子和/或它们产生截然不同的空间预测，因此很难知道使用哪个等效的候选模型，几种模型的组合表明，它们产生的输出比单一模型更强大、更稳定的集合预测。
-
公开(公告)号：CN113987813A
公开(公告)日：2022-01-28
申请号：CN202111275926.8
申请日：2021-10-29
Applicant: 重庆地质矿产研究院 , 重庆大学 , 重庆华地资环科技有限公司
Abstract: 本发明公开了一种基于多参数决策和层次分析法的滑坡敏感性制图模型，涉及山体滑坡技术领域。本发明包括如下步骤：S1分析地形因素，地形参数最重要的地理因素，使用ArcGIS 10.8空间分析工具从数字高程模型(DEM)中导出坡度图、曲率图、坡度图、坡向图和高程图；S2分析水文参数，利用ArcGIS软件的空间分析工具，研究水文参数对滑坡发生的影响，水文参数可修正从DEM中导出的不良数据；S3分析与道路线的距离对边坡的影响，S4滑坡敏感性绘图，S5建立数值评分方案，S6生成滑坡敏感性指数。本发明应用多参数方法为LSM，生成开发一种结论性的、统计累积的方法。
-
公开(公告)号：CN113988643B
公开(公告)日：2024-06-25
申请号：CN202111273531.4
申请日：2021-10-29
Applicant: 重庆地质矿产研究院 , 重庆大学 , 重庆华地资环科技有限公司
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/40 , G06F16/29 , G06F17/18
Abstract: 本发明公开了一种交通线沿线区域的滑坡风险定量评估方法，涉及滑坡风险评估技术领域。本发明步骤如下：S1在ArcGIS中绘制滑坡清查图并赋存各类滑坡信息；S2获取滑坡规模概率PM；S3收集降雨量数据，获取滑坡发生的时间概率PT；S4获取交通线区域的滑坡空间概率PS。本发明利用目标区域历史上发生的滑坡数据，通过滑坡清查图得到历史各个滑坡发生的时间、形态特征、滑坡规模等信息；在评估滑坡风险时引入了时间尺度，通过降雨引发滑坡的概率将滑坡风险的评估扩展到未来一段时间内，能提供更好的灾害防治指导作用；而利用Logistic回归分析并结合GIS得到滑坡空间概率，明确了滑坡风险在目标区域的空间分布，具有良好的全局把控性。
-
公开(公告)号：CN114963961A
公开(公告)日：2022-08-30
申请号：CN202210442607.X
申请日：2022-04-25
Abstract: 本发明涉及一种基于InSAR的潜在滑坡识别方法，步骤如下：S1：通过资料收集和区域调查查明目标区域地质情况；S2：完成对目标区域现有滑坡的滑坡调查图绘制；S3：建立该区域内滑坡体积与滑坡面积之间的经验关系；S4：利用InSAR图像数据确定区域内潜在滑坡的地表位移速率阈值；S5：建立潜在滑坡的识别标准；S6：确定区域内潜在滑坡的滑坡规模。潜在滑坡的提前识别和规模判断对于滑坡灾害的灾害评价、风险管理和监测防治具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN114022781A
公开(公告)日：2022-02-08
申请号：CN202111273761.0
申请日：2021-10-29
Applicant: 重庆地质矿产研究院 , 重庆华地资环科技有限公司 , 重庆大学
Abstract: 本发明涉及一种基于遥感数据的滑坡清查图生成方法，步骤如下：S1获得已发生滑坡的遥感数据并为深度学习模型进行输入数据集的处理和准备；S2构建LanDCNN模型，该模型由编码器和解码器组成，编码器为50个卷积层组成的ResNet‑50架构，解码器为U‑net架构；S3输入训练数据集，对LanDCNN模型进行监督训练；S4输入验证数据集和测试数据集，对LanDCNN模型进行验证与测试并生成滑坡清查图。基于本申请方法结合遥感数据，即可以快速和智能化的生成滑坡清查图，降低了滑坡清查图对于高素质人员的要求，对滑坡发生后的评估分析和滑坡灾害防止具有重要价值。
-
公开(公告)号：CN119832324A
公开(公告)日：2025-04-15
申请号：CN202411918314.X
申请日：2024-12-24
Applicant: 重庆地质矿产研究院
Abstract: 本发明提供基于高光谱‑数字耦合钻孔成像技术的地质强度评价方法，包括：获取待测碳酸岩岩心的高光谱照片和钻孔图像，对所述高光谱照片预处理，得到预处理高光谱图像；获取矿物光谱库，将所述预处理高光谱图像和所述矿物光谱库匹配，得到矿物类别信息；根据所述钻孔图像得到岩体完整性指数；根据所述预处理高光谱图像得到碳酸盐矿物含量，根据所述碳酸盐矿物含量和所述矿物类别信息计算强度折减系数；根据所述强度折减系数和所述岩体完整性指数计算地质强度指标；根据所述地质强度指标对河岸边坡碳酸盐岩地质强度进行评价。本发明能够规避传统GSI评价方法的不足，降低了边坡岩体失稳的风险，评估精度高，为地质灾害的预防和治理提供数据支撑。
-
公开(公告)号：CN118212450A
公开(公告)日：2024-06-18
申请号：CN202410315353.4
申请日：2024-03-19
IPC: G06V10/764 , G06V10/774 , G06V10/147 , G06V10/58 , G06T5/70
Abstract: 本发明涉及地基监测领域，公开了一种基于高光谱的岩石矿物识别和分类方法，包括：设置监测站点和设备；采集高光谱图像信息和获取电磁波谱；获取处理像素图像；对高光谱数据进行样本识别和样本选择，分析光谱特征并存储入库；使用光谱分拣和空间分拣分别控制光谱波段和像素数；图像反射率校准和对监测传感器校准；对高光谱图像数据校正，将光谱图像转换为反射率图像，并进行平滑处理；反射率图像叠加和可视化处理；使用非线性支持向量机，建立地基分析模型，并训练和优化；验证分类训练样品的有效性，并进行岩石分类识别。本方法在库岸测绘过程中高效、有效，能突出潜在的重要位置，有助于预测库岸上可能的地貌变化和安全威胁。
-
公开(公告)号：CN115359629A
公开(公告)日：2022-11-18
申请号：CN202211008519.5
申请日：2022-08-22
Applicant: 重庆地质矿产研究院
Abstract: 本发明实施例涉及滑坡灾害预警领域，公开了一种基于序贯评估法的区域滑坡灾害预警方法，该方法包括：S1：设置滑坡预警级别；S2：统计预测区域内降雨数据和滑坡灾害数据；S3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；S4：若该预测区域的第一预警级别阈值满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；S5：将第一预警级别与第二级预警级别预取进行耦合，获取预测区域的滑坡预警等级图。本发明基于统计和物理危害性评估方法的顺序应用，结合了两种互补方法的优点，增强了预警结果的空间识别能力和时间适用性，提高了滑坡灾害预警的可靠性和简便性。
-
公开(公告)号：CN114861285A
公开(公告)日：2022-08-05
申请号：CN202210658243.9
申请日：2022-06-10
IPC: G06F30/13 , G06F30/20 , G06F119/14
Abstract: 本发明涉及滑坡防治技术领域，具体涉及一种基于GIS的大面积三维边坡稳定性建模方法，包括如下步骤：S1数据输入；S2：建立r.slope.stability模型；S3:椭球体数量测试；S4：解决计算机内存与运算时间问题；S5:模型参数化；S6：结果验证以及模型可视化；采用上述方法的技术方案通过对基于GIS的三维边坡稳定性模型r.slope.stability在计算时间和模型结果上进行优化，计算安全系数和斜坡失稳概率，极大地缩短了在对大面积边坡稳定性建模所需时间。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.144 seconds)
