-
公开(公告)号:CN116992363A
公开(公告)日:2023-11-03
申请号:CN202310835083.5
申请日:2023-07-10
Applicant: 桂林理工大学
IPC: G06F18/243 , G06F18/24 , G06F18/214 , G06F18/20 , G06N20/20
Abstract: 本发明涉及预测技术领域,具体涉及一种季节性野火易发性评价方法,首先通过收集及筛选历史野火样本,再利用CF算法构建全季节的CF野火易发性模型,基于此划定负样本选取区域并整合正负样本;其次,对不同时期内的正负样本划分训练集和测试集,基于XGBoost模型构建年度和不同季度的野火易发性预测模型,利用多个评价指标比较分析其合理性和预测性能;最后,利用SHAP全局解释性方法分析不同季节的易发性模型中因子影响程度差异,了解不同季节野火发生的概率以及可能的原因,从而提前采取相应的预防措施,以降低野火的发生率和危害,克服现有的机器学习方法进行各季节野火易发性预测时模型可解释性差以及难以确定主导因素的问题。
-
公开(公告)号:CN116502748A
公开(公告)日:2023-07-28
申请号:CN202310338242.0
申请日:2023-03-31
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/0639 , G06F16/29 , G06F16/2458 , G06F17/18 , G06N20/00 , G06Q50/26
Abstract: 本发明涉及滑坡空间风险性预测技术领域,具体涉及一种融合多影响因素的滑坡空间风险性预警决策机制研究方法,通过获取区域历史滑坡数据,并与全面、丰富和准确的影响因子进行融合分析,构建滑坡空间风险性预测模型。在对滑坡高风险地区进行预警的同时,对不同的滑坡影响因素进行分析,综合考虑影响因子的贡献性、因子间的交互作用对滑坡的影响,了解不同滑坡的发生机理并总结滑坡的发生发育规律,为区域滑坡灾害的预警以及防灾减灾策略的制定提供理论和实际依据,通过利用机器学习模型或基于统计学和机器学习方法相耦合的模型,解决现有监测方法中工作量大、预警成本高以及无法实时监测的技术问题。
-
公开(公告)号:CN117216625A
公开(公告)日:2023-12-12
申请号:CN202311050417.4
申请日:2023-08-21
Applicant: 桂林理工大学
IPC: G06F18/24 , G06F18/2415 , G06F18/21 , G06F18/243 , G06Q50/26 , G06Q10/0635
Abstract: 本发明涉及野火灾害风险性评估技术领域,具体涉及一种考虑土地覆盖类型的野火灾害风险性评估方法,首先收集并筛选优化得到历史野火样本;并基于土地覆盖类型的可燃性为标准对野火样本进行分类;其次通过评价因子以及野火样本的分布情况,利用CF方法计算不同土地覆盖类型中的野火发生频次;此外利用LGBM算法构建各个土地覆盖类型的野火易发性模型并验证;再将野火易发性预测结果进行组合,形成完整的区域野火易发性模型;同时收集灾害易损性因子,并利用AHP‑EWM权重组合方法构建灾害易损性模型;最后基于联合国人道主义事务部的灾害风险性评价方法,将野火发生频次和易发性评估结果与灾害易损性模型相结合,提升野火危险性评估的准确性和完整性。
-
公开(公告)号:CN115014432A
公开(公告)日:2022-09-06
申请号:CN202210506435.8
申请日:2022-05-10
Applicant: 桂林理工大学
Abstract: 本发明涉及滑坡监测技术领域,具体涉及一种基于多发育因子获取与融合分析的滑坡早期预警监测方法,首先通过遥感的方式对滑坡体进行大范围普查,然后锁定可疑区域并且进行详查,核查可疑区域内的可疑或潜在滑坡体,监测所述可疑区域,采集监测区域的岩性、坡度、形变、降雨及土壤湿度作为滑坡发育因子数据,将滑坡发育因子数据融合处理与历史数据进行比较分析,最后根据分析结果确定滑坡危险等级并且发出预警信息,实现滑坡体的早期预警与防治,同时提高滑坡监测的精确度,降低监测成本。
-
公开(公告)号:CN117611990A
公开(公告)日:2024-02-27
申请号:CN202311379696.9
申请日:2023-10-23
Applicant: 桂林理工大学
Abstract: 本发明涉及桉树人工林技术领域,具体涉及基于ReliefF和ACO特征的桉树林面积提取方法,包括对林区进行普查,进行分类样本的选取,得到影像数据源;对影像数据源进行预处理,计算植被特征变量并堆栈,得到特征集;利用ReliefF算法对特征集选择特征子集,并利用ACO算法对特征子集进行搜索二次特征子集;将二次特征子集输入SNIC超像素分割算法分割,得到分割影像;基于堆栈集成学习模型对分割影像提取分类,得到分类结果;基于混淆矩阵对分类结果进行精度评定,并对精度进行验证,该方法结合ReliefF和ACO的特征优选方法搜索二次特征子集,减少信息冗余、提高分类精度,并通过SNIC超像素分割和堆栈集成学习进行桉树人工林提取,再次提高分类准确度。
-
公开(公告)号:CN116913046A
公开(公告)日:2023-10-20
申请号:CN202311026191.4
申请日:2023-08-15
Applicant: 桂林理工大学
IPC: G08B21/10
Abstract: 本发明涉及滑坡监测技术领域,具体涉及一种降雨型滑坡风险预警监测方法,先通过遥感的方式对滑坡体进行大范围普查,然后锁定可疑区域并且进行详查,核查可疑区域内的可疑或潜在滑坡体,监测所述可疑区域。采集监测区域的高程、岩性、坡度、坡向、形变、降雨及土壤湿度作为滑坡发育评价的指标,定义出滑坡体的耗散系统结构以及研究区域的滑坡“熵”,通过对各指标赋能,并计算各指标子系统的滑坡“熵”与系统的滑坡总“熵”。结合研究区域的历史滑坡数据,通过计算分析得到滑坡发生临界值的滑坡“熵”,最后根据分析结果获得研究区域发生滑坡的阈值,建立研究区域滑坡的风险性评价体系,并且发出预警信息,进而实现滑坡体的风险预警与防治。
-
-
-
-
-