公开(公告)号：CN119066498B

公开(公告)日：2025-01-24

申请号：CN202411527124.5

申请日：2024-10-30

Applicant: 江苏南京地质工程勘察院 ,  南京信息工程大学

Inventor： 柯福阳 ,  徐成华 ,  王明明 ,  关昕 ,  明璐璐 ,  王振祥 ,  高申 ,  金文波

IPC: G06F18/241 ,  G06F18/27 ,  G06N3/0895 ,  G06F18/214

Abstract: 本发明涉及滑坡监测预警技术领域，具体涉及由梯度提升回归优化模型预测多因子滑坡沉降量的方法。包括：根据多因子样本数据训练出一种梯度提升回归优化模型对滑坡沉降量进行预测；其中，梯度提升回归优化模型由多个梯度提升回归树并行组成，该模型通过训练多个弱分类器以提升模型分类强度，提升了模型的预测能力；为了使每个弱学习器的参数不同，在模型的训练过程中对训练集进行更新，对多个弱学习器进行学习，提升模型的预测能力；根据当前多因子样本数据进行滑坡沉降量预测，获得当前滑坡沉降量预测值；并基于滑坡历史数据、地质条件和土壤类型等数据确定滑坡危险等级的阈值，对比阈值和预测值准确评估滑坡危险等级。

公开(公告)号：CN119066498A

公开(公告)日：2024-12-03

申请号：CN202411527124.5

申请日：2024-10-30

Applicant: 江苏南京地质工程勘察院 ,  南京信息工程大学

Inventor： 柯福阳 ,  徐成华 ,  王明明 ,  关昕 ,  明璐璐 ,  王振祥 ,  高申 ,  金文波

IPC: G06F18/241 ,  G06F18/27 ,  G06N3/0895 ,  G06F18/214

Abstract: 本发明涉及滑坡监测预警技术领域，具体涉及由梯度提升回归优化模型预测多因子滑坡沉降量的方法。包括：根据多因子样本数据训练出一种梯度提升回归优化模型对滑坡沉降量进行预测；其中，梯度提升回归优化模型由多个梯度提升回归树并行组成，该模型通过训练多个弱分类器以提升模型分类强度，提升了模型的预测能力；为了使每个弱学习器的参数不同，在模型的训练过程中对训练集进行更新，对多个弱学习器进行学习，提升模型的预测能力；根据当前多因子样本数据进行滑坡沉降量预测，获得当前滑坡沉降量预测值；并基于滑坡历史数据、地质条件和土壤类型等数据确定滑坡危险等级的阈值，对比阈值和预测值准确评估滑坡危险等级。