本發(fā)明涉及數據融合，尤其涉及一種滑坡監(jiān)測數據特征級融合方法、裝置、電子設備及存儲介質。

背景技術：

1、滑坡預測是地質災害預防的關鍵技術之一。它基于地質學、統(tǒng)計學和信息技術等多學科理論，通過對滑坡體及其周邊環(huán)境的持續(xù)監(jiān)測，收集位移、降雨量、土壤濕度等關鍵數據。這些數據經過處理和分析，可以揭示滑坡變形的規(guī)律和趨勢?；骂A測技術利用數學模型和算法，對這些數據進行挖掘和解讀，預測滑坡可能發(fā)生的時間、地點和規(guī)模。這為電力部門提供了寶貴的預警信息，使他們能夠及時有效地為設置在山體上的電力設備采取減災措施。

2、在地質災害監(jiān)測及其分析中，滑坡預測分析是非常重要的一部分?；麦w上的不同種類監(jiān)測設備，同時觀測著滑坡變形情況及周圍情況，如何有效的利用這些監(jiān)測數據是非常重要的。在滑坡監(jiān)測中通常將多組監(jiān)測設備采集到的位移-時間序列進行融合，其仍然未能挖掘滑坡監(jiān)測數據與滑坡預測結果的相關性。

技術實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種滑坡監(jiān)測數據特征級融合方法、裝置、電子設備及存儲介質，可分析滑坡影響因子的相關性，為滑坡變形監(jiān)測分析提供有效的數學基礎，進一步提高滑坡預測預報的準確性。

2、為實現(xiàn)上述目的，本申請第一方面提供一種滑坡監(jiān)測數據特征級融合方法，所述方法包括：

3、獲取滑坡體變形參數；

4、獲取與滑坡相關的多個影響因子；

5、通過聚類分析確定所述多個影響因子中的關鍵影響因子；

6、通過逐步回歸分析，將所述關鍵影響因子作為自變量，所述滑坡體變形參數作為因變量，實現(xiàn)特征級融合，獲得滑坡體表面位移逐步回歸模型。

7、可選的，所述獲取滑坡體變形參數，包括：

8、針對設置有戶外電網設備的滑坡體，按照預設時間間隔監(jiān)測所述滑坡體的位移大小和移動速度，作為所述滑坡體變形參數。

9、可選的，所述獲取與滑坡相關的多個影響因子，包括：

10、獲取多個與滑坡相關的候選影響因子，對每個所述候選影響因子與所述滑坡體變形參數進行相關性分析，獲得所述每個候選影響因子與所述滑坡體的相關性系數；

11、根據所述相關性系數，從所述候選影響因子中初步篩選出所述多個影響因子。

12、可選的，所述根據所述相關性系數，從所述候選影響因子中初步篩選出所述多個影響因子之后，所述方法還包括：

13、獲取所述影響因子對應的具體數據；

14、所述通過聚類分析確定所述多個影響因子中的關鍵影響因子，包括：

15、對所述具體數據進行標準化處理后，根據各個影響因子對應的具體數據，對所述多個影響因子進行聚類，獲得聚類結果；

16、根據所述聚類結果確定影響因子集合，每個影響因子集合對應多個影響因子，不同影響因子集合中的影響因子不同；

17、根據所述影響因子集合，使用訓練好的滑坡預測模型獲得滑坡預測結果；

18、將實際滑坡預測結果與所述滑坡預測模型輸出的滑坡預測結果進行比較，得到所述影響因子集合對應的預測準確率；

19、通過比較所述影響因子集合對應的預測準確率，將準確率最高的影響因子集合所包含的影響因子確定為所述關鍵影響因子。

20、可選的，所述根據所述影響因子集合，使用訓練好的滑坡預測模型獲得滑坡預測結果，包括：

21、在存在多個影響因子集合的情況下，將每個影響因子集合中各個影響因子的具體數據，輸入到訓練好的滑坡預測模型，以獲得滑坡預測結果；

22、通過獲取多個時間點同一個影響因子集合中各影響因子的具體數據，進行多次預測，得到多個滑坡預測結果。

23、可選的，所述影響因子包括但不限于以下一種或幾種：

24、地質條件、地形地貌、氣象條件、水文條件、人類活動。

25、可選的，所述滑坡體表面位移逐步回歸模型包括滑坡各種監(jiān)測數據之間的隱藏關系，所述滑坡各種監(jiān)測數據之間的隱藏關系表示為滑坡體表面位移與所述各種監(jiān)測數據與其對應權重的乘積之和。

26、本申請第二方面提供一種滑坡監(jiān)測數據特征級融合裝置，包括：

27、數據獲取模塊，用于獲取滑坡體變形參數；

28、相關性分析模塊，用于獲取與滑坡相關的多個影響因子；

29、聚類分析模塊，用于通過聚類分析確定所述多個影響因子中的關鍵影響因子；

30、逐步回歸分析模塊，用于通過逐步回歸分析，將所述關鍵影響因子作為自變量，所述滑坡體變形參數作為因變量，實現(xiàn)特征級融合，獲得滑坡體表面位移逐步回歸模型。

31、本申請第三方面提供一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行如第一方面及其任一種可能的實現(xiàn)方式的步驟。

32、本申請第四方面提供一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，使得所述處理器執(zhí)行如第一方面所述的方法中的各個步驟。

33、本申請?zhí)峁┮环N滑坡監(jiān)測數據特征級融合方法、裝置、電子設備及存儲介質，通過獲取滑坡體變形參數；獲取與滑坡相關的多個影響因子；通過聚類分析確定所述多個影響因子中的關鍵影響因子；通過逐步回歸分析，將所述關鍵影響因子作為自變量，所述滑坡體變形參數作為因變量，實現(xiàn)特征級融合，獲得滑坡體表面位移逐步回歸模型；可以有效利用監(jiān)測數據，將監(jiān)測得到的滑坡變形情況和影響因子綜合分析，找出影響因子的相關性，為滑坡變形監(jiān)測分析提供有效的數學基礎，進一步提高滑坡預測預報的準確性。

技術特征：

1.一種滑坡監(jiān)測數據特征級融合方法，其特征在于，所述方法包括：

2.根據權利要求1所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述獲取滑坡體變形參數，包括：

3.根據權利要求2所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述獲取與滑坡相關的多個影響因子，包括：

4.根據權利要求3所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述根據所述相關性系數，從所述候選影響因子中初步篩選出所述多個影響因子之后，所述方法還包括：

5.根據權利要求4所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述根據所述影響因子集合，使用訓練好的滑坡預測模型獲得滑坡預測結果，包括：

6.根據權利要求5所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述影響因子包括但不限于以下一種或幾種：

7.根據權利要求1所述滑坡監(jiān)測數據特征級融合方法，其特征在于，所述滑坡體表面位移逐步回歸模型包括滑坡各種監(jiān)測數據之間的隱藏關系，所述滑坡各種監(jiān)測數據之間的隱藏關系表示為滑坡體表面位移與所述各種監(jiān)測數據與其對應權重的乘積之和。

8.一種滑坡監(jiān)測數據特征級融合裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行如權利要求1-7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，使得所述處理器執(zhí)行如權利要求1-7中任一項所述方法的步驟。

技術總結
本發(fā)明實施例公開了一種滑坡監(jiān)測數據特征級融合方法、裝置、電子設備及存儲介質，該方法包括：獲取滑坡體變形參數；獲取與滑坡相關的多個影響因子；通過聚類分析確定所述多個影響因子中的關鍵影響因子；通過逐步回歸分析，將所述關鍵影響因子作為自變量，所述滑坡體變形參數作為因變量，實現(xiàn)特征級融合，獲得滑坡體表面位移逐步回歸模型；可以有效利用監(jiān)測數據，將監(jiān)測得到的滑坡變形情況和影響因子綜合分析，找出影響因子的相關性，為滑坡變形監(jiān)測分析提供有效的數學基礎，進一步提高滑坡預測預報的準確性。

技術研發(fā)人員：李昊,楊楠,于虹,馬御棠,彭晶,罕天璽,楊迎春,馮建輝
受保護的技術使用者：云南電網有限責任公司電力科學研究院
技術研發(fā)日：
技術公布日：2025/5/15