CN116756344B - 一种面向全过程的滑坡场景本体构建方法及相关设备 - Google Patents
一种面向全过程的滑坡场景本体构建方法及相关设备 Download PDFInfo
- Publication number
- CN116756344B CN116756344B CN202311031285.0A CN202311031285A CN116756344B CN 116756344 B CN116756344 B CN 116756344B CN 202311031285 A CN202311031285 A CN 202311031285A CN 116756344 B CN116756344 B CN 116756344B
- Authority
- CN
- China
- Prior art keywords
- landslide
- scene
- relationship
- layer
- entities
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000010276 construction Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims description 52
- 238000011835 investigation Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 230000003993 interaction Effects 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 230000000692 anti-sense effect Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 231100001267 hazard identification Toxicity 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009141 biological interaction Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Emergency Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Animal Behavior & Ethology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请适用于地质灾害辅助决策技术领域，提供了一种面向全过程的滑坡场景本体构建方法及相关设备，该方法通过确定构建滑坡场景本体的领域范围；根据领域范围，对滑坡场景本体进行分类；分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。本申请能够提高滑坡场景本体构建的准确性和全面性。
Description
技术领域
本申请属于地质灾害辅助决策技术领域，尤其涉及一种面向全过程的滑坡场景本体构建方法及相关设备。
背景技术
滑坡灾害是复杂地质体在多种动力过程作用下，沿某一面以水平运动为主的变形破坏现象，主要包含变形和破坏两个过程。采取及时有效的手段进行滑坡识别、预警是当前地质灾害防治工作的重要突破口。在“天-空-地-内”协同监测体系支持下，当前已形成“监测→识别→预警→应急”的全链条研究范式，实现滑坡灾害精准预测，回答好“何时、何地、如何发生”的关键难题，具有重要的科学研究与工程实践意义。
随着大数据及人工智能技术的快速发展，知识图谱作为感知智能跨向认知智能的重要技术支撑，引起了学术界与产业界的广泛关注。尤其是在地质灾害领域，近年来，“如何利用先进技术有效识别、预警地质灾害”已成为自然资源部门的工作要点。知识图谱以结构化的形式描述客观世界中概念、实体及其关系，可以将不同来源的信息表达成更接近人类认知世界的知识形式，具备更好地组织、管理和理解海量信息的能力。作为知识图谱的概念模型，本体是对共享概念模型明确的形式化规范说明，其目标就是获取领域知识并提供对该领域内知识的共同理解。通过对科技文献、部门业务数据中的滑坡灾害场景相关信息进行抽取和整理，建立本体知识库，可以解决语义异构问题，引导滑坡灾害场景知识图谱实例层的构建，真正实现滑坡场景知识的推理和计算，对实现高效的滑坡灾害应急响应具有重要的意义。
目前，本体构建通常以领域专家的自上向下手工构建为主，计算机自动构建或复用已有本体为辅，包括知识体系梳理、本体构建和形式化表达三大步骤。其中，知识体系梳理包括建立概念体系、定义概念属性和关系等；本体构建指利用本体构建工具录入知识体系；形式化表达则是将知识体系用形式化语言进行表示。本体构建通常需要遵循一定的准则：①明确性和客观性；②一致性；③最大单调可扩展性；④最小编码偏差；⑤最小本体承诺。本体构建方法通常有七步法、骨架法、评价法（TOVE）、Methontology法（由西班牙马德里理工大学开发一款方法软件）、IDEF5法（一种本体论方法）等。代表性的本体构建工具有WebODE（一种基于应用服务器的可扩展本体工程套件）、Protégé（一种本体开发工具）等。
在地质灾害辅助决策领域，本体知识多用于灾害链的构建与推理，例如对灾害领域的概念进行分类描述，定义领域内要素的时空、语义关联，使得灾害知识向标准化方向转变，从而实现灾害知识的广泛应用。代表性的地质灾害本体构建工作如：马雷雷等人从领域概念、概念属性以及概念之间的相互关系，3个方面详细分析了自然灾害事件领域知识，设计了自然灾害事件领域本体模型；王艳妮等人设计了基于顶级、领域、任务和应用多层结构的地质灾害空间数据本体，实现了单体灾害和群体灾害发生时的应急指挥和决策支持；杜志强等人提出了一种灾害链领域本体的构建方法，并以暴雨洪涝灾害链为例，实现了灾害知识的统一描述与表达；魏家旺从地理本体角度出发，提出了一个滑坡遥感识别知识表示的参考框架，并实现了滑坡地理本体建模；仇林遥提出了应急任务和灾害数据的统一描述方法，利用本体理论对任务本体和数据本体进行描述，突出二者在灾害管理领域所包含的属性和关系；朱国琴等人以海洋灾害为研究对象，刻画了海洋灾害成因、灾害类型、造成损失等方面信息；谢炎宏等人围绕地震领域理论知识、防震减灾策略、地区基础信息和地震防治功能服务４种实体类型，设计了地震灾害防治知识本体；王益鹏等人以台风灾害为研究对象，梳理了台风灾害事件的组成对象，分析了事件发展的时空过程，提出了顾及时空过程的台风灾害事件的知识表达模型；田董炜等人以地震灾害为例，通过对概念、语义和时空定义地质灾害本体的层次结构和层次表达，提出一种多层次地质灾害领域本体构建方法；贾梦姝等人采用五元组（概念、关系、属性、规则和实例）进行本体的逻辑结构表达，构建了用于信息抽取的海洋环境灾害链本体。
整体上看，已有研究几乎是从灾害事件、灾害链、灾害领域等视角构建本体，这些本体中部分概念存在重叠与相交，且大多是仅针对某种灾害领域，具有一定的场景局限性。已有研究在灾害本体概念的层次、种类、关系的定义上都不是很完备，对概念之间涉及的时间、空间关系等缺乏充分的描述，对于诸多隐含的不确定性关系难以实现有效推理预测，无法有效的预测和评估灾害风险。
发明内容
本申请提供了一种面向全过程的滑坡场景本体构建方法及相关设备，可以解决传统的滑坡场景本体构建方法场景描述不充分，时空关系考虑不足的问题。
第一方面，本申请提供了一种面向全过程的滑坡场景本体构建方法，包括：
步骤1，确定构建滑坡场景本体的领域范围；领域范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策；
步骤2，根据领域范围，对滑坡场景本体进行分类；其中，滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体；
步骤3，分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；其中，概念层包括各滑坡场景本体类对应的多个实体，多个实体包括任务实体、模型实体、数据实体以及目标实体，对象层包括多个实体中每个实体对应的多个实例，状态层包括多个实例中每个实例对应的多个时空状态，特征层包括每个实例在一时空状态下的多个状态特征，同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同；
步骤4，定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；关联关系包括业务关系、空间关系以及语义关系；
步骤5，根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。
可选的，步骤1中的滑坡场景本体，表示滑坡灾害防护人员在滑坡灾害动态演化全过程中所做决策对应的实体与实例的信息。
可选的，概念层的表达式如下
其中，表示概念层中所有实体的集合，/>表示滑坡场景本体类/>对应的任务实体，/>，当/>时表示滑坡调查监测本体，当/>时表示滑坡隐患识别本体，当/>时表示滑坡灾害预警本体，当/>时表示滑坡应急决策本体，/>表示滑坡场景本体类/>对应的模型实体，/>表示滑坡场景本体类/>对应的数据实体，/>表示滑坡场景本体类/>对应的目标实体。
可选的，对象层的表达式如下：
其中，表示所有实例的集合，/>表示实例的深度，/>表示滑坡场景本体类/>对应的任务实体下第/>个实例，/>，/>表示对应实体下实例的总数量，/>表示滑坡场景本体类/>对应的模型实体下第/>个实例，/>表示滑坡场景本体类/>对应的数据实体下第/>个实例，/>表示滑坡场景本体类/>对应的目标实体下第/>个实例。
可选的，状态层的表达式如下：
其中，表示实例/>对应的所有时空状态，/>表示实例/>对应的一时空状态。
可选的，状态特征包括数据属性和语义属性；数据属性表示实体的数值特征，语义属性表示实体的语义特征；
特征层的表达式如下：
其中，表示实例/>在时空状态/>下的所有状态特征，/>表示第/>个状态特征，/>，/>表示在状态特征时空状态/>下状态特征的总数量。
可选的，步骤5中的业务关系包括时间关系、状态关系以及流程关系；时间关系包括时间拓扑和时间顺序，状态关系包括并发、群发以及引发，流程关系关系包括输入和输出。
可选的，空间关系包括拓扑关系、距离关系以及方向关系；拓扑关系包括线与线之间的关系、点与线之间的关系、面与面之间的关系、点与点之间的关系、点与面之间的关系以及线与面之间的关系，距离关系包括欧氏距离、棋盘距离、八边形距离、曼哈顿距离以及六边形距离，方向关系包括定性、定量以及半定量；
语义关系包括分类关系、相互作用以及非分类关系，分类关系包括上下位关系，相互作用包括生物作用、化学作用、物理作用以及人类作用，非分类关系包括相关关系、属性关系、同义关系、反义关系、因果关系、成员关系以及其他关系。
第二方面，本申请提供了一种面向全过程的滑坡场景本体构建装置，包括：
领域范围确定模块，用于确定构建滑坡场景本体的领域范围；领域范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策；
滑坡场景本体分类模块，用于根据领域范围，对滑坡场景本体进行分类；其中，滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体；
结构层次构建模块，用于分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；其中，概念层包括各滑坡场景本体类对应的多个实体，多个实体包括任务实体、模型实体、数据实体以及目标实体，对象层包括多个实体中每个实体对应的多个实例，状态层包括多个实例中每个实例对应的多个时空状态，特征层包括每个实例在一时空状态下的多个状态特征，同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同；
关联关系定义模块，用于定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；关联关系包括业务关系、空间关系以及语义关系；
滑坡场景本体构建模块，用于根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。
第三方面，本申请提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的面向全过程的滑坡场景本体构建方法。
第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的面向全过程的滑坡场景本体构建方法。
本申请的上述方案有如下的有益效果：
针对传统的滑坡场景本体构建方法场景描述不充分，时空关系考虑不足的问题，本申请通过构建滑坡演变全过程中的各个滑坡场景本体以及各个滑坡场景本体对应的概念层、对象层、状态层以及特征层，充分描述了滑坡演变对应的各个滑坡场景中实体与实例之间的关联关系，能够为面向滑坡灾害全过程的辅助决策提供全面的指导；构建的状态层充分考虑了每个实体中各实例对应的时间关系、空间关系以及特征关系，确保了滑坡场景本体的准确性，能够满足滑坡灾害防护的需求。
本申请的其它有益效果将在随后的具体实施方式部分予以详细说明。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的面向全过程的滑坡场景本体构建方法的流程图；
图2为本申请一实施例中滑坡调查监测本体的结构示意图；
图3为本申请一实施例中滑坡场景本体的关联关系体系示意图；
图4为本申请一实施例提供的滑坡场景本体的结构层次示意图（部分）；
图5为本申请一实施例提供的面向全过程的滑坡场景本体构建装置的结构示意图；
图6为本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
针对传统的滑坡场景本体构建方法场景描述不充分，时空关系考虑不足的问题，本申请提供了一种面向全过程的滑坡场景本体构建方法及相关设备，通过构建滑坡演变全过程中的各个滑坡场景本体以及各个滑坡场景本体对应的概念层、对象层、状态层以及特征层，充分描述了滑坡演变对应的各个滑坡场景中实体与实例之间的关联关系，能够为面向滑坡灾害全过程的辅助决策提供全面的指导；构建的状态层充分考虑了每个实体中各实例对应的时间关系、空间关系以及特征关系，确保了滑坡场景本体的准确性，能够满足滑坡灾害防护的需求。
如图1所示，本申请提供的面向全过程的滑坡场景本体构建方法包括以下步骤：
步骤1，确定构建滑坡场景本体的领域范围。
具体的，确定滑坡场景本体的构建的范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策，滑坡场景本体的应用人群为滑坡灾害防护人员，构建滑坡场景本体的目的是为滑坡灾害防护人员提供滑坡灾害防护治理相关的正确指导，从而有效的对滑坡灾害进行预测、评估以及治理。
应理解，本体是对现实世界中的概念和实体进行建模和描述的一种形式化表示。本体定义了领域中的概念、实体、属性和关系，并提供了一种共享和一致的语义模型。
需要说明的是，上述滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策均是基于滑坡领域相关科技文献、书籍、知识库等资源来定义的。
具体的，滑坡调查监测是指对可能发生滑坡灾害的地表点位进行调查监测，对滑坡灾害进行预警，避免其带来人员财产损失。
滑坡隐患识别是指对存在滑坡隐患的地表点位进行识别，确认该地表点位存在的滑坡隐患的类型，以便针对性的对滑坡隐患进行防护治理。示例性的，在本申请的实施例中，滑坡隐患的类型可识别为正在变形区、历史变形破坏区以及潜在不稳定斜坡，其中，正在变形区是指当前正在发生变形，且具有明显变形迹象和特征的区域或部位；历史变形破坏区主要是指古老滑坡体、震裂山体、时效变形体（如山区河谷常见的大型倾倒变形体）、各种成因的大型松散堆积体等具有明显“损伤”的斜坡；潜在不稳定斜坡是指在天然工况下处于基本稳定或欠稳定状态，历史上未曾发生过变形破坏，当前也无明显变形迹象，但在强降雨、地震或人类工程活动等强烈扰动下，可能出现突发性失稳破坏并成灾的斜坡。滑坡隐患识别是基于滑坡调查监测的结果，在时间顺序上，滑坡调查监测发生在滑坡隐患识别之前。
滑坡灾害预警是指在滑坡灾害发生前的预警措施，其基于滑坡隐患识别的识别结果来进行相关预警。例如，滑坡调查监测的监测结果为某一区域可能发生滑坡灾害，然后通过滑坡隐患识别确认该区域可能滑坡灾害的类型，滑坡灾害防护人员收集到相关数据后，对该区域的人员发出滑坡灾害预警，提醒该区域的人员可能发生滑坡灾害以及可能发生的滑坡灾害的类型。在时间顺序上，滑坡灾害预警发生在滑坡隐患识别之后。
滑坡应急决策是指在滑坡灾害发生时采取的应急措施，例如，人员疏散方案、救援资源调度方案等。在时间顺序上，滑坡应急决策是滑坡灾害演变最后阶段所采取的决策，其目的是在滑坡灾害发生时保护人员财产安全。此外，在滑坡灾害发生后，如果发生滑坡灾害的区域在此之前未进行滑坡调查监测，会将该区域纳入滑坡调查监测的范围，来预防二次滑坡灾害给居民人身财产安全带来损害。
在本申请中，上述滑坡场景本体表示滑坡灾害防护人员在滑坡灾害动态演化全过程中所做决策对应的实体与实例的信息，包括滑坡灾害动态演化全过程中一切与滑坡灾害防护相关的各种要素的属性信息以及相互之间的时空关系。
步骤2，根据领域范围，对滑坡场景本体进行分类。
其中，滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体，分别对应四个不同的滑坡场景本体类。
步骤3，分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层。
上述概念层包括各滑坡场景本体类对应的多个实体，多个实体包括任务实体、模型实体、数据实体以及目标实体。
应理解，实体是现实世界中的具体个体或事物。实体可以是具体的物体（如人、动物、建筑物）、抽象的概念（如任务、模型、数据）或事件（如发生的事件、发生的过程）。实体在本体中通过实例来表示，每个实体都有唯一的标识符和属性。
具体的，概念层表示各滑坡场景本体类对应的所有实体概念的集合，在本申请的实施例中，将各滑坡场景本体类对应的实体统一划分为任务实体、模型实体、数据实体以及目标实体。
示例性的，在本申请的实施例中，任务实体是指在对应滑坡场景中需要完成的具体任务或目标，例如：可将监测滑坡发生作为滑坡调查监测本体的任务实体；可将滑坡隐患识别任务（识别目标区域存在的滑坡隐患的类型）作为滑坡隐患识别本体的任务实体；可将预警滑坡风险作为滑坡灾害预警本体的任务实体；可将滑坡紧急响应任务作为滑坡应急决策本体的任务实体。
模型实体是指在解决滑坡场景中任务实体对应的滑坡问题时所使用到的模型，这些模型可以是数据驱动的机器学习模型、物理模型或统计模型等。
数据实体是指用于对模型进行训练和测试的相关数据。
目标实体是指在滑坡场景中的特定目标或关注点。
各实体（任务实体、模型实体、数据实体以及目标实体）之间的一种关联关系如下：
根据目标实体可确定任务实体的类型，在确定任务实体后，从数据实体中获取与任务实体相关的数据，然后利用从数据实体获取的数据来构建模型，得到模型实体，最后利用模型实体中的模型来对目标实体中的目标进行处理，得到任务结果。
状态层包括多个实例中每个实例对应的多个时空状态，特征层包括每个实例在一时空状态下的多个状态特征。
需要说明的是，为避免不同滑坡场景本体之间出现重复的内容，在本申请中，限定同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同。
如图2所示，以滑坡调查监测本体为例，其对应的实体包括滑坡监测任务21，滑坡监测模型22，滑坡监测数据23以及滑坡监测目标24。滑坡监测目标包括内基监测目标24.1（如应变计、倾斜仪、地震仪）、地基监测目标（传感设备）、天机监测目标24.2（如气象卫星、地球观测卫星）以及空基监测目标24.3（如雷达、无人机），根据滑坡监测目标24确定对应的滑坡监测任务21（气象监测、形变监测、光谱检测），然后获取滑坡监测任务21相关的滑坡监测数据23（气象数据、位移数据、光学影像数据），再利用滑坡监测数据构建滑坡监测模型22（可采用常见的滑坡检测模型的模型结构，包括神经网络模型和深度学习模型），最后，利用构建好的滑坡监测模型22来对滑坡监测目标进行24处理，例如：利用构建好的滑坡监测模型来对滑坡监测目标中的图像数据进行识别，获取该图像数据对应区域的滑坡监测情况。
步骤4，定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系。
上述关联关系包括业务关系、空间关系以及语义关系。
具体的，业务关系包括时间关系、状态关系以及流程关系，时间关系包括时间拓扑（描述事件或状态之间的时间上的先后关系，例如同时、包含、重叠）和时间顺序（描述事件或状态之间的时间上的前后顺序关系，例如先于、后于），状态关系包括并发（表示多个事件或状态在同一时间段内同时发生）、群发（表示多个事件或状态在同一时间段内相互影响或相关）以及引发（表示一个事件或状态的发生会引发另一个事件或状态的发生），流程关系关系包括输入（描述了一个业务流程或系统的输入数据或资源）和输出（一个业务流程或系统的输出数据或结果）。
空间关系包括拓扑关系、距离关系以及方向关系。其中，拓扑关系包括线与线之间的关系（描述不同线段之间的拓扑结构，如相交、相切、相离等）、点与线之间的关系（描述点与线段之间的拓扑结构，如在线上、在线段延长线上、在线段的左侧或右侧等）、面与面之间的关系（描述不同面之间的拓扑结构，如相交、包含、相离等）、点与点之间的关系（描述点与点之间的拓扑结构，如相邻、相交、相离等）、点与面之间的关系（描述点与面之间的拓扑结构，如在面上、在面的边界上、在面的内部或外部等）以及线与面之间的关系（描述线段与面之间的拓扑结构，如相交、相切、相离等），距离关系包括欧氏距离（描述两点之间的直线距离，即两点之间的最短距离）、棋盘距离（描述两点之间的距离，只允许水平、垂直和对角线方向的移动）、八边形距离（描述两点之间的距离，只允许水平、垂直和对角线方向的移动，且对角线方向的移动距离为水平或垂直移动距离的两倍）、曼哈顿距离（描述两点之间的距离，只允许水平和垂直方向的移动，即两点之间的水平和垂直移动距离之和）以及六边形距离（描述两点之间的距离，只允许水平和垂直方向的移动，且对角线方向的移动距离为水平或垂直移动距离的两倍），方向关系包括定性（描述不同实体之间的方向关系，如上下、左右、前后等）、定量（描述不同实体之间的具体方向角度或方向向量，如北、东、南、西等）以及半定量（描述不同实体之间的相对方向，如相对顺时针、相对逆时针等）。
语义关系包括分类关系（描述不同实体之间的上下位关系，即一个实体是另一个实体的一种特殊类型或子类）、相互作用（描述不同实体之间的相互作用方式，包括生物作用、化学作用、物理作用和人类作用）以及非分类关系（描述不同实体之间的其他语义关系，不涉及上下位关系），分类关系包括上下位关系，相互作用包括生物作用（描述生物体之间的相互作用，如捕食、共生、竞争等）、化学作用（描述化学物质之间的相互作用，如反应、化合等）、物理作用（描述物理实体之间的相互作用，如引力、电磁力、摩擦等）以及人类作用（描述了人类与其他实体之间的相互作用，如人为原因引起的地质变化），非分类关系包括相关关系（描述不同实体之间的关联或相关性）、属性关系（描述了实体的特征或属性，例如对于下雨量和下雨）、同义关系（描述具有相同或类似含义的实体之间的关系）、反义关系（描述具有相反含义的实体之间的关系）、因果关系（描述一个实体引起或导致另一个实体发生的关系）、成员关系（描述一个实体是某个集合或组织的成员）以及其他关系。
示例性的，在本申请的一实施例中，各滑坡场景本体类对应的结构层次中的关联关系如图3所示。
步骤5，根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。
示例性的，可利用Neo4j来进行滑坡场景本体建模，具体过程如下：
步骤5.1，创建节点。
将结构层次中的各个实体和各个属性分别作为一个节点。位于同一结构层的节点之间为并列关系，上一结构层中的节点包含该结构层对应的下一结构层中的节点。
步骤5.2，用有向边连通存在关联关系的节点。
步骤5.3，数据导入和查询。
将数据导入Neo4j数据库（一种高性能的非关系型（NOSQL）图形数据库）中，并使用Cypher查询语言（一种描述性的图形查询语言，用于与Neo4j数据库进行交互）进行数据检索和分析。通过查询语言，可以利用已建立的本体模型进行相关查询，并从模型中获取滑坡场景有关的信息。此外，Neo4j数据库还支持数据的增删改查，便于后续对滑坡场景本体的管理维护。
示例性的，在本申请的一实施例中，构建的滑坡场景本体类对应的结构层次以及关系部分内容如图4所示。
下面对步骤3中的结构层的形式化表达进行示例性说明。
具体的，概念层的表达式如下
其中，表示概念层中所有实体的集合，/>表示滑坡场景本体类/>对应的任务实体，/>，当/>时表示滑坡调查监测本体，当/>时表示滑坡隐患识别本体，当/>时表示滑坡灾害预警本体，当/>时表示滑坡应急决策本体，/>表示滑坡场景本体类/>对应的模型实体，/>表示滑坡场景本体类/>对应的数据实体，/>表示滑坡场景本体类/>对应的目标实体。
对象层的表达式如下：
其中，表示所有实例的集合，/>表示实例的深度，/>表示滑坡场景本体类/>对应的任务实体下第/>个实例，/>，/>表示对应实体下实例的总数量，/>表示滑坡场景本体类/>对应的模型实体下第/>个实例，/>表示滑坡场景本体类/>对应的数据实体下第/>个实例，/>表示滑坡场景本体类/>对应的目标实体下第/>个实例。
状态层的表达式如下：
其中，表示实例/>对应的所有时空状态，/>表示实例/>对应的一时空状态。
特征层的表达式如下：
其中，表示实例/>在时空状态/>下的所有状态特征，/>表示第/>个状态特征，/>，/>表示在状态特征时空状态/>下状态特征的总数量。
需要说明的是，状态特征包括数据属性和语义属性；数据属性表示实体的数值特征（例如滑坡灾害时间、滑坡灾害编号等），语义属性表示实体的语义特征（例如滑坡监测数据来源、滑坡隐患类型等）。
下面结合具体实施例对本申请提供的面向全过程的滑坡场景本体构建方法进行说明。
在该实施例中，选取滇东北金沙江中下游高原峡谷区作为研究区域，对该研究区域的滑坡灾害风险进行研判，通过构建该研究区域对应的滑坡场景本体，进而在滑坡场景本体引导下开展滑坡相关数据的抽取、对齐、校正与融合，构建形成滑坡灾害领域知识图谱。在此基础上，可以从三个方面提供辅助决策支持：①基于滑坡灾害领域知识图谱有效管理与更新灾害数据；②基于滑坡灾害领域知识图谱推理计算相关滑坡规则或知识，并通过问答或检索的方式实现滑坡灾害风险知识推荐；③基于实体与实体间的复杂关系与时空状态，为滑坡灾害风险研判模型提供可信知识引导，进而提升预警精度与可解释性。
下面对本申请提供的面向全过程的滑坡场景本体构建装置进行示例性说明。
如图5所示，该面向全过程的滑坡场景本体构建装置500包括：
领域范围确定模块501，用于确定构建滑坡场景本体的领域范围；领域范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策；
滑坡场景本体分类模块502，用于根据领域范围，对滑坡场景本体进行分类；其中，滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体；
结构层次构建模块503，用于分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；其中，概念层包括各滑坡场景本体类对应的多个实体，多个实体包括任务实体、模型实体、数据实体以及目标实体，对象层包括多个实体中每个实体对应的多个实例，状态层包括多个实例中每个实例对应的多个时空状态，特征层包括每个实例在一时空状态下的多个状态特征，同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同；
关联关系定义模块504，用于定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；关联关系包括业务关系、空间关系以及语义关系；
滑坡场景本体构建模块505，用于根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
如图6所示，本申请的实施例提供了一种终端设备，如图6所示，该实施例的终端设备D10包括：至少一个处理器D100（图6中仅示出一个处理器）、存储器D101以及存储在所述存储器D101中并可在所述至少一个处理器D100上运行的计算机程序D102，所述处理器D100执行所述计算机程序D102时实现上述任意各个方法实施例中的步骤。
具体的，所述处理器D100执行所述计算机程序D102时，通过确定构建滑坡场景本体的领域范围，然后根据领域范围，对滑坡场景本体进行分类，再分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层，随后定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系，最后根据关联关系，进行滑坡场景本体建模，得到滑坡场景本体。其中，通过构建滑坡演变全过程中的各个滑坡场景本体以及各个滑坡场景本体对应的概念层、对象层、状态层以及特征层，充分描述了滑坡演变对应的各个滑坡场景中实体与实例之间的关联关系，能够为面向滑坡灾害全过程的辅助决策提供全面的指导；构建的状态层充分考虑了每个实体中各实例对应的时间关系、空间关系以及特征关系，确保了滑坡场景本体的准确性，能够满足滑坡灾害防护的需求。
所称处理器D100可以是中央处理单元(CPU，Central Processing Unit)，该处理器D100还可以是其他通用处理器、数字信号处理器 (DSP，Digital Signal Processor)、专用集成电路 (ASIC，Application Specific Integrated Circuit)、现成可编程门阵列(FPGA，Field-Programmable Gate Array) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器D101在一些实施例中可以是所述终端设备D10的内部存储单元，例如终端设备D10的硬盘或内存。所述存储器D101在另一些实施例中也可以是所述终端设备D10的外部存储设备，例如所述终端设备D10上配备的插接式硬盘，智能存储卡（SMC，SmartMedia Card ），安全数字（SD，Secure Digital）卡，闪存卡（Flash Card）等。进一步地，所述存储器D101还可以既包括所述终端设备D10的内部存储单元也包括外部存储设备。所述存储器D101用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器D101还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到面向全过程的滑坡场景本体构建装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
综上可知，本申请提供的面向全过程的滑坡场景本体构建方法，具备以下优点：
1、提出一种顾及滑坡灾害场景全过程的本体构建方法（四步法），从“监测-识别-预警-应急”视角，解决辅助决策过程中滑坡灾害场景过程交互考虑不足的问题。
2、遵循滑坡灾害辅助决策所涉及的对象、数据、模型、任务所蕴含的状态，构建面向滑坡场景的时空状态表达模型，解决实体间时空关系考虑不充分的问题。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种面向全过程的滑坡场景本体构建方法，其特征在于，包括：
步骤1，确定构建滑坡场景本体的领域范围；所述领域范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策；
步骤2，根据所述领域范围，对所述滑坡场景本体进行分类；其中，所述滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体；
步骤3，分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；其中，所述概念层包括各滑坡场景本体类对应的多个实体，所述多个实体包括任务实体、模型实体、数据实体以及目标实体，所述对象层包括所述多个实体中每个实体对应的多个实例，所述状态层包括所述多个实例中每个实例对应的多个时空状态，所述特征层包括每个实例在一时空状态下的多个状态特征，同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同；
步骤4，定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；所述关联关系包括业务关系、空间关系以及语义关系；所述步骤4中的所述业务关系包括时间关系、状态关系以及流程关系；所述时间关系包括时间拓扑和时间顺序，所述状态关系包括并发、群发以及引发，所述流程关系包括输入和输出；
所述空间关系包括拓扑关系、距离关系以及方向关系；所述拓扑关系包括线与线之间的关系、点与线之间的关系、面与面之间的关系、点与点之间的关系、点与面之间的关系以及线与面之间的关系，所述距离关系包括欧氏距离、棋盘距离、八边形距离、曼哈顿距离以及六边形距离，所述方向关系包括定性、定量以及半定量；
所述语义关系包括分类关系、相互作用以及非分类关系，所述分类关系包括上下位关系，所述相互作用包括生物作用、化学作用、物理作用以及人类作用，所述非分类关系包括相关关系、属性关系、同义关系、反义关系、因果关系、成员关系以及其他关系；
步骤5，根据所述关联关系，进行滑坡场景本体建模，得到所述滑坡场景本体。
2.根据权利要求1所述的滑坡场景本体构建方法，其特征在于，所述步骤1中的滑坡场景本体，表示滑坡灾害防护人员在滑坡灾害动态演化全过程中所做决策对应的实体与实例的信息。
3.根据权利要求2所述的滑坡场景本体构建方法，其特征在于，所述概念层的表达式如下
其中，表示所述概念层中所有实体的集合，/>表示滑坡场景本体类/>对应的任务实体，/>，当/>时表示滑坡调查监测本体，当/>时表示滑坡隐患识别本体，当/>时表示滑坡灾害预警本体，当/>时表示滑坡应急决策本体，/>表示滑坡场景本体类/>对应的模型实体，/>表示滑坡场景本体类/>对应的数据实体，/>表示滑坡场景本体类/>对应的目标实体。
4.根据权利要求3所述的滑坡场景本体构建方法，其特征在于，所述对象层的表达式如下：
其中，表示所有实例的集合，/>表示实例的深度，/>表示滑坡场景本体类/>对应的任务实体下第/>个实例，/>，/>表示对应实体下实例的总数量，/>表示滑坡场景本体类/>对应的模型实体下第/>个实例，/>表示滑坡场景本体类/>对应的数据实体下第/>个实例，/>表示滑坡场景本体类/>对应的目标实体下第/>个实例。
5.根据权利要求4所述的滑坡场景本体构建方法，其特征在于，所述状态层的表达式如下：
其中，表示实例/>对应的所有时空状态，/>表示实例/>对应的一时空状态。
6.根据权利要求5所述的滑坡场景本体构建方法，其特征在于，所述状态特征包括数据特征和语义特征；
所述特征层的表达式如下：
其中，表示实例/>在时空状态/>下的所有状态特征，/>表示第/>个状态特征，/>，/>表示在时空状态/>下状态特征的总数量。
7.一种面向全过程的滑坡场景本体构建装置，其特征在于，包括：
领域范围确定模块，用于确定构建滑坡场景本体的领域范围；所述领域范围为面向滑坡场景全过程的滑坡调查监测、滑坡隐患识别、滑坡灾害预警以及滑坡应急决策；
滑坡场景本体分类模块，用于根据所述领域范围，对所述滑坡场景本体进行分类；其中，所述滑坡场景本体被分类为滑坡调查监测本体、滑坡隐患识别本体、滑坡灾害预警本体以及滑坡应急决策本体；
结构层次构建模块，用于分别构建各滑坡场景本体类对应的概念层、对象层、状态层以及特征层；其中，所述概念层包括各滑坡场景本体类对应的多个实体，所述多个实体包括任务实体、模型实体、数据实体以及目标实体，所述对象层包括所述多个实体中每个实体对应的多个实例，所述状态层包括所述多个实例中每个实例对应的多个时空状态，所述特征层包括每个实例在一时空状态下的多个状态特征，同一实体对应的多个实例之间互不相同，同一实例对应的多个时空状态互不相同，同一时空状态对应的多个状态特征互不相同；
关联关系定义模块，用于定义各滑坡场景本体类对应的概念层、对象层、状态层以及特征层之间的关联关系；所述关联关系包括业务关系、空间关系以及语义关系；所述业务关系包括时间关系、状态关系以及流程关系；所述时间关系包括时间拓扑和时间顺序，所述状态关系包括并发、群发以及引发，所述流程关系包括输入和输出；
所述空间关系包括拓扑关系、距离关系以及方向关系；所述拓扑关系包括线与线之间的关系、点与线之间的关系、面与面之间的关系、点与点之间的关系、点与面之间的关系以及线与面之间的关系，所述距离关系包括欧氏距离、棋盘距离、八边形距离、曼哈顿距离以及六边形距离，所述方向关系包括定性、定量以及半定量；
所述语义关系包括分类关系、相互作用以及非分类关系，所述分类关系包括上下位关系，所述相互作用包括生物作用、化学作用、物理作用以及人类作用，所述非分类关系包括相关关系、属性关系、同义关系、反义关系、因果关系、成员关系以及其他关系；
滑坡场景本体构建模块，用于根据所述关联关系，进行滑坡场景本体建模，得到所述滑坡场景本体。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的面向全过程的滑坡场景本体构建方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的面向全过程的滑坡场景本体构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031285.0A CN116756344B (zh) | 2023-08-16 | 2023-08-16 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031285.0A CN116756344B (zh) | 2023-08-16 | 2023-08-16 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116756344A CN116756344A (zh) | 2023-09-15 |
| CN116756344B true CN116756344B (zh) | 2023-11-14 |
Family
ID=87948201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311031285.0A Active CN116756344B (zh) | 2023-08-16 | 2023-08-16 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116756344B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508871A (zh) * | 2011-10-12 | 2012-06-20 | 中国测绘科学研究院 | 一种面向灾害事件的地理对象本体构建方法 |
| CN107679221A (zh) * | 2017-10-19 | 2018-02-09 | 武汉大学 | 面向减灾任务的时空数据获取与服务组合方案生成方法 |
| CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
| CN112015930A (zh) * | 2020-06-05 | 2020-12-01 | 中国地质环境监测院 | 一种山体滑坡本体库的构建方法 |
| CN114692874A (zh) * | 2022-03-29 | 2022-07-01 | 中国地质大学（武汉） | 一种面向地质灾害领域的知识图谱自动化构建方法及系统 |
| CN115033746A (zh) * | 2022-05-31 | 2022-09-09 | 江苏科技大学 | 基于扎根理论和事理图谱的船舶航行事故致因分析方法 |
| CN116110210A (zh) * | 2023-04-04 | 2023-05-12 | 中南大学 | 复杂环境下数据驱动的滑坡灾害辅助决策方法 |
| CN116150929A (zh) * | 2023-04-17 | 2023-05-23 | 中南大学 | 一种铁路选线知识图谱的构建方法 |
| CN116504032A (zh) * | 2023-06-28 | 2023-07-28 | 湖南科技大学 | 一种基于实景三维的滑坡危险性监测预警方法及系统 |
| CN116521944A (zh) * | 2023-04-24 | 2023-08-01 | 中煤科工集团重庆研究院有限公司 | 一种煤矿多重灾害的知识图谱构建方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102516206B1 (ko) * | 2020-11-16 | 2023-03-29 | 이현주 | 온톨로지에 기초한 데이터베이스 구축 방법, 이를 이용한 사용자 질의 응답 방법, 및 그 방법들이 구현된 시스템 |
-
2023
- 2023-08-16 CN CN202311031285.0A patent/CN116756344B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508871A (zh) * | 2011-10-12 | 2012-06-20 | 中国测绘科学研究院 | 一种面向灾害事件的地理对象本体构建方法 |
| CN107679221A (zh) * | 2017-10-19 | 2018-02-09 | 武汉大学 | 面向减灾任务的时空数据获取与服务组合方案生成方法 |
| CN109992672A (zh) * | 2019-04-11 | 2019-07-09 | 华北科技学院 | 基于灾害场景的知识图谱构建方法 |
| CN112015930A (zh) * | 2020-06-05 | 2020-12-01 | 中国地质环境监测院 | 一种山体滑坡本体库的构建方法 |
| CN114692874A (zh) * | 2022-03-29 | 2022-07-01 | 中国地质大学（武汉） | 一种面向地质灾害领域的知识图谱自动化构建方法及系统 |
| CN115033746A (zh) * | 2022-05-31 | 2022-09-09 | 江苏科技大学 | 基于扎根理论和事理图谱的船舶航行事故致因分析方法 |
| CN116110210A (zh) * | 2023-04-04 | 2023-05-12 | 中南大学 | 复杂环境下数据驱动的滑坡灾害辅助决策方法 |
| CN116150929A (zh) * | 2023-04-17 | 2023-05-23 | 中南大学 | 一种铁路选线知识图谱的构建方法 |
| CN116521944A (zh) * | 2023-04-24 | 2023-08-01 | 中煤科工集团重庆研究院有限公司 | 一种煤矿多重灾害的知识图谱构建方法及系统 |
| CN116504032A (zh) * | 2023-06-28 | 2023-07-28 | 湖南科技大学 | 一种基于实景三维的滑坡危险性监测预警方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| 地理本体驱动的面向对象滑坡识别;魏家旺;惠文华;程梦真;李海;;遥感信息(02);全文 * |
| 地质灾害领域本体的研究与应用;王艳妮;刘刚;;地理与地理信息科学(06);全文 * |
| 基于辅助决策的应急事件本体模型研究;温立;周书民;王延章;;情报杂志(02);全文 * |
| 大范围地表沉降时序深度学习预测法;刘青豪 等;测绘学报;全文 * |
| 灾害链领域本体构建方法——以暴雨洪涝灾害链为例;杜志强 等;地理信息世界;全文 * |
| 顾及空间异质性的大范围地面沉降时空预测;刘青豪 等;遥感学报;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116756344A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zuiev et al. | Development of complex methodology of processing heterogeneous data in intelligent decision support systems | |
| Musa et al. | A review of geospatial-based urban growth models and modelling initiatives | |
| Al Banna et al. | Application of artificial intelligence in predicting earthquakes: state-of-the-art and future challenges | |
| Al-Sharif et al. | A novel approach for predicting the spatial patterns of urban expansion by combining the chi-squared automatic integration detection decision tree, Markov chain and cellular automata models in GIS | |
| Adamala | An overview of big data applications in water resources engineering | |
| CN114707227A (zh) | 一种基于数字孪生的大坝安全预警消警方法及系统 | |
| CN117152893B (zh) | 一种森林防灾方法及系统 | |
| CN113688169B (zh) | 基于大数据分析的矿山安全隐患辨识与预警系统 | |
| Rahman et al. | Discretization of continuous attributes through low frequency numerical values and attribute interdependency | |
| CN103489036B (zh) | 基于混合空间关联分析的应急预警网格划分系统及方法 | |
| Pasquaretta et al. | Analysis of temporal patterns in animal movement networks | |
| Kazemi et al. | Mineral processing plant site selection using integrated fuzzy cognitive map and fuzzy analytical hierarchy process approach: A case study of gilsonite mines in Iran | |
| Ahumada et al. | Fuzzy logic-based attenuation relationships of strong motion earthquake records | |
| Samadi Alinia et al. | Tehran’s seismic vulnerability classification using granular computing approach | |
| CN114692874A (zh) | 一种面向地质灾害领域的知识图谱自动化构建方法及系统 | |
| CN116562370A (zh) | 一种基于应急知识图谱的突发公共卫生事件情景推演方法 | |
| Zhang et al. | Planning of deep foundation construction technical specifications using improved case-based reasoning with weighted k-nearest neighbors | |
| Rueda-Plata et al. | Use of deep learning models in street-level images to classify one-story unreinforced masonry buildings based on roof diaphragms | |
| Elwood et al. | Application of fuzzy pattern recognition of seismic damage to concrete structures | |
| Qiu et al. | Knowledge graph for identifying geological disasters by integrating computer vision with ontology | |
| Di Maio et al. | Parallel density scanned adaptive Kriging to improve local tsunami hazard assessment for coastal infrastructures | |
| CN116756344B (zh) | 一种面向全过程的滑坡场景本体构建方法及相关设备 | |
| Abdalzaher et al. | Enhancing earthquakes and quarry blasts discrimination using machine learning based on three seismic parameters | |
| Tang et al. | Parallel computing for geocomputational modeling | |
| Chen et al. | Artificial intelligence in infrastructure construction: A critical review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |