CN118013428B - 基于人工智能的地质灾害风险评估方法及系统 - Google Patents
基于人工智能的地质灾害风险评估方法及系统 Download PDFInfo
- Publication number
- CN118013428B CN118013428B CN202410424105.3A CN202410424105A CN118013428B CN 118013428 B CN118013428 B CN 118013428B CN 202410424105 A CN202410424105 A CN 202410424105A CN 118013428 B CN118013428 B CN 118013428B
- Authority
- CN
- China
- Prior art keywords
- thread
- geological disaster
- hidden danger
- analysis
- data
- 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 61
- 238000012502 risk assessment Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 285
- 238000012545 processing Methods 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 7
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的基于人工智能的地质灾害风险评估方法及系统,对第一范例种类结果以及新增事项种类目录进行拼接处理,得到范例拼接目录;将新增范例地质灾害数据加载至地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;结合第二范例种类结果与范例拼接目录之间的比较结果,对地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合事项种类分析线程,确定出地质灾害风险评估结果。本申请在线程优化配置的过程中,不需要获得原始范例地质灾害数据,仅利用新增范例地质灾害数据对原始事项种类分析线程进行配置,能够在学习新数据提升线程性能,从而能够提高地质灾害评估的准确性和精度。
Description
技术领域
本申请涉及风险评估技术领域,具体而言,涉及基于人工智能的地质灾害风险评估方法及系统。
背景技术
地质灾害是指在自然或者人为因素的作用下形成的,对人类生命财产造成的损失、对环境造成破坏的地质作用或地质现象。地质灾害在时间和空间上的分布变化规律,既受制于自然环境,又与人类活动有关,往往是人类与自然界相互作用的结果。在传统技术中地质灾害的预见性是很低的,从而可能导致人民的生命和财产收到严重的伤害的问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于人工智能的地质灾害风险评估方法及系统。
第一方面,提供一种基于人工智能的地质灾害风险评估方法,包括:
获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类;
基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;
将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;
对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;
将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;
结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。
在本申请中,所述获得范例事项的新增范例地质灾害数据之后,所述方法还包括:
对所述新增范例地质灾害数据进行数据清洗处理,得到地灾范例处理数据,所述清洗处理用于改变所述新增范例地质灾害数据的分布;
将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息;
所述结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,包括:
结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,确定第二质量指标信息;
结合所述第一质量指标信息以及所述第二质量指标信息,确定目标质量指标信息;
结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数。
在本申请中,所述将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息,包括:
将所述地灾范例处理数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第三范例种类结果;
将所述地灾范例处理数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第四范例种类结果;
结合所述第四范例种类结果与所述第三范例种类结果之间的比较结果,确定所述第一质量指标信息。
在本申请中,所述方法还包括:
在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,所述配置频率是指利用所述新增范例地质灾害数据配置所述地质灾害隐患分析线程的频率。
在本申请中,所述在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,包括:
基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到优化地质灾害分类线程;
在所述配置频率达到所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程。
在本申请中,所述在所述配置频率
所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程,包括:
在所述配置频率达到所述第一目标频率后,每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化;
在配置终止后,将所述优化地质灾害分类线程确定为所述事项种类分析线程。
在本申请中,所述每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化,包括:
每经过第二目标频率的配置频率,获得所述地质灾害隐患分析线程的实时线程系数;
基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数;
结合所述目标线程系数对所述优化地质灾害分类线程进行优化。
在本申请中,所述基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数,包括:
结合所述实时线程系数对应的配置频率,确定地质灾害分类线程的第一可信权重以及地质灾害隐患分析线程的第二可信权重;所述第一可信权重随着配置频率的增加而减小,所述第二可信权重随着配置频率的增加而增加;
结合所述第一可信权重、所述第二可信权重以及所述系数优化线程,对所述实时线程系数进行处理,得到所述目标线程系数。
在本申请中,对所述原始事项种类分析线程的配置步骤,包括:
获得所述范例事项的所述原始范例地质灾害数据;
将所述原始范例地质灾害数据加载至所述指定线程进行事项种类分析处理,得到原始范例种类结果;
结合所述原始范例种类结果与所述原始范例事项种类目录之间的比较结果,确定范例质量指标信息;
结合所述范例质量指标信息调试所述指定线程的线程系数直到符合配置终止要求,将配置终止时的指定线程确定为所述原始事项种类分析线程。
第二方面,提供一种基于人工智能的地质灾害风险评估系统,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的基于人工智能的地质灾害风险评估方法及系统,获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类目录;基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。本申请在线程优化配置的过程中,不需要获得原始范例地质灾害数据,仅利用新增范例地质灾害数据对原始事项种类分析线程进行配置,能够在学习新数据提升线程性能,从而能够提高地质灾害评估的准确性和精度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种基于人工智能的地质灾害风险评估方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于人工智能的地质灾害风险评估方法,该方法可以包括以下步骤S201-S211所描述的技术方案。
S201:获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类。
示例性的,新增范例地质灾害数据可以理解为最新发生的地址灾害数据样本。比如:在a年a月a日,在XXX区域发生的滑坡灾害可以记为新增范例地质灾害数据。该数据可以通过人工进行采集,也可以通过无人机或者卫星进行采集获得的数据。
S203:基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录。
示例性的,原始事项种类分析线程可以理解为地灾灾害种类的分析线程,比如:在什么情况下划分为滑坡,在什么情况下划分为崩塌等,这样能够先对地质灾害进行初步的定性,方便后续的处理。
在一种可能实施的实施例中,对所述原始事项种类分析线程的配置步骤包括如下内容。
S301:获得所述范例事项的所述原始范例地质灾害数据;
S303:将所述原始范例地质灾害数据加载至所述指定线程进行事项种类分析处理,得到原始范例种类结果;
S305:结合所述原始范例种类结果与所述原始范例事项种类目录之间的比较结果,确定范例质量指标信息;
S307:结合所述范例质量指标信息调试所述指定线程的线程系数直到符合配置终止要求,将配置终止时的指定线程确定为所述原始事项种类分析线程。
在本申请中,原始范例地质灾害数据与新增范例地质灾害数据为同一类范例事项对应的地质灾害数据,且为不同的种类;指定线程可以为分类线程,可以将原始范例地质灾害数据加载至所述指定线程进行地质灾害数据特征抽取,得到范例原始地质灾害数据特征,再对范例原始地质灾害数据特征进行事项种类分析处理,得到原始范例种类结果;然后结合所述原始范例种类结果与所述原始范例事项种类目录之间的比较结果,计算范例质量指标信息;并根据范例质量指标信息调试所述指定线程的线程系数直到符合配置终止要求,配置终止要求可以包括但不限于范例丢失信息小于指定质量指标目标值、范例丢失信息小于指定质量指标目标值且线程配置的迭代频率达到目标频率。最后将配置终止时的指定线程确定为所述原始事项种类分析线程。
在本申请中,可以根据原始范例地质灾害数据对指定线程进行配置,快速、准确得到原始事项种类分析线程,从而可以当存在新增范例地质灾害数据时,在原始事项种类分析线程的基础上进行线程优化,提高线程优化效率。
S205:将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果。
示例性的,第一范例种类结果可以理解为对应的地址灾害数据的分析结果,种类指代的是滑坡、泥石流等。比如:发生滑坡的地质原因、人为原因以及天气原因等。
在本申请中,可以将所述新增范例地质灾害数据加载至所述地质灾害分类线程,基于地质灾害分类线程抽取范例地质灾害数据的地质灾害数据特征,并根据抽取的地质灾害数据特征进行事项种类分析处理,得到第一范例种类结果;第一范例种类结果与新增事项种类目录为同类型的数据。
在本申请中,基于原始事项种类分析线程搭建地质灾害分类线程以及地质灾害隐患分析线程之后,可以将新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;从而根据地质灾害分类线程的输出结果对地质灾害隐患分析线程进行配置。
S207:对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录。
示例性的,拼接可以理解为融合、整合等。目录可以理解为标签。
S209:将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果。
示例性的,地质灾害隐患分析线程可以理解为一种神经卷积线程,可以针对地质灾害的隐患进行分析,获得对应的隐患点。
在本申请中,可以将新增范例地质灾害数据加载至所述地质灾害隐患分析线程,基于地质灾害隐患分析线程抽取新增范例地质灾害数据的地质灾害数据特征,并根据抽取的地质灾害数据特征进行事项种类分析处理,得到第二范例种类结果。
S2011:结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,得到事项种类分析线程。
在本申请中,可以根据第二范例种类结果与所述范例拼接目录之间的比较结果,搭建目标质量指标信息,并通过目标质量指标信息对所述地质灾害隐患分析线程进行配置,从而将配置后的地质灾害隐患分析线程作为事项种类分析线程,还可以根据配置得到的线程进一步得到事项种类分析线程。
在一种可能实施的实施例中,所述获得范例事项的新增范例地质灾害数据之后,所述方法还包括:对所述新增范例地质灾害数据进行数据清洗处理,得到地灾范例处理数据,所述清洗处理用于改变所述新增范例地质灾害数据的分布;将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息。
S211:结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。
示例性的,地质灾害风险评估结果用于表征在XXX区域发生地质灾害的可能性,发生地质灾害的破坏力是多大等。
可以理解的是,获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类目录;基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。本申请在线程优化配置的过程中,不需要获得原始范例地质灾害数据,仅利用新增范例地质灾害数据对原始事项种类分析线程进行配置,能够在学习新数据提升线程性能,从而能够提高地质灾害评估的准确性和精度。
在本申请中,所述将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息,包括如下内容。
S401:将所述地灾范例处理数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第三范例种类结果。
S403:将所述地灾范例处理数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第四范例种类结果。
S405:结合所述第四范例种类结果与所述第三范例种类结果之间的比较结果,确定所述第一质量指标信息。
在本申请中,可以将地灾范例处理数据分别加载至地质灾害分类线程以及地质灾害隐患分析线程,得到第三范例种类结果以及第四范例种类结果;并根据第三范例种类结果以及第四范例种类结果进行无监督配置,结合所述第四范例种类结果与所述第三范例种类结果之间的比较结果,确定所述第一质量指标信息。
示例性的,所述结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,包括如下内容。
S20111:结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,确定第二质量指标信息。
在本申请中,可以根据第二范例种类结果与所述范例拼接目录进行检测配置,通过计算第二范例种类结果与所述范例拼接目录之间的比较结果得到第二质量指标信息。
S20113:结合所述第一质量指标信息以及所述第二质量指标信息,确定目标质量指标信息;在本申请中,可以计算第一质量指标信息与第二质量指标信息之和,得到目标质量指标信息;还可以分别设置第一质量指标信息与第二质量指标信息各自对应的可信权重,并计算第一质量指标信息与第二质量指标信息的加权和,得到目标质量指标信息。
S20115:结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数。
在一些实施例中,可以结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数直到符合配置终止要求,并将配置终止时的地质灾害隐患分析线程作为事项种类分析线程;还可以通过配置终止时的地质灾害隐患分析线程的线程系数,对地质灾害分类线程进行挖掘,并将最终的地质灾害分类线程作为事项种类分析线程。
在本申请中,所述方法还包括如下步骤。
S601:结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数直到符合配置终止要求,将配置终止时的地质灾害隐患分析线程作为优化地质灾害隐患分析线程。
S603:结合所述优化地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程。
在本申请中,可以根据目标质量指标信息调试地质灾害隐患分析线程的线程系数直到符合配置终止要求,配置终止要求可以包括目标质量指标信息小于指定目标值或目标质量指标信息小于指定目标值且迭代频率达到指定频率;然后将配置终止时的地质灾害隐患分析线程作为优化地质灾害隐患分析线程。
在本申请中,所述结合所述优化地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,包括:结合所述优化地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到优化地质灾害分类线程;对所述优化地质灾害隐患分析线程以及所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程。
在本申请中,所述结合所述优化地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,包括如下步骤。
S6031:获得所述优化地质灾害隐患分析线程的实时线程系数。
S6033:基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数。
S6035:结合所述目标线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程。
在本申请中,指可以通过系数优化线程对优化地质灾害隐患分析线程的实时线程系数进行处理,得到目标线程系数;并采用目标线程系数替换地质灾害分类线程中的线程系数,实现对地质灾害分类线程的优化,得到所述事项种类分析线程。
在一些实施例中,所述方法还包括:在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,所述配置频率是指利用所述新增范例地质灾害数据配置所述地质灾害隐患分析线程的频率。
示例性的,所述在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,包括:基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到优化地质灾害分类线程;在所述配置频率达到所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程。
在本申请中,在配置频率达到第一目标频率后,可以根据地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到优化地质灾害分类线程;并在所述配置频率达到所述第一目标频率后的配置过程中,根据地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,从而可以快速配置得到所述事项种类分析线程。
在一些实施例中,所述在所述配置频率达到所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程,包括:在所述配置频率达到所述第一目标频率后,每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化;在配置终止后,将所述优化地质灾害分类线程确定为所述事项种类分析线程。
在本申请中,所述每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化,包括:每经过第二目标频率的配置频率,获得所述地质灾害隐患分析线程的实时线程系数;基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数;结合所述目标线程系数对所述优化地质灾害分类线程进行优化。
在本申请中,在所述配置频率达到所述第一目标频率后,每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化;从而可以快速配置得到准确率较高的事项种类分析线程。
在一些实施例中,所述基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数,包括:结合所述实时线程系数对应的配置频率,确定地质灾害分类线程的第一可信权重以及地质灾害隐患分析线程的第二可信权重;所述第一可信权重随着配置频率的增加而减小,所述第二可信权重随着配置频率的增加而增加;结合所述第一可信权重、所述第二可信权重以及所述系数优化线程,对所述实时线程系数进行处理,得到所述目标线程系数。
示例性的,所述结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数直到符合配置终止要求,将配置终止时的地质灾害隐患分析线程作为优化地质灾害隐患分析线程,包括如下步骤。
S6011:将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行一次配置得到的目标质量指标信息,确定为原始质量指标信息。
S6013:结合所述原始质量指标信息调试所述地质灾害隐患分析线程的线程系数直到符合配置频率达到第一目标频率,将配置终止时的地质灾害隐患分析线程作为所述优化地质灾害隐患分析线程。
在本申请中,可以根据原始质量指标信息调试所述地质灾害隐患分析线程的线程系数直到符合配置频率达到第一目标频率,将配置终止时的地质灾害隐患分析线程作为所述优化地质灾害隐患分析线程。
示例性的,可以结合所述新增范例地质灾害数据对所述优化地质灾害隐患分析线程进行配置,当配置过程中的配置频率每达到第二目标频率时,获得实时地质灾害隐患分析线程的线程系数;再结合所述实时地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化,得到所述事项种类分析线程。
在本申请中,所述对所述优化地质灾害隐患分析线程以及所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程,包括如下步骤。
S901:将所述优化地质灾害隐患分析线程作为实时地质灾害隐患分析线程,将所述优化地质灾害分类线程作为实时地质灾害分类线程。
S903:结合所述新增范例地质灾害数据对所述实时地质灾害隐患分析线程进行配置直到配置频率达到第二目标频率。
S905:将配置终止时的实时地质灾害隐患分析线程重新作为实时地质灾害隐患分析线程,并获得所述实时地质灾害隐患分析线程的线程系数。
S907:结合所述实时地质灾害隐患分析线程的线程系数,对所述实时地质灾害分类线程进行优化,并将优化后的实时地质灾害分类线程重新作为实时地质灾害分类线程。
S909:重复所述结合所述新增范例地质灾害数据对所述实时地质灾害隐患分析线程进行配置直到配置频率达到第二目标频率,至所述结合所述实时地质灾害隐患分析线程的线程系数,对所述实时地质灾害分类线程进行优化,并将优化后的实时地质灾害分类线程重新作为实时地质灾害分类线程的步骤直到符合优化终止要求。
S9011:将符合优化终止要求时的实时地质灾害分类线程确定为所述事项种类分析线程。
在本申请中,将所述优化地质灾害隐患分析线程作为实时地质灾害隐患分析线程,将所述优化地质灾害分类线程作为实时地质灾害分类线程;结合所述新增范例地质灾害数据对所述实时地质灾害隐患分析线程进行配置直到配置频率达到第二目标频率;将配置终止时的实时地质灾害隐患分析线程重新作为实时地质灾害隐患分析线程,并获得所述实时地质灾害隐患分析线程的线程系数;结合所述实时地质灾害隐患分析线程的线程系数,对所述实时地质灾害分类线程进行优化,并将优化后的实时地质灾害分类线程重新作为实时地质灾害分类线程;再跳转至所述结合所述新增范例地质灾害数据对所述实时地质灾害隐患分析线程进行配置直到配置频率达到第二目标频率的步骤并进行后续步骤的重复,当配置过程中的配置频率每达到第二目标频率时,获得实时地质灾害隐患分析线程的线程系数;结合所述实时地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化,得到所述事项种类分析线程,从而在配置过程中不断交替优化学习线程与地质灾害分类线程的线程系数,从而提高事项种类分析线程的准确率。
现有技术将历史数据同时加载至地质灾害分类线程、地质灾害隐患分析线程,根据两种线程输出的回归分析结果确定第一质量指标数据,根据第一质量指标数据得到优化的地质灾害隐患分析线程,然后仅采用新数据对优化的学习线程进行优化,即将新数据加载至优化的地质灾害隐患分析线程,基于优化的地质灾害隐患分析线程输出的第三回归分析结果与新数据对应的事项种类目录确定第二质量指标数据,并根据第二质量指标数据得到应用线程;而本实施例将新数据(新增范例地质灾害数据)同时加载至地质灾害分类线程以及学习线程,通过地质灾害分类线程的输出结果对学习线程进行配置,再通过配置后的地质灾害隐患分析线程对地质灾害分类线程进行知识沉淀,最后将地质灾害分类线程作为应用线程。具体配置过程为:将原始范例事项分别加载至地质灾害分类线程、地质灾害隐患分析线程,得到第一历史种类结果、第二历史种类结果,并计算得到范例质量指标信息;当存在新增范例地质灾害数据时,将新增范例地质灾害数据分别加载至上一次配置得到的地质灾害分类线程以及地质灾害隐患分析线程,根据地质灾害分类线程以及地质灾害隐患分析线程的输出结果确定第一质量指标信息;根据地质灾害分类线程输出的第一范例种类结果以及新增范例地质灾害数据对应的新增事项种类目录,得到范例拼接目录,再根据地质灾害隐患分析线程输出的第二范例种类结果以及范例拼接目录,得到第二质量指标信息;最后根据第一质量指标信息、第二质量指标信息确定目标质量指标信息;然后根据目标质量指标信息调试地质灾害隐患分析线程的系数,再通过配置后的地质灾害隐患分析线程对地质灾害分类线程进行知识沉淀,最后将地质灾害分类线程作为应用线程(事项种类分析线程)。
由以上本说明书实施例提供的技术方案可见,本说明书实施例公开了一种基于人工智能的地质灾害风险评估方法,包括:获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类目录;基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。本申请在线程优化配置的过程中,不需要获得原始范例地质灾害数据,仅利用新增范例地质灾害数据对原始事项种类分析线程进行配置,能够在学习新数据提升线程性能,从而能够提高地质灾害评估的准确性和精度。
本说明书实施例还提供了一种事项种类分析方法,所述方法包括如下步骤。
S1201:获得待分析事项的待分析地质灾害数据;在本申请中,待分析事项与范例事项为同一区域的事项,待分析地质灾害数据可以为对待分析事项进行分析得到的地质灾害数据,或者从待分析事项对应的待分析数据中抽取的地质灾害数据,一个待分析事项可以对应一个或若干个待分析地质灾害数据。
S1203:将所述待分析地质灾害数据加载至事项种类分析线程进行事项种类分析处理,得到所述待分析事项的目标事项种类;其中,所述事项种类分析线程为基于上述的配置方法配置所得的。
在本申请中,当待分析事项对应若干个待分析地质灾害数据时,可以根据若干个待分析地质灾害数据的种类回归分析结果,确定待分析事项的目标事项种类。
在上述基础上,提供了一种基于人工智能的地质灾害风险评估装置,所述装置包括:
数据获得模块,用于获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类;
线程搭建模块,用于基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;
第一结果得到模块,用于将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;
目录拼接模块,用于对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;
第二结果得到模块,用于将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;
结果评估模块,用于结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。
在上述基础上,示出了一种基于人工智能的地质灾害风险评估系统,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类目录;基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析。本申请在线程优化配置的过程中,不需要获得原始范例地质灾害数据,仅利用新增范例地质灾害数据对原始事项种类分析线程进行配置,能够在学习新数据提升线程性能,从而能够提高地质灾害评估的准确性和精度。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
Claims (9)
1.一种基于人工智能的地质灾害风险评估方法,其特征在于,所述方法包括:
获得范例事项的新增范例地质灾害数据;所述新增范例地质灾害数据标记了新增事项种类;
基于原始事项种类分析线程,搭建地质灾害分类线程以及地质灾害隐患分析线程;所述原始事项种类分析线程为将所述范例事项的原始范例地质灾害数据加载至指定线程进行事项种类分析配置所得的;所述原始范例地质灾害数据标记了原始范例事项种类目录;所述原始范例事项种类目录不同于新增事项种类目录;
将所述新增范例地质灾害数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第一范例种类结果;
对所述第一范例种类结果以及所述新增事项种类目录进行拼接处理,得到范例拼接目录;
将所述新增范例地质灾害数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第二范例种类结果;
结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,配置后的地质灾害隐患分析线程用于确定事项种类分析线程,结合所述事项种类分析线程,确定出地质灾害风险评估结果,所述事项种类分析线程用于地质灾害数据中所述新增事项种类目录的分析;
其中,所述获得范例事项的新增范例地质灾害数据之后,所述方法还包括:
对所述新增范例地质灾害数据进行数据清洗处理,得到地灾范例处理数据,所述清洗处理用于改变所述新增范例地质灾害数据的分布;
将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息;
所述结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,对所述地质灾害隐患分析线程进行配置,包括:
结合所述第二范例种类结果与所述范例拼接目录之间的比较结果,确定第二质量指标信息;
结合所述第一质量指标信息以及所述第二质量指标信息,确定目标质量指标信息;
结合所述目标质量指标信息,调试所述地质灾害隐患分析线程的线程系数。
2.根据权利要求1所述的方法,其特征在于,所述将所述地灾范例处理数据分别加载至所述地质灾害分类线程以及所述地质灾害隐患分析线程,得到第一质量指标信息,包括:
将所述地灾范例处理数据加载至所述地质灾害分类线程进行事项种类分析处理,得到第三范例种类结果;
将所述地灾范例处理数据加载至所述地质灾害隐患分析线程进行事项种类分析处理,得到第四范例种类结果;
结合所述第四范例种类结果与所述第三范例种类结果之间的比较结果,确定所述第一质量指标信息。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,所述配置频率是指利用所述新增范例地质灾害数据配置所述地质灾害隐患分析线程的频率。
4.根据权利要求3所述的方法,其特征在于,所述在配置频率达到第一目标频率后,基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到所述事项种类分析线程,包括:
基于地质灾害隐患分析线程的线程系数对所述地质灾害分类线程进行优化,得到优化地质灾害分类线程;
在所述配置频率达到所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程。
5.根据权利要求4所述的方法,其特征在于,所述在所述配置频率达到所述第一目标频率后的配置过程中,基于地质灾害隐患分析线程的线程系数对所述优化地质灾害分类线程进行迭代优化,得到所述事项种类分析线程,包括:
在所述配置频率达到所述第一目标频率后,每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化;
在配置终止后,将所述优化地质灾害分类线程确定为所述事项种类分析线程。
6.根据权利要求5所述的方法,其特征在于,所述每经过第二目标频率的配置频率,结合所述地质灾害隐患分析线程的线程系数,对所述优化地质灾害分类线程进行优化,包括:
每经过第二目标频率的配置频率,获得所述地质灾害隐患分析线程的实时线程系数;
基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数;
结合所述目标线程系数对所述优化地质灾害分类线程进行优化。
7.根据权利要求6所述的方法,其特征在于,所述基于系数优化线程对所述实时线程系数进行处理,得到目标线程系数,包括:
结合所述实时线程系数对应的配置频率,确定地质灾害分类线程的第一可信权重以及地质灾害隐患分析线程的第二可信权重;所述第一可信权重随着配置频率的增加而减小,所述第二可信权重随着配置频率的增加而增加;
结合所述第一可信权重、所述第二可信权重以及所述系数优化线程,对所述实时线程系数进行处理,得到所述目标线程系数。
8.根据权利要求1所述的方法,其特征在于,对所述原始事项种类分析线程的配置步骤,包括:
获得所述范例事项的所述原始范例地质灾害数据;
将所述原始范例地质灾害数据加载至所述指定线程进行事项种类分析处理,得到原始范例种类结果;
结合所述原始范例种类结果与所述原始范例事项种类目录之间的比较结果,确定范例质量指标信息;
结合所述范例质量指标信息调试所述指定线程的线程系数直到符合配置终止要求,将配置终止时的指定线程确定为所述原始事项种类分析线程。
9.一种基于人工智能的地质灾害风险评估系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410424105.3A CN118013428B (zh) | 2024-04-10 | 2024-04-10 | 基于人工智能的地质灾害风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410424105.3A CN118013428B (zh) | 2024-04-10 | 2024-04-10 | 基于人工智能的地质灾害风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118013428A CN118013428A (zh) | 2024-05-10 |
CN118013428B true CN118013428B (zh) | 2024-06-07 |
Family
ID=90959798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410424105.3A Active CN118013428B (zh) | 2024-04-10 | 2024-04-10 | 基于人工智能的地质灾害风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118013428B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598817A (zh) * | 2003-02-04 | 2005-03-23 | 微软公司 | 计算及通讯应用中构造使用重大事件的模型的系统及方法 |
CN102866681A (zh) * | 2011-07-07 | 2013-01-09 | 通用电气公司 | 用于灾害防备的系统和方法 |
ITPI20130070A1 (it) * | 2013-07-15 | 2015-01-16 | Alessandro Battistini | Metodo per la creazione di banche dati di eventi con eco mediatica in internet. |
CN111950134A (zh) * | 2020-07-25 | 2020-11-17 | 重庆六零七工程勘察设计有限公司 | 基于bim的地质灾害评估方法、装置及计算机可读存储介质 |
CN114359705A (zh) * | 2021-12-02 | 2022-04-15 | 广州杰赛科技股份有限公司 | 一种地质灾害监测方法和装置 |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策系统、方法及可读存储介质 |
GB202217794D0 (en) * | 2022-06-27 | 2023-01-11 | Checc Data Co Ltd | Iasr not published |
CN116757335A (zh) * | 2023-08-17 | 2023-09-15 | 四川省华地建设工程有限责任公司 | 基于北斗卫星的崩塌预测方法及系统 |
WO2023192364A1 (en) * | 2022-03-31 | 2023-10-05 | Schlumberger Technology Corporation | Multiple source data change journal system |
CN117370469A (zh) * | 2023-11-17 | 2024-01-09 | 齐齐哈尔诺维网络科技有限公司 | 用于在大数据环境中高效数据复制的方法和系统 |
CN117610945A (zh) * | 2024-01-24 | 2024-02-27 | 四川省华地建设工程有限责任公司 | 基于人工智能的复杂山区地质灾害风险评价方法及系统 |
CN117668735A (zh) * | 2024-01-30 | 2024-03-08 | 四川省华地建设工程有限责任公司 | 一种地质灾害风险评价方法及系统 |
-
2024
- 2024-04-10 CN CN202410424105.3A patent/CN118013428B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598817A (zh) * | 2003-02-04 | 2005-03-23 | 微软公司 | 计算及通讯应用中构造使用重大事件的模型的系统及方法 |
CN102866681A (zh) * | 2011-07-07 | 2013-01-09 | 通用电气公司 | 用于灾害防备的系统和方法 |
ITPI20130070A1 (it) * | 2013-07-15 | 2015-01-16 | Alessandro Battistini | Metodo per la creazione di banche dati di eventi con eco mediatica in internet. |
CN111950134A (zh) * | 2020-07-25 | 2020-11-17 | 重庆六零七工程勘察设计有限公司 | 基于bim的地质灾害评估方法、装置及计算机可读存储介质 |
CN114359705A (zh) * | 2021-12-02 | 2022-04-15 | 广州杰赛科技股份有限公司 | 一种地质灾害监测方法和装置 |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策系统、方法及可读存储介质 |
WO2023192364A1 (en) * | 2022-03-31 | 2023-10-05 | Schlumberger Technology Corporation | Multiple source data change journal system |
GB202217794D0 (en) * | 2022-06-27 | 2023-01-11 | Checc Data Co Ltd | Iasr not published |
CN116757335A (zh) * | 2023-08-17 | 2023-09-15 | 四川省华地建设工程有限责任公司 | 基于北斗卫星的崩塌预测方法及系统 |
CN117370469A (zh) * | 2023-11-17 | 2024-01-09 | 齐齐哈尔诺维网络科技有限公司 | 用于在大数据环境中高效数据复制的方法和系统 |
CN117610945A (zh) * | 2024-01-24 | 2024-02-27 | 四川省华地建设工程有限责任公司 | 基于人工智能的复杂山区地质灾害风险评价方法及系统 |
CN117668735A (zh) * | 2024-01-30 | 2024-03-08 | 四川省华地建设工程有限责任公司 | 一种地质灾害风险评价方法及系统 |
Non-Patent Citations (4)
Title |
---|
Risk assessment and its influencing factors analysis of geological hazards in typical mountain environment;Jinhuang Lin等;《Journal of Cleaner Production》;20210421;第309卷;127077 * |
Risk assessment of slope disasters induced by typhoon-rainfall in the southeast coastal area, China: A case study of the Shiyang north slope;HAN Shuai等;《Journal of Geomechanics》;20220831;第28卷(第4期);583-595 * |
东南沿海乡镇单元地质灾害风险评估——以杭州富阳区洞桥镇为例;王威等;《中国水运(下半月)》;20230430;第23卷(第04期);97-99 * |
基于深度学习的面向对象高分辨率震害图像分类研究;郝艳玲;《中国优秀硕士学位论文全文数据库 基础科学辑》;20200715(第07期);A011-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN118013428A (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019128526A1 (zh) | 一种训练风控模型和风控的方法、装置及设备 | |
US20210012210A1 (en) | Techniques for creating, analyzing, and modifying neural networks | |
US20210012211A1 (en) | Techniques for visualizing the operation of neural networks | |
CN110674360B (zh) | 一种用于数据的溯源方法和系统 | |
US10330655B2 (en) | Air quality forecasting based on dynamic blending | |
CN111338692B (zh) | 基于漏洞代码的漏洞分类方法、装置及电子设备 | |
CN112818126B (zh) | 网络安全语料库构建模型的训练方法、应用方法及装置 | |
CN114124567A (zh) | 基于大数据漏洞挖掘的云服务处理方法及人工智能系统 | |
US20210279279A1 (en) | Automated graph embedding recommendations based on extracted graph features | |
US10379992B2 (en) | Adaptive dynamic code analysis | |
CN111401309B (zh) | 基于小波变换的cnn训练和遥感图像目标识别方法 | |
CN110009012B (zh) | 一种风险样本识别方法、装置及电子设备 | |
US11615321B2 (en) | Techniques for modifying the operation of neural networks | |
CN110334262B (zh) | 一种模型训练方法、装置及电子设备 | |
CN116415020A (zh) | 一种图像检索的方法、装置、电子设备及存储介质 | |
CN118013428B (zh) | 基于人工智能的地质灾害风险评估方法及系统 | |
CN104462552A (zh) | 问答页面核心词提取方法和装置 | |
US20220027739A1 (en) | Search space exploration for deep learning | |
CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
CN112783513A (zh) | 一种代码风险检查方法、装置及设备 | |
CN116541528A (zh) | 招聘领域知识图谱构建的打标签方法和系统 | |
CN112256841B (zh) | 文本匹配和对抗文本识别方法、装置及设备 | |
CN110705695A (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
US10229169B2 (en) | Eliminating false predictors in data-mining | |
CN111986274A (zh) | 一种西瓜成熟状态检测方法、设备及介质 |
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 |