(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110585706.9 (22)申请日 2021.05.27 (65)同一申请的已公布的文献号 申请公布号 CN 113343563 A (43)申请公布日 2021.09.0 3 (73)专利权人 中交第二公路勘察设计 研究院有 限公司 地址 430056 湖北省武汉市经济技 术开发 区创业路18号 (72)发明人 徐乔　余绍淮　吴游宇　余飞　 罗博仁　刘德强　王丽园　杨晶　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 代理人 黄行军 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/18(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01)G06Q 50/26(2012.01) (56)对比文件 CN 112097733 A,2020.12.18 CN 111968019 A,2020.1 1.20 CN 111898315 A,2020.1 1.06 CN 111797571 A,2020.10.20 CN 112700104 A,2021.04.23 CN 111709609 A,2020.09.25 CN 111709609 A,2020.09.25 CN 111667187 A,2020.09.15 CN 111539450 A,2020.08.14 CN 111310898 A,2020.0 6.19 CN 111046517 A,2020.04.21 CN 110929939 A,2020.0 3.27 CN 110569554 A,2019.12.13 CN 10916 5424 A,2019.01.08 CN 10757 7913 A,2018.01.12 CN 107358327 A,2017.1 1.17 (续) 审查员 陈晓静 (54)发明名称 基于样本自动选择与地表形变速率的滑坡 易发性评价方法 (57)摘要 本发明公开一种基于样本自动选择与地表 形变速率的滑坡易发性评价方法， 包括以下步 骤： 提取评价因子， 获取地表形变速率； 自动选取 不同时期的滑坡样本与非滑坡样 本； 利用选取的 滑坡样本， 对评价因子进行归一化处理； 利用滑 坡样本与非滑坡样本， 训练sDA E‑RF模型， 获取滑 坡易发性初始概率； 利用地表形变速率， 对滑坡 易发性初始概率进行修正， 得到滑坡易发性评价 分区图。 本发 明利用反映滑坡运动状态的地表形 变速率， 使评价结果与区域滑坡实际分布情况更 相符， 提高了评价方法的准确性与实用性， 为后 续滑坡灾害风险管理提供准确的决策资料。 [转续页] 权利要求书3页 说明书7页 附图3页 CN 113343563 B 2022.05.03 CN 113343563 B (56)对比文件 CN 10709 2798 A,2017.08.25 朱庆等.重大滑坡隐患分析方法综述. 《测绘 学报》 .2019,(第12期), 张玘恺等.九寨沟县滑坡灾害易发性快速 评 估模型对比研究. 《岩石力学与工程学报》 .2020, (第08期), 杨盼盼等.基于加权信息量模型的临潼区滑 坡易发性评价. 《长江科 学院院报》 .2019,(第09 期), 谈树成等.基 于GIS和信息量-快速聚类模型 的滑坡易发性研究― ―以云南省福贡县为例. 《云南大 学学报(自然科 学版)》 .2018,(第0 6期),王念秦等.基于SVM-LR模型的滑坡易发性评 价――以临潼区为例. 《科 学技术与工程》 .2019, (第30期), 张志沛等.基于加权信息量模型的滑坡灾害 易发性评价― ―以灞桥区为例. 《科 学技术与工 程》 .2020,(第09期), 乔德京等.加权确定性系数模型的滑坡易发 性评价. 《西安科技大 学学报》 .2020,(第02期), 陈飞等.基 于信息量与神经网络模型的滑坡 易发性评价. 《岩石力学与工程学报》 .2020, 于宪煜等.基 于RS-SVM模型的滑坡易发性评 价因子选择方法研究. 《地理与地理信息科 学》 .2016,(第0 3期),2/2 页 2[接上页] CN 113343563 B1.一种基于样本自动选择与地表形变速率的滑坡易发性评价方法， 其特征在于包括以 下步骤： S1， 提取研究区中与滑坡灾害相关的评价因子以及每 个评价单 元的地表形变速率； S2， 根据地表形变速率对研究区进行分类并选取滑坡样本和非滑坡样本； S3， 对评价因子进行归一 化处理； S4， 根据评价因子数量设计sDAE ‑RF模型， 并利用滑坡样本和非滑坡样本对设计后的 sDAE‑RF模型进行训练； S5， 利用训练完成的sDAE ‑RF模型， 输入每个评价单元对应窗口的归一化处理后的评价 因子数据， 得到各评价单 元的滑坡易发性 概率； S6， 分别对每个评价单元的地表形变速率进行归一化处理， 分别利用每个评价单元的 归一化后的地表形变速率构建邻域改正函数， 并对对应的评价单元的滑坡易 发性概率值进 行修正， 从而得到每 个评价单 元的优化后的滑坡易发性 概率。 2.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方 法， 其特征在于： 步骤S1具体包括以下步骤： 利用光学遥感影 像提取评价因子； 利用DEM数据进行GIS空间分析提取评价因子； 利用长时间序列的SAR影像数据， 基于SABS ‑InSAR技术， 获取形变点沿雷达视线方向的 形变速率， 然后利用DEM数据， 转化为沿垂直方向的地表形变速率， 并依据评价单元大小对 形变点内插获得地表形变速率图， 从而可以得到每 个评价单 元的地表形变速率。 3.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方 法， 其特征在于： 步骤S2具体包括以下步骤： 将研究区分割成不同影像对象的集合； 遍历各影像对象， 统计各影像对象内所有评价 单元的地表形变速率的平均值； 按照平均值大小由低至高分为将 影像对象标记为不同类型 的形变区； 从平均值较高的形变区中选取滑坡样本， 并结合坡度、 地表信息对所选择的样本 进行筛选； 从平均值较低形变区中选取非滑坡样本， 并结合 地表信息对样本进行筛 选。 4.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方 法， 其特征在于： 步骤S3具体包括以下步骤： 对连续型的评价因子， 根据设置的步长将该评价因子分为多个分级区间进行离散化处 理； 对于离散型的评价因子直接利用其原有的因子分级区间 然后利用滑坡样本， 计算各评价因子分级区间的滑坡比例、 分级比例与滑坡信 息量值， 绘制对应的曲线分布图， 从而获取因子最优分级区间， 并依据最优分级区间的滑坡信息量 对评价因子进行归一 化处理。 5.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方 法， 其特征在于： 步骤S4和S5具体包括以下步骤： (1)以每个评价单元为中心， 选取其对应窗口归一化后的评价因子数据作为sDAE模型 的输入； 将RF模 型作为分类器， 添加在sDAE模型的最上层， sDAE模型输出的降维特征数据作 为RF模型的输入， 得到sDAE ‑RF模型； (2)从候选滑坡样本对象中随机选择样本对象， 然后将样本对象中心位置的评价单元 作为训练样本； 提取训练样 本窗口的归一化评价因子数据， 作为sDAE模型的输入， 然后利用权　利　要　求　书 1/3 页 2 CN 113343563 B 3