自适应泥石流预警方法.pdf

本发明公开了一种自适应泥石流预警方法，包括以下步骤：采集导致泥石流发生的监测数据并设为x1,x2，...,xn，每组监测数据分别判别为ω1或ω2；令d(x)＝w′0x+wn+1＝w1x1+w2x2+...+wnxn+wn+1；如果d(x)＞0，则判断为泥石流会发生，如果d(x)≤0，则判断为泥石流不会发生；根据泥石流是否发生的实际结果，将x重新判别为与实际结果对应的ω1或ω2；将x符号规范化，并扩展为n+1维，得一训练模式；用训练模式对w进行调整，获得新的w，本次泥石流预警结束；引入新的w重复上述步骤，进行下一次泥石流预警。本发明将导致泥石流发生的各种因素进行综合判断并形成一个能够自适应调节的闭环反馈系统，使预测的结果越来越准确。

权利要求书一种自适应泥石流预警方法，其特征在于：包括以下步骤：
（1）采集导致泥石流发生的监测数据，设不同的监测数据分别为x1,x2，...,xn，每组监测数据分别判别为ω1或ω2，ω1表示泥石流发生，ω2表示泥石流不发生，包含所有这些数据的整体为一个特征矢量x，即：
x＝(x1,x2,...,xn)′                        （I）
上式I中，x是一个n维的矢量，x中的x1,x2，...,xn是不同的标量；
（2）设泥石流发生与否的判断函数d(x)：
d(x)＝w′0x+wn+1＝w1x1+w2x2+...+wnxn+wn+1    （II）
上式II中，w1,w2，...,wn分别为与x1,x2，...,xn相对应的权矢量系数，wn+1为扩展权矢量系数；
（3）判断泥石流是否发生：如果d(x)＞0，则判断为泥石流会发生，如果d(x)≤0，则判断为泥石流不会发生，d(x)＝0为判断界面，其含义为：在一维空间中是一个点，在二维空间中是一条直线，在三维空间中是一个平面，在更高维的空间中是一个抽象的超平面；
（4）根据泥石流是否发生的实际结果，将x重新判别为与实际结果对应的ω1或ω2；
（5）将x符号规范化，并扩展为n+1维，得一训练模式；
（6）用步骤（5）所得训练模式对权矢量系数w1,w2，...,wn进行调整并扩展，获得新的权矢量系数，本次泥石流预警结束；
（7）引入新的权矢量重复步骤（1）～（6），进行下一次泥石流预警。
根据权利要求1所述的自适应泥石流预警方法，其特征在于：所述步骤（6）中，对权矢量系数w1,w2，...,wn进行调整的方法为：
a、采用训练模式集x1,x2，...,xN，构造矩阵X＝(x1,x2,...,xN)′，求X的伪逆X+；
b、引入N维余量矢量b，赋初值b(0)，选取正常数ρ的值，置步数k＝0；
c、计算w(k)＝X+b(k)和e(k)＝Xw(k)‑b(k)；
d、判断：若e(k)＞0，继续步骤e；若e(k)＝0，则所述步骤c所得w(k)即为调整后的权矢量系数；若e(k)的负分量停止变为正值或各分量均为负值，则所述步骤c所得w(k)即为调整后的权矢量系数；
e、计算：w(k+1)＝w(k)+ρX+[e(k)+|e(k)|]＝w(k)+ρX+|e(k)|及b(k+1)＝b(k)+ρ[e(k)+|e(k)|]；
f、令k＝k+1，重复步骤c～步骤e，直到e(k)＝0，或者，e(k)的负分量停止变为正值或各分量均为负值为止；结束。

说明书自适应泥石流预警方法
技术领域
本发明涉及一种泥石流预警方法，尤其涉及一种预测结果越来越准确的自适应泥石流预警方法。
背景技术
自20世纪90年代以来，受全球气候变暖的影响，极端气象灾害事件引发的泥石流灾害逐渐成为山区城镇发展的突出问题，严重威胁着周边地区人民的生命财产安全，并已引起政府和相关部门的广泛关注。如果能够对这些地区的气象及水文信息实行有效的监测，并在灾害来临之前及时地预警，则能很大程度减轻灾害带来的损失。这里核心技术是预警模型的研制，这是能够有效提高预警准确率的关键技术。
传统的经验模型是将全国各地区按年均降雨量分为四级分区，分别为：>1200mm，1200mm‑800mm，800mm‑500mm和<500mm，通过经验对各级分区分别设置可能发生泥石流的10分钟、1小时、24小时时段的临界雨量值（mm）。按照气象局关于蓝黄橙红预警级别的定义，当监测到的雨量数据超过设置的预警阈值时，启动相应级别的预警。这种传统的预警模型能够一定程度上预测到可能发生的灾害，但同时也存在很大的缺陷和不足。一方面，即使是同一分区，在年均降雨量上也存在不同地区的个体差异，同样的雨量，在有的地区可能导致泥石流，在有的地区发生的概率则可能较小，这种按分区设置阈值的方式显得过于粗糙。另一方面，引发泥石流的成因是复杂的，临界雨量只是其中的一个因素。事实上，包括地层岩性、地形地貌、土壤含水量、不同时段最大降雨量等在内的各因素都是导致泥石流发生的潜在原因，并且它们之间呈现较为复杂的关系，因此仅仅依靠临界雨量数据预测泥石流显得证据不足。采用传统经验模型的系统在实际运用中常常表现出漏警和虚警的几率都较大，有时在灾害真正来临之前不能有效预警，延误应急响应预案的实施，或者有时又错误地预警，造成人力资源的浪费和不必要的恐慌。
因此，采用上述传统的经验模型，还不能较为准确和可靠地预测泥石流的发生，离人们的需求还存在相当的差距。
发明内容
本发明的目的就在于为了解决上述问题而提供一种预测结果越来越准确的自适应泥石流预警方法。
为了达到上述目的，本发明采用了以下技术方案：
本发明所述自适应泥石流预警方法，包括以下步骤：
（1）采集导致泥石流发生的监测数据，设不同的监测数据分别为x1,x2，...,xn，每组监测数据分别判别为ω1或ω2，ω1表示泥石流发生，ω2表示泥石流不发生，包含所有这些数据的整体为一个特征矢量x，即：
x＝(x1,x2,...,xn)′                        （I）
上式I中，x是一个n维的矢量，x中的x1,x2，...,xn是不同的标量；
（2）设泥石流发生与否的判断函数d(x)：
d(x)＝w′0x+wn+1＝w1x1+w2x2+...+wnxn+wn+1    （II）
上式II中，w1,w2，...,wn分别为与x1,x2，...,xn相对应的权矢量系数，wn+1为扩展权矢量系数；
（3）判断泥石流是否发生：如果d(x)＞0，则判断为泥石流会发生，如果d(x)≤0，则判断为泥石流不会发生，d(x)＝0为判断界面，其含义为：在一维空间中是一个点，在二维空间中是一条直线，在三维空间中是一个平面，在更高维的空间中是一个抽象的超平面；
（4）根据泥石流是否发生的实际结果，将x重新判别为与实际结果对应的ω1或ω2；
（5）将x符号规范化，并扩展为n+1维，得一训练模式；
（6）用步骤（5）所得训练模式对权矢量系数w1,w2，...,wn进行调整并扩展，获得新的权矢量系数，本次泥石流预警结束；
（7）引入新的权矢量系数重复步骤（1）～（6），进行下一次泥石流预警。
作为优选，所述步骤（6）中，对权矢量系数w1,w2，...,wn进行调整的方法为：
a、采用训练模式集x1,x2，...,xN，构造矩阵X＝(x1,x2,...,xN)′，求X的伪逆X+；
b、引入N维余量矢量b，赋初值b(0)，选取正常数ρ的值，置步数k＝0；
c、计算w(k)＝X+b(k)和e(k)＝Xw(k)‑b(k)；
d、判断：若e(k)＞0，继续步骤e；若e(k)＝0，则所述步骤c所得w(k)即为调整后的权矢量系数；若e(k)的负分量停止变为正值或各分量均为负值，则所述步骤c所得w(k)即为调整后的权矢量系数；
e、计算：w(k+1)＝w(k)+ρX+[e(k)+|e(k)|]＝w(k)+ρX+|e(k)|及b(k+1)＝b(k)+ρ[e(k)+|e(k)|]；
f、令k＝k+1，重复步骤c～步骤e，直到e(k)＝0，或者，e(k)的负分量停止变为正值或各分量均为负值为止；结束。
本发明的有益效果在于：
本发明将导致泥石流发生的各种因素进行整合，利用判断函数对泥石流是否发生进行综合判断，并根据实际结果对各种因素对泥石流发生的影响性质重新进行判断；而判断函数中涉及权矢量，权矢量通过与实际结果比对验证并获得调整，获得新的与实际结果更加接近的权矢量，然后利用新的权矢量进行下一次泥石流预警，本发明所述方法以软件程序的形式形成一个能够自适应调节的闭环反馈系统，使该系统在实际运行中变得越来越“聪明”，所以泥石流预警会越来越准确。
附图说明
图1是本发明所述自适应泥石流预警方法的整体流程图；
图2是本发明所述权矢量调整方法的流程图。
具体实施方式
下面结合附图对本发明作进一步具体描述：
如图1所示，本发明所述自适应泥石流预警方法，包括以下步骤：
（1）采集导致泥石流发生的监测数据，设不同的监测数据分别为x1,x2，...,xn，每组监测数据分别判别为ω1或ω2，ω1表示泥石流发生，ω2表示泥石流不发生，包含所有这些数据的整体为一个特征矢量x，即：
x＝(x1,x2,...,xn)′                                （I）
上式I中，x是一个n维的矢量，x中的x1,x2，...,xn是不同的标量；
如果需要对安全状态进行更细致的划分，如分为蓝、黄、橙、红等不同的等级，只需将上述涉及ω1和ω2的两类问题扩展为多类问题即可。
（2）设泥石流发生与否的判断函数d(x)：
d(x)＝w′0x+wn+1＝w1x1+w2x2+...+wnxn+wn+1        （II）
上式II中，w1,w2，...,wn分别为与x1,x2，...,xn相对应的权矢量系数，wn+1为扩展权矢量系数。
（3）判断泥石流是否发生：如果d(x)＞0，则判断为泥石流会发生，如果d(x)≤0，则判断为泥石流不会发生，d(x)＝0为判断界面，其含义为：在一维空间中是一个点，在二维空间中是一条直线，在三维空间中是一个平面，在更高维的空间中是一个抽象的超平面。
（4）根据泥石流是否发生的实际结果，将x重新判别为与实际结果对应的ω1或ω2；
（5）将x符号规范化，并扩展为n+1维，得一训练模式；
（6）用步骤（5）所得训练模式对权矢量系数w1,w2，...,wn进行调整并扩展，获得新的权矢量系数，本次泥石流预警结束；
（7）引入新的权矢量系数重复步骤（1）～（6），进行下一次泥石流预警。
上述方法是将之前的所有真实数据当作训练模式，来对权矢量系数w进行调整，w＝(w1,w2,...,wn,wn+1)，以使w不断地向最优的方向逼近，达到根据调整后的w能对x进行正确识别的目的。并且系统在使用过程中的每一次采集数据，也用于对w的调整，从而形成一个闭环反馈系统，使得预警模型越来越接近最优位置，从而预测结果也就越来越准确。
如图2所示，下面以涉及ω1和ω2的两类问题为例，对所述步骤（6）中对权矢量系数w1,w2，...,wn进行调整的具体方法进行说明：
如果训练模式是线性可分的，则存在权矢量系数w使不等式组
w′xi＞0    i＝1,2,...,N                                        （III）
成立,即式（III）有解，这里假定所有训练模式已符号规范化，即如果x属于ω2，将x取反；如果x属于ω1，则x不变，并且已扩展为n+1维，与w的维数保持一致，此时x的最后一个标量值为1。若模式非线性可分，则式（III）无解，即不存在w，使所有的不等式都成立，也就是说，无论权矢量如何设置，总有某些模式被错分。在这样的情况下，我们的目标应是尽可能使最少的模式被错分，或者等价地说，应寻求某个最佳的w*，使得尽可能多的不等式被满足。将式(III)写成矩阵形式，并引入N维余量矢量b＞0以使解更可靠，可得
Xw≥b＞0                                    （IV）
式（IV）中X为一个N×(n+1)大小的矩阵