本发明创造属于边坡预警的，具体涉及了一种边坡预警模型的确定方法、装置、设备和介质。
背景技术：
1、我国属于多山国家，大部分的铁路建设都会产生边坡。边坡上的土体或岩体受河流冲刷，地质活动，雨水浸泡以及人工切坡等因素影响，坡体应力状态产生变化，当滑动力或倾覆力达到甚至超过抗滑力或抗倾覆力而失去平衡时，边坡会发生位移、变形、滑动甚至坍塌等地质灾害，给工农业生产以及人民群众的生命财产安全造成巨大损失。因此及时准确的掌握边坡变形状态并对其未来变形趋势进行预测具有重要意义。
2、近年来，随着人工智能技术的发展，将其与变形监测数据相结合得到的边坡变形智能预测方法引起了众多学者的广泛关注。支持向量回归(svr)是以机器学习理论为基础，基于结构风险最小化准则的回归模型，在解决小样本，高维度，非线性数据建模问题时表现出了特有的优势，因此被广泛应用于矿区边坡，公路边坡以及铁路边坡等众多边坡变形预测领域，并取得了一系列研究成果。然而svr在输入值与预测值之间建立非线性映射关系时，模型中核函数和惩罚因子的选取对结果影响较大，目前常用的交叉验证法和粒子群优化法存在计算复杂，实时性差和易陷入局部极值等问题。
技术实现思路
1、针对上述技术问题，本发明创造提出了一种边坡预警模型的确定方法、装置、设备和介质。本申请通过获取目标边坡的历史实测数据；根据所述历史实测数据构建水循环个体，并预设总迭代次数；根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量；根据所述最终核函数和所述最终偏移量确定所述边坡预警模型。解决了现有技术中模型中核函数和惩罚因子的选取对结果影响较大，目前常用的交叉验证法和粒子群优化法存在计算复杂，实时性差和易陷入局部极值等问题，且具备更高的预测精度和更强的泛化能力，更能适应边坡变形预测实际工程应用环境。
2、为解决上述技术问题，本发明所采用的技术方案包含四个方面。
3、第一方面，提供了一种边坡预警模型的确定方法，包括：获取目标边坡的历史实测数据；根据所述历史实测数据构建水循环个体，并预设总迭代次数；根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量；根据所述最终核函数和所述最终偏移量确定所述边坡预警模型。
4、在一些实施例中，所述根据所述历史实测数据构建水循环个体，包括：获取所述历史实测数据的实测数据数量；根据所述实测数据数量构建与所述历史实测数据同等数量，且相对应的多个水循环个体。
5、在一些实施例中，所述根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量，包括：在每次迭代中执行如下操作：获取上一次迭代中生成的预测数据，其中所述预测数据与所述历史实测数据的数量相等，且相对应；根据每个所述预测数据和所述历史实测数据确定每个所述水循环个体的适应度函数；根据每个所述适应度函数迭代更新大海的大海参数；根据所述大海参数确定所述预警模型的当前核函数和当前偏移量；根据所述当前核函数和所述当前偏移量确定当前预警模型；根据所述当前预警模型生成多个预测数据。
6、在一些实施例中，所述根据每个所述适应度函数迭代更新大海的大海参数，包括：获取当前迭代次数和预设的迭代步长区间；根据所述当前迭代次数和所述迭代步长区间确定当前迭代步长；根据所述当前迭代步长和每个所述适应度函数迭代更新大海的大海参数。
7、在一些实施例中，所述根据所述当前迭代步长和每个所述适应度函数迭代更新大海的大海参数，包括：获取每个所述水循环个体的当前所属种群和各个所述种群的位置，其中所述种群包括：河流、溪流和大海，各个所述种群的位置包括：河流位置、溪流位置和大海位置；根据所述当前迭代步长和各个所述种群的位置更新河流的河流位置、溪流的溪流位置以及大海的所述大海位置；根据每个所述适应度函数确定每个所述水循环个体的适应度值；根据每个所述适应度值更新每个种群中的水循环个体；根据所述大海位置和大海中的水循环个体确定更新后的大海参数。
8、在一些实施例中，所述根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量，还包括：根据所述总迭代次数和所述当前迭代次数确定是否已完成迭代；当迭代已完成时，当前迭代所产生的所述当前核函数和所述当前偏移量为所述预警模型的所述最终核函数和最终偏移量。
9、在一些实施例中，通过下式实现所述根据所述当前迭代步长和各个所述种群的位置更新河流的河流位置、溪流的溪流位置以及大海的所述大海位置：
10、式中，和分别为溪流、河流和大海的位置，右上标t表示当前迭代次数，c为当前迭代步长。
11、第二方面，本申请提供了一种边坡预警模型的确定装置，包括：第一获取模块，用于获取目标边坡的历史实测数据；第一执行模块，用于根据所述历史实测数据构建水循环个体，并预设总迭代次数；第一确定模块，用于根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量；第二确定模块，用于根据所述最终核函数和所述最终偏移量确定所述边坡预警模型。
12、第三方面，本申请提出了一种电子设备，包括：存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如第一方面任一所述的方法。
13、第四方面，本申请提出了一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，所述计算机程序能够用来实现如第一方面任一所述的方法。
14、本发明创造的有益效果：本申请通过获取目标边坡的历史实测数据；根据所述历史实测数据构建水循环个体，并预设总迭代次数；根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量；根据所述最终核函数和所述最终偏移量确定所述边坡预警模型。解决了现有技术中模型中核函数和惩罚因子的选取对结果影响较大，目前常用的交叉验证法和粒子群优化法存在计算复杂，实时性差和易陷入局部极值等问题，且具备更高的预测精度和更强的泛化能力，更能适应边坡变形预测实际工程应用环境。
1.一种边坡预警模型的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史实测数据构建水循环个体，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据每个所述适应度函数迭代更新大海的大海参数，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前迭代步长和每个所述适应度函数迭代更新大海的大海参数，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据所述水循环个体、所述总迭代次数以及所述历史实测数据确定预警模型的最终核函数和最终偏移量，还包括：
7.根据权利要求5所述的方法，其特征在于，通过下式实现所述根据所述当前迭代步长和各个所述种群的位置更新河流的河流位置、溪流的溪流位置以及大海的所述大海位置：
8.一种边坡预警模型的确定装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-7任一所述的方法。
10.一种存储介质，其特征在于，该存储介质存储的计算机程序，能够被一个或多个处理器执行，所述计算机程序能够用来实现如权利要求1-7任一所述的方法。
