买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都大学

摘要：本发明提供一种基于人工智能的边坡稳定性分析方法，通过获取第一委员会分析模型和第一训练数据集，获取若干第一边坡分析模型之间的联合信息，根据第一训练数据集对第一委员会分析模型中的每一个第一边坡分析模型进行优化，以及在优化时通过联合信息修正第一委员会分析模型的集体优化误差，得到第二委员会分析模型。通过若干第一边坡分析模型之间的联合信息，能让优化时各个边坡分析模型参照和其余边坡分析模型之间的稳定性分析区别，以便修正集体模型的误差，提高第二委员会分析模型中的第二边坡分析模型的分析可靠性和稳定性。

主权项：1.一种基于人工智能的边坡稳定性分析方法，其特征在于，包括：获取第一委员会分析模型和第一训练数据集，所述第一训练数据集包含多个边坡数据模板及所述边坡数据模板的稳定性指示信息，所述第一委员会分析模型中包括若干第一边坡分析模型；获取所述若干第一边坡分析模型之间的联合信息，其中，所述联合信息代表所述若干第一边坡分析模型之间的稳定性分析区别；根据所述第一训练数据集，对所述第一委员会分析模型中的每一个第一边坡分析模型进行优化，以及在优化时通过所述联合信息修正所述第一委员会分析模型的集体优化误差，得到第二委员会分析模型，其中，所述第二委员会分析模型中包括若干第二边坡分析模型；对所述第二委员会分析模型进行模型瘦身，得到目标委员会分析模型，所述模型瘦身用于降低所述第二委员会分析模型中的第二边坡分析模型的个数，所述目标委员会分析模型用于对边坡勘探数据进行稳定性分析；所述第一边坡分析模型的数量等于X，X是大于0的自然数，所述第一边坡分析模型包括分类路径图，所述分类路径图包括分类终点，所述分类终点的起始支持度判定是通过第二训练数据集进行训练获得的，X个第一边坡分析模型之间的联合信息即X个分类路径图中全部分类终点的支持度判定，所述在优化时通过所述联合信息修正所述第一委员会分析模型的集体优化误差，得到第二委员会分析模型，包括：获取所述第一委员会分析模型的第一集体优化误差算法，以及确定重复优化代数H，所述第一集体优化误差算法用以确定所述第一委员会分析模型的集体优化误差；在优化时，通过所述第一集体优化误差算法对所述X个分类路径图中的每一分类终点的起始支持度判定进行H次重复优化，得到各个分类终点的目标支持度判定；通过所述各个分类终点的目标支持度判定，修正所述第一委员会分析模型的集体优化误差，得到第二委员会分析模型；所述在优化时，通过所述第一集体优化误差算法对所述X个分类路径图中的每一分类终点的起始支持度判定进行H次重复优化，得到各个分类终点的目标支持度判定，包括：基于所述第一集体优化误差算法对X个分类路径图中的每一分类终点的起始支持度判定进行重复优化，得到所述各个分类终点在当前代优化时的支持度判定；通过所述各个分类终点在当前代优化时的支持度判定，修正所述第一集体优化误差算法的算法变量，得到所述当前代优化时进行变量修正后的第一集体优化误差算法；基于所述当前代优化时进行变量修正后的第一集体优化误差算法，对所述各个分类终点在当前代优化时的支持度判定进行下一代重复优化，得到所述各个分类终点在所述下一代重复优化时的支持度判定；获取当前已重复优化的代数；当获取的代数等于H时，将所述各个分类终点在第H代优化时的支持度判定，确定为所述各个分类终点的目标支持度判定；所述基于所述第一集体优化误差算法对X个分类路径图中的每一分类终点的起始支持度判定进行重复优化，得到所述各个分类终点在当前代优化时的支持度判定，包括：对所述第一训练数据集中的多个边坡数据模板进行归集，得到多个边坡数据模板簇，每个边坡数据模板簇中的边坡数据模板不同；在各边坡数据模板簇上，通过所述第一集体优化误差算法对所述各个分类终点的起始支持度判定进行斜率确定，得到所述各个分类终点在当前代优化时对应的支持度判定斜率；通过所述各个分类终点在当前代优化时对应的支持度判定斜率，对所述各个分类终点的起始支持度判定进行调节，得到所述各个分类终点在当前代优化时的支持度判定；所述获取所述第一委员会分析模型的第一集体优化误差算法，包括：通过所述第一委员会分析模型对第一训练数据集中的每个边坡数据模板进行稳定性分析，得到所述每个边坡数据模板的边坡稳定性分析结果；基于平滑权重、所述每个边坡数据模板的边坡稳定性分析结果以及与所述X个分类路径图中全部分类终点相关的空间距离，确定所述第一委员会分析模型的第一集体优化误差算法；或者，所述获取所述第一委员会分析模型的第一集体优化误差算法，包括：分别采用各个分类路径图对所述第一训练数据集中的每个边坡数据模板进行稳定性分析，得到所述各个分类路径图对所述每个边坡数据模板的独立稳定性分析结果；通过所述各个分类路径图对所述每个边坡数据模板的独立稳定性分析结果，确定所述第一委员会分析模型对所述每个边坡数据模板的边坡稳定性分析结果；通过所述各个分类路径图对所述每个边坡数据模板的独立稳定性分析结果与相应边坡数据模板的稳定性指示信息，确定所述各个分类路径图对所述每个边坡数据模板的第一分析差异；通过所述各个分类路径图对所述每个边坡数据模板的独立稳定性分析结果和所述第一委员会分析模型对相应边坡数据模板的边坡稳定性分析结果，确定所述各个分类路径图对所述每个边坡数据模板的第二分析差异；通过所述各个分类路径图对所述每个边坡数据模板的第一分析差异、所述各个分类路径图对所述每个边坡数据模板的第二分析差异、平滑权重、分类路径图的个数以及均匀化数组，确定所述第一委员会分析模型的第一集体优化误差算法，所述平滑权重代表在对所述第一委员会分析模型进行优化时，所述第一委员会分析模型中的X个分类路径图之间是否开启多元化，如果所述平滑权重的数值为-∞,0]，代表所述第一委员会分析模型中的X个分类路径图之间无需开启多元化，如果所述平滑权重的数值为0,+∞，代表所述第一委员会分析模型中的X个分类路径图之间需开启多元化；所述第二委员会分析模型中的第二边坡分析模型的数量等于X，所述目标委员会分析模型中包括S个第二边坡分析模型，X和S均为大于0的自然数，同时，X大于S，则所述对所述第二委员会分析模型进行模型瘦身，得到目标委员会分析模型，包括：获取所述第二委员会分析模型中的每一个第二边坡分析模型的精简参量；通过所述第二委员会分析模型中的每一个第二边坡分析模型的精简参量，在所述第二委员会分析模型中确定X-S个第二边坡分析模型进行剪除，得到目标委员会分析模型。

全文数据：

权利要求：

百度查询： 成都大学 基于人工智能的边坡稳定性分析方法