本技術(shù)涉及數(shù)據(jù)處理、人工智能領(lǐng)域，并且更具體地，涉及一種邊坡穩(wěn)定性智能識別方法及系統(tǒng)。

背景技術(shù)：

1、在地質(zhì)災(zāi)害預(yù)防和管理領(lǐng)域，邊坡穩(wěn)定性分析是一項至關(guān)重要的工作。傳統(tǒng)的邊坡穩(wěn)定性分析方法往往依賴于專家經(jīng)驗、現(xiàn)場勘查和有限的物理模型模擬。隨著信息技術(shù)的發(fā)展，特別是人工智能技術(shù)的進(jìn)步，越來越多的研究和應(yīng)用開始嘗試使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)來進(jìn)行邊坡穩(wěn)定性的自動識別與評估。這些技術(shù)能夠提高分析效率，減少人工成本，并且在大數(shù)據(jù)的支持下，可以更準(zhǔn)確地預(yù)測潛在的風(fēng)險區(qū)域。現(xiàn)有的邊坡穩(wěn)定性分析系統(tǒng)通常采用集中式的數(shù)據(jù)處理架構(gòu)，所有的數(shù)據(jù)采集、處理和分析都在中央服務(wù)器上進(jìn)行。這種架構(gòu)雖然能夠集中資源進(jìn)行高效計算，但也存在一些問題：大量的地質(zhì)數(shù)據(jù)上傳到中央服務(wù)器進(jìn)行處理，這可以導(dǎo)致敏感數(shù)據(jù)泄露的風(fēng)險增加。當(dāng)數(shù)據(jù)量巨大時，頻繁的數(shù)據(jù)傳輸會消耗大量的網(wǎng)絡(luò)帶寬資源，尤其是在偏遠(yuǎn)地區(qū)，網(wǎng)絡(luò)條件可能較差。邊坡穩(wěn)定性分析通常復(fù)雜的機(jī)器學(xué)習(xí)模型，這對中央服務(wù)器的算力提出了很高的要求。不同地區(qū)的地質(zhì)環(huán)境差異較大，單一的全局模型可能難以適應(yīng)所有情況，降低了模型的泛化能力。由于大量數(shù)據(jù)和算力資源，模型的訓(xùn)練和更新周期較長，難以快速響應(yīng)新的地質(zhì)狀況變化。

技術(shù)實現(xiàn)思路

1、有鑒于此，本技術(shù)提供一種邊坡穩(wěn)定性智能識別方法及系統(tǒng)。

2、根據(jù)本技術(shù)的第一方面，提供了一種邊坡穩(wěn)定性智能識別方法，應(yīng)用于國土資源云平臺，所述方法包括：國土資源云平臺獲取x個第一表征數(shù)組，基于基石神經(jīng)網(wǎng)絡(luò)中的特征提煉組件對所述x個第一表征數(shù)組進(jìn)行多維度表征數(shù)組提煉，獲得所述x個第一表征數(shù)組各自對應(yīng)的第二表征數(shù)組，x≥1；所述基石神經(jīng)網(wǎng)絡(luò)還包括用于分別部署于x個地方地質(zhì)分析平臺上的線性映射組件和邊坡穩(wěn)定性識別組件；所述x個第一表征數(shù)組為通過所述x個地方地質(zhì)分析平臺分別基于部署的地方特征提取組件對監(jiān)測的目標(biāo)區(qū)域的邊坡地質(zhì)數(shù)據(jù)進(jìn)行特征提取以獲得；每個地方地質(zhì)分析平臺部署的地方特征提取組件都是基于對所述線性映射組件進(jìn)行內(nèi)部配置參變量優(yōu)化后以獲得；對所述x個地方地質(zhì)分析平臺分別發(fā)送x個第二表征數(shù)組中的一個第二表征數(shù)組；其中，目標(biāo)地方地質(zhì)分析平臺獲取到的第二表征數(shù)組與所述目標(biāo)地方地質(zhì)分析平臺特征提取獲得的第一表征數(shù)組對應(yīng)；所述目標(biāo)地方地質(zhì)分析平臺為所述x個地方地質(zhì)分析平臺中的任一地方地質(zhì)分析平臺；如果所述x個地方地質(zhì)分析平臺各自部署的地方特征提取組件和地方邊坡穩(wěn)定性識別組件都達(dá)到地方網(wǎng)絡(luò)調(diào)校停止要求，獲取所述x個地方地質(zhì)分析平臺分別發(fā)送的目標(biāo)調(diào)校誤差，其中，所述目標(biāo)地方地質(zhì)分析平臺發(fā)送的目標(biāo)調(diào)校誤差為通過所述目標(biāo)地方地質(zhì)分析平臺部署的地方邊坡穩(wěn)定性識別組件和獲取到的第二表征數(shù)組構(gòu)建得到，每個地方地質(zhì)分析平臺部署的地方邊坡穩(wěn)定性識別組件都是基于對所述邊坡穩(wěn)定性識別組件進(jìn)行內(nèi)部配置參變量優(yōu)化后以獲得；基于x個目標(biāo)調(diào)校誤差對所述特征提煉組件進(jìn)行內(nèi)部配置參變量優(yōu)化，獲得協(xié)同特征提煉組件，基于所述協(xié)同特征提煉組件和所述x個地方地質(zhì)分析平臺中的地方特征提取組件和地方邊坡穩(wěn)定性識別組件，生成每個地方地質(zhì)分析平臺各自對應(yīng)的協(xié)同邊坡穩(wěn)定性識別組件；同時設(shè)置在所述國土資源云平臺和所述目標(biāo)地方地質(zhì)分析平臺上的協(xié)同邊坡穩(wěn)定性識別組件被配置為對所述目標(biāo)地方地質(zhì)分析平臺中的邊坡地質(zhì)數(shù)據(jù)進(jìn)行邊坡穩(wěn)定性分析。

3、根據(jù)本技術(shù)的第二方面，提供了一種邊坡穩(wěn)定性智能識別方法，應(yīng)用于目標(biāo)地方地質(zhì)分析平臺，所述方法包括：目標(biāo)地方地質(zhì)分析平臺依據(jù)基石神經(jīng)網(wǎng)絡(luò)中的線性映射組件對邊坡地質(zhì)數(shù)據(jù)進(jìn)行線性映射，獲得第一表征數(shù)組，將所述第一表征數(shù)組發(fā)送到國土資源云平臺，使得所述國土資源云平臺基于所述基石神經(jīng)網(wǎng)絡(luò)中的特征提煉組件對所述第一表征數(shù)組進(jìn)行多維度表征數(shù)組提煉，獲得第二表征數(shù)組；所述基石神經(jīng)網(wǎng)絡(luò)中的線性映射組件部署于x個地方地質(zhì)分析平臺上，所述基石神經(jīng)網(wǎng)絡(luò)還包括用于部署于x個地方地質(zhì)分析平臺上的邊坡穩(wěn)定性識別組件，所述x個地方地質(zhì)分析平臺包括所述目標(biāo)地方地質(zhì)分析平臺；獲取所述國土資源云平臺發(fā)送的所述第二表征數(shù)組，基于所述邊坡穩(wěn)定性識別組件對所述第二表征數(shù)組進(jìn)行邊坡穩(wěn)定性識別，獲得推理識別結(jié)果，依據(jù)所述邊坡地質(zhì)數(shù)據(jù)的先驗標(biāo)記和所述推理識別結(jié)果，得到迭代調(diào)校誤差，基于所述迭代調(diào)校誤差對所述線性映射組件和所述邊坡穩(wěn)定性識別組件進(jìn)行內(nèi)部配置參變量優(yōu)化，獲得地方特征提取組件和地方邊坡穩(wěn)定性識別組件；如果所述地方特征提取組件和所述地方邊坡穩(wěn)定性識別組件都達(dá)到地方網(wǎng)絡(luò)調(diào)校停止要求時，將基于所述地方邊坡穩(wěn)定性識別組件所生成的目標(biāo)調(diào)校誤差發(fā)送到所述國土資源云平臺，使得所述國土資源云平臺依據(jù)所述x個地方地質(zhì)分析平臺各自對應(yīng)的目標(biāo)調(diào)校誤差對所述特征提煉組件進(jìn)行內(nèi)部配置參變量優(yōu)化，獲得協(xié)同特征提煉組件，基于所述協(xié)同特征提煉組件和所述x個地方地質(zhì)分析平臺中的地方特征提取組件和地方邊坡穩(wěn)定性識別組件，生成每個地方地質(zhì)分析平臺各自對應(yīng)的協(xié)同邊坡穩(wěn)定性識別組件；同時設(shè)置在所述國土資源云平臺和所述目標(biāo)地方地質(zhì)分析平臺上的協(xié)同邊坡穩(wěn)定性識別組件被配置為對所述目標(biāo)地方地質(zhì)分析平臺中的邊坡地質(zhì)數(shù)據(jù)進(jìn)行邊坡穩(wěn)定性分析。

4、根據(jù)本技術(shù)的第三方面，提供了一種邊坡穩(wěn)定性智能識別系統(tǒng)，包括國土資源云平臺和與所述國土資源云平臺通信連接的至少一個地方地質(zhì)分析平臺，其中，所述國土資源云平臺包括第一處理器；以及第一存儲器，其中所述第一存儲器中存儲有第一計算機(jī)程序，所述第一計算機(jī)程序在由所述第一處理器運行時，使得所述第一處理器執(zhí)行如第一方面所述的方法；所述地方地質(zhì)分析平臺包括第二處理器；以及第二存儲器，其中所述第二存儲器中存儲有第二計算機(jī)程序，所述第二計算機(jī)程序在由所述第二處理器運行時，使得所述第二處理器執(zhí)行如第二方面所述的方法。

5、本技術(shù)的有益效果至少包括：本技術(shù)基于將基石神經(jīng)網(wǎng)絡(luò)劃分為線性映射組件、特征提煉組件和邊坡穩(wěn)定性識別組件，將線性映射組件和邊坡穩(wěn)定性識別組件分別發(fā)送到每一地方地質(zhì)分析平臺，國土資源云平臺維持著特征提煉組件。通過地方地質(zhì)分析平臺和國土資源云平臺一起進(jìn)行調(diào)校優(yōu)化，能減少地方地質(zhì)分析平臺的算力需求，降低成本，地方地質(zhì)分析平臺和國土資源云平臺同時進(jìn)行調(diào)校優(yōu)化可以提升調(diào)校優(yōu)化的速度。通過每一地方地質(zhì)分析平臺基于部署的線性映射組件對邊坡地質(zhì)數(shù)據(jù)進(jìn)行線性映射，獲得第一表征數(shù)組，國土資源云平臺獲取x個第一表征數(shù)組，基于特征提煉組件對x個第一表征數(shù)組進(jìn)行多維度表征數(shù)組提煉，獲得x個第一表征數(shù)組各自對應(yīng)的第二表征數(shù)組。向x個地方地質(zhì)分析平臺分別發(fā)送x個第二表征數(shù)組中的一個第二表征數(shù)組；每一地方地質(zhì)分析平臺獲取到的第二表征數(shù)組與每個地方地質(zhì)分析平臺特征提取獲得的第一表征數(shù)組對應(yīng)，每一地方地質(zhì)分析平臺可以依據(jù)部署的邊坡穩(wěn)定性識別組件和獲取的第二表征數(shù)組得到迭代調(diào)校誤差，依據(jù)迭代調(diào)校誤差對線性映射組件和邊坡穩(wěn)定性識別組件進(jìn)行內(nèi)部配置參變量優(yōu)化，獲得地方特征提取組件和地方邊坡穩(wěn)定性識別組件。如果x個地方地質(zhì)分析平臺各自部署的地方特征提取組件和地方邊坡穩(wěn)定性識別組件都達(dá)到地方網(wǎng)絡(luò)調(diào)校停止要求，則每一地方地質(zhì)分析平臺分別將達(dá)到穩(wěn)定狀態(tài)的地方邊坡穩(wěn)定性識別組件和獲取到的第二表征數(shù)組生成的迭代調(diào)校誤差作為目標(biāo)調(diào)校誤差，國土資源云平臺基于x個地方地質(zhì)分析平臺分別發(fā)送的目標(biāo)調(diào)校誤差對特征提煉組件進(jìn)行內(nèi)部配置參變量優(yōu)化，獲得協(xié)同特征提煉組件?；趨f(xié)同特征提煉組件和x個地方地質(zhì)分析平臺中的地方特征提取組件和地方邊坡穩(wěn)定性識別組件，生成每個地方地質(zhì)分析平臺各自對應(yīng)的協(xié)同邊坡穩(wěn)定性識別組件，同時設(shè)置在國土資源云平臺和目標(biāo)地方地質(zhì)分析平臺上的協(xié)同邊坡穩(wěn)定性識別組件被配置為對目標(biāo)地方地質(zhì)分析平臺中的邊坡地質(zhì)數(shù)據(jù)進(jìn)行邊坡穩(wěn)定性分析。地方地質(zhì)分析平臺僅進(jìn)行調(diào)校誤差的上傳即可，邊坡地質(zhì)數(shù)據(jù)不用進(jìn)行同步，數(shù)據(jù)達(dá)到隔離，安全性得到保障。因為邊坡地質(zhì)數(shù)據(jù)的分布于是非均勻的，基于基石神經(jīng)網(wǎng)絡(luò)中具備多維度表征信息知識的特征提煉組件，能在邊坡地質(zhì)數(shù)據(jù)上針對多維異構(gòu)數(shù)據(jù)擁有穩(wěn)定的表征效果，不用對網(wǎng)絡(luò)進(jìn)行反復(fù)調(diào)校。基于此，國土資源云平臺可以在地方特征提取組件和地方邊坡穩(wěn)定性識別組件都達(dá)到地方網(wǎng)絡(luò)調(diào)校停止要求的情況下，獲取各地方地質(zhì)分析平臺對應(yīng)的調(diào)校誤差完成一次參變量優(yōu)化，特征提煉組件不用反復(fù)進(jìn)行內(nèi)部配置參變量的調(diào)整，防止引起網(wǎng)絡(luò)的參數(shù)失穩(wěn)，同時能降低地方平臺和云平臺的交互次數(shù)。