CN106970986-CN201710199233-基于深度学习的城市内涝影响程度挖掘方法及系统.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106970986 A (43)申请公布日 2017.07.21 (21)申请号 201710199233.2 (22)申请日 2017.03.29 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 武汉大学 (72)发明人 邵振峰　潘银　 (74)专利代理机构 武汉科皓知识产权代理事务 所(特殊普通合伙) 42222 代理人 严彦 (51)Int.Cl. G06F 17/30(2006.01) G06K 9/62(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) 权利要求书2页 说明书8页 附图3页 (54)发明名称 基于深度学习的城市内涝影响程度挖掘方 法及系统 (57)摘要 本发明提出一种基于聚类的点云分割方法 及系统，包括在城市大数据中提取与内涝点影响 程度相关的空间数据，分为训练样本集和测试样 本集；利用内涝影响程度综合评价指标，判定内 涝点的影响程度等级，作为标签；构建栈式自编 码网络，利用训练样本集中训练样本及相应标签 对栈式自编码网络进行训练；对于测试样本集提 取特征数据，并将数据输入训练完成的栈式自编 码网络，计算测试样本内涝点影响程度等级，并 对训练完成的栈式自编码网络进行精度评定，当 精度合格时根据所得栈式自编码网络，对潜在内 A 涝点影响等级进行预测。本发明实现了内涝对居 6 民工作生活影响程度的预测，将内涝点影响程度 8 9 0 分级显示，具有重要的经济指导意义，能够提供 7 9 6 重要的市场价值。 0 1 N C CN 106970986 A 权　利　要　求　书 1/2页 1.一种基于深度学习的城市内涝影响程度挖掘方法，其特征在于：包括以下步骤， 步骤a，在城市大数据中提取与内涝点影响程度相关的空间数据，分为训练样本集和测 试样本集； 步骤b，根据提取的各类空间数据，利用内涝影响程度综合评价指标，判定内涝点的影 响程度等级，作为标签； 步骤c，构建栈式自编码网络，利用训练样本集中训练样本及相应标签对栈式自编码网 络进行训练； 步骤d，对于测试样本集，以步骤b的方式提取特征数据，并将数据输入步骤c中训练完 成的栈式自编码网络，计算测试样本内涝点影响程度等级，并对训练完成的栈式自编码网 络进行精度评定，当精度合格时根据所得栈式自编码网络，对潜在内涝点影响等级进行预 测。 2.根据权利要求1所述的基于深度学习的城市内涝影响程度挖掘方法，其特征在于：所 述步骤a中，考虑到内涝点的区域影响效应，在统计提取与内涝影响程度相关的空间数据方 面，根据城市汇水区限定一定的范围，逐步统计此范围内每一类空间数据，并将其作为内涝 点特征输入数据之一。 3.根据权利要求2所述的基于深度学习的城市内涝影响程度挖掘方法，其特征在于：所 述步骤b中，对不同类空间特征数据进行归一化处理；考虑到步骤c中分类效果和结果输出 形式，将影响程度定为若干等级，利用内涝影响程度综合评价指标，判定每一个内涝点的影 响程度等级，并将其作为样本标签。 4.根据权利要求1或2或3所述的基于深度学习的城市内涝影响程度挖掘方法，其特征 在于：所述步骤c中，构建含有多个隐含层的自编码网络，通过自编码算法，网络将从第一层 开始自编码训练，每一层学习到的隐藏特征作为下一层的输入，然后下一层再进行自编码 训练，通过逐层的无监督训练，实现输入数据的特征提取。 5.根据权利要求