(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211195426.8 (22)申请日 2022.09.29 (65)同一申请的已公布的文献号 申请公布号 CN 115307687 A (43)申请公布日 2022.11.08 (73)专利权人 四川省公路规划勘察设计 研究院 有限公司 地址 610000 四川省成 都市高新区天府五 街200号4号楼B座7-10楼 (72)发明人 刘自强　丁春　梅本强　张曦　 何云勇　 (74)专利代理 机构 北京盛联科创知识产权代理 有限公司 1 1988 专利代理师 张晓龙 (51)Int.Cl. G01D 21/02(2006.01) G06K 9/62(2022.01) (56)对比文件 CN 110443002 A,2019.1 1.12 CN 111210073 A,2020.0 5.29 CN 114034334 A,202 2.02.11 CN 111275252 A,2020.0 6.12 US 2022130114 A1,202 2.04.28 CN 108254782 A,2018.07.0 6US 2019250291 A1,2019.08.15 WO 2022074643 A1,202 2.04.14 US 2020251 184 A1,2020.08.0 6 CN 113392587 A,2021.09.14 王迎东.“改进支持向量机在边坡稳定性评 价及参数反演中的应用 ”. 《中国优秀硕士学位 论 文全文数据库 基础科 学辑》 .中国学术期刊 （光 盘版） 电子杂志社,2014,(第9期), 姜德义等.利用灰色 关联度预测重庆地区边 坡稳定性. 《地下空间与工程学报》 .20 07,(第04 期), 李雅琦等. “基于RVM-CS的工程区地层渗透 系数反演分析 ”. 《长江科 学院院报》 .2020,(第1 1 期), 刘阳等.“基于贝叶斯网络的Fuz zy - SVM 路基震害预测模型 ”. 《中国安全科 学学报》 .2021,第31卷(第1 1期), 王钰娟等.“基于混沌高斯扰动布谷鸟算法 的水资源 优化配置”. 《水电能源科 学》 .2021,第 39卷(第9期), 刘超湖.“改进布谷鸟算法优化支持向量机 的边坡变形 预测研究 ”. 《中国优秀硕士学位 论文 全文数据库 基础科 学辑》 .中国学术期刊 （光盘 版） 电子杂志社,2020,(第1期), 审查员 郎爽 (54)发明名称 一种边坡稳定性监测方法、 系统、 存储介质 及电子设备 (57)摘要 本申请提供一种边坡稳定性监测方法、 系 统、 存储介质 及电子设备， 采用CS ‑SVM架构构建 边坡稳定性预测模型， 利用SVM进行分类模型的 构建， 并利用CS 对分类模型的惩罚参数和核 函数 参数进行全局寻优， 此种方式构建的边坡稳定性 预测模型， 对于小样本的边坡监测有着较高的监 测精度， 非常适用于小样本的边坡工程， 能够尽 可能保证边坡工程 开展的安全性。 权利要求书3页 说明书9页 附图2页 CN 115307687 B 2022.12.27 CN 115307687 B 1.一种边坡稳定性 监测方法， 其特 征在于， 包括： 获取待监测边坡区域的边坡监测数据， 其中， 所述边坡监测数据包括所述待监测边坡 区域中每个边坡的边坡参数， 每个所述边坡参数包括该边坡的高度、 坡角、 容重、 粘聚力、 内 摩擦角和孔隙压力比； 将所述边坡监测数据输入预设的边坡稳定性预测模型中， 并获取所述边坡稳定性预测 模型输出的预测结果， 其中， 所述边坡稳定性预测模型采用CS ‑SVM架构， 利用SVM进行分类 模型的构建， 并利用CS对分类模型的惩罚参数和核函数参数进行全局寻优； 其中， 在获取待监测边坡区域的边坡监测数据之前， 还包括构建所述边坡稳定性预测 模型， 构建所述 边坡稳定性预测模型的具体方式为： 确定SVM中分类模型的函数表达 式， 其中， 分类模型的函数表达式包含待定的惩罚参数 和核函数参数； 利用改进的CS对分类模型中待定的惩罚参数和核函数参数进行全局寻优， 确定出最优 惩罚参数和最优核函数参数， 实现所述 边坡稳定性预测模型的构建； 其中， 确定分类模型的函数表达式， 包括： 确定分类模型的函数表达式为： ， 其 中 ， 为 正 整 数 ， 表 示 方 程 的 待 定 系 数 ，且 为惩罚参数， 表示边坡的稳定性状态， 分别表示第 个边坡的高 度H、 坡角 、 容重 、 粘聚力c、 内摩擦角 、 孔隙压力比r， 表示第 个特征向量， b为基 于边坡训练集中的训练样本确定的分类 阈值； s为带宽且s>0， 为边坡训练集的最大特征 值。 2.根据权利要求1所述的边坡稳定性监测方法， 其特征在于， 利用改进的CS对分类模型 中待定的惩罚 参数和核函数参数进行全局 寻优， 确定出最优惩罚 参数和最优核函数参数， 包括： 初始化模型参数， 并计算分类模型的函数表达式， 以分类模型的预测准确率作为CS的 适应度函数； 根据CS中布谷鸟位置更新公式， 更新布谷鸟位置； 初期迭代基于第一步长公式计算步长进行迭代， 后期采用第 二步长公式作为步长进行 迭代， 迭代路径通过路径计算公式计算而确定出； 基于最终确定的布谷鸟位置得到最优惩罚参数和最优核函数参数。 3.根据权利要求2所述的边坡稳定性 监测方法， 其特 征在于， 布谷鸟位置更新公式为： 其中， 为第 个鸟窝在第 代的鸟窝位置， 为常数， 均为概率 分布函数， 均权　利　要　求　书 1/3 页 2 CN 115307687 B 2服从标准正态分布， 为常数， 间的随机数， 表示当前最优鸟窝位置， 指高斯， 高斯 参数 为当前最优解， 计算公式为： 高斯公式 中标准差 为： 其中， 为当前迭代次数。 4.根据权利要求2所述的边坡稳定性 监测方法， 其特 征在于， 第一 步长公式为： 其中， 为步长， 为常数， 表示第 个鸟窝在第 代的解， 为当前最优解。 5.根据权利要求2所述的边坡稳定性 监测方法， 其特 征在于， 第二 步长公式为： 其中， 为步长， 为当前迭代次数， 为最终迭代次数， 分别为步长的上 限和下限。 6.一种边坡稳定性 监测系统， 其特 征在于， 包括： 数据获取单元， 用于获取待监测边坡区域的边坡监测数据， 其中， 所述边坡监测数据包 括所述待监测 边坡区域中每个边坡的边坡参数， 每个所述边坡参数包括该边坡的高度、 坡 角、 容重、 粘聚力、 内摩擦角和孔隙压力比； 边坡监测单元， 用于将所述边坡监测数据输入预设的边坡稳定性预测模型中， 并获取 所述边坡稳定性预测模型输出的预测结果， 其中， 所述边坡稳定性预测模型采用CS ‑SVM架 构， 利用SVM进 行分类模 型的构建， 并利用CS对分类模型的惩罚参数和核函数参数进 行全局 寻优； 在数据获取单元获取待监测边坡区域的边坡监测数据之前， 边坡稳定性监测系统还包 括模型构建单元， 用于构建所述边坡稳定性预测模型， 所述模型构建单元构建所述边坡稳 定性预测模型的具体方式为： 确定SVM中分类模型的函数表达式， 其中， 分类模型的函数表 达式包含待定的惩罚参数和核函数参数； 利用改进的CS对分类模型中待定的惩罚参数和核 函数参数进行全局 寻优， 确定出最优惩罚 参数和最优核函数参数， 实现所述边坡稳定性预 测模型的构建； 所述模型构建单 元， 具体用于确定分类模型的函数表达式为： 其中， 为正整数， 表示方程的待定系数， 且 为惩罚参数， 表示边坡的稳定性状态，权　利　要　求　书 2/3 页 3 CN 115307687 B 3