本公開(kāi)屬于基于特定模型的計(jì)算機(jī)系統(tǒng)和數(shù)據(jù)處理領(lǐng)域，具體涉及災(zāi)害預(yù)測(cè)、深度學(xué)習(xí)算法、機(jī)器學(xué)習(xí)、模型訓(xùn)練、模型訓(xùn)練和微調(diào)、模型本地化等，尤其涉及一種單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的訓(xùn)練裝置、滑坡識(shí)別預(yù)測(cè)基座模型的訓(xùn)練裝置、滑坡識(shí)別預(yù)測(cè)模型的本地化裝置、滑坡識(shí)別預(yù)測(cè)裝置和滑坡識(shí)別系統(tǒng)。

背景技術(shù)：

1、本部分旨在為權(quán)利要求書中陳述的本公開(kāi)的實(shí)施方式提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。

2、現(xiàn)有的人工智能模型主要采用集中式架構(gòu)，訓(xùn)練數(shù)據(jù)位于服務(wù)器端，模型訓(xùn)練也在服務(wù)器端進(jìn)行，存在數(shù)據(jù)隱私泄露和服務(wù)器性能瓶頸問(wèn)題，無(wú)法滿足滑坡監(jiān)測(cè)數(shù)據(jù)安全和持續(xù)不斷地采集滑坡監(jiān)測(cè)數(shù)據(jù)的需求。

3、對(duì)于地址災(zāi)害識(shí)別，由于可能涉及到高精度地圖和地址數(shù)據(jù)的使用，采集的原始數(shù)據(jù)涉及國(guó)家安全，不同部門都不愿意共享自身?yè)碛械臄?shù)據(jù)，另外，由于法律合規(guī)的完善，原始數(shù)據(jù)的自由流動(dòng)變得越來(lái)越困難，如何在保證數(shù)據(jù)安全以及原始數(shù)據(jù)缺失的情況下獲得災(zāi)害預(yù)測(cè)結(jié)果變得尤為迫切。

4、現(xiàn)有的滑坡模型訓(xùn)練必須要求訓(xùn)練數(shù)據(jù)在服務(wù)器端進(jìn)行，需要傳送大量的原始數(shù)據(jù)，存在數(shù)據(jù)泄露和服務(wù)器性能瓶頸問(wèn)題，無(wú)法滿足滑坡監(jiān)測(cè)數(shù)據(jù)安全和持續(xù)不斷地采集滑坡監(jiān)測(cè)數(shù)據(jù)的需求。

5、當(dāng)集中式架構(gòu)的服務(wù)器需要于多個(gè)交互對(duì)象交互時(shí)，需要等待所有交互對(duì)象的數(shù)據(jù)，不同交互對(duì)象處理數(shù)據(jù)需要的時(shí)間不同，難以實(shí)現(xiàn)異步處理，造成集中式架構(gòu)的服務(wù)器效率低下。

6、現(xiàn)有技術(shù)中有對(duì)區(qū)域發(fā)生滑坡的概率進(jìn)行預(yù)測(cè)的，比如針對(duì)某些區(qū)域或者柵格進(jìn)行預(yù)測(cè)，并獲得所述區(qū)域或者柵格發(fā)生滑坡的概率，但是無(wú)法精確預(yù)測(cè)滑坡的位置坐標(biāo)（經(jīng)度和維度），增大了地址檢測(cè)專業(yè)人員檢測(cè)和搜索的范圍。

7、為了獲得同一地同一對(duì)象的更多特征，常常需要對(duì)同一對(duì)象的多源異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理，獲得對(duì)齊的數(shù)據(jù)或者一致性的數(shù)據(jù)，預(yù)處理過(guò)程需要編寫特定的算法處理數(shù)據(jù)，耗費(fèi)計(jì)算資源且損失準(zhǔn)確性，有人不能對(duì)不同對(duì)象不同來(lái)源的異構(gòu)數(shù)據(jù)進(jìn)行處理，使得災(zāi)害預(yù)測(cè)不能實(shí)現(xiàn)或者不準(zhǔn)確。

8、因此，滑坡災(zāi)害的精確識(shí)別是一個(gè)亟待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述現(xiàn)有技術(shù)中存在的問(wèn)題，提出了一種單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的訓(xùn)練裝置、滑坡識(shí)別預(yù)測(cè)基座模型的訓(xùn)練裝置、滑坡識(shí)別預(yù)測(cè)模型的本地化裝置、滑坡識(shí)別預(yù)測(cè)裝置和滑坡識(shí)別預(yù)測(cè)系統(tǒng)，利用這種裝置及系統(tǒng)，能夠解決上述全部或部分問(wèn)題。

2、第一方面，本公開(kāi)實(shí)施例提出了一種單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的訓(xùn)練裝置，設(shè)置于第一設(shè)備端，包括：?jiǎn)文B(tài)數(shù)據(jù)獲取單元，被配置成獲取通過(guò)預(yù)設(shè)的單模態(tài)滑坡數(shù)據(jù)采集裝置采集得到的單模態(tài)滑坡數(shù)據(jù)；訓(xùn)練樣本構(gòu)建單元，被配置成將單模態(tài)滑坡數(shù)據(jù)作為樣本輸入、將與單模態(tài)滑坡數(shù)據(jù)對(duì)應(yīng)的滑坡結(jié)果數(shù)據(jù)作為期望樣本輸出，并構(gòu)建由樣本輸入和所述期望樣本輸出構(gòu)成的基礎(chǔ)樣本對(duì)；對(duì)作為樣本輸入的單模態(tài)滑坡數(shù)據(jù)采用自監(jiān)督學(xué)習(xí)的方式構(gòu)建監(jiān)督信號(hào)，并確定與監(jiān)督信號(hào)對(duì)應(yīng)的期望監(jiān)督輸出，且構(gòu)建由樣本輸入和期望監(jiān)督輸出構(gòu)建的自監(jiān)督增量樣本對(duì)；基于基礎(chǔ)樣本對(duì)和自監(jiān)督增量樣本對(duì)構(gòu)建得到訓(xùn)練樣本；其中，滑坡結(jié)果數(shù)據(jù)包括：滑坡是否發(fā)生、滑坡類型。單模態(tài)識(shí)別預(yù)測(cè)模型訓(xùn)練單元，被配置成利用訓(xùn)練樣本對(duì)待訓(xùn)練的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到目標(biāo)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型；其中，單模態(tài)滑坡識(shí)別預(yù)測(cè)模型至少用于表征單模態(tài)滑坡數(shù)據(jù)與不同類型的滑坡的發(fā)生概率之間的對(duì)應(yīng)關(guān)系。

3、在一實(shí)施例中，所述單模態(tài)識(shí)別預(yù)測(cè)模型訓(xùn)練單元被進(jìn)一步配置為：

4、將包含有地理位置信息的訓(xùn)練樣本，基于包含有滑坡識(shí)別預(yù)測(cè)損失和地理位置預(yù)測(cè)損失的目標(biāo)損失函數(shù)，對(duì)待訓(xùn)練的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到所述目標(biāo)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型；其中，所述目標(biāo)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型用于表征單模態(tài)滑坡數(shù)據(jù)、不同類型的滑坡的發(fā)生概率以及地理位置信息三者之間的對(duì)應(yīng)關(guān)系。

5、在另一實(shí)施例中，所述自監(jiān)督學(xué)習(xí)的方式包括：隨機(jī)遮擋所述單模態(tài)滑坡數(shù)據(jù)中的一部分區(qū)域，并用未被遮擋的區(qū)域預(yù)測(cè)被遮擋的區(qū)域，或利用前一時(shí)刻的單模態(tài)滑坡數(shù)據(jù)預(yù)測(cè)當(dāng)前時(shí)刻的單模態(tài)滑坡數(shù)據(jù)。

6、第二方面，本公開(kāi)實(shí)施例提出了一種滑坡識(shí)別預(yù)測(cè)基座模型的訓(xùn)練裝置，設(shè)置于第二設(shè)備端，包括：模型參數(shù)獲取單元，被配置成獲取多個(gè)第一設(shè)備端分別發(fā)來(lái)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)；其中，單模態(tài)滑坡識(shí)別預(yù)測(cè)模型為基于第一方面所描述的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的訓(xùn)練方法訓(xùn)練得到；多模態(tài)數(shù)據(jù)融合單元，被配置成基于具有通道注意力機(jī)制和空間注意力機(jī)制的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)，對(duì)與多個(gè)模型參數(shù)對(duì)應(yīng)的多個(gè)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行多模態(tài)數(shù)據(jù)融合，得到目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型。

7、在一實(shí)施例中，所述模型參數(shù)獲取單元被進(jìn)一步配置成：獲取多個(gè)所述第一設(shè)備端分別發(fā)來(lái)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的特征圖。

8、在另一實(shí)施例中，還包括：新模型參數(shù)接收單元，被配置成僅在預(yù)設(shè)時(shí)長(zhǎng)內(nèi)接收各所述第一設(shè)備端分別發(fā)來(lái)的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)；其中，接收起始時(shí)刻為所述目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型的訓(xùn)練完成時(shí)刻，所述預(yù)設(shè)時(shí)長(zhǎng)為基于各所述第一設(shè)備端的設(shè)備性能和各所述第一設(shè)備端與所述第二設(shè)備端之間的數(shù)據(jù)傳輸性能確定得到；

9、模型參數(shù)更新單元，被配置成基于各所述新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)，更新所述目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型。

10、在另一實(shí)施例中，還包括：

11、不接收處理單元，被配置成不再接收在超出所述預(yù)設(shè)時(shí)長(zhǎng)外各所述第一設(shè)備端分別發(fā)來(lái)的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)；或

12、丟棄處理單元，被配置成丟棄在超出所述預(yù)設(shè)時(shí)長(zhǎng)外各所述第一設(shè)備端分別發(fā)來(lái)的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)。

13、在另一實(shí)施例中，還包括：

14、暫存處理單元，被配置成暫存在超出所述預(yù)設(shè)時(shí)長(zhǎng)外所述第一設(shè)備端發(fā)來(lái)的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)，并將暫存的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)與下一所述預(yù)設(shè)時(shí)長(zhǎng)內(nèi)接收到的其它的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)一并參與后續(xù)的滑坡識(shí)別預(yù)測(cè)基座模型的更新。

15、在另一實(shí)施例中，所述預(yù)設(shè)時(shí)長(zhǎng)可通過(guò)下述方式確定得到：

16、分別統(tǒng)計(jì)每個(gè)所述第一設(shè)備端在其所述設(shè)備性能和所述數(shù)據(jù)傳輸性能下，將生成的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型或所述新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)發(fā)送至所述第二設(shè)備端的實(shí)際耗時(shí)；

17、在各所述實(shí)際耗時(shí)中，確定與能夠接收到預(yù)設(shè)數(shù)量的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)對(duì)應(yīng)的第一目標(biāo)時(shí)長(zhǎng)，以及確定與能夠接收到占單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的總數(shù)量預(yù)設(shè)占比的新單模態(tài)識(shí)別預(yù)測(cè)模型的模型參數(shù)對(duì)應(yīng)的第二目標(biāo)時(shí)長(zhǎng)；

18、基于所述第一目標(biāo)時(shí)長(zhǎng)或所述第二目標(biāo)時(shí)長(zhǎng)確定得到所述預(yù)設(shè)時(shí)長(zhǎng)。

19、在另一實(shí)施例中，所述基于所述第一目標(biāo)時(shí)長(zhǎng)或所述第二目標(biāo)時(shí)長(zhǎng)確定得到所述預(yù)設(shè)時(shí)長(zhǎng)，包括：

20、對(duì)所述第一目標(biāo)時(shí)長(zhǎng)或所述第二目標(biāo)時(shí)長(zhǎng)結(jié)合預(yù)設(shè)的增加量修正值進(jìn)行冗余修正，并將經(jīng)冗余修正后得到的時(shí)長(zhǎng)確定為所述預(yù)設(shè)時(shí)長(zhǎng)；其中，所述增加量修正值對(duì)應(yīng)的時(shí)長(zhǎng)基于至少一個(gè)所述第一設(shè)備端發(fā)來(lái)新的單模態(tài)滑坡識(shí)別模型的模型參數(shù)的時(shí)刻超出所述預(yù)設(shè)時(shí)長(zhǎng)的截止時(shí)刻的超出時(shí)長(zhǎng)確定得到。

21、在另一實(shí)施例中，所述模型參數(shù)更新單元被進(jìn)一步配置成：

22、對(duì)每個(gè)所述新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)，均驗(yàn)證所述新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型和對(duì)應(yīng)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型分別對(duì)預(yù)設(shè)的驗(yàn)證樣本輸出的預(yù)測(cè)結(jié)果之間的精度差別；

23、響應(yīng)于所述精度差別表現(xiàn)為所述新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的預(yù)測(cè)精度更高，將相應(yīng)的新單模態(tài)滑坡識(shí)別預(yù)測(cè)模型確定為有效更新模型；

24、僅使用各所述有效更新模型對(duì)所述目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型中相應(yīng)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型部分進(jìn)行更新。

25、在另一實(shí)施例中，還包括：

26、預(yù)處理單元，被配置成響應(yīng)于接收到的模型參數(shù)處于壓縮和/或加密狀態(tài)，按預(yù)先約定的解壓縮和/或解密方式進(jìn)行處理。

27、在另一實(shí)施例中，還包括：

28、合并去重處理單元，被配置成在所述基于具有通道注意力機(jī)制和空間注意力機(jī)制的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)，對(duì)與多個(gè)所述模型參數(shù)對(duì)應(yīng)的多個(gè)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行多模態(tài)數(shù)據(jù)融合之前，對(duì)各所述單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)進(jìn)行合并或去重處理；其中，所述合并或去重處理指將任意兩個(gè)之間具有超過(guò)預(yù)設(shè)相似度的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)以合并或去除的方式使最終僅留存一個(gè)。

29、在另一實(shí)施例中，所述多模態(tài)數(shù)據(jù)融合單元被進(jìn)一步配置成：

30、拼接經(jīng)去重后的各單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的特征圖，得到拼接后特征圖；

31、基于所述通道注意力機(jī)制確定所述拼接后特征圖中各部分特征圖的通道注意力權(quán)重；

32、基于所述空間注意力機(jī)制確定所述拼接后特征圖中各部分特征圖的空間注意力權(quán)重；

33、將所述拼接后特征圖的各部分特征圖結(jié)合對(duì)應(yīng)的通道注意力權(quán)重和空間注意力權(quán)重進(jìn)行特征融合。

34、在另一實(shí)施例中，所述多項(xiàng)式神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)下述方式得到：

35、在由殘差網(wǎng)絡(luò)充當(dāng)?shù)幕W(wǎng)絡(luò)上，將各殘差模塊原先在跨層連接上采用的加操作轉(zhuǎn)換為乘積操作，并去除原有的激活函數(shù)。

36、第三方面，本公開(kāi)實(shí)施例提出了一種滑坡識(shí)別預(yù)測(cè)模型的本地化裝置，設(shè)置于第三設(shè)備端，包括：本地化請(qǐng)求發(fā)起單元，被配置成向第二設(shè)備端發(fā)起包含本地所使用的滑坡數(shù)據(jù)的目標(biāo)模態(tài)的模型本地化請(qǐng)求；接收單元，被配置成接收第二設(shè)備端返回的裁剪后模型或輕量化模型；其中，裁剪后模型為第二設(shè)備端將目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型中與目標(biāo)模態(tài)關(guān)聯(lián)度低于預(yù)設(shè)程度的模型參數(shù)和模型結(jié)構(gòu)裁剪掉后所得到的模型，目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型基于第二方面所描述的滑坡識(shí)別預(yù)測(cè)基座模型的訓(xùn)練方法得到，輕量化模型為第二設(shè)備端在無(wú)法基于目標(biāo)模態(tài)完成對(duì)目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型中模型參數(shù)和模型結(jié)構(gòu)的裁剪時(shí)對(duì)目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型通過(guò)預(yù)設(shè)的輕量化處理后得到的模型；微調(diào)訓(xùn)練單元，被配置成對(duì)裁剪后模型或輕量化模型，采用與目標(biāo)模態(tài)的本地化滑坡訓(xùn)練樣本進(jìn)行微調(diào)訓(xùn)練，得到本地化滑坡識(shí)別預(yù)測(cè)模型。

37、第四方面，本公開(kāi)實(shí)施例提出了一種滑坡識(shí)別預(yù)測(cè)裝置，設(shè)置于第三設(shè)備端，包括：實(shí)際滑坡數(shù)據(jù)接收單元，被配置成接收對(duì)目標(biāo)地理位置采集得到的目標(biāo)模態(tài)的實(shí)際滑坡數(shù)據(jù)；模型調(diào)用及處理單元，被配置成調(diào)用預(yù)設(shè)的本地化滑坡識(shí)別預(yù)測(cè)模型處理實(shí)際滑坡數(shù)據(jù)，得到輸出的滑坡識(shí)別結(jié)果；其中，本地化滑坡識(shí)別預(yù)測(cè)模型為基于第三方面所描述的滑坡識(shí)別預(yù)測(cè)模型的本地化方法得到；發(fā)生概率確定單元，被配置成根據(jù)滑坡識(shí)別結(jié)果確定不同類型的滑坡的發(fā)生概率。

38、第五方面，本公開(kāi)實(shí)施例提出了一種滑坡識(shí)別預(yù)測(cè)系統(tǒng)，包括：多個(gè)第一設(shè)備端，用于獲取通過(guò)預(yù)設(shè)的單模態(tài)滑坡數(shù)據(jù)采集裝置采集得到的單模態(tài)滑坡數(shù)據(jù)；將單模態(tài)滑坡數(shù)據(jù)作為樣本輸入、將與單模態(tài)滑坡數(shù)據(jù)對(duì)應(yīng)的滑坡結(jié)果數(shù)據(jù)作為期望樣本輸出，并構(gòu)建由樣本輸入和期望樣本輸出構(gòu)成的基礎(chǔ)樣本對(duì)；對(duì)作為樣本輸入的單模態(tài)滑坡數(shù)據(jù)采用自監(jiān)督學(xué)習(xí)的方式構(gòu)建監(jiān)督信號(hào)，并確定與監(jiān)督信號(hào)對(duì)應(yīng)的期望監(jiān)督輸出，且構(gòu)建由樣本輸入和期望監(jiān)督輸出構(gòu)建的自監(jiān)督增量樣本對(duì)；基于基礎(chǔ)樣本對(duì)和自監(jiān)督增量樣本對(duì)構(gòu)建得到訓(xùn)練樣本，滑坡結(jié)果數(shù)據(jù)包括：滑坡是否發(fā)生、滑坡類型；利用訓(xùn)練樣本對(duì)待訓(xùn)練的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到目標(biāo)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型，單模態(tài)滑坡識(shí)別預(yù)測(cè)模型至少用于表征單模態(tài)滑坡數(shù)據(jù)與不同類型的滑坡的發(fā)生概率之間的對(duì)應(yīng)關(guān)系；第二設(shè)備端，用于接收各第一設(shè)備端分別發(fā)來(lái)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)；基于具有通道注意力機(jī)制和空間注意力機(jī)制的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)，對(duì)與多個(gè)模型參數(shù)對(duì)應(yīng)的多個(gè)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行多模態(tài)數(shù)據(jù)融合，得到目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型；接收第三設(shè)備端發(fā)起包含其本地所使用的滑坡數(shù)據(jù)的目標(biāo)模態(tài)的模型本地化請(qǐng)求；第三設(shè)備端，用于接收第二設(shè)備端返回的裁剪后模型或輕量化模型；對(duì)裁剪后模型或輕量化模型，采用與目標(biāo)模態(tài)的本地化滑坡訓(xùn)練樣本進(jìn)行微調(diào)訓(xùn)練，得到本地化滑坡識(shí)別預(yù)測(cè)模型；接收對(duì)目標(biāo)地理位置采集得到的目標(biāo)模態(tài)的實(shí)際滑坡數(shù)據(jù)；調(diào)用預(yù)設(shè)的本地化滑坡識(shí)別預(yù)測(cè)模型處理實(shí)際滑坡數(shù)據(jù)，得到輸出的滑坡識(shí)別結(jié)果；根據(jù)滑坡識(shí)別結(jié)果確定不同類型的滑坡的發(fā)生概率。所述輕量化處理包括模型蒸餾處理。第六方面，本公開(kāi)實(shí)施例提供了一種計(jì)算機(jī)程序,其使計(jì)算機(jī)或處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面和/或第二方面和/或第三方面和/或第四方面和/或第五方面所描述的方法的步驟。

39、本公開(kāi)實(shí)施例提供的技術(shù)方案，第一設(shè)備端分別使用其各自采集到的單模態(tài)滑坡數(shù)據(jù)訓(xùn)練得到單模態(tài)滑坡識(shí)別預(yù)測(cè)模型，第二設(shè)備端則通過(guò)接收多個(gè)第一設(shè)備端分別傳來(lái)的單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)，以結(jié)合通道注意力機(jī)制和空間注意力機(jī)制的多項(xiàng)式神經(jīng)網(wǎng)絡(luò)，對(duì)多個(gè)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型的模型參數(shù)進(jìn)行融合，以得到目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型，第三設(shè)備端則通過(guò)將本地所使用的滑坡數(shù)據(jù)的目標(biāo)模態(tài)發(fā)送給第二設(shè)備端，使得第二設(shè)備端按照目標(biāo)模態(tài)對(duì)目標(biāo)滑坡識(shí)別預(yù)測(cè)基座模型進(jìn)行裁剪或輕量化處理，以便第三設(shè)備端對(duì)接收到的裁剪后模型或輕量化模型使用本地化滑坡訓(xùn)練樣本進(jìn)行微調(diào)訓(xùn)練，從而最終得到各個(gè)第三設(shè)備端所需要使用的本地化滑坡識(shí)別模型。即通過(guò)將多個(gè)單模態(tài)滑坡識(shí)別預(yù)測(cè)模型進(jìn)行融合為滑坡識(shí)別預(yù)測(cè)基座模型，從而得以匯總滑坡地址災(zāi)害在各個(gè)維度上的特征和知識(shí)，使得滑坡識(shí)別預(yù)測(cè)基座模型具有更準(zhǔn)確的滑坡災(zāi)害識(shí)別能力，即使結(jié)合了不同第三設(shè)備端的本地化需求進(jìn)行調(diào)整，也由于裁剪或輕量化之前的模型本身就已經(jīng)具有更強(qiáng)大的滑坡災(zāi)害識(shí)別能力，因此經(jīng)本地化處理后滑坡識(shí)別預(yù)測(cè)模型也相較于單模態(tài)滑坡識(shí)別預(yù)測(cè)模型，具有更好的識(shí)別和預(yù)測(cè)準(zhǔn)確度，且能夠保證數(shù)據(jù)安全以及原始數(shù)據(jù)缺失的情況下獲得災(zāi)害預(yù)測(cè)結(jié)果。

40、本公開(kāi)某些實(shí)施例的其他優(yōu)點(diǎn)將配合以下的說(shuō)明和附圖進(jìn)行更詳細(xì)的解說(shuō)。

41、應(yīng)當(dāng)理解，上述說(shuō)明僅是本公開(kāi)某些實(shí)施例技術(shù)方案的概述，以便能夠更清楚地了解本公開(kāi)某些實(shí)施例的技術(shù)手段，從而可依照說(shuō)明書的內(nèi)容予以實(shí)施。為了讓本公開(kāi)某些實(shí)施例的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉例說(shuō)明本公開(kāi)某些實(shí)施例的具體實(shí)施方式。