地质灾害治理工程人工智能应用指南（试行）

地质灾害治理工程人工智能应用指南（试行）1总则1.1目的依据为规范人工智能（以下简称AI）技术在地质灾害治理工程领域的应用，提升治理工程全流程的质量、效率和安全管控水平，依据《地质灾害防治条例》《“十四五”自然资源保护和利用规划》《自然资源部关于加快推进地质灾害智能化监测预警工作的指导意见》，结合我国地质灾害治理工程实际，制定本指南。据自然资源部2024年全国地质灾害通报统计，截至2023年底，全国登记在册地质灾害隐患点共28.76万处，年均实施地质灾害治理工程约2.18万项，传统人工为主的作业模式存在勘查效率低、设计偏差大、安全管控滞后、预警响应不及时等痛点：传统人工遥感解译人均日完成解译面积仅约4-6平方公里，AI解译可达日均400-600平方公里，效率提升100倍左右；人工开展设计方案比选周期平均约12-18天，AI可将周期压缩至1-3天，造价估算精度提升10个百分点以上。推广规范AI应用，对降低治理成本、提升防灾减灾能力具有重要意义。1.2适用范围本指南适用于滑坡、崩塌、泥石流、地面塌陷四类突发型地质灾害治理工程全生命周期（勘查、设计、施工、监测运维、验收）的AI开发、部署、应用与管控，适用于从事地质灾害治理工程的勘查、设计、施工、监理、运维单位的AI应用活动，是行业开展AI应用的指导性规范。1.3基本原则（1）需求牵引，务实应用：以解决地质灾害治理工程实际痛点为核心，不搞技术堆砌，避免为应用AI而应用，优先推广成熟、可靠、性价比高的AI技术。（2）安全可控，责任清晰：严格落实数据安全、模型安全要求，明确AI为辅助决策工具，最终成果责任由项目承担单位及专业技术负责人承担，AI模型可追溯、可解释。（3）质量优先，标准适配：AI应用必须符合现行国家、行业地质灾害治理相关标准，AI成果精度必须满足工程设计施工要求，不得降低质量标准。（4）兼容开放，迭代升级：AI技术框架兼容现有地质灾害治理业务流程，支持模型持续更新迭代，适配不同规模、不同等级工程的应用需求。2基础支撑能力要求2.1数据基础要求（1）数据集标注要求：用于AI模型训练的地质灾害数据集，需由具备3年及以上地质灾害治理一线经验的专业技术人员开展标注，标注一致性Kappa系数不低于0.85，单标注样本的准确率不低于95%；数据集需同时包含正样本（目标灾害、目标要素样本）和负样本（非目标要素样本），负样本占比不低于40%，避免模型过拟合降低泛化能力。（2）不同应用场景数据集规模要求：区域尺度孕灾要素解译模型训练样本量不低于10000处已标注样本；工程级灾害参数反演、方案比选模型训练样本量不低于1000个已竣工验收的同类工程样本；监测预警模型训练样本量不低于10万条时序监测数据，且包含不少于50组实际灾变过程样本。（3）数据分辨率要求：用于AI解译的光学遥感影像空间分辨率不低于1米，特大型灾害治理工程不低于0.5米；LiDAR点云密度不低于5点/平方米，工程区点云密度不低于20点/平方米。（4）数据合规要求：所有训练、应用数据需符合知识产权保护要求，涉密地质数据严格按照保密法律法规管控，不得违规出境或上传至非涉密网络。2.2算力与部署要求（1）云端部署性能要求：面向多项目、区域尺度应用的云端部署AI模型，单幅10000×10000像素影像推理时延不超过10秒，单条时序监测数据推理时延不超过1秒，模型推理准确率不低于既定指标。（2）边缘端部署性能要求：面向野外无网络覆盖监测点、移动勘查设备的边缘端部署AI模型，单帧影像推理时延不超过1秒，预警推理响应时间不超过5秒，相比云端部署准确率下降幅度不超过2个百分点，满足本地化实时应用需求。（3）部署适配要求：无网络覆盖的高风险工程监测点必须采用边缘本地化部署，保障预警响应不依赖网络；跨区域多项目业务可采用云原生弹性部署，降低算力成本。2.3算法模型要求（1）可解释性要求：特大型（一级）、大型（二级）地质灾害治理工程应用的AI模型，必须满足可解释性要求，可输出各输入特征对结果的贡献度，不得采用完全不可解释的黑箱模型直接用于核心决策环节。（2）精度要求：所有上线应用的AI模型，总体精度、准确率、误检率指标必须满足本指南对应场景的要求，未通过精度验证的模型不得投入工程应用。3全流程AI应用规范3.1勘查阶段AI应用勘查阶段AI核心应用场景及技术指标如下：（1）多源孕灾要素智能解译：基于卷积神经网络（CNN）、Transformer等算法，融合光学遥感、InSAR、无人机LiDAR、地面调查数据，自动识别滑坡边界、裂缝分布、危岩单体位置、泥石流物源区范围、不良地质体发育特征，替代人工完成初步解译工作。技术指标要求：分辨率0.5米及以上影像的滑坡边界识别准确率≥92%，危岩单体识别准确率≥88%，误检率≤5%，漏检率≤8%。应用要求：特大型、大型地质灾害治理工程必须开展AI全域孕灾要素解译，校核人工调查成果，降低漏检风险。（2）物源与变形体储量智能计算：AI结合点云数据、地形数据，自动分割变形体、物源体范围，计算体积与储量，技术指标要求：计算结果与人工校核结果的误差≤8%，远低于传统人工估算15%-20%的误差水平，可大幅提升储量计算效率。（3）勘查作业灾变风险智能预判：AI融合区域地质构造、历史灾害记录、实时降雨、前期形变数据，预判勘查作业过程中的灾变风险，划分风险等级，技术指标要求：高风险场景预判准确率≥85%，可提前规避人员伤亡风险。3.2设计阶段AI应用（1）治理方案智能匹配与比选：AI基于工程地质条件、灾害等级、防治目标、成本约束、环保要求等输入参数，从标准化案例库中匹配同类已完工程案例，自动生成多个备选方案，从安全性、经济性、工期、环境影响四个维度开展量化打分排序。技术指标要求：案例匹配相似度准确率≥90%，工程造价估算误差≤10%，方案比选周期较人工缩短80%以上。案例库要求：用于方案比选的案例库需包含不少于1000个已竣工验收的完整工程案例，覆盖不同区域、不同类型、不同等级的地质灾害治理工程。（2）工程参数智能优化：AI结合数值模拟结果，自动优化抗滑桩桩径、桩长、桩间距，锚索预应力、格构梁尺寸等核心工程参数，在满足规范要求的安全系数（一级工程安全系数≥1.25，二级≥1.20，三级≥1.15）前提下，降低工程总造价。行业应用数据显示，AI参数优化可降低工程造价8%-15%，同时保障工程安全性。技术指标要求：优化后的参数满足安全系数要求的达标率≥99%。（3）设计文件合规性智能审查：AI将设计文件与现行国家、行业地质灾害治理规范比对，自动识别违反规范要求的设计内容、错漏项。技术指标要求：违规内容识别准确率≥95%，漏检率≤3%，可大幅减少人工审查的工作量。应用要求：一级地质灾害治理工程设计必须开展AI合规性审查。3.3施工阶段AI应用（1）施工现场安全智能管控：基于AI视觉识别技术，对施工现场人员违规行为（未戴安全帽、违规进入危险作业区）、设备违规操作、安全防护缺失（临边防护缺失、基坑积水）等隐患进行实时识别告警。技术指标要求：隐患识别准确率≥95%，告警响应时延≤3秒，可降低施工安全事故发生率约40%。应用要求：特大型、大型工程施工现场必须部署AI安全管控系统。（2）施工质量智能检测：AI融合超声检测、无人机影像、钻孔数据，自动检测抗滑桩混凝土内部缺陷、格构梁裂缝、锚索张拉应力达标情况、挡土墙平整度等核心质量指标。技术指标要求：混凝土内部缺陷识别准确率≥90%，裂缝宽度识别误差≤0.1mm，锚索应力达标判断准确率≥92%。（3）施工进度智能管控：AI结合BIM模型，每日比对实际施工完成量与计划进度，自动识别进度偏差，偏差超过10%自动预警，同时预判后续工期与资源需求。技术指标要求：工期预测准确率≥90%，可帮助施工单位及时调整资源配置，避免工期延误。（4）施工诱发灾变智能预警：AI融合施工过程中的实时位移、降雨量、渗压监测数据，实时分析灾变风险，发布分级预警。技术指标要求：临灾预警准确率≥85%，误警率≤10%，可提前3-7天预警灾变，保障施工人员安全。3.4监测运维阶段AI应用（1）监测数据智能清洗补全：AI自动识别GNSS、倾角传感器、雨量计、渗压计等设备监测数据中的噪声、异常值、缺失值，完成数据清洗与补全。技术指标要求：缺失数据补全准确率≥92%，可有效提升监测数据质量，降低误预警概率。（2）异常形变与临灾智能预警：基于LSTM、时序Transformer等算法，融合多源监测数据，开展异常形变识别与临灾预警，分级发布蓝色、黄色、橙色、红色预警。技术指标要求：提前7天以上的临灾预警准确率≥80%，误警率≤15%，预警响应时间≤5分钟，较传统阈值法预警准确率提升10%-15%。应用要求：所有部署专业监测设备的地质灾害治理工程，必须接入AI智能预警系统。（3）治理工程寿命与演化趋势智能研判：AI融合多年监测数据、工程老化病害数据，预测未来5-10年灾害变形趋势，评估治理工程的稳定性与剩余使用寿命。技术指标要求：趋势研判准确率≥85%，可为运维养护提供决策依据。（4）运维养护智能决策：AI根据工程病害等级、威胁程度，自动排序养护优先度，生成养护方案，降低运维成本，行业应用数据显示，AI辅助决策可降低年度运维成本约10%-12%。3.5验收核查阶段AI应用（1）验收资料智能审核：AI自动比对施工资料、监理资料、设计变更文件，识别资料缺失、造假、前后矛盾等问题。技术指标要求：错漏问题识别准确率≥92%，可将资料审核时间缩短70%以上。（2）治理效果智能评估：AI对比治理前后的遥感影像、形变监测数据，结合工程质量检测结果，自动评估灾害稳定性与治理效果，技术指标要求：评估结论准确率≥90%，可为验收提供量化依据。（3）验收图件智能制作：AI自动生成竣工剖面图、验收点位图、灾害范围图等图件，图件位置误差≤1%，大幅提升图件制作效率。4AI应用质量管控要求4.1模型适配验证要求所有用于具体工程的AI模型，必须开展工程适配性验证，验证样本中本区域同类地质灾害样本占比不低于30%，各项精度指标满足本指南要求后方可上线应用；一级地质灾害治理工程应用的AI模型，必须由具备资质的第三方机构开展精度测评，测评合格后方可投入使用。4.2成果分级校核要求明确AI为辅助决策工具，所有AI产出的成果必须经专业技术人员人工校核，分级落实校核责任：①一级工程核心成果（灾害边界识别、设计方案、预警结论）校核率100%，由高级工程师及以上职称人员校核签字；②二级工程核心成果校核率100%，由工程师及以上职称人员校核签字；③中型、小型工程一般成果校核率不低于30%，核心成果校核率100%。未经人工校核签字的AI成果不得作为工程依据。4.3模型迭代更新要求AI模型每6个月需补充新的灾害案例、工程数据开展一次迭代优化，每年开展一次全量精度测评，若模型总体准确率下降超过5个百分点，需重新开展训练与验证，保障模型精度满足应用要求。5安全与合规要求5.1数据分类管控要求严格落实数据分级分类管控要求：涉密地质数据必须在符合保密要求的本地涉密环境开展AI训练与推理，严禁上传公网或第三方云平台；涉及隐患点位置、威胁人口财产等敏感数据，不得随意对外共享、泄露，严格按照自然资源数据安全管理要求管控。5.2模型安全要求用于预警、设计核心环节的AI模型，需定期开展安全检测，防范对抗样本攻击、模型篡改等风险，每周开展一次安全漏洞扫描，发现问题及时修复；模型核心参数、训练数据需做好备份，避免数据丢失。5.3合规与隐私要求AI应用不得侵犯第三方知识产权，训练数据需获得合法授权；施工现场AI摄像头采集的影像需做好个人隐私脱敏处理，符合《中华人民共和国个人信息保护法》要求；AI应用需符合现行地质灾害治理所有国家、行业标准要求，不得违反规范要求简化作业流程。6能力建设与推广要求6.1技术能力建设要求甲级地质灾害治理资质单位需至少配备2名专职AI技术人员，同时具备地质灾害业务能力与AI技术应用能力，建立本单位AI应用成果与数据管理体系；乙级及以下资质单位需至少配备1名专职或兼职AI技术人员，可依托省级自然资源部门搭建的公共AI服务平台开展应用，降低应用门槛；所有从事地质灾害治理的单位，每年需组织从业人员开展不少于40学时的AI应用技