CN103245966A - 基于物联网多传感器信息融合及神经网络技术地震预警方法 - Google Patents

Abstract

本发明提供了基于物联网多传感器信息融合及神经网络技术地震预警方法，具体包括：首先，通过物联网技术将多个地震参数监测点的多种传感器信息组网融合，如：壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾；然后，通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法获取异常信息特征向量；最后，通过神经网络技术，获取多传感器信息异常与地震关系，从而达到地震预测的目的。该方法所使用的技术方案可行、实施方便，能较为准确的达到预测地震的目的。

Description

基于物联网多传感器信息融合及神经网络技术地震预警方法

技术领域

本发明涉及地震灾害预警领域，具体涉及地震预警多参数监测中基于物联网多传感器信息融合及神经网络技术的地震预警方法。

背景技术

物联网被称为继计算机、互联网之后，世界信息产业的第三次浪潮。1999年麻省理工大学的Kevin Ashton教授提出了以标示为特征的物联网概念，把RFID技术与传感器技术应用于日常物品中形成一个“物联网”。目前多个国家都在花巨资进行深入研究，物联网是由多项信息技术融合而成的新型技术体系。2011年，工信部发表的《工信部物联网白皮书》中指出，物联网利用感知技术与智装置对物理世界进行感知识别，通过网络传输互联，进行计算、处理和知识挖掘，实现人与物、物与物信息交互和无缝链接，达到对物理世界实时控制、精确管理和科学决策的目的。2012年3月5日，温家宝总理在《政府工作报告》将“加快物联网的研发应用”明确纳入重点产业振兴。

地震的预测一直是科研工作者的难题，全世界的研究者一直在进行地震形成机理和预测的研究。世界各国推出以观测为基础的科学计划，如日本建设全国地震强震动地电地下流体观测网，并积极推进多个地震预报计划。美国科学家提出了地球透镜计划，日本海神计划，墨西哥日本等一些国家进而投资发展地震烈度速报与预警系统。

地震灾害是对人类生存的挑战，地震前兆监测的可靠性和及时性刻不容缓，因此对地震前兆预测的实时性、准确性、抗干扰能力提出了很高的要求。目前国内地震台网的流体监测内容主要包括：水位、水温、水氡、水质、气体（氦、汞）等等，而水中氡射气的异常可以反映地下含水层随地应力变化的一些情况，但是否有规律可循未见报到。但观测壤中氡气和井中氡气的变化和异常可作为观测地震前后的参考内容之一，这是不争的事实。在很多已经发生的大震前，水氡度出现过异常。当前地震台网已将测量土壤中氡气和井水中氡气的氡含量变化作为前兆的一个重要信息。

氡是铀系天然放射性衰变系列中的气态放射性核素，是一种惰性气体，近年来有关氡运移规律的研究表明，氡自身具有很强的向上运移能力，它可以反映数百米以下放射性物质的存在。自由氡形成后就将进行迁移，由于扩散作用射气会从浓度高的区域向浓度低的区域迁移；对流作用使射气从气压高的地方向气压低的地方移动；地热梯度使地下氡运动气体向冷的地方移动；氡能溶解在水中，地下水对氡起到迁移和搬运作用；氡是一种微量气态元素，由于伴生气体的压力作用，地壳岩石应力应变时，氡射气可以在其它浓度较大的土壤气体（如氧、氮、二氧化碳等）扩散压力推动下向地表快速迁移。。

由于地壳中含有放射性元素的岩石总是不断的向四周扩散氡气，使空气、地下水介质中含有不同浓度的的氡气。强烈地震前，地应力活动加强，会增加了氡从岩石中的析出，氡气不仅运移速度增强，同时由于地层裂隙的出现，为氡向地表运移提供的有利条件，因此地层中的氡浓度也会发生异常变化。如果地下含水层在地应力作用下发生形变，就会加速地下水的运动，增强氡气的运移和扩散作用，引起氡气浓度的增加。所以测定地下水中氡气的浓度异常变化可作为一种地震前兆的观测数据或参考值，也是采用地球化学预报地震重要的参数之一。

从国内外的研究进展可以看出，把氡异常应用于地震预报研究大体上可分为以下阶段:60年代的起步和探索阶段；70～80年代的理论和实验研究及实际观测蓬勃发展阶段；90年代的资料积累和分析处理阶段；21世界初的大面积实验和新仪器的研发使用。利用先进电子技术对土壤中氡气和井水中氡气进行在线α能谱监测，并利用物联网技术进行数据的实时传输和分析处理，可为决策部门提供有效的参考数据。

多年来，由于缺少一种有效的土壤氡气和井水中氡气实时获取方法，缺少长期连续不间断实测数据和多参数信息融合平台及异常信息提取方法，因此限制了氡法在预测地震中的有效性。本发明基于物联网技术以多传感器信息融合为基础，以神经网络为平台，获取地震震前多参数异常与地震的关系，从而达到地震预警的目的。因此本发明所提供的方法是一种创新的技术手段。

发明内容

本发明的目的在于针对目前地震预警中存在的技术需求，采用基于物联网技术进行多传感器信息融合。其中多传感器信息中，首次采用了基于氡气静态快速静电累积原理，对土壤中氡气和井水中氡气采用α能谱方式进行实时连续同步测量；采用小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法获取异常信息；采用神经网络技术，实现地震预警目的。因此，本发明采用的技术方案先进，数据处理算法成熟。本发明所提供方法合理，理论基础充分，实现的技术方案成熟可行。

为能达到上述发明目的，所采用的技术方案是：首先，通过物联网技术将多个地震监测点的多种传感器信息组网融合，如：壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾，以上各种信息为同步测量数据；然后，通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法获取异常信息特征向量；最后，通过神经网络技术，获取多传感器信息异常与地震关系。

按照本发明提供的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征是：所述的物联网由地震监测系统中的感知层、网络层和应用层构成；其中感知层为获取壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾信息的各类传感器构成地震参数监测点；网络层包括ZigBee无线网络、GPRS无线网络、互联网及室内监控中心网络管理平台；应用层包括小波分析、相关分析法，特征树搜索法及非线性量化与处理、主成份分析法各种数据处理算法及基于神经网络技术的地震预测方法；其中各个地震参数监测点各传感器监测信息通过ZigBee无线网络组网连接，由各个地震参数监测点的现场多参数数据收集器收集，各个地震参数监测点的现场多参数数据收集器通过GPRS无线网络接入无线网关，室内监控中心网络管理平台通过互联网接入无线网关，从而实现对各个地震参数监测点的各种参数传感器的连接管理。

按照本发明提供的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征是：所述的通过物联网技术将多个地震监测点的多种传感器信息组网融合，指的是通过物联网网络层的ZigBee无线网络、GPRS无线网络、互联网及室内监控中心网络管理平台，将权利要求2中所述的感知层中的各类传感器信息进行组网融合。

按照本发明提供的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征是：所述的壤氡α能谱和井氡α能谱指的是采用基于氡静态扩散静电累积原理，通过α能谱测量方式，实现对土壤中氡气和井水中氡气的同步测量。

按照本发明提供的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征是：所述的小波分析为将监测信息的时域特征信息转换成频域特征信息进行分析，分析监测信息的局部异常特点；所述的相关分析法为分析多种参数相互之间的影响；所述的特征树搜索法为选取权利要求2中所述的各种传感器数据的特征信息；所述的非线性量化与处理为将小波分析、相关分析、特征树搜索分析后的权利要求2中所述的各种传感器信息进行矢量化，作为神经网络样本；所述的主成份分析法为在权利要求2中所述的各种传感器信息中，选取地震对其影响明显的信息，在神经网络样本中作权重处理。

按照本发明提供的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征是：所述的通过神经网络技术，获取多传感器信息异常与地震关系，指的是将监测到的地震信息与通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法提取地震引起的在权利要求2中所述的各类传感器的异常信息一起输入到神经网络样本库，进行地震预测神经网络训练。

附图说明

附图1为基于物联网多传感器信息融合及神经网络技术地震预警方法实现步骤图

附图2为基于物联网多传感器信息融合及神经网络技术地震预警系统构成图。

具体实施方式

下面结合附图对本发明的实施方式进行详细的描述。

图1为基于物联网多传感器信息融合及神经网络技术地震预警方法实现步骤图。首先，通过物联网技术将多个地震参数监测点的多种传感器信息组网融合S101，如：壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾，以上各种信息为同步测量数据；然后，通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法获取异常信息特征向量S102；最后，通过神经网络技术，获取多传感器信息异常与地震关系S103。

附图2为基于物联网多传感器信息融合及神经网络技术地震预警系统构成图。整个系统由若干个地震参数监测点构成，通过物联网，组成一个地震预警系统；其中物联网由感知层、网络层和应用层构成，感知层包括壤氡α能谱测量传感器、井氡α能谱测量传感器、壤中温度、湿度、气压传感器、地表温度、湿度、气压、降雨、风速测量传感器、井水水位、水温、浑浊度、汞、二氧化碳测量传感器、地声监测传感器、地倾监测传感器；网络层包括ZigBee无线网络、现场多参数数据收集器、GPRS无线网络、互联网及室内监控中心网络管理平台；应用层包括小波分析、相关分析法，特征树搜索法及非线性量化与处理、主成份分析法各种数据处理算法及基于神经网络技术的地震预测方法；其中各个地震参数监测点各传感器监测信息通过ZigBee无线网络组网连接，由各个地震参数监测点的现场多参数数据收集器收集。各个地震参数监测点的现场多参数数据收集器通过GPRS无线网络接入无线网关，室内监控中心网络管理平台通过互联网接入无线网关，从而实现对各个地震参数监测点的各种参数传感器的连接管理。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些不需要创造性劳动就能做出的各种改进和润饰也应视为本发明的保护范围。

Claims (6)

1.基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：首先，通过物联网技术将多个地震参数监测点的多种传感器信息组网融合S101，如：壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾，以上各种信息为同步测量数据；然后，通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法获取异常信息特征向量S102；最后，通过神经网络技术，获取多传感器信息异常与地震关系S103。

2.根据权利要求1所述的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：所述的物联网由地震监测系统中的感知层、网络层和应用层构成；其中感知层为获取壤氡α能谱、井氡α能谱、壤中温度、壤中湿度、壤中气压、地表温度、地表湿度、地表气压、地表风速、地表降雨、井水水位、井水水温、井水浑浊度、井水汞、井水二氧化碳、地声和地倾信息的各类传感器构成地震参数监测点；网络层包括ZigBee无线网络、现场多参数数据收集器、GPRS无线网络、互联网及室内监控中心网络管理平台；应用层包括小波分析、相关分析法，特征树搜索法及非线性量化与处理、主成份分析法各种数据处理算法及基于神经网络技术的地震预测方法；其中各个地震参数监测点各传感器监测信息通过ZigBee无线网络组网连接，由各个地震参数监测点的现场多参数数据收集器收集，各个地震参数监测点的现场多参数数据收集器通过GPRS无线网络接入无线网关，室内监控中心网络管理平台通过互联网接入无线网关，从而实现对各个地震参数监测点的各种参数传感器的连接管理。

3.根据权利要求1所述的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：所述的通过物联网技术将多个地震参数监测点的多种传感器信息组网融合，指的是通过物联网网络层的ZigBee无线网络、GPRS无线网络、互联网及室内监控中心网络管理平台，将权利要求2中所述的感知层中的各类传感器信息进行组网融合。

4.根据权利要求1所述的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：所述的壤氡α能谱和井氡α能谱指的是采用基于氡静态扩散静电累积原理，通过α能谱测量方式，实现对土壤中氡气和井水中氡气的同步测量。

5.根据权利要求1所述的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：所述的小波分析为将监测信息的时域特征信息转换成频域特征信息进行分析，分析监测信息的局部异常特点；所述的相关分析法为分析多种参数相互之间的影响；所述的特征树搜索法为选取权利要求2中所述的各种传感器数据的特征信息；所述的非线性量化与处理为将小波分析、相关分析、特征树搜索分析后的权利要求2中所述的各种传感器信息进行矢量化，作为神经网络样本；所述的主成份分析法为在权利要求2中所述的各种传感器信息中，选取地震对其影响明显的信息，在神经网络样本中作权重处理。

6.根据权利要求1所述的基于物联网多传感器信息融合及神经网络技术地震预警方法，其特征在于：所述的通过神经网络技术，获取多传感器信息异常与地震关系，指的是将监测到的地震信息与通过小波分析、相关分析法，特征树搜索法、非线性量化与处理及主成份分析法提取地震引起的在权利要求2中所述的各类传感器的异常信息一起输入到神经网络样本库，进行地震预测神经网络训练。

Images