CN108847000A - 一种滑坡地质灾害预警推送方法 - Google Patents
一种滑坡地质灾害预警推送方法 Download PDFInfo
- Publication number
- CN108847000A CN108847000A CN201810876081.XA CN201810876081A CN108847000A CN 108847000 A CN108847000 A CN 108847000A CN 201810876081 A CN201810876081 A CN 201810876081A CN 108847000 A CN108847000 A CN 108847000A
- Authority
- CN
- China
- Prior art keywords
- information
- entropy
- early warning
- landslide
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明属于灾害预警技术领域,公开了一种滑坡地质灾害预警推送方法,通过太阳能进行发电,配合野外电源保障模块从而对设备进行稳定供电,对滑坡内外部的位移进行监测,再配合对降雨量、地下水、地表裂缝的监测,最终对数据进行收集计算,并将计算结果进行分析,通过无线传输模块到控制终端,最终对滑坡地质灾害进行信息发布,超过警戒值则进行预警。本发明计算结果的收集与计算,最终将结果无线传输模块到各个控制终端,测量精确,预警及时,完全实现了实时采集、实时传输、实时监控、远程浏览、远程控制的功能,有效提高人们对地质灾害的应对性,极大的减少人员伤亡与财产流失。
Description
技术领域
本发明属于灾害预警技术领域,尤其涉及一种滑坡地质灾害预警推送方法。
背景技术
目前,根据以往发生地质灾害事后的分析来看,地质灾害的发育分布及其危害程度与地质环境背景条件(包括地形地貌、地质构造格局和新构造运动的强度与方式,岩土体工程地质类型、水文地质条件等)、气象水文及植被条件,人类经济工程活动及其强度等有着极为密切关系。
现有的滑坡地质灾害预警方法往往比较单一,测量数据较少,使得结果不够严谨,预警不够及时,使得灾害来临时人们没有很好地应对时间与措施,造成人员伤亡与财产流失。
滑坡地质灾害是否发生是一个概率问题,这种以相关因子及其权重乘积的代数和表示的滑坡地质灾害危险度,并不能真正表达滑坡地质灾害发生的概率大小,而且,不能综合反映三大要件在滑坡地质灾害孕育过程中相互作用机制及滑坡地质灾害发生的非线性和动态过程。
综上所述,现有技术存在的问题是:该方法步骤清晰明确,简单易懂,利用太阳能这一无污染的能源进行供电,通过多种地质的监测,计算结果的收集与计算,最终将结果无线传输模块到各个控制终端,测量精确,预警及时,完全实现了实时采集、实时传输、实时监控、远程浏览、远程控制的功能,有效提高人们对地质灾害的应对性,极大的减少人员伤亡与财产流失。
本发明公开危险度评价方法,旨在解决现有的滑坡地质灾害危险度的评价方法均选取与三大要件相关的各种因子,通过专家打分或者数学处理获取其权重,将各个因子与其权重的乘积进行代数求和,作为滑坡地质灾害危险度的表达式,不能真正表达泥石流发生的概率大小,不能综合反映三大要件在滑坡地质灾害孕育过程中相互作用机制及滑坡地质灾害发生的非线性和动态过程的问题。
发明内容
针对现有技术存在的问题,本发明提供了一种滑坡地质灾害预警推送方法。
本发明是这样实现的,一种滑坡地质灾害预警推送方法,所述滑坡地质灾害预警推送方法包括:
通过对滑坡内部安装位移传感器,配合基座进行监测;
通过采用滑坡位移传感器对地质灾害处的表面进行监测;
通过降雨收集监测仪进行测量;
通过高度检测器监测地下水的高度;
对各个裂缝监测点进行标记分析;
将各个检测值进行汇总并计算;对计算结果通过人工智能进行分析预测;
通过GPRS对分析结果传输到各个控制终端;
通过各个控制终端将信息发布到各个预警平台,若超过预警值,则及时发出警报;
所述将各个检测值进行汇总并计算;对计算结果通过人工智能进行分析预测包括:
通过滑坡位移传感器收集确定与地质灾害三要素相关的特征参数;
建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
建立地质灾害信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出地质灾害信息熵值;
根据信息熵理论与地质灾害是否发生的关系,定义地质灾害危险度等级标准,进而对研究对象进行危险度评价;
确定地质灾害三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量,单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
进一步,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
进一步,建立地质灾害信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立地质灾害信息熵模型,其模型的数学表达式:
式中,H(X)—地质灾害信息熵;
X=(x1,x2,x3)—地质灾害信息熵因子集(x1为地形子信息熵,x2为固体物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
进一步,对地质灾害信息熵值进行归一化处理,归一化公式:
根据地质灾害信息熵和地质灾害危险度的关系,基于地质灾害信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
进一步,所述滑坡地质灾害预警推送方法利用滑坡地质灾害预警推送系统进行预警;所述利用滑坡地质灾害预警推送系统包括:
太阳能发电模块、野外电源保障模块、电源稳定供电模块、滑坡内部位移监测模块、滑坡地质灾害表面位移监测模块、降雨量监测模块、地下水监测模块、地表裂缝监测模块、数据采集计算模块、计算结果分析模块、无线传输模块、信息发布及预警模块;
所述太阳能发电模块:采用多个太阳能板,将光能转换为电能,并在电源内进行储存;
所述野外电源保障模块:采用变压器将电源电压进行稳定,防止装置被损坏;
所述电源稳定供电模块:通过太阳能转换的电能配合电源保障,使得电源对各个监测器进行稳定供电;
所述滑坡内部位移监测模块:通过对滑坡内部安装位移传感器,配合基座进行监测;
所述滑坡地质灾害表面位移监测模块:通过采用滑坡位移传感器对地质灾害处的表面进行监测;包括:
降雨量监测模块:通过降雨收集监测仪进行测量;
地下水监测模块:通过高度检测器监测地下水的高度;
地表裂缝监测模块:对各个裂缝监测点进行标记分析;
所述数据采集计算模块:将各个检测值进行汇总并计算;
所述计算结果分析模块:对计算结果通过人工智能进行分析预测;
所述无线传输模块:通过GPRS对分析结果传输到各个控制终端;
所述信息发布及预警模块:通过各个控制终端将信息发布到各大预警平台,若超过预警值,则及时发出警报
本发明的另一目的在于提供一种实现所述滑坡地质灾害预警推送方法滑坡地质灾害预警推送设备。
本发明的另一目的在于提供一种实现所述滑坡地质灾害预警推送方法的计算机程序。
本发明的另一目的在于提供一种实现所述滑坡地质灾害预警推送方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述滑坡地质灾害预警推送方法。
本发明的优点及积极效果为:该方法步骤清晰明确,简单易懂,利用太阳能这一无污染的能源进行供电,通过多种地质的监测,计算结果的收集与计算,最终将结果无线传输模块到各个控制终端,测量精确,预警及时,完全实现了实时采集、实时传输、实时监控、远程浏览、远程控制的功能,有效提高人们对地质灾害的应对性,极大的减少人员伤亡与财产流失。
本发明提出了一个滑坡地质灾害概率模型,该模型能综合反映滑坡地质灾害三要素在泥石流孕育过程中相互作用机制,能够表征滑坡地质灾害复杂的非线性过程和动态过程,能对研究对象(单沟/区域滑坡地质灾害)的危险度进行预测。随着大数据、云计算、物联网等技术的发展和成熟,本发明将成为滑坡地质灾害学科大数据研究的重要方面。
附图说明
图1是本发明实施例提供的滑坡地质灾害预警推送方法流程图。
图2是本发明实施例提供的滑坡地质灾害预警推送系统示意图。
图中:1:太阳能发电模块;2:野外电源保障模块;3:电源稳定供电模块;4:滑坡内部位移监测模块;5:滑坡地质灾害表面位移监测模块;6:降雨量监测模块;7:地下水监测模块;8:地表裂缝监测模块;9:数据采集计算模块;10:计算结果分析模块;11:无线传输模块;12:信息发布及预警模块。13、控制终端;14、预警平台。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
图1,本发明实施例提供的滑坡地质灾害预警推送方法包括:
S101:通过对滑坡内部安装位移传感器,配合基座进行监测;
S102:通过采用滑坡位移传感器对地质灾害处的表面进行监测;
S103:通过降雨收集监测仪进行测量;
S104:通过高度检测器监测地下水的高度;
S105:对各个裂缝监测点进行标记分析;
S106:将各个检测值进行汇总并计算;对计算结果通过人工智能进行分析预测;
S107:通过GPRS对分析结果传输到各个控制终端;
S108:通过各个控制终端将信息发布到各个预警平台,若超过预警值,则及时发出警报。
步骤S106具体包括:
通过滑坡位移传感器收集确定与地质灾害三要素相关的特征参数;
建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
建立地质灾害信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出地质灾害信息熵值;
根据信息熵理论与地质灾害是否发生的关系,定义地质灾害危险度等级标准,进而对研究对象进行危险度评价;
确定地质灾害三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量,单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
进一步,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
进一步,建立地质灾害信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立地质灾害信息熵模型,其模型的数学表达式:
式中,H(X)—地质灾害信息熵;
X=(x1,x2,x3)—地质灾害信息熵因子集(x1为地形子信息熵,x2为固体物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
进一步,对地质灾害信息熵值进行归一化处理,归一化公式:
根据地质灾害信息熵和地质灾害危险度的关系,基于地质灾害信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
如图2所示,本发明实施例提供的滑坡地质灾害预警推送系统包括:太阳能发电模块1;野外电源保障模块2;电源稳定供电模块3;滑坡内部位移监测模块4;滑坡地质灾害表面位移监测模块5;降雨量监测模块6;地下水监测模块7;地表裂缝监测模块8;数据采集计算模块9;计算结果分析模块10;无线传输模块11;信息发布及预警模块12。
所述太阳能发电模块:采用多个太阳能板,将光能转换为电能,并在电源内进行储存。
所述野外电源保障模块:采用变压器将电源电压进行稳定,防止装置被损坏。
所述电源稳定供电模块:通过太阳能转换的电能配合电源保障,使得电源对各个监测器进行稳定供电。
所述滑坡内部位移监测模块:通过对滑坡内部安装位移传感器,配合基座进行监测。
所述滑坡地质灾害表面位移监测模块:通过采用滑坡位移传感器对地质灾害处的表面进行监测。
所述降雨量监测模块:通过降雨收集监测仪进行测量。
所述地下水监测模块:通过高度检测器监测地下水的高度。
所述地表裂缝监测模块:对各个裂缝监测点进行标记分析。
所述数据采集计算模块:将各个检测值进行汇总并计算。
所述计算结果分析模块:对计算结果通过人工智能进行分析预测。
所述无线传输模块:通过GPRS对分析结果传输到各个控制终端13。
所述信息发布及预警模块:通过各个控制终端将信息发布到各个预警平台14,若超过预警值,则及时发出警报。
本发明的工作原理:通过太阳能板进行发电,配合野外电源保障模块使得电源对各装置稳定供电,通过滑坡内部位移监测模块,以及滑坡地质灾害表面位移监测模块,从而获得位移监测值,配合降雨量、地下水、地表裂缝监测模块,从而获得更加精确全面的数据,通过人工智能对数据进行采集分析并计算,将计算分析结果通过GPRS无线传输模块到各个控制终端,由控制终端进行信息发布到各大预警平台,若超过预警值,则及时发出警报。
该方法步骤清晰明确,简单易懂,利用太阳能这一无污染的能源进行供电,通过多种地质的监测,计算结果的收集与计算,最终将结果无线传输模块到各个控制终端,测量精确,预警及时,完全实现了实时采集、实时传输、实时监控、远程浏览、远程控制的功能,有效提高人们对地质灾害的应对性,极大的减少人员伤亡与财产流失。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种滑坡地质灾害预警推送方法,其特征在于,所述滑坡地质灾害预警推送方法包括:
通过对滑坡内部安装位移传感器,配合基座进行监测;
通过采用滑坡位移传感器对地质灾害处的表面进行监测;
通过降雨收集监测仪进行测量;
通过高度检测器监测地下水的高度;
对各个裂缝监测点进行标记分析;
将各个检测值进行汇总并计算;对计算结果通过人工智能进行分析预测;
通过GPRS对分析结果传输到各个控制终端;
通过各个控制终端将信息发布到各个预警平台,若超过预警值,则及时发出警报;
所述将各个检测值进行汇总并计算;对计算结果通过人工智能进行分析预测包括:
通过滑坡位移传感器收集确定与地质灾害三要素相关的特征参数;
建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
建立地质灾害信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出地质灾害信息熵值;
根据信息熵理论与地质灾害是否发生的关系,定义地质灾害危险度等级标准,进而对研究对象进行危险度评价;
确定地质灾害三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量, 单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
2.如权利要求1所述滑坡地质灾害预警推送方法,其特征在于,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
3.如权利要求1所述滑坡地质灾害预警推送方法,其特征在于,建立地质灾害信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立地质灾害信息熵模型,其模型的数学表达式:
式中,H(X)—地质灾害信息熵;
X=(x1,x2,x3)—地质灾害信息熵因子集(x1为地形子信息熵,x2为固体物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
4.如权利要求1所述滑坡地质灾害预警推送方法,其特征在于,对地质灾害信息熵值进行归一化处理,归一化公式:
根据地质灾害信息熵和地质灾害危险度的关系,基于地质灾害信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
5.如权利要求1所述滑坡地质灾害预警推送方法,其特征在于,所述滑坡地质灾害预警推送方法利用滑坡地质灾害预警推送系统进行预警;所述利用滑坡地质灾害预警推送系统包括:
太阳能发电模块、野外电源保障模块、电源稳定供电模块、滑坡内部位移监测模块、滑坡地质灾害表面位移监测模块、降雨量监测模块、地下水监测模块、地表裂缝监测模块、数据采集计算模块、计算结果分析模块、无线传输模块、信息发布及预警模块;
太阳能发电模块:采用多个太阳能板,将光能转换为电能,并在电源内进行储存;
野外电源保障模块:采用变压器将电源电压进行稳定,防止装置被损坏;
电源稳定供电模块:通过太阳能转换的电能配合电源保障,使得电源对各个监测器进行稳定供电;
滑坡内部位移监测模块:通过对滑坡内部安装位移传感器,配合基座进行监测;
滑坡地质灾害表面位移监测模块:通过采用滑坡位移传感器对地质灾害处的表面进行监测;包括:
降雨量监测模块:通过降雨收集监测仪进行测量;
地下水监测模块:通过高度检测器监测地下水的高度;
地表裂缝监测模块:对各个裂缝监测点进行标记分析;
数据采集计算模块:将各个检测值进行汇总并计算。
6.如权利要求5所述滑坡地质灾害预警推送方法,其特征在于,滑坡地质灾害表面位移监测模块进一步包括:
计算结果分析模块:对计算结果通过人工智能进行分析预测;
无线传输模块:通过GPRS对分析结果传输到各个控制终端;
信息发布及预警模块:通过各个控制终端将信息发布到各大预警平台,若超过预警值,则及时发出警报。
7.一种实现如权利要求1-6任意一项所述滑坡地质灾害预警推送方法滑坡地质灾害预警推送设备。
8.一种实现权利要求1~6任意一项所述滑坡地质灾害预警推送方法的计算机程序。
9.一种实现权利要求1~6任意一项所述滑坡地质灾害预警推送方法的信息数据处理终端。
10.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1~6任意一项所述滑坡地质灾害预警推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876081.XA CN108847000A (zh) | 2018-08-03 | 2018-08-03 | 一种滑坡地质灾害预警推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876081.XA CN108847000A (zh) | 2018-08-03 | 2018-08-03 | 一种滑坡地质灾害预警推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108847000A true CN108847000A (zh) | 2018-11-20 |
Family
ID=64195541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810876081.XA Pending CN108847000A (zh) | 2018-08-03 | 2018-08-03 | 一种滑坡地质灾害预警推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108847000A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457422A (zh) * | 2019-08-20 | 2019-11-15 | 重庆壤科农业数据服务有限公司 | 土壤样品采集自动布点系统及方法 |
CN110473387A (zh) * | 2019-09-12 | 2019-11-19 | 西南石油大学 | 一种山地管道滑坡地质灾害监测预警系统及方法 |
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN112836937A (zh) * | 2021-01-11 | 2021-05-25 | 合肥中科加点智能科技有限公司 | 基于熵权与bp神经网络技术的洪涝灾害损失评估方法 |
CN113191646A (zh) * | 2021-05-07 | 2021-07-30 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 多灾种预警信息发布优先级的确定方法 |
CN113295212A (zh) * | 2021-05-26 | 2021-08-24 | 西北大学 | 应用多监测点协同作用的滑坡整体稳定性安全预警系统 |
CN114595581A (zh) * | 2022-03-11 | 2022-06-07 | 重庆地质矿产研究院 | 基于影响因素动态权重的区域地质灾害危险性概率模型 |
CN115271374A (zh) * | 2022-06-30 | 2022-11-01 | 中铁西南科学研究院有限公司 | 一种山区铁路工程结构水害风险评价系统 |
CN117558117A (zh) * | 2024-01-12 | 2024-02-13 | 山东省煤田地质规划勘察研究院 | 基于伪随机信号激电法的智能滑坡监测预警装置及方法 |
CN117558117B (zh) * | 2024-01-12 | 2024-05-31 | 山东省煤田地质规划勘察研究院 | 基于伪随机信号激电法的智能滑坡监测预警装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202383803U (zh) * | 2011-09-19 | 2012-08-15 | 南京易周能源科技有限公司 | 山洪地质灾害预警系统 |
CN104331744A (zh) * | 2014-10-17 | 2015-02-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流危险度评价方法 |
CN204376958U (zh) * | 2015-02-11 | 2015-06-03 | 中国铁路总公司 | 基于北斗定位及最小路由跳数协议的铁路滑坡监测系统 |
CN205140158U (zh) * | 2015-11-05 | 2016-04-06 | 国家电网公司 | 山区输电线路基础应急预警系统 |
-
2018
- 2018-08-03 CN CN201810876081.XA patent/CN108847000A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202383803U (zh) * | 2011-09-19 | 2012-08-15 | 南京易周能源科技有限公司 | 山洪地质灾害预警系统 |
CN104331744A (zh) * | 2014-10-17 | 2015-02-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流危险度评价方法 |
CN204376958U (zh) * | 2015-02-11 | 2015-06-03 | 中国铁路总公司 | 基于北斗定位及最小路由跳数协议的铁路滑坡监测系统 |
CN205140158U (zh) * | 2015-11-05 | 2016-04-06 | 国家电网公司 | 山区输电线路基础应急预警系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457422B (zh) * | 2019-08-20 | 2023-06-06 | 重庆壤科农业数据服务有限公司 | 土壤样品采集自动布点系统及方法 |
CN110457422A (zh) * | 2019-08-20 | 2019-11-15 | 重庆壤科农业数据服务有限公司 | 土壤样品采集自动布点系统及方法 |
CN110473387A (zh) * | 2019-09-12 | 2019-11-19 | 西南石油大学 | 一种山地管道滑坡地质灾害监测预警系统及方法 |
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN111311879B (zh) * | 2020-01-16 | 2021-04-20 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN112836937A (zh) * | 2021-01-11 | 2021-05-25 | 合肥中科加点智能科技有限公司 | 基于熵权与bp神经网络技术的洪涝灾害损失评估方法 |
CN113191646A (zh) * | 2021-05-07 | 2021-07-30 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 多灾种预警信息发布优先级的确定方法 |
CN113191646B (zh) * | 2021-05-07 | 2022-03-22 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 多灾种预警信息发布优先级的确定方法 |
CN113295212A (zh) * | 2021-05-26 | 2021-08-24 | 西北大学 | 应用多监测点协同作用的滑坡整体稳定性安全预警系统 |
CN114595581A (zh) * | 2022-03-11 | 2022-06-07 | 重庆地质矿产研究院 | 基于影响因素动态权重的区域地质灾害危险性概率模型 |
CN115271374A (zh) * | 2022-06-30 | 2022-11-01 | 中铁西南科学研究院有限公司 | 一种山区铁路工程结构水害风险评价系统 |
CN115271374B (zh) * | 2022-06-30 | 2023-06-06 | 中铁西南科学研究院有限公司 | 一种山区铁路工程结构水害风险评价系统 |
CN117558117A (zh) * | 2024-01-12 | 2024-02-13 | 山东省煤田地质规划勘察研究院 | 基于伪随机信号激电法的智能滑坡监测预警装置及方法 |
CN117558117B (zh) * | 2024-01-12 | 2024-05-31 | 山东省煤田地质规划勘察研究院 | 基于伪随机信号激电法的智能滑坡监测预警装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108847000A (zh) | 一种滑坡地质灾害预警推送方法 | |
CN109085641B (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
Zou et al. | Comprehensive flood risk assessment based on set pair analysis-variable fuzzy sets model and fuzzy AHP | |
CN108154651A (zh) | 一种用于滑坡灾害实时监测预警的装置和方法 | |
CN109003422A (zh) | 用于山体滑坡的监测数据处理方法和山体滑坡预报方法 | |
CN112561274A (zh) | 基于多要素情境的台风诱发地质灾害风险评估方法 | |
Wang et al. | Rainfall‐induced landslide hazard assessment using artificial neural networks | |
CN113327022B (zh) | 一种防雷安全风险管理系统及方法 | |
Scarpino et al. | Multitemporal SAR data and 2D hydrodynamic model flood scenario dynamics assessment | |
Wang et al. | Incorporating triggering and environmental factors in the analysis of earthquake-induced landslide hazards | |
CN115063020A (zh) | 基于风险监测融合的梯级水电站多维安全调度装置及方法 | |
Bari Abarghouei et al. | Prediction of drought in dry lands through feedforward artificial neural network abilities | |
Li et al. | Flood risk assessment by using an interpretative structural modeling based Bayesian network approach (ISM-BN): An urban-level analysis of Shenzhen, China | |
CN109460902A (zh) | 基于类比法的输电杆塔滑坡灾害的分析方法及系统 | |
Cui et al. | The application of intelligent emergency response system for urban underground space disasters based on 3D GIS, BIM and internet of things | |
CN209168369U (zh) | 一种滑坡灾害实时监测装置 | |
Penkova et al. | Emergency situations monitoring using OLAP tehnology | |
Alfieri et al. | How representative is a point? The spatial variability of surface energy fluxes across short distances in a sand-sagebrush ecosystem | |
Imberger et al. | Investigation of spatial and temporal wind-speed variability during open cellular convection with the model for prediction across scales in comparison with measurements | |
Boroumand et al. | Semivariance analysis and transinformation entropy for optimal redesigning of nutrients monitoring network in San Francisco bay | |
Micu et al. | Mass movements | |
Bombino et al. | Comparing the hydrological response of forested headwaters (unregulated and regulated with check dams) under Mediterranean semi-arid conditions | |
CN212809411U (zh) | 一种太阳能供电的地质灾害监测组装置 | |
Whiteley et al. | Rapid characterization of landslide hydrogeology through simple clustering of seismic refraction and electrical resistivity surveys | |
Shekhunova et al. | Geological and economic risk assessment for territories of hazardous geological and technogenic processes (exemplified by Solotvyno township) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |