CN110930668A - 一种滑坡边缘预警方法及系统 - Google Patents

一种滑坡边缘预警方法及系统 Download PDF

Info

Publication number
CN110930668A
CN110930668A CN201911263661.2A CN201911263661A CN110930668A CN 110930668 A CN110930668 A CN 110930668A CN 201911263661 A CN201911263661 A CN 201911263661A CN 110930668 A CN110930668 A CN 110930668A
Authority
CN
China
Prior art keywords
data
landslide
module
early warning
formula
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
Application number
CN201911263661.2A
Other languages
English (en)
Inventor
曾维
罗伟洋
张佩霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN201911263661.2A priority Critical patent/CN110930668A/zh
Publication of CN110930668A publication Critical patent/CN110930668A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提供一种应用于滑坡监测预警的方法及系统，所述系统包括：基于Cortex‑A9架构ARM核心底板，基于4G的数据上传模块,近场信息传输模块,LoRa网关模块,近地预警模块;所述ARM核心底板包含核心ARM芯片，基础功能器件flash,电源管理，内存，负责滑坡数据预处理，完成现场滑坡预警；所述4G模块用于相关数据的上传于下发；所述近场信息传输模块包含蓝牙、WIFI、串口;所述LoRa网关模块负责接收多个LoRa节点上报地质环境信息；所述近地报警模块负责危急情况现场告警。在本申请实例中，系统通过LoRa网关获取实时地质数据，ARM核心处理器负责边缘滑坡数据预处理，实现现场处理，现场预警。快速实现滑坡危险预警。

Description

一种滑坡边缘预警方法及系统
技术领域
本发明属于滑坡防治工程技术领域，具体涉及一种滑坡边缘预警方法及系统。
背景技术
滑坡灾害属于自然灾害中的最重要灾害类型之一，给人类带来无穷的灾难，夺走了无数人的生命，造成无法估量的财产损失，从而制约了区域经济的可持续发展。导致灾害发生的原因之一是它的突发性和不稳定性，因此滑坡的预测预报就显得非常重要。
从预警维度上划分，一般滑坡预警分为时间预警和空间预警。空间预警是比较明确地划定在一定条件下(如根据长期气象趋势预报)、一定时间段内地质灾害将要发生的地域或地点，主要适用于群发型。时间预警是在空间预警的基础上，针对某一具体地域，给出地质灾害在某一时段内或某一时刻(如根据短时气象预报或警报)将要发生的可能性大小.
现有预警技术依托后端云平台针对大区域运用概率统计，多元回归分析等数学方法，实现滑坡预警，对预警系统数据吞吐量提出巨大挑战，而移动边缘计算可满足系统对于吞吐量，时延，网络可伸展性和智能化等多方面要求。而这一特性，在灾害预警方面，可降低核心网络负担，提供更低时延，通过靠近滑坡地的信息预处理，可明显提升灾害预报速度。
发明内容
由于移动边缘计算对滑坡监测的巨大优势，本发明提供一种滑坡边缘预警方法及系统，以解决现有方法中预警时延大，不能及时预警的问题。其具体方案如下：
第一方面，本申请实例提供了一种滑坡边缘预警方法，包括：
通过LoRa接收滑坡监测数据，其中，LoRa接受到的数据来自预设LoRa节点传感器监测的地质环境信息。
对接受到的数据进行数据校验，保留校验正确的数据，校验失败的信息丢弃，并重新接收本次数据。
优选地，对接受到的数据进行数据校验，通过基本的字符串通信协议，按照一定帧头，帧尾，CRC校验进行数据验证。
该系统现场对滑坡数据预处理，预处理包括对数据的基础滤波，计算数据变化率Δv，预测滑坡近期发生概率pt+1。
优选地，对数据进行基础滤波，使用滤波算法，通过式1计算：
Figure BDA0002312269650000011
式1中，y′t+1为第t+1期的滤波值，wi为第t-i+1期的观测值权数，yt-i+1为第t-i+1期的观测值，N为权数的个数。
优选地，式1中，权数w1通过式2计算：
w′i＝wi+2k*ei+1yt-i+1式2
式2中，i＝1,2,…,N,t＝N,N+1,…,n，n为序列数据的个数，xi为调整前的第i个权数，w′i为调整后的第i个权数，k为学习常数，ei+1为第t+1期的观测误差。
优选地，计算数据变化率Δv，通过式3
Δvt＝y′t-y′t-1 式3
式3中，y′t为t期滤波值，y′t-1为t-1滤波值。
优选地，计算近期滑坡发生概率pt+1
Figure BDA0002312269650000021
式4中，Δvi由式3计算得出，y′t-1由式1和式2计算得出。
根据预测发生概率pt+1的大小，决定是否上报预警信息。
第二方面，本申请实例提供了一种滑坡边缘预警系统，包括：
ARM核心底板，负责现场滑坡数据预处理，执行基本逻辑运算。
4G收发模块，上传预处理数据到远端服务器，接收远端服务器相应命令。
LoRa网关模块，用于接收LoRa节点采集的相应滑坡环境数据。
近场通信模块，负责近距离相关数据下发，完场现场数据传输。
优选地，近场通信模块包括蓝牙无线通信，串口有线通信。
近地预警模块；用于滑坡危急情况，负责现场预警。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实例提供的一种滑坡边缘预警方法流程示意图。
图2为本申请实例提供的一种滑坡边缘预警系统结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
可理解，滑坡预警时，将坡地监测信息上传至服务器进行数据处理，预警，预警具有一定时延，且对网络稳定性要求高，否则造成中间监测信息丢失，易造成滑坡预判，误判。
基于此，本申请实例提供了一种滑坡边缘预警方法，图1为本申请实例提供的一种滑坡边缘预警方法流程示意图，如图1所示，其主要包括以下步骤。
步骤S101：设备进行初始化，包括LoRa基础参数配置，4G模块参数配置。
本申请实施例，通过自定地参数配置，建立LoRa通信和4G通信，相关参数可通过网络命令配置。
步骤S102：LoRa模块监听所配置参数下的网络信号，接收LoRa节点发送的环境监测数据。
步骤S103：若LoRa模块接收到下端网络节点所发出的数据，对数据进行校验，校验通过的数据保留，放弃校验不通过的数据，并重新接收本次数据。
本申请实施例，对接受到的数据通过基本的字符串通信协议，按照一定帧头，帧尾，CRC校验进行数据验证。
步骤S104：现场滑坡数据预处理，包括对数据的基础滤波，计算数据变化率Δv，预测滑坡近期发生概率Pt。
本申请实施例，数据进行基础滤波，使用滤波算法，通过式1计算：
Figure BDA0002312269650000031
式1中，y′t+1为第t+1期的滤波值，wi为第t-i+1期的观测值权数，yt-i+1为第t-i+1期的观测值，N为权数的个数。
式1中，权数wi通过式2计算：
w′i＝wi+2k*ei+1yt-i+1式2
式2中，i＝1,2,…,N,t＝N,N+1,…,n，n为序列数据的个数，wi为调整前的第i个权数，w′i为调整后的第i个权数，k为学习常数，ei+1为第t+1期的观测误差。
计算数据变化率Δv，通过式3计算：
Δvt＝y′t-y′t-1式3
式3中，y′t为t期滤波值，y′t-1为t-1滤波值。
计算近期滑坡发生概率pt+1
Figure BDA0002312269650000041
式4中，Δvi由式3计算得出，y′t-1由式1和式2计算得出。
步骤S105：若滑坡发生概率pt+1大于某一设定阈值，执行步骤S106，否则执行步骤S102。
步骤S106：通过4G模块上报预警信息，近地预警模块启动。
本申请实施例，近地预警模块包括高分贝电子警报器，警示灯具。
与上述方法实例相对应，本申请还提供了一种滑坡边缘预警系统，图2为本申请实例提供的一种滑坡边缘预警系统结构示意图。如图2所示，所述系统包括以下模块。
ARM核心底板202，用于各部分模块控制，对滑坡监测数据处理，若计算的滑坡概率大于某一阈值，控制近地报警模块报警，通过4G模块上报预警信息。
LoRa网关模块203，用于接收监测坡地Lora节点发送的环境监测信息。
近地报警模块201，用于近地通知滑坡预警信息，该模块通过ARM核心底板202控制。
近场数据收发模块204，用于近距离现场数据收发。包括蓝牙无线传输，串口有线传输。
4G数据模块205，用于无线连接互联网，桥接LoRa局域网与4G互联网，传输现场预警信息，接收服务器网络命令。

Claims (10)

1.一种滑坡边缘预警方法及系统，其特征在于，包括：ARM核心底板、４G收发模块、LoRa网关模块、近场通信模块、近地预警模块；
所述ARM核心底板为主要数据处理芯片，负责现场滑坡数据预处理；
所述4G收发模块，上传预处理数据到远端服务器，并接收远端服务器相应命令；
所述LoRa网关模块，用于接收LoRa节点采集的相应滑坡环境数据；
所述近场通信模块，负责近距离相关数据下发，完场现场数据调研；所述近地预警模块，用于滑坡危急情况，负责现场预警。
2.根据权利要求1所述的系统，其特征在于，所述核心芯片现场滑坡数据预处理，包括对数据的基础滤波，计算数据变化率Δｖ，预测滑坡近期发生概率
Figure DEST_PATH_IMAGE001
。
3.根据权利要求２所述的方法，其特征在于数据基础滤波使用滤波算法，过滤无效数据，通过式1计算；
Figure 692349DEST_PATH_IMAGE002
式1
式1中，
Figure DEST_PATH_IMAGE003
为第
Figure 626807DEST_PATH_IMAGE004
期的滤波值，
Figure DEST_PATH_IMAGE005
为第
Figure 807121DEST_PATH_IMAGE006
期的观测值权数，
Figure DEST_PATH_IMAGE007
为第
Figure 764713DEST_PATH_IMAGE006
期的观测值，N为权数的个数。
4.根据权利要求3所述的方法，其特征在于调整权数，通过式２计算；
Figure 656052DEST_PATH_IMAGE008
式2
式2中，
Figure DEST_PATH_IMAGE009
=1,2,…,N,t=N,N+1,…,n,n为序列数据的个数，
Figure 445017DEST_PATH_IMAGE005
为调整前的第
Figure 546965DEST_PATH_IMAGE009
个权数，
Figure 319749DEST_PATH_IMAGE010
为调整后的第
Figure 329293DEST_PATH_IMAGE009
个权数，k为学习常数，
Figure DEST_PATH_IMAGE011
期的观测误差。
5.根据权利要求２所述的方法，其特征在于求得数据变化率Δｖ，通过式3
Figure 425294DEST_PATH_IMAGE012
式3
式3中，
Figure DEST_PATH_IMAGE013
为
Figure 698144DEST_PATH_IMAGE014
期滤波值，
Figure DEST_PATH_IMAGE015
为
Figure 318743DEST_PATH_IMAGE016
滤波值.
根据权利要求２所述的方法，其特征在于预测近期滑坡发生概率
Figure 194295DEST_PATH_IMAGE001
，通过式4计算；
Figure DEST_PATH_IMAGE017
=
Figure 833218DEST_PATH_IMAGE018
式4
式4中，
Figure DEST_PATH_IMAGE019
由式3计算得出，
Figure 57395DEST_PATH_IMAGE015
由式1和式2计算得出。
6.根据
Figure 539192DEST_PATH_IMAGE001
的计算值大小，进行相应的警情预报。
7.根据权利要求1所述的系统，其特征在于，近场通信模块包括蓝牙无线通信,串口有线通信。
8.根据权利要求1所述的系统，其特征在于，近地预警模块包括高分贝电子警报器，警示灯具。
9.根据权利要求1所述的系统，其特征在于，４G收发模块发送滑坡预警信息至当地灾害管理部门。
10.根据权利要求1所述的系统，其特征在于，LoRa网关模块只接收预设LoRa节点发送的数据。
CN201911263661.2A 2019-12-11 2019-12-11 一种滑坡边缘预警方法及系统 Pending CN110930668A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911263661.2A CN110930668A (zh) 2019-12-11 2019-12-11 一种滑坡边缘预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911263661.2A CN110930668A (zh) 2019-12-11 2019-12-11 一种滑坡边缘预警方法及系统

Publications (1)

Publication Number Publication Date
CN110930668A true CN110930668A (zh) 2020-03-27

Family

ID=69859793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911263661.2A Pending CN110930668A (zh) 2019-12-11 2019-12-11 一种滑坡边缘预警方法及系统

Country Status (1)

Country Link
CN (1) CN110930668A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676907A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种区域地质灾害预警方法、装置、存储介质及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040215428A1 (en) * 2003-04-28 2004-10-28 Massachusetts Institute Of Technology Method for producing property-preserving variable resolution models of surfaces
JP2012198886A (ja) * 2011-03-10 2012-10-18 Yamaguchi Univ 火山活動度に応じた土砂災害発生危険度評価システムとそのプログラム
CN104581089A (zh) * 2015-02-08 2015-04-29 张朝利 一种山体滑坡变化定量监测系统及其预测方法
CN207439341U (zh) * 2017-11-28 2018-06-01 桂林电子科技大学 一种基于fpga+arm的实时滑坡监测预警设备
CN108470431A (zh) * 2018-04-18 2018-08-31 四川徐氏智慧文化旅游有限公司 一种景区险情预警系统
CN110008301A (zh) * 2019-04-12 2019-07-12 杭州鲁尔物联科技有限公司 基于机器学习的区域性地质灾害易发性预测方法及装置
CN110211337A (zh) * 2019-05-23 2019-09-06 余毛炫堤 一种地面震荡感知预警系统
CN209691075U (zh) * 2018-12-10 2019-11-26 西安工程大学 一种分布式滑坡灾害监测预警系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040215428A1 (en) * 2003-04-28 2004-10-28 Massachusetts Institute Of Technology Method for producing property-preserving variable resolution models of surfaces
JP2012198886A (ja) * 2011-03-10 2012-10-18 Yamaguchi Univ 火山活動度に応じた土砂災害発生危険度評価システムとそのプログラム
CN104581089A (zh) * 2015-02-08 2015-04-29 张朝利 一种山体滑坡变化定量监测系统及其预测方法
CN207439341U (zh) * 2017-11-28 2018-06-01 桂林电子科技大学 一种基于fpga+arm的实时滑坡监测预警设备
CN108470431A (zh) * 2018-04-18 2018-08-31 四川徐氏智慧文化旅游有限公司 一种景区险情预警系统
CN209691075U (zh) * 2018-12-10 2019-11-26 西安工程大学 一种分布式滑坡灾害监测预警系统
CN110008301A (zh) * 2019-04-12 2019-07-12 杭州鲁尔物联科技有限公司 基于机器学习的区域性地质灾害易发性预测方法及装置
CN110211337A (zh) * 2019-05-23 2019-09-06 余毛炫堤 一种地面震荡感知预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于志伟: "一种用于三维滑坡模型试验数据处理的新方法", 《长江科学院院报》 *
王真: "实时监测模糊决策的滑坡预警系统设计", 《单片机与嵌入式系统应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676907A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种区域地质灾害预警方法、装置、存储介质及设备
CN114676907B (zh) * 2022-01-17 2022-09-20 中国地质大学（北京） 一种区域地质灾害预警方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
DE112016000097B4 (de) Sensorsystem
US11438240B2 (en) Compressed transmission of network data for networking machine learning systems
CA3138516A1 (en) Machine learning motion sensing with auxiliary sensors
WO2020051287A1 (en) Support structure inspection devices, systems and methods
US9813294B2 (en) Optimization of a home automation system using a local power line communication network
CN106652308A (zh) 一种基于ZigBee和Android的火灾信号监测系统
CN112286150B (zh) 一种智能家居设备管理方法、装置、系统及存储介质
WO2020220637A1 (zh) 环境参数提示方法、系统、环境监测装置及存储介质
CN103312772A (zh) 一种应用于物联网的数据采集系统及相应的装置
KR102055258B1 (ko) 스마트 rtu를 이용하여 저장조의 수위를 모니터링하는 장치 및 방법
CN110930668A (zh) 一种滑坡边缘预警方法及系统
CN110161952A (zh) 一种针对消防设备进行巡检的监控管理方法和装置
CN112050742A (zh) 一种滑坡裂缝位移自适应监测系统及方法
CN116744357A (zh) 基站故障预测方法、装置、设备和介质
US20220044117A1 (en) Federated learning for anomaly detection
CN116032692A (zh) 一种智能物联网关以及基于智能物联网关的物联网系统
Shi et al. Edge computing and the internet of things on agricultural green productivity
Supanirattisai et al. Smart agriculture monitoring and management system using IoT-enabled devices based on LoRaWAN
CN106878429B (zh) 一种远程控制的船舶信息回传装置及其控制方法
WO2020195768A1 (ja) 農業ハウスの環境制御システム、ハウス制御装置
CN106647595A (zh) 一种铁路抑尘控制系统
US9515911B2 (en) Method and a processing device for distributed network monitoring
CN116007576A (zh) 一种基于人工智能分析的道路沉降检测系统及方法
CN208873275U (zh) 铁路监测数据收发器
Widjaja et al. The Development of an IoT-based Indoor Air Monitoring System Towards Smart Energy Efficient Classroom

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200327

WD01 Invention patent application deemed withdrawn after publication