CN112419674A - 一种泥石流地质灾害的监测系统及方法 - Google Patents

Abstract

本发明公开了一种泥石流地质灾害的监测系统及方法，系统包括信号采集模块、实时监控模块、数据储存模块、风险智能识别模块、报警模块；信号采集模块与实时监控模块相连，将采集的数据通过信号转换后传输给实时监控模块；实时监控模块与数据储存模块双向连接；述风险智能识别模块利用大数据对地质灾害进行系统的风险分析评估，自动生成该监测区域泥石流灾害的风险评估报告；报警模块根据识别的风险程度发布地质灾害预警。本发明利用传感器设备、视频设备、大数据技术、无线通信网络技术、智能识别技术、预警技术等实现泥石流的监测和预警，能够提高监测效率和识别精度。

Description

一种泥石流地质灾害的监测系统及方法

技术领域

本发明属于地质灾害监测技术领域，特别涉及一种泥石流地质灾害的监测系统及方法。

背景技术

我国是世界上地质灾害最严重、受威胁人口最多的国家之一。复杂的地质条件、频繁的构造活动以及季风气候带来的充沛降雨，使泥石流灾害在我国分布广泛。特别是近年来受极端天气、地震、工程建设等因素影响，地质灾害多发频发，给人民群众生命财产造成严重损失。

地质灾害的发生以及变化，需要通过监测才能较准确地掌握，并且地质灾害发生突然，前兆现象不明显，且多数突发性地质灾害活动强烈，所以预测、预报和预防比较困难，常使人猝不及防，造成严重的破坏损失。对于这些突发性的地质灾害必须采用更完善的监测技术，为地质灾害能够有效的防治提供可靠的依据，解决现有的地质灾害监测识别精度低、效率低以及预警响应慢的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种利用传感器设备、视频设备、大数据技术、无线通信网络技术、智能识别技术、预警技术等实现泥石流的监测和预警，能够提高监测效率和识别精度泥石流地质灾害的监测系统及方法。

本发明的目的是通过以下技术方案来实现的：一种泥石流地质灾害的监测系统，包括信号采集模块、实时监控模块、数据储存模块、风险智能识别模块、报警模块；

所述信号采集模块与实时监控模块相连，将采集的数据通过信号转换后传输给实时监控模块；

实时监控模块与数据储存模块双向连接；实时监控模块将数据进行统计分析处理后在系统界面进行实时刷新监测；实时监控模块将数据传输给风险智能识别模块，然后根据风险智能识别模块输出的风险评估结果想报警模块发布预警命令；

所述风险智能识别模块利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析，自动生成该监测区域泥石流灾害的风险评估报告；

所述报警模块根据识别的风险程度发布地质灾害预警。

进一步地，所述信号采集模块与实时监控模块之间设有滤波器和A/D转换模块。

进一步地，所述信号采集模块包括雨量监测单元、河水浑浊度监测单元、地表位移监测单元、坡度监测单元、应力场监测单元、泥位监测单元、土壤含水量监测单元、地下水位监测单元、孔隙水压力监测单元；

所述雨量监测单元采用容栅式雨量计进行测量；

河水浑浊度监测单元采用浊度传感器进行测量；

地表位移监测单元采用振弦式测缝计进行测量，监测裂缝位移；

坡度监测单元采用激光坡度仪进行测量；

应力场监测单元采用钢筋应力计进行测量；

泥位监测单元采用泥位传感器进行测量；

土壤含水量监测单元采用土壤水分传感器进行测量；

地下水位监测单元采用压力式水位传感器进行测量；

孔隙水压力监测单元采用孔隙水压力计进行测量；

上述人类工程活动对泥石流的影响程度采用自然语言处理，评判用{很小、小、较小、一般、较大、大、非常大}这样的模糊性语言变量去评判指影响度，自然语言转化成对应数值为[0.05、0.15、0.3、0.5、0.7、0.85、1.0]，方便于计算机处理。

进一步地，所述实时监控模块是将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

实时监控模块设置有监测点数据管理子模块、项目管理子模块、数据统计分析子模块：

监测点数据管理子模块提供地质灾害监测点基本信息、灾害监测点各个设备的详细配置、监测站点、历史数据的录入、编辑、删除功能；

项目管理子模块包括添加项目、编辑项目、项目负责人以及联系方式，删除项目以及为项目添加设备、移除设备；

数据统计分析子模块是将储存于数据储存模块的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测。

进一步地，所述地质灾害预警设置提供5级报警；根据识别出的风险程度划分地质灾害预警等级，具体如下：成灾风险为0-20％，发布1级预警；成灾风险为20-40％，发布2级预警；成灾风险为40-60％，发布3级预警；成灾风险为60-80％，发布4级预警；成灾风险为80％以上，发布最高5级预警。

进一步地，所述报警模块包括界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块；

各报警子模块分别通过网络与实时监控模块通信，实时监控模块依据成灾风险程度进行地质灾害预警，分别通过有线和无线网络连接界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块，完成地质灾害监测预警；

所述界面报警子模块为客户端软件界面报警，所有报警等级皆可用；

短信报警子模块通过手机短信发送报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为2级及以上时采用；

电话报警子模块，实时监控模块通过手机电话语音播报报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为3级及以上时采用；

情报板报警子模块为LED情报板，简要提示行人和车辆前方某区域将发生地质灾害，报警等级为4级及以上时采用；

广播报警子模块播放广播报警，报警设备需要外接音箱，报警等级为4级及以上可用；

声光报警子模块，报警时打开声光报警器完成声光报警，需要安装声光报警器，报警等级为5级时采用。

本发明的另一个目的在于提供一种泥石流地质灾害的监测方法，包括以下步骤：

S1、搭建泥石流地质灾害的监测系统；

S2、利用信号采集模块采集地质灾害监测数据，并将采集到的数据进行滤波和模数转换处理后，传输至实时监控模块；

S3、将地质灾害监测数据进行存储，并发送至风险智能识别模块进行风险评估；同时将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

S4、利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析；

S5、根据灾害风险识别分析结果，发出警报。

具体地，所述步骤S4包括以下子步骤：

S41、读取待测区域灾害因子历史数据和待测区域灾害因子监测数据，对泥石流地质灾害进行分类处理；

S42、采用主成分分析法对环境因子数据进行降维处理，从而提取出待监测区域影响泥石流强度的主要环境因子；所述降维处理的环境因子数据指已经发生泥石流地质灾害地区的在发生泥石流时监测得到的环境因子历史数据；

S43、根据提取出的待监测区域影响泥石流强度的m个主要环境因子，对每个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算，然后对三种风险识别分析方法所计算的结果利用阈值算法进行一致性校核，完成泥石流灾害风险识别分析，生成该监测区域泥石流灾害的风险评估报告。

具体地，所述主成分分析方法计算步骤如下：

S421、读取已发生泥石流地质灾害地区，在发生泥石流时监测得到的环境因子历史数据；

S422、对步骤S421得到的数据进行标准化处理，得到各环境因子的系数矩阵；

S423、将标准化处理后数据进行权重计算，权重计算后进行降维处理；

S424、根据系数矩阵利用特征值分解公式计算出特征值矩阵，并按照降序排列得到特征值；

S425、根据特征值计算各环境因子的贡献率及其累计贡献率，当前m个影响泥石流的主要环境因子的累计贡献率达到要求时，选取这m个影响泥石流的主要环境因子的数据代替原来的数据作为新的变量参与后续运算。

具体地，所述阈值算法具体步骤如下：

S431、分别对m个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法计算各主要环境因子监测数据与地质灾害历史数据的相似度最大值Y_max；

S432、计算各主要环境因子监测数据与地质灾害历史数据的相似度的标准差；

其中，Y_i为第i个环境因子监测数据与地质灾害历史数据的相似度值，

为各环境因子相似度的平均值，m为主要环境因子数量；

S433、计算相似度的阈值T

T＝Y_max-5σ

将监测的各主要环境因子的相似度Y与计算出的相似度阈值T进行比较，若三种算法的结果均为Y大于T，则说明环境因子检验通过；如果任意两种算法的计算结果导向不一致，则需要对其环境因子进行进一步的分析。

本发明的有益效果是：本发明提出的地质灾害监测系统能够对多种环境参数进行监测，并对各环境因子进行参量耦合和智能识别，主要利用传感器设备、视频设备、大数据技术、无线通信网络技术、智能识别技术、预警技术等实现泥石流的监测和预警，能够提高监测效率和识别精度。

附图说明

图1为本发明的泥石流地质灾害的监测系统的结构框图；

图2为本发明的本发明的泥石流地质灾害的监测方法的流程图；

图3为本发明的对地质灾害进行系统的风险分析评估的流程图；

图4为本发明的各环境因子主成分分析计算的流程图；

图5为本发明的各环境因子权重计算的流程图；

图6为本发明各环境因子识别结果一致性检验流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

如图1所示，本发明的泥石流地质灾害的监测系统，包括信号采集模块、实时监控模块、数据储存模块、风险智能识别模块、报警模块；

所述信号采集模块与实时监控模块相连，将采集的数据通过信号转换后传输给实时监控模块；

实时监控模块与数据储存模块双向连接，强信号采集模块上传的数据保存在数据存储模块中；实时监控模块将数据进行统计分析处理后在系统界面进行实时刷新监测；实时监控模块将数据传输给风险智能识别模块，然后根据风险智能识别模块输出的风险评估结果想报警模块发布预警命令；

所述风险智能识别模块利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析，自动生成该监测区域泥石流灾害的风险评估报告；

所述报警模块根据识别的风险程度发布地质灾害预警。

进一步地，所述信号采集模块与实时监控模块之间设有滤波器和A/D转换模块。对采集的部分微弱的信号进行滤波处理从而实现对微弱的信号的放大，并对传感器采集到的数据进行模数转换。

进一步地，所述信号采集模块包括雨量监测单元、河水浑浊度监测单元、地表位移监测单元、坡度监测单元、应力场监测单元、泥位监测单元、土壤含水量监测单元、地下水位监测单元、孔隙水压力监测单元；

所述雨量监测单元采用容栅式雨量计进行测量；

河水浑浊度监测单元采用浊度传感器进行测量；

地表位移监测单元采用振弦式测缝计进行测量，监测裂缝位移；

坡度监测单元采用激光坡度仪进行测量；

应力场监测单元采用钢筋应力计进行测量；

泥位监测单元采用泥位传感器进行测量；

土壤含水量监测单元采用土壤水分传感器进行测量；

地下水位监测单元采用压力式水位传感器进行测量；

孔隙水压力监测单元采用孔隙水压力计进行测量；

上述人类工程活动对泥石流的影响程度采用自然语言处理，评判用{很小、小、较小、一般、较大、大、非常大}这样的模糊性语言变量去评判指影响度，自然语言转化成对应数值为[0.05、0.15、0.3、0.5、0.7、0.85、1.0]，方便于计算机处理。

进一步地，所述实时监控模块是将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

实时监控模块设置有监测点数据管理子模块、项目管理子模块、数据统计分析子模块：

监测点数据管理子模块提供地质灾害监测点基本信息(站号、站名、地址、Id等)、灾害监测点各个设备的详细配置(设备编号、设备的名称、设备的IP等)、监测站点、历史数据的录入、编辑、删除功能；

项目管理子模块包括添加项目、编辑项目、项目负责人以及联系方式，删除项目以及为项目添加设备、移除设备；

数据统计分析子模块是将储存于数据储存模块的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测。采集的数据统计分析可以根据用户情况选择：按日进行统计：统计每天每小时的累计采集数据；按月进行统计：每月每天的累计采集数据；按年进行统计：每年每月的累计采集数据。所述系统主界面每一次刷新都会重新读取数据库进而显示最新一条监测数据记录，保证主界面上显示的数据都是该监测点采集到的最新的数据，做到实时在线监测。

进一步地，所述地质灾害预警设置提供5级报警；根据识别出的风险程度划分地质灾害预警等级，具体如下：成灾风险为0-20％，发布1级预警；成灾风险为20-40％，发布2级预警；成灾风险为40-60％，发布3级预警；成灾风险为60-80％，发布4级预警；成灾风险为80％以上，发布最高5级预警。

进一步地，所述报警模块包括界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块；

各报警子模块分别通过网络与实时监控模块通信，实时监控模块依据成灾风险程度进行地质灾害预警，分别通过有线和无线网络连接界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块，完成地质灾害监测预警；

所述界面报警子模块为客户端软件界面报警，所有报警等级皆可用；

短信报警子模块通过手机短信发送报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为2级及以上时采用；

电话报警子模块，实时监控模块通过手机电话语音播报报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为3级及以上时采用；

情报板报警子模块为LED情报板，简要提示行人和车辆前方某区域将发生地质灾害，报警等级为4级及以上时采用；

广播报警子模块播放广播报警，报警设备需要外接音箱，报警等级为4级及以上可用；

声光报警子模块，报警时打开声光报警器完成声光报警，需要安装声光报警器，报警等级为5级时采用。

每一级的具体阈值以及采取的报警方式不限于本发明所提供的方式，可以由用户自信进行设定及修改。

如图2所示，本发明的一种泥石流地质灾害的监测方法，包括以下步骤：

S1、搭建泥石流地质灾害的监测系统；搭建泥石流预警监测系统的监测信号采集模块，布局监测泥石流环境因子的传感设备，并搭建无线传感网络以保证测得的环境因子数据可以实时地采集到的数据传输到服务器并存入数据库，并要求将设备采集到的数据利用监测数据统计分析模块将采集到的监测数据进行统计分析，显示在地质灾害监测系统中的主界面中，并且能够实时刷新做到实时监测。

S2、利用信号采集模块采集地质灾害监测数据，并将采集到的数据进行滤波和模数转换处理后，传输至实时监控模块；

S3、将地质灾害监测数据进行存储，并发送至风险智能识别模块进行风险评估；同时将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

S4、利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析；

如图3所示，具体包括以下子步骤：

S41、读取待测区域灾害因子历史数据和待测区域灾害因子监测数据，对泥石流地质灾害进行分类处理；考虑不同泥石流灾害类型的环境因子泥石流的影响程度不同，需要对泥石流地质灾害进行分类处理，不同泥石流灾害类型的环境因子泥石流的影响权重不同，对环境因子对泥石流的影响程度进行权重赋值时，对不同类型的泥石流的环境因子在进行权重赋值时可以考虑进行适当倾斜。所述泥石流的类型分为：溃决泥石流、冰川泥石流、降雨泥石流、弃渣泥石流，不同类型的泥石流的环境因子对泥石流的影响不同，故分类进行权重赋值。

S42、采用主成分分析法对环境因子数据进行降维处理，从而提取出待监测区域影响泥石流强度的主要环境因子；所述降维处理的环境因子数据指已经发生泥石流地质灾害地区的在发生泥石流时监测得到的环境因子历史数据；

所述主成分分析方法，也称为主分量分析法，是一种通过数学统计分析方法将多个指标转变成少数几个可以反映绝大部分原始指标信息的综合指标的数据处理方法。不仅可以降低数据空间的维数，还可以消除各环境因子数据之间的相互影响，使得最大化保证监测数据不失真的情况下得到简化，提高监测效率。

将不同环境因子对泥石流的影响程度进行权重赋值(历史数据)；同时考虑到不同区域的不同环境因子对泥石流强度的影响程度不同，需要对环境因子数据进行降维处理，从而提取出待监测区域影响泥石流强度的主要环境因子，最大化保证监测数据不失真的情况下得到简化，提高监测效率，本发明采用主成分分析法对环境因子数据进行降维处理；所述降维处理的环境因子数据指已经发生泥石流地质灾害地区的在发生泥石流时监测得到的环境因子历史数据。

如图4所示，本步骤具体包括以下子步骤：

S421、读取已发生泥石流地质灾害地区，在发生泥石流时监测得到的环境因子历史数据；

S422、对步骤S421得到的数据进行标准化处理，得到各环境因子的系数矩阵；

S423、将标准化处理后数据进行权重计算，所述权重计算采用主客观组合赋权法，主观权重计算采用三角模糊数学与层次分析法，客观权重计算采用熵权法进行计算；权重计算的具体流程如图5所示；权重计算后进行降维处理；

S424、根据系数矩阵利用特征值分解公式计算出特征值矩阵，并按照降序排列得到特征值；

S425、根据特征值计算各环境因子的贡献率及其累计贡献率，当前m个影响泥石流的主要环境因子的累计贡献率达到要求(本实施例设置为85％)时，选取这m个影响泥石流的主要环境因子的数据代替原来的数据作为新的变量参与后续运算。

所述主成分分析法得到的新的变量数据输出到数据存储模块进行数据存储，以便后续计算调用。后续运算的环境因子数据通过数据库的历史数据进行调用。

S43、根据提取出的待监测区域影响泥石流强度的m个主要环境因子，对每个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算，然后对三种风险识别分析方法所计算的结果利用阈值算法进行一致性校核，完成泥石流灾害风险识别分析，生成该监测区域泥石流灾害的风险评估报告。

所述泥石流灾害风险识别是分别对m个主要环境因子进行风险识别，然后对m个主要环境因子的风险识别情况利用阈值算法进行一致性检验，检验通过，则根据三种并联风险识别情况进行灾害预警；检验不通过，则检查各个环境因子的风险情况，继续监测。

所述泥石流灾害风险识别采用夹角余弦法、神经网络算法、支持向量机三种方法进行并联识别分析；其中：夹角余弦法：是一种相似性分析法，它可以通过简单的计算评估两个多变量矢量之间的相似程度，通过计算空间中两个向量夹角的余弦值，余弦值越接近1，就说明两个向量越相似；向量夹角余弦适用范围广且方法简便，可以对泥石流环境因子作基本的相似性分析，作为辅助参考与神经网络和支持向量机并联；神经网络算法：是一种模仿动物大脑神经网络信息处理方式的算法模型，一种误差反向传播算法，学习功能强、分类准确度高、并行分布处理能力强，能充分逼近复杂非线性关系，适用于泥石流环境因子的风险识别。支持向量机：支持向量机模型是将空间中的各个离散点映射到高维，以便类别间的间隔最大化；随后新的测试数据集通过模型映射到同一空间内，根据它们映射在间隔的哪一侧来越策其属于哪一类。

分别对m个主要环境因子进行风险识别，对每个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算，然后对三种风险识别分析方法所计算的结果利用阈值算法进行一致性校核，检验通过，则根据三种并联风险识别情况进行灾害预警；检验不通过，则检查各个环境因子的风险情况，继续监测。如图6所示，具体步骤如下：

S431、分别对m个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法计算各主要环境因子监测数据与地质灾害历史数据的相似度最大值Y_max；

S432、计算各主要环境因子监测数据与地质灾害历史数据的相似度的标准差；

其中，Y_i为第i个环境因子监测数据与地质灾害历史数据的相似度值，

为各环境因子相似度的平均值，m为主要环境因子数量；

S433、计算相似度的阈值T

T＝Y_max-5σ

将监测的各主要环境因子的相似度Y与计算出的相似度阈值T进行比较，若三种算法的结果均为Y大于T，则说明环境因子检验通过；如果任意两种算法的计算结果导向不一致，则需要对其环境因子进行进一步的分析。

S5、根据灾害风险识别分析结果，发出警报。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (10)

1.一种泥石流地质灾害的监测系统，其特征在于，包括信号采集模块、实时监控模块、数据储存模块、风险智能识别模块、报警模块；

所述信号采集模块与实时监控模块相连，将采集的数据通过信号转换后传输给实时监控模块；

实时监控模块与数据储存模块双向连接；实时监控模块将数据进行统计分析处理后在系统界面进行实时刷新监测；实时监控模块将数据传输给风险智能识别模块，然后根据风险智能识别模块输出的风险评估结果想报警模块发布预警命令；

所述风险智能识别模块利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析，自动生成该监测区域泥石流灾害的风险评估报告；

所述报警模块根据识别的风险程度发布地质灾害预警。

2.根据权利要求1所述的一种泥石流地质灾害的监测系统，其特征在于，所述信号采集模块与实时监控模块之间设有滤波器和A/D转换模块。

3.根据权利要求1所述的一种泥石流地质灾害的监测系统，其特征在于，所述信号采集模块包括雨量监测单元、河水浑浊度监测单元、地表位移监测单元、坡度监测单元、应力场监测单元、泥位监测单元、土壤含水量监测单元、地下水位监测单元、孔隙水压力监测单元；

所述雨量监测单元采用容栅式雨量计进行测量；

河水浑浊度监测单元采用浊度传感器进行测量；

地表位移监测单元采用振弦式测缝计进行测量，监测裂缝位移；

坡度监测单元采用激光坡度仪进行测量；

应力场监测单元采用钢筋应力计进行测量；

泥位监测单元采用泥位传感器进行测量；

土壤含水量监测单元采用土壤水分传感器进行测量；

地下水位监测单元采用压力式水位传感器进行测量；

孔隙水压力监测单元采用孔隙水压力计进行测量。

4.根据权利要求1所述的一种泥石流地质灾害的监测系统，其特征在于，所述实时监控模块是将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

实时监控模块设置有监测点数据管理子模块、项目管理子模块、数据统计分析子模块：

监测点数据管理子模块提供地质灾害监测点基本信息、灾害监测点各个设备的详细配置、监测站点、历史数据的录入、编辑、删除功能；

项目管理子模块包括添加项目、编辑项目、项目负责人以及联系方式，删除项目以及为项目添加设备、移除设备；

数据统计分析子模块是将储存于数据储存模块的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测。

5.根据权利要求1所述的一种泥石流地质灾害的监测系统，其特征在于，所述地质灾害预警设置提供5级报警；根据识别出的风险程度划分地质灾害预警等级，具体如下：成灾风险为0-20％，发布1级预警；成灾风险为20-40％，发布2级预警；成灾风险为40-60％，发布3级预警；成灾风险为60-80％，发布4级预警；成灾风险为80％以上，发布最高5级预警。

6.根据权利要求5所述的一种泥石流地质灾害的监测系统，其特征在于，所述报警模块包括界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块；

各报警子模块分别通过网络与实时监控模块通信，实时监控模块依据成灾风险程度进行地质灾害预警，分别通过有线和无线网络连接界面报警子模块、短信报警子模块、电话报警子模块、情报板报警子模块、广播报警子模块、声光报警子模块，完成地质灾害监测预警；

所述界面报警子模块为客户端软件界面报警，所有报警等级皆可用；

短信报警子模块通过手机短信发送报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为2级及以上时采用；

电话报警子模块，实时监控模块通过手机电话语音播报报警信息，要求正确填写本项目的相关联系人以及联系人的手机号码，报警等级为3级及以上时采用；

情报板报警子模块为LED情报板，简要提示行人和车辆前方某区域将发生地质灾害，报警等级为4级及以上时采用；

广播报警子模块播放广播报警，报警设备需要外接音箱，报警等级为4级及以上可用；

声光报警子模块，报警时打开声光报警器完成声光报警，需要安装声光报警器，报警等级为5级时采用。

7.一种泥石流地质灾害的监测方法，其特征在于，包括以下步骤：

S1、搭建泥石流地质灾害的监测系统；

S2、利用信号采集模块采集地质灾害监测数据，并将采集到的数据进行滤波和模数转换处理后，传输至实时监控模块；

S3、将地质灾害监测数据进行存储，并发送至风险智能识别模块进行风险评估；同时将采集到的监测数据进行统计分析，绘制该监测点采集到的数据的变化统计图以及相应数据的等值线图，并在系统主界面实时在线监测；

S4、利用大数据对地质灾害进行系统的风险分析评估，分别对数据采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算；最后对三种风险识别分析方法所计算的结果进行一致性校核，并完成灾害风险识别分析；

S5、根据灾害风险识别分析结果，发出警报。

8.根据权利要求7所述的一种泥石流地质灾害的监测方法，其特征在于，所述步骤S4包括以下子步骤：

S41、读取待测区域灾害因子历史数据和待测区域灾害因子监测数据，对泥石流地质灾害进行分类处理；

S42、采用主成分分析法对环境因子数据进行降维处理，从而提取出待监测区域影响泥石流强度的主要环境因子；所述降维处理的环境因子数据指已经发生泥石流地质灾害地区的在发生泥石流时监测得到的环境因子历史数据；

S43、根据提取出的待监测区域影响泥石流强度的m个主要环境因子，对每个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法进行计算，然后对三种风险识别分析方法所计算的结果利用阈值算法进行一致性校核，完成泥石流灾害风险识别分析，生成该监测区域泥石流灾害的风险评估报告。

9.根据权利要求8所述的一种泥石流地质灾害的监测方法，其特征在于，所述主成分分析方法计算步骤如下：

S421、读取已发生泥石流地质灾害地区，在发生泥石流时监测得到的环境因子历史数据；

S422、对步骤S421得到的数据进行标准化处理，得到各环境因子的系数矩阵；

S423、将标准化处理后数据进行权重计算，权重计算后进行降维处理；

S424、根据系数矩阵利用特征值分解公式计算出特征值矩阵，并按照降序排列得到特征值；

S425、根据特征值计算各环境因子的贡献率及其累计贡献率，当前m个影响泥石流的主要环境因子的累计贡献率达到要求时，选取这m个影响泥石流的主要环境因子的数据代替原来的数据作为新的变量参与后续运算。

10.根据权利要求8所述的一种泥石流地质灾害的监测方法，其特征在于，所述步骤S43具体算法如下：

S431、分别对m个主要环境因子分别采用夹角余弦法、神经网络算法、支持向量机三种方法计算各主要环境因子监测数据与地质灾害历史数据的相似度最大值Y_max；

S432、计算各主要环境因子监测数据与地质灾害历史数据的相似度的标准差；

其中，Y_i为第i个环境因子监测数据与地质灾害历史数据的相似度值，

为各环境因子相似度的平均值，m为主要环境因子数量；

S433、计算相似度的阈值T

T＝Y_max-5σ

将监测的各主要环境因子的相似度Y与计算出的相似度阈值T进行比较，若三种算法的结果均为Y大于T，则说明环境因子检验通过；如果任意两种算法的计算结果导向不一致，则需要对其环境因子进行进一步的分析。

Images