CN112632203B - 一种地质灾害监测点寻找方法和装置 - Google Patents
一种地质灾害监测点寻找方法和装置 Download PDFInfo
- Publication number
- CN112632203B CN112632203B CN202011521718.7A CN202011521718A CN112632203B CN 112632203 B CN112632203 B CN 112632203B CN 202011521718 A CN202011521718 A CN 202011521718A CN 112632203 B CN112632203 B CN 112632203B
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- data
- monitoring
- area
- geological disaster
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及地质灾害专业监测技术领域,提供了一种地质灾害监测点寻找方法和装置。方法包括:数据中心根据地理位置信息与监测数据建立周边地区数据库;从周边地区数据库集合中随机挑取一个数据库组合,对于所述数据库组合中同种类型监测数据,根据所述数据库组合中周边地区地理位置的不同赋予不同的权重,在随机挑取的不同数据库组合中,寻找n套权重值都一致的目标数据库组合,从而由目标数据库组合中的监测数据推算地区A缺失的监测数据。本发明针对经济能力有限的地区,通过寻找最适合用于对本地区所缺失的监测数据进行推算的周边地区的组合,从而较为准确地获取到该地区所缺失的监测数据。
Description
【技术领域】
本发明属于地质灾害专业监测技术领域,更具体地,涉及一种地质灾害监测点寻找方法和装置。
【背景技术】
我国地质灾害频繁,是世界上地质灾害最严重的国家之一。自然变迁和人为破坏是地质灾害的主要原因,主要灾害形态包括:崩塌、滑坡、泥石流等,严重影响地区经济建设和人民生命财产安全。现有技术中的地质灾害专业监测手段大多采用人工预判方式,存在数据收集不科学、不及时,以及信息覆盖面不足等问题。通过地质灾害专业监测设备对各种类型的地质灾害进行监测,是明确地质灾害隐患点发展趋势的重要和有效手段,对于危害性较大,变形发展趋势不明的地质灾害可通过监测预警进行防灾减灾。
但智能化地质灾害专业监测设备往往价格比较昂贵,而很多经济相对落后的地区经济能力有限,经济相对落后的地区通常会选择购买廉价的普通地质灾害专业监测设备,而普通地质灾害专业监测设备的监测维度往往不够齐全,且不同的监测设备中监测维度也会有所区别,这就导致某些地区一部分类型的监测数据的缺失。
要想较为准确地获取到这些地区所缺失的监测数据,不仅需要通过这些地区的周边地区的已有监测数据对这些地区缺失的监测数据进行科学地推算,还需要对用于计算的周边地区进行合理的选取,即寻找合理的地质灾害监测点,这样才能更为准确的获取到这些地区所缺失的监测数据。
在对某些地区缺失的监测数据进行补偿时,为了获得更为准确的补偿数据,本发明提出了一种地质灾害监测点寻找方法和装置,通过不同的周边地区组合对缺失的监测数据进行推算,根据周边地区地理位置的不同,针对同一类型的监测数据,赋予不同的权重,生成多套权重值,挑选多套权重值一致的周边地区组合,从而找到合理的地质灾害监测点,再通过挑选出的周边地区组合的监测数据对缺失的监测数据进行推算,从而获得更为准确的补偿数据。
公告号为CN110046772A,公告日为2019年7月23日的发明专利申请公开了一种基于大数据的地质灾害监测方法及监测装置。该发明通过在监测区域设置多个地质检测设备进行检测数据的无线传输,配合历史地质灾害发生数据进行地质灾情的估算,从而得到较为准确的地质灾情发生率,但该发明并未考虑到在实际使用中,往往由于智能化地质灾害专业监测设备价格比较昂贵,导致一些经济能力有限的地区无法对所有重大隐患点进行密集布置的情况,更没有涉及到如何寻找合理的地质灾害监测点。
在地质灾害监测点的选取不够合理的情况下,监测体系难以推算出较为准确的补偿数据,从而导致监测体系推算的缺失的监测数据不够准确。
鉴于此,克服上述现有技术所存在的缺陷是本技术领域亟待解决的问题。
【发明内容】
本发明要解决的技术问题是现有的地质灾害专业监测体系中并未考虑到在实际使用中,往往由于智能化地质灾害专业监测设备价格比较昂贵,导致一些经济能力有限的地区无法购买足够数量的智能化地质灾害专业监测设备或者选择购买廉价的普通地质灾害专业监测设备,这就导致这些地区的监测数据不够全面,从而导致监测体系不能对这些地区的地质灾害进行全面的监测。
针对以上缺陷或改进需求,本发明提出了一种地质灾害监测点寻找方法和装置,通过不同的周边地区组合对缺失的监测数据进行推算,根据周边地区地理位置的不同,针对同一类型的监测数据,赋予不同的权重,生成多套权重值,挑选多套权重值一致的周边地区组合,从而找到合理的地质灾害监测点,再通过挑选出的周边地区组合的监测数据对缺失的监测数据进行推算,从而获得更为准确的补偿数据。
为实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种地质灾害监测点寻找方法,所述地质灾害监测点寻找方法包括:
数据中心获取地区A及周边地区的地理位置信息与监测数据,根据每个地区的地理位置信息与监测数据建立周边地区的数据库;
从所述周边地区的数据库集合中随机挑取一个数据库组合,所述数据库组合包含至少两个周边地区的数据库,对于所述数据库组合中同种类型监测数据,根据所述数据库组合中周边地区地理位置的不同赋予所述数据库组合中周边地区相应类型监测数据不同的权重,由此生成一套权重值,推算地区A相应类型监测数据;由随机挑取的一个数据库组合推算地区A的n种类型的监测数据,则生成n套权重值;
在随机挑取的不同数据库组合中,寻找n套权重值都一致的目标数据库组合,从而由目标数据库组合中的监测数据推算地区A缺失的监测数据。
优选的,所述由目标数据库组合中的监测数据推算地区A缺失的监测数据,具体为:
根据目标数据库组合中的监测数据推算地区A的相应类型监测数据,得到对应于地区A的已有监测数据及缺失监测数据的补偿数据,将地区A的已有监测数据分别与相应补偿数据进行对比,得到地区A的已有监测数据与相应补偿数据的平均相似度,若所述平均相似度达到相似度设定阈值,则认为通过预测算法计算得到的地区A缺失监测数据的补偿数据可靠,从而得到地区A缺失的监测数据。
优选的,所述周边地区包括以地区A为中心,与地区A接壤,和/或,与地区A地理位置相近的地区。
优选的,所述地理位置信息包括经度、纬度、地貌、地形、海拔、气候、地质中的一项或多项。
优选的,所述监测数据包括温度、湿度、气压、水位、降雨量、土壤含水量、渗透水压力、应力、位移、斜坡形变量和斜坡倾斜角中的一项或多项。
优选的,所述补偿数据与所述已有监测数据保存在不同的数据库中,需要对地质灾害的发生趋势或状态进行推断时,所述数据中心对所述补偿数据与已有监测数据进行调用;需要对缺失的监测数据进行推算时,只调用所述已有监测数据。
优选的,所述平均相似度具体为:
所述数据中心将地区A的已有监测数据分别与相应补偿数据进行对比,根据地区A的已有监测数据类型的不同,计算得到不同的相似度,对所述不同的相似度进行均值处理,得到地区A的已有监测数据与相应补偿数据的平均相似度。
优选的,将所述平均相似度与所述相似度设定阈值进行比较,若所述平均相似度低于所述相似度设定阈值,则认为所述补偿数据存在一定的不确定性,对预测算法进行调整,直至所述平均相似度达到所述相似度设定阈值,从而得到地区A缺失的监测数据。
第二方面,本发明提供了一种地质灾害监测点寻找装置,用于实现所述地质灾害监测点寻找方法,所述地质灾害监测点寻找装置包括:信息采集器、数据中心及中央服务器,具体的:
所述信息采集器包括一种或至少两种监测仪,不同种类的监测仪采集不同类型的监测数据;所述信息采集器获取不同地区所有监测设备的监测数据,并将所述监测数据发送至所述数据中心;
所述数据中心通过对监测数据进行分析处理,初步推断地质灾害的发生趋势或状态,并将初步推断结果发送至所述中央服务器;
所述中央服务器结合初步推断结果和历史数据进一步对监测数据进行分析处理,推断地质灾害的发生趋势或状态。
优选的,所述地质灾害监测点寻找装置还包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,用于执行所述地质灾害监测点寻找方法。
针对现有技术,本发明取得的有益效果是:
在本发明中,地质灾害监测点寻找方法针对经济能力有限的地区,通过寻找最适合用于对本地区所缺失的数据进行推算的周边地区的组合,从而在条件有限的情况下充分利用已有数据,尽量较为准确地获取到该地区所缺失的监测数据。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种地质灾害监测点寻找方法示流程意图;
图2是本发明实施例提供的通过地质灾害监测点寻找方法寻找目标数据库组合的原理示意图;
图3是本发明实施例提供的推算地区A缺失监测数据的流程示意图;
图4是本发明实施例提供的周边地区的监测数据示意图;
图5是本发明实施例提供的通过周边地区的监测数据进行数据补偿的原理示意图;
图6是本发明实施例提供的已有监测数据与补偿监测数据的结构示意图;
图7是本发明实施例提供的一种地质灾害监测点寻找方法的不同监测数据类型组合的示意图;
图8是本发明实施例提供的另一种地质灾害监测点寻找方法流程图;
图9是本发明实施例提供的另一种地质灾害监测点寻找方法的设备布置示意图;
图10是本发明实施例提供的另一种地质灾害监测点寻找方法的数据仿推示意图;
图11是本发明实施例提供的另一种地质灾害监测点寻找方法的数据结构图;
图12是本发明实施例提供的一种地质灾害监测点寻找装置的框架示意图;
图13是本发明实施例提供的一种地质灾害监测点寻找装置的结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明的描述中,术语“内”、“外”、“纵向”、“横向”、“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作,因此不应当理解为对本发明的限制。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例提供了一种地质灾害监测点寻找方法,所述地质灾害监测点寻找方法包括:
数据中心获取地区A及周边地区的地理位置信息与监测数据,根据每个地区的地理位置信息与监测数据建立周边地区的数据库;
从所述周边地区的数据库集合中随机挑取一个数据库组合,所述数据库组合包含至少两个周边地区的数据库,对于所述数据库组合中同种类型监测数据,根据所述数据库组合中周边地区地理位置的不同赋予所述数据库组合中周边地区相应类型监测数据不同的权重,由此生成一套权重值,推算地区A相应类型监测数据;由随机挑取的一个数据库组合推算地区A的n种类型的监测数据,则生成n套权重值;
如图1所示,其中,B、C、D、E、F、G、H、I、J、K、L、和M表示地区A的周边地区,随机挑取至少两个周边地区形成数据库组合,例如,数据库组合KLH、数据库组合JMD、数据库组合BCD、数据库组合GEF和数据库组合KLI,在随机挑取的不同数据库组合中,寻找n套权重值都一致的目标数据库组合,从而由目标数据库组合中的监测数据推算地区A缺失的监测数据。
其中,在随机挑取的不同数据库组合中,寻找n套权重值都一致的目标数据库组合,如图2所示,
对于数据库组合BCD中同种类型地质数B1、C1和D1,根据数据库组合BCD中地区B、地区C和地区D相对于地区A的地理位置的不同,例如海拔不同、地形不同、两个地区之间的地貌不同,所述两个地区之间的地貌不同包括两地区之间隔了一座山或者一条河流等,赋予B1、C1和D1不同的权重,从而推算地区A的监测数据A1的补偿数据A1’,生成一套权重n11,这套权重n11中具体包括分别对应于B1、C1和D1的n111、n112和n113;
同样的,赋予B2、C2和D2不同的权重,从而推算地区A的监测数据A2的补偿数据A2’,生成一套权重n12,这套权重n12中具体包括分别对应于B2、C2和D2的n121、n122和n123;
赋予B3、C3和D3不同的权重,从而推算地区A的监测数据A3的补偿数据A3’,生成一套权重n13,这套权重n13中具体包括分别对应于B3、C3和D3的n131、n132和n133;
赋予B4、C4和D4不同的权重,从而推算地区A的监测数据A4的补偿数据A4’,生成一套权重n14,这套权重n14中具体包括分别对应于B4、C4和D4的n141、n142和n143;
赋予B5、C5和D5不同的权重,从而推算地区A的监测数据A5的补偿数据A5’,生成一套权重n15,这套权重n15中具体包括分别对应于B5、C5和D5的n151、n152和n153;
由随机挑取的一个数据库组合推算地区A的n种类型的监测数据,则生成n套权重值;在本实施例中以数据库组合BCD为例,在本实施例中地区A的数据库中包含5种类型的监测数据,但在实际情况中,数据库组合不限于BCD组合,地区A的数据库中的监测数据类型也不限于5种;
由数据库组合BCD推算地区A的5种类型的监测数据,则生成5套权重值,若5套权重值都一致,即n111、n121、n131、n141与n151一致,n112、n122、n132、n142与n152一致,n113、n123、n133、n143与n153一致,在这种情况下,确定数据库组合BCD为目标数据库组合。
在本发明实施例中,所述由目标数据库组合中的监测数据推算地区A缺失的监测数据,具体为:
根据目标数据库组合中的监测数据推算地区A的相应类型监测数据,得到对应于地区A的已有监测数据及缺失监测数据的补偿数据,将地区A的已有监测数据分别与相应补偿数据进行对比,得到地区A的已有监测数据与相应补偿数据的平均相似度,若所述平均相似度达到相似度设定阈值,则认为通过预测算法计算得到的地区A缺失监测数据的补偿数据可靠,从而得到地区A缺失的监测数据。
所述根据目标数据库组合中的监测数据推算地区A缺失的监测数据,如图3所示,具体为:
地区A的监测数据包括:A1,A2,A3,A4;
地区B的监测数据包括:B1,B2,B3,B4,B5;
地区C的监测数据包括:C1,C2,C3,C4,C5;
地区D的监测数据包括:D1,D2,D3,D4,D5;
根据监测数据B5、C5和D5,通过预测算法对地区A所缺失的监测数据A5进行推算,得到补偿数据A5’;
根据监测数据B1、C1和D1,通过预测算法对地区A的监测数据A1进行推算,得到补偿数据A1’;
根据监测数据B2、C2和D2,通过预测算法对地区A的监测数据A2进行推算,得到补偿数据A2’;
根据监测数据B3、C3和D3,通过预测算法对地区A的监测数据A3进行推算,得到补偿数据A3’;
根据监测数据B4、C4和D4,通过预测算法对地区A的监测数据A4进行推算,得到补偿数据A4’;
数据中心将监测数据A1、A2、A3和A4分别与相应补偿数据A1’、A2’、A3’和A4’进行对比,分别得到监测数据与相应补偿数据的相似度R1,R2、R3和R4,其中,R1,R2、R3和R4的平均值即为所述监测数据与相应补偿数据的平均相似度。
若所述相似度达到相似度设定阈值,则认为通过预测算法推算得到的补偿数据A5’可靠,如图6所示,从而得到地区A缺失的监测数据;
若所述平均相似度低于所述相似度设定阈值,则认为所述补偿数据存在一定的不确定性,对预测算法进行调整,包括对算法的选取和对参数的调整,直至所述平均相似度高于或等于所述相似度设定阈值,从而得到地区A缺失的监测数据。
如图4所示,其中,B、C、D表示地区A的周边地区,1、2、3、4、5表示不同的监测数据类型,例如,用A1表示A地区的渗透水压力,用A2表示A地区的斜坡倾斜角,用B1表示B地区的渗透水压力,用B2表示B地区的斜坡倾斜角;如图5所示,用一撇表示与缺失的监测数据相应的补偿数据,例如,用A1’表示通过补偿得到的A地区的渗透水压力,用A2’表示通过补偿得到的A地区的斜坡倾斜角,用B1’表示通过补偿得到的B地区的渗透水压力,用B2’表示通过补偿得到的B地区的斜坡倾斜角;此处,用不同的字母表示不同的地区,用不同的数字表示不同的监测数据类型,字母和数字的数量并不用来限制地区的数量和监测数据类型的数量。
所述预测算法包括简易平均法、移动平均法、指数平滑法和线性回归法,所述数据中心针对不同的地理位置信息和不同的监测数据类型选择不同的预测算法进行统计分析。
在本发明实施例中,所述地理位置信息包括经度、纬度、地貌、地形、海拔、气候、地质中的一项或多项。
在本发明实施例中,如图1所示,所述周边地区包括以地区A为中心,与地区A接壤,和/或,与地区A地理位置相近的地区。
在本发明实施例中,所述监测数据包括温度、湿度、气压、水位、降雨量、土壤含水量、渗透水压力、应力、位移、斜坡形变量和斜坡倾斜角中的一项或多项。其中,不同的监测数据类型组合对应不同的地质灾害类型,所述数据中心通过对监测数据进行分析处理,初步推断地质灾害的发生趋势或状态,具体包含以下内容:
所述数据中心识别所述监测数据中的处于异常状态的数据,并对处于异常状态的数据进行剔除;
所述数据中心对经过剔除后的数据进行加工,对缺失的监测数据进行补偿;
所述数据中心通过对监测数据和补偿数据进行聚类处理,得到不同的监测数据类型组合,如图7所示,对应于不同的地质灾害类型;根据不同的监测数据类型组合在一段时间内的数据波动情况,初步推断相应类型的地质灾害的发生趋势或状态。
其中,由于不同的监测数据类型组合对应不同的地质灾害类型,所以不同监测数据类型之间的关联度会根据地质灾害类型的不同而发生变化;在此种情况下,所述数据中心还可以结合加权计算使初步推断地质灾害的发生趋势或状态的结果更为准确;具体为,根据对应于同一地质灾害类型的不同监测数据类型之间的关联度大小,赋予不同的监测数据类型不同的权重,对地质灾害的稳定性进行初步推断。
所述处于异常状态的数据,具体为,将所述监测数据与前后相邻时刻的监测数据进行比对,若发现数波动较大的则认为所述监测数据处于异常状态。
在本发明实施例中,所述数据中心将初步推断结果发送至所述中央服务器;所述中央服务器结合初步推断结果和历史数据,对监测数据进行进一步分析,根据环境状况、周边情况、地形地貌以及地层结构对地质灾害的发生趋势或状态进行进一步推断。
在本发明实施例中,所述补偿数据与所述已有监测数据保存在不同的数据库中,需要对地质灾害的发生趋势或状态进行推断时,所述数据中心对所述补偿数据与已有监测数据进行调用;需要对缺失的监测数据进行推算时,只调用所述已有监测数据。
实施例2:
本发明的目的主要是,在资金有限的情况下充分利用已有数据,尽量较为准确地获取到该地区的缺失监测数据,对该地区的地质灾害进行较为准确地监测。上述实施例1主要针对的是,某一地区相对于周边其他地区部分监测数据类型的缺失,通过寻找较优的周边地区组合从而推算地区A缺失的监测数据,而以下实施例2主要针对的是,某一地区的部分灾害隐患点的所有数据的缺失,通过寻找适合的灾害监测点从而推算地区A缺失的监测数据。
如图8所示,本发明提供了另一种地质灾害监测点寻找方法,所述地质灾害监测点寻找方法包括:
在步骤201中,根据地区A的地理位置数据分析,确定地区A地质灾害隐患点的关键位置和次关键位置;如图9所示,在所述关键位置和所述次关键位置布置地质灾害专业监测设备;
在步骤202中,根据关键位置的监测数据,如图10所示,通过预测算法对次关键位置的监测数据进行推算,从而得到地区A次关键位置的仿推数据;
在步骤203中,数据中心将次关键位置的监测数据分别与相应次关键位置的仿推数据进行对比,得到两者的符合度;
在步骤204中,若所述符合度达到符合度设定阈值,如图11所示,则认为地区A次关键位置的仿推数据可靠,从而撤销次关键位置布置的监测设备;
在步骤205中,若所述符合度低于所述符合度设定阈值,则认为所述仿推数据存在一定的不确定性,对监测设备的位置进行调整,直至所述符合度达到所述符合度设定阈值,则认为地区A次关键位置的仿推数据可靠,从而撤销次关键位置布置的监测设备。
在本发明实施例中,所述数据中心将次关键位置的监测数据分别与相应次关键位置的仿推数据进行对比,得到两者的符合度,具体包括:
所述数据中心将次关键位置的各类监测数据分别与次关键位置相应类型的仿推数据一一对比,计算次关键位置的各类监测数据与次关键位置相应类型的仿推数据的匹配度;在不同的地质灾害类型中,赋予不同类型的监测数据不同的权重,通过对所述匹配度进行加权计算,得到次关键位置的监测数据与相应次关键位置的仿推数据的符合度。
所述预测算法包括简易平均法、移动平均法、指数平滑法和线性回归法,所述数据中心针对不同的地区气候环境和不同的监测数据类型选择不同的预测算法进行统计分析。
在本发明实施例中,所述监测数据包括温度、湿度、气压、水位、降雨量、土壤含水量、渗透水压力、应力、位移、斜坡形变量和斜坡倾斜角中的一项或多项;其中,不同的监测数据类型组合对应不同的地质灾害类型,所述数据中心通过对监测数据进行分析处理,初步推断地质灾害的发生趋势或状态,具体包含以下内容:
所述数据中心识别所述监测数据中的处于异常状态的数据,并对处于异常状态的数据进行剔除;
所述数据中心对经过剔除后的数据进行加工,对缺失的监测数据进行仿推;
所述数据中心通过对监测数据和仿推数据中的不同的监测数据类型进行聚类处理,得到不同的监测数据类型组合,对应于不同的地质灾害类型;根据不同的监测数据类型组合在一段时间内的数据波动情况,初步推断相应类型的地质灾害的发生趋势或状态。
其中,由于不同的监测数据类型组合对应不同的地质灾害类型,所以不同监测数据类型之间的关联度会根据地质灾害类型的不同而发生变化;在此种情况下,所述数据中心还可以结合加权计算使初步推断地质灾害的发生趋势或状态的结果更为准确;具体为,根据对应于同一地质灾害类型的不同监测数据类型之间的关联度大小,赋予不同的监测数据类型不同的权重,对地质灾害的稳定性进行初步推断。
所述处于异常状态的数据,具体为,将所述监测数据与前后相邻时刻的监测数据进行比对,若发现数波动较大的则认为所述监测数据处于异常状态。
在本发明实施例中,所述数据中心将初步推断结果发送至所述中央服务器;所述中央服务器结合初步推断结果和历史数据,对监测数据进行进一步分析,根据环境状况、周边情况、地形地貌以及地层结构对地质灾害的发生趋势或状态进行进一步推断。
在本发明实施例中,所述仿推数据与所述监测数据保存在不同的数据库中,需要对地质灾害的发生趋势或状态进行推断时,所述数据中心可以调用所述监测数据和所述仿推数据进行地质灾害预测或状态分析;而需要对缺失的监测数据进行推算时,只能调用所述监测数据。
实施例3:
用于实现上述实施例1和实施例2所述的地质灾害监测点寻找方法,如图12所示,本发明提供了一种地质灾害监测点寻找装置,所述地质灾害监测点寻找装置包括:信息采集器、数据中心及中央服务器,具体的:
所述信息采集器包括一种或至少两种监测仪,不同种类的监测仪采集不同类型的监测数据;所述信息采集器获取地区所有监测设备的监测数据,并将所述监测数据发送至所述数据中心;
所述数据中心通过对监测数据进行分析处理,初步推断地质灾害的发生趋势或状态,并将初步推断结果发送至所述中央服务器;
所述中央服务器结合初步推断结果和历史数据进一步对监测数据进行分析处理,推断地质灾害的发生趋势或状态;
所述监测仪包括温度计、湿度计、气压计、水位计、雨量计、土壤水分传感器、渗压计、应变计、多点位移计和测斜仪中的一种或多种。
在本发明实施例中,所述地质灾害监测点寻找装置还包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行。
所述处理器8和存储器9可以通过总线或者其他方式链接,图13中处理器8和存储器9通过总线连接;存储器9可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
本实施例的地质灾害监测点寻找装置包括一个或多个处理器8以及存储器9。其中,图13中以一个处理器8为例。
处理器8和存储器9可以通过总线或者其他方式连接,图13中以通过总线连接为例。
存储器8作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序和非易失性计算机可执行程序,如实施例1和实施例2中的地质灾害监测点寻找方法。处理器8通过运行存储在存储器9中的非易失性软件程序和指令,从而执行地质灾害监测点寻找方法。
存储器9可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器9可选包括相对于处理器8远程设置的存储器,这些远程存储器可以通过网络连接至处理器8。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器9中,当被所述一个或者多个处理器8执行时,执行上述实施例1和实施例2中的地质灾害监测点寻找方法。
值得说明的是,上述装置内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种地质灾害监测点寻找方法,其特征在于,所述地质灾害监测点寻找方法包括:
数据中心获取地区A及周边地区的地理位置信息与监测数据,根据每个地区的地理位置信息与监测数据建立周边地区的数据库;
从所述周边地区的数据库集合中随机挑取一个数据库组合,所述数据库组合包含至少两个周边地区的数据库,对于所述数据库组合中同种类型监测数据,根据所述数据库组合中周边地区地理位置的不同赋予所述数据库组合中周边地区相应类型监测数据不同的权重,由此生成一套权重值,推算地区A相应类型监测数据;由随机挑取的一个数据库组合推算地区A的n种类型的监测数据,则生成n套权重值;
在随机挑取的不同数据库组合中,寻找n套权重值都一致的目标数据库组合,从而由目标数据库组合中的监测数据推算地区A缺失的监测数据。
2.根据权利要求1所述的地质灾害监测点寻找方法,其特征在于,所述由目标数据库组合中的监测数据推算地区A缺失的监测数据,具体为:
根据目标数据库组合中的监测数据推算地区A的相应类型监测数据,得到对应于地区A的已有监测数据及缺失监测数据的补偿数据,将地区A的已有监测数据分别与相应补偿数据进行对比,得到地区A的已有监测数据与相应补偿数据的平均相似度,若所述平均相似度达到相似度设定阈值,则认为通过预测算法计算得到的地区A缺失监测数据的补偿数据可靠,从而得到地区A缺失的监测数据。
3.根据权利要求1所述的地质灾害监测点寻找方法,其特征在于,所述周边地区包括以地区A为中心,与地区A接壤,和/或,与地区A地理位置相近的地区。
4.根据权利要求1所述的地质灾害监测点寻找方法,其特征在于,所述地理位置信息包括经度、纬度、地貌、地形、海拔、气候、地质中的一项或多项。
5.根据权利要求1所述的地质灾害监测点寻找方法,其特征在于,所述监测数据包括温度、湿度、气压、水位、降雨量、土壤含水量、渗透水压力、应力、位移、斜坡形变量和斜坡倾斜角中的一项或多项。
6.根据权利要求2所述的地质灾害监测点寻找方法,其特征在于,所述补偿数据与所述已有监测数据保存在不同的数据库中,需要对地质灾害的发生趋势或状态进行推断时,所述数据中心对所述补偿数据与已有监测数据进行调用;需要对缺失的监测数据进行推算时,只调用所述已有监测数据。
7.根据权利要求2所述的地质灾害监测点寻找方法,其特征在于,所述平均相似度具体为:
所述数据中心将地区A的已有监测数据分别与相应补偿数据进行对比,根据地区A的已有监测数据类型的不同,计算得到不同的相似度,对所述不同的相似度进行均值处理,得到地区A的已有监测数据与相应补偿数据的平均相似度。
8.根据权利要求7所述的地质灾害监测点寻找方法,其特征在于,将所述平均相似度与所述相似度设定阈值进行比较,若所述平均相似度低于所述相似度设定阈值,则认为所述补偿数据存在一定的不确定性,对预测算法进行调整,直至所述平均相似度达到所述相似度设定阈值,从而得到地区A缺失的监测数据。
9.一种地质灾害监测点寻找装置,其特征在于,用于实现权利要求1-8任一所述的地质灾害监测点寻找方法,所述地质灾害监测点寻找装置包括:信息采集器、数据中心及中央服务器,具体的:
所述信息采集器包括一种或至少两种监测仪,不同种类的监测仪采集不同类型的监测数据;所述信息采集器获取不同地区所有监测设备的监测数据,并将所述监测数据发送至所述数据中心;
所述数据中心通过对监测数据进行分析处理,初步推断地质灾害的发生趋势或状态,并将初步推断结果发送至所述中央服务器;
所述中央服务器结合初步推断结果和历史数据进一步对监测数据进行分析处理,推断地质灾害的发生趋势或状态。
10.根据权利要求9所述的地质灾害监测点寻找装置,其特征在于,所述地质灾害监测点寻找装置还包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,用于执行权利要求1-8任一所述的地质灾害监测点寻找方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521718.7A CN112632203B (zh) | 2020-12-21 | 2020-12-21 | 一种地质灾害监测点寻找方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521718.7A CN112632203B (zh) | 2020-12-21 | 2020-12-21 | 一种地质灾害监测点寻找方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632203A CN112632203A (zh) | 2021-04-09 |
CN112632203B true CN112632203B (zh) | 2021-12-14 |
Family
ID=75320812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011521718.7A Active CN112632203B (zh) | 2020-12-21 | 2020-12-21 | 一种地质灾害监测点寻找方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632203B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508300A (zh) * | 2011-10-28 | 2012-06-20 | 中国地震局地壳应力研究所 | 地震地下流体观测井及用其测定地震前兆异常信息的系统和方法 |
CN109003422A (zh) * | 2018-08-02 | 2018-12-14 | 北京大学深圳研究生院 | 用于山体滑坡的监测数据处理方法和山体滑坡预报方法 |
CN110264672A (zh) * | 2019-06-25 | 2019-09-20 | 广州市城市规划勘测设计研究院 | 一种地质灾害的预警系统 |
CN111369056A (zh) * | 2020-03-04 | 2020-07-03 | 四川大汇大数据服务有限公司 | 地质灾害预测方法及电子设备 |
CN111932591A (zh) * | 2020-08-18 | 2020-11-13 | 中国科学院空天信息创新研究院 | 典型地质灾害遥感智能提取的方法与系统 |
CN111949749A (zh) * | 2020-07-30 | 2020-11-17 | 中国科学技术大学 | 基于高阶图卷积网络的空气质量监测站点位置推荐方法 |
-
2020
- 2020-12-21 CN CN202011521718.7A patent/CN112632203B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508300A (zh) * | 2011-10-28 | 2012-06-20 | 中国地震局地壳应力研究所 | 地震地下流体观测井及用其测定地震前兆异常信息的系统和方法 |
CN109003422A (zh) * | 2018-08-02 | 2018-12-14 | 北京大学深圳研究生院 | 用于山体滑坡的监测数据处理方法和山体滑坡预报方法 |
CN110264672A (zh) * | 2019-06-25 | 2019-09-20 | 广州市城市规划勘测设计研究院 | 一种地质灾害的预警系统 |
CN111369056A (zh) * | 2020-03-04 | 2020-07-03 | 四川大汇大数据服务有限公司 | 地质灾害预测方法及电子设备 |
CN111949749A (zh) * | 2020-07-30 | 2020-11-17 | 中国科学技术大学 | 基于高阶图卷积网络的空气质量监测站点位置推荐方法 |
CN111932591A (zh) * | 2020-08-18 | 2020-11-13 | 中国科学院空天信息创新研究院 | 典型地质灾害遥感智能提取的方法与系统 |
Non-Patent Citations (1)
Title |
---|
"基于RS和GIS技术的清江隔河岩库区滑坡易发性";石菊松 等;《地学前缘》;20071231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112632203A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Land cover change detection by integrating object-based data blending model of Landsat and MODIS | |
CN112750280B (zh) | 一种复合式地质灾害专业监测预警方法和装置 | |
CN109615118A (zh) | 基于大数据地质灾害防治信息化服务集成控制系统及方法 | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN107341586A (zh) | 一种基于降雨的地质灾害发生频率的计算方法 | |
Li et al. | Detecting heavy rainfall using anomaly-based percentile thresholds of predictors derived from GNSS-PWV | |
CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
US12007075B2 (en) | Methods and internet of things (IoT) systems for managing smart gas safety hazard items based on geographic information systems | |
CN112750281B (zh) | 一种地质灾害专业监测预警方法和装置 | |
CN116882625A (zh) | 一种岩溶山地乡村聚落用地空间脆弱性识别方法 | |
CN112632203B (zh) | 一种地质灾害监测点寻找方法和装置 | |
CN117251520B (zh) | 生物多样性关键区域识别方法、装置和电子设备 | |
CN117171533B (zh) | 一种地理测绘作业数据实时采集处理方法及系统 | |
CN107403004A (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
CN117114241B (zh) | 一种用于监测道路灾害的智慧遥感系统 | |
CN112767653B (zh) | 一种地质灾害专业监测数据获取方法及系统 | |
CN117710508A (zh) | 基于改进条件生成对抗网络的近地表温度反演方法和装置 | |
CN111460553A (zh) | 一种基于不同纬度评估建筑物安全系数的方法 | |
CN115019476B (zh) | 一种基于多源信息融合的滑坡时空信息监测预警方法 | |
Peter et al. | Land use/land cover change detection of Mubi Metropolis Adamawa State Nigeria | |
Prior et al. | Multi‐decadal stability of woody cover in a mesic eucalypt savanna in the Australian monsoon tropics | |
Suwanlee et al. | DROUGHT MONITORING FROM 2001–2019 IN NORTHEAST THAILAND USING MODIS NDVI IMAGE TIME SERIES AND Savitzky-Golay APPROACH | |
CN112434121A (zh) | 城市下垫面产汇流形成过程分析的gis数据库构建方法 | |
CN117436823B (zh) | 一种基于大数据的自然资源确权登记管理方法及系统 | |
Pan et al. | Snow cover detection based on visible red and blue channel from MODIS imagery data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |