CN113192297A - 基于人工智能地质灾害监测预测预警方法 - Google Patents
基于人工智能地质灾害监测预测预警方法 Download PDFInfo
- Publication number
- CN113192297A CN113192297A CN202110428217.2A CN202110428217A CN113192297A CN 113192297 A CN113192297 A CN 113192297A CN 202110428217 A CN202110428217 A CN 202110428217A CN 113192297 A CN113192297 A CN 113192297A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- deformation
- crack
- rainfall
- 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.)
- Granted
Links
Images
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
- 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
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
基于人工智能地质灾害监测预测预警方法。由各地灾害点的监测站，国家级指挥中心，省级指挥中心构成基于人工智能地质灾害监测预测预警系统。监测站通过通信信道将监测数据发送给国家级指挥中心，国家级指挥中心根据监测站数据进行计算，对灾害隐患进行预测预警，并将预测预警信息发送给省级指挥中心；省级指挥中心根据国家级指挥中心预测预警信息指挥抢险救灾。国家级指挥中心在报警数据人工处理基础上，提供地质灾害监测预测预警。本发明全面处理全国地质灾害数据；通过历史数据的预警、历史数据及灾害发生发展过程的学习，完善预警算法；实现监测数据的预测；同时提供基于实时数据、历史数据的预警信息和基于预测数据的预警信息。
Description
一、技术领域
本发明涉及地质灾害监测及数据处理，特别涉及全国性的灾害监测网络，并应用全国性数据计算预警信息，发布地质灾害监测预测预警信息的方法，具体是基于人工智能地质灾害监测预测预警方法。
二、背景技术
现有的地质灾害监测及数据处理方法均只限于一个局部灾害，没有建立全国性的灾害监测网络，并应用全国性数据计算预警信息。因而，预测预报有一定的局限性。申请号CN202010959026.4 《一种基于星空地一体化地质灾害普查方法》将卫星数据与航拍影像融合应用到地质灾害早期的识别中，提高了普查的效率和识别的准确性。但是，仍然没有应用全国性大数据进行基于人工智能的地质灾害监测预测预警计算。
三、发明内容
本发明的目的是提供一种能够通过已经建立的全国性地质灾害监测网络、通过全国地质灾害数据、通过地质灾害领域专家的历史数据分析结果，构建地质灾害预警信息，提供基于实时数据、历史数据的预警信息，实现监测数据的地质灾害监测预测预警。
本发明的目的是这样实现的：本方法采用三级模式：由各地灾害点的监测站，国家级指挥中心，省级指挥中心构成基于人工智能地质灾害监测预测预警系统，在三级系统中完成地质灾害监测预测预警:监测站通过通信信道将监测数据发送给国家级指挥中心，国家级指挥中心根据监测站数据进行计算，对灾害隐患进行预测预警，并将预测预警信息发送给省级指挥中心；省级指挥中心根据国家级指挥中心预测预警信息指挥抢险救灾。
监测站安装在全国各地地质灾害监测点，设置雨量计、裂缝计、GNSS监测仪、雨量通信模块、裂缝通信模块、GNSS通信模块；雨量计测量降雨量，并通过雨量通信模块将降雨量传送给国家级指挥中心；裂缝计测量地表裂缝间距，并通过裂缝通信模块将地表裂缝间距传送给国家级指挥中心；GNSS监测仪测量地表空间坐标，并通过GNSS通信模块将地表空间坐标传送给国家级指挥中心。
国家级指挥中心设有中心站服务器、中心站通信模块、监测站通信模块；监测站通信模块实时接收全国各地监测站监测的降雨量、地表裂缝间距、地表空间坐标信息，将接收到的信息传送给中心站服务器；中心站服务器对全国各地监测站监测的数据进行计算分析，对监测点灾害状态进行预测与评估，并将预测与评估结果通过中心站通信模块发送给全国的省级指挥中心。
省级指挥中心设有省级通信模块、省级服务器和地市通信模块，省级通信模块接收国家级指挥中心的预测与评估数据，将国家级指挥中心的预测与评估数据发送给省级服务器；省级服务器根据国家级指挥中心的预测与评估数据进行现场指挥，并通过地市通信模块将国家级预测与评估数据以及现场指挥决策信息发送到灾害现场；
监控站工作流程：监控站布置在全国各地地质灾害监控点，根据预设时间间隔向国家级指挥中心发送监控数据；包括降雨量数据、裂缝数据、地表GNSS空间坐标数据，预设时间间隔根据监测需要设置；雨量计根据预设时间间隔，通过雨量通信模块向国家级指挥中心发送降雨量数据；裂缝计根据预设时间间隔，通过雨量通信模块向国家级指挥中心发送裂缝数据，GNSS监测仪根据预设时间间隔，通过雨量通信模块向向国家级指挥中心发送地表位置数据；地表GNSS空间坐标数据。
国家级指挥中心工作流程：国家级指挥中心通过监测站通信模块，实时接收全国各监测站的降雨量数据，并对数据进行如下处理：数据人工处理，数据常规预警，数据预测，基于测量数据的智能预警，基于预测数据的智能预警；对于数据常规预警、基于测量数据的智能预警、基于预测数据的智能预警信号，国家级指挥中心通过中心站通信模块发送给省级指挥中心。
省级指挥中心工作流程：省级指挥中心通过省级通信模块接收国家级指挥中心各类预警数据，并根据预警属地，将预警数据通过地市通信模块转发到灾害预警信息发生地。
所述国家级指挥中心的数据常规预警，根据安装地地质信息，由业内专业人员确定预警阈值；安装地不同，预警阈值不同；数据常规预警在人工报警标记基础上进行数据预测，完成数据常规报警；数据常规预警包括基于降雨量测量的预警方法、基于裂缝测量的预警方法、基于GNSS信号的预警方法。
基于当前测量数据构建预警计算方法的输入数据，并运行预警计算方法，得到基于当前测量数据的预警结果。
基于预测数据的智能预警用当前测量数据和预测数据组合，构建预警计算方法的输入数据，并运行预警计算方法，得到基于预测数据的预警结果。
所述基于降雨量测量的预警方法为：根据降雨量时间，以降雨量为因素的预警分为两种：短期降雨量预警，长期降雨量预警。
(5)短期降雨量预警：
设P(N)为当前时刻向历史回溯N小时降雨量(单位毫米：mm)；第N小时的短期降雨量预警阈值为R(N)；则当P(N)大于等于R(N)时，发出短期降雨量预警信息，其中，N为正整数；
第N小时的短期降雨量预警阈值R(N)由专业研究人员根据安装地点地质情况确定；
(6)长期降雨量预警：
R(n)为当前时刻向历史回溯第n日降雨量，单位：mm；b(n)为当前时刻向历史回溯第n日降雨量权重值；Rs(n)为第n日的长期降雨量预警阈值，单位：mm；其中n为正整数；
根据如下公式计算第n日加权降雨量累计值SumP(n)：
当SumP(n)大于等于Rs(n)时，发出长期降雨量预警；
b(n)、Rs(n)由专业研究人员根据安装地点地质情况确定；
所述基于裂缝测量的预警方法有四种方式：基于裂缝变形速率预警、基于裂缝定时长变形量预警、基于裂缝连续变形量预警、基于裂缝切角线预警；
(1)基于裂缝变形速率预警：
变形速率用每小时变形速率、每天变形速率、每周变形速率表示；
每小时变形速率：当前时间到一小时前的变形量；用CVH表示，单位为:毫米/小时；每天变形速率：当前时间到24小时前的变形量；用CVD表示，单位为:毫米/天；
每周变形速率：当前时间到168小时前的变形量；用CVW表示，单位为:毫米/周；
设每小时变形速率Fcvh预警阈值为：Fcvh毫米/小时；每天变形速率Fcvd预警阈值为：Fcvd 毫米/天；每周变形速率Fcvw预警阈值为：Fcvw毫米/周；
则当满足：CVH大于等于Fcvh，或者CVD大于等于Fcvd，或者CVW大于等于Fcvw；
三个条件中的一个时，发出基于裂缝测量的变形速率预警信号；
Fcvh、Fcvd、Fcvw由专业研究人员根据安装地点地质情况确定；
(2)基于裂缝定时长变形量预警
裂缝定时长变形量是当前时间到测量裂缝形变前一段截止时间的测量值，单位为毫米；用CL(x) 表示，x为当前时间到测量裂缝形变前一段截止时间，单位为小时；
设基于裂缝定时长变形量报警阈值为：Fcl(x),则当CL(x)大于等于Fcl(x)时发出基于裂缝测量的定时长变形量预警信号；
Fcl(x),由专业研究人员根据安装地点地质情况确定；
(3)基于裂缝连续变形量预警
计算连续n小时的CVH，用Cvh(i)表示，i＝1、2、3、……、n；
计算Cvh(i)，(i＝1、2、3、……、n)的最小值，用MinCVH表示：
MinCVH＝min{Cvh(1)、Cvh(2)、……、Cvh(n)}；
计算连续m天的CVD，用Cvd(j)表示，j＝1、2、3、……、m；
计算Cvd(j)，(j＝1、2、3、……、m)的最小值，用MinCVD表示：
MinCVD＝min{Cvd(1)、Cvd(2)、……、Cvd(m)}；
设小时连续变形预警阈值为Fvh,日连续变形预警阈值为Fvd,则当MinCVH大于等于Fvh,，或者 MinCVD大于等于Fvd,时，发出基于裂缝测量的连续变形量预警信号；
小时连续变形预警阈值Fvh,日连续变形预警阈值Fvd,由专业研究人员根据安装地点地质情况确定；
(4)基于裂缝切角线预警
设切线角θ为当前CVD的反正切函数值，θ＝arctan(CVD)；基于裂缝切角线预警阈值为Fθ；则当θ大于等于Fθ时，发出基于裂缝测量的切角线预警信号；
Fθ由专业研究人员根据安装地点地质情况确定；
所述GNSS信号的预警方法：设计算坐标系为笛卡尔坐标系，以初始安装时GNSS传感器安装地基水平面外接圆圆心为原点，水平面向北为y方向，水平面向东为x方向，垂直向上为z方向；
则测量时测量GNSS传感器测量值转换为笛卡尔坐标系测量值，测量点为GNSS传感器安装地基水平面外接圆圆心，设当前时间测量时测量点笛卡尔坐标系坐标值为Dx，Dy，Dz；单位为毫米；
第n小时前的测量值分别记为Dxb(n),Dyb(n),Dzb(n)；单位为毫米；
设当前时间测量时GNSS水平测量值Dh
当前时间测量时垂直测量值Dv＝Dz
设当前时间测量时综合测量值Dzh：
设第n小时前的水平测量值为Dhn(n)；第n小时前的垂直测量值为Dvn(n)；第n小时前的综合测量值为Dzhn(n)；
Dvn(n)＝Dzb(n)；
设当前时间到第n小时前的水平变形量为Dhb(n),垂直变形量为Dvb(n),综合变形量为 Dzb(n)；
Dhb(n)＝Dhn(n)-Dh
Dvb(n)＝Dvn(n)-Dv
Dzb(n)＝Dzhn(n)-Dzh
(3)连续变形量预警
设n小时水平连续变形预警阈值为FHgnss(n),设n小时垂直连续变形预警阈值为FVgnss(n), 设n小时综合连续变形预警阈值为FZgnss(n),(n＝1、2、3、4、…,M)
则当Dhb(n)大于等于FHgnss(n)，或者Dvb(n)大于等于FVgnss(n),或者Dzh(n)大于等于 FZgnss(n)时，发出基于GNSS测量数据的连续变形预警信息；
(4)切线角预警
水平切线角θH：θH＝arctan(Dhb(1))；
垂直切线角θV：θV＝arctan(Dvb(1))；
综合切线角FθV,：θZH＝arctan(Dzb(1))；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH；
则当θH大于等于FθH，或者θV大于等于FθV,或者FθV,大于等于FθZH时，发出基于GNSS测量数据的切线角预警信息；
n小时水平连续变形预警阈值为FHgnss(n),n小时垂直连续变形预警阈值为FVgnss(n),n小时综合连续变形预警阈值为FZgnss(n),M由专业研究人员根据安装地点地质情况确定；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH由专业研究人员根据安装地点地质情况确定。
所述人工报警标记含：数据人工报警标记、数据标记、降雨量数据统计、裂缝测量数据统计、GNSS 测量数据统计：
数据人工报警标记通过指挥中心专家研判，对灾害点数据进行标记；
数据标记是根据灾害点土质分类进行，根据安装地的实际情况，将安装地土质分为漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土；
降雨量数据统计为每小时降雨量；
RD(n)表示当前时刻回溯到n小时前，每小时降雨量；n＝1、2、3……M；
裂缝测量数据统计为每小时变形量；
CHD(n)表示当前时刻回溯到n小时前，每小时裂缝变形量；n＝1、2、3……M；
GNSS测量数据统计每小时水平位移，垂直位移，综合位移；
WYH(n)表示当前时刻回溯到n小时前，每小时水平位移；n＝1、2、3……M；
N＝1时，WYH(1)＝Dhn(1)-Dh；
n>1时，WYH(1)＝Dhn(n)-Dhn(n-1)；
WYV(n)表示当前时刻回溯到n小时前，每小时垂直位移；n＝1、2、3……M；
N＝1时，WYV(1)＝Dvn(1)-Dv；
n>1时，WYV(1)＝Dvn(n)-Dvn(n-1)；
WYZ(n)表示当前时刻回溯到n小时前，每小时综合位移；(n＝1、2、3……M；
N＝1时，WYZ(1)＝Dzn(1)-Dz；
n>1时，WYZ(1)＝Dzn(n)-Dzn(n-1)；
灾害评估专家根据每天测量的上述数据，对监测点进行预警，预警信息为：非常危险，危险，可能危险，安全四类；
所述数据预测为：设输入数据为当前时间往前回溯NN小时的数据，用xin(n)表示；n＝1、2、3…… NN；
xin(1)表示往前回溯第NN-1到往前回溯第NN小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
xin(2)表示往前回溯第NN-2到往前回溯第NN-1小时之间的降雨量、或者裂缝变形量，或者GNSS 测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
……
xin(NN-1)表示前一小时到前两小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、xin(NN)表示当前时间到前一小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量：
……
(3)计算Sin(j)
(2)计算Zin(j)
Zin(j)＝0.5(Sin(j)+Sin(j-1)),j＝2,3,......,NN
(3)构造NN-1行，2列的B矩阵
(4)构造包含NN-1个元素的列向量Y
(5)由矩阵运算，得到a、b值
(6)预测值：
Yc(j)表示当前时刻往后第j-1到第j小时之间的预测值；j＝1，2，3，…。
基于测量数据的智能预警算法中，包括矩阵参数计算和预警计算：
一、矩阵参数计算：
预警算法，根据安装地点的土质进行；测量数据按漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土进行；取出同一类土质被灾害评估专家标记了的所有非常危险，危险，可能危险的数据样本；安全数据样本为非常危险，危险，可能危险数据量的三倍；设上述同一类土质数据样本总组数为MM；
(1)数据样本
对每一个数据样本，按如下方法构建一个有5×n个元素列向量，设M＝5×n：
列向量Xun(i)表示，i表示第i组数据样本；每组数据样本由测量点的RD(1),RD(2),……RD(n), CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)、……WYH(n),WYV(1)，WYV(2)，……WYV(n)， WYZ(1)，WYZ(2)，……WYZ(n)共M个数据构成；
Xun(i)＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n), WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n)，数据样本输出：数据样本输出为 4个元素的列向量，用OUT表示，OUT＝(out1，out2，out3，out4)’
当数据标记为非常危险：OUT＝[1,0,0,0]’；当数据标记为危险：OUT＝[0,1,0,0]’当数据标记为可能危险：OUT＝[0,0,1,0]’；当数据标记为安全:OUT＝[0,0,0,1]’
(2)原始数据处理矩阵CC,CC为N行M列矩阵；
设
RAND为计算机产生的0-1之间的随机浮点数；
(3)原始数据偏置向量为N个元素的列向量，用DD表示；
设
RAND为计算机产生的0-1之间的随机数；
DD＝(dd1,dd2,……,ddN)’；
(4)次级数据处理矩阵EE，EE为4行N列矩阵；
设
RAND为计算机产生的0-1之间的随机数；
次级偏置向量为4个元素的列向量，用FF表示；
设
RAND为计算机产生的0-1之间的随机数；
FF＝(ff1,ff2,ff3,ff4)’
设置调整率gg；设置退出迭代次数TCdd；设置退出迭代误差：TCwc；设置kdd＝1；
(5)设置kkk＝1；
(6)取第kkk组样本数据Xun(kkk)；
对原始数据处理矩阵CC和Xun(kkk)进行矩阵运算：HH＝CC×Xun(kkk)+DD，HH为N个元素的列向量：HH＝(hh1,hh2，……,hhN)’
(7)针对HH每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(8)针对AI的每一个元素做如下运算：
aji＝aii(1-aii)
由aji构成N个元素的列向量AJ
AJ＝(aj1,aj2,……,ajN)’
(9)次级数据处理矩阵EE与AI进行矩阵运算，计算结果为LL，LL为四个元素的列向量，用 (ll1，ll2，ll3，ll4)’表示
LL＝EE×AI+FF
(10)针对LL每个元素做如下运算
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(11)针对LA每个元素，做如下运算：
lbi＝lai(1-lai)；i＝1,2,3,4；
由lbi构成4个元素的列向量LB；
LB＝(lb1,lb2,lb3,lb4)’
(12)计算平方误差PF
PF＝0.25{(la1-out1)(la1-out1)+(la2-out2)(la2-out2)+(la3-out3)(la3-out3)+(la4-out4) (la4-out4)}；
(13)PFKKK(kkk)＝PF；
(14)计算如下值
lci＝lai-outi；i＝1,2,3,4
由lci构成4个元素的列向量LC
LC＝(lc1,lc2,lc3,lc4)’
(15)计算向量LB和LC的内积，用LD表示
LD＝LB·LC，
LD为四个元素组成的列向量，
设LD＝(ld1,ld2,ld3,ld4)’
设LDK(kkk)＝LD；
(16)矩阵LF为EE转置乘以LD
LF＝EET×LD
(17)计算梯度系数LG，LG为LF和AJ的内积：
LG＝LF·AJ；LGK(kkk)＝LG；
(18)计算第kkk个样本数据的梯度TD(kkk)
TD(kkk)＝LG×Xun(kkk)T，
第kkk组样本数据的梯度TD(kkk)的值等于第kkk组样本数据的转置乘以LG
(19)计算第kkk个样本次级数据梯度CJTD(kkk)；
CJTD(kkk)＝LD×AIT；CJTD(kkk)等于LF的转置乘以AI；
(20)kkk＝kkk+1；当kkk小于等于MM时，重复上述(6)-(19)之间的计算；
(21)分别计算如下值：
(22)改变如下矩阵值
CC＝CC-SUMTD×gg；EE＝EE-SUMCJTDg×gg；
DD＝DD-SUMLG×gg；FF＝FF-SUMLD×gg
(23)如果SUMPF大于等于TCwc，或者kdd小于等于TCdd；在重复第(5)到(22)的计算步骤；
否则，CCOK＝CC；DDOK＝DD；EEOK＝EE；FFOK＝FF；
运行结束；
二、预警计算方法：
(1)构建输入数据：
针对同一类土质的当前测量数据，预警方式采用基于当前测量数据的方法预警，或者采用基于预测数据的方法进行预警；当采用基于当前测量数据的方法进行预警，用当前测量数据构建预警输入数据；如果采用基于预测方法进行预警，则采用预测数据和当前测量数据的组合数据构建输入预警输入数据，按如下方法构建一个5×n个元素列向量；设M＝5×n：
列向量DQdata表示，RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)， WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n)为第1,2,…… n个按当前测量数据预警方法构建的预警输入数据，或者采用预测数据和当前数据组合的方法构建的预警数据；
DQdata＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，…… WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n))’
(2)HHOK＝CCOK×data+DDOK，HHOK为N个元素的列向量：
HHOK＝(hh1,hh2，……,hhN)’
(3)针对HHOK每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(4) LLOK ＝ EEOK ×AI+FFOK；
(5)针对LLOK每个元素做如下运算：
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(6)计算la1,la2,la3,la4中最大值；
如果最大值为la1:发出“非常危险”预警；如果最大值为la2:发出“危险”预警；如果最大值为la3:发出“可能危险”预警；如果最大值为la4:不发出预警。
本发明的积极效果是：
1、采用一个系统全面处理全国地质灾害数据；
2、通过专家对历史数据的预警、历史数据及灾害发生发展过程的学习，完善预警算法；
3、实现监测数据的预测；
4、同时提供基于实时数据、历史数据的预警信息和基于预测数据的预警信息。
四、附图说明
图1是本发明的系统总体设计示意图。
图2是监测站设计示意图。
图3是国家级指挥中心设计示意图。
图4是省级指挥中心设计示意图。
图中，1国家级指挥中心，2-1、2-2、……、2-N监测站3-1、3-2、……、3-M省级指挥中心，101雨量计，102裂缝计，103 GNSS监测仪，111雨量通信模块，112裂缝通信模块， 113GNSS通信模块，11中心服务站，12中心站通信模块，13监测站通信模块，31省级服务器，32省级通信模块，33地市级通信模块。其中，省级指挥中心含各个直辖市指挥中心。
五、具体实施方式
参见附图1。
本发明的基于人工智能地质灾害监测预测预警方法采用三级模式：由各地灾害点的监测站，国家级指挥中心，省级指挥中心构成基于人工智能地质灾害监测预测预警系统，在三级系统中完成地质灾害监测预测预警:监测站通过通信信道将监测数据发送给国家级指挥中心，国家级指挥中心根据监测站数据进行计算，对灾害隐患进行预测预警，并将预测预警信息发送给省级指挥中心；省级指挥中心根据国家级指挥中心预测预警信息指挥抢险救灾。
监测站安装在全国各地地质灾害监测点，设置雨量计、裂缝计、GNSS监测仪、雨量通信模块、裂缝通信模块、GNSS通信模块；雨量计测量降雨量，并通过雨量通信模块将降雨量传送给国家级指挥中心；裂缝计测量地表裂缝间距，并通过裂缝通信模块将地表裂缝间距传送给国家级指挥中心；GNSS监测仪测量地表空间坐标，并通过GNSS通信模块将地表空间坐标传送给国家级指挥中心。
本实施例中，雨量计选择武汉地大信息工程股份有限公司生产的型号为DDXXN004的雨量计。裂缝计选择武汉地大信息工程股份有限公司生产的型号为DDXXN001的裂缝计。GNSS监测仪选择武汉地大信息工程股份有限公司生产的型号为DDXXN00A的GNSS监测仪。雨量通信模块选择上海移远通信技术股份有限公司生产的型号为EC20的LTE Cat4无线通信模块设备。裂缝通信模块选择上海移远通信技术股份有限公司生产的型号为EC20的LTECat 4无线通信模块设备。GNSS通信模块选择芯讯通无线科技(上海)有限公司公司生产的型号为simcom7600的LTE Cat 4无线通信模块设备。
国家级指挥中心由中心服务站、中心站通信模块、监测站通信模块构成。监测站通信模块实时接收全国各地监测站监测的降雨量、地表裂缝间距、地表空间坐标信息，将接收到的信息传送给中心站服务器；中心站服务器对全国各地监测站监测的数据进行计算分析，对监测点灾害状态进行预测与评估，并将预测与评估结果通过中心站通信模块发送给全国各省以及直辖市的省级指挥中心。本实施例的中心服务站选择戴尔公司生产的型号为R940的服务器。中心站通信模块选择 intel公司生产的型号为X550的万兆网卡设备。监测站通信模块：选择intel公司生产的型号为 X550的万兆网卡设备。
省级指挥中心含全国个省和直辖市指挥中心，设有省级通信模块、省级服务器和地市通信模块，省级通信模块接收国家级指挥中心的预测与评估数据，将国家级指挥中心的预测与评估数据发送给省级服务器；省级服务器根据国家级指挥中心的预测与评估数据进行现场指挥，并通过地市通信模块将国家级预测与评估数据以及现场指挥决策信息发送到灾害现场。
本实施例中，省级服务器选择戴尔公司生产的型号为R940的服务器。省级通信模块选择intel 公司生产的型号为X550的万兆网卡设备。地市级通信模块选择intel公司生产的型号为X550的万兆网卡设备。
监控站工作流程是：监控站布置在全国各地地质灾害监控点，根据预设时间间隔向国家级指挥中心发送监控数据；包括降雨量数据、裂缝数据、地表GNSS空间坐标数据，预设时间间隔根据监测需要设置；雨量计根据预设时间间隔，通过雨量通信模块向国家级指挥中心发送降雨量数据；裂缝计根据预设时间间隔，通过雨量通信模块向国家级指挥中心发送裂缝数据，GNSS监测仪根据预设时间间隔，通过雨量通信模块向向国家级指挥中心发送地表GNSS空间坐标数据。
国家级指挥中心工作流程：国家级指挥中心通过监测站通信模块，实时接收全国各监测站的降雨量数据，并对数据进行如下处理：数据人工处理，数据常规预警，数据预测，基于测量数据的智能预警，基于预测数据的智能预警；对于数据常规预警、基于测量数据的智能预警、基于预测数据的智能预警信号，国家级指挥中心通过中心站通信模块发送给省级指挥中心。
省级指挥中心工作流程：省级指挥中心通过省级通信模块接收国家级指挥中心各类预警数据，并根据预警属地，将预警数据通过地市通信模块转发到灾害预警信息发生地。
国家级指挥中心的数据常规预警，根据安装地地质信息，由业内专业人员确定预警阈值；安装地不同，预警阈值不同；数据常规预警在人工报警标记基础上进行数据预测，完成数据常规报警；数据常规预警包括基于降雨量测量的预警方法、基于裂缝测量的预警方法、基于GNSS信号的预警方法。
基于当前测量数据构建预警计算方法的输入数据，并运行预警计算方法，得到基于当前测量数据的预警结果。
基于预测数据的智能预警用当前测量数据和预测数据组合，构建预警计算方法的输入数据，并运行预警计算方法，得到基于预测数据的预警结果。
(一)基于降雨量测量的预警方法为：根据降雨量时间，以降雨量为因素的预警分为两种：短期降雨量预警，长期降雨量预警；
(1)短期降雨量预警：
设P(N)为当前时刻向历史回溯N小时降雨量(单位毫米：mm)；第N小时的短期降雨量预警阈值为R(N)；则当P(N)大于等于R(N)时，发出短期降雨量预警信息，其中，N为正整数；
第N小时的短期降雨量预警阈值R(N)由专业研究人员根据安装地点地质情况确定；
(2)长期降雨量预警：
R(n)为当前时刻向历史回溯第n日降雨量，单位：mm；b(n)为当前时刻向历史回溯第n日降雨量权重值；Rs(n)为第n日的长期降雨量预警阈值，单位：mm；其中n为正整数；
根据如下公式计算第n日加权降雨量累计值SumP(n)：
当SumP(n)大于等于Rs(n)时，发出长期降雨量预警；
b(n)、Rs(n)由专业研究人员根据安装地点地质情况确定；
(二)基于裂缝测量的预警方法有四种方式：基于裂缝变形速率预警、基于裂缝定时长变形量预警、基于裂缝连续变形量预警、基于裂缝切角线预警；
(1)基于裂缝变形速率预警：
变形速率用每小时变形速率、每天变形速率、每周变形速率表示；
每小时变形速率：当前时间到一小时前的变形量；用CVH表示，单位为:毫米/小时；每天变形速率：当前时间到24小时前的变形量；用CVD表示，单位为:毫米/天；
每周变形速率：当前时间到168小时前的变形量；用CVW表示，单位为:毫米/周；
设每小时变形速率Fcvh预警阈值为：Fcvh毫米/小时；每天变形速率Fcvd预警阈值为：Fcvd 毫米/天；每周变形速率Fcvw预警阈值为：Fcvw毫米/周；
则当满足：CVH大于等于Fcvh，或者CVD大于等于Fcvd，或者CVW大于等于Fcvw；
三个条件中的一个时，发出基于裂缝测量的变形速率预警信号；
Fcvh、Fcvd、Fcvw由专业研究人员根据安装地点地质情况确定；
(2)基于裂缝定时长变形量预警
裂缝定时长变形量是当前时间到测量裂缝形变前一段截止时间的测量值，单位为毫米；用CL(x) 表示，x为当前时间到测量裂缝形变前一段截止时间，单位为小时；
设基于裂缝定时长变形量报警阈值为：Fcl(x),则当CL(x)大于等于Fcl(x)时发出基于裂缝测量的定时长变形量预警信号；
Fcl(x),由专业研究人员根据安装地点地质情况确定；
(3)基于裂缝连续变形量预警：
计算连续n小时的CVH，用Cvh(i)表示，i＝1、2、3、……、n；
计算Cvh(i)，(i＝1、2、3、……、n)的最小值，用MinCVH表示：
MinCVH＝min{Cvh(1)、Cvh(2)、……、Cvh(n)}；
计算连续m天的CVD，用Cvd(j)表示，j＝1、2、3、……、m；
计算Cvd(j)，(j＝1、2、3、……、m)的最小值，用MinCVD表示：
MinCVD＝min{Cvd(1)、Cvd(2)、……、Cvd(m)}；
设小时连续变形预警阈值为Fvh,日连续变形预警阈值为Fvd,则当MinCVH大于等于Fvh,，或者 MinCVD大于等于Fvd,时，发出基于裂缝测量的连续变形量预警信号；
小时连续变形预警阈值Fvh,日连续变形预警阈值Fvd,由专业研究人员根据安装地点地质情况确定；
(4)基于裂缝切角线预警
设切线角θ为当前CVD的反正切函数值，θ＝arctan(CVD)；基于裂缝切角线预警阈值为Fθ；则当θ大于等于Fθ时，发出基于裂缝测量的切角线预警信号；
Fθ由专业研究人员根据安装地点地质情况确定。
(三)GNSS信号的预警方法：设计算坐标系为笛卡尔坐标系，以初始安装时GNSS传感器安装地基水平面外接圆圆心为原点，向北为y方向，向东为x方向，向上为z方向；
则测量时测量GNSS传感器测量值转换为笛卡尔坐标系测量值，测量点为GNSS传感器安装地基水平面外接圆圆心，设测量时为笛卡尔坐标系坐标值为Dx，Dy，Dz；单位为毫米；
第n小时前的测量值分别记为Dxb(n),Dyb(n),Dzb(n)；单位为毫米；
设测量时GNSS水平测量值Dh
垂直测量值Dv＝Dz
综合测量值Dzh：
设第n小时前的水平测量值为Dhn(n)；第n小时前的垂直测量值为Dvn(n)；第n小时前的综合测量值为Dzhn(n)；
Dvn(n)＝Dzb(n)；
设当前时间到第n小时前的水平变形量为Dhb(n),垂直变形量为Dvb(n),综合变形量为 Dzb(n)；
Dhb(n)＝Dhn(n)-Dh；
Dvb(n)＝Dvn(n)-Dv；
Dzb(n)＝Dzhn(n)-Dzh；
(1)连续变形量预警
设n小时水平连续变形预警阈值为FHgnss(n),设n小时垂直连续变形预警阈值为FVgnss(n), 设n小时综合连续变形预警阈值为FZgnss(n),(n＝1、2、3、4、…,M)
则当Dhb(n)大于等于FHgnss(n)，或者Dvb(n)大于等于FVgnss(n),或者Dzh(n)大于等于FZgnss(n)时，发出基于GNSS测量数据的连续变形预警信息；
(2)切线角预警
水平切线角θH：θH＝arctan(Dhb(1))；
垂直切线角θV：θV＝arctan(Dvb(1))；
综合切线角FθV,：θZH＝arctan(Dzb(1))；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH；
则当θH大于等于FθH，或者θV大于等于FθV,或者FθV,大于等于FθZH时，发出基于GNSS测量数据的切线角预警信息；
n小时水平连续变形预警阈值为FHgnss(n),n小时垂直连续变形预警阈值为FVgnss(n),n小时综合连续变形预警阈值为FZgnss(n),M由专业研究人员根据安装地点地质情况确定；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH由专业研究人员根据安装地点地质情况确定。
人工报警标记含：数据人工报警标记、数据标记、降雨量数据统计、裂缝测量数据统计、GNSS测量数据统计。
数据人工报警标记通过指挥中心专家研判，对灾害点数据进行标记。
数据标记是根据灾害点土质分类进行，根据安装地的实际情况，将安装地土质分为漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土。
降雨量数据统计为每小时降雨量；
RD(n)表示当前时刻回溯到n小时前，每小时降雨量；n＝1、2、3……M；本实施例M＝720。
裂缝测量数据统计为每小时变形量；
CHD(n)表示当前时刻回溯到n小时前，每小时裂缝变形量；n＝1、2、3……M；本实施例M＝720。
GNSS测量数据统计每小时水平位移，垂直位移，综合位移；
WYH(n)表示当前时刻回溯到n小时前，每小时水平位移；n＝1、2、3……M；本实施例M＝720。
N＝1时，WYH(1)＝Dhn(1)-Dh；
n>1时，WYH(1)＝Dhn(n)-Dhn(n-1)；
WYV(n)表示当前时刻回溯到n小时前，每小时垂直位移；n＝1、2、3……M；本实施例M＝720。
N＝1时，WYV(1)＝Dvn(1)-Dv；
n>1时，WYV(1)＝Dvn(n)-Dvn(n-1)；
WYZ(n)表示当前时刻回溯到n小时前，每小时综合位移；n＝1、2、3……M；本实施例M＝720。
N＝1时，WYZ(1)＝Dzn(1)-Dz；
n>1时，WYZ(1)＝Dzn(n)-Dzn(n-1)；
灾害评估专家根据每天测量的上述数据，对监测点进行预警，预警信息为：非常危险，危险，可能危险，安全四类。
在本实施例的数据预测中：设输入数据为当前时间往前回溯NN小时的数据，用xin(n)表示；n＝1、 2、3……NN；
xin(1)表示往前回溯第NN-1到往前回溯第NN小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
xin(2)表示往前回溯第NN-2到往前回溯第NN-1小时之间的降雨量、或者裂缝变形量，或者GNSS 测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
……
xin(NN-1)表示前一小时到前两小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、xin(NN)表示当前时间到前一小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量；
……
(1)计算Sin(j)
(2)计算Zin(j)
Zin(j)＝0.5(Sin(j)+Sin(j-1)),j＝2,3,......,NN
(3)构造NN-1行，2列的B矩阵
(4)构造包含NN-1个元素的列向量Y
(5)由矩阵运算，得到a、b值
(6)预测值：
Yc(j)表示当前时刻往后第j-1到第j小时之间的预测值；j＝1，2，3，…。本实施例中，NN 取12。
基于测量数据的智能预警算法中，包括矩阵参数计算和预警计算：
一、矩阵参数计算：
预警算法，根据安装地点的土质进行；测量数据按漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土进行；取出同一类土质被灾害评估专家标记了的所有非常危险，危险，可能危险的数据样本；安全数据样本为非常危险，危险，可能危险数据量的三倍；设上述同一类土质数据样本总数为MM；
(1)数据样本
对每一个数据样本，按如下方法构建一个有5×n个元素列向量，设M＝5×n：本实施例取n＝720, M＝3600个元素；
列向量Xun(i)表示，i表示第i组数据样本；每组数据样本由测量点的RD(1),RD(2),……RD(n), CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)， WYZ(1)，WYZ(2)，……WYZ(n)共M个数据构成；
Xun(i)＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n), WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n))’数据样本输出：数据样本输出为4个元素的列向量，用OUT表示，OUT＝(out1，out2，out3，out4)’
当数据标记为非常危险：OUT＝[1,0,0,0]’；当数据标记为危险：OUT＝[0,1,0,0]’当数据标记为可能危险：OUT＝[0,0,1,0]’；当数据标记为安全:OUT＝[0,0,0,1]’
(4)原始数据处理矩阵CC,CC为N行M列矩阵；
设
RAND为计算机产生的0-1之间的随机浮点数；
本实施例中，M＝3600,N＝12；
(7)原始数据偏置向量为N个元素的列向量，用DD表示；
设
RAND为计算机产生的0-1之间的随机数；
DD＝(dd1,dd2,……,ddN)’；本实施例N＝12
(8)次级数据处理矩阵EE，EE为4行N列矩阵；
设
RAND为计算机产生的0-1之间的随机数；
次级偏置向量为4个元素的列向量，用FF表示；
设
RAND为计算机产生的0-1之间的随机数；
FF＝(ff1,ff2,ff3,ff4)’
设置调整率gg；设置退出迭代次数TCdd；设置退出迭代误差：TCwc；设置kdd＝1；
(5)设置kkk＝1；
(6)取第kkk组样本数据Xun(kkk)；
对原始数据处理矩阵CC和Xun(kkk)进行矩阵运算：HH＝CC×Xun(kkk)+DD，HH为N个元素的列向量：HH＝(hh1,hh2，……,hhN)’
(7)针对HH每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(8)针对AI的每一个元素做如下运算：
aji＝aii(1-aii)
由aji构成N个元素的列向量AJ
AJ＝(aj1,aj2,……,ajN)’
(9)次级数据处理矩阵EE与AI进行矩阵运算，计算结果为LL，LL为四个元素的列向量，用 (ll1，ll2，ll3，ll4)’表示
LL＝EE×AI+FF
(10)针对LL每个元素做如下运算
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(11)针对LA每个元素，做如下运算：
lbi＝lai(1-lai)；i＝1,2,3,4
由lbi构成4个元素的列向量LB
LB＝(lb1,lb2,lb3,lb4)’
(12)计算平方误差PF
PF＝0.25{(la1-out1)(la1-out1)+(la2-out2)(la2-out2)+(la3-out3)(la3-out3)+(la4-out4)
(la4-out4)}；
(13)PFKKK(kkk)＝PF；
(14)计算如下值
lci＝lai-outi；i＝1,2,3,4；
由lci构成4个元素的列向量LC
LC＝(lc1,lc2,lc3,lc4)’
(15)计算向量LB和LC的内积，用LD表示
LD＝LB·LC
LD为四个元素组成的列向量
设LD＝(ld1,ld2,ld3,ld4)’
设LDK(kkk)＝LD；
(16)矩阵LF为EE转置乘以LD
LF＝EET×LD；
(17)计算梯度系数LG，LG为LF和AJ的内积
LG＝LF·AJ；LGK(kkk)＝LG；
(18)计算第kkk个样本数据的梯度TD(kkk)
TD(kkk)＝LG×Xun(kkk)T，
第kkk组样本数据的梯度TD(kkk)的值等于第kkk个样本数据的转置乘以LG
(19)计算第kkk个样本次级数据梯度CJTD(kkk)；
CJTD(kkk)＝LD×AIT；CJTD(kkk)等于LF的转置乘以AI；
(20)kkk＝kkk+1；当kkk小于等于MM时，重复上述(6)-(19)之间的计算；
(21)分别计算如下值：
(22)改变如下矩阵值
CC＝CC-SUMTD×gg；EE＝EE-SUMCJTDg×gg；
DD＝DD-SUMLG×gg；FF＝FF-SUMLD×gg；
(23)如果SUMPF大于等于TCwc，或者kdd小于等于TCdd；在重复第(5)到(22)的计算步骤；
否则，CCOK＝CC；DDOK＝DD；EEOK＝EE；FFOK＝FF；
运行结束；
二预警计算方法：
(1)构建输入数据：
针对同一类土质的当前测量数据，预警方式采用基于当前测量数据的方法预警，或者采用基于预测数据的方法进行预警；当采用基于当前测量数据的方法进行预警，用当前测量数据构建预警输入数据；如果采用基于预测方法进行预警，则采用预测数据和当前测量数据的组合数据构建输入预警输入数据，按如下方法构建一个5×n个元素列向量；设M＝5×n：
列向量DQdata表示，RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)， WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n)为第1,2,…… n个按当前测量数据预警方法构建的预警输入数据，或者采用预测数据和当前数据组合的方法构建的预警数据；
DQdata＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，…… WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n))’
(2)HHOK＝CCOK×data+DDOK，HHOK为N个元素的列向量：
HHOK＝(hh1,hh2，……,hhN)’
(3)针对HHOK每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(4) LLOK ＝ EEOK ×AI+FFOK；
(5)针对LLOK每个元素做如下运算：
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(6)计算la1,la2,la3,la4中最大值；
如果最大值为la1:发出“非常危险”预警；如果最大值为la2:发出“危险”预警；如果最大值为la3:发出“可能危险”预警；如果最大值为la4:不发出预警。
本发明中，在完成基于当前测量数据构建预警计算方法的输入数据，并运行预警计算方法，得到基于当前测量数据的预警结果。采用当前测量数据和预测数据组合，构建预警计算方法的输入数据，并运行预警计算方法，得到基于预测数据的预警结果。
Claims (5)
1.一种基于人工智能地质灾害监测预测预警方法，其特征在于：
本方法采用三级模式：由各地灾害点的监测站，国家级指挥中心，省级指挥中心构成基于人工智能地质灾害监测预测预警系统，在三级系统中完成地质灾害监测预测预警:监测站通过通信信道将监测数据发送给国家级指挥中心，国家级指挥中心根据监测站数据进行计算，对灾害隐患进行预测预警，并将预测预警信息发送给省级指挥中心；省级指挥中心根据国家级指挥中心预测预警信息指挥抢险救灾；
监测站安装在全国各地地质灾害监测点，设置雨量计、裂缝计、GNSS监测仪、雨量通信模块、裂缝通信模块、GNSS通信模块；雨量计测量降雨量，并通过雨量通信模块将降雨量传送给国家级指挥中心；裂缝计测量地表裂缝间距，并通过裂缝通信模块将地表裂缝间距传送给国家级指挥中心；GNSS监测仪测量地表空间坐标，并通过GNSS通信模块将地表空间坐标传送给国家级指挥中心；
国家级指挥中心设有中心站服务器、中心站通信模块、监测站通信模块；监测站通信模块实时接收全国各地监测站监测的降雨量、地表裂缝间距、地表空间坐标信息，将接收到的信息传送给中心站服务器；中心站服务器对全国各地监测站监测的数据进行计算分析，对监测点灾害状态进行预测与评估，并将预测与评估结果通过中心站通信模块发送给全国的省级指挥中心；
省级指挥中心设有省级通信模块、省级服务器和地市通信模块，省级通信模块接收国家级指挥中心的预测与评估数据，将国家级指挥中心的预测与评估数据发送给省级服务器；省级服务器根据国家级指挥中心的预测与评估数据进行现场指挥，并通过地市通信模块将国家级预测与评估数据以及现场指挥决策信息发送到灾害现场；
监控站工作流程：监控站布置在全国各地地质灾害监控点，根据预设时间间隔向国家级指挥中心发送监控数据；包括降雨量数据、裂缝数据、地表GNSS空间坐标数据，预设时间间隔根据监测需要设置；雨量计根据预设时间间隔，通过雨量通信模块向国家级指挥中心发送降雨量数据；裂缝计根据预设时间间隔，通过裂缝通信模块向国家级指挥中心发送裂缝数据，GNSS监测仪根据预设时间间隔，通过GNSS通信模块向向国家级指挥中心发送地表GNSS空间坐标数据；
国家级指挥中心工作流程：国家级指挥中心通过监测站通信模块，实时接收全国各监测站的降雨量数据，并对数据进行如下处理：数据人工处理，数据常规预警，数据预测，基于测量数据的智能预警，基于预测数据的智能预警；对于数据常规预警、基于测量数据的智能预警、基于预测数据的智能预警信号，国家级指挥中心通过中心站通信模块发送给省级指挥中心；
省级指挥中心工作流程：省级指挥中心通过省级通信模块接收国家级指挥中心各类预警数据，并根据预警属地，将预警数据通过地市通信模块转发到灾害预警信息发生地；
所述国家级指挥中心的数据常规预警，根据安装地地质信息，由业内专业人员确定预警阈值；安装地不同，预警阈值不同；数据常规预警在人工报警标记基础上进行数据预测，完成数据常规报警；数据常规预警包括基于降雨量测量的预警方法、基于裂缝测量的预警方法、基于GNSS信号的预警方法；
基于当前测量数据构建预警计算方法的输入数据，并运行预警计算方法，得到基于当前测量数据的预警结果；
基于预测数据的智能预警用当前测量数据和预测数据组合，构建预警计算方法的输入数据，并运行预警计算方法，得到基于预测数据的预警结果。
2.如权利要求1所述的一种基于人工智能地质灾害监测预测预警方法，其特征在于：
所述基于降雨量测量的预警方法为：根据降雨量时间，以降雨量为因素的预警分为两种：短期降雨量预警，长期降雨量预警；
(1)短期降雨量预警：
设P(N)为当前时刻向历史回溯N小时降雨量(单位毫米：mm)；第N小时的短期降雨量预警阈值为R(N)；则当P(N)大于等于R(N)时，发出短期降雨量预警信息，其中，N为正整数；
第N小时的短期降雨量预警阈值R(N)由专业研究人员根据安装地点地质情况确定；
(2)长期降雨量预警：
R(n)为当前时刻向历史回溯第n日降雨量，单位：mm；b(n)为当前时刻向历史回溯第n日降雨量权重值；Rs(n)为第n日的长期降雨量预警阈值，单位：mm；其中n为正整数；
根据如下公式计算第n日加权降雨量累计值SumP(n)：
当SumP(n)大于等于Rs(n)时，发出长期降雨量预警；
b(n)、Rs(n)由专业研究人员根据安装地点地质情况确定；
所述基于裂缝测量的预警方法有四种方式：基于裂缝变形速率预警、基于裂缝定时长变形量预警、基于裂缝连续变形量预警、基于裂缝切角线预警；
(1)基于裂缝变形速率预警：
变形速率用每小时变形速率、每天变形速率、每周变形速率表示；
每小时变形速率：当前时间到一小时前的变形量；用CVH表示，单位为:毫米/小时；每天变形速率：当前时间到24小时前的变形量；用CVD表示，单位为:毫米/天；
每周变形速率：当前时间到168小时前的变形量；用CVW表示，单位为:毫米/周；
设每小时变形速率Fcvh预警阈值为：Fcvh毫米/小时；每天变形速率Fcvd预警阈值为：Fcvd毫米/天；每周变形速率Fcvw预警阈值为：Fcvw毫米/周；
则当满足：CVH大于等于Fcvh，或者CVD大于等于Fcvd，或者CVW大于等于Fcvw；
三个条件中的一个时，发出基于裂缝测量的变形速率预警信号；
Fcvh、Fcvd、Fcvw由专业研究人员根据安装地点地质情况确定；
(2)基于裂缝定时长变形量预警
裂缝定时长变形量是当前时间到测量裂缝形变前一段截止时间的测量值，单位为毫米；用CL(x)表示，x为当前时间到测量裂缝形变前一段截止时间，单位为小时；
设基于裂缝定时长变形量报警阈值为：Fcl(x),则当CL(x)大于等于Fcl(x)时发出基于裂缝测量的定时长变形量预警信号；
Fcl(x),由专业研究人员根据安装地点地质情况确定；
(3)基于裂缝连续变形量预警
计算连续n小时的CVH，用Cvh(i)表示，i＝1、2、3、……、n；
计算Cvh(i)，(i＝1、2、3、……、n)的最小值，用MinCVH表示：
MinCVH＝min{Cvh(1)、Cvh(2)、……、Cvh(n)}；
计算连续m天的CVD，用Cvd(j)表示，j＝1、2、3、……、m；
计算Cvd(j)，(j＝1、2、3、……、m)的最小值，用MinCVD表示：
MinCVD＝min{Cvd(1)、Cvd(2)、……、Cvd(m)}；
设小时连续变形预警阈值为Fvh,日连续变形预警阈值为Fvd,则当MinCVH大于等于Fvh,，或者MinCVD大于等于Fvd,时，发出基于裂缝测量的连续变形量预警信号；
小时连续变形预警阈值Fvh,日连续变形预警阈值Fvd,由专业研究人员根据安装地点地质情况确定；
(4)基于裂缝切角线预警
设切线角θ为当前CVD的反正切函数值，θ＝arctan(CVD)；基于裂缝切角线预警阈值为Fθ；
则当θ大于等于Fθ时，发出基于裂缝测量的切角线预警信号；
Fθ由专业研究人员根据安装地点地质情况确定；
所述GNSS信号的预警方法：设计算坐标系为笛卡尔坐标系，以初始安装时GNSS传感器安装地基水平面外接圆圆心为原点，水平面向北为y方向，水平面向东为x方向，垂直向上为z方向；
则测量时测量GNSS传感器测量值转换为笛卡尔坐标系测量值，测量点为GNSS传感器安装地基水平面外接圆圆心，设当前时间测量时测量点笛卡尔坐标系坐标值为Dx，Dy，Dz；单位为毫米；
第n小时前的测量值分别记为Dxb(n),Dyb(n),Dzb(n)；单位为毫米；
设当前时间测量时GNSS水平测量值Dh
当前时间测量时垂直测量值Dv＝Dz
设当前时间测量时综合测量值Dzh：
设第n小时前的水平测量值为Dhn(n)；第n小时前的垂直测量值为Dvn(n)；第n小时前的综合测量值为Dzhn(n)；
Dvn(n)＝Dzb(n)；
设当前时间到第n小时前的水平变形量为Dhb(n),垂直变形量为Dvb(n),综合变形量为Dzb(n)；
Dhb(n)＝|Dhn(n)-Dh|
Dvb(n)＝|Dvn(n)-Dv|
Dzb(n)＝|Dzhn(n)-Dzh|
(1)连续变形量预警
设n小时水平连续变形预警阈值为FHgnss(n),设n小时垂直连续变形预警阈值为FVgnss(n),设n小时综合连续变形预警阈值为FZgnss(n),(n＝1、2、3、4、…,M)
则当Dhb(n)大于等于FHgnss(n)，或者Dvb(n)大于等于FVgnss(n),或者Dzh(n)大于等于FZgnss(n)时，发出基于GNSS测量数据的连续变形预警信息；
(2)切线角预警
水平切线角θH：θH＝arctan(Dhb(1))；
垂直切线角θV：θV＝arctan(Dvb(1))；
综合切线角FθV,：θZH＝arctan(Dzb(1))；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH；
则当θH大于等于FθH，或者θV大于等于FθV,或者FθV,大于等于FθZH时，发出基于GNSS测量数据的切线角预警信息；
n小时水平连续变形预警阈值为FHgnss(n),n小时垂直连续变形预警阈值为FVgnss(n),n小时综合连续变形预警阈值为FZgnss(n),M由专业研究人员根据安装地点地质情况确定；
水平切线角报警阈值为FθH，垂直切线角报警阈值FθV,综合切线角报警阈值FθZH由专业研究人员根据安装地点地质情况确定。
3.如权利要求1所述的一种基于人工智能地质灾害监测预测预警方法，其特征在于：
所述人工报警标记含：数据人工报警标记、数据标记、降雨量数据统计、裂缝测量数据统计、GNSS测量数据统计：
数据人工报警标记通过指挥中心专家研判，对灾害点数据进行标记；
数据标记是根据灾害点土质分类进行，根据安装地的实际情况，将安装地土质分为漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土；
降雨量数据统计为每小时降雨量；
RD(n)表示当前时刻回溯到n小时前，每小时降雨量；n＝1、2、3……M；
裂缝测量数据统计为每小时变形量；
CHD(n)表示当前时刻回溯到n小时前，每小时裂缝变形量；n＝1、2、3……M；
GNSS测量数据统计每小时水平位移，垂直位移，综合位移；
WYH(n)表示当前时刻回溯到n小时前，每小时水平位移；n＝1、2、3……M；
N＝1时，WYH(1)＝Dhn(1)-Dh；
n>1时，WYH(1)＝Dhn(n)-Dhn(n-1)；
WYV(n)表示当前时刻回溯到n小时前，每小时垂直位移；n＝1、2、3……M；
N＝1时，WYV(1)＝Dvn(1)-Dv；
n>1时，WYV(1)＝Dvn(n)-Dvn(n-1)；
WYZ(n)表示当前时刻回溯到n小时前，每小时综合位移；n＝1、2、3……M；
N＝1时，WYZ(1)＝Dzn(1)-Dz；
n>1时，WYZ(1)＝Dzn(n)-Dzn(n-1)；
灾害评估专家根据每天测量的上述数据，对监测点进行预警，预警信息为：非常危险，危险，可能危险，安全四类。
4.如权利要求1所述的一种基于人工智能地质灾害监测预测预警方法，其特征在于：
所述数据预测为：
设输入数据为当前时间往前回溯NN小时的数据，用xin(n)表示；n＝1、2、3……NN；
xin(1)表示往前回溯第NN-1到往前回溯第NN小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
xin(2)表示往前回溯第NN-2到往前回溯第NN-1小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、
……
xin(NN-1)表示前一小时到前两小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量、xin(NN)表示当前时间到前一小时之间的降雨量、或者裂缝变形量，或者GNSS测量的水平变形量、或GNSS测量的垂直变形量、GNSS测量的综合变形量：
……
(1)计算Sin(j)
(2)计算Zin(j)
Z in(j)＝0.5(Sin(j)+Sin(j-1)),j＝2,3,......,NN
(3)构造NN-1行，2列的B矩阵
(4)构造包含NN-1个元素的列向量Y
(5)由矩阵运算，得到a、b值
(6)预测值：
Yc(j)表示当前时刻往后第j-1到第j小时之间的预测值；j＝1，2，3，…。
5.如权利要求1所述的一种基于人工智能地质灾害监测预测预警方法，其特征在于：
基于测量数据的智能预警算法中，包括矩阵参数计算和预警计算：
一、矩阵参数计算：
预警算法，根据安装地点的土质进行；测量数据按漂石土、卵石土、砾类土、砂类土、粉质土、粘质土、有机质土、黄土、膨胀土、红黏土、盐渍土、冻土共十二类土进行；取出同一类土质被灾害评估专家标记了的所有非常危险，危险，可能危险的数据样本；安全数据样本为非常危险，危险，可能危险数据量的三倍；设上述同一类土质数据样本总组数为MM；
(1)数据样本
对每一个数据样本，按如下方法构建一个有5n个元素列向量，设M＝5×n：
列向量Xun(i)表示，i表示第i组数据样本；每组数据样本由测量点的RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n)共M个数据构成；
Xun(i)＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n))’数据样本输出：数据样本输出为4个元素的列向量，用OUT表示，OUT＝(out1，out2，out3，out4)’
当数据标记为非常危险：OUT＝[1,0,0,0]’；当数据标记为危险：OUT＝[0,1,0,0]’当数据标记为可能危险：OUT＝[0,0,1,0]’；当数据标记为安全:OUT＝[0,0,0,1]’
(2)原始数据处理矩阵CC,CC为N行M列矩阵；
设
RAND为计算机产生的0-1之间的随机浮点数；
(3)原始数据偏置向量为N个元素的列向量，用DD表示；
设
RAND为计算机产生的0-1之间的随机数；
DD＝(dd1,dd2,……,ddN)’；
(4)次级数据处理矩阵EE，EE为4行N列矩阵；
设
RAND为计算机产生的0-1之间的随机数；
次级偏置向量为4个元素的列向量，用FF表示；
设
RAND为计算机产生的0-1之间的随机数；
FF＝(ff1,ff2,ff3,ff4)’
设置调整率gg；设置退出迭代次数TCdd；设置退出迭代误差：TCwc；设置kdd＝1；
(5)设置kkk＝1；
(6)取第kkk组样本数据Xun(kkk)；
对原始数据处理矩阵CC和Xun(kkk)进行矩阵运算：HH＝CC×Xun(kkk)+DD，HH为N个元素的列向量：HH＝(hh1,hh2，……,hhN)’
(7)针对HH每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(8)针对AI的每一个元素做如下运算：
aji＝aii(1-aii)
由aji构成N个元素的列向量AJ
AJ＝(aj1,aj2,……,ajN)’
(9)次级数据处理矩阵EE与AI进行矩阵运算，计算结果为LL，LL为四个元素的列向量，用(ll1，ll2，ll3，ll4)’表示
LL＝EE*AI+FF；
(10)针对LL每个元素做如下运算
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(11)针对LA每个元素，做如下运算：
lbi＝lai(1-lai)；i＝1,2,3,4
由lbi构成4个元素的列向量LB
LB＝(lb1,lb2,lb3,lb4)’
(12)计算平方误差PF
PF＝0.25{(la1-out1)(la1-out1)+(la2-out2)(la2-out2)+(la3-out3)(la3-out3)+(la4-out4)
(la4-out4)}；
(13)PFKKK(kkk)＝PF；
(14)计算如下值
lci＝lai-outi；i＝1,2,3,4
由lci构成4个元素的列向量LC
LC＝(lc1,lc2,lc3,lc4)’
(15)计算向量LB和LC的内积，用LD表示
LD＝LB·LC
LD为四个元素组成的列向量
设LD＝(ld1,ld2,ld3,ld4)’
设LDK(kkk)＝LD；
(16)矩阵LF为EE转置乘以LD
LF＝EET×LD
(17)计算梯度系数LG，LG为LF和AJ的内积
LG＝LF·AJ；LGK(kkk)＝LG；
(18)计算第kkk个样本数据的梯度TD(kkk)
TD(kkk)＝LG×Xun(kkk)T，
第kkk组样本数据的梯度TD(kkk)的值等于第kkk组样本数据的转置乘以LG
(19)计算第kkk个样本次级数据梯度CJTD(kkk)；
CJTD(kkk)＝LD×AIT；CJTD(kkk)等于LF的转置乘以AI；
(20)kkk＝kkk+1；当kkk小于等于MM时，重复上述(6)-(19)之间的计算；
(21)分别计算如下值：
(22)改变如下矩阵值
CC＝CC-SUMTD×gg；EE＝EE-SUMCJTDg×gg；
DD＝DD-SUMLG×gg；FF＝FF-SUMLD×gg；
(23)如果SUMPF大于等于TCwc，或者kdd小于等于TCdd；重复第(5)到(22)的计算步骤；
否则，CCOK＝CC；DDOK＝DD；EEOK＝EE；FFOK＝FF；运行结束；
二预警计算方法：
(1)构建输入数据：
针对同一类土质的当前测量数据，预警方式采用基于当前测量数据的方法预警，或者采用基于预测数据的方法进行预警；当采用基于当前测量数据的方法进行预警，用当前测量数据构建预警输入数据；如果采用基于预测方法进行预警，则采用预测数据和当前测量数据的组合数据构建输入预警输入数据，按如下方法构建一个5×n个元素列向量；设M＝5×n：
列向量DQdata表示，RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n)为第1,2,……n个按当前测量数据预警方法构建的预警输入数据，或者采用预测数据和当前数据组合的方法构建的预警数据；
DQdata＝(RD(1),RD(2),……RD(n),CHD(1),CHD(2),……CHD(n),WYH(1)，WYH(2)，……WYH(n),WYV(1)，WYV(2)，……WYV(n)，WYZ(1)，WYZ(2)，……WYZ(n))’
(2)HHOK＝CCOK×data+DDOK，HHOK为N个元素的列向量：
HHOK＝(hh1,hh2，……,hhN)’
(3)针对HHOK每一个元素做如下运算：
由aii构成N个元素的列向量AI
AI＝(ai1,ai2,……,aiN)’
(4)LLOK＝EEOK*AI+FFOK；
(5)针对LLOK每个元素做如下运算：
由lai构成4个元素的列向量LA
LA＝(la1,la2,la3,la4)’
(6)计算la1,la2,la3,la4中最大值；
如果最大值为la1:发出“非常危险”预警；如果最大值为la2:发出“危险”预警；如果最大值为la3:发出“可能危险”预警；如果最大值为la4:不发出预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428217.2A CN113192297B (zh) | 2021-04-21 | 2021-04-21 | 基于人工智能地质灾害监测预测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428217.2A CN113192297B (zh) | 2021-04-21 | 2021-04-21 | 基于人工智能地质灾害监测预测预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113192297A true CN113192297A (zh) | 2021-07-30 |
| CN113192297B CN113192297B (zh) | 2023-07-25 |
Family
ID=76977880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110428217.2A Active CN113192297B (zh) | 2021-04-21 | 2021-04-21 | 基于人工智能地质灾害监测预测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113192297B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067535A (zh) * | 2022-01-18 | 2022-02-18 | 山东省国土空间生态修复中心 | 基于人工智能的地质灾害预警方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102354431A (zh) * | 2011-08-06 | 2012-02-15 | 河北省第一测绘院 | 地质灾害监测预警系统和监测预警方法 |
| CN102509421A (zh) * | 2011-11-23 | 2012-06-20 | 南京信息工程大学 | 一种地质灾害实时监测与预警系统 |
| RU2536351C1 (ru) * | 2013-07-02 | 2014-12-20 | Открытое акционерное общество "Чепецкий механический завод" | Информационно-управляющая система комплексного контроля безопасности опасного производственного объекта |
| CN104967695A (zh) * | 2015-07-24 | 2015-10-07 | 中煤科工集团重庆研究院有限公司 | 矿山应急救援指挥信息生成传递系统及方法 |
| CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
| CN108124235A (zh) * | 2017-12-18 | 2018-06-05 | 哈尔滨汇创科技有限公司 | 指挥系统及指挥方法 |
| 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 |
-
2021
- 2021-04-21 CN CN202110428217.2A patent/CN113192297B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102354431A (zh) * | 2011-08-06 | 2012-02-15 | 河北省第一测绘院 | 地质灾害监测预警系统和监测预警方法 |
| CN102509421A (zh) * | 2011-11-23 | 2012-06-20 | 南京信息工程大学 | 一种地质灾害实时监测与预警系统 |
| RU2536351C1 (ru) * | 2013-07-02 | 2014-12-20 | Открытое акционерное общество "Чепецкий механический завод" | Информационно-управляющая система комплексного контроля безопасности опасного производственного объекта |
| CN104967695A (zh) * | 2015-07-24 | 2015-10-07 | 中煤科工集团重庆研究院有限公司 | 矿山应急救援指挥信息生成传递系统及方法 |
| CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
| CN108124235A (zh) * | 2017-12-18 | 2018-06-05 | 哈尔滨汇创科技有限公司 | 指挥系统及指挥方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 刘传正: "中国地质灾害监测预警站网建设构想", 地质通报, no. 12 * |
| 罗腾;白征东;朱永辉;: "基于北斗卫星系统的地质灾害监测系统软件设计与实现", 全球定位系统, no. 05 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067535A (zh) * | 2022-01-18 | 2022-02-18 | 山东省国土空间生态修复中心 | 基于人工智能的地质灾害预警方法、装置及存储介质 |
| CN114067535B (zh) * | 2022-01-18 | 2022-03-29 | 山东省国土空间生态修复中心 | 基于人工智能的地质灾害预警方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113192297B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111047099B (zh) | 一种区域性山洪风险预测方法及系统 | |
| CN114443982A (zh) | 一种大区域土壤重金属检测与时空分布特征分析方法及系统 | |
| CN105260625B (zh) | 一种滑坡地质灾害预警推送方法 | |
| CN111105600B (zh) | 基于降雨条件下路堑边坡稳定性动态监测预警系统及方法 | |
| CN109710659B (zh) | 基于时空相关性的检测器缺失数据的填补方法 | |
| CN106803128B (zh) | 光伏发电的预测方法和装置 | |
| CN111445011A (zh) | 一种基于气象和遥感数据的山火预警方法 | |
| CN109378031B (zh) | 一种基于植保和气象信息结合的水稻纹枯病预测方法 | |
| CN107367773A (zh) | 一种基于北斗定位的单点气象要素确定方法 | |
| CN109740103A (zh) | 一种核事故源项反演方法及系统 | |
| CN117345342A (zh) | 一种隧道涌水量智能监测系统及预警方法 | |
| CN113192297A (zh) | 基于人工智能地质灾害监测预测预警方法 | |
| CN115187033A (zh) | 一种智慧工地施工安全风险预警系统及其方法 | |
| JP2004280204A (ja) | 斜面崩壊予測システム | |
| CN118052047A (zh) | 基于数字孪生的防洪四预平台应用系统 | |
| CN114048944A (zh) | 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法 | |
| CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
| CN109615852A (zh) | 一种突发事故下路段交通流分配快速预测的方法 | |
| CN116504043B (zh) | 一种基于数字孪生的工程强风安防监控方法及系统 | |
| CN117877198A (zh) | 一种应用于施工现场的安全运维系统 | |
| CN116187204B (zh) | 一种水域遥感反演水环境污染的风险决策方法 | |
| CN103533557B (zh) | 一种水情信息的分布式稀疏优化检测方法 | |
| CN110083918A (zh) | 一种车载局部短临预警发布方法 | |
| CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
| CN115294469A (zh) | 基于遥感卫星图像的泥石流地质灾害识别方法 |
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 |