CN113421404B - 一种星地协同的边坡多风险因子联合实时监测与预警方法 - Google Patents

一种星地协同的边坡多风险因子联合实时监测与预警方法 Download PDF

Info

Publication number
CN113421404B
CN113421404B CN202110669028.4A CN202110669028A CN113421404B CN 113421404 B CN113421404 B CN 113421404B CN 202110669028 A CN202110669028 A CN 202110669028A CN 113421404 B CN113421404 B CN 113421404B
Authority
CN
China
Prior art keywords
data
real
time monitoring
slope
early warning
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
Application number
CN202110669028.4A
Other languages
English (en)
Other versions
CN113421404A (zh
Inventor
王立新
林健富
赵贤任
黄剑涛
胡荣攀
刘军香
汪羽凡
何玉杰
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.)
Shenzhen Academy Of Disaster Prevention And Reduction
Original Assignee
Shenzhen Academy Of Disaster Prevention And Reduction
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 Shenzhen Academy Of Disaster Prevention And Reduction filed Critical Shenzhen Academy Of Disaster Prevention And Reduction
Priority to CN202110669028.4A priority Critical patent/CN113421404B/zh
Publication of CN113421404A publication Critical patent/CN113421404A/zh
Application granted granted Critical
Publication of CN113421404B publication Critical patent/CN113421404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G08B25/002—Generating a prealarm to the central station
    • 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
    • G08B25/08—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 communication transmission lines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C19/00—Electric signal transmission systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

本发明公开了一种星地协同的边坡多风险因子联合实时监测与预警方法，包括以下步骤：获取边坡的实时监测数据和健康参数数据；将获取的数据经5G/4G无线网络传输至云服务器端，云服务器端对获取数据进行存储、管理并传输至数据分析模组；由数据分析模组对数据进行计算得到多个监测指标和健康指标；数据分析模组将监测指标与健康指标比对，并得到健康诊断信息和预警信息。其同时对多个指标连续监测，及时捕捉边坡状态变化的特征信息，并通过有线或无线方式将实时监测数据及时发送到云服务器端。通过数据分析模组进行处理，对边坡的整体稳定性做出判断，快速做出诸如山体边坡崩塌、滑坡等灾害发生的预警预报，准确、有效地监测灾情发生。

Description

一种星地协同的边坡多风险因子联合实时监测与预警方法
技术领域
本发明涉及滑坡监测技术领域，尤其涉及一种星地协同的边坡多风险因子联合实时监测与预警方法。
背景技术
边坡是自然或人工形成的斜坡，是人类工程活动中最基本的地质环境之一，也是工程建设中最常见的工程形式之一。按照边坡的成因可分为天然边坡和人工边坡；按照构成边坡的坡体材料的性质可分为土质边坡和岩质边坡；按边坡的稳定程度可分为稳定性边坡、基本稳定边坡、欠稳定边坡和不稳定边坡。边坡是一种复杂的、可形变的结构，受到地震、台风、降雨等自然因素以及周遭施工、附近路面与轨道振动等人为因素的影响下，极易发生形变，严重时将发生滑坡。滑坡是一种常见的重大地质灾害，往往给工农业生产甚至人民生命财产造成巨大损失，位于乡村、郊区的滑坡常常摧毁农田，伤害人畜，毁坏道路、农业机械设施和水利水电设施等，位于城镇的滑坡常常砸埋房屋，摧毁工厂、学校，造成停水、停电等，严重时甚至能摧毁整个城镇。边坡地质灾害主要发生在地震、台风、“龙舟水”及暴雨期间，突发性强，难以提前发现，采用科学的技术手段对滑坡易发区域进行实时监测是十分必要的。因此，为了能高效和准确的评估边坡的安全状况，及时预警重大的安全事故，边坡的实时监测预警技术愈发受到重视。
现有技术中，常用的边坡监测方法包括：(1)在边坡表面布置多个静力水准仪，对边坡表面位移进行监测；(2)在边坡表面布置多个测点，利用全站仪对测点进行位移监测；(3)基于GNSS的边坡监测；(4)基于星载合成孔径雷达干涉测量技术(InSAR，Interferometric Synthetic Aperture Radar)的边坡监测。利用静力水准仪、全站仪进行的边坡表面位移监测操作简单、精度高，但是无法远程监测，自动化程度低，依赖人工操作，受自然环境的影响较大，并且数据采样周期较长导致数据较少，分析困难。基于GNSS(Global Navigation Satellite System)的边坡监测是在边坡表面布置多个测点和安装GNSS接收器，并在附近一个不易发生位移、精确位置已知的地方布置基准站以提高监测点的测量精度。该方法自动化程度高，数据采样频率高，能够进行远程监测，受自然环境的影响较小，但依然属于点位监测，一旦形变、位移发生在未安装传感器的位置，则有可能造成漏报、误报，难以反映边坡整体的稳定性以及形变趋势，在边坡分布范围较广、面积较大时还存在成本过高的问题。基于InSAR的边坡监测具有大范围、全天候、无接触等优点，能够实现超大范围的地表形变监测，能够反映边坡整体的稳定性以及形变趋势，但缺点是数据采样频率较低、测量精度较低，难以作出及时、准确的预警。
上述四种边坡监测方法均是针对边坡表面位移进行监测，而边坡表面位移并不是评估边坡稳定性的唯一指标，表面倾斜度、地区降雨量、土壤含水率也是判断边坡是否将会滑坡的重要依据，若边坡曾经发生过开裂而存在裂缝，裂缝的宽度、发展趋势也能很大程度上反映边坡坡体的蠕动情况，为滑坡预警提供有力的依据。
经不完全统计，由降雨占主导作用诱发的滑坡占绝大多数，雨水渗入边坡使土体吸水软化、裂缝扩展、滑动面贯通，并最终导致边坡岩体破坏失稳，根据已有数据进行统计分析有如下经验关系：单次暴雨累计降雨量在50-160毫米且日降雨量大于20毫米时，小型浅层滑坡会开始发生；单次暴雨累计降雨量在160-200毫米且日降雨量大于100毫米时，中等规模滑坡会开始发生；单次暴雨累计降雨量在200-350毫米且日降雨量大于110毫米时，大规模滑坡会开始发生。另外，土体中的水分是影响表面活动的重要因素，正常土壤含水率为20-30％，当含水率持续大于30％时，开始有发生滑坡的风险，而降雨并不是土体中水分的唯一来源，因此对于存在重大安全隐患的边坡还需要进行土壤含水率的监测。
综上，导致滑坡的因素是多种多样的，而且不同边坡对不同致灾风险因子的敏感性也是不同的，从而只是监测1-2种致灾风险因子或者独立的进行监测并不能进行准确和有效的滑坡预警，单一指标不能全面反映边坡健康状态的问题。
发明内容
为克服现有技术的缺点，本发明目的在于提供一种星地协同的边坡多风险因子联合实时监测与预警方法，基于星地协同及多风险因子的联合监测，将广域InSAR监测技术与地面实时监测手段相结合，解决传统单一手段的边坡监测方法存在的缺点。
本发明通过以下技术措施实现的，包括前端感知模组、云服务器端和数据分析模组，所述方法包括以下步骤：
获取边坡的实时监测数据和健康参数数据，实时监测数据和健康参数数据包括InSAR数据、边坡地表位移数据、裂缝宽度数据、边坡倾斜错动数据、土壤湿度数据以及孔隙水压力变化数据；
将获取的实时监测数据和健康参数数据经5G/4G无线网络传输至云服务器端，云服务器端对获取的实时监测数据和健康参数数据进行存储、管理并传输至数据分析模组；
由数据分析模组对实时监测数据及健康参数数据进行计算得到多个实时监测指标和健康参数指标；
数据分析模组将实时监测指标与健康参数指标比对，并得到健康诊断信息和预警信息。
作为一种优选方式，数据分析模组将实时监测指标与健康参数指标比对，并得到健康诊断信息和预警信息之后，所述方法还包括以下步骤：
所述数据分析模组将所述预警信息经5G/4G无线网络传输至云服务器端，云服务器端将预警信息传输至嵌入式终端。
作为一种优选方式，所述嵌入式终端采用B/S架构。
作为一种优选方式，所述嵌入式终端包括预警单元，当所述实时监测指标超过预设值，发出警告信息。
作为一种优选方式，数据分析模组将实时监测指标与健康参数指标比对之前，所述方法还包括：
由数据分析模组将多个实时监测指标和健康参数指标分别进行正则化和概率化处理，采用加权平均理论或贝叶斯理论或D-S证据理论进行融合处理，得到实时多元数据融合指标和健康参数融合指标；
数据分析模组将实时监测指标与健康参数指标比对，并得到健康诊断信息和预警信息时，所述方法还包括：
将实时多元数据融合指标和健康参数融合指标比对，并得到健康诊断信息和预警信息。
作为一种优选方式，采用贝叶斯理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{B1 B2 … Bm}；并通过如下公式进行：
Figure BDA0003118135330000051
其中，P(Aj)为先验概率，即发生Aj滑坡事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标。
作为一种优选方式，采用D-S证据理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{m1 m2 … mm}，并通过如下公式进行：
Figure BDA0003118135330000052
其中，mj(Ai)为第j个指标对于第i种滑坡情况的判定，K是基于D-S证据理论获得的多元数据融合指标。
作为一种优选方式，采用加权平均理论进行融合处理时，通过如下公式进行：
Figure BDA0003118135330000061
其中，Di是第i个指标，
Figure BDA0003118135330000062
是基于加权平均理论获得的融合指标，Wi为第i个指标的权重系数，其取值使得各个指标间的方差最小；并通过最小二乘法进行求解，获得所述多元数据融合指标。
本发明提供的一种星地协同的边坡多风险因子联合实时监测与预警方法，同时对边坡面地表位移、深部位移、裂缝变化、坡体倾斜和错动、土壤湿度、孔隙水压力变化等进行连续监测，及时捕捉边坡形状变化的特征信息，并通过有线或无线方式将实时监测数据及时发送到云服务器端。通过数据分析模组进行处理，通过将多元异构的实时监测数据融合得到的实时多元融合指标与边坡健康状态下的监测数据得到的健康参数融合指标进行对比，对边坡的整体稳定性做出判断，得到边坡的健康诊断信息和预警信息，快速做出诸如山体边坡崩塌、滑坡等灾害发生的预警预报，并由嵌入式终端发出短信警告或e-mail警告，更加准确、有效地监测灾情发生。
附图说明
图1为本发明实施例中边坡实时监测与预警系统结构框图；
图2为本发明实施例中边坡实时监测与预警系统应用图一；
图3为本发明实施例中边坡实时监测与预警系统应用图二；
图4为本发明实施例中边坡实时监测与预警方法流程图。
具体实施方式
下面结合实施例并对照附图对本发明作进一步详细说明。
实施例一
一种边坡实时监测与预警系统，参考图1至图4，包括5G/4G无线通信模块、云服务器端、前端感知模组、数据分析模组以及嵌入式终端，所述前端感知模组、数据分析模组以及嵌入式终端分别通过5G/4G无线通信模块与云服务器端连接；所述前端感知模组包括搭载合成孔径雷达的卫星、GNSS设备、裂缝监测模组、倾斜度监测模组、降雨量监测模组以及土壤含水率监测模组，所述前端感知模组用于收集多元感知数据，所述多元感知数据包括InSAR数据、边坡地表位移数据、裂缝宽度数据、边坡倾斜错动数据、土壤湿度数据以及孔隙水压力变化数据；所述数据分析模组用于处理分析所述多元感知数据并得到健康诊断信息和预警信息；所述嵌入式终端用于向用户发送健康诊断信息和预警信息。
具体的，搭载合成孔径雷达(SAR)的卫星为云服务器端提供基于InSAR技术获得的数据，云服务器端根据InSAR数据解算出地表形变后成像，用户根据图像判断存在重大安全隐患的边坡区域并安装GNSS设备等其他监测设备进行重点监测。在本实施例中，基于InSAR技术的边坡监测主要用于确定边坡的宏观发展态势、寻找较危险的边坡区域，因此对监测精度要求不高，可采用欧洲宇航局的哨兵卫星提供的免费InSAR数据。
InSAR技术具有大范围全天候全天时高精度无接触监测地表形变的能力。每景InSAR图像的覆盖范围可达数百甚至上千平方公里，雷达不受光照和天气条件限制具有全天候全天时的工作能力，精确分析可使得形变监测精度达到了厘米级到毫米级，解算出在较大的空间范围上进行地表形变后成像，从而对地表宏观变形的发展态势进行监测和风险超前预判。
云服务器端通过5G/4G网络接收前端感知模组发送的实时监测数据并加以储存、管理，并提供给数据分析模组；传统的InSAR解算算法需要较大数量(至少20景)的起算数据，费用高且不适用于施工区域导致的地面形变监测，本发明在云服务器端解算InSAR数据时采用TCP-InSAR(temporarily coherent point interferometric synthetic apertureradar)算法，最少基于5景初始影像即可解算，其解算费用低且适用于施工区域导致的地面形变监测。
进一步的，GNSS设备包括预设数量的GNSS天线以及信号接收器，GNSS天线与信号接收器连接，GNSS天线用于接收卫星信号，信号接收器用于根据卫星信号解算出三维位置信息，并通过5G/4G无线通信模块传输至云服务器端。
其中，GNSS设备用于建设监测站，GNSS设备支持一机多天线，能够与多根GNSS天线连接，对多个监测点进行位移监测的同时只需要一台信号接收器，大大降低了设备成本，提高了监测点的覆盖密度，具体的，一套GNSS信号接收设备可对半径200米范围内的最多16个监测点同时进行监测。该方案大大降低了成本，提高了监测点的覆盖密度，比传统方案的监测密度最高可提高16倍，将单点监测改进成区间多点监测，最终大大提高滑坡监测预警的有效性和准确性；GNSS设备支持静态、动态及高动态数据处理，最高可达20Hz；为进一步提高测量精度，本系统同时利用一套GNSS设备用于建设基准站，基准站建设在边坡附近的一个固定不动的、精确位置已知的位置，当监测站进行卫星定位时，基准站和监测站同时进行卫星观测得到各自的位置观测值，基准站还将自身的位置观测值与预设置的精确位置发送至监测站，监测站用自身的位置观测值减去基准站的位置观测值后得到监测站相对于基准站的位置增量，再与基准站的精确位置相加便得到了经过误差补偿的自身位置信息，大大提高了定位精度；本GNSS设备支持多星座(GPS/BDS/GLONASS)融合GNSS定位技术，单星座GPS系统能提供7-11颗卫星的信号，多星座融合GNSS系统通常能提供14-20颗卫星的信号，有效提高定位精度、连续性、完整性以及有效性；GNSS天线能同时接收北斗、GPS和GLONASS的信号，信号接收器采用北斗为主、GPS和GLONASS为辅的多星座融合GNSS定位技术对卫星信号进行解算，基于多星座的信号并采用卡尔曼滤波的算法计算各监测点的三维坐标，从而得出最精准的定位数据。
进一步的，裂缝监测模组包含拉线式位移计，拉线式位移计的线头和机身分别安装在裂缝的两侧，用于掌握边(滑)坡区域相关裂缝的变化情况。当裂缝宽度发生变化时，线头与机身的相对距离也随之变化，由此实时感测裂缝的宽度变化；拉线式位移计还包含第一数据存储模块以及第一无线通信模块，实时将裂缝宽度数据通过5G/4G网络发送到云服务器端。
进一步的，倾斜度监测模组包括倾斜计，倾斜计埋入边坡表面的土体中，用于掌握边(滑)坡整体表面位置/或者底部土层的变化及其变化速率(包括平面位移和垂直沉降)，确定边(滑)坡整体位移变形的情况，当边坡发生整体滑动导致坡角发生变化或者当表面土体产生相对滑动时，倾斜计随之产生相对于初始位置的旋转，倾斜计感测旋转的角度，由此反映边坡坡角的变化以及边坡表面土体的相对滑动，倾斜计包含第二数据存储模块以及第二无线通信模块，并实时将测量数据通过5G/4G网络传输到云服务器端。
进一步的，降雨量监测模组包括雨量计，用于掌握边(滑)坡外部的降雨量情况，安装在边坡附近的平地上，雨量计包含第三数据存储模块以及第三无线通信模块，实时将雨量测量数据通过5G/4G网络发送到云服务器端。
进一步的，土壤含水率监测设备包含土壤水分计，用于掌握边(滑)坡内部地下水的分布情况，土壤水分计包含第四数据存储模块以及第四无线通信模块，埋入边坡表面土体中，感测、记录土壤含水率并通过5G/4G网络发送到云服务器端。
进一步的，GNSS设备、裂缝监测模组、倾斜度监测模组、降雨量监测模组以及土壤含水率监测模组均由配套安装的太阳能供电模组供电，以解决野外供电困难、超长电缆维护困难的问题。
进一步的，嵌入式终端为可运行于计算机、平板电脑、手机等电子设备的监测系统，本嵌入式终端采用B/S架构，用户不需要安装特定的客户端软件，使用任意Web浏览器即可登录监测系统，大大降低了用户的使用成本，同时也大大降低了监测软件的安装、维护成本；嵌入式终端包括预警单元，当各个监测指标超过该指标对应的预警值时，触发预警系统，软件界面弹出警告信息，同时向工作人员发送短信警报以及e-mail警报。
本实施例的一种边坡实时监测与预警系统，将基于广域InSAR监测技术与地面实时监测手段相结合，既能对整个边坡的形变、位移做到全面监控，也能对局部较危险的区域进行实时、精确的监测。通过融合InSAR和GNSS在空间分辨率和时间分辨率方面的优势进行强强互补，为边(滑)坡实时测量和事故灾害预警提供有力的技术支撑。
本系统为一综合性的自动化远程监测系统，在实施中，将采用过去两三年的C波段InSAR雷达数据对监测区进行分析，指导地面传感器的布设，同时顾及方案的经济性，传感器将以GNSS监测系统、固定式测斜仪、雨量计和土壤湿度计为主，可对边(滑)坡面地表位移、裂缝变化、坡体倾斜和错动、土壤湿度、孔隙水压力变化等进行连续监测，及时捕捉边(滑)坡形状变化的特征信息，采用多元监测指标，并通过有线或无线方式将监测数据及时发送到监测中心，通过专用的计算机数据分析软件处理，对边坡的整体稳定性做出判断，快速做出诸如山体边坡崩塌、滑坡等灾害发生的预警预报，更加准确、有效地监测灾情发生，大大降低了漏报、误报的可能性，提高了预警的可靠性。其基于智能传感器、无线传输和云服务器端等物联网信息化技术进行系统集成，实现边(滑)监测系统坡无人值守的自动化监测。其自动化程度高，监测设备均实现自动化，数据的采集、传输、管理均由系统执行，大大降低了系统运营期间的人力成本。
实施例二
本实施例基于实施例一的一种边坡实时监测与预警系统提供了一种星地协同的边坡多风险因子联合实时监测与预警方法，参考图，该监测与预警方法包括以下步骤：
S1.获取边坡的实时监测数据和健康参数数据，实时监测数据和健康参数数据包括InSAR数据、边坡地表位移数据、裂缝宽度数据、边坡倾斜错动数据、土壤湿度数据以及孔隙水压力变化数据；
其中，本实施例的实时监测数据由实施例一所述的边坡实时监测与预警系统获取，在其他实施例中，对上述数据获取方式不作限制；健康参数数据为边坡健康状态下的监测数据。
S2.将获取的实时监测数据和健康参数数据经5G/4G无线网络传输至云服务器端，云服务器端对获取的实时监测数据和健康参数数据进行存储、管理并传输至数据分析模组；
S3.由数据分析模组对实时监测数据及健康参数数据进行计算得到多个实时监测指标和健康参数指标；
S4.由数据分析模组将多个实时监测指标和健康参数指标分别进行正则化和概率化处理，采用加权平均理论或贝叶斯理论或D-S证据理论进行融合处理，得到实时多元数据融合指标和健康参数融合指标。
具体的，该步骤对各实时监测指标经过正则化以及概率化进行预处理，后可选用三种不同的指标融合手段，对得到的实时监测数据进行融合得到融合指标；
采用贝叶斯理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{B1 B2 … Bm}；并通过如下公式进行：
Figure BDA0003118135330000131
其中，P(Aj)为先验概率，即发生Aj滑坡事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标。
采用D-S证据理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{m1 m2 … mm}，并通过如下公式进行：
Figure BDA0003118135330000132
其中，mj(Ai)为第j个指标对于第i种滑坡情况的判定，K是基于D-S证据理论获得的多元数据融合指标。
采用加权平均理论进行融合处理时，通过如下公式进行：
Figure BDA0003118135330000141
其中，Di是第i个指标，
Figure BDA0003118135330000142
是基于加权平均理论获得的融合指标，Wi为第i个指标的权重系数，其取值使得各个指标间的方差最小；并通过最小二乘法进行求解，获得所述多元数据融合指标。
健康参数融合指标同样采用上述方法。
S5.数据分析模组将实时监测指标和健康参数指标比对，将实时多元数据融合指标和健康参数融合指标比对，并得到健康诊断信息和预警信息；
S6.数据分析模组将实时监测指标、健康参数指标、健康诊断信息以及预警信息中的一种或多种经5G/4G无线网络传输至云服务器端，云服务器端将实时监测指标、健康参数指标、健康诊断信息以及预警信息中的一种或多种传输至嵌入式终端。
本实施例的一种星地协同的边坡多风险因子联合实时监测与预警方法，同时对边坡面地表位移、深部位移、裂缝变化、坡体倾斜和错动、土壤湿度、孔隙水压力变化等进行连续监测，及时捕捉边坡形状变化的特征信息，并通过有线或无线方式将实时监测数据及时发送到云服务器端。通过数据分析模组进行处理，通过将多元异构的实时监测数据融合得到的实时多元融合指标与边坡健康状态下的监测数据得到的健康参数融合指标进行对比，对边坡的整体稳定性做出判断，得到边坡的健康诊断信息和预警信息，快速做出诸如山体边坡崩塌、滑坡等灾害发生的预警预报，并由嵌入式终端发出短信警告或e-mail警告，更加准确、有效地监测灾情发生。
以上是对本发明一种边坡实时监测与预警系统进行的阐述，用于帮助理解本发明，但本发明的实施方式并不受上述实施例的限制，任何未背离本发明原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，包括前端感知模组、云服务器端和数据分析模组，所述方法包括以下步骤：
获取边坡的实时监测数据和健康参数数据，实时监测数据和健康参数数据包括InSAR数据、边坡地表位移数据、裂缝宽度数据、边坡倾斜错动数据、土壤湿度数据以及孔隙水压力变化数据；
将获取的实时监测数据和健康参数数据经5G/4G无线网络传输至云服务器端，云服务器端对获取的实时监测数据和健康参数数据进行存储、管理并传输至数据分析模组；
由数据分析模组对实时监测数据及健康参数数据进行计算得到多个实时监测指标和健康参数指标；
由数据分析模组将多个实时监测指标和健康参数指标分别进行正则化和概率化处理，采用贝叶斯理论或D-S证据理论或加权平均理论进行融合处理，得到实时多元数据融合指标和健康参数融合指标；
将实时多元数据融合指标和健康参数融合指标比对，并得到健康诊断信息和预警信息。
2.根据权利要求1所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，数据分析模组将实时监测指标与健康参数指标比对，并得到健康诊断信息和预警信息之后，所述方法还包括以下步骤：
所述数据分析模组将所述预警信息经5G/4G无线网络传输至云服务器端，云服务器端将预警信息传输至嵌入式终端。
3.根据权利要求2所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，所述嵌入式终端采用B/S架构。
4.根据权利要求2所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，所述嵌入式终端包括预警单元，当所述实时监测指标超过预设值，发出警告信息。
5.根据权利要求1所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，采用贝叶斯理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{B1 B2 … Bm}；并通过如下公式进行：
Figure FDA0003513863210000021
其中，P(Aj)为先验概率，即发生Aj滑坡事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标。
6.根据权利要求1所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，采用D-S证据理论进行融合处理时，设多种滑坡灾害工况集合为{A1 A2 … An}，多种实时监测指标为{m1 m2 … mm}，并通过如下公式进行：
Figure FDA0003513863210000022
其中，mj(Ai)为第j个指标对于第i种滑坡情况的判定，K是基于D-S证据理论获得的多元数据融合指标。
7.根据权利要求1所述一种星地协同的边坡多风险因子联合实时监测与预警方法，其特征在于，采用加权平均理论进行融合处理时，通过如下公式进行：
Figure FDA0003513863210000031
其中，Di是第i个指标，
Figure FDA0003513863210000032
是基于加权平均理论获得的融合指标，Wi为第i个指标的权重系数，其取值使得各个指标间的方差最小；并通过最小二乘法进行求解，获得所述多元数据融合指标。
CN202110669028.4A 2021-06-16 2021-06-16 一种星地协同的边坡多风险因子联合实时监测与预警方法 Active CN113421404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110669028.4A CN113421404B (zh) 2021-06-16 2021-06-16 一种星地协同的边坡多风险因子联合实时监测与预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110669028.4A CN113421404B (zh) 2021-06-16 2021-06-16 一种星地协同的边坡多风险因子联合实时监测与预警方法

Publications (2)

Publication Number Publication Date
CN113421404A CN113421404A (zh) 2021-09-21
CN113421404B true CN113421404B (zh) 2022-04-15

Family

ID=77788715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110669028.4A Active CN113421404B (zh) 2021-06-16 2021-06-16 一种星地协同的边坡多风险因子联合实时监测与预警方法

Country Status (1)

Country Link
CN (1) CN113421404B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353876A (zh) * 2022-01-07 2022-04-15 兰州大学 一种黄土公路边坡健康监测方法
CN114582095A (zh) * 2022-03-16 2022-06-03 浙江电力建设工程咨询有限公司 远程边坡安全监测数据采集装置及数据分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008140563A3 (en) * 2006-11-07 2009-01-15 Harris Corp Multilayered configurable data fusion systems and methods for power and bandwidth efficient sensor networks
CN206497550U (zh) * 2017-01-23 2017-09-15 西安工程大学 基于多传感器信息融合的山体滑坡智能监测预报系统
CN108332649A (zh) * 2018-02-07 2018-07-27 桂林电子科技大学 一种滑坡形变综合预警方法及系统
CN212483880U (zh) * 2020-07-31 2021-02-05 景麒实业(湖南)有限公司 Gnss与陀螺仪融合的高精度地质灾害监测系统
CN112581725A (zh) * 2020-12-08 2021-03-30 重庆邮电大学 一种基于NBIOT与LoRa双模通信的山体滑坡预警监测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008140563A3 (en) * 2006-11-07 2009-01-15 Harris Corp Multilayered configurable data fusion systems and methods for power and bandwidth efficient sensor networks
CN206497550U (zh) * 2017-01-23 2017-09-15 西安工程大学 基于多传感器信息融合的山体滑坡智能监测预报系统
CN108332649A (zh) * 2018-02-07 2018-07-27 桂林电子科技大学 一种滑坡形变综合预警方法及系统
CN212483880U (zh) * 2020-07-31 2021-02-05 景麒实业(湖南)有限公司 Gnss与陀螺仪融合的高精度地质灾害监测系统
CN112581725A (zh) * 2020-12-08 2021-03-30 重庆邮电大学 一种基于NBIOT与LoRa双模通信的山体滑坡预警监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Kalman滤波数据融合技术的滑坡变形分析与预测;刘超云等;《中国地质灾害与防治学报》;20151215(第04期);30-35页 *
带有先验约束信息边坡变形监测滤波算法;左廷英等;《湖南大学学报(自然科学版)》;20110225(第02期) *

Also Published As

Publication number Publication date
CN113421404A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN215006896U (zh) 一种星地协同的边坡多风险因子联合实时监测与预警系统
CN103234519B (zh) 一种基于gps和静力水准测量的地面沉降监测预警系统
KR101788104B1 (ko) 극한 강우를 고려한 실시간 산사태 예보 및 경보 시스템 및 방법
Smethurst et al. Current and future role of instrumentation and monitoring in the performance of transport infrastructure slopes
CN111880206A (zh) 一种基于卫星定位技术的边坡变形监测系统
KR102124546B1 (ko) 비탈면 경보 장치와 연동된 낙석과 토석 대책 시설의 관리 및 경보 시스템 및 방법
CN113421404B (zh) 一种星地协同的边坡多风险因子联合实时监测与预警方法
CN111445670A (zh) 地质灾害预警系统及方法
CN106023530A (zh) 一种暴雨型稀性泥石流监测预报预警装置及方法
CN208027544U (zh) 滑坡监测预警系统
CN112738754B (zh) 一种基于边缘计算的山洪灾害预警监测系统
CN106971510A (zh) 一种双模式山洪预警控制系统及方法
CN113112759A (zh) 一种基于北斗的地质灾害监测北斗预警报警系统及其方法
Mihalić Arbanas et al. Application of innovative technologies in landslide research in the area of the City of Zagreb (Croatia, Europe)
Ramesh Wireless sensor network for disaster monitoring
CN111981967A (zh) 一种滑坡深部位移远程可视化监测系统
EP3329212A1 (en) System and method for detecting ground position changes
Eberhardt et al. Improving the interpretation of slope monitoring and early warning data through better understanding of complex deep-seated landslide failure mechanisms
CN114743351A (zh) 一种危岩体群失稳预警监测系统
CN112750280B (zh) 一种复合式地质灾害专业监测预警方法和装置
CN111679315B (zh) 基于土壤氡地震前兆异常识别及地震预测方法
CN116050837A (zh) 一种面向尾矿库多元灾害的综合监测预警和安全评估方案
CN114374716A (zh) 地质灾害远程监测系统及其监测方法
CN113053065B (zh) 基于5g和北斗导航系统的高速公路综合监测预警平台系统及其使用方法
Hloupis et al. Low-cost warning system for the monitoring of the Corinth Canal

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