CN114863645B - 一种地质灾害监测预警方法及系统 - Google Patents

Abstract

本发明公开了一种地质灾害监测预警方法及系统，包括：建立滑坡模型；在滑坡模型设置第二监测点组；对滑坡模型加载至滑坡体失稳，并记录第二数据组；形成时程数据组；以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；将第一监测点组监测到的数据作为第一数据组，并将第一数据组输入预警模型对目标滑坡进行监测预警。本发明通过对滑坡的建模分析，采用深度学习的方式对滑坡体预设时长后的情况进行预测，可以在滑坡失稳之前争取充足的应对时间，无论是进行加固还是疏散等方案都可以有效实现，降低了地质灾害带来的风险。

Description

一种地质灾害监测预警方法及系统

技术领域

本发明涉及地质灾害分析技术，具体涉及一种地质灾害监测预警方法及系统。

背景技术

地震、滑坡和泥石流等自然灾害是威胁人类人身安全和财产安全的最直接危害因素，其中滑坡是最为常见的地质灾害。滑坡是指斜坡上的岩土体在地震、河流冲刷或者地下水活动等因素的作用下，沿着斜坡的软弱部分，按照整体或者分散的形式沿着滑坡向下滑动。

目前依托于物联网的滑坡监测技术已经非常成熟，对于滑坡体的监测主要围绕相对位移、土压力、含水率等多个方面进行，如果这些参数出现突然的大幅变化，说明滑坡体存在失稳的风险。但是如果参数超限再执行加固和疏散措施，时限会非常紧张，容易造成人民生命财产损失。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种地质灾害监测预警方法及系统。

第一方面，本申请实施例提供了一种地质灾害监测预警方法，包括：

根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；

在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警。

在科学实践中，发明人发现在进行滑坡体的检测中，发现滑坡相关的参数超限时，实际上滑坡体已经失稳，此时甚至难以进行滑坡的加固工作，只能引导疏散和做相关区域的封禁工作，如果想预留出进行滑坡体加固等应急措施的时间非常困难。

本申请实施例实施时，可以根据滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型，应当理解的是，本申请实施例中的滑坡模型采用现有技术中可以用来进行力学分析的数值模型即可，如有限元模型等技术。虽然通过数值模型进行滑坡体分析在现有技术中已经非常普遍了，但是对于滑坡面的模拟一直是非常困难的，所以在本申请实施例中通过带阻尼的可滑动面来模拟滑坡面，应当理解的是本申请中所述的阻尼可以在可滑动面上不均匀的分布，可以根据本领域技术人员的需求进行设置。通过这样的方式便于后续计算对阻尼修正来达到最佳的计算结果。

在本申请实施例中，需要在滑坡模型上设置与目标滑坡上监测点组位置和监测内容相同的监测点组作为第二监测点组，以进行数据的输入和输出；应当理解的是每个第二监测点组可以监测相同的数据，也可以监测不同的数据，可以根据实际情况进行设置，本申请实施例在此不多做限定。

在本申请实施例中，为了模拟目标滑坡的失稳状况，需要对滑坡模型进行加载；应当理解的是本申请实施例中提到的加载是广义的加载，可以采用地下水位调整、施加动荷载、改变本构参数等不同的方式进行加载。记录的第二数据组是在加载时程下监测到的数据，所以可以很方便的形成时程数据组。在本申请实施例中时程数据组表征了滑坡体在失稳过程中，不同位置监测到数据的时程变化。而由于上述第二数据组之间的关联性过于复杂，通过普通的拟合方式是难以进行后续数据预测的，所以本申请实施例采用了深度学习的方式进行模型的生成。具体的，以所述样本库训练神经网络模型，并以滑坡体失稳作为约束条件，就可以生成预警模型，其中滑坡体失稳可以选用样本库中部分或全部数据的阈值，也可以选用其他可以通过数据表征的参数。预警模型生成后，由于样本库实际上是基于时程分析的样本库，所以可以在将时间延伸后输出预测的数据，并根据所述约束条件判断滑坡体失稳情况。在本申请实施例中提到的预设时长可以为预留给滑坡体加固的时间，也可以选用其他事项所需求的时间。当第一监测点组监测到数据时，就可以通过预警模型进行所述预设时长后目标滑坡状况的预测，从而可以及时采取相应的应对措施。本申请实施例通过对滑坡的建模分析，采用深度学习的方式对滑坡体预设时长后的情况进行预测，可以在滑坡失稳之前争取充足的应对时间，无论是进行加固还是疏散等方案都可以有效实现，降低了地质灾害带来的风险。

在一种可能的实现方式中，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

在一种可能的实现方式中，还包括：

将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

在一种可能的实现方式中，还包括：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

在一种可能的实现方式中，将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动包括：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

第二方面，本申请实施例提供了一种地质灾害监测预警系统，包括：

建模单元，被配置为根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；所述建模单元，还被配置为在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

加载单元，被配置为对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

分析单元，被配置为建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

训练单元，被配置为获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

预警单元，被配置为将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警。

在一种可能的实现方式中，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

在一种可能的实现方式中，还包括修正单元，被配置为：

将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

在一种可能的实现方式中，所述训练单元还被配置为：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

在一种可能的实现方式中，所述修正单元，还被配置为：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明一种地质灾害监测预警方法及系统，通过对滑坡的建模分析，采用深度学习的方式对滑坡体预设时长后的情况进行预测，可以在滑坡失稳之前争取充足的应对时间，无论是进行加固还是疏散等方案都可以有效实现，降低了地质灾害带来的风险。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本申请实施例方法步骤示意图；

图2为本申请实施例系统架构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。

另外，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

请结合参阅图1，为本发明实施例所提供的一种地质灾害监测预警方法的流程示意图，所述一种地质灾害监测预警方法可以应用于图2中的一种地质灾害监测预警系统，进一步地，所述一种地质灾害监测预警方法具体可以包括以下步骤S1-步骤S6所描述的内容。

S1：根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；

S2：在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

S3：对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

S4：建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

S5：获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

S6：将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警。

在科学实践中，发明人发现在进行滑坡体的检测中，发现滑坡相关的参数超限时，实际上滑坡体已经失稳，此时甚至难以进行滑坡的加固工作，只能引导疏散和做相关区域的封禁工作，如果想预留出进行滑坡体加固等应急措施的时间非常困难。

本申请实施例实施时，可以根据滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型，应当理解的是，本申请实施例中的滑坡模型采用现有技术中可以用来进行力学分析的数值模型即可，如有限元模型等技术。虽然通过数值模型进行滑坡体分析在现有技术中已经非常普遍了，但是对于滑坡面的模拟一直是非常困难的，所以在本申请实施例中通过带阻尼的可滑动面来模拟滑坡面，应当理解的是本申请中所述的阻尼可以在可滑动面上不均匀的分布，可以根据本领域技术人员的需求进行设置。通过这样的方式便于后续计算对阻尼修正来达到最佳的计算结果。

在本申请实施例中，需要在滑坡模型上设置与目标滑坡上监测点组位置和监测内容相同的监测点组作为第二监测点组，以进行数据的输入和输出；应当理解的是每个第二监测点组可以监测相同的数据，也可以监测不同的数据，可以根据实际情况进行设置，本申请实施例在此不多做限定。

在本申请实施例中，为了模拟目标滑坡的失稳状况，需要对滑坡模型进行加载；应当理解的是本申请实施例中提到的加载是广义的加载，可以采用地下水位调整、施加动荷载、改变本构参数等不同的方式进行加载。记录的第二数据组是在加载时程下监测到的数据，所以可以很方便的形成时程数据组。在本申请实施例中时程数据组表征了滑坡体在失稳过程中，不同位置监测到数据的时程变化。而由于上述第二数据组之间的关联性过于复杂，通过普通的拟合方式是难以进行后续数据预测的，所以本申请实施例采用了深度学习的方式进行模型的生成。具体的，以所述样本库训练神经网络模型，并以滑坡体失稳作为约束条件，就可以生成预警模型，其中滑坡体失稳可以选用样本库中部分或全部数据的阈值，也可以选用其他可以通过数据表征的参数。预警模型生成后，由于样本库实际上是基于时程分析的样本库，所以可以在将时间延伸后输出预测的数据，并根据所述约束条件判断滑坡体失稳情况。在本申请实施例中提到的预设时长可以为预留给滑坡体加固的时间，也可以选用其他事项所需求的时间。当第一监测点组监测到数据时，就可以通过预警模型进行所述预设时长后目标滑坡状况的预测，从而可以及时采取相应的应对措施。本申请实施例通过对滑坡的建模分析，采用深度学习的方式对滑坡体预设时长后的情况进行预测，可以在滑坡失稳之前争取充足的应对时间，无论是进行加固还是疏散等方案都可以有效实现，降低了地质灾害带来的风险。

在一种可能的实现方式中，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

在一种可能的实现方式中，还包括：

将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

本申请实施例实施时，发明人在实践中发现，实际上由于采用了阻尼作为滑动面的约束条件，而这个阻尼实际是虚拟值，滑坡面上的情况非常复杂，而且随着自然条件的变化，滑坡面上的情况也在随之变化；所以在本申请实施例中，通过实际数据对滑坡模型进行修正。

具体的，进行修正时将第一数据组进行时程分析后形成第三数据组，并以第三数据组作为动荷载加载在滑坡模型上，相当于对滑坡模型进行反演计算；将所述阻尼作为因变量进行数值迭代直至阻尼值收敛，此时取均值作为新的阻尼值修正滑坡模型，既可以让滑坡模型更接近真实数据，也可以对变化后的滑坡情况进行准确模拟。

在一种可能的实现方式中，还包括：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

本申请实施例实施时，可以采用与上述实施例相同的方式进行新的预警模型的训练，由于样本已经处理过，所以训练速度非常快，不影响后续预警。

在一种可能的实现方式中，将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动包括：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

本申请实施例实施时，为了便于将第三数据组进行加载，可以采用现有技术中的荷载谱加载方案，即将第三数据组处理成为荷载谱进行动荷载加载，其计算方案更加成熟，适于推广。

基于同样的发明构思，请参阅图2，还提供了一种地质灾害监测预警系统，所述系统包括：

建模单元，被配置为根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；所述建模单元，还被配置为在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

加载单元，被配置为对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

分析单元，被配置为建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

训练单元，被配置为获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

预警单元，被配置为将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警。

在一种可能的实现方式中，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

在一种可能的实现方式中，还包括修正单元，被配置为：

将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

在一种可能的实现方式中，所述训练单元还被配置为：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

在一种可能的实现方式中，所述修正单元，还被配置为：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显然本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网格设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种地质灾害监测预警方法，其特征在于，包括：

根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；滑坡模型采用有限元模型；

在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警；

还包括：

自然条件的变化时，将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

2.根据权利要求1所述的一种地质灾害监测预警方法，其特征在于，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

3.根据权利要求1所述的一种地质灾害监测预警方法，其特征在于，还包括：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

4.根据权利要求1所述的一种地质灾害监测预警方法，其特征在于，将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动包括：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

5.使用权利要求1~4任意一项所述的一种地质灾害监测预警方法的系统，其特征在于，包括：

建模单元，被配置为根据目标滑坡的滑坡体数据、滑坡面数据和滑坡后壁数据建立滑坡模型；所述建模单元，还被配置为在所述滑坡模型设置多个对应于第一监测点组的第二监测点组，并将所述滑坡模型中的滑坡面作为带阻尼的可滑动面；所述第一监测点组为所述目标滑坡上布置的监测点组；

加载单元，被配置为对所述滑坡模型加载至滑坡体失稳，并记录加载时程下所述第二监测点组监测到的数据作为第二数据组；

分析单元，被配置为建立所述第二数据组和所述加载时程中时刻的对应关系形成时程数据组；

训练单元，被配置为获取多种不同加载参数下的时程数据组作为样本库，并以滑坡体失稳作为约束条件训练神经网络模型生成预警模型；所述预警模型的输入数据为监测点组监测到的数据，所述预警模型的输出数据为预设时长后滑坡体是否失稳；

预警单元，被配置为将所述第一监测点组监测到的数据作为第一数据组，并将所述第一数据组输入所述预警模型对所述目标滑坡进行监测预警。

6.根据权利要求5所述的一种地质灾害监测预警系统，其特征在于，所述第一监测点组和所述第二监测点组均包括至少一个设置于滑坡体顶部的表面位移监测点、至少一个设置于滑坡体下部的土压力监测点和多个综合监测点；所述综合监测点监测深部位移、地下水位和土壤含水率中的至少一种。

7.根据权利要求5所述的一种地质灾害监测预警系统，其特征在于，还包括修正单元，被配置为：

将所述第一数据组进行时程分析，获取第三数据组；所述第三数据组为所述第一数据组中位移数据沿时间的分布；

放宽所述滑坡模型滑坡面的阻尼的约束，并将所述第三数据组作为动荷载加载于所述滑坡模型中对所述滑坡模型中的滑坡体进行强制运动，同时获取所述滑坡面的阻尼变化；

当所述阻尼变化收敛于预设区间时，获取所述阻尼变化的均值作为阻尼修正数据，并将所述阻尼修正数据赋值于所述滑坡模型的可滑动面的阻尼完成所述滑坡模型的修正。

8.根据权利要求7所述的一种地质灾害监测预警系统，其特征在于，所述训练单元还被配置为：

根据修正后的滑坡模型的计算结果进行深度学习生成新的预警模型。

9.根据权利要求7所述的一种地质灾害监测预警系统，其特征在于，所述修正单元，还被配置为：

处理所述第三数据组形成对应多个所述第二监测点组的荷载谱，并将所述荷载谱加载于对应的所述第二监测点组处。

Images