CN114944048A - 一种山洪监测与预警系统及方法 - Google Patents

一种山洪监测与预警系统及方法 Download PDF

Info

Publication number
CN114944048A
CN114944048A CN202210515887.2A CN202210515887A CN114944048A CN 114944048 A CN114944048 A CN 114944048A CN 202210515887 A CN202210515887 A CN 202210515887A CN 114944048 A CN114944048 A CN 114944048A
Authority
CN
China
Prior art keywords
monitoring
fog
early warning
monitoring data
layer
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.)
Pending
Application number
CN202210515887.2A
Other languages
English (en)
Inventor
张凤
龚茂林
陈博恩
洪凉丽
谭思文
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.)
State Grid Sichuan Electric Power Co Ltd
Original Assignee
State Grid Sichuan Electric Power Co Ltd
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 State Grid Sichuan Electric Power Co Ltd filed Critical State Grid Sichuan Electric Power Co Ltd
Priority to CN202210515887.2A priority Critical patent/CN114944048A/zh
Publication of CN114944048A publication Critical patent/CN114944048A/zh
Pending legal-status Critical Current

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
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及灾害预警领域，特别是一种山洪监测与预警系统及方法。本发明在基于传统Lora组网技术基础上，加入NB‑IOT技术，使原“端‑云”网络变为“云‑雾‑端”智能传感网络；通过所述云层的云计算和所述雾层的雾计算实现系统的统一维护和管理，减轻所述云层的运算压力，减少数据吞吐量，解决基层机房、网络、系统的运维问题，降低基层的运维压力，增加了与底端的终端设备层的交互能力，减小了通讯盲区，也减轻了工作人员的工作负担，提高了监控系统的实时效率，也极大的提高了数据监测的实时性与准确率。

Description

一种山洪监测与预警系统及方法
技术领域
本发明涉及灾害预警领域，特别是一种山洪监测与预警系统及方法。
背景技术
目前，传统地质灾害监测是通过数据监测平台采集相关地质数据后，利用地面通信基站传输数据，再集中进行分析处理。采用的传输方式包括nRF、ZigBee、GSM、GPRS、4G，因此，为了实现核基地范围内地质灾害监测数据的高效、稳定传输，需要建立许多较大型的通信基站，而我国多数省核基地独特的地质地理环境(强震、地形复杂、汛期降水丰沛、植被茂密)，使得修建大型通信基站成本飙升，且传统地质灾害监测预警系统在数据传输方面存在通信盲区、丢包严重、保密性不高以及运算效率低下等共性技术难题。
所以如今需要一种能够减少通讯盲区，数据传输更加安全准确，处理效率更加高效的山洪监测与预警系统及方法。
发明内容
本发明的目的在于克服现有技术中所存在的上述不足，提供一种山洪监测与预警系统及方法。
为了实现上述发明目的，本发明提供了以下技术方案：
一种山洪监测与预警系统，包括云层、雾层以及终端设备层，所述云层、所述雾层以及所述终端设备层通过NB-IoT网络通信连接；
所述终端设备层由若干监测设备组成；所述监测设备用于采集监测数据，并在预处理后上传到所述雾层；
所述雾层由若干雾单元组成；所述雾单元包括雾节点、雾服务器以及雾网关；每个所述雾节点与若干所述监测设备通讯连接，用于接收所述检测设备上传的监测数据；所述雾服务器用于对所述监测数据进行第一运算，并将第一运算结果以及所述监测数据通过所述雾网关上传到所述云层；
所述云层包括若干云服务器，用于接收所述雾层上传的第一运算结果以及所述监测数据，对所述监测数据进行第二运算和存储，并将所述雾层的第一运算结果以及所述云层的第二运算结果发送到工作人员处。本发明在基于传统Lora组网技术基础上，加入NB-IOT技术，使原“端-云”网络变为“云-雾-端”智能传感网络；通过所述云层的云计算和所述雾层的雾计算实现系统的统一维护和管理，减轻所述云层的运算压力，减少数据吞吐量，解决基层机房、网络、系统的运维问题，降低基层的运维压力，增加了与底端的终端设备层的交互能力，减小了通讯盲区；所述终端设备层的所述监测设备在收到监测命令后，实时采集各个位置的监测数据，并实时回传至所述雾层。多个监测设备终端节点通过“云-雾-端”智能传感网络“多对一”链路将监测数据信息及传至云服务器以及雾服务器进行运算，并将运算结果反馈至工作人员进行预警，从而减轻了工作人员的工作负担，提高了监控系统的实时效率，也极大的提高了数据监测的实时性与准确率。
作为本发明的优选方案，所述系统包括正常供电模式以及低功耗供电模式；
所述正常供电模式应用于灾害易发期，采用预设的高采样频次进行实时监测；
所述低功耗供电模式应用于灾害低发期，采用预设的低采样频次进行监测。本发明采用“1系统2体系”供能模式，在易发灾期时提高采集频次，即正常供电模式；在低发期时降低采集频次，即进入低功耗供电模式；从而在保证了监测效果的同时，延长了本系统各组成部分的供能寿命。
作为本发明的优选方案，所述雾节点包括固定雾节点和便携式雾节点预警包；所述固定雾节点以及所述便携式雾节点预警包根据监测范围均匀设置在待监测位置。本发明通过固定雾节点和便携式雾节点预警包的组合设置，即在便于安装的位置以及重点位置设置固定雾节点，在难以安装设置的位置以及需要临时监测的位置设置便携式山洪预警包；从而解决了传统固定监测平台在山洪灾害区实地考察时的不方便，不便捷问题，也极大的减少了通讯和监测盲区，增大了山洪预警的监测范围和准确度。
作为本发明的优选方案，所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置。
一种山洪监测与预警系统山洪监测与预警方法，所述方法基于以上任一所述的一种山洪监测与预警系统，包括以下步骤：
S1：所述监测设备采集监测数据，对所述监测数据进行预处理后上传到对应的所述雾节点；所述预处理包括数据分类，输出简单监测数据以及复杂监测数据；
S2：所述雾节点将所述简单监测数据发送到所述雾服务器进行处理，并输出运算结果；
S3：将所述简单监测数据的运算结果以及所述复杂监测数据发送到所述云层；
S4：通过所述云服务器对所述复杂监测数据进行处理，并输出运算结果；
S5：将所述简单监测数据以及所述复杂监测数据的运算结果发送至工作人员，并在所述云服务器进行存储；
其中，所述雾服务器以及所述云服务器内置有山洪等级预警模型；所述山洪等级预警模型包括以下运行步骤：
S01：根据所述监测数据设置所述模型的评价因素；
S02：根据层次分析法，生成每个所述评价因素的权重；
S03：输入待分析区域采集的监测数据，根据每个所述评价因素的权重生成所述待分析区域的综合评价值；
S04：根据所述综合评价值，输出所述待分析区域的预警等级；所述预警等级包括Ⅰ级-极有可能发生灾害；Ⅱ级-可能形成灾害；Ⅲ级-形成灾害可能性小；Ⅳ级-不会形成灾害。本发明通过NB-IOT技术，将原“端-云”网络升级为“云-雾-端”智能传感网络；通过所述雾层的雾计算来对简单监测数据进行分析处理，减少了云层云服务器的运算压力，进而也有效的提高了整体的监测预警效率。同时，通过所述山洪等级预警模型有效的实现了对山洪灾害的准确预警评判，根据所述监测数据生成预警等级，极大的提高了数据监测的实时性与准确率，同时也有效减轻了工作人员的工作负担，提高了监控系统的实时效率。
作为本发明的优选方案，所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置；所述评价因素包括雨量、水位、土壤湿度、土壤温度以及采集位置。
作为本发明的优选方案，所述步骤S02包括：
S021：根据所述评价因素建立元素标度表；
S022：依据所述元素标度表建立矩阵，并计算所述矩阵最大特征值的特征向量；
S023：根据所述特征向量对所述矩阵进行一致性检验，当所述矩阵随机一致性的比率小于0.1时，输出当前特征向量作为所述评价因素的权重；否则进入步骤S022。
作为本发明的优选方案，当所述监测数据所需的数据存储容量或所需迭代次数超过预设阈值时，判定所述监测数据为复杂监测数据；否则为简单监测数据。
作为本发明的优选方案，所述步骤S03的所述综合评价值采用模糊综合评价法计算。
作为本发明的优选方案，所述预警等级根据降雨量等级标准进行制定；其中，暴雨、大暴雨以及特大暴雨为Ⅰ级；大雨为Ⅱ级；中雨为Ⅲ级；小雨为Ⅳ级。
与现有技术相比，本发明的有益效果：
1.本发明在基于传统Lora组网技术基础上，加入NB-IOT技术，使原“端-云”网络变为“云-雾-端”智能传感网络；通过所述云层的云计算和所述雾层的雾计算实现系统的统一维护和管理，减轻所述云层的运算压力，减少数据吞吐量，解决基层机房、网络、系统的运维问题，降低基层的运维压力，增加了与底端的终端设备层的交互能力，减小了通讯盲区；所述终端设备层的所述监测设备在收到监测命令后，实时采集各个位置的监测数据，并实时回传至所述雾层。多个监测设备终端节点通过“云-雾-端”智能传感网络“多对一”链路将监测数据信息及传至云服务器以及雾服务器进行运算，并将运算结果反馈至工作人员进行预警，从而减轻了工作人员的工作负担，提高了监控系统的实时效率，也极大的提高了数据监测的实时性与准确率。
2.本发明采用“1系统2体系”供能模式，在易发灾期时提高采集频次，即正常供电模式；在低发期时降低采集频次，即进入低功耗供电模式；从而在保证了监测效果的同时，延长了本系统各组成部分的供能寿命。
3.本发明通过固定雾节点和便携式雾节点预警包的组合设置，即在便于安装的位置以及重点位置设置固定雾节点，在难以安装设置的位置以及需要临时监测的位置设置便携式山洪预警包；从而解决了传统固定监测平台在山洪灾害区实地考察时的不方便，不便捷问题，也极大的减少了通讯和监测盲区，增大了山洪预警的监测范围和准确度。
4.本发明通过NB-IOT技术，将原“端-云”网络升级为“云-雾-端”智能传感网络；通过所述雾层的雾计算来对简单监测数据进行分析处理，减少了云层云服务器的运算压力，进而也有效的提高了整体的监测预警效率。同时，通过所述山洪等级预警模型有效的实现了对山洪灾害的准确预警评判，根据所述监测数据生成预警等级，极大的提高了数据监测的实时性与准确率，同时也有效减轻了工作人员的工作负担，提高了监控系统的实时效率。
附图说明
图1为本发明实施例1所述的一种山洪监测与预警系统的结构示意图；
图2为本发明实施例4所述的一种山洪监测与预警方法的流程示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
本发明所用算法简述：
模糊综合评价法：
主要是对被评价事物的影响因素进行确定，然后再对各个因素进行权重分析，分配给各个因素不同的权重，获得评价矩阵，通过对权重的验证，验证通过得出的权重就是当前各个参数对最终结果的影响程度，算法中主要包含了以下参数：
(1)因素(F)：是指对事物结果造成影响的各种事件或者内容(例如在本设计中的水位、雨量、土壤温湿度等都是因素)。在评价的过程中，如果因素数量非常多，可以为了方便给不同的因素分配权重，可以将所有的因素进行分类并进行分层，第一次分类的因素成为第一评价因素(F1)。然后将第一评价因素再次细分后，其内部因素成为第二评价因素(F2)，以此类推，每一级都需要进行权重的分配。
(2)参数因素值(FV)：就是指每一个因素的具体数值，在本次设计中就是降雨量的大小、土壤温湿度等，例如土壤温度值为25，则25就是参数因素值。
(3)评价值(E)：就是指对一个事物的评价参数，按照不同的分制通常1分制最高为1，百分制最高为100，根据不同因素对最终结果影响的不同，产生的评价值就不同，评价值大于等于零，小于等于1，即0≤E≤1(或者0≤E≤100>。
(4)权重(w)：权重作为模糊评价的主要参数，是指某一个因素对结果造成影响的程度，由于因素可能存在分级，那么需要给每一级因素进行权重的分配，并且每一级权重之和都为1。
(5)加权平均值(EPW)：简单描述就是平均值乘以权重再求和，也就是平均值的加权。即：EPW＝EP*w；
(6)综合评价值(EZ)：这个是最后评价出来的结果值，是每一级的加权平均值的总和，评价因素分层后，那么每一层的评价由下一层的综合评价值对应。
层次分析法：
需要通过以下几个步骤进行构建，首先将所有的元素进行整理分类，然后把分类后的元素建构造矩阵。再次对措施层的元素先进行矩阵构造，依次向上对每一层的矩阵进行一致性检验，如果不符合要求需要就重新构建矩阵，最终得出整体的一个判断矩阵。该综合算法主要以时间作为因变量，通过对过去事物发展的规律来对未来发生的事物做出相应的预测。
实施例1
如图1所示，一种山洪监测与预警系统，在传统山洪监测系统基础上，搭建使用了“云雾端”技术模式，建立山洪灾害防治的“云雾端”三层网络；从而极大的提高了数据监测的实时性与准确率。所述系统包括云层、雾层以及终端设备层，所述云层、所述雾层以及所述终端设备层通过NB-IoT网络通信连接。
所述终端设备层为山洪监测与预警系统的最底层，由不同的监测设备所构成。山洪监测与预警系统在运行过程中会产生海量的数据和复杂任务，所述终端设备层利用自身的资源能实现简单任务的本地处理，但由于本身运算力有限，无法完成复杂任务的实时处理以及海量数据的存储，于是实时将需要处理的数据以及任务上传到雾层；将高度复杂的任务和永久存储的数据上传到云层。即所述监测设备用于采集监测数据，并在预处理后上传到所述雾层；所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置。
所述雾层是雾计算架构的核心，位于终端设备层与云层之间，由若干雾单元组合而成，雾层的本质是终端设备与云之间的中间件。所述雾单元包括雾节点、雾服务器以及雾网关；每个所述雾节点与若干所述监测设备通讯连接，用于接收所述检测设备上传的监测数据；所述雾服务器用于对所述监测数据进行第一运算，并将第一运算结果以及所述监测数据通过所述雾网关上传到所述云层。
所述云层位于雾计算架构的最上层，由高性能服务器集群组成，为海量制造数据提供充足的存储空间，以及为制造相关任务提供高性能的计算服务。所述云层包括若干云服务器，所述云服务器用于接收所述雾层上传的第一运算结果以及所述监测数据，对所述监测数据进行第二运算和存储，并将所述雾层的第一运算结果以及所述云层的第二运算结果发送到工作人员处。
实施例2
本实施例与实施例1的区别在于，所述雾节点包括固定雾节点和便携式雾节点预警包。所述固定雾节点以及所述便携式雾节点预警包监测范围均匀设置在待监测位置。
所述便携式雾节点预警包包括四大模块：
主控模块：负责指令控制与调度，其中，本发明采用STM32单片机；
蓝牙HC-05BLE模块：负责后期维护；
无线通信SX1278发射接收模块：负责节点网关模块互联互通；
GPS ATGM332D定位模块：便于定点监测。
实施例3
本实施例与实施例1或实施例2的区别在于，所述系统包括正常供电模式以及低功耗供电模式。其中：
所述正常供电模式应用于灾害易发期，采用预设的高采样频次进行实时监测；
所述低功耗供电模式应用于灾害低发期，采用预设的低采样频次进行监测。
实施例4
如图2所示，一种山洪监测与预警系统山洪监测与预警方法，所述方法基于上述实施例任一所述的一种山洪监测与预警系统，包括以下步骤：
S1：所述监测设备采集监测数据，对所述监测数据进行预处理后上传到对应的所述雾节点；所述预处理包括数据分类，输出简单监测数据以及复杂监测数据；其中，当所述监测数据所需的数据存储容量或所需迭代次数超过预设阈值时，判定所述监测数据为复杂监测数据；否则为简单监测数据。
S2：所述雾节点将所述简单监测数据发送到所述雾服务器进行处理，并输出运算结果；
S3：将所述简单监测数据的运算结果以及所述复杂监测数据发送到所述云层；
S4：通过所述云服务器对所述复杂监测数据进行处理，并输出运算结果；
S5：将所述简单监测数据以及所述复杂监测数据的运算结果发送至工作人员，并在所述云服务器进行存储；
其中，所述雾服务器以及所述云服务器内置有山洪等级预警模型；所述山洪等级预警模型包括以下运行步骤：
S01：根据所述监测数据设置所述模型的评价因素；
S02：根据层次分析法，生成每个所述评价因素的权重；
S03：输入待分析区域采集的监测数据，根据每个所述评价因素的权重生成所述待分析区域的综合评价值；
S04：根据所述综合评价值，输出所述待分析区域的预警等级；所述预警等级包括Ⅰ级-极有可能发生灾害；Ⅱ级-可能形成灾害；Ⅲ级-形成灾害可能性小；Ⅳ级-不会形成灾害。
所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置；所述评价因素包括雨量、水位、土壤湿度、土壤温度以及采集位置。
所述步骤S02包括：
S021：根据所述评价因素建立元素标度表；
S022：依据所述元素标度表建立矩阵，并计算所述矩阵最大特征值的特征向量；
S023：根据所述特征向量对所述矩阵进行一致性检验，当所述矩阵随机一致性的比率小于0.1时，输出当前特征向量作为所述评价因素的权重；否则进入步骤S022。
所述步骤S03的所述综合评价值采用模糊综合评价法计算。
所述预警等级根据降雨量等级标准进行制定；其中，暴雨、大暴雨以及特大暴雨为Ⅰ级；大雨为Ⅱ级；中雨为Ⅲ级；小雨为Ⅳ级。
实施例5
本实施例为实施例4所述方法的应用例，其中所述山洪等级预警模型的建模过程如下：
S01：根据所述监测数据设置所述模型的评价因素；
根据标准模糊评价法需要列出评价山洪发生的评价因素(F)，根据本次设计，评价因素分别为：雨量(F1)、水位(F2)、土壤湿度(F3)、土壤温度(F4)、位置(F5)由于本次设计只涉及到一级评价因素，这五个因素都为一级评价因素。在模糊评价法中还需要列出评价因素值，评价因素值根据每一个传感器采集数据不同，将采集范围按比例对应到0～1，最大值为1，最小值为0。
S02：根据层次分析法，生成每个所述评价因素的权重；
S021：根据所述评价因素建立元素标度表；
建立不同评价因素之间的标度，标度的含义如表1和2所示：
表1标度含义表
Figure BDA0003641402020000121
Figure BDA0003641402020000131
表2评价因素标度表
评价因素 雨量F1 水位F2 土壤湿度F3 土壤温度F4 位置F5
雨量F1 1 1 9 5 8
水位F2 1 1 3 7 7
土壤湿度F3 1/9 1/3 1 2 2
土壤温度F4 1/5 1/7 1/2 1 4
位置F5 1/8 1/7 1/2 1/4 1
S022：依据所述元素标度表建立矩阵，并计算所述矩阵最大特征值的特征向量；计算过程如下：
Figure BDA0003641402020000141
S023：根据所述特征向量对所述矩阵进行一致性检验，当所述矩阵随机一致性的比率小于0.1时，输出当前特征向量作为所述评价因素的权重；否则进入步骤S022。
根据理论分析，如果矩阵是完全一致的成对比较阵，则应该有：
aijajk＝aik，1≤i，j，k≤n.
在实际进行矩阵构造时很难满足上述公式绝对的相等，因此在将实际的矩阵一致性进行计算分析，只要达到某一个范围，即符合比较矩阵的一致性。矩阵的一致性是检验矩阵中多个值是否保持一致，根据矩阵的阶数而取值不同，下表表3是查询的不同阶数矩阵的一致性取值。
表3一致性查询表
Figure BDA0003641402020000142
根据矩阵的完全一致性的公式可以看出其矩阵的一致性标准RI只和本身的阶数有关。CR为随机一致性的比率，CR的计算方式为不一致程度比上一致性标准，其计算公式为：
Figure BDA0003641402020000143
根据随机一致性性的比率来确定矩阵A的构造是否在合理的范围内，如果CR的值小于0.1时，则成为矩阵满足一致性或者说明矩阵的一致性在可以接受的范围内，否则矩阵的一致性就不能接受，需要进行矩阵调节，使CR<0.1。检验成对比较矩阵A一致性的步骤如下：
首先根据CR的计算公式可以看出，RI是固定的，我们需要先计算出CI，计算方式如下：
Figure BDA0003641402020000151
计算出CI，进一步确定RI，对于固定的n阶矩阵，其中标度是从1，2，...8，9，1/2，1/3，...1/8，1/9中随意选取的。这样矩阵A几乎不能是完全一致的，尽可能取多的子样本得到矩阵A的最大特征值的平均矩阵。
计算得到Xmax(A)＝5.4：
Figure BDA0003641402020000152
查的RI＝1.12：
Figure BDA0003641402020000153
根据CR的值得出矩阵A不是完全一致，但是矩阵A的一致性在可以接受的范围内。得出矩阵A最大特征值的特征向量U，U＝(0.4023，0.4261，2.7796，1.1977，0.1930)。将向量特征向量标准化，使其总和为1，标准化后的特征向量为U＝(0.5561，0.2396，0.0805，0.0852，0.0386)z。标准化之后称U为权向量。
根据所述权向量U，计算出当前每一个参数的权重值，并判断权重是否在可以接受的范围内。
根据层次分析法得出的权向量作为每一个评价因素的权重，列表如下表：
Figure BDA0003641402020000161
由于本次设计山洪影响因素只有一级模型，总体权重值即上表所示，依据模糊数学评价法建立一级模型表如下表：第一层为U＝{F1，F2，F3，F4，F5}。根据目标层设计不同等级划分，共有四个等级，则目标层V＝{A，B，C，D}，根据不同等级时，每个因素可能发生的重要性，给出模糊综合评价表：
因素 A B C D
雨量 0.8 0.6 0.4 0.3
水位 0.8 0.6 0.4 0.3
土壤湿度 0.8 0.7 0.5 0.3
土壤温度 0.8 0.7 0.5 0.3
位置 0.8 0.7 0.5 0.3
根据综合评判表做综合评判：U＝{F1，F2，F3，F4，F5}。
权重A＝{0.5561，0.2396，0.0805，0.0852，0.0386}
Figure BDA0003641402020000162
用模型M(.，+)(矩阵运算)计算得：
Figure BDA0003641402020000171
故根据模糊评价法计算出的综合评价结果列出不同等级对应的评价值。列表如下：
Figure BDA0003641402020000172
S03：输入待分析区域采集的监测数据，根据每个所述评价因素的权重生成所述待分析区域的综合评价值；
根据山洪不同等级分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级，根据不同等级划分不同评价因素值，通过模糊综合评判法计算出每种等级的评价值。每次采集到各个参数值时，根据模糊综合评价算法算出当前的评价值，将评价值和当前的不同等级的评价值进行比较，判断出当前的山洪最可能发生的等级。
根据层次分析法和模糊计算出每一个参数的权值以及山洪等级计算出的数值范围。降雨2mm/h，表示降雨量为48mm/d，根据国家对降雨量的规定，降雨小于10mm/d的为小雨，降雨在10～25mm/d之间的为中雨，降雨在25～50mm/d的为大雨，在50～100mm/d范围内的为暴雨，在100～25mm/d的为大暴雨，大于250mm/d的为特大暴雨。将雨量等比同等单位降雨量为48mm/d，一小时内的降雨等级为大雨，接近暴雨，依据理县历史发生山洪的最大降雨接近60mm/d，设定降雨为60mm/d时，数据量化后为1，降雨的权重为0.556，其余参数取平均权重0.222。如果降雨量为最大值，最终评价数值为0.778，表示发生山洪的概率非常大，故将60mm每天作为最大降雨量。如果降雨量超过60mm/d，则按照最大降雨量取值。本次雨量为48mm/d，本次量化雨量即48比60等于0.8，那么雨量对应的权重为0.8，结果为：0.8*0.5561＝0.4448。雨量量化公式为：实际雨量(mm/d)/60mm/d。部分降雨量化表格如下：
Figure BDA0003641402020000181
由于水位需要根据实际的地理位置测量，计算出具体位置河水的实际水位，或者根据国家测定的水位为基准，制定出水位的比例分配。本发明选取的水位传感器量程为50米，所以满足所有河水的测量要求，我们假设河水在枯水期的水位为0.24米，警戒水位为1米，以枯水期水位为最低点，以预警水位为最高点，本次测量的水位为0.51米，计算出水位的量化值为0.67，即67％，对应权值0.2396，结果为：0.2396*0.67＝0.16。
水位的土壤湿度为63％，对应的权值为0.0805，计算出对应的值为0.032，温度为10摄氏度。在夏天，土壤温度随着降雨是不断降低，同时温度对结果的影响比较小，故夏天的土壤最高温度一般取值为25度左右，最低为降雨时的温度3度左右，使用同样的方式计算出温度的结果为0.0262。
将以上数据进行累加，得到：0.4448+0.16+0.032+0.0262＝0.663。
即，预测综合评价值为0.663。
S04：根据所述综合评价值，输出所述待分析区域的预警等级。
根据综合评价值为0.663，预测出现在发生山洪的概率为Ⅱ级(大)，发生山洪的可能为三级。颜色等级为黄色，应该采取相应的预防措施。
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)

1.一种山洪监测与预警系统，其特征在于，包括云层、雾层以及终端设备层，所述云层、所述雾层以及所述终端设备层通过NB-IoT网络通信连接；
所述终端设备层由若干监测设备组成；所述监测设备用于采集监测数据，并在预处理后上传到所述雾层；
所述雾层由若干雾单元组成；所述雾单元包括雾节点、雾服务器以及雾网关；每个所述雾节点与若干所述监测设备通讯连接，用于接收所述检测设备上传的监测数据；所述雾服务器用于对所述监测数据进行第一运算，并将第一运算结果以及所述监测数据通过所述雾网关上传到所述云层；
所述云层包括若干云服务器，用于接收所述雾层上传的第一运算结果以及所述监测数据，对所述监测数据进行第二运算和存储，并将所述雾层的第一运算结果以及所述云层的第二运算结果发送到工作人员处。
2.根据权利要求1所述的一种山洪监测与预警系统，其特征在于，所述系统包括正常供电模式以及低功耗供电模式；
所述正常供电模式应用于灾害易发期，采用预设的高采样频次进行实时监测；
所述低功耗供电模式应用于灾害低发期，采用预设的低采样频次进行监测。
3.根据权利要求1所述的一种山洪监测与预警系统，其特征在于，所述雾节点包括固定雾节点和便携式雾节点预警包；所述固定雾节点以及所述便携式雾节点预警包根据监测范围均匀设置在待监测位置。
4.根据权利要求1所述的一种山洪监测与预警系统，其特征在于，所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置。
5.一种山洪监测与预警系统山洪监测与预警方法，其特征在于，所述方法基于权利要求1-4任一所述的一种山洪监测与预警系统，包括以下步骤：
S1：所述监测设备采集监测数据，对所述监测数据进行预处理后上传到对应的所述雾节点；所述预处理包括数据分类，输出简单监测数据以及复杂监测数据；
S2：所述雾节点将所述简单监测数据发送到所述雾服务器进行处理，并输出运算结果；
S3：将所述简单监测数据的运算结果以及所述复杂监测数据发送到所述云层；
S4：通过所述云服务器对所述复杂监测数据进行处理，并输出运算结果；
S5：将所述简单监测数据以及所述复杂监测数据的运算结果发送至工作人员，并在所述云服务器进行存储；
其中，所述雾服务器以及所述云服务器内置有山洪等级预警模型；所述山洪等级预警模型包括以下运行步骤：
S01：根据所述监测数据设置所述模型的评价因素；
S02：根据层次分析法，生成每个所述评价因素的权重；
S03：输入待分析区域采集的监测数据，根据每个所述评价因素的权重生成所述待分析区域的综合评价值；
S04：根据所述综合评价值，输出所述待分析区域的预警等级；所述预警等级包括Ⅰ级-极有可能发生灾害；Ⅱ级-可能形成灾害；Ⅲ级-形成灾害可能性小；Ⅳ级-不会形成灾害。
6.根据权利要求5所述的一种山洪监测与预警方法，其特征在于，所述监测数据包括雨量、水位、土壤湿度、土壤温度以及采集位置；所述评价因素包括雨量、水位、土壤湿度、土壤温度以及采集位置。
7.根据权利要求6所述的一种山洪监测与预警方法，其特征在于，所述步骤S02包括：
S021：根据所述评价因素建立元素标度表；
S022：依据所述元素标度表建立矩阵，并计算所述矩阵最大特征值的特征向量；
S023：根据所述特征向量对所述矩阵进行一致性检验，当所述矩阵随机一致性的比率小于0.1时，输出当前特征向量作为所述评价因素的权重；否则进入步骤S022。
8.根据权利要求5所述的一种山洪监测与预警方法，其特征在于，当所述监测数据所需的数据存储容量或所需迭代次数超过预设阈值时，判定所述监测数据为复杂监测数据；否则为简单监测数据。
9.根据权利要求5所述的一种山洪监测与预警方法，其特征在于，所述步骤S03的所述综合评价值采用模糊综合评价法计算。
10.根据权利要求9所述的一种山洪监测与预警方法，其特征在于，所述预警等级根据降雨量等级标准进行制定；其中，暴雨、大暴雨以及特大暴雨为Ⅰ级；大雨为Ⅱ级；中雨为Ⅲ级；小雨为Ⅳ级。
CN202210515887.2A 2022-05-12 2022-05-12 一种山洪监测与预警系统及方法 Pending CN114944048A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210515887.2A CN114944048A (zh) 2022-05-12 2022-05-12 一种山洪监测与预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210515887.2A CN114944048A (zh) 2022-05-12 2022-05-12 一种山洪监测与预警系统及方法

Publications (1)

Publication Number Publication Date
CN114944048A true CN114944048A (zh) 2022-08-26

Family

ID=82907983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210515887.2A Pending CN114944048A (zh) 2022-05-12 2022-05-12 一种山洪监测与预警系统及方法

Country Status (1)

Country Link
CN (1) CN114944048A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116089787A (zh) * 2023-03-08 2023-05-09 中国人民解放军海军工程大学 基于层次分析法的船舶子系统运行状态分析方法及系统
CN118612246A (zh) * 2024-05-28 2024-09-06 中国地质科学院地质力学研究所 一种冰岩崩灾害链的监测方法、监测网及电子设备
CN118695344A (zh) * 2024-08-28 2024-09-24 深圳市北斗云信息技术有限公司 用于北斗智能终端的软硬件资源配置方法、服务器及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116089787A (zh) * 2023-03-08 2023-05-09 中国人民解放军海军工程大学 基于层次分析法的船舶子系统运行状态分析方法及系统
CN116089787B (zh) * 2023-03-08 2023-07-14 中国人民解放军海军工程大学 基于层次分析法的船舶子系统运行状态分析方法及系统
CN118612246A (zh) * 2024-05-28 2024-09-06 中国地质科学院地质力学研究所 一种冰岩崩灾害链的监测方法、监测网及电子设备
CN118695344A (zh) * 2024-08-28 2024-09-24 深圳市北斗云信息技术有限公司 用于北斗智能终端的软硬件资源配置方法、服务器及介质

Similar Documents

Publication Publication Date Title
CN114944048A (zh) 一种山洪监测与预警系统及方法
CN109858126B (zh) 基于沉降监测的城市燃气管网安全监测预警方法和系统
CN112287018B (zh) 一种台风灾害下10kV杆塔受损风险评估方法及系统
CN108388962B (zh) 一种风电功率预测系统及方法
CN105701596A (zh) 一种基于大数据技术的配网抢修精益化方法以及管理系统
CN112116160B (zh) 一种基于优化神经网络改进元胞自动机的重要输电通道灾害监测方法
Wu et al. Applying of GA-BP neural network in the land ecological security evaluation
CN105117602A (zh) 一种计量装置运行状态预警方法
CN103268366A (zh) 一种适用于分散式风电场的组合风电功率预测方法
CN104520861A (zh) 风功率密度预测方法
CN112308292A (zh) 一种火灾风险等级分布图的绘制方法
CN114429053B (zh) 流域尺度wefe系统适配性模拟优化方法
CN105574593A (zh) 基于云计算和大数据的轨道状态静态检控系统及方法
CN105426646A (zh) 桥梁智慧度综合评估指标选取及量化方法
CN115994685A (zh) 一种国土空间规划现状评估方法
CN108805471A (zh) 基于复合系统作用关系分析的水资源承载能力评价方法
CN103914482B (zh) 基于cmdb的集中监控事件影响性确定方法
Zhong et al. Fuzzy risk assessment of flash floods using a cloud-based information diffusion approach
CN112434887B (zh) 一种结合网络核密度估计和svm的供水管网风险预测方法
CN110416996A (zh) 一种基于云平台的分布式光伏集群功率预测系统
CN115563848A (zh) 一种基于深度学习的分布式光伏总辐射预测方法及系统
CN110019167A (zh) 一种中长期新能源资源资料库构建方法及系统
Kuznichenko et al. Integrated information system for regional flood monitoring using internet of things
CN108345996B (zh) 一种降低风电功率考核电量的系统及方法
CN115829209A (zh) 基于碳路径的绿色智能仓库环保质量分析方法及装置

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