CN116612609A - 一种基于山体滑坡危害度预测的灾害预警方法及系统 - Google Patents
一种基于山体滑坡危害度预测的灾害预警方法及系统 Download PDFInfo
- Publication number
- CN116612609A CN116612609A CN202310896661.6A CN202310896661A CN116612609A CN 116612609 A CN116612609 A CN 116612609A CN 202310896661 A CN202310896661 A CN 202310896661A CN 116612609 A CN116612609 A CN 116612609A
- Authority
- CN
- China
- Prior art keywords
- early warning
- result
- mountain
- landslide
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 84
- 239000011435 rock Substances 0.000 claims description 81
- 238000012544 monitoring process Methods 0.000 claims description 52
- 230000007613 environmental effect Effects 0.000 claims description 21
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000013210 evaluation model Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 6
- 230000001681 protective effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 239000004575 stone Substances 0.000 description 26
- 239000002689 soil Substances 0.000 description 21
- 230000008859 change Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 6
- 230000002265 prevention Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本申请涉及数据处理技术领域，提供一种基于山体滑坡危害度预测的灾害预警方法及系统。所述方法包括：基于山体图像采集集合获得目标特征识别结果和目标特征识别结果的特征位置数据，获得山体雷达信号采集结果，基于山体三维坐标系进行雷达信号采集结果的特征位置标识结合特征位置数据进行特征位置标识的特征筛选，获得目标特征的雷达信号数据，根据雷达信号数据和目标特征识别生成山体的滑坡灾害预警信息。采用本方法能够解决对于山体滑坡预警准确度和即时性不足，导致防护措施对于降低人民生命财产安全损失收效甚微的技术问题，实现了提高滑坡预警及时性和准确性，投入山体滑坡的防护措施即时性较强，有效保障人民生命财产安全的技术效果。
Description
技术领域
本申请涉及数据处理技术领域，特别是涉及一种基于山体滑坡危害度预测的灾害预警方法及系统。
背景技术
山体滑坡常发生于雨水充足季节，是山体中不稳定石块岩土受雨水冲刷作用后，在重力作用下沿山体斜坡位移的现象。山体滑坡的发生往往容易造成沿山公路垮塌，影响交通运输以及压垮民房造成居民经济损失及生命财产安全损害。虽然人们逐渐意识到山体滑坡的损失可控，但现阶段进行山体滑坡预防多为基于经验在山体加装防护网以及在强降水季节提醒山区居民提前撤离滑坡区域，目前尚未有较为成熟的山体滑坡危害预测预警技术。
综上所述，现有技术中存在对于山体滑坡预警准确度和即时性不足，导致山体滑坡防护措施对于降低人民生命财产安全损失收效甚微的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现提高山体滑坡预警的及时性和准确性，投入山体滑坡的防护措施和预警提醒即时性较强，有效保障人民生命财产安全的一种基于山体滑坡危害度预测的灾害预警方法及系统。
一种基于山体滑坡危害度预测的灾害预警方法，方法包括：采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息，采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
一种基于山体滑坡危害度预测的灾害预警系统，所述系统包括：三维坐标构建模块，用于采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；图像采集执行模块，用于通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；目标特征识别模块，用于对图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；雷达信号采集模块，用于通过雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；雷达信号筛选模块，用于基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；特征评价执行模块，用于将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；预警信息生成模块，用于基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息，在一个实施例中，所述系统还包括：降雨数据采集单元，用于采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；滑坡影响分析单元，用于基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；预警信息生成单元，用于通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警。落石滑坡监测单元，用于对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；预警次数统计单元，用于通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；预警等级匹配单元，用于通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；预警补偿获得单元，用于通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；
采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；
基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；
通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；
对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；
通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；
通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；
通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；
采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；
基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；
通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；
对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；
通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；
通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；
通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
上述一种基于山体滑坡危害度预测的灾害预警方法及系统，解决了现有技术中存在对于山体滑坡预警准确度和即时性不足，导致山体滑坡防护措施对于降低人民生命财产安全损失收效甚微的技术问题，实现了提高山体滑坡预警的及时性和准确性，投入山体滑坡的防护措施和预警提醒有效保障人民生命财产安全的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种基于山体滑坡危害度预测的灾害预警方法的流程示意图；
图2为一个实施例中一种基于山体滑坡危害度预测的灾害预警方法中获得调整滑坡灾害预警信息的流程示意图；
图3为一个实施例中一种基于山体滑坡危害度预测的灾害预警系统的结构框图；
图4为一个实施例中计算机设备的内部结构图；
附图标记说明：三维坐标构建模块1，图像采集执行模块2，目标特征识别模块3，雷达信号采集模块4，雷达信号筛选模块5，特征评价执行模块6，预警信息生成模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种基于山体滑坡危害度预测的灾害预警方法，所述方法应用于灾害预警系统，所述灾害预警系统与图像采集模块、雷达采集模块通信连接，所述方法包括：
步骤S100:采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
具体而言，所述待监测山体为历史发生过山体滑坡且具有交通车道和常住居民，山体滑坡存在造成经济损失及人员伤亡的特定性山体。在本实施例中，以所述待监测山体为数据检索基准，搜索现有地形地貌资料、图件、数字高程模型和数字地形模型以及山脉分布和山峰点数据等基础信息，基于现有三维建模技术采用所述基础信息进行所述待监测山体三维坐标系的构建。所述三维坐标系后续为判定所述待监测山体是否存在山体滑坡风险的风险判断准确度提供校准依据。所述三维坐标系的构建为采用现有的三维建模成像技术，故本实施例在此不做详细介绍。
步骤S200:通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
具体而言，在本实施例中，为保障待监测山体图像采集的完整性和图像数据信息的可用性，优选基于无人机航拍进行航拍摄影完成待监测山体的图像采集。将无人机与所述图像采集模块通信连接，进行无人机航拍摄影图像的接收，获得所述图像采集集合。无人机在空中悬停某一位置，通过无人机本身自传或旋转摄像装置角度进行较大范围的待监测身体图像采集。
所述图像采集集合中每个图像均有采集位置标识和采集控制信息，所述位置采集标识为无人机进行待检测山体图像采集时相对于地面悬停的坐标位置，用于进行该位置多角度采集图像在所述三维坐标系中的准确定位，本实施例所述位置采集标识的经纬度数据准确度要求较低。所述采集控制信息为无人机悬停时采集图像的方向数据，示例性的，某一图像的所述位置采集标识为海报高度2653m，无人机坐标东经107°北纬34°，所述采集控制信息为镜头方向北偏东37°±5°。
所述图像采集集合为后续定位存在山体滑坡风险的石块等重物的识别定位提供参考基准。
步骤S300:对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
具体而言，在本实施例中，所述目标特征为存在诱发山体滑坡隐患或加剧山体滑坡严重程度的石块、岩土。对所述图像采集集合进行目标特征识别优选构建图像识别模型进行图像采集集合中目标特征的高效准确识别。基于BP神经网络模型构建目标特征识别模型，采集获取待监测山体历史山体滑坡发生位置的事故发生前后图像，基于山体滑坡工作人员经验进行历史目标特征的标识。将所述事故发生前后图像、历史目标特征标识划分标识为训练数据、测试数据、验证数据进行目标特征识别模型的有监督训练，直至目标特征识别模型的输出准确度满足预定的输出准确度要求。
将所述图像采集集合输入目标特征识别模型中进行目标特征识别，获得所述目标特征识别结果，基于所述目标特征识别结果获得与之对应的图像采集结果的采集位置标识和所述采集控制信息进行目标特征识别结果在所述待监测山体的特征位置数据的确定，示例性的所述目标特征识别结果对应的图像采集结果的所述位置采集标识为海报高度2353m，无人机坐标东经123°北纬34°，所述采集控制信息为镜头方向北偏东37°±5°，则对应目标特征识别结果的特征位置数据为海报高度2353m，无人机坐标东经123°北纬34°，所述采集控制信息为镜头方向北偏东37°±5°。
目标特征的所述位置特征数据为后续结合雷达信号采集结果进行存在山体滑坡隐患的石块岩土的预测和定位提供数据筛选判断基准。
步骤S400:通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
具体而言，在本实施例中，基于所述雷达采集模块可通过雷达探测获知待监测山体中岩土及石块的内部裂纹等受遮挡干扰无法基于表面图像获知的山体滑坡不稳定因素。基于所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果，可基于无人机图像采集相同的方式实现雷达信号采集，相应的，所述雷达信号采集结果也具有特征位置数据。
步骤S500:基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
所述雷达信号采集结果为待监测山体整体的雷达信号采集数据，所述特征位置标识为基于图像采集结果进行特征识别获得的存在山体滑坡隐患的岩土、石块特征位置标识。
基于所述三维坐标系进行所述以雷达信号采集结果的特征位置数据进行雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，将含有内部不稳定因素雷达信号采集结果的位置特征标识的筛出，获得所述目标特征的雷达信号数据，所述目标特征的雷达信号数据为表面具有山体滑坡隐患特征且内部存在裂纹等不稳定因素，相较于待监测山体其他岩土、石块，有较大山体滑坡风险的石块和/或岩土。基于所述目标特征的雷达数据可进行对应岩土、石块的山体滑坡稳定性分析，从而进行山体滑坡危害度分析和预警处理。
步骤S600:将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
在一个实施例中，本申请提供的方法步骤还包括：
步骤S610:获得雷达信号采集过程中的采集环境信息；
步骤S620:对所述采集环境信息进行环境特征提取，获得环境特征提取结果；
步骤S630:通过所述环境特征提取结果进行所述雷达信号数据的信号去噪处理，基于去噪后的所述雷达信号数据获得所述特征评价结果。
具体而言，在本实施例中，所述环境信息为所述待监测山体局部山体的海拔高度走势变化信息，获得雷达信号采集过程中的采集环境信息，对所述采集环境信息进行环境特征提取，获得所采集的环境信息区域范围内的山体海拔走势变化特征作为环境特征提取结果。预设用于判断区域范围内是否存在山体滑坡发生条件的环境特征阈值，即海拔走势变化数据值，示例性为百米范围海拔落差是否高于35m。当所述环境特征提取结果低于所述环境特征阈值时，表明对应区域范围内山体海拔变化平缓（平地），石块岩土受雨水冲刷作用后发生位移可能性更小，反之当所述环境特征提取结果高于所述环境特征阈值时，表明对应区域范围内山体海拔变化陡峭（山沟），石块岩土受雨水冲刷作用后发生位移可能性更大。
通过所述环境特征提取结果进行所述雷达信号数据的信号去噪处理，去除山体海拔变化平缓的待监测山体对应位置的所述雷达信号数据，去噪后的所述雷达信号数据为山体海拔走势陡峭，存在发生山体滑坡表观特征和内部裂纹的山石和岩土的雷达信号数据和目标特征识别结果。
将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果，所述特征评价结果为目标特征的状态稳定性评价结果。本实施例中所述特征评价模型为优化空间，采集获取待监测山体历史发生山体滑坡石块及岩土的雷达信号数据、特征质量预估信息（石块岩土质量预估值）以及石块/岩土姿态数据，基于山体滑坡工作人员经验生成多组历史目标特征稳定性评估结果，基于多组历史目标特征稳定性评估结果-雷达信号数据-特征质量预估信息-石块/岩土姿态数据构建所述特征评价模型。
基于所述待监测山体的地形地貌数据结合所述雷达信号数据和图像采集结果预估存在山体滑坡风险隐患的岩土和石块的特征质量预估信息，基于图像采集结果进行石块和岩土姿态数据。
基于所述雷达信号数据、特征质量预估信息和姿态数据遍历所述特征评价模型，将雷达信号数据、特征质量预估信息和姿态数据相似度最高的雷达信号数据-特征质量预估信息-石块/岩土姿态数据对应的历史目标特征稳定性评估结果作为当前目标特征的所述特征评价结果，所述状态评价结果反映了发生降雨冲刷时，目标特征出现山体滑坡的风险大小所述状态评价结果可为数值化结果，数值越高，目标特征受雨水作用发生山体滑坡的概率越大。
本实施例通过分析雷达信号数据的采集环境判断雷达信号数据采集位置的山体海拔高度变化是否存在发生山体滑坡的海拔落差要求，从而过滤去除海拔变化平稳区域的雷达信号数据，间接实现提高进行目标特征状态稳定性评价的有效性，进一步基于历史目标特征稳定性评估结果-雷达信号数据-特征质量预估信息-石块/岩土姿态数据构建特征评价模型，进行目标特征稳定性分析，达到了较为准确的识别当前待监测山体在降雨后存在山体滑坡风险的石块岩土的位置信息以及发生山体滑坡风险的风险程度高低的特征评价结果，从而辅助山体滑坡工作人员提前进行风险消除或疏散人群，从而减少山体滑坡造成的人员及经济损失的技术效果。
步骤S700:基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息。
在一个实施例中，如图2所示，本申请提供的方法步骤还包括：
步骤S710:获得所述特征评价结果的分布位置坐标；
步骤S720:根据所述特征评价结果获得特征质量预估信息；
步骤S730:通过所述分布位置坐标和所述特征质量预估信息进行特征的关联影响评价，获得关联影响评价结果；
步骤S740:通过所述关联影响评价结果对所述滑坡灾害预警信息进行预警等级调整，获得调整滑坡灾害预警信息。
具体而言，应理解的，山体滑坡往往并非山体中石块岩土单独受雨水冲刷沿山体斜坡滑行，存在滑行过程中与其他石块岩土碰撞，滑坡严重程度升级的状况。
因而在本实施例中，所述特征评价结果为所述待监测山体中存在山体滑坡风险的多个目标特征的稳定性评估结果，根据所述特征评价结果在反推获得多个目标特征在所述三维坐标系中的分布位置坐标。
根据所述特征评价结果获得多个所述目标特征的特征质量预估信息，通过所述分布位置坐标获得多个目标特征的相对位置信息结合所述特征质量预估信息进行特征的关联影响评价，评估多个石块岩土发生山体滑坡后位移联动形成更大规模山体滑坡的可能性获得关联影响评价结果。通过所述关联影响评价结果对所述滑坡灾害预警信息进行预警等级调整，获得调整滑坡灾害预警信息。
本实施例通过基于多个目标特征的空间位置关系以及目标特征的特征质量预估信息进行多个目标特征联动造成更大山体滑坡的可能性评估，从而进行滑坡灾害等级调整，达到了为山体滑坡预防提供参考性更高的预警信息，从而更为严谨的进行山体滑坡预防的技术效果。
本实施例通过采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系，为判定所述待监测山体是否存在山体滑坡风险的风险判断准确度提供校准依据；通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息，为后续定位存在山体滑坡风险的石块等重物的识别定位提供参考基准；对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息，辅助山体滑坡工作人员提前进行风险消除或疏散人群，从而减少山体滑坡造成的人员及经济损失。实现了提高山体滑坡预警的及时性和准确性，投入山体滑坡的防护措施和预警提醒有效保障人民生命财产安全的技术效果。
在一个实施例中，本申请提供的方法步骤还包括：
步骤S810:采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；
步骤S820:基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；
步骤S830:通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警。
在一个实施例中，本申请提供的方法步骤还包括：
步骤S831:对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；
步骤S832:通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；
步骤S833:通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；
步骤S834:通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
具体而言，应理解的，山体滑坡发生于强降雨时，山体中稳存在稳定性缺陷的石块、岩土在雨水产生的外力作用下沿山体斜坡下滑形成山体滑坡事故，山体滑坡严重程度除了和目标特征稳定性相关也和降雨强度和降雨时间相关。因而在本实施例中，基于气象数据采集获得待监测山体的降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息，基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析，所述落石滑坡影响分析为山体滑坡发生时间及严重程度预估分析。
所述落石滑坡影响分析结果的获得可通过构建落石滑坡影响分析模型，采集获取历史降雨量数据、历史降雨时长数据以及历史落石滑坡发生时间和严重程度数据，采用步骤S600特征评价模型优化空间的构建方法进行模型构建以及落石滑坡影响分析，获得所述影响分析结果。
进一步的，为提高山体滑坡实时预警准确度和预警灵敏性，在本实施例中，所述待监测山体进行多降雨周期的落石滑坡监测，获得待监测山体历史降雨后发生山体滑坡事故的所述落石滑坡监测结果，基于多降雨周期的落石滑坡监测获得历史降雨预警次数信息，即通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果，所述虚预警次数统计结果为进行山体滑坡预警而未发生山体滑波事故的预警频次数据。
通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果，所述实预警等级匹配结果为山体滑坡预警准确的频次及预警等级信息。
通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿，从而提高山体滑坡预警准确度。
本实施例通过获取降雨强度和降雨时长数据结合山体特征评价结果进行山体滑坡实时预警，同时结合历史进行预警的预警准确度情况进行实时预警的预警补偿，从而提高实时预警的准确度，在保障降低山体滑坡对于人民生命财产安全的损害的同时，实现了避免预警准确度不足造成的山体滑坡预防措施设置对于山体滑坡工作人员的消耗以及提高预防山体滑坡经济投入成本的技术效果。
在一个实施例中，本申请提供的方法步骤还包括：
步骤S910:采集获得所述待监测山体的山体降雨历史信息，基于所述山体降雨历史信息生成降雨变化区间；
步骤S920:通过所述降雨变化区间和所述特征评价结果进行预警等级预测，生成预警等级预测结果；
步骤S930:判断所述预警等级预测结果中是否存在不满足预设预警等级阈值的预警结果；
步骤S940:当存在不满足所述预设预警等级阈值的预警结果时，则生成落石滑坡的防护网设置预警信息；
步骤S950:通过所述防护网设置预警信息进行预警提醒。
在一个实施例中，本申请提供的方法步骤还包括：
步骤S941:当所述预警等级预测结果中不存在满足所述预设预警等级阈值的预警结果时，则获得所述预警等级预测结果中各预警等级与所述预设预警等级阈值的等级差值；
步骤S942:基于所述等级差值进行数据更新节点分布；
步骤S943:根据数据更新节点分布结果对所述待监测山体的数据采集更新。
具体而言，在本实施例中，采集获得所述待监测山体的山体降雨历史信息，所述山体降雨历史信息包括历史降雨时间信息以及历史降雨强度信息，基于所述山体降雨历史信息生成降雨变化区间，所述降雨变化区间包括降雨时间变化区间以及降雨强度变化区间。
通过所述降雨变化区间和所述特征评价结果进行预警等级预测，生成预警等级预测结果，所述预警等级预测结果为特征评价结果固定时，不同降雨时间及降雨强度组合下，所述待监测山体发生山体滑坡的风险等级预测结果，所述预警等级预测结果为一个山体滑坡风险等级区间。
判断所述预警等级预测结果中是否存在不满足预设预警等级阈值的预警结果，当存在不满足所述预设预警等级阈值的预警结果时，表明基于当前的山体滑坡防护网，无法抵抗即将到来的山体滑坡，因而生成落石滑坡的防护网设置预警信息，提醒山体滑坡工作人员进行防护网等山体滑坡防护装置的加固处理。
当所述预警等级预测结果中不存在满足所述预设预警等级阈值的预警结果时，则获得所述预警等级预测结果中各预警等级与所述预设预警等级阈值的等级差值，基于所述等级差值进行数据更新节点分布，所述数据更新节点为基于无人机进行待监测山体图像采集和雷达信号采集的数据采集更新时间。当所述等级差值较大时，表明所述待监测山体的目标特征发生山体滑坡的风险变化较为频繁，对应进行待监测山体图像采集、雷达信号采集需要频繁，以提高山体滑坡风险预警的及时性和准确性。根据数据更新节点分布结果对所述待监测山体的数据采集更新，通过所述防护网设置预警信息进行预警提醒。
本实施例通过获取待监测山体预警等级与预设预警等级阈值的超出偏离程度进行山体滑坡预防延缓用防护网的增设加固，结合预警等级变化波动情况进行待监测山体数据采集频率调整，达到了提高山体滑坡防护装置与山体滑坡严重程度的适配性以及山体滑坡预测准确性和预测结果及时性的技术效果，实现了保障人民生命财产安全的目的。
在一个实施例中，如图3所示，提供了一种基于山体滑坡危害度预测的灾害预警系统，包括：三维坐标构建模块1，图像采集执行模块2，目标特征识别模块3，雷达信号采集模块4，雷达信号筛选模块5，特征评价执行模块6，预警信息生成模块7。其中：
三维坐标构建模块1，用于采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
图像采集执行模块2，用于通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
目标特征识别模块3，用于对图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
雷达信号采集模块4，用于通过雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
雷达信号筛选模块5，用于基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
特征评价执行模块6，用于将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
预警信息生成模块7，用于基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息。
在一个实施例中，所述预警信息生成模块7还包括：
位置坐标确定单元，用于获得所述特征评价结果的分布位置坐标；
质量预估获得单元，用于根据所述特征评价结果获得特征质量预估信息；
关联影响评价单元，用于通过所述分布位置坐标和所述特征质量预估信息进行特征的关联影响评价，获得关联影响评价结果；
预警等级调整单元，用于通过所述关联影响评价结果对所述滑坡灾害预警信息进行预警等级调整，获得调整滑坡灾害预警信息。
在一个实施例中，所述系统还包括：
历史降雨获得单元，用于采集获得所述待监测山体的山体降雨历史信息，基于所述山体降雨历史信息生成降雨变化区间；
预警等级预测单元，用于通过所述降雨变化区间和所述特征评价结果进行预警等级预测，生成预警等级预测结果；
预警结果判断单元，用于判断所述预警等级预测结果中是否存在不满足预设预警等级阈值的预警结果；
预警信息设置单元，用于当存在不满足所述预设预警等级阈值的预警结果时，则生成落石滑坡的防护网设置预警信息；
预警提醒执行单元，用于通过所述防护网设置预警信息进行预警提醒。
在一个实施例中，所述预警信息设置单元还包括：
等级差值计算单元，用于当所述预警等级预测结果中不存在满足所述预设预警等级阈值的预警结果时，则获得所述预警等级预测结果中各预警等级与所述预设预警等级阈值的等级差值；
数据更新执行单元，用于基于所述等级差值进行数据更新节点分布；
数据采集更新单元，用于根据数据更新节点分布结果对所述待监测山体的数据采集更新。
在一个实施例中，所述特征评价执行模块6还包括：
采集环境获得单元，用于获得雷达信号采集过程中的采集环境信息；
环境特征提取单元，用于对所述采集环境信息进行环境特征提取，获得环境特征提取结果；
评价结果获得单元，用于通过所述环境特征提取结果进行所述雷达信号数据的信号去噪处理，基于去噪后的所述雷达信号数据获得所述特征评价结果。
关于一种基于山体滑坡危害度预测的灾害预警系统的具体实施例可以参见上文中对于一种基于山体滑坡危害度预测的灾害预警方法的实施例，在此不再赘述。上述一种基于山体滑坡危害度预测的灾害预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于山体滑坡危害度预测的灾害预警方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于山体滑坡危害度预测的灾害预警方法，其特征在于，所述方法应用于灾害预警系统，所述灾害预警系统与图像采集模块、雷达采集模块通信连接，所述方法包括：
采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
对所述图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
通过所述雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；
采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；
基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；
通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；
对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；
通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；
通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；
通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述特征评价结果的分布位置坐标；
根据所述特征评价结果获得特征质量预估信息；
通过所述分布位置坐标和所述特征质量预估信息进行特征的关联影响评价，获得关联影响评价结果；
通过所述关联影响评价结果对所述滑坡灾害预警信息进行预警等级调整，获得调整滑坡灾害预警信息。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
采集获得所述待监测山体的山体降雨历史信息，基于所述山体降雨历史信息生成降雨变化区间；
通过所述降雨变化区间和所述特征评价结果进行预警等级预测，生成预警等级预测结果；
判断所述预警等级预测结果中是否存在不满足预设预警等级阈值的预警结果；
当存在不满足所述预设预警等级阈值的预警结果时，则生成落石滑坡的防护网设置预警信息；
通过所述防护网设置预警信息进行预警提醒。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
当所述预警等级预测结果中不存在满足所述预设预警等级阈值的预警结果时，则获得所述预警等级预测结果中各预警等级与所述预设预警等级阈值的等级差值；
基于所述等级差值进行数据更新节点分布；
根据数据更新节点分布结果对所述待监测山体的数据采集更新。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得雷达信号采集过程中的采集环境信息；
对所述采集环境信息进行环境特征提取，获得环境特征提取结果；
通过所述环境特征提取结果进行所述雷达信号数据的信号去噪处理，基于去噪后的所述雷达信号数据获得所述特征评价结果。
6.一种基于山体滑坡危害度预测的灾害预警系统，其特征在于，所述系统包括：
三维坐标构建模块，用于采集获得待监测山体的基础信息，基于所述基础信息构建三维坐标系；
图像采集执行模块，用于通过所述图像采集模块进行所述待监测山体的图像采集，获得图像采集集合，其中，所述图像采集集合中每个图像均具有采集位置标识和采集控制信息；
目标特征识别模块，用于对图像采集集合进行目标特征识别，获得目标特征识别结果，基于所述采集位置标识和所述采集控制信息获得所述目标特征识别结果的特征位置数据；
雷达信号采集模块，用于通过雷达采集模块进行所述待监测山体的雷达信号采集，获得雷达信号采集结果；
雷达信号筛选模块，用于基于所述三维坐标系进行所述雷达信号采集结果的特征位置标识，基于所述特征位置数据进行所述特征位置标识的特征筛选，获得所述目标特征的雷达信号数据；
特征评价执行模块，用于将所述雷达信号数据和所述目标特征识别结果输入特征评价模型，获得特征评价结果；
预警信息生成模块，用于基于所述特征评价结果生成所述待监测山体的滑坡灾害预警信息；
降雨数据采集单元，用于采集获得降雨数据，其中，所述降雨数据包括降雨量信息、降雨时长信息；
滑坡影响分析单元，用于基于所述降雨数据和所述特征评价结果进行落石滑坡影响分析；
预警信息生成单元，用于通过影响分析结果生成带有预警等级标识的预警信息，通过所述预警信息进行所述待监测山体的实时预警；
落石滑坡监测单元，用于对所述待监测山体进行落石滑坡监测，获得落石滑坡监测结果；
预警次数统计单元，用于通过所述落石滑坡监测结果进行所述预警信息的虚预警次数统计，获得虚预警次数统计结果；
预警等级匹配单元，用于通过所述落石滑坡监测结果进行所述预警信息的实预警的预警等级匹配分析，获得实预警等级匹配结果；
预警补偿获得单元，用于通过所述虚预警次数统计结果和所述实预警等级匹配结果生成预警灵敏度补偿数据，通过所述预警灵敏度补偿数据进行所述待监测山体后续监测预警的预警补偿。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310896661.6A CN116612609B (zh) | 2023-07-21 | 2023-07-21 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310896661.6A CN116612609B (zh) | 2023-07-21 | 2023-07-21 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116612609A true CN116612609A (zh) | 2023-08-18 |
| CN116612609B CN116612609B (zh) | 2023-11-03 |
Family
ID=87684090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310896661.6A Active CN116612609B (zh) | 2023-07-21 | 2023-07-21 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116612609B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037457A (zh) * | 2023-10-10 | 2023-11-10 | 青州鸿润电器科技有限公司 | 一种山体滑坡监测预警方法 |
| CN117493832A (zh) * | 2023-12-29 | 2024-02-02 | 江西飞尚科技有限公司 | 滑坡灾害曲线识别方法、系统、存储介质及计算机 |
| CN117854256A (zh) * | 2024-03-05 | 2024-04-09 | 成都理工大学 | 基于无人机视频流分析的地质灾害监测方法 |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006195638A (ja) * | 2005-01-12 | 2006-07-27 | Toyota Motor Corp | 車両用警報システム |
| CN103297999A (zh) * | 2012-02-22 | 2013-09-11 | 中兴通讯股份有限公司 | 调整调度请求虚警门限值的方法及装置 |
| US20140067773A1 (en) * | 2012-08-30 | 2014-03-06 | Oracle International Corporation | Transient detection for predictive health management of data processing systems |
| KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
| CN105933681A (zh) * | 2016-07-08 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 面向行为识别的灵敏度自适应调整方法 |
| US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
| CN108050397A (zh) * | 2018-01-24 | 2018-05-18 | 东北大学 | 基于光纤多源信号的分层序贯比管道泄漏监控方法及系统 |
| CN108109347A (zh) * | 2017-12-26 | 2018-06-01 | 李文清 | 一种预警准确的山体滑坡灾害监测预警系统 |
| KR20210030031A (ko) * | 2019-09-09 | 2021-03-17 | 한국지질자원연구원 | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 |
| CN113240887A (zh) * | 2021-05-14 | 2021-08-10 | 深圳市安泰数据监测科技有限公司 | 边坡落石崩塌监测方法、装置及设备 |
| CN113610972A (zh) * | 2021-07-12 | 2021-11-05 | 中铁工程设计咨询集团有限公司 | 线性工程穿越高位危岩落石区勘察与评估方法 |
| CN113611085A (zh) * | 2021-10-11 | 2021-11-05 | 辽博信息科技(山东)有限公司 | 岩土工程中地质灾害的监测预警方法及系统 |
| CN113705108A (zh) * | 2021-09-02 | 2021-11-26 | 南方科技大学 | 实时滑坡灾害监测预警方法及系统 |
| CN114022765A (zh) * | 2021-11-03 | 2022-02-08 | 应急管理部国家自然灾害防治研究院 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
| WO2022040737A1 (en) * | 2020-08-25 | 2022-03-03 | Groundprobe Pty Ltd | Slope failure monitoring system |
| CN115033574A (zh) * | 2022-06-30 | 2022-09-09 | 工银科技有限公司 | 信息生成方法、信息生成装置、电子设备及存储介质 |
| CN115311821A (zh) * | 2022-08-09 | 2022-11-08 | 武汉易特兰瑞科技有限公司 | 一种基于数字孪生技术的地质灾害智能监测云平台 |
| CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
| CN115440008A (zh) * | 2022-11-09 | 2022-12-06 | 湖北通达数科科技有限公司 | 一种山体滑坡雷达波监测方法及系统 |
| US20220415160A1 (en) * | 2019-10-25 | 2022-12-29 | Essence Security International (E.S.I.) Ltd | Shock detection device, system and method |
| WO2023281572A1 (ja) * | 2021-07-05 | 2023-01-12 | 日本電気株式会社 | 災害調査支援装置、災害調査支援システム、災害調査支援方法、及び、記録媒体 |
| CN115762067A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于激光点云与视频数据融合的山体滑坡监测系统 |
| CN115762063A (zh) * | 2022-11-12 | 2023-03-07 | 高精特(成都)大数据科技有限公司 | 基于影像和雷达的泥石流预警方法、装置、系统及介质 |
| CN115938095A (zh) * | 2023-02-22 | 2023-04-07 | 湖北通达数科科技有限公司 | 一种基于集成融合模型的山体滑坡监测预警方法及系统 |
| CN116337944A (zh) * | 2023-04-24 | 2023-06-27 | 湖北省地质局地球物理勘探大队 | 用于山体滑坡监测的高密度电法测量系统 |
-
2023
- 2023-07-21 CN CN202310896661.6A patent/CN116612609B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006195638A (ja) * | 2005-01-12 | 2006-07-27 | Toyota Motor Corp | 車両用警報システム |
| CN103297999A (zh) * | 2012-02-22 | 2013-09-11 | 中兴通讯股份有限公司 | 调整调度请求虚警门限值的方法及装置 |
| US20140067773A1 (en) * | 2012-08-30 | 2014-03-06 | Oracle International Corporation | Transient detection for predictive health management of data processing systems |
| KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
| CN105933681A (zh) * | 2016-07-08 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 面向行为识别的灵敏度自适应调整方法 |
| US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
| CN108109347A (zh) * | 2017-12-26 | 2018-06-01 | 李文清 | 一种预警准确的山体滑坡灾害监测预警系统 |
| CN108050397A (zh) * | 2018-01-24 | 2018-05-18 | 东北大学 | 基于光纤多源信号的分层序贯比管道泄漏监控方法及系统 |
| KR20210030031A (ko) * | 2019-09-09 | 2021-03-17 | 한국지질자원연구원 | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 |
| US20220415160A1 (en) * | 2019-10-25 | 2022-12-29 | Essence Security International (E.S.I.) Ltd | Shock detection device, system and method |
| WO2022040737A1 (en) * | 2020-08-25 | 2022-03-03 | Groundprobe Pty Ltd | Slope failure monitoring system |
| CN113240887A (zh) * | 2021-05-14 | 2021-08-10 | 深圳市安泰数据监测科技有限公司 | 边坡落石崩塌监测方法、装置及设备 |
| WO2023281572A1 (ja) * | 2021-07-05 | 2023-01-12 | 日本電気株式会社 | 災害調査支援装置、災害調査支援システム、災害調査支援方法、及び、記録媒体 |
| CN113610972A (zh) * | 2021-07-12 | 2021-11-05 | 中铁工程设计咨询集团有限公司 | 线性工程穿越高位危岩落石区勘察与评估方法 |
| CN113705108A (zh) * | 2021-09-02 | 2021-11-26 | 南方科技大学 | 实时滑坡灾害监测预警方法及系统 |
| CN113611085A (zh) * | 2021-10-11 | 2021-11-05 | 辽博信息科技(山东)有限公司 | 岩土工程中地质灾害的监测预警方法及系统 |
| CN114022765A (zh) * | 2021-11-03 | 2022-02-08 | 应急管理部国家自然灾害防治研究院 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
| CN115033574A (zh) * | 2022-06-30 | 2022-09-09 | 工银科技有限公司 | 信息生成方法、信息生成装置、电子设备及存储介质 |
| CN115311821A (zh) * | 2022-08-09 | 2022-11-08 | 武汉易特兰瑞科技有限公司 | 一种基于数字孪生技术的地质灾害智能监测云平台 |
| CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
| CN115440008A (zh) * | 2022-11-09 | 2022-12-06 | 湖北通达数科科技有限公司 | 一种山体滑坡雷达波监测方法及系统 |
| CN115762063A (zh) * | 2022-11-12 | 2023-03-07 | 高精特(成都)大数据科技有限公司 | 基于影像和雷达的泥石流预警方法、装置、系统及介质 |
| CN115762067A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于激光点云与视频数据融合的山体滑坡监测系统 |
| CN115938095A (zh) * | 2023-02-22 | 2023-04-07 | 湖北通达数科科技有限公司 | 一种基于集成融合模型的山体滑坡监测预警方法及系统 |
| CN116337944A (zh) * | 2023-04-24 | 2023-06-27 | 湖北省地质局地球物理勘探大队 | 用于山体滑坡监测的高密度电法测量系统 |
Non-Patent Citations (3)
| Title |
|---|
| 余绍淮: "联合光学和SAR遥感影像的山区公路滑坡易发性评价方法", 自然资源遥感, pages 1 - 9 * |
| 费新峰: "基于多时相InSAR技术的...区不稳定边坡识别与形变监测", 地球科学与环境学报, vol. 45, no. 3, pages 578 - 588 * |
| 高超: "物联网技术应用于地质装备行业的前景分析及实施方案的讨论与验证", 资源环境工程, vol. 34, no. 4, pages 620 - 622 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037457A (zh) * | 2023-10-10 | 2023-11-10 | 青州鸿润电器科技有限公司 | 一种山体滑坡监测预警方法 |
| CN117037457B (zh) * | 2023-10-10 | 2023-12-15 | 青州鸿润电器科技有限公司 | 一种山体滑坡监测预警方法 |
| CN117493832A (zh) * | 2023-12-29 | 2024-02-02 | 江西飞尚科技有限公司 | 滑坡灾害曲线识别方法、系统、存储介质及计算机 |
| CN117493832B (zh) * | 2023-12-29 | 2024-04-09 | 江西飞尚科技有限公司 | 滑坡灾害曲线识别方法、系统、存储介质及计算机 |
| CN117854256A (zh) * | 2024-03-05 | 2024-04-09 | 成都理工大学 | 基于无人机视频流分析的地质灾害监测方法 |
| CN117854256B (zh) * | 2024-03-05 | 2024-06-11 | 成都理工大学 | 基于无人机视频流分析的地质灾害监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116612609B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116612609B (zh) | 一种基于山体滑坡危害度预测的灾害预警方法及系统 | |
| Jiang et al. | Real‐time crack assessment using deep neural networks with wall‐climbing unmanned aerial system | |
| Wu et al. | Road pothole extraction and safety evaluation by integration of point cloud and images derived from mobile mapping sensors | |
| US8447112B2 (en) | Method for automatic license plate recognition using adaptive feature set | |
| US20200218944A1 (en) | Method, Apparatus, and Electronic Device for Processing Point Cloud Data, and Computer Readable Storage Medium | |
| CN115331190B (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
| CN110705759B (zh) | 水位预警监控方法、装置、存储介质及电子设备 | |
| CN111340012A (zh) | 一种地质灾害解译方法、装置、终端设备 | |
| CN112462368B (zh) | 一种障碍物检测方法、装置、车辆及存储介质 | |
| CN113971653A (zh) | 面向遥感图像的目标检测方法、装置、设备及存储介质 | |
| CN111339826A (zh) | 一种滑坡无人机线性传感器网络框架检测系统 | |
| CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
| CN114248819B (zh) | 基于深度学习的铁路侵限异物无人机检测方法、装置及系统 | |
| CN117314157A (zh) | 一种矿山边坡稳定性的安全评估方法、装置、介质及设备 | |
| CN115205796A (zh) | 轨道线路异物侵限监测与风险预警方法及系统 | |
| Katrojwar et al. | Design of Image based Analysis and Classification using Unmanned Aerial Vehicle | |
| CN114078211A (zh) | 基于激光雷达智能检测树木倒伏的方法 | |
| CN116363088A (zh) | 基于无人机的高速公路混凝土路面裂缝检测方法、电子设备及存储介质 | |
| US20220261713A1 (en) | Computer Vision Systems and Methods for Detecting Power Line Hazards from Imagery | |
| CN116894885A (zh) | 地图数据生成方法及其装置和记录了地图数据生成程序的计算机可读取记录介质 | |
| CN114019503A (zh) | 基于fod检测系统的机场跑道异物检测方法、设备、存储介质 | |
| CN115311522A (zh) | 用于自动驾驶的目标检测方法及装置、电子设备及介质 | |
| CN112861701B (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
| CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
| Sun et al. | UAV photogrammetry-based accident assessment road condition analysis using image classification |
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 |