CN117612338A - 一种考虑边坡全域监测数据的滑坡预警方法与装置 - Google Patents

一种考虑边坡全域监测数据的滑坡预警方法与装置 Download PDF

Info

Publication number
CN117612338A
CN117612338A CN202311448752.XA CN202311448752A CN117612338A CN 117612338 A CN117612338 A CN 117612338A CN 202311448752 A CN202311448752 A CN 202311448752A CN 117612338 A CN117612338 A CN 117612338A
Authority
CN
China
Prior art keywords
monitoring
monitoring point
network
early warning
graph
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
CN202311448752.XA
Other languages
English (en)
Inventor
梅江洲
马刚
迟福东
郭承乾
曹学兴
周伟
刘小岩
常晓林
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.)
Wuhan University WHU
Huaneng Lancang River Hydropower Co Ltd
Original Assignee
Wuhan University WHU
Huaneng Lancang River Hydropower 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 Wuhan University WHU, Huaneng Lancang River Hydropower Co Ltd filed Critical Wuhan University WHU
Priority to CN202311448752.XA priority Critical patent/CN117612338A/zh
Publication of CN117612338A publication Critical patent/CN117612338A/zh
Pending legal-status Critical Current

Links

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
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

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)
  • Computing Systems (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种考虑边坡全域监测数据的滑坡预警方法与装置，涉及滑坡预警研究领域，包括以下步骤：根据边坡监测点的空间位置分布，构建监测点网络；识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；判断所述曲线图是否存在转变点，根据判断结果发出预警信号。本发明提供的方法能够处理覆盖边坡全域的海量监测数据，为量化边坡变形场的时空演化行为并揭示自然滑坡的预警信号提供了一条崭新且有效的途径。

Description

一种考虑边坡全域监测数据的滑坡预警方法与装置
技术领域
本申请涉及滑坡预警研究领域，具体涉及一种考虑边坡全域监测数据的滑坡预警方法与装置。
背景技术
滑坡是指松散边坡岩土体受降雨、地震及自身重力等作用而表现出的骤然失稳现象。在重力与外力的共同作用下，边坡岩土体通过内部微滑移、破裂等过程发生潜在滑动面的孕育与贯通，并由于外部宏观变形而最终发生失稳破坏。长期以来，对危险边坡进行实时监测与时序分析，并根据监测指标的变化发生警示信号是滑坡预警的重要途径。近些年来，光学遥感及干涉合成孔径雷达(Interferometric synthetic aperture radar，InSAR)等监测技术的快速发展为滑坡研究带来了革命性影响。其高精度、大范围的形变监测能力，以及非接触性和多源数据融合特性，使得研究人员能够准确捕捉边坡变形、追踪演变过程，并为预警系统提供精准数据，大幅提高了滑坡监测和研究的效率和可靠性。
但是，目前的滑坡预警技术只能针对单个监测点处的位移时序数据进行分析，极易受监测误差影响而出现险情误报，无法利用覆盖边坡全域的监测数据，也无法定量表征边坡变形场的时空演化行为。
因此，有必要设计一种考虑边坡全域监测数据的滑坡预警方法，以克服上述问题。
发明内容
本申请提供一种考虑边坡全域监测数据的滑坡预警方法、装置、设备及计算机可读存储介质，可以解决相关技术中滑坡预警只能针对单个监测点处的位移时序数据进行分析，极易受监测误差影响而出现险情误报，无法利用覆盖边坡全域的监测数据，也无法定量表征边坡变形场时空演化行为的问题。
第一方面，本申请实施例提供一种考虑边坡全域监测数据的滑坡预警方法，包括：
根据边坡监测点的空间位置分布，构建监测点网络；
识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
一些实施例中，所述根据边坡监测点的空间位置分布，构建监测点网络，包括：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
一些实施例中，所述识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，包括：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
一些实施例中，所述计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图，包括：
根据公式：
d(p,φ(p))＝max(|ηbirth,p-ηbirth,φ(p)|,|ηdeath,p-ηdeath,φ(p)|)
确定p点和φ(p)点间的距离d(p,φ(p))，其中ηbirth,p和ηdeath,p分别代表p点对应组件出现和消亡时的变形速率阈值，φ(p)代表p点通过映射φ在另一持续图PD′中的对应映射点；
根据公式：
确定当前时刻边坡变形场的沃瑟斯坦距离增量WDΔt,t，其中PD、PD′分别为相邻的两个组件持续图；p表示对持续图PD中所有的点进行遍历，Δt表示两个持续图间的时间间隔，以天为单位；
根据公式：
WDt＝WDt-1+WDΔt,t(PD,PD′)
得到当前时刻的总沃瑟斯坦距离WDt，其中WDt-1、WDt分别表示t和t-1时刻所求得的总沃瑟斯坦距离；
根据沃瑟斯坦距离量化边坡变形场的时空演化速率，确定时空演化速率的曲线图。
一些实施例中，所述判断所述曲线图是否存在转变点，根据判断结果发出预警信号，包括：
采用Bernaola-Galvan算法对所述时空演化速率的曲线图进行探测；
当所述时空演化速率的曲线图存在转变点时，发出预警信号；
当所述时空演化速率的曲线图不存在转变点时，不发出预警信号。
第二方面，本申请实施例提供了一种考虑边坡全域监测数据的滑坡预警装置，所述装置包括：
构建单元，其用于根据边坡监测点的空间位置分布，构建监测点网络，所述构建单元还用于识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
计算单元，其用于计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
判断单元，其用于判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
一些实施例中，所述构建单元用于：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
一些实施例中，所述构建单元还用于：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
第三方面，提供一种计算机设备包括：处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现第一方面任意一项所述的方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现第一方面任意一项所述的方法。
本申请实施例提供的技术方案带来的有益效果包括：
通过根据边坡监测点的空间位置分布，构建监测点网络；识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；判断所述曲线图是否存在转变点，根据判断结果发出预警信号，能够处理覆盖边坡全域的海量监测数据，为量化边坡变形场的时空演化行为并揭示自然滑坡的预警信号提供了一条崭新且有效的途径。
附图说明
图1为本发明实施例中一种考虑边坡全域监测数据的滑坡预警方法的流程示意图；
图2为本发明实施例中基于InSAR监测得到的新磨村滑坡监测数据；
图3为本发明实施中构建监测点网络的示意图；
图4为本发明实施例中空间过滤过程示意图；
图5为本发明实施例中边坡变形场时空演化速率示意图；
图6为本发明实施例中判定是否存在转变点示意图；
图7为本发明实施例中一种考虑边坡全域监测数据的滑坡预警装置的示意图；
图8为本发明实施例中一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，显然，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。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。术语“第一”、“第二”和“第三”等描述，是用于区分不同的对象等，其不代表先后顺序，也不限定“第一”、“第二”和“第三”是不同的类型。
在本申请实施例的描述中，“示例性的”、“例如”或者“举例来说”等用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
在本申请实施例描述的一些流程中，包含了按照特定顺序出现的多个操作或步骤，但是应该理解，这些操作或步骤可以不按照其在本申请实施例中出现的顺序来执行或并行执行，操作的序号仅用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作或步骤可以按顺序执行或并行执行，并且这些操作或步骤可以进行组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
第一方面，本申请实施例提供一种考虑边坡全域监测数据的滑坡预警方法。
一实施例中，参照图1，图1为本申请考虑边坡全域监测数据的滑坡预警方法第一实施例的流程示意图。如图1所示，该方法包括：
S1.根据边坡监测点的空间位置分布，构建监测点网络；
值得说明的是，在步骤S1前，根据光学遥感或干涉合成孔径雷达(Interferometric synthetic aperture radar，InSAR)等监测技术获取覆盖边坡全域的监测数据，可得到如图2所示的典型边坡监测数据，其中，图中每个点均代表一个监测点，其颜色深度代表其在整个监测期间内的总位移量级。
将每个监测点均作为网络中的一个节点，其中节点属性为对应监测点在当前时刻的变形速率，将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边。基于此，可将如图3所示的原始离散分布的监测点转变为监测点网络。
S2.识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
具体的，首先选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值，选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，再从该监测点子网络中提取各个组件结构。其中组件是指由若干节点通过边连接而成的局部最大连通子集，同一组件内部的任一对节点均可通过特定的路径到达对方，而不同组件间的节点无法到达对方；
其次不断降低所述的变形速率阈值，并重复上述操作。如图4所示，在这一过程中，可以观测到各个组件随变形速率阈值降低而出现或消亡，其中，组件的出现定义为该组件出现第一个节点，而组件的消亡定义为其与先前出现的另一组件合并。同时记录下组件出现或消亡时对应的变形速率阈值。
最后根据所记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。如图5所示，持续图中的每个点均代表一个组件出现和消亡时对应的变形速率阈值。基于此，可在保留本质拓扑特征的同时，实现了对监测点网络的空间降维。
S3.计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
其中，在针对边坡的监测期间内，在每个监测日期均获得上述监测点网络的持续图。所述的持续图蕴含着每个组件结构出现与消亡的拓扑信息，代表着监测点网络的本质属性。因此，量化相邻两个监测点网络持续图之间的距离，等同于量化边坡变形场在对应时刻的时空演化速率。具体地，采用沃瑟斯坦距离量化相邻两个持续图之间的差异。
S4.判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
一些实施例中，所述根据边坡监测点的空间位置分布，构建监测点网络，包括：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
一些实施例中，所述识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，包括：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
一些实施例中，所述计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图，包括：
根据公式：
d(p,φ(p))＝max(|ηbirth,p-ηbirth,φ(p)|,|ηdeath,p-ηdeath,φ(p)|)
确定p点和φ(p)点间的距离d(p,φ(p))，其中ηbirth,p和ηdeath,p分别代表p点对应组件出现和消亡时的变形速率阈值，φ(p)代表p点通过映射φ在另一持续图PD′中的对应映射点；
由于映射φ存在较多不同的选择，最终得到的沃瑟斯坦距离是所有可能映射φ下求得距离的最小值。
根据公式：
确定当前时刻边坡变形场的沃瑟斯坦距离增量WDΔt,t，其中PD、PD′分别为相邻的两个组件持续图；p表示对持续图PD中所有的点进行遍历，Δt表示两个持续图间的时间间隔，以天为单位；
根据公式：
WDt＝WDt-1+WDΔt,t(PD,PD′)
得到当前时刻的总沃瑟斯坦距离WDt，其中WDt-1、WDt分别表示t和t-1时刻所求得的总沃瑟斯坦距离；
根据沃瑟斯坦距离量化边坡变形场的时空演化速率，确定时空演化速率的曲线图。
一些实施例中，所述判断所述曲线图是否存在转变点，根据判断结果发出预警信号，包括：
采用Bernaola-Galvan算法对所述时空演化速率的曲线图进行探测；
当所述时空演化速率的曲线图存在转变点时，发出预警信号；
当所述时空演化速率的曲线图不存在转变点时，不发出预警信号。
具体地，根据上述的边坡变形场时空演化速率曲线图，采用Bernaola-Galvan算法探测其中是否存在转变点。转变点的存在说明边坡变形场经历着加速演化的过程，暗示着当前边坡处于不稳定状态，并可以发出滑坡预警信号；反之，不存在转变点说明边坡变形场处于较为平稳的演化状态，没有发生灾难性失稳的风险，无需预警。如图6中的箭头所示，采用Bernaola-Galvan算法对前述变形场时空演化速率曲线图进行探测后，发现演化曲线中存在一个转变点。与本发明采用滑坡的真实数据对比，该转变点在滑坡发生前131天便给出了滑坡即将发生的预警信号，证明了本发明具有较好的实施效果，并确能在考虑边坡全域监测数据的同时，实现滑坡的早期预警。
通过根据边坡监测点的空间位置分布，构建监测点网络；识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；判断所述曲线图是否存在转变点，根据判断结果发出预警信号，能够处理覆盖边坡全域的海量监测数据，为量化边坡变形场的时空演化行为并揭示自然滑坡的预警信号提供了一条崭新且有效的途径。
第二方面，本申请实施例还提供一种考虑边坡全域监测数据的滑坡装置。
一实施例中，参照图7，图7为本申请考虑边坡全域监测数据的滑坡装置一实施例的功能模块示意图。如图7所示，所述装置包括：
构建单元，其用于根据边坡监测点的空间位置分布，构建监测点网络，所述构建单元还用于识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
计算单元，其用于计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
判断单元，其用于判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
一些实施例中，所述构建单元用于：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
一些实施例中，所述构建单元还用于：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
一些实施例中，所述计算单元用于：
根据公式：
d(p,φ(p))＝max(|ηbirth,p-ηbirth,φ(p)|,|ηdeath,p-ηdeath,φ(p)|)
确定p点和φ(p)点间的距离d(p,φ(p))，其中ηbirth,p和ηdeath,p分别代表p点对应组件出现和消亡时的变形速率阈值，φ(p)代表p点通过映射φ在另一持续图PD′中的对应映射点；
根据公式：
确定当前时刻边坡变形场的沃瑟斯坦距离增量WDΔt,t，其中PD、PD′分别为相邻的两个组件持续图；p表示对持续图PD中所有的点进行遍历，Δt表示两个持续图间的时间间隔，以天为单位；
根据公式：
WDt＝WDt-1+WDΔt,t(PD,PD′)
得到当前时刻的总沃瑟斯坦距离WDt，其中WDt-1、WDt分别表示t和t-1时刻所求得的总沃瑟斯坦距离；
根据沃瑟斯坦距离量化边坡变形场的时空演化速率，确定时空演化速率的曲线图。
一些实施例中，所述判断单元用于：
采用Bernaola-Galvan算法对所述时空演化速率的曲线图进行探测；
当所述时空演化速率的曲线图存在转变点时，发出预警信号；
当所述时空演化速率的曲线图不存在转变点时，不发出预警信号。
其中，上述考虑边坡全域监测数据的滑坡装置中各个模块的功能实现与上述考虑边坡全域监测数据的滑坡方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第三方面，本申请实施例提供一种考虑边坡全域监测数据的滑坡设备，考虑边坡全域监测数据的滑坡设备可以是个人计算机(personal computer，PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图8，图8为本申请实施例方案中涉及的考虑边坡全域监测数据的滑坡设备的硬件结构示意图。本申请实施例中，考虑边坡全域监测数据的滑坡设备可以包括处理器、存储器、通信接口以及通信总线。
其中，通信总线可以是任何类型的，用于实现处理器、存储器以及通信接口互连。
通信接口包括输入/输出(input/output，I/O)接口、物理接口和逻辑接口等用于实现考虑边坡全域监测数据的滑坡设备内部的器件互连的接口，以及用于实现考虑边坡全域监测数据的滑坡设备与其他设备(例如其他计算设备或用户设备)互连的接口。物理接口可以是以太网接口、光纤接口、ATM接口等；用户设备可以是显示屏(Display)、键盘(Keyboard)等。
存储器可以是各种类型的存储介质，例如随机存取存储器(randomaccessmemory，RAM)、只读存储器(read-only memory，ROM)、非易失性RAM(non-volatileRAM，NVRAM)、闪存、光存储器、硬盘、可编程ROM(programmable ROM，PROM)、可擦除PROM(erasable PROM，EPROM)、电可擦除PROM(electrically erasable PROM，EEPROM)等。
处理器可以是通用处理器，通用处理器可以调用存储器中存储的考虑边坡全域监测数据的滑坡程序，并执行本申请实施例提供的考虑边坡全域监测数据的滑坡方法。例如，通用处理器可以是中央处理器(central processing unit，CPU)。其中，考虑边坡全域监测数据的滑坡程序被调用时所执行的方法可参照本申请考虑边坡全域监测数据的滑坡方法的各个实施例，此处不再赘述。
本领域技术人员可以理解，图8中示出的硬件结构并不构成对本申请的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
第四方面，本申请实施例还提供一种可读存储介质。
本申请可读存储介质上存储有考虑边坡全域监测数据的滑坡程序，其中所述考虑边坡全域监测数据的滑坡程序被处理器执行时，实现如上述的考虑边坡全域监测数据的滑坡方法的步骤。
其中，考虑边坡全域监测数据的滑坡程序被执行时所实现的方法可参照本申请考虑边坡全域监测数据的滑坡方法的各个实施例，此处不再赘述。
需要说明的是，上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种考虑边坡全域监测数据的滑坡预警方法，其特征在于，所述方法包括：
根据边坡监测点的空间位置分布，构建监测点网络；
识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
2.如权利要求1所述的一种考虑边坡全域监测数据的滑坡预警方法，其特征在于，所述根据边坡监测点的空间位置分布，构建监测点网络，包括：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
3.如权利要求2所述的一种考虑边坡全域监测数据的滑坡预警方法，其特征在于，所述识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，包括：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
4.如权利要求3所述的一种考虑边坡全域监测数据的滑坡预警方法，其特征在于，所述计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图，包括：
根据公式：
d(p,φ(p))＝max(|ηbirth,p-ηbirth,φ(p)|,|ηdeath,p-ηdeath,φ(p)|)
确定p点和φ(p)点间的距离d(p,φ(p))，其中ηbirth,p和ηdeath,p分别代表p点对应组件出现和消亡时的变形速率阈值，φ(p)代表p点通过映射φ在另一持续图PD′中的对应映射点；
根据公式：
确定当前时刻边坡变形场的沃瑟斯坦距离增量WDΔt,t，其中PD、PD′分别为相邻的两个组件持续图；p表示对持续图PD中所有的点进行遍历，Δt表示两个持续图间的时间间隔，以天为单位；
根据公式：
WDt＝WDt-1+WDΔt,t(PD,PD′)
得到当前时刻的总沃瑟斯坦距离WDt，其中WDt-1、WDt分别表示t和t-1时刻所求得的总沃瑟斯坦距离；
根据沃瑟斯坦距离量化边坡变形场的时空演化速率，确定时空演化速率的曲线图。
5.如权利要求4所述的一种考虑边坡全域监测数据的滑坡预警方法，其特征在于，所述判断所述曲线图是否存在转变点，根据判断结果发出预警信号，包括：
采用Bernaola-Galvan算法对所述时空演化速率的曲线图进行探测；
当所述时空演化速率的曲线图存在转变点时，发出预警信号；
当所述时空演化速率的曲线图不存在转变点时，不发出预警信号。
6.一种考虑边坡全域监测数据的滑坡预警装置，其特征在于，所述装置包括：
构建单元，其用于根据边坡监测点的空间位置分布，构建监测点网络，所述构建单元还用于识别所述监测点网络中每个组件产生与消亡时的变形速度阈值，构建对应的持续图，所述组件是由所述监测点网络中若干节点通过边连接而成的局部最大连通子集；
计算单元，其用于计算相邻持续图之间的距离，根据所述距离量化边坡变形场的时空演化速率，并确定时空演化速率的曲线图；
判断单元，其用于判断所述曲线图是否存在转变点，根据判断结果发出预警信号。
7.如权利要求6所述的一种考虑边坡全域监测数据的滑坡预警装置，其特征在于，所述构建单元用于：
获取覆盖边坡全域的监测数据；
将每个监测点均作为网络中的一个节点；
将每个监测点周围一定范围内的其他监测点作为其邻居节点，在每个节点与其邻居节点之间添加一条连边，完成监测点网络构建。
8.如权利要求7所述的一种考虑边坡全域监测数据的滑坡预警装置，其特征在于，所述构建单元还用于：
选定监测点网络所有监测点处变形速率的最大值作为变形速率阈值；
选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
不断降低所述的变形速率阈值，并重复选取监测点网络中变形速率大于该阈值的部分节点与边构造监测点子网络，并从所述监测点子网络中提取各个组件结构；
记录的每个组件出现或消亡时对应的变形速率阈值，构建以组件出现时的变形速率阈值为Y轴数据，消亡时的变形速率阈值为X轴数据的监测点网络持续图。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至5中任一项所述的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的方法的步骤。
CN202311448752.XA 2023-11-02 2023-11-02 一种考虑边坡全域监测数据的滑坡预警方法与装置 Pending CN117612338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311448752.XA CN117612338A (zh) 2023-11-02 2023-11-02 一种考虑边坡全域监测数据的滑坡预警方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311448752.XA CN117612338A (zh) 2023-11-02 2023-11-02 一种考虑边坡全域监测数据的滑坡预警方法与装置

Publications (1)

Publication Number Publication Date
CN117612338A true CN117612338A (zh) 2024-02-27

Family

ID=89958685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311448752.XA Pending CN117612338A (zh) 2023-11-02 2023-11-02 一种考虑边坡全域监测数据的滑坡预警方法与装置

Country Status (1)

Country Link
CN (1) CN117612338A (zh)

Similar Documents

Publication Publication Date Title
US10956296B2 (en) Event correlation
US8578494B1 (en) Security threat detection
CN104601591B (zh) 网络攻击源组织检测方法
US10554680B2 (en) Forecasting and classifying cyber-attacks using analytical data based neural embeddings
CN102075516A (zh) 一种网络多步攻击识别和预测方法
JP2018512646A (ja) 出現しつつある脅威のプロアクティブな検出
CN111355697A (zh) 僵尸网络域名家族的检测方法、装置、设备及存储介质
Gupta et al. Significance of clustering coefficient over jaccard index
Szabo et al. Formalization of weak emergence in multiagent systems
CN109495513B (zh) 无监督的加密恶意流量检测方法、装置、设备及介质
WO2019200739A1 (zh) 数据欺诈识别方法、装置、计算机设备和存储介质
CN113141276A (zh) 一种基于知识图谱的信息安全方法
Kim et al. A study on Classification of Insider threat using Markov Chain Model
Kaiser et al. Attack hypotheses generation based on threat intelligence knowledge graph
Vaccari et al. eXplainable and reliable against adversarial machine learning in data analytics
Fischer et al. A top-down-view on intelligent surveillance systems
CN112257546B (zh) 一种事件预警方法、装置、电子设备及存储介质
Brandusoiu et al. Churn prediction in the telecommunications sector using Bayesian networks
CN117612338A (zh) 一种考虑边坡全域监测数据的滑坡预警方法与装置
Chandore et al. Outlier detection techniques over streaming data in data mining: A research perspective
CN117240572A (zh) 基于网络威胁知识图谱的意图预测方法、装置及介质
CN115567305B (zh) 基于深度学习的顺序网络攻击预测分析方法
EP4102772B1 (en) Method and apparatus of processing security information, device and storage medium
Legg Human-machine decision support systems for insider threat detection
Yagnik Ankur et al. Oulier analysis using frequent pattern mining–a review

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