一种基于人工智能的滑坡灾害安全监测与预警方法与流程

本发明涉及滑坡地质灾害安全监测与预警领域，具体涉及一种基于人工智能的滑坡灾害安全监测与预警方法。

背景技术：

中国幅员辽阔，是一个滑坡地质灾害频发的国家，据我国滑坡灾害统计年鉴统计，自1949年以来，我国平均每年发生滑坡地质灾害2万余起、伤亡1千余人、受灾人口90多万，直接经济损失20-60亿元。《提升科技支撑能力强化地质灾害监测预警三年行动方案（2018~2020）》和《全国地质灾害防治“十三五”规划》提出，要加强地质灾害防治工作，充分利用科技手段，开展全方位、多层次的专业化监测预警，提升我国地质灾害监测预警整体技术水平，降低因地质灾害造成人员伤亡数量。

查阅国内外相关文献资料表明，地质灾害的监测预警主要从两个角度来展开，一类是地质灾害地原位实时监测，监测参数包括位移，湿度，土压力，应力应变等；另一类是采用空间对地监测，即运用合成孔径雷达干涉测量技术（insar），机载激光雷达技术(lidar)，高分辨率遥感技术，全球导航卫星技术(gnss)等方法进行地质灾害预警。滑坡灾害安全监测预警目前存在以下问题：

（1）监测数据处理技术薄弱

滑坡灾害治理与实时监测过程中，目前我国积累了大量的监测数据，这些数据有些是有用的，有些是冗余的，如何基于运用人工智能方法，采用用大数据挖掘技术，找出对滑坡灾害安全预警有益的数据缺乏可靠和有效的计算方法。

（2）安全监测与预警系统融合

有效的滑坡地质灾害安全监测与预警系统，要求系统内各个模块相互匹配，组成一个有机的整体，正确发挥预警作用。目前我国在在滑坡灾害防治领域，注重采用了各种先进的高新技术方法获取各种监测数据，而对于监测数据如何支撑预警模块，做出合理的决策缺乏统一的考量和有效的系统整合方法。

（3）安全预警阈值。

合理的安全预警阈值，是得出正确坡灾害安全预警的基础。目前对于滑坡灾害安全阈值的获取和应用偏向于工程经验，并具有较大的随意性，安全预警阈值的置性水平得不到保障。另一方面，对于大量的监测指标，目前常采用一个，或两个单独的指标作为预警阈值，这显然是不够的。

技术实现要素：

本发明的目的在于提供一种基于人工智能的滑坡灾害安全监测与预警方法，该方法基于人工智能方法，建立可靠的、各模块相融合的滑坡灾害安全监测预警系统，解决现有监测预警系统存在的系统各模块融合程度低，多指标监测数据无法统一表征，多指标安全预警阈值不能有效获取并进行安全预警的技术难题。

为实现上述目的，本发明的技术方案是：一种基于人工智能的滑坡灾害安全监测与预警方法，包括如下步骤：

（1）构建基于人工智能的滑坡灾害安全监测与预警系统，该系统包括监测模块、预测模块和预警模块；

（2）在易滑坡区域选择特征点埋设传感器元件；

（3）将传感器元件统一接入数据传输装置，通过数据传输装置向监测模块传输数据，获得各类型岩土力学关于时间的序列参数；

（4）对各类型岩土力学关于时间的序列参数进行冗余分析，初步数据处理，剔除异常；

（5）将获取的各类型岩土力学关于时间的序列参数进行主成分析：首先计算各类型岩土力学关于时间的序列参数在每一时刻的初始特征值、贡献率和成分矩阵，以累积贡献率85%为临界确定时间序列参数主成分个数（f1，f2，f3，f4……），得到累积时间序列主成分特征值f；

（6）将累积时间序列主成分特征值f进行聚类分析：根据预测时间间隔精度，即当预测精度为天时，计算当天、2天前、3天前、5天前和7天前的累积时间序列主成分特征值，运用k-means聚类方法进行聚类分析，得到滑坡灾害发生的关键类；同理，预测时间间隔精度为时、分时进行相同操作；

（7）提取关键类，比较分析2天前、3天前、5天前和7天前的累积时间序列主成分特征值与当天主成分特征值的线性关系，搜索得出滑坡灾害预警阈值特征曲线；

（8）建立滑坡灾害预警三级响应级别，分别为红色监测预警、橙色监测预警、黄色监测预警；当主成分特征值超过滑坡灾害预警阈值特征曲线时，发布红色监测预警；当主成分特征值超过滑坡灾害预警阈值特征曲线对应特征值的85%时，发布橙色监测预警；当主成分特征值超过滑坡灾害预警阈值特征曲线对应特征值的70%时，发布黄色监测预警；

（9）预测计算后一天的主成分特征值，并与滑坡灾害预警阈值特征曲线比较，得出预警响应级别，供决策机构进行灾害响应和应急处置。

在本发明一实施例中，步骤（2）中，所述传感器元件包括雨量计、空气湿度计、孔隙水压力计、土壤含水率传感器、土压力计、位移计。

在本发明一实施例中，步骤（3）中，所述各类型岩土力学关于时间的序列参数包括：降雨量、空气湿度、孔隙水压力、土壤湿度、坡脚土压力、坡顶土压力、侧坡土压力、位移参数。

相较于现有技术，本发明具有以下有益效果：本发明基于人工智能方法，建立可靠的、各模块相融合的滑坡灾害安全监测预警系统，解决现有监测预警系统存在的系统各模块融合程度低，多指标监测数据无法统一表征，多指标安全预警阈值不能有效获取并进行安全预警的技术难题。

附图说明

图1为本发明滑坡灾害安全监测与预警系统结构示意图。

图2为本发明滑坡灾害安全监测与预警阈值特征曲线示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明提供了一种基于人工智能的滑坡灾害安全监测与预警方法，首先，在易滑坡区域选择特征点埋设传感器元件，获取各类型岩土力学关于时间的序列参数，并进行主成分析，获得主成分个数以及主成分特征值f；其次，将主成分特征值f进行聚类分析，得到滑坡灾害发生的关键类，并比较分析主成分特征值与当天主成分特征值的关系，搜索得出滑坡灾害预警阈值特征曲线；最后，运用主成分特征值与当天主成分特征值的关系得出预测值，并与滑坡灾害预警阈值特征曲线相比较，得出不同滑坡灾害安全监测预警响应级别。

以下为本发明的具体实施实例。

本实例针对福建泉州市安溪县西坪镇尧山村，前期边坡在台风暴雨来临时发生过大规模滑坡，目前已采取初步的边坡加固措施，急需在该村边坡建立可靠的实时安全监测与预警系统。具体实施步骤是：

（1）在易滑坡区域选择特征点埋设传感器元件，包括雨量计、空气湿度计、孔隙水压力计、土壤含水率传感器、土压力计、位移计。

（2）传感器统一接入数据传输装置，通过无线数据传输模块向系统的监测模块传输数据，数据获取时间间隔为分（min）。获得8个时间序列参数：降雨量（mm），空气湿度（%），孔隙水压力（kpa），土壤湿度（%），坡脚土压力（kpa），坡顶土压力（kpa），侧坡土压力（kpa），位移（mm）。

（3）对时间序列参数进行冗余分析，初步数据处理，剔除异常。

（4）将获取的8类时间序列参数进行主成分析。首先计算8类时间序列参数在每一时刻的初始特征值、贡献率和成分矩阵，以累积贡献率85%为临界确定时间序列参数主成分个数（f1，f2，f3，f4），得到时间序列主成分特征值f。

（5）将累积时间序列主成分特征值进行聚类分析。计算当天、2d前、3d前、5天前和7天前的累积时间序列主成分特征值，运用聚类（k-means）方法进行聚类分析，得到滑坡灾害发生的关键类。

（6）提取关键类，比较分析2d前、3d前、5天前和7天前的累积时间序列主成分特征值与当天主成分特征值的线性关系，搜索得出滑坡灾害预警阈值特征曲线。

（7）建立滑坡灾害预警三级响应级别（红色监测预警、橙色监测预警、黄色监测预警）。当主成分特征值超过滑坡灾害预警阈值特征曲线时，发布红色监测预警；当主成分特征值超过滑坡灾害预警阈值特征曲线对应特征值的85%时，发布橙色监测预警；当主成分特征值超过滑坡灾害预警阈值特征曲线对应特征值的70%时，发布黄色监测预警；

（8）预测计算后一天的主成分特征值，并与滑坡灾害预警阈值特征曲线比较，得出预警响应级别，供决策机构进行灾害响应和应急处置。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。