一种地质灾害自动化监测系统及方法与流程

1.本发明属于灾害监测领域，尤其涉及一种地质灾害自动化监测系统及方法。


背景技术：

2.每年都有地质灾害发生，滑坡，崩塌以及泥石流灾害给当地人民造成不小的危害。精准预测和监测地质灾害对具有重大意义。
3.地质灾害监测工作中为了获取更为全面的量化指标，往往采用多种监测仪器，随着大量监测仪器的应用，由于仪器设备的开发者所采用的软件技术不同、技术手段不同，其监测数据往往分散于不同类型数据库中，且数据格式也千差万别，这也导致监测数据的采集、传输、获取及处理等技术存在兼容性问题，且随着监测范围的扩大、不同仪器厂商之间的软硬件的兼容性问题越来越多，同时监测数据采集频率较高、监测时间较长、数据量大，这些问题都直接影响到整个监测预警系统有效持续的运作。种种因素导致现有技术的地质灾害监测系统存在准确率低，联动性差的缺点，而且现有系统对险情的预判性较差。
4.本发明旨在提供一种更为精准有效，持续稳定的地质灾害自动化监测系统及方法。


技术实现要素：

5.本发明提供一种地质灾害自动化监测方法及系统，旨在解决现现有技术的地质灾害监测系统存在准确率低，联动性差的问题。
6.本发明提供一种地质灾害自动监测系统，包括数据采集模块，数据传输模块，数据监测及标准化模块，数据交流和共享模块；数据采集模块用于采集各项地质灾害数据，数据传输模块用于传输采集到的各项数据；数据标准化模块对不同的数据格式进行统一；所述数据交流和共享模块用于地质险情的预测，包括调查评价单元，群测群防单元，大数据存储单元和机器学习单元。
7.所述数据采集模块用于采集地形地貌，雨量站点，灾害点分布数，地质数据，地质灾害崩塌，塌陷，泥石流，地面沉降，地裂缝，滑坡地质灾害数据，系统根据采集的原数据建立空间数据库和属性数据库，并利用统一编码完成空间数据库和属性数据库之间的相互连接，在完成地质灾害图形数据库后，系统便可以为终端提供查询，统计，大数据机器学习的功能。
8.所述数据监测及标准化模块用于把采集的原始数据进行解析、异常处理、建立统一数据标准措施，最后通过数据库调用通用访问组件存储入库；数据交流和共享模块包括调查评价，群测群防，建设智能数据仓库，利用大数据和机器学习原理，针对调查评价提取特征，对地质灾害进行预测，以达到有效预防和规避灾害的效果。
9.进一步，所述数据采集模块包括超声波泥位采集单元，光学雨量采集单元以及gps检测单元，所述泥位采集单元利用超声波准确的测量出污泥层的高度和厚度，提供分析污泥沉淀特性的真实数据依据，所述光学雨量采集单元自动记录降水量，降水时数，降水强
度，降水起止时间。
10.进一步，所述数据监测及标准化模块包括空间数据库和监测时序数据库，所述空间数据库包括图形数据库和属性数据库，在对图形数据库和属性数据库进行构建时，利用统一的编码完成两种数据库之间的相互连接，在完成图形数据库后，便可以针对地质灾害系统进行数据查询，统计，以及机器学习模型的训练。
11.进一步，所述数据监测及标准化模块根据数据库表结构，设计标准化数据类型，将源数据库主键、目标数据库主键、是否获取变化量、参数进行一一对应，通过数据解析功能，将数据类型统一标准化，主键是char类型，监测数据编码为char类型，监测值为double，监测时间为date类型，数据来源为string类型。
12.对于检测仪所获取的原始记录的频率值，无法直接使用，系统采用相应的公式、参数换算，获取预警、预报数据。程序中采用工作流配置文件的方式，将不同类型的公式及相应的参数写入配置文件。系统通过遍历配置文件处理数据的各个测点的数据，调用对应的公式，根据标准实现数据转换。
13.进一步，所述监测时序数据库自动识别监测异常数据，数据采集模块把采集到的信息每三分钟回传一次，用前一条数据的时间减去后一条数据的时间，时间差为3分钟则判断为正常，超过即为异常。
14.影响监测数据采集的因素有很多，监测数据出现丢失，跳跃等异常经常发生，错过灾害发生的关键时刻，达不到灾害预防的目的。因此，在使用监测数据之前需要对数据进行异常识别处理，然后再将数据存储到数据库表中。并对原始数据做出备份。
15.进一步，所述机器学习单元构建基于大数据存储提取信息量的模型，具体如下：地质灾害受多种因素影响，信息量模型能够反应导致灾害因素及细分区间的组合，对地质灾害发生的概率进行预判，其中，对应某种状态下，地质灾害信息量公式可表示为m.1，，即为m.1；式中：——对应因素 a、j 状态或区间下地质灾害 b 发生的信息量； ——对应因素 a、j 状态或区间下地质灾害分布的单元数；——调查区已知有地质灾害分布的单元总数；——因素 a、j 状态或区间分布的单元数；——为调查区单元总数；—— 对应在选择的时间范围内分布的单元数；—— 对应以月份为单位的时间范围；——对应选择时间范围内的灾害发生概率的平均值；
当》0时，反映了对应因素 a、j 状态或区间下地质灾害发生倾向的信息量较大，地质灾害发生的可能性较大，当《0 时， 表明因素 a、j 状态或区间条件下，不利于地质灾害发生；当 =0 时，表明因素 a、j 状态或区间不提供有关地质灾害发生与否的任何信息，即因素 a、j 状态或区间可以剔除掉，排除其作为地质灾害预测因子；由于每个评价单元受众多因素的综合影响，各因素又存在若干状态，各状态因素组合条件下地质灾害发生的总信息量可用公式m.2确定：，即为m.2；式中：——对应特定单元地质灾害发生的总信息量，指示地质灾害发生的可能性，可作为地质灾害易发性指数；——对应特定因素、第 i 状态或区间条件下的地质灾害面积或地质灾害点数；—— 对应在选择的时间范围内分布的单元数；—— 对应以月份为单位的时间；——对应选择时间范围内的灾害发生概率的平均值；——对应特定因素、第 i 状态或区间的分布面积；——调查区地质灾害总面积或总地质灾害点数；——调查区总面积。
16.利用大数据存储和机器学习原理，针对调查评价提取特征，不断提升灾害治理效率。基于大数据存储提取危险性评价因子：在分地带统计过程中，将数据集分类区作为核心，来完成对数据集的数值统计。分类区指的是空间数据库的栅格数据中存在具有相同数值的栅格单元。通常情况下，区域历史灾害越多，则证明地质条件越差，这些区域发生地质灾害的概率将会更高，在统计过程中，可以通过gis来将灾害点现状分布图与评价单元相叠加，然后结合分带统计来明确历史灾害情况。若评价时位发现灾害点，则可以认定该单元为不危险区。灾害点密度越高，则总体危险系数增加。
17.本发明提供一种地质灾害监测方法，通过地质灾害自动监测系统采集地质灾害数据，建立地质灾害数据库，并对数据进行标准化处理，及时对地质灾害的发生进行预判。
18.本发明的有益效果：第一，本发明利用地理信息技术和数据库技术，用专业的方式采集地质灾害数据，建立地质灾害详查数据库，对地质灾害数据进行标准化处理，以提高地质灾害信息交流和共享的有效性，对提高有效防治地质灾害起到至关重要的作用；第二，本发明通过设置基于大数据存储提取信息量模型，达到准确预测灾害发生
的区域，时间，数量和发生概率的效果。
附图说明
19.图1为本发明系统图。
具体实施方式
20.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
21.如图1所示，本发明提供一种地质灾害自动监测系统，包括数据采集模块，数据传输模块，数据监测及标准化模块，数据交流和共享模块；数据采集模块用于采集各项地质灾害数据，数据传输模块用于传输采集到的各项数据；数据标准化模块对不同的数据格式进行统一；所述数据交流和共享模块用于地质险情的预测，包括调查评价单元，群测群防单元，大数据存储单元和机器学习单元。
22.数据采集模块采集地形地貌，雨量站点，灾害点分布数，地质数据，地质灾害崩塌，塌陷，泥石流，地面沉降，地裂缝，滑坡地质灾害数据，系统根据采集的原数据建立空间数据库和属性数据库，并利用统一编码完成空间数据库和属性数据库之间的相互连接，在完成地质灾害图形数据库后，系统便可以为终端提供查询，统计，大数据机器学习的功能；数据监测及标准化模块把采集的原始数据进行解析、异常处理、建立统一数据标准措施，最后通过数据库调用通用访问组件存储入库；数据交流和共享模块包括调查评价，群测群防，建设智能数据仓库，利用大数据和机器学习原理，针对调查评价提取特征，对地质灾害进行预测，以达到有效预防和规避灾害的效果。
23.数据采集模块包括超声波泥位采集单元，光学雨量采集单元以及gps检测单元。泥位采集单元连接超声波泥位界面仪，利用超声波准确的测量出污泥层的高度和厚度。提供分析污泥沉淀特性的真实数据依据，还可以对污泥的回流量进行控制。实时对真实地况做出分析和预警措施。雨量采集单元能够采集到降水量，降水时数，降水强度，降水起止时间等数据。可记录全天24小时的降雨过程。
24.光学雨量采集单元在无降雨时每1小时上报一次，有降雨时5分钟上报一次。
25.gps检测单元监测到地质灾害发生地的位置信息，包括经度，维度，高度，地理数据状态；gps检测单元每隔5~10分钟刷新一次数据输出，以获取实时空间数据位置信息；数据传输包括有线和无线两种；针对地质灾害远程数据无线传输网络采用gprs/4g/5g网络，基于tcp/ip协议，建立终端与检测预警中心服务器连接，实现地质灾害大容量的检测数据远程无线传输功能。对于实时性要求比较高的数据，在传输时可选用卫星传输以提高数据传输效率，满足数据同步处理的需求，保证快速提交成果。
26.空间数据库用来存储地形地貌，雨量站点，灾害点分布数，地质数据，地质灾害崩
塌，塌陷，泥石流，地面沉降，地裂缝，滑坡等地质灾害数据，本发明采用基于arcgis的地质灾害空间数据库，数据监测及标准化模块包括空间数据库和监测时序数据库，空间数据库包括图形数据库和属性数据库，在对图形数据库和属性数据库进行构建时，利用统一的编码完成两种数据库之间的相互连接，在完成图形数据库后，便可以针对地质灾害系统进行数据查询，统计，以及机器学习模型的训练。
27.由于每种检测仪的数据都有自己独特的特征，数据结构非常的复杂，数据采集，存储的方式各不相同，没有统一的标准，本发明制定统一数据结构，监测数据异常，自动恢复异常数据，对于无法恢复的数据做报警处理。
28.对于不同类型的数据，系统需要对数据集做异构处理。即将不同数据结构的监测数据，采用统一数据标准，通过一系列的转换、换算后，统一的汇集到一个数据库里。数据统一了，平台可以使用数据做进一步的业务工作。
29.数据监测及标准化模块根据数据库表结构，设计标准化数据类型，将源数据库主键、目标数据库主键、是否获取变化量、参数进行一一对应，通过数据解析功能，将数据类型统一标准化，主键是char类型，监测数据编码为char类型，监测值为double，监测时间为date类型，数据来源为string类型。
30.对于检测仪所获取的原始记录的频率值，无法直接使用，系统采用相应的公式、参数换算，获取预警、预报数据。程序中采用工作流配置文件的方式，将不同类型的公式及相应的参数写入配置文件。系统通过遍历配置文件处理数据的各个测点的数据，调用对应的公式，根据标准实现数据转换。
31.数据监测及标准化模块自动识别监测异常数据，影响监测数据采集的因素有很多，监测数据出现丢失，跳跃等异常经常发生，影响平台的使用效果，错过灾害发生的关键时刻，达不到灾害预防的目的。因此，在使用监测数据之前需要对数据进行异常识别处理，然后再将数据存储到数据库表中。并对原始数据做出备份。监测数据接收服务器会把接收到的信息每3分钟记录一次，用前一条数据的时间减去后一条数据的时间，时间差为3分钟则判断为正常，超过即为异常。
32.机器学习单元利用大数据存储和机器学习原理，针对调查评价提取特征，不断提升灾害治理效率。基于大数据存储提取危险性评价因子：在分地带统计过程中，将数据集分类区作为核心，来完成对数据集的数值统计。分类区指的是空间数据库的栅格数据中存在具有相同数值的栅格单元。通常情况下，区域历史灾害越多，则证明地质条件越差，这些区域发生地质灾害的概率将会更高，在统计过程中，可以通过gis来将灾害点现状分布图与评价单元相叠加，然后结合分带统计来明确历史灾害情况。若评价时位发现灾害点，则可以认定该单元为不危险区。灾害点密度越高，则总体危险系数增加。
33.机器学习单元构建基于大数据存储提取信息量的模型，具体如下：地质灾害受多种因素影响，信息量模型能够反应导致灾害因素及细分区间的组合，对地质灾害发生的概率进行预判，其中，对应某种状态下，地质灾害信息量公式可表示为m.1,，即为m.1；
式中：——对应因素 a、j 状态或区间下地质灾害 b 发生的信息量； ——对应因素 a、j 状态或区间下地质灾害分布的单元数；——调查区已知有地质灾害分布的单元总数；——因素 a、j 状态或区间分布的单元数；——为调查区单元总数；—— 对应在选择的时间范围内分布的单元数；—— 对应以月份为单位的时间范围；——对应选择时间范围内的灾害发生概率的平均值；当》0时，反映了对应因素 a、j 状态或区间下地质灾害发生倾向的信息量较大，地质灾害发生的可能性较大，当《0 时， 表明因素 a、j 状态或区间条件下，不利于地质灾害发生；当 =0 时，表明因素 a、j 状态或区间不提供有关地质灾害发生与否的任何信息，即因素 a、j 状态或区间可以剔除掉，排除其作为地质灾害预测因子；由于每个评价单元受众多因素的综合影响，各因素又存在若干状态，各状态因素组合条件下地质灾害发生的总信息量可用公式m.2确定：，即为m.2；式中：——对应特定单元地质灾害发生的总信息量，指示地质灾害发生的可能性，可作为地质灾害易发性指数；——对应特定因素、第 i 状态或区间条件下的地质灾害面积或地质灾害点数；—— 对应在选择的时间范围内分布的单元数；—— 对应以月份为单位的时间；——对应选择时间范围内的灾害发生概率的平均值；——对应特定因素、第 i 状态或区间的分布面积；——调查区地质灾害总面积或总地质灾害点数；——调查区总面积。
34.本实施例提供一种地质灾害监测方法，通过地质灾害自动监测系统采集地质灾害数据，建立地质灾害数据库，并对数据进行标准化处理，及时对地质灾害的发生进行预判。
35.以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，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，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。