一种基于裂缝计实时监测的滑坡灾害智能预警方法技术

本发明专利技术涉及边坡预警技术领域，公开了一种基于裂缝计实时监测的滑坡灾害智能预警方法，采用滑动平均方法对各个裂缝计监测到数据进行趋势提取，找出异常设备；剔除异常设备的监测数据，采用滑动平均方法对正常设备进行趋势提取，形成新的变形数据的时间序列；然后基于新的变形数据的时间序列，计算正常设备监测的历史数据的相邻两个时间间隔的变形差和变形速度。本发明专利技术采用基于裂缝计监测滑的坡灾害智能、实时监测预警方法，无需人为设置滑坡灾害发生对于的变形阈值，从而避免既能有效防止因为阈值设置不当而引起的漏报或误报，能够有效提高预警准确率，减少误报次数。减少误报次数。减少误报次数。

【技术实现步骤摘要】
一种基于裂缝计实时监测的滑坡灾害智能预警方法


[0001]本专利技术涉及边坡预警
，尤其涉及一种基于裂缝计实时监测的滑坡灾害智能预警方法。

技术介绍

[0002]滑坡是给人们生产生活造成巨大损失的重要地质灾害类型之一，其作为自然界普遍存在的一种地质现象，通常表现为自然边坡或人工边坡在外界环境的影响下发生变形，并在外界环境条件触发时发生的整体滑动。
[0003]现阶段，采用裂缝计监测已是滑坡预警监测的重要技术手段，而在实际工作中，滑坡预警信息的误报已经成为滑坡预警技术发展中亟需解决的技术问题，为此提出一种基于裂缝计的边坡预警方法，以减少误报，提高预警准确率。

技术实现思路

[0004]本专利技术的目的在于提供一种基于裂缝计实时监测的滑坡灾害智能预警方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于裂缝计实时监测的滑坡灾害智能预警方法，包括如下步骤
[0007]采用滑动平均方法对各个裂缝计监测到数据进行趋势提取，找到异常设备；
[0008]剔除异常设备的监测数据，采用滑动平均方法对正常设备进行趋势提取，形成新的变形数据的时间序列；
[0009]然后基于新的变形数据的时间序列，计算正常设备监测的历史数据的相邻两个时间间隔的变形差和变形速度；
[0010]采用K
‑
means的方法，将上述变形差和变形速度组成的数据序列分类40个聚类中心，进行聚类分析，以获得裂缝计监测到变形数据的聚类中心坐标，根据变形差和变形速度划分滑坡灾害发生的风险等级；
[0011]接收新数据，采用滑动平均的方法计算更新数据点的变形数据和前一个数据点的变形数据，计算更新数据点的变形差和变形速度，带入训练好的K
‑
means模型，判断更新数据点是否为正常数据，若为正常数据，则对照上述确定滑坡灾害发生的风险等级。
[0012]进一步的，在S1中还包括如下步骤；
[0013]D1、选取一个长度为N个数据的滑动窗口，计算数据的滑动平均值，形成新的变形数据的数据序列X
k
，其中，k为裂缝计序号；具体地，如果裂缝计监测到数据数量小于N，则保持数据不变，反之，在保持最初的N
‑
1个数据不变，从第N个数据开始，选一个长度为N个数据的滑动窗口，用于存储该数据和该数据之前的N
‑
1个数据。
[0014]D2、根据新的变形数据的时间序列X
k
，计算每台裂缝计对应的新的变形数据的时间序列的平均值然后，计算的标准差STD；
[0015]D3、根据所述的STD、中数据的最大值和最小值的差值以及中相邻两个时间间隔的变形差对裂缝计进行分类。
[0016]进一步的，在上述的D3中，按照如下方式分类，
[0017]若STD≤0.1mm，且中数据的最大值和最小值的差值≤10mm，则数据正常，该裂缝计标记为正常；
[0018]若STD＞0.1mm，且中数据的最大值和最小值的差值≤10mm，则数据正常，该裂缝计标记为正常；
[0019]若STD＞0.1mm，且中数据的最大值和最小值的差值＞10mm，则数据异常，该裂缝计标记为异常。
[0020]进一步的，在异常数据中，进一步计算中相邻两个时间间隔的变形差T，统计变形差T＜
‑
1mm的监测数据点数量占该裂缝计监测的总数据点数量的比例Y，统计变形差＜
‑
5mm的监测数据点与变形差＞
‑
5mm的监测数据点之间的数量差的绝对值Z，按照如下方式进一步进行分类；
[0021]若STD＞0.1mm，且中数据的最大值和最小值的差值＞10mm，Y＜0.6，标记该裂缝计为一类异常；
[0022]若STD＞0.1mm，且中数据的最大值和最小值的差值＞10mm，Y≥0.6，标记该裂缝计为为二类异常；
[0023]若STD＞0.1mm，且中数据的最大值和最小值的差值＞10mm，Y≥0.6，Z≤0.2，标记该裂缝计为三类异常。
[0024]进一步的，所述滑坡灾害发生的风险等级分为无预警、蓝色预警、黄色预警、橙色预警和红色预警。
[0025]本专利技术的有益效果是：
[0026]本专利技术能够有效剔除异常裂缝计监测到的数据，通过非监督学习(聚类分析)的方法，获取正常设备监测的历史数据的变形差和变形速度的特征，在此基础上，建立一种基于裂缝计监测滑的坡灾害智能、实时监测预警方法，并且根据变形差和变形速度对滑坡灾害发生的风险等级进行实时评估，从而实现滑坡灾害的预报预警。采用基于裂缝计监测滑的坡灾害智能、实时监测预警方法，无需人为设置滑坡灾害发生对于的变形阈值，从而避免既能有效防止因为阈值设置不当而引起的漏报或误报，能够有效提高预警准确率，减少误报次数。
附图说明
[0027]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附
[0028]图中：
[0029]图1为本专利技术提出的边坡预警方法的工作原理框图；
[0030]图2a、图2b均为第一类异常裂缝计测量数据；
[0031]图3a、图3b均为第二类异常裂缝计测量数据；
[0032]图4a、图4b均为第三类异常裂缝计测量数据；
[0033]图5为本专利技术的基于裂缝计监测到变形数据建立的聚类中心坐标滑坡灾
[0034]害发生的风险等级划分。
具体实施方式
[0035]为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0036]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。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。
[0037]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0038]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0039]在本申请实施例的描述中，需要说明的是，指示方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，或者是该申请产品使用时惯常摆放的方位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于裂缝计实时监测的滑坡灾害智能预警方法，其特征在于，包括如下步骤：S1、采用滑动平均方法对各个裂缝计监测到数据进行趋势提取，找到异常设备；S2、剔除异常设备的监测数据，采用滑动平均方法对正常设备进行趋势提取，形成新的变形数据的时间序列；S3、然后基于新的变形数据的时间序列，计算正常设备监测的历史数据的相邻两个时间间隔的变形差和变形速度；S4、采用K
‑
means的方法，将上述变形差和变形速度组成的数据序列分类40个聚类中心，进行聚类分析，以获得裂缝计监测到变形数据的聚类中心坐标，根据变形差和变形速度划分滑坡灾害发生的风险等级；S5、接收新数据，采用滑动平均的方法计算更新数据点的变形数据和前一个数据点的变形数据，计算更新数据点的变形差和变形速度，带入训练好的K
‑
means模型，判断更新数据点是否为正常数据，若为正常数据，则对照上述确定滑坡灾害发生的风险等级。2.根据权利要求1所述的一种基于裂缝计实时监测的滑坡灾害智能预警方法，其特征在于：在S1中还包括如下步骤；D1、选取一个长度为N个数据的滑动窗口，计算数据的滑动平均值，形成新的变形数据的数据序列X
k
，其中，k为裂缝计序号；具体地，如果裂缝计监测到数据数量小于N，则保持数据不变，反之，在保持最初的N
‑
1个数据不变，从第N个数据开始，选一个长度为N个数据的滑动窗口，用于存储该数据和该数据之前的N
‑
1个数据；D2、根据新的变形数据的时间序列X
k
，计算每台裂缝计对应的新的变形数据的时间序列的平均值然...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：安徽省新近纪防灾科技有限公司，
类型：发明
国别省市：