一种滑坡预报方法及系统技术方案

本发明专利技术公开了一种滑坡预报方法及系统。该方法包括：针对目标地区，获取历史时间序列日降雨量和日滑坡数之间对应关系；以日降雨量为自变量，当日滑坡数为因变量，构建多元线性回归方程；采用决定系数R2来评价该多元线性回归方程的拟合优度；绘制历史时间序列的日累积降雨与当日滑坡回归方程adjusted R2随相应降雨天数变化的折线图，判断预报因子正影响下的最佳自变量个数，并通过权衡预测成本与实际预报的准确度大小，得到最合理的多元回归模型。本发明专利技术能够准确预测滑坡，有利于为减灾救灾和规划市政建设提供科学参考。划市政建设提供科学参考。划市政建设提供科学参考。

【技术实现步骤摘要】
一种滑坡预报方法及系统


[0001]本专利技术涉及资源和环境
，更具体地，涉及一种滑坡预报方法及系统。

技术介绍

[0002]对于滑坡的准确预报可以保护公众生命财产及自然环境。但目前，针对当前降雨与前期累积降雨对滑坡的影响关系研究多为定性描述，缺乏详尽定量探索。滑坡观测数据通常缺乏长时间实时监测，绝大多数记录都以日为单位，以小时为单位的分析结果存在较大不确定性。因此研究日降雨与日滑坡关系，比小时级别的研究结论更加可靠。
[0003]已有的滑坡研究多从滑坡成因、过程、分布等方面展开。成因上，滑坡受降雨影响大，世界范围内降雨造成的滑坡占比高达90％。已有的关于香港地区降雨
‑
滑坡关系的研究，多利用香港土木工程拓展署下辖土木工程处(GEO)的滑坡数据以及对应降雨数据。例如，一种方案是定量研究降雨对滑坡的影响，认为当日降雨超过100mm，以及前15日累计降雨量超过350mm，极易发生灾难性滑坡，但未区分当日降雨与前15日累计降雨的关系。另一方案是利用香港岛1984年1月至1994年6月雨量及15分钟降雨数据与GEO年度报告滑坡数据，研究滑坡发生概率与降雨之间的关系，表明3小时降雨量是预测滑坡数量的最佳指标，在这项研究中发现滑坡发生日期通常与强降雨日期一致，但滑坡时间与强降雨发生时间存在不相符，反映了记录的滑坡时间不准确，或滑坡在最高强度降雨之前或之后发生的可能性。
[0004]综上，现有研究虽然将当前降雨及前期累积降雨对滑坡的影响皆进行了定性描述分析，但仍然缺乏详尽的定量探索结论。并且由于滑坡观测数据常常缺乏长时间实时监测，以小时为单位的分析结果存在较大不确定性。尽管利用日降水研究降雨
‑
滑坡关系，其结论较可靠，但进入21世纪后，气候变暖趋势明显，极端气候增多，有必要根据更新的观测数据开展降雨
‑
滑坡关系研究，为各地区防灾减灾提供参考。

技术实现思路

[0005]本专利技术的目的是克服上述现有技术的缺陷，提供一种滑坡预报方法及系统。
[0006]根据本专利技术的第一方面，提供一种滑坡预报方法。该方法包括以下步骤：
[0007]针对目标地区，获取历史时间序列日降雨量和日滑坡数之间对应关系；
[0008]以日降雨量为自变量，当日滑坡数为因变量，构建多元线性回归方程；
[0009]采用决定系数R2来评价该多元线性回归方程的拟合优度；
[0010]绘制历史时间序列的日累积降雨与当日滑坡回归方程adjusted R2随相应降雨天数变化的折线图，判断预报因子正影响下的最佳自变量个数，并通过权衡预测成本与实际预报的准确度大小，得到最合理的多元回归模型。
[0011]根据本专利技术的第二方面，提供一种滑坡预报系统。该系统包括：
[0012]数据获取单元：用于针对目标地区，获取历史时间序列日降雨量和日滑坡数之间对应关系；
[0013]线性分析单元：用于以日降雨量为自变量，当日滑坡数为因变量，构建多元线性回归方程；
[0014]拟合评价单元：用于采用决定系数R2来评价该多元线性回归方程的拟合优度；
[0015]模型优化单元：用于绘制历史时间序列的日累积降雨与当日滑坡回归方程adjusted R2随相应降雨天数变化的折线图，判断预报因子正影响下的最佳自变量个数，并通过权衡预测成本与实际预报的准确度大小，得到最合理的多元回归模型。
[0016]与现有技术相比，本专利技术的优点在于，以日降雨为自变量，日滑坡数为因变量，构建多元回归预报模型，进行日降雨与日滑坡之间定量关系的研究分析，实现对日滑坡数的计算预测，有利于为减灾救灾和规划市政建设提供科学参考。
[0017]通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。
附图说明
[0018]被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。
[0019]图1是2001年
‑
2016年日滑坡和日降雨时间序列柱状图示意；
[0020]图2是根据本专利技术一个实施例的构建日降雨及日滑坡间最合理的多元回归预测模型的流程图；
[0021]图3是根据本专利技术一个实施例的日滑坡拟合回归方程adjusted R2参数值随前几日累积降雨变化的示意图；
[0022]图4是根据本专利技术一个实施例的实际滑坡观测与降雨拟合滑坡对比情况示意图；
[0023]图5是根据本专利技术一个实施例的检验判定降雨与滑坡之间显著相关性的流程图。
具体实施方式
[0024]现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。
[0025]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。
[0026]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0027]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0028]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讨论。
[0029]本专利技术是一种基于日降雨和日滑坡数的历史观测，采用多元回归方程，构造日降雨与日滑坡之间定量关系的多元回归预报模型，旨在为快速城市化发展的各城市预测降雨
‑
滑坡地质灾害，防灾减灾和规划市政建设提供科学参考。
[0030]简言之，所提供的滑坡预报方法包括以下步骤：获取滑坡时间序列数据及其对应
的降雨量数据，考虑非降雨因素的影响，进行数据质量控制，并绘制两者日变化的时间序列图；采用当日、前一日、前两日等降雨量为自变量，当日滑坡数为因变量，进行多元线性回归分析，通过回归决定系数R2来评价方程拟合结果，并引入adjusted R2用于确定最佳自变量个数，抵消增加自变量对R2的影响，同时考虑预测支出成本，与实际预报的准确度大小之间的权衡关系，得到最合理的多元回归模型；以日滑坡数为因变量，分析降雨
‑
滑坡之间的协相关关系，并进行线性回归，计算协相关系数ρ，并通过学生t分布，以设定的置信区间，获取临界相关系数r
cirt
；考虑降雨与滑坡关系特点，在拟合回归得到R2较小的情况下，比较协相关系数与临界相关系数的大小，来判别降雨和滑坡时间序列的显著相关性。
[0031]以下将结合附图阐述本专利技术的具体方案。
[0032]图1展示了2001年
‑
2016年日滑坡和日降雨的时间序列柱状图，其数据处理及图形绘制过程描述如下：
[0033]步骤S1，获取滑坡时间序列数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滑坡预报方法，包括以下步骤：针对目标地区，获取历史时间序列日降雨量和日滑坡数之间对应关系；以日降雨量为自变量，当日滑坡数为因变量，构建多元线性回归方程；采用决定系数R2来评价该多元线性回归方程的拟合优度；绘制历史时间序列的日累积降雨与当日滑坡回归方程adjusted R2随相应降雨天数变化的折线图，判断预报因子正影响下的最佳自变量个数，并通过权衡预测成本与实际预报的准确度大小，得到最合理的多元回归模型。2.根据权利要求1所述的滑坡预报方法，其特征在于，所述多元线性回归方程表示为：计算得出的多元回归模型表示为：L
fit
＝0.038*r0+0.032*r1+0.008*r2+0.018*r3+0.018*r4‑
0.167其中，m是正整数，L
fit
是拟合滑坡数，c是常数，B0和B
m
是拟合系数，r0表示当日降雨量，r
m
表示滑坡前m日的降雨量，降雨量单位为毫米，滑坡单位为个。3.根据权利要求2所述的滑坡预报方法，其特征在于，adjusted R2的计算公式表示为：其中，n为样本总数，p为自变量个数。4.根据权利要求3所述的滑坡预报方法，其特征在于，需要根据以下步骤检验判定降雨与滑坡之间的显著相关性：以日降雨量为自变量，日滑坡数为因变量，获取变量间的协相关系数：其中，r
i
为第i日降雨量，L
i+τ
为日滑坡数，为日均降雨量，为日均滑坡数，τ为L
i+τ
滞后i的时间，τ＝0时，计算的ρ(τ)是降雨
‑
滑坡的相关系数；计算日降雨量和滑坡数的自相关系数；针对不同的天数延迟τ，计算日降雨量和滑坡数之间的有效自由度，表示为：其中，ρ
rl
、ρ
lr
分别是计算...

【专利技术属性】
技术研发人员：李晴岚，熊诚，吴悦媛，李广鑫，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：