一种用于滑坡灾害实时监测预警的装置和方法与流程

技术特征：

1.一种滑坡灾害实时监测预警装置，其特征在于，包括数据采集系统，所述数据采集系统包括分布式固定安装在坡体上的雨量计传感器(1)、拉线位移传感器(4)、土壤水分传感器(6)、温湿度传感器(7)和应变传感器(8)，所述雨量计传感器(1)、拉线位移传感器(4)、土壤水分传感器(6)、温湿度传感器(7)和应变传感器(8)连接无线传感检测系统，所述无线传感监测系统包括安装在坡体表面的若干无线监测站(3)，所述无线监测站(3)内部包括智能控制装置MCU，所述雨量计传感器(1)、拉线位移传感器(4)、土壤水分传感器(6)、温湿度传感器(7)和应变传感器(8)连接所述智能控制装置MCU，所述智能控制装置MCU通过以太网连接中心站，所述数据采集系统通过ZigBee通信模块传输实时数据到所述无线监测站(3)的智能控制装置MCU。

2.如权利要求1所述的一种滑坡灾害实时监测预警装置，其特征在于，还包括固定设置在滑坡体底部的挡土墙(5)，所述挡土墙(5)上固定安装有压力盒(11)，所述压力盒(11)与所述应变传感器(8)相连接。

3.如权利要求1所述的一种滑坡灾害实时监测预警装置，其特征在于，所述智能操控装置MCU以TM32F407芯片为核心器件，包括A/D转换器，电源模块、存储模块、通信模块、人机交互模块、传感器模块、通道选择模块、无线接收模块和无线发送模块。

4.如权利要求1所述的一种滑坡灾害实时监测预警装置，其特征在于，还包括固定安装在滑坡体上的电源装置，所述电源装置为太阳能电池板和蓄电池组合的电源、并且通过导线连接所述无线监测站(3)。

5.如权利要求1所述的一种滑坡灾害实时监测预警装置，其特征在于，所述中心站包括数据库系统、数据分析系统、预警系统、服务器和防火墙。

6.一种采用如权利要求1-5任一项所述的滑坡灾害实时监测预警装置的监测预警的方法，其特征在于，具体按照如下步骤操作：

步骤1.无线监测站(3)内部的智能控制装置MCU根据设定好的采样时间，对所述雨量计传感器(1)、拉线位移传感器(4)、土壤水分传感器(6)、温湿度传感器(7)和应变传感器(8)发送采样指令，所述雨量计传感器(1)、拉线位移传感器(4)、土壤水分传感器(6)、温湿度传感器(7)和应变传感器(8)采集相应信号并汇总到数据采集系统之后，通过ZigBee通信模块将数据传输给智能控制装置MCU；

步骤2.所述智能控制装置MCU接收到数据之后，通过以太网发送给所述中心站，所述中心站对数据进行处理，所述中心站的数据分析系统将处理后的数据传送到所述中心站的预警系统，预警系统根据不同等级的故障预警进行分等级报警。

7.如权利要求6所述的一种滑坡灾害实时监测预警的方法，其特征在于，所述步骤2中心站处理数据后传输到预警系统的具体过程如下：

步骤2.1 所述中心站接收到所述智能控制装置MCU传送数据包后，首先提取其中的有效数据并存储到数据库系统中，采用以贝塔分布为核心的动态阈值算法消除奇异点数据，具体算法实现过程如下：

首先，将一段时间内的监测数据Xi归一化处理：

其中，X′i为归一化后的监测数据，Xmin为监测参数据中的最小值，Xmax为监测数据中的最大值；

然后，计算监测数据趋势概率的贝塔分布：

其中，Xj为监测数据数据分布区间后每个区间的中点値，mi是样本数据落在第i个区间内的个数，n是样本数据的个数，hi是每个区间的半宽度，N是所有区间的个数；

利用最小二乘法求贝塔分布的γ，η，如下：

其中，tk表示监测的时刻，表示时间间隔内的平均值，X′k表示第k区间的归一化后的监测数据，为归一化后的监测数据的平均值，共有n个区间；

F(λ)表示监测数据满足公式2所示的贝塔分布的概率分布函数，将公式3和公式4所得的γ，η代入公式5：

计算双侧α分位数λ1，λ2，

其中，λ1是下侧分位数，λ2是上侧分位数；

令α取0.05，将分位数λ1，λ2代入公式8，求正常数据区间[THreshoad1,THreshold2]：

THreshold1＝λ1*(Xmax-Xmin)+Xmin

THreshold2＝λ2*(Xmax-Xmin)+Xmin (8)

如果该点的监测数据落在正常数据区间，则就是有效的监测数据不剔除该点而沿用原来的数据，如果该点的监测数据没有落在正常数据区间，则认为是奇异点，剔除该点；

步骤2.2 将步骤2.1提取的有效数据传送给数据分析系统，得到传感器数据的图形及表格形式的实时显示，然后分析数据，将比对得到的预警等级结果反馈到数据分析系统，数据分析系统进行分析得到滑坡发生成灾概率Y，并与滑坡的正常运转状态数据以及历史灾害数据进行比对将诊断的危险性分类别、分等级输出至预警系统：

分析数据具体步骤为：

首先，根据历史数据进行RBF神经网络模型的建立，利用Matlab7.0构建滑坡的RBF网络预测模型，其中，网络层使用newrb函数来构建神经网络，定义net为不断更新的权值和阈值的神经网络：

net＝newrb(P,T,goal,spread,MN,DF) (9)

其中，newrb函数中第一个参数为输入向量P，第二个参数为输出向量T，第三个参数为均方误差goal，第四个参数为径向基神经元层散布常数spread，第五个参数为最大径向基函数神经元数目MN，第六个参数为两次显示间隔内递增的神经元数目DF；

给goal取值0，spread取值1，MN取值30，DF取值3，代入公式9得神经网络net＝newrb(P,T,0,1,30,3)，使用网络仿真函数sim对神经网络net进行仿真训练，将net＝newrb(P,T,0,1,30,3)代入公式10得出输出概率Y：

Y＝sim(net,P) (10)

然后，隐含层使用函数newff构造神经网络net，如公式11；

net＝newff(minmax(p),[4,1],{'tansig','purelin'},'traingda') (11)

其中，第一个参数minmax(p)表示求解P矩阵中每个行向量中最小值和最大值，第二个参数[4,1]表示输入输出矩阵的维数，第三个参数'tansig'为隐藏层S型函数选用正切S型传递函数tansig，第四个参数'purelin'为输出层采用线性传递函数purelin函数，第五个参数'traingda'为学习算法选用梯度下降w/自适应lr的traingda函数；

隐含层使用函数newff训练神经网络net，目的是得出神经元之间的初始神经元权值ω^H、目标神经元权值ω^O、初始权值阈值B^O和目标权值阈值B^H，其中的训练参数设置如下：显示迭代过程设置为20，学习速率设置为0.05，最大训练次数设置为1000，目标误差设置为0.001，动量因子设置为0.95；具体操作如下：

将实时监测的各传感器的数据进行筛选并按照所述公式1归一化处理后，输入到RBF网络预测模型中，即，输入量为x1＝土壤含水率，x2＝降雨量，x3＝应力，x4＝滑坡位移，x5＝温湿度，输出量Y＝成灾概率，

设隐含层有M个神经元，则神经元的输出为：

其中，OutNNY为每一个神经元的输出，为隐含层第p个输入第j个神经元的目标权值，InPj为第p个输入第j个神经元的输入，B为权值阈值大小，

选择递推最小二乘法构造目标函数如公式13所示：

其中，tP(k)为目标输出值，EP(k)为期望值，k为迭代层数，

按照负梯度方向调整权系数，将公式12代入公式13，并计算偏导数代入公式14中得：

其中，为k的下一层的权值的大小，为k层的权值大小，η为常量；

令偏导数为零，即得出目标神经元权值

阈值改变量ΔBk(n)具体按照以下算法经计算获得：

其中，a为迭代层数，N为输入变量个数，n为迭代层数，δk为节点j的误差项；

更新后的阈值Bk(n+1)具体按照以下算法经计算获得：

Bk(n+1)＝Bk(n)+ΔBk(n) (16)

不断重复公式12-16计算权值阈值Bk(n+1)，并不断更新达到目标误差0.001时神经网络训练结束，从而得到目标神经元权值

最后，将目标神经元权值和权值阈值Bk(n+1)代入公式17，不断迭代得到网络层输出关系：

即得出输出成灾概率Y，将输出成灾概率Y与已定成灾机率进行对比，从而判断灾害发生的预警等级；

步骤2.3 预警系统结合数据分析系统得出的预警等级和所述各传感器值的报警阈值，如果传感器值连续三次超过阈值时，则预警系统实现报警，否则不报警；各传感器测量的灾害因子的阈值选取方法如下：

降雨量阈值选取：降雨量分别乘以有效系数加和得到有效降雨量，有效降雨量的确定采用了幂指数形式：Rc＝R0+αR1+α²R2+…+αⁿRn，式中，Rc为有效雨量；R0为当日降雨量；Rn为n日前降雨量；α为有效系数；n为经过的天数，取α＝0.7作为有效系数，n的取值自前次降雨结束开始计算；

土壤含水率阈值选取：首先计算土壤含水率变化值θ＝Δθ+θ0，式中，θ为欲测某点土壤含水率，以％表示，θ0该测点的土壤含水率的初始值，Δθ为盖测点的土壤含水率的变化值，以％表示，I0与I分别为γ射线穿透含水率为θ的土体前后的强度，以单位时间所测计数表示，Ie为本地参数，即自然界本身存在的各种射线强度，以单位时间所测计数表示，μ为水的质量吸收系数，单位为cm²/g，L为γ射线穿透土体的厚度，将发生临界滑坡时的参数值设定为阈值，土壤含水率Δθ范围在8％～26％之间，阈值设定为18.7％；

温湿度阈值选取：温度范围在15℃～45℃之间，阈值设定为32℃；湿度范围7％～20％，阈值设定为16％；

应变速率和滑坡位移阈值选取：当土质为粘土斜坡、堆积层滑坡临滑预报时，阈值设定为位移变化量的>0.1m/h；或者地表变形速率设定为Vf＝10mm/月，地下变形速率设定为5mm/月；当土质为岩质边坡时，阈值设定为坡角度>35°，或者地表变形速率设定为Vf＝10mm/月，地下变形速率设定为5mm/月。