基于时间融合的力学变化判断滑坡可能性的方法及系统与流程

本发明涉及地质灾害监测
技术领域：
，特别涉及一种基于时间融合的力学变化判断滑坡可能性的方法及系统。
背景技术：
：随着铁路、公路以及旅游业的迅速发展，山体滑坡是常见的自然灾害且威胁着人民生命及财产安全，山体滑坡监测预测已经成为了一项重要的研究方向。传统的山体边坡监测方向主要分为地表变形监测、深部变形监测、相关物理量监测和滑坡形成活动相关监测，通过对采集的数据进行滑坡预测分析，其预测主要可分为两个方面：一方面通过对回归预测对滑坡进行空间位移预测，主要采用逻辑回归方法，另一方面通过监测的位移量的变化推断滑坡时间，主要方法为斋藤迪孝蠕变经验预测坡体时间或verhulst模型进行时间预测。监测缺点主要可分为边坡分析变量单一受限、各个内部变量关系复杂计算困难和时间预测不准确三个方面，存在受气象条件限制、监测不稳定和监测技术集成性和协调性差的缺点。技术实现要素：本发明的目的在于改善现有技术中存在的上述缺陷，提供一种基于时间融合的力学变化判断滑坡可能性的方法及系统。为了实现上述发明目的，本发明实施例提供了以下技术方案：一种基于时间融合的力学变化判断滑坡可能性的方法，包括以下步骤：对山体断层处的条块进行受力分析，建立山体力学模型，并根据该山体力学模型和三角形法建立三角形力学变化模型；按照设定的时间监测点采集每一个时间监测点的山体数据，并采用拉依达准则识别出山体数据中的异常数据，删除所述异常数据；每一个时间监测点的山体数据包括多个影响因子的数据；利用随机森林来建立影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系；对于保留下来的数据，根据所述三角形力学变化模型和所述影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系，计算出山体的安全系数，初步判断山体的状态；若山体的状态为高危状态，则利用生物增长模型预测出山体的滑坡时间。另一方面，本发明实施例同时提供了一种基于时间融合的力学变化判断滑坡可能性的系统，包括以下模块：模型构建模块，用于对山体断层处的条块进行受力分析，建立山体力学模型，并根据该山体力学模型和三角形法建立三角形力学变化模型；数据收集模块，用于按照设定的时间监测点采集每一个时间监测点的山体数据，每一个时间监测点的山体数据包括多个影响因子的数据；数据预选模块，用于并采用拉依达准则识别出山体数据中的异常数据，删除所述异常数据；关系构建模块，用于利用随机森林来建立影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系；状态预测模块，用于对于保留下来的数据，根据所述三角形力学变化模型和所述影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系，计算出山体的安全系数，初步判断山体的状态；时间预测模块，用于在山体的状态为高危状态时，利用生物增长模型预测出山体的滑坡时间。再一方面，本发明实施例同时提供了一种包括计算机可读指令的计算机可读存储介质，所述计算机可读指令在被执行时使处理器执行本发明实施例中所述方法中的操作。再一方面，本发明实施例同时提供了一种电子设备，包括：存储器，存储程序指令；处理器，与所述存储器相连接，执行存储器中的程序指令，实现本发明实施例中所述方法中的步骤。与现有技术相比，本发明利用了随机森林、时间预测分析和压缩感知技术，通过对滑坡诱导因子的提取和滑坡状态分析，在保证有效、稳定监测情况下，解决了传统测量方法存在的监测变量单一和适应性差的缺点。充分利用多传感器资源进行时间序列数据融合，把多渠道、多方位按时间序列获得的局部的不完整的信息加以综合，消除多源信息间在时间和空间上可能存在的冗余和矛盾，加以互补，筛选滑坡诱导因子，并降低其不确定性和施工难度，使监测具有更优越的性能。附图说明为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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。图1为本发明较佳实施例中所述的一种基于时间融合的力学变化判断滑坡可能性的方法的流程图。图2为实施例中山体力学模型的示意图，图3为实施例中三角形力学变化模型的示意图。图4为本发明较佳实施例中图1所示方法更细化的流程图。图5为本发明较佳实施例中基于时间融合的力学变化判断滑坡可能性的系统的功能模块图。图6为本实施例中提供的一种电子设备的结构框图。具体实施方式下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。请参阅图1-4，本实施例示意性地提供了一种基于时间融合的力学变化判断滑坡可能性的方法，包括以下步骤：步骤1，对山体断层处的条块(山体被划分为若干个条块)进行受力分析，建立山体力学模型，并根据该山体力学模型和三角形法建立三角形力学变化模型。请参阅图2-3，对山体断层处的条块进行受力分析，建立出入图2所示的山体力学模型。基于该山体力学模型，来建立直角坐标系中x与y方向的平衡方程，得∑fx＝0σfy＝0基于此建立静力平衡方程为：x方向：nicos(αi)+tisin(αi)＝wi+xi+1cos(δi+1)-xicos(δi)-ei+1sin(δi+1)+eisin(δi)y方向：nisin(αi)+ticos(αi)＝kwi+xi+1sin(δi+1)-xisin(δi)+ei+1cos(δi+1)-eicos(δi)式中：ei、ei+1分别为作用在第i条块两侧面的法向力(kn)；xi、xi+1分别为作用在第i条块两侧面的侧向切向力(kn)；wi为第i条块的重力(kn)；ni为作用在第i条块底滑面的法向力(kn)；ti为作用在第i条块底滑面的侧向切向力(kn)；k为水平加速度系数。根据摩尔-库伦破坏准则，在底面和左右界面上建立极限平衡方程分别为：式中：pi为第i条块侧面上的孔隙水压力(kpa)；ui为第i条块底面上的孔隙水压力(kpa)；ci、c′i分别为第i条块底滑面和底侧面的粘聚力(kpa)；分别为第i条块底滑面和底侧面的内摩擦角。消去ti、xi、xi+1和ni，可以得到ei+1＝αi-pik+eiei上式是一个递推公式，递推拓展可得en+1＝αn-pnk+enenen+1＝αn+αn-1-(pn+pn-1en)k+en-1enen-1进一步递推可得en+1＝αn+αn-1en+αn-2enen-1+…+α1enen-1…e3e2-(pn+pn-1en+pn-2enen-1+…+p1enen-1…e3e2)k+e1enen-1…e1滑体在没有外力的作用下，即由边界条件得，en+1＝e1＝0，则有其中定义安全稳定系数f为这样一个数值，如果材料的抗剪强度(土体抵抗剪切破坏的极限强度)指标：c值和值降低为ce和则边坡处于极限状态：ce＝c/f实际的c比ce大，当受到一个外力的时候，c就折减成ce，折减的系数f就为安全系数。正常情况下，滑体是静止的，此时三角形力学变化模型中的合力为零，且有一个大于1的安全系数；当出现合力时，安全系数就会变小，当安全系数变为1时，滑体达到了极限平衡状态，此时的合力就为使山体发生滑坡的最小力，此时对应一个k值，称为临界水平加速度系数。而且此系数与重力有关系。故先假设安全系数f等于1时，算出k的值，因为经过试算(计算机检验)，f与k呈单调递减的关系，所以，必存在一个f值使k等于零(即此时合力为零)，依次递增f值，直至k的值近似等于零(根据精度而定)，此时的f值即为此山体的安全系数。建立山体力学模型后，再基于三角形法则，构建出图3所示的三角形力学变化模型。具体地，将山体分为若干个条块后可对某个条块进行一个宏观(微观叠加后)的受力分析，建立一个山体力学模型。而根据三角形力学法则，空间内的静止物体所受合力为零，故各个方向的力进行合成后能形成一个闭合的三角形，若只是单独存在于y方向与x方向上，这是一种三角形的特殊方式。即，三角形力学变化模型是一种在算出山体的安全系数后，反算出滑块受的各个分力的大小(即图3中的各个力)，再通过求合力的方法，得到的一种力的变化模型。其特点为当三角形不再闭合时，既是合力不为零，此时就极有可能发生滑坡；而且每一条边都含有块体受力的情况，能表达出力的变化趋势；当其中某个滑坡因子的数据发生变化时，三角形的形状也会发生变化，从侧面表现出滑坡因子对山体稳定性的影响效果及范围。图3中，边ai由力ni与力ti合成，边bi由力xi与力ei合成，边ci由力ei+1、力xi+1及力wi合成，则γi＝180°-βi-θiβi、θi、γi分别为此三角形模型的三个内角。步骤2，按照设定的时间监测点采集每一个时间监测点的山体数据。每一个时间监测点的山体数据包括多个影响因子的数据，本实施例中，影响因子包括土压力、孔隙水压力、温度、湿度、振动、降雨量、位移。因此，使用到的山体滑坡传感器依次包括土壤压力传感器、孔隙水压力传感器、温湿度传感器、振动传感器、雨量传感器、角度传感器、位移传感器。将传感器埋设到山体里进行数据的采集。步骤3，采用拉依达准则识别出山体数据中的异常数据，删除所述异常数据。本实施例中，异常数据的定义如下：如果某测量值xi与平均值之差大于标准偏差sc的三倍，则该测量值xi为异常数据，即：此处，仅以温度采集数据为例进行说明。温度采集数据记录表如下表所示数据编号温度(℃)|x-xi|数据编号温度(℃)|x-xi|119.890.03551120.110.2555219.920.06551220.130.2755319.880.02551320.080.2255420.020.16551417.322.5345519.970.11551519.870.0155619.830.02451619.940.0855719.920.06551720.030.1755820.010.15551820.040.1855919.960.10551920.070.21551019.990.13552020.110.2555通过分析20组数据的均值为19.8545，数据的标准差为0.5876，编号14的|x-xi|＝2.5345，大于3sx被识别为异常温度数据，从而进行删除当前监测时间监测点的一条样本数据。对于同一条监测样本缺失值继续均值填充，例如假设编号13采集温度为10°，编号14无，编号15数据为11°，则编号14温度为(10+11)/2＝10.5°。通过将传感器采集的数据进行去噪，从而减少数据偶然误差影响，提高数据质量。步骤4，因为温度、湿度、雨量、振动和位移这几个影响因子与上述公式求得的安全系数没有直接的关系表达式，故需要利用随机森林法建立影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系。本实施例中，将岩土内部性质粘聚力c和内摩擦角φ作为目标变量，温度、湿度、雨量、振动和位移作为因变量，通过随机森林进行回归预测，通过实测或搭建实验环境获得数据后，进行训练。具体地，通过实测或搭建实验环境获得数据后，利用自助法，进行有放回的随机抽取n个样本集，使每选中的一个样本(一个样本包含一个采集点在一个时间监测点的五个传感数据)，具有等可能再次被选中添加到训练集中，每次未被抽取数据组成n个袋外数据作为测试数据。随机森林通过设置网格搜索进行决策树的数量和特征值选取进行调整，如开始设置决策树的个数为[50，100，150，200，250]，特征数(特征总共包括温度、湿度、振动和位移)[1，2，3，4]并计算其rmse(均方根误差)，选取rmse最小值最为随机森林参数。从而得到岩土内部性质粘聚力c及内摩擦角φ回归预测值，继而可以在后续步骤5中应用到三角形力学变化模型中以计算安全系数时。步骤5，根据三角形力学变化模型以及所采得的保留下来的数据，使用极限平衡法来计算出山体的安全系数，对山体状态进行初步评判。定义安全稳定系数f为这样一个数值，如果材料的抗剪强度(土体抵抗剪切破坏的极限强度)指标：c值和值降低为ce和则边坡处于极限状态：ce＝c/f实际的c比ce大，当受到一个外力的时候，c就折减成ce，折减的系数f就为安全系数。正常情况下，滑体是静止的，此时三角形力学变化模型中的合力为零，且有一个大于1的安全系数；当出现合力时，安全系数就会变小，当安全系数变为1时，滑体达到了极限平衡状态，此时的合力就为使山体发生滑坡的最小力，此时对应一个k值，称为临界水平加速度系数。而且此系数与重力有关系。故先假设安全系数f等于1时，算出k的值，因为经过试算(计算机检验)，f与k呈单调递减的关系，所以，必存在一个f值使k等于零(即此时合力为零)，依次递增f值，直至k的值近似等于零(根据精度而定)，此时的f值即为此山体的安全系数。根据蠕变山体滑坡规律，定义当1.15＞k＞1.05时，山体为安全状态；1.0≤k≤1.05时，为蓝色预警，山体为等速变形阶段；当0.95≤k≤1.0阶段为黄色预警，山体为等速变形初始阶段；当k＜0.95时，山体为橙色预警，进入加速变形中期阶段，为山体高危状态。步骤6，若步骤5中判断出山体的状态为高危状态，则利用生物增长模型预测出山体的滑坡时间。生物增长模型为短期预测模型，其微分表达式为：当坡体变形速率达到最大的时候，可预测滑坡时间，求解式中，x1，t1-代表初始位移和初始时间。滑坡预测时间举例如下，表2滑坡位移历史监测数据表(mm)日期1月231月241月251月261月271月281月29监测点17.07.06.03.09.08.48.0经过代码实现采用生物增长模型对滑坡时间预测计算结果如下。监测点1：a＝0.4639，b＝0.0069，tr＝6.6515，预计滑坡时间为1月29日。请参阅图5，本实施例中同时提供了基于时间融合的力学变化判断滑坡可能性的系统，包括以下模块：模型构建模块，用于对山体断层处的条块进行受力分析，建立山体力学模型，并根据该山体力学模型和三角形法建立三角形力学变化模型；数据收集模块，用于按照设定的时间监测点采集每一个时间监测点的山体数据，每一个时间监测点的山体数据包括多个影响因子的数据；数据预选模块，用于并采用拉依达准则识别出山体数据中的异常数据，删除所述异常数据；关系构建模块，用于利用随机森林来建立影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系；状态预测模块，用于对于保留下来的数据，根据所述三角形力学变化模型和所述影响因子与岩土内部性质粘聚力c及内摩擦角φ之间的关系，计算出山体的安全系数，初步判断山体的状态；时间预测模块，用于在山体的状态为高危状态时，利用生物增长模型预测出山体的滑坡时间。上述基于时间融合的力学变化判断滑坡可能性的系统与上述方法具有相同的发明构思，因此此处未描述之处，可以参见前述方法实施例中的相关描述，此处不再赘述。如图6所示，本实施例同时提供了一种电子设备，该电子设备可以包括处理器51和存储器52，其中存储器52耦合至处理器51。值得注意的是，该图是示例性的，还可以使用其他类型的结构来补充或替代该结构，实现数据提取、报告生成、通信或其他功能。如图6所示，该电子设备还可以包括：输入单元53、显示单元54和电源55。值得注意的是，该电子设备也并不是必须要包括图6中显示的所有部件。此外，电子设备还可以包括图6中没有示出的部件，可以参考现有技术。处理器51有时也称控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该处理器51接收输入并控制电子设备的各个部件的操作。其中，存储器52例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其他合适装置中的一种或多种，可存储上述处理器51的配置信息、处理器51执行的指令、记录的表格数据等信息。处理器51可以执行存储器52存储的程序，以实现信息存储或处理等。在一个实施例中，存储器52中还包括缓冲存储器，即缓冲器，以存储中间信息。输入单元53例如用于向处理器51提供各种数据。显示单元54用于显示处理过程中的各种结果，该显示单元例如可以为lcd显示器，但本发明并不限于此。电源55用于为电子设备提供电力。本发明实施例还提供一种计算机可读指令，其中当在电子设备中执行所述指令时，所述程序使得电子设备执行本发明方法所包含的操作步骤。本发明实施例还提供一种存储有计算机可读指令的存储介质，其中所述计算机可读指令使得电子设备执行本发明方法所包含的操作步骤。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。当前第1页12