本发明属于边坡灾害预警领域,特别是涉及一种边坡智能监测预警系统。
背景技术:
1、边坡的破坏形式主要有滑坡、崩塌、泥石流,导致滑坡的主要原因是边坡坡体受到了来自降雨、地表水以及地下水的双重影响,导致边坡内部结构稳定性受到损害,从而导致边坡出现下滑的问题,当前滑坡主要表现为整体式、推移式以及牵引式滑坡;边坡崩塌发生的主要原因包括土质塌陷、挖土放坡系数小导致塌方、地下水或软土层以及流砂引起、护壁或支撑不足而塌方。而无论何种边坡灾害,其产生的损害都是不可预估的,遇到强降雨,甚至会造成交通阻断,给人民群众带来生命和财产损失。
2、现有的边坡灾害预警技术往往根据历史数据,结合经验进行人为判断,该方式存在工作量大、较容易受恶劣天气条件影响、预测准确度较差等许多问题。
技术实现思路
1、本发明的目的是提供一种边坡智能监测预警系统,以解决上述现有技术存在的问题。
2、为实现上述目的,本发明提供了一种边坡智能监测预警系统,包括边坡数据采集子系统、数据处理子系统、边坡灾害分析子系统、数据存储库、预警设定子系统、预警子系统;
3、所述边坡数据采集子系统用于获取边坡数据与边坡图像;
4、所述数据处理子系统用于对所述边坡数据进行解调处理;
5、所述边坡灾害分析子系统用于构建边坡预警模型,根据处理后的边坡数据以及所述边坡图像进行边坡灾害分析;
6、所述数据存储库用于对每次分析过程的边坡数据与边坡图像以及对应分析结果进行存储;
7、所述预警设定子系统用于根据边坡灾害分析结果设定预警阈值;
8、所述预警子系统用于根据所述预警阈值进行黄色预警、橙色预警和红色预警不同等级的预警提示。
9、可选地,所述边坡数据采集子系统包括布设在边坡表面以及内部的温度传感器、振动传感器、压力传感器以及摄像装置,所述边坡数据包括边坡表面以及边坡内部的振动信号、应力数据、应变数据、水分数据、温度数据以及地震波数据。
10、作为本申请的一种较佳实施方式,所述数据处理子系统包括一个相位反射仪,通过所述相位反射仪对所述边坡数据进行相位解调,获取测量波形,将所述测量波形传输至所述边坡灾害分析子系统。
11、可选地,所述边坡灾害分析子系统分别对处理后的测试波形以及所述边坡图像构建训练集与测试集,采用卷积神经网络、连接网络、预测网络构建滑坡监测框架,基于ciou-loss策略对所述边坡图像中包含图像特征的框架以及将图像特征作为目标的框架进行相似性衡量,并基于权重系数进行一致性衡量,构建所述边坡预警模型。
12、可选地,所述边坡灾害分析子系统判断所述边坡图像上是否存在图像特征,若存在,则直接将所述边坡图像输入所述卷积神经网络进行训练,若不存在图像特征,则对所述边坡图像进行反向传播改变图像信息,获取修正图像,并对自身进行对抗式攻击实现对卷积神经网络的增强;增强后的卷积神经网络对所述修正图像进行目标检测,进行卷积神经网络训练。
13、可选地,所述边坡灾害分析子系统将解调完成后的测量波形与包含图像特征的边坡图像输入所述边坡预警模型,通过训练完成后的卷积神经网络获取所述测量波形与对应位置图像特征的相关性,通过所述预测网络获取表征不同边坡灾害发生的特征参数,结合数据相关性、特征参数以及所述边坡图像进行预测,获取包含灾害发生概率的分析结果。
14、可选地,所述数据存储库采用微服务集群的架构方式进行服务拆分和部署,并采用大数据技术以及大数据算法进行历史数据、实时数据的存储、加工和计算,同时分别按照数据分析时间、分析结果对存储数据进行排序整理。
15、可选地,所述预警设置子系统根据所述边坡预警模型的风险分析结果设置预警权重,根据所述预警权重对边坡数据中的振动信号、水分数据、应力数据设定预警阈值。
16、可选地,所述预警子系统根据所述预警阈值进行不同形式的预警提示,包括信号灯提示、音频播报,所述预警子系统的预警类型包括降雨预警、滑坡预警、崩塌预警、裂缝预警。
17、本发明的技术效果为:
18、本发明采用传感器进行数据采集,采用相位反射仪进行数据处理,采用卷积神经网络、预测网络,根据数据与图像的相关性进行数据分析,较于传统的人为判断方法更具准确性,通过大数据技术进行数据存储与整理,保证数据提取的高效性,最后根据分析结果进行动态与分级预警设置,在提高系统效率的同时避免误报。
1.一种边坡智能监测预警系统,其特征在于,包括边坡数据采集子系统、数据处理子系统、边坡灾害分析子系统、数据存储库、预警设定子系统、预警子系统;
2.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述边坡数据采集子系统包括布设在边坡表面以及内部的温度传感器、振动传感器、压力传感器以及摄像装置,所述边坡数据包括边坡表面以及边坡内部的振动信号、应力数据、应变数据、水分数据、温度数据以及地震波数据。
3.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述数据处理子系统包括一个相位反射仪,通过所述相位反射仪对所述边坡数据进行相位解调,获取测量波形,将所述测量波形传输至所述边坡灾害分析子系统。
4.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述边坡灾害分析子系统分别对处理后的测试波形以及所述边坡图像构建训练集与测试集,采用卷积神经网络、连接网络、预测网络构建滑坡监测框架,基于ciou-loss策略对所述边坡图像中包含图像特征的框架以及将图像特征作为目标的框架进行相似性衡量,并基于权重系数进行一致性衡量,构建所述边坡预警模型。
5.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述边坡灾害分析子系统判断所述边坡图像上是否存在图像特征,若存在,则直接将所述边坡图像输入所述卷积神经网络进行训练,若不存在图像特征,则对所述边坡图像进行反向传播改变图像信息,获取修正图像,并对自身进行对抗式攻击实现对卷积神经网络的增强;增强后的卷积神经网络对所述修正图像进行目标检测,进行卷积神经网络训练。
6.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述边坡灾害分析子系统将解调完成后的测量波形与包含图像特征的边坡图像输入所述边坡预警模型,通过训练完成后的卷积神经网络获取所述测量波形与对应位置图像特征的相关性,通过所述预测网络获取表征不同边坡灾害发生的特征参数,结合数据相关性、特征参数以及所述边坡图像进行预测,获取包含灾害发生概率的分析结果。
7.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述数据存储库采用微服务集群的架构方式进行服务拆分和部署,并采用大数据技术以及大数据算法进行历史数据、实时数据的存储、加工和计算,同时分别按照数据分析时间、分析结果对存储数据进行排序整理。
8.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述预警设置子系统根据所述边坡预警模型的风险分析结果设置预警权重,根据所述预警权重对边坡数据中的振动信号、水分数据、应力数据设定预警阈值。
9.根据权利要求1所述的边坡智能监测预警系统,其特征在于,所述预警子系统根据所述预警阈值进行不同形式的预警提示,包括信号灯提示、音频播报,所述预警子系统的预警类型包括降雨预警、滑坡预警、崩塌预警、裂缝预警。