高位地质灾害链监测数据的云边协同处理与可信传输方法与流程
本发明涉及地质灾害监测领域,具体涉及一种高位地质灾害链监测数据的云边协同处理与可信传输方法。
背景技术:
1、针对高寒高海拔地带,平均海拔2700m~4200m,属于板块构造活跃区,孕灾条件复杂,冰岩崩-碎屑流-泥石流-堵江堰塞链式灾害频发。现有地质灾害野外监测系统已规模化布设地震动、微震、uw-fbg分布式光纤das、次声、地声、雷达视频、泥水位流速等多类型监测设备,但在现场长期工程运维与数据处理过程中,现有传统监测数据处理、传输架构与处理方法存在采样机制僵化、云边处理架构不合理、多源数据处理难度大、数据传输不可信等关键性技术缺陷,制约高位灾害秒级预警的实现。
2、传统固定周期采样技术无法适配高位灾害“长时孕育、瞬时爆发”演化规律,能耗与关键信息丢失矛盾突出,在色东普、则隆弄野外工程实测中发现:①灾害长期平稳孕灾期(全年85%以上时段)无岩体破裂、冰雪滑移活动,高频秒级采样产生海量无效冗余数据,现场太阳能供电设备功耗激增,野外蓄电池低温续航从设计12个月缩短至3~4个月,高寒地区设备频繁断电停机;②临灾突发阶段(冰岩崩、泥石流起动瞬间)固定低频采样遗漏震动起振前兆、峰值脉冲等关键特征数据。现有技术少量自适应采样方案仅依靠单一雨量、位移阈值切换采样档位,未耦合多源监测参数综合风险量化模型,无法实现秒-时-日三级联动闭环采样调控,难以匹配高位链式灾害多诱因耦合演化特征,工程落地适用性差。
3、传统“全量原始数据上云、云端集中式统一处理”架构带宽占用高、预警时延大,无法实现秒级就地预警。受限于大峡谷无地面4g/5g公网全覆盖、仅依靠窄带卫星低带宽信道(窄带卫星单链路速率≤128kbps)的客观环境,海量原始数据上传出现排队拥堵、数据包大面积延迟,常规云端数据分析时延普遍达到3~15min,远超高位灾害秒级预警时效要求;同时卫星通信资费随数据传输量激增。
4、高寒偏远山区监测数据依托mesh自组网、宽窄带卫星混合信道传输,传输链路受雨雪、山体遮挡、电磁干扰、人为非法入侵影响,现有传输方案采用明文传输模式,存在两点工程痛点: ①数据传输过程易出现丢包、恶意篡改现象,雅江堰塞带往年野外数据核查发现约4.3%监测异常数据无法区分是设备故障篡改还是真实地质变化,导致灾害演化规律研判失真;②传统中心化数据库存储模式下,云端数据库管理人员修改历史监测数据,后期灾害溯源、致灾机理反演缺少可信原始数据支撑。
技术实现思路
1、针对现有技术的上述不足,本发明提供了一种高位地质灾害链监测数据的云边协同处理与可信传输方法,
2、为达到上述发明目的,本发明所采用的技术方案为:
3、提供一种高位地质灾害链监测数据的云边协同处理与可信传输方法,其包括以下步骤:
4、s1:构建基于边缘层-数据融合层-云端三级架构的监测数据处理系统,包括部署智能传感器节点和边缘网关的边缘层、由多个边缘网关组成无线mesh自组网的数据融合层、部署地质灾害监测预警云平台的云端;
5、s2:边缘网关采集灾害监测数据得到数据样本,根据每种灾害监测数据的信息熵计算监测位置的风险等级指标,基于不同风险等级指标设置采集灾害监测数据的实时频率;
6、s3:边缘网关根据实时频率采集监测数据,提取监测数据的时域特征和频域特征,生成特征向量;将预处理后的监测数据、特征向量和风险等级指标生成数据块,并进行加密处理发送给数据融合层,数据融合层判断数据的完整性;
7、s4:数据融合层对加密数据块进行解密,依据解密的风险等级指标制定风险状态的识别框架,将解密的预处理后的监测数据、特征向量进行融合,并引入基于识别框架的基本概率分配,得到包含风险概率信息、数据特征信息的融合特征向量;
8、s5:数据融合层将每个边缘网关的融合特征向量输入云端,地质灾害监测预警云平台利用融合特征向量对监测位置的地质灾害风险进行研判。
9、进一步地,步骤s2包括:
10、s21:边缘网关采集灾害监测数据得到数据样本,并对每种灾害监测数据进行标准化处理,得到每种灾害监测数据的标准化值;
11、s22:计算数据样本中每种灾害监测数据的标准化值占所有数据样本的标准化值之和的比例,进而计算每种灾害监测数据的信息熵,
i为灾害监测数据的种类;
12、s23:根据信息熵计算每种灾害监测数据的权重,并根据采集的灾害监测数据数量
n计算高位地质灾害的监测位置的风险等级指标
r;
13、;
14、其中,为灾害监测数据的标准化值;
15、s24:根据风险等级指标
r将监测位置的灾害风险划分为四个等级,并根据不同灾害风险等级设置采集灾害监测数据的实时频率。
16、进一步地,实时频率的设置方法为:
17、;
18、其中,为日级采样频率,为时级采样频率,为秒级采样频率。
19、进一步地,步骤s3包括:
20、s31:边缘网关根据实时频率采集灾害监测数据,并对灾害监测数据进行预处理,生成预处理后监测数据
d,同时提取灾害监测数据的时域特征和频域特征,生成灾害监测数据的特征向量
f;
21、s32:边缘网关将预处理后监测数据
d、特征向量
f和对应的风险等级指标
r生成数据块,并利用sha-256算法生成数据块的数据哈希值;
22、s33:基于数据哈希值生成区块链交易哈希
txhash,并对数据块进行加密,生成加密数据块,发送给数据融合层;
23、s34:通过边缘网关、地质灾害监测预警云平台投票形成共识节点,并将共识节点划分为主节点与从节点,主节点负责生成新区块,从节点负责验证区块;共识节点的共识过程的消息复杂度为,
u为共识节点数量;
24、s35:数据融合层接收到边缘网关传输的加密数据块和交易哈希
txhash,根据交易哈希
txhash在云端上查询对应的数据哈希值,并进行比对;
25、若则判定接收的加密数据块完整性可信,执行步骤s4,否则,判定加密数据块在传输过程中被篡改或丢失,要求边缘网关重传。
26、进一步地,步骤s4包括:
27、s41:数据融合层对加密数据块进行解密,得到解密后的预处理后监测数据、特征向量和风险等级指标;根据风险等级指标制定识别框架,识别框架对应5类互斥且穷尽的风险状态;
28、;
29、其中,表示安全状态,;表示低风险状态,;表示中风险状态,;表示高风险状态,;表示极高风险状态,;
30、s42:将每个边缘网关上传的预处理后监测数据和特征向量进行融合,得到多维融合特征向量,利用多维融合特征向量中的第
j维融合特征,计算第
a个边缘网关的第
j维融合特征对风险状态的隶属度,
a为边缘网关的编号,
j为融合特征的维度,
b为风险状态的编号;
31、s43:对于每个边缘网关,取其所有融合特征对各风险状态隶属度的加权平均值作为初始基本概率分配;
32、s44:考虑不同智能传感器节点在不同监测位置的可靠性差异,引入基于历史准确率的可信度因子对初始基本概率分配进行修正,得到修正后的基本概率分配;
33、s45:将基本概率分配与多维融合特征向量进行融合,得到包含风险概率信息、数据特征信息的融合特征向量。
34、进一步地,计算隶属度的方法为:
35、;
36、其中,为第
j维融合特征在风险状态下的聚类中心,为第
j维融合特征在风险状态下的标准差。
37、进一步地,初始基本概率分配的计算方法为:
38、;
39、其中,为第
a个边缘网关第
j维融合特征的权重,
j为边缘网关的数量,为第
a个边缘网关第
j维融合特征对风险状态的信息增益。
40、进一步地,信息增益的计算方法为:
41、;
42、其中,为风险状态的信息熵,信息熵越大→风险状态分布越离散、不确定性越高;在第
j维融合特征作为条件下风险状态的信息熵,为
n个数据样本中出现风险状态的先验概率,为出现风险状态的数据样本数量,为以第
j维融合特征为条件的数据样本中出现风险状态的先验概率,为以第
j维融合特征为条件的数据样本数量。
43、进一步地,对初始基本概率分配进行修正的方法为:
44、;
45、其中,为边缘网关在风险状态下的历史识别准确率。
46、本发明的有益效果为:
47、本发明打破传统固定周期采样、单参数阈值切换采样的行业固有模式,权实时量化全域综合灾害风险,采用分段非线性函数动态自主切换传感器采样频率。高风险区间采用非线性倍率提升采样,而非阶跃式固定档位,贴合冰岩崩渐进失稳演化特征;边缘层就地即时生效,实现全站点采样策略动态闭环反馈。在低风险常态期设备平均功耗大幅降低,高寒太阳能蓄电池续航由3~4个月提升至12个月以上,野外设备冬季断电故障率低。
48、按照边缘数据级预处理→雾网区域特征级融合→云端决策级深度研判三级分工拆解算力,就地在边缘网关完成降噪、特征提取,雾层mesh组网实现片区多站点特征汇聚,仅轻量化特征向量上传云端,从源头削减传输数据量。
49、本发明依托监测历史数据通过信息增益自动求取各维度融合特征权重,结合各类传感器实地历史识别准确率修正基本概率分配bpa,利用香农熵、条件熵计算特征信息增益,数据驱动自动赋权,可以有效降低高位冰崩、泥石流预警误报率。
50、仅将sha256哈希、设备id、时间戳打包上联盟链,原始海量实测数据保存在边缘网关本地存储单元,解决海量监测数据全上链存储爆炸难题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com