一种基于物联网的水利工程边坡稳定性监测方法与流程

本技术涉及数据处理，具体涉及一种基于物联网的水利工程边坡稳定性监测方法。

背景技术：

1、水利工程边坡是水利枢纽的关键组成部分其稳定性直接关系工程运行安全。对边坡变形状态实施持续监测，并基于监测信息判断稳定性发展趋势，是水利工程全生命周期安全管理的关键环节。

2、目前，水利工程边坡监测通常通过在坡面布设位移、倾角、裂缝等多种传感器来实现，以获取局部点位的变形时序数据。部分现有方法尝试利用数据关联分析或图网络等手段整合多点监测信息，以捕捉变形在空间上的部分联系，或采用时序预测模型对单点状态值进行外推。然而，由于边坡内部变形存在沿坡体自下而上的传递规律，不同位置传感器对同一次变形响应在时间上存在先后差异，且各传感器数据还易受库水位整体变化等外部因素的同步干扰，上述现有方法在应对此类复杂时空关联特性时存在明显不足。

3、总体来看，如何从大量、分散且受环境干扰的传感器时序数据中，准确还原边坡内部真实的变形联动结构与传递规律，并在此基础上实现对未来变形趋势的可靠预测，已成为提升水利工程边坡安全预警可靠性的关键技术问题。

技术实现思路

1、为了解决现有技术在利用分布式监测数据进行边坡变形趋势预测时，预测结果的精度与可靠性不足，难以满足水利工程边坡安全预警的可靠性要求技术问题，本技术的目的在于提供一种基于物联网的水利工程边坡稳定性监测方法，所采用的技术方案具体如下：

2、第一方面，提供一种基于物联网的水利工程边坡稳定性监测方法，包括：获取部署于边坡的多个传感器的监测时序数据、各传感器的部署高程以及同步采集的水位时序数据。根据监测时序数据和水位时序数据，构建以传感器为节点的有向加权图，有向加权图中节点间存在边表示对应的两个传感器经显著性检验被判定为具有变形联动关系，每条边的边权重用于表征节点间变形联动强度，每条边的方向及方向置信度用于表征变形传递方向及对应方向的可靠程度，各有效边对应有理论滞后步长，理论滞后步长用于表征变形在对应节点间传递的理论滞后量。将有向加权图及历史监测时序数据输入训练完成的时空预测模型，生成各传感器在目标输出时刻的状态值，时空预测模型用于对边坡变形的时序滞后特性和空间传递规律进行联合建模。根据目标输出时刻的状态值进行风险预警。

3、作为一种可能实现的方式，构建以传感器为节点的有向加权图，包括：对各传感器的监测时序数据进行中心化处理，得到中心化时序数据，对中心化时序数据进行同步性分析，经显著性检验判定两个传感器对应节点之间是否存在有效边。在判定存在有效边的情况下，剔除水位干扰后结合监测数据的稳定程度确定有效边的边权重。基于预设时序分析方法与土体变形沿高程传递的滞后特性确定有效边的方向及方向置信度。为各节点配置属性信息并为各有效边配置边属性，形成包含节点属性和边属性的图结构。

4、作为一种可能实现的方式，对中心化时序数据进行同步性分析，经显著性检验判定两个传感器对应节点之间是否存在有效边，包括：对每个传感器的监测时序数据，计算对应的算术平均值，根据监测时序数据与算术平均值，确定中心化时序数据。利用预设相关性分析算法，计算任意两个传感器的中心化时序数据之间的相关系数，作为互相关度量值。根据相关系数和监测时序数据的采集时长，确定检验统计量，在预设显著性水平下将检验统计量的绝对值与对应理论临界值进行比较，若检验统计量的绝对值大于理论临界值，则判定两个传感器对应节点之间存在有效边；否则，判定两个传感器对应节点之间不存在有效边。

5、作为一种可能实现的方式，剔除水位干扰后结合监测数据的稳定程度确定有效边的边权重，包括：分别计算两个传感器的监测时序数据与水位时序数据的第一相关系数和第二相关系数。根据两个传感器的中心化时序数据之间的相关系数、第一相关系数和第二相关系数，进行偏相关分析，得到偏相关系数。分别计算两个传感器的监测时序数据的归一化波动率，并根据归一化波动率通过预设映射函数确定可靠度因子。根据偏相关系数的绝对值与可靠度因子确定有效边的边权重。

6、作为一种可能实现的方式，基于预设时序分析方法与土体变形沿高程传递的滞后特性确定有效边的方向及方向置信度，包括：根据边坡历史变形监测数据的统计分析，确定表征边坡宏观变形传递最大周期的经验时间阈值，根据采样频率将经验时间阈值转换为滞后步长上限，基于滞后步长上限确定预设滞后范围。在预设滞后范围内，以单个采样步长为单位对两个传感器的中心化时序数据进行滑动对齐，计算各滞后步长下的互相关度量值，确定使互相关度量值的绝对值最大的实际滞后步长，实际滞后步长的符号表示变形传递方向。根据两个传感器的部署高程，确定高程差值，根据高程差值和边坡宏观变形沿高程传递的经验速度，结合采样频率，计算理论滞后步长。根据实际滞后步长的符号确定方向，根据归一化互相关绝对值中的最大值和实际滞后步长与所述理论滞后步长的偏差程度确定方向置信度。

7、作为一种可能实现的方式，将有向加权图及历史监测时序数据输入训练完成的时空预测模型，生成各传感器在目标输出时刻的状态值，包括：对于有向加权图中每条从邻居节点指向目标节点的有向边，在对应边的理论滞后步长的基准上叠加可学习偏移量并经取整得到聚合偏移步长，在目标输出时刻聚合邻居节点信息时获取邻居节点在偏移时刻的隐藏状态，偏移时刻为目标输出时刻减去聚合偏移步长所得时刻。确定所有存在指向目标节点的有向边的邻居节点构成上游邻居集合，根据各上游邻居对应有向边的边权重与方向置信度的绝对值确定各上游邻居的综合影响系数，利用综合影响系数对上游邻居集合中各节点的隐藏状态进行加权归一化聚合，得到目标节点在目标输出时刻的聚合结果。其中，时空预测模型的训练过程包括：根据时空预测模型输出的预测序列确定各条有向边的预测滞后步长，计算预测滞后步长与对应理论滞后步长的偏差项，将偏差项与预测误差损失项融合得到训练损失，基于训练损失对模型参数进行优化。

8、作为一种可能实现的方式，获取邻居节点在偏移时刻的隐藏状态，包括：当偏移时刻早于时序数据的起始时刻时，以零向量作为邻居节点的待聚合特征。当偏移时刻不早于时序数据的起始时刻时，提取邻居节点在偏移时刻经时序处理层输出的隐藏状态作为待聚合特征。

9、作为一种可能实现的方式，利用综合影响系数对上游邻居集合中各节点的隐藏状态进行加权归一化聚合，包括：根据所有上游邻居的综合影响系数，确定归一化基准值。根据各上游邻居的待聚合特征、对应的综合影响系数以及归一化基准值，确定目标节点在目标输出时刻的聚合结果。

10、作为一种可能实现的方式，将偏差项与预测误差损失项融合得到训练损失，包括：根据各条有向边的预测滞后步长与理论滞后步长，确定物理约束损失项。根据时空预测模型输出的目标输出时刻的状态值与真实监测值，确定预测误差损失项。获取在正式训练前利用初始模型参数和预设样本子集进行前向计算得到的初始预测误差损失值和初始物理约束损失值。根据当前迭代预测误差损失值、初始预测误差损失值、当前迭代物理约束损失值以及初始物理约束损失值，确定训练损失。

11、作为一种可能实现的方式，获取部署于边坡的多个传感器的监测时序数据，包括：获取沿边坡表面按预设间距布设的多个传感器以固定频率采集的监测时序数据，监测时序数据包括土体位移、倾角和裂缝开合度中的至少一种，以及坝体孔隙水压力，水位时序数据的采样频率与监测时序数据的采样频率相同。

12、本技术具有如下有益效果：通过获取部署于边坡的多个传感器的监测时序数据、部署高程及同步水位时序数据，构建以传感器为节点的有向加权图。该有向加权图以显著性检验为基础判定节点间是否存在变形联动关系，并通过边权重表征联动强度、方向及方向置信度表征传递方向及可靠程度，从而将原本孤立的单点监测信息整合为能够完整反映边坡内部变形联动关系的整体分析体系，有效克服了现有技术中孤立分析单点数据易出现漏判的技术缺陷。这样，将构建的有向加权图及历史监测时序数据输入训练完成的时空预测模型，该模型能够对边坡变形的时序滞后特性和空间传递规律进行联合建模，使预测过程贴合边坡变形沿坡体自下而上传递的物理规律，显著提升了未来状态值的预测精度。基于各传感器在目标输出时刻的精确状态值进行风险预警，能够在边坡失稳风险发生前及时识别隐患，为水利工程的安全管控争取宝贵的应急响应时间，有效提升了预警的及时性与可靠性。