基于物理采集多元数据进行时序分析的滑坡预警方法与流程

本发明涉及地质灾害监测预警，具体为基于物理采集多元数据进行时序分析的滑坡预警方法。

背景技术：

1、滑坡是山区常见的突发性地质灾害，其发生与气象条件、地质结构、土壤特性等多种因素相关，严重威胁居民生命财产安全及交通、水利等基础设施稳定。

2、参考专利名称为：一种基于多源数据融合的区域降雨型滑坡监测预警方法（授权公告号：cn116167498a，授权公告日：2023.05.26），包括：构建滑坡时空数据库；获取滑坡的多源数据，将所述多源数据加入所述滑坡时空数据库；对加入多源数据的所述滑坡时空数据库进行相关性分析，获取滑坡灾害所有的高相关性因子；构建区域降雨型滑坡时空预测模型，将所述高相关性因子输入所述区域降雨型滑坡时空预测模型，获取滑坡事件的发生时间和空间区域，本方法可为研究区域内的经济可持续发展，尤其在地质灾害风险有效管理方面贡献力量。

3、基于上述文件所述：目前主流的滑坡预警技术主要分为物理模型法和数据驱动法两类，但均存在显著缺陷：

4、物理模型法通过大规模实验室实验和原位监测获取山体物理参数，进而模拟滑坡位移行为，但该类模型需投入大量人力物力，成本高昂且不易复现，同时对复杂地质环境的适配性差，预测结果与实际滑坡情况偏差显著；

5、数据驱动法中，传统机器学习模型（如支持向量回归、随机森林等）为静态模型，未考虑滑坡演化的动态特性，导致预测准确性受限，基于深度学习的时间序列算法（如 lstm、gru 等）虽能捕获部分动态特征，但计算复杂度高、对硬件要求严苛，难以满足滑坡预警的实时性需求，且未充分解决外部触发因素（如降水、人类活动）带来的预测误差问题，为此，本发明提供了基于物理采集多元数据进行时序分析的滑坡预警方法。

技术实现思路

1、针对现有技术的不足，本发明提供了基于物理采集多元数据进行时序分析的滑坡预警方法，解决了现有物理模型成本高、预测偏差大且不易复现，传统机械学习模型静态化、深度学习模型计算复杂且实时性差，以及现有方法难以适配不同环境、受外部触发因素影响导致预测误差的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于物理采集多元数据进行时序分析的滑坡预警方法，包括以下步骤：

3、s1、基础数据采集：同步采集多元环境参数并统一时间轴记录；

4、s2、降水状态综合判断：依次完成降水存在性判断、降水量估算及降水形态判断；

5、s3、特征处理与关系分析：对采集数据进行标准化处理，通过因果检验与相关分析识别主导变量及响应时延；

6、s4、动态预警模型构建：建立变量与滑坡风险的定量关系，刻画多变量动态交互机制并实现自适应学习；

7、s5、分级预警输出：计算实时风险分数，依据预设阈值输出对应等级预警信号。

8、优选的，所述s1中基础数据采集以5分钟/次的频率同步采集，采集参数包括空气温度、空气相对湿度、空气绝对湿度、土壤温度、土壤相对湿度、土壤绝对湿度及大气压，所有数据按统一时间轴同步存储。

9、优选的，所述s2中降水存在性判断的逻辑为：

10、当空气湿度≥90％、平均绝对湿度处于85％分位数之上且持续时间超过30分钟时，判定为有降水；

11、当空气湿度处于高位但土壤相关参数无明显变化时，判定为雾、露、霜类未落地降水；

12、当所有采集参数均保持稳定时，判定为无降水。

13、优选的，所述s2中降水量估算依据降水时长与土壤湿度增幅的对应关系分级：短时土壤湿度增加5％～10％对应小雨或小雪，中时土壤湿度增加10％～20％对应中雨或中雪，长时土壤湿度增加≥20％对应大雨或大雪，土壤冻结时，结合空气湿度饱和时长与温度参数综合估算降雪量。

14、优选的，所述s2中降水形态判断基于温度与土壤湿度变化趋势：

15、空气温度＞0℃且土壤温度＞0℃且土壤湿度快速上升时判定为降雨；

16、空气温度＜0℃且土壤温度＜0℃且土壤湿度无明显增加时判定为降雪；

17、空气温度 0℃左右且土壤温度 0℃左右且土壤湿度缓慢上升时判定为雨夹雪；

18、空气温度＜0℃且土壤温度＜0℃且空气湿度饱和且土壤湿度无变化时判定为冻雨。

19、优选的，所述s3中特征处理与关系分析具体包括：

20、s3-1、对采集数据进行特征提取并去除异常值，再进行标准化处理以构建多维时间序列特征集；

21、s3-2、采用granger因果检验分析各环境要素与滑坡风险的因果关系，识别主导变量及其滞后期；

22、s3-3、通过交叉相关分析捕捉各主导变量的滞后效应，依据不同时滞下的相关系数确定模型在不同预警阶段的最佳响应时延。

23、优选的，所述s4中动态预警模型构建具体包括：

24、s4-1、利用普通最小二乘回归建立主导变量与滑坡风险指数的定量映射关系，计算各变量的风险贡献权重；

25、s4-2、引入向量自回归模型刻画多变量间的动态交互与耦合机制，整合granger因果分析与交叉相关分析结果，根据环境参数实时变化动态调整特征权重，实现模型对不同气候、地质环境的自适应学习。

26、优选的，所述s5中分级预警输出中，预设绿、橙、红三级预警阈值，其中绿色预警对应低风险状态，橙色预警对应中等风险状态，红色预警对应高风险状态，系统持续计算实时滑坡风险分数，当分数达到对应预警阈值时，即时输出相应等级的预警信号，实现滑坡风险的持续监测与实时预警。

27、有益效果

28、本发明提供了基于物理采集多元数据进行时序分析的滑坡预警方法。与现有技术相比具备以下有益效果：

29、1、该基于物理采集多元数据进行时序分析的滑坡预警方法，通过granger因果检验、交叉相关分析及向量自回归模型，动态调整特征权重与响应时延，精准适配不同气候、地质环境差异，有效解决传统模型泛化能力弱、对复杂环境适配性差的问题，确保预警指标在多样场景下的稳定性和敏感性。

30、2、该基于物理采集多元数据进行时序分析的滑坡预警方法，仅需采集空气温度、土壤湿度等7类常规环境参数，数据需求量小、种类少，无需复杂地质物理参数监测，配合传感器可实现“即放即用”，大幅降低数据采集与部署维护成本，同时避免深度学习模型的高额计算开销，通过简洁算法快速运算，满足滑坡预警的时间敏感性需求，实现实时响应。

31、3、该基于物理采集多元数据进行时序分析的滑坡预警方法，构建多元数据与预警目标的因果关系，结合多变量动态交互与耦合机制，通过降水状态三级判断、主导变量识别等步骤，全面考量滑坡触发因素的复杂性与动态性，显著降低预测误差，三级分级预警体系可提前输出精准预警信号，为地质灾害防治、基础设施安全运维及应急决策提供可靠支持。

1.基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s1中基础数据采集以5分钟/次的频率同步采集，采集参数包括空气温度、空气相对湿度、空气绝对湿度、土壤温度、土壤相对湿度、土壤绝对湿度及大气压，所有数据按统一时间轴同步存储。

3.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s2中降水存在性判断的逻辑为：

4.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s2中降水量估算依据降水时长与土壤湿度增幅的对应关系分级：短时土壤湿度增加5％～10％对应小雨或小雪，中时土壤湿度增加10％～20％对应中雨或中雪，长时土壤湿度增加≥20％对应大雨或大雪，土壤冻结时，结合空气湿度饱和时长与温度参数综合估算降雪量。

5.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s2中降水形态判断基于温度与土壤湿度变化趋势：

6.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s3中特征处理与关系分析具体包括：

7.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s4中动态预警模型构建具体包括：

8.根据权利要求1所述的基于物理采集多元数据进行时序分析的滑坡预警方法，其特征在于：所述s5中分级预警输出中，预设绿、橙、红三级预警阈值，其中绿色预警对应低风险状态，橙色预警对应中等风险状态，红色预警对应高风险状态，系统持续计算实时滑坡风险分数，当分数达到对应预警阈值时，即时输出相应等级的预警信号，实现滑坡风险的持续监测与实时预警。