一种基于大数据分析的边坡失稳预警方法和系统与流程
本公开涉及边坡失稳监测,尤其涉及一种基于大数据分析的边坡失稳预警方法和系统。
背景技术:
1、边坡失稳滑坡、滑移坍塌是岩土工程领域发生频率最高、危害范围最广的地质灾害,具备隐蔽性强、诱发因素复杂、破坏突发性高、链式灾害风险大的特点,极易造成道路阻断、工程损毁、人员伤亡及重大经济损失。现阶段边坡安全预警技术已逐步从人工巡检、单点阈值报警向智能化监测预警转型,但现有智能化预警技术仍存在多项核心技术瓶颈,难以满足复杂工况下高精度、低误报、自适应的预警需求。
2、现有预警技术存在以下缺陷:一是模型通用性极差,大多采用单一固定预警模型与固定权重参数,未区分边坡失稳机理,无法适配长期蠕变滑移、暴雨突发失稳两类完全差异化的破坏模式,导致部分边坡漏报、部分边坡频繁误报;二是监测维度单一、数据处理粗糙,仅对原始监测数据进行简单阈值判断,未对传感数据进行降噪、异常剔除、标准化量化处理,原始数据噪声干扰大,预警基础数据精度不足;三是忽略多因子耦合联动机制,边坡土体稳固性能衰减与边坡位移形变并非独立作用,二者存在同步联动、滞后响应、相互促进的耦合规律,传统技术未挖掘时序耦合关联特征,风险评估仅为单一数据叠加,无法识别隐性滞后风险;四是模型参数固化无自适应性,模型权重一经设定长期固定,无法根据监测数据稳定性、误报频次、工况演变动态优化,长期运行后适配性持续下降,误报漏报率大幅升高;五是风险分级与处置机制粗放,无精细化多级阈值匹配体系,无法根据风险等级匹配差异化处置策略,存在过度防控或防控滞后的问题。
3、基于以上,现有技术有待进一步改善。
技术实现思路
1、本公开的目的在于提供一种基于大数据分析的边坡失稳预警方法和系统,边坡失稳预警方法通过构建多工况聚类建模、动态参数优化、双因子耦合计算与分级处置的闭环预警流程,解决了现有技术中边坡预警模型单一、工况适配性差、风险评估片面、无动态优化能力的问题。
2、为解决上述技术问题,本公开实施例提供了一种基于大数据分析的边坡失稳预警方法,包括以下步骤:
3、步骤1、收集涵盖不同工况的海量边坡的历史大数据样本,通过对历史大数据样本进行聚类分析,得到多种边坡类型簇以及各边坡类型簇对应的专属预警模型;
4、步骤2、依据目标边坡的历史数据,确定目标边坡所属的边坡类型簇,筛选出与该边坡类型簇对应的专属预警模型得到运行模型,并实时采集目标边坡的土壤数据和位置移动数据,将土壤数据和位置移动数据输入到运行模型,计算得到土壤稳固程度数值和位置移动危险程度数值;
5、步骤3、利用土壤稳固程度数值和位置移动危险程度数值构建双因子时序数据序列,通过大数据关联分析对双因子时序数据序列进行分析,得到土壤与位置移动相互作用的协同影响系数;
6、步骤4、基于运行模型的初始权重,结合土壤数据和位置移动数据的误报贡献度迭代修改,得到土壤稳固程度、位置移动危险程度对应的因子重要程度比例;
7、步骤5、利用协同影响系数和因子重要程度比例,对土壤稳固程度数值和位置移动危险程度数值进行融合计算,得到目标边坡的综合预警数值;
8、步骤6、将综合预警数值与运行模型的预警阈值进行对比,根据比对结果判定目标边坡的失稳风险状态,并执行对应等级的预警处置操作。
9、在一些实施例中,在步骤1中,采用k-means大数据聚类算法对历史大数据样本进行聚类分析得到多种边坡类型簇,边坡类型簇包括:长期蠕变型边坡簇和暴雨突发型边坡簇。
10、在一些实施例中,长期蠕变型边坡簇对应的专属预警模型的初始权重配置为位置移动危险程度权重大于土壤稳固程度权重;暴雨突发型边坡簇对应的专属预警模型的初始权重配置为土壤稳固程度权重大于位置移动危险程度权重。
11、在一些实施例中,在步骤2中,
12、基于运行模型对应的边坡类型簇数据特征,对实时采集的土壤数据进行标准化预处理,剔除异常干扰数据,结合运行模型内置的土壤力学关联规则,量化得到表征边坡土体整体稳定性能的土壤稳固程度数值;
13、同步对实时采集的位置移动数据进行时序降噪处理,结合运行模型适配的边坡位移形变响应规律,根据位移累积量、位移变化速率双维度量化计算,得到表征边坡滑移风险高低的位置移动危险程度数值。
14、在一些实施例中,在步骤3中,
15、以连续采样时刻为时间轴,将不同时刻对应的土壤稳固程度数值、位置移动危险程度数值进行时序对齐排列,构建同步联动的双因子时序数据序列;
16、采用大数据关联挖掘算法对双因子时序数据序列进行时序相关性分析,挖掘土壤稳固性能衰减与边坡位置移动形变之间的同步关联规律、滞后响应规律及相互促进耦合规律;
17、基于同步关联规律、滞后响应规律及相互促进耦合规律,量化得到协同影响系数,协同影响系数用于表征土壤状态与边坡位移之间的相互作用强度,系数数值越大,代表双因子耦合诱发边坡失稳的联动风险越高。
18、在一些实施例中,在步骤4中,
19、统计实时监测过程中土壤数据、位置移动数据各自的异常波动频次、误预警触发次数,分别计算得到土壤数据误报贡献度和位置移动数据误报贡献度,依据土壤数据误报贡献度和位置移动数据误报贡献度调整运行模型的初始权重,得到土壤稳固程度、位置移动危险程度对应的因子重要程度比例。
20、在一些实施例中,在步骤5中,
21、
f=k×w
1
×x+w
2
×y
22、其中,
f为综合预警数值,
k为协同影响系数,
w
1和
w
2为因子重要程度比例且满足
w
1
+
w
2
=1,x为土壤稳固程度数值,
y为位置移动危险程度数值。
23、在一些实施例中,在步骤6中,预警阈值分为多级,将综合预警数值与多级预警阈值逐一比对,判定目标边坡的失稳风险状态,对应的预警处置操作包含常态监测、风险预警、紧急防控和抢险处置。
24、另一方面,本公开实施例还提供了一种基于大数据分析的边坡失稳预警系统,用于执行上述的边坡失稳预警方法,边坡失稳预警系统包括:大数据聚类建模模块、模型匹配模块、数据采集模块、时序关联分析模块、融合计算模块和分级预警执行模块,其中:
25、大数据聚类建模模块:用于采集多工况边坡历史大数据样本,聚类划分边坡类型簇,生成各类边坡专属预警模型;
26、模型匹配模块:依据目标边坡历史数据匹配对应专属预警模型,得到运行模型;
27、数据采集模块:用于采集目标边坡实时土壤数据、位置移动数据,预处理得到土壤稳固程度数值、位置移动危险程度数值;
28、时序关联分析模块:用于构建双因子时序数据序列,分析得到土壤与位置移动相互作用的协同影响系数;
29、融合计算模块:依据数据误报贡献度迭代优化初始权重,加权计算得到综合预警数值;
30、分级预警执行模块:对照多级预警阈值判定失稳风险等级,执行常态监测、风险预警、紧急防控、抢险处置对应操作。
31、采用上述技术方案,本发明至少具有如下有益效果:
32、本公开提出了一种基于大数据分析的边坡失稳预警方法和系统,边坡失稳预警方法通过构建多工况聚类建模、动态参数优化、双因子耦合计算与分级处置的闭环预警流程,解决了现有技术边坡预警模型单一、工况适配性差、风险评估片面、无动态优化能力的问题。
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