一种蠕变型地质灾害监测数据自动化实时预警方法与流程

1.本发明属于蠕变型地质灾害监测数据自动化实时预警方法技术 领域，尤其涉及一种蠕变型地质灾害监测数据自动化实时预警方法。


背景技术：

2.对滑坡等地质灾害开展自动化监测预警可以有效降低灾害造成 的损失，国内外众多研究成果都表明，滑坡的变形过程是一个蠕动变 形的过程，因此滑坡地质灾害监测中常用的传感器数据变化过程也是 蠕变的。针对蠕变型地质灾害监测数据的预警方法，目前主要是根据 累计变化量、变化速度、加速度、切线角中的一种或者多种进行判定， 这种预警方式能够及时发现监测数据的变化趋势，相关技术中，公开 了一种蠕滑型人工边坡稳定性系数与预警判据的确定方法，包括以下 步骤：步骤一：边坡相关数据与起始位移变形量的确定；步骤二：边 坡任意时刻t稳定性系数ft的确定；步骤三：边坡加速变形阶段起 始点ts的稳定性系数fs确定；步骤四：蠕变型边坡加速变形阶段任 意时刻t稳定性系数ft的确定；步骤五：蠕变型边坡稳定性位移预 警判据的确定；步骤六：运用位移预警判据确定蠕变型边坡失稳预警 时间。本发明方法利用实际边坡监测数据所确定的位移时序曲线与边 坡定量稳定性系数进行耦合，寻找出一种通过实时位移监测曲线便能 迅速确定此时边坡所处的蠕变阶段与边坡稳定系数值随时间演化规 律及其对应预警预报时间的方法，但是，上述结构中还存在不足之处， 存在以下问题：
3.一是目前对于速度和加速的计算方式主要是通过两条或者三条 监测数据进行计算，由于监测设备受环境影响监测数据会产生一定的 波动，这种计算方式或导致计算结果波动很大，造成大量的虚警。
4.二是数据利用率低，目前很多的预警都只是利用当前时刻及其之 前的几条数据，而以往的监测数据几乎未曾利用过，造成了数据的浪 费。
5.三是基本没有时间窗口的概念，预警必须利用当前时刻之前一段 时间的数据，这个时间长度称之为时间窗口，他的大小决定了预警的 准确性，目前的预警都是利用最新的一条数据进行预警，这样会产生 大量的虚警。
6.四是原始数据存在噪声，如果直接利用原始监测数据进行预警， 也不可避免的会产生众多的虚警。
7.因此，有必要提供一种新的蠕变型地质灾害监测数据自动化实时 预警方法解决上述技术问题。


技术实现要素：

8.本发明解决的技术问题是提供一种可以提高监测数据利用率，降 低数据噪声对预警的影响，提高实警占比，压低虚警占比的蠕变型地 质灾害监测数据自动化实时预警方法。
9.为解决上述技术问题，本发明提供的蠕变型地质灾害监测数据自 动化实时预警
方法包括以下步骤；s1：对灾害前正常运营阶段的数据 值、因环境等因素影响的数据值和最后加速阶段的数据值进行确定； (1).灾害前，通过传感器进行检测开始的一段时间内的一个正常运 营阶段的数值；(2).对因降雨等因素影响开始逐渐变化，进入初始 的变形阶段，变化一段时间之后逐渐稳定，进入等速变形阶段，且速 度为0是本阶段的一种特殊情况；(3).对最后进行加速变化阶段的 数据值进行确定，通过识别传感器监测数据所处于的变化阶段，重点 识别其快速变化过程和加速过程的数据值；s2：判定参数计算方法； (1).通过采用最小二乘法拟合的计算方式，来对地质灾害监测数据 预警所需要的累计变化量、速度和加速度的数值进行计算；(2). 对当前需要进行预警的监测点，根据预警时间窗口拉取该时间段的数 据，然后首先采用3σ准则进行异常值剔除，再采用小波变换算法进 行数据去噪，之后采用最小二乘回归算法，分别对以下两个多项式进 行回归拟合计算：其中：速度即为,加速度为,累积变化量为该时间窗 口内的数据均值；s3：经验参数；acc0：传感器开始监测后3
‑
4日内 有效监测数据波动范围最大值；acc1：acc0的c1倍，c1为经验参数， 如有设计计算书，可设置为计算控制值的40％；acc2:acc0的c2倍， c2为经验参数，如有设计计算书，可设置为计算控制值的60％； rate21：正常运营阶段速度波动范围最大值；rate22：依据经验和现 场情况自定义；rate31：正常运营阶段速度波动范围最大值，当出现 匀速变形阶段时，更改为匀速变形阶段速度的2倍；rate32：依据经 验和现场情况自定义，当出现匀速变形阶段时，更改为匀速变形阶段 速度的4倍；rate33：依据经验和现场情况自定义，当出现匀速变形 阶段时，更改为匀速变形阶段速度的6倍；rate34：依据经验和现场 情况自定义，当出现匀速变形阶段时，更改为匀速变形阶段速度的8 倍。
10.作为本实用发明的进一步方案，所述正常运营阶段监测数据波动 的最大值为acc0，据此给定两个经验参数c1和c2与acc0相乘得到 acc1和acc2。
11.作为本实用发明的进一步方案，所述预警等级划分为正常、蓝色 预警、黄色预警、橙色预警与红色预警五个等级。
12.与相关技术相比较，本发明提供的蠕变型地质灾害监测数据自动 化实时预警方法具有如下有益效果：
13.1、本发明通过异常值自动剔除和去噪等手段，消除了数据波动 的影响，所以不产生报警，这与实际情况是相吻合的，表明了本方法 可以有效过滤虚警，提高实警识别率；
14.2、本发明通过提出时间窗口概念，在时间窗口内对监测数据进 行分析，旨在提高监测数据利用率，降低数据噪声对预警的影响，提 高实警占比，压低虚警占比。
附图说明
15.为了便于本领域技术人员理解，下面结合附图对本发明作进一步 的说明。
16.图1为本发明中蠕变性监测数据变化过程示意图；
17.图2为本发明中预警等级划分示意图；
18.图3为本发明中检测数据示意图；
19.图4为本发明中含有异常监测数据示意图；
20.图5为本发明中详细流程示意图。
具体实施方式
21.请结合参阅图1、图2、图3、图4和图5，其中，图1为本发明 中蠕变性监测数据变化过程示意图；图2为本发明中预警等级划分示 意图；图3为本发明中检测数据示意图；图4为本发明中含有异常监 测数据示意图；图5为本发明中详细流程示意图。蠕变型地质灾害监 测数据自动化实时预警方法包括：包括以下步骤；
22.s1：对灾害前正常运营阶段的数据值、因环境等因素影响的数据 值和最后加速阶段的数据值进行确定；
23.(1).灾害前，通过传感器进行监测开始的一段时间内的一个正 常运营阶段的数值；
24.(2).对因降雨等因素影响开始逐渐变化，进入初始的变形阶段， 变化一段时间之后逐渐稳定，进入等速变形阶段，且速度为0是本阶 段的一种特殊情况；
25.(3).对最后进行加速变化阶段的数据值进行确定，通过识别传 感器监测数据所处于的变化阶段，重点识别其快速变化过程和加速过 程的数据值；
26.地质灾害监测中大多数具有蠕变趋势的监测参数均有图1所示 的变化过程，首先，在监测开始的一段时间内通常会有一个正常运营 阶段，随后因降雨等因素影响开始逐渐变化，进入初始的变形阶段， 变化一段时间之后逐渐稳定，进入等速变形阶段，且速度为0是本阶 段的一种特殊情况，初始变形阶段和等速变形阶段可能会重复多次， 最后进行加速变化阶段，最终发生破坏，本预警方法的实质就是识别 传感器监测数据所处于的变化阶段，重点识别其快速变化过程和加速 过程，假设正常运营阶段监测数据波动的最大值为acc0，据此给定 两个经验参数c1和c2与acc0相乘得到acc1和acc2，本方案认为 当累计变化量处于acc1以下区间为安全区间，不进行预警，当累计 变化量突破acc1时进入开始关注阶段，并同时触发“超acc1预警”， 在acc1和acc2区间内，如图2(a)所示,依据变形速度分为正常、蓝 色预警、黄色预警三个等级，各等级界限为rate21和rate22，当累 计变化量突破acc2时进入重点关注阶段，并同时触发“超acc2预警”， 在此阶段内预警等级划分如图2(b)所示，划分为正常、蓝色预警、 黄色预警，橙色预警、红色预警五个等级，各等级之间界限为rate31、 rate32、rate33、rate34，除此之外，本方法还将考虑加速度影响， 如果加速度为负，则预警等级降一级，根据上述原理可以列出所有可 能出现的情况，如下表：
[0027][0028]
s2：判定参数计算方法；
[0029]
(1).通过采用最小二乘法拟合的计算方式，来对地质灾害监测 数据预警所需要的累计变化量、速度和加速度的数值进行计算；
[0030]
(2).对当前需要进行预警的监测点，根据预警时间窗口拉取该 时间段的数据，然后首先采用3σ准则进行异常值剔除，再采用小波 变换算法进行数据去噪，之后采用最小二乘回归算法，分别对以下两 个多项式进行回归拟合计算：
[0031]
y＝a1t b1ꢀꢀ
(1)
[0032]
y＝a2t2 b2t c2ꢀꢀ
(2)
[0033]
其中：速度即为a1,加速度为2a2,累积变化量为该时间窗口内的 数据剔除异常数据之后的最大值；
[0034]
对于地质灾害监测数据预警所需要的累计变化量、速度和加速度 的计算均采用最小二乘法拟合的方式计算，首先针对当前需要进行预 警的监测点，根据预警时间窗口拉取该时间段的数据，然后首先采用 3σ准则进行异常值剔除，然后采用小波变换算法进行数据去噪，之 后采用最小二乘回归算法，分别对以下两个多项式进行回归拟合计 算，计算之后得到参数,速度即为a1,加速度为2a2,累积变化量为该时 间窗口内的数据剔除异常数据之后的最大值，其中预警时间窗口这个 参数的十分重要，其设置直接决定了预警方法的成
功与否，窗口太短 计算的速度偏大，容易产生虚警，窗口太长速度偏小，敏感性降低， 根据经验，取2个数据波动周期最佳。
[0035]
s3：经验参数；
[0036]
acc0：传感器开始监测后3
‑
4日内有效监测数据波动范围最大 值；
[0037]
acc1：acc0的c1倍，c1为经验参数，如有设计计算书，可设 置为计算控制值的40％；
[0038]
acc2:acc0的c2倍，c2为经验参数，如有设计计算书，可设 置为计算控制值的60％；
[0039]
rate21：正常运营阶段速度波动范围最大值；
[0040]
rate22：依据经验和现场情况自定义；
[0041]
rate31：正常运营阶段速度波动范围最大值，当出现匀速变形 阶段时，更改为匀速变形阶段速度的2倍；
[0042]
rate32：依据经验和现场情况自定义，当出现匀速变形阶段时， 更改为匀速变形阶段速度的4倍；
[0043]
rate33：依据经验和现场情况自定义，当出现匀速变形阶段时， 更改为匀速变形阶段速度的6倍；
[0044]
rate34：依据经验和现场情况自定义，当出现匀速变形阶段时， 更改为匀速变形阶段速度的8倍。
[0045]
所述正常运营阶段监测数据波动的最大值为acc0，据此给定 两个经验参数c1和c2与acc0相乘得到acc1和acc2。
[0046]
所述预警等级划分为正常、蓝色预警、黄色预警、橙色预警与 红色预警五个等级。
[0047]
预警参数地表位移深部位移地表沉降表面倾斜裂缝acc125mm10mm10mm0.3
°
或3
°
5mmacc250mm20mm20mm0.6
°
或8
°
10mmrate2115mm/d8mm/d8mm/d0.03
°
/d10mm/drate2230mm/d16mm/d16mm/d0.06
°
/d20mm/drate318mm/d4mm/d4mm/d0.03
°
/d5mm/drate3215mm/d8mm/d8mm/d0.06
°
/d10mm/drate3323mm/d12mm/d12mm/d0.09
°
/d15mm/d 30mm/d16mm/d16mm/d0.12
°
/d20mm/d
[0048]
且，挡墙、桥桩、立柱等设置acc1为0.3，acc2为0.6；土 质边坡则设置acc1为3，acc2为8；
[0049]
第一通过监测数据如图3所示，应用本预警算法，设置相关预 警参数见表3，采用本算法进行预警，预警过程中本方法自动判定的 预警演化过程见表4，综合表4和图3可以发现本方法可以准确的掌 握蠕变型地质灾害监测数据的演变过程，并及时发现加速过程，做到 及时预警，准确预警，通过上述所述展示了本预警方法在预警及时性、 准确性方面的有效性，为说明本方法虚警率低方面的优势，第二取该 监测点某段监测数据如图4所示，可以发现该段数据不存在预警，但 是存在明显异常值，且波动较大，将本方法与之前方法进行对比，采 用相同的阈值，计算结果见表5，可以发现传统方法该段数据报蓝色 预警，而本
方法通过异常值自动剔除和去噪等手段，消除了数据波动 的影响，所以不产生报警，这与实际情况是相吻合的，表明了本方法 可以有效过滤虚警，提高实警识别率；
[0050][0051]
(表3)
[0052][0053]
(表4)
[0054][0055]
(表5)
[0056]
本发明提供的蠕变型地质灾害监测数据自动化实时预警方法的 工作原理如下：
[0057]
第一步骤：地质灾害监测中大多数具有蠕变趋势的监测参数均有 图1所示的变化过程，首先，在监测开始的一段时间内通常会有一 个正常运营阶段，随后因降雨等因素影响开始逐渐变化，进入初始的 变形阶段，变化一段时间之后逐渐稳定，进入等速变形阶段，且速度 为0是本阶段的一种特殊情况，初始变形阶段和等速变形阶段可能会 重复多次，最后进行加速变化阶段，最终发生破坏。本预警方法的实 质就是识别传感器监测数据所处于的变化阶段，重点识别其快速变化 过程和加速过程，假设正常运营阶段监测数据波动的最大值为acc0， 据此给定两个经验参数c1和c2与acc0相乘得到acc1和acc2，本 方案认为当累计变化量处于acc1以下区间为安全区间，不进行预警， 当累计变化量突破acc1时进入开始关注阶段，并同时触发“超acc1 预警”，在acc1和acc2区间内，如图2(a)所示,依据变形速度分为 正常、蓝色预警、黄色预警三个等级，各等级界限为rate21和rate22， 当累计变化量突破acc2时进入重点关注阶段，并同时触发“超acc2 预警”，在此阶段内预警等级划分如图2(b)所示，划分为正常、蓝 色预警、黄色预警、橙色预警、红色预警五个等级，各等级之间界限 为rate31、rate32、rate33、rate34，除此之外，本方法还将考虑 加速度影响，如果加
速度为负，则预警等级降一级；
[0058]
第二步骤：对于地质灾害监测数据预警所需要的累计变化量、速 度和加速度的计算均采用最小二乘法拟合的方式计算，首先针对当前 需要进行预警的监测点，根据预警时间窗口拉取该时间段的数据，然 后首先采用3σ准则进行异常值剔除，然后采用小波变换算法进行数 据去噪，之后采用最小二乘回归算法，分别对以下两个多项式进行回 归拟合计算，计算之后得到参数,速度即为a1,加速度为2a2,累积变 化量为该时间窗口内的数据剔除异常数据之后的最大值，其中预警时 间窗口这个参数的十分重要，其设置直接决定了预警方法的成功与 否，窗口太短计算的速度偏大，容易产生虚警，窗口太长速度偏小， 敏感性降低，根据经验，取2个数据波动周期最佳；
[0059]
第三步骤：第一通过监测数据如图3所示，应用本预警算法，设 置相关预警参数见表3，采用本算法进行预警，预警过程中本方法自 动判定的预警演化过程见表4，综合表4和图3可以发现本方法可以 准确的掌握蠕变型地质灾害监测数据的演变过程，并及时发现加速过 程，做到及时预警，准确预警，通过上述所述展示了本预警方法在预 警及时性、准确性方面的有效性，为说明本方法虚警率低方面的优势， 第二取该监测点某段监测数据如图4所示，可以发现该段数据不存在 预警，但是存在明显异常值，且波动较大，将本方法与之前方法进行 对比，采用相同的阈值，计算结果见表5，可以发现传统方法该段数 据报蓝色预警，而本方法通过异常值自动剔除和去噪等手段，消除了 数据波动的影响，所以不产生报警，这与实际情况是相吻合的，表明 了本方法可以有效过滤虚警，提高实警识别率。
[0060]
尽管已经表示出和描述了本发明的实施例，对于本领域的普通技 术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对 这些实施例进行多种变化、修改、替换和变型或直接或间接运用，在 其它相关的技术领域，本发明的范围由所附权利要求及其等同物限 定，均同理包括在本发明的专利保护范围内。