地质灾害预警平台方案详细版.docx

地质灾害预警平台方案详细版.docx

《地质灾害预警平台方案详细版.docx》由会员分享，可在线阅读，更多相关《地质灾害预警平台方案详细版.docx（15页珍藏版）》请在冰豆网上搜索。

地质灾害预警平台方案详细版

地质灾害预警平台工作方案

第一章概述

1.1工程背景

随着我国国民经济的日益开展，机场、公路、铁路等根底设施建立成为经济开展的关键。

由于我国所处的构造带交汇部位以及复杂的气候系统，我国也成为世界上地质灾害种类多，活动频繁，危害严重的国家之一，而且分布范围较广，有日益加重的趋势，直接影响到国民经济的开展和人民生活的平安。

据统计，我国每年因崩塌、滑坡、泥石流、地面沉降、矿山地质灾害和土地荒漠化等地质灾害所造成的直接经济损失高达840亿人民币之多，而且造成了大量的居民伤亡，由于地质环境的恶化而引发或加重的其他灾害所造成的经济损失更是无法估算。

地质体是地质环境的主体 ,地球上所有的生命均依附于这一载体。

地质灾害是地质环境质量较低的表现，它的频繁发生不仅仅显示了自然地质环境的脆弱性，而且还反映了人类工程活动与自然地质环境之间矛盾的激化。

地质灾害广泛分布于我国各个地区，随着人类活动规模与强度的增大，正在越来越深刻地干预地球表层的自然过程，导致自然灾害发生的频率越来越高，影响范围也越来越大。

地质灾害的突发性、危害性，不仅使建筑物受到破坏，而且会破坏生态环境，造成巨大的经济损失和人员伤亡。

1.2研究进展

由于地质灾害及其自身突发性和危害性不断地给我国蓬勃向上的国民经济开展和根底设施建立带来巨大的损失。

因此，针对地质灾害的“监测—预报预警〞和防灾减灾工作具有极其重要的地位，同时也促使国家开场重视对地质灾害的预报预警和防灾减灾工作，深入研究并开展我国地质灾害的“监测—预报预警〞工作可以极大程度上减少我国在根底设施建立方面的损失，维护国民经济稳定开展和人民生命财产平安。

经过查阅大量历史资料发现，以往的监测手段和预报预警方法仅仅停留在地质灾害学等少数学科门类。

监测手段过于单一，缺乏集成化的数据库，以及不能充分利用现有的网络技术；预报预警方法也缺乏足够的科学依据，往往呈现出滞后性和不准确性。

促使地质灾害的原因是多方面的，需要通过多个方面，多种手段才能最大程度上做好地质灾害预报预警工作，减轻地质灾害的危害。

针对我国地质灾害发生的区域性和多发性特点，综合我国根底设施建立的需要和人民居住平安的重要性，应该合理的走一条创新型地质灾害“监测—预报预警〞道路，开展地质灾害危险性区划和预防性研究。

根本原理主要是把在地质灾害调查中通过对变形或破坏的显示情况和提供的信息，把反映各种区域稳定性因素的实测值转化为反映区域稳定性的信息量值，并在此根底上结合各种方法进展分析评价，最后做出预报预警。

1.3设计原那么和目标

崩滑地质灾害预警平台是基于原位监测工作定制的一套既包含专业性技术，又集面向群众预报预警的多层次的崩滑地质灾害预警平台。

通过在预警区范围内布设、安装传感器，获取各种类型数据，并且利用物联网技术上传以及存储各类传感器采集到的数据；建立黄土滑坡灾害预警模型，搭建完整的预警平台，实现微信、短信等报警方式。

目前，已经形成一套成熟的地质灾害预警平台工作方案。

1.4预警平台优势

该地质灾害预警平台工作方案具有极强的创新性，结合了多学科的分析方法，可以增强预报预警的结果的准确性和科学性。

不仅如此，该套成熟的预警体系还可以对数据进展实时处理、分析以及预报。

该地质灾害预警平台工作方案还具有良好的适应性，可以适用于我国各种地质灾害多发区域，对灾害发生原因可以进展单一因素或综合因素分析评价预测，是一套成熟并且实用的地质灾害预警平台工作方案。

第二章数据类型及处理

2.1传感器安装原那么和目的

针对预警区范围内的历史地质灾害调查资料，制定相应的所需数据的采集流程。

通常将各种类型传感器监测设备在预警区范围内布设安装，不同类型传感器安装于可能影响地质体稳定性位置处，再将所采集到的数据，通过各设备对应的通道与数据存储库联通，利用DTU设备将数据发送到互联网，可以对各种类型传感器监测设备进展实施的位置、数值量以及趋势的观测。

下文将简要表达接种常见传感器设备、作用以及安装方法。

2.2地表变形监测

针对地表变形的原位监测设备包括拉伸式位移传感器、GPS设备、激光测距位移传感器，其中拉伸式位移传感器、激光测距位移传感器都是用于相对位移变形量的测量，GPS设备用于绝对位移变形量的测量，根据滑坡及崩塌区的地形地貌条件，突出主滑方向和变形较大位置的监测，均布设于覆盖裂缝处。

监测设备如图2.1所示，数据处理结果如图2.2所示。

a．拉伸式位移传感器

b．GPS设备

、

c．激光测距位移传感器

图2.1相对位移测量设备

图2.2地表沉降变形

2.3深部变形监测

针对深部变形的原位监测设备包括测斜传感器，用于深部位移变形量的测量，在其周围滑坡体上布置测斜孔，每个测斜观测孔中安装测斜传感器，以测定岩土体发生位移的位置、大小、方向及变化速率，分析判定滑坡体的稳定性。

监测设备如图2.3所示，数据处理结果如图2.4所示。

图2.3测斜仪

图2.4深部变形

2.4土壤水分监测

水分变化的监测主要通过水分传感器以及ERT电法设备完成。

传感器采用挖井到预定深度后，从侧壁插入的方法安装，以保证传感器插在原状土中。

监测设备如图2.5所示，数据处理结果如图2.6所示。

图2.5安装土壤水分传感器安装

图2.6土壤含水率

水分监测还可以通过TL-ERT〔高密度电法〕的方法来取，在垂直于斜坡方向将电极等间距插入。

监测设备如图2.7所示。

a．现场监测设备

b．样机

c．采集软件

图2.7TL-ERT

TL-ERT设备监测得到的视电阻率数据进展反演分析，得到反演的电阻率剖面，提取传感器对应位置的电阻率数据，得到不同时刻，多个位置的电阻率、含水率数据，将这些数据进展分析，建立含水率与电阻率的关系。

数据处理结果如图2.6所示。

图2.8土壤含水率

2.5地下水水位、孔压监测

斜坡剖面监测点的地下水位变化主要采用水位传感器，用洛阳铲打孔，再投入一定深度，固定水位传感器。

监测设备如图2.5所示，数据处理结果如图2.6所示。

图2.9水位传感器

图2.10地下水水位

2.6数据中心

基于物联网技术建立了数据中心子系统，设置采样间隔时间，所有数据均上传到数据中心。

数据传输到数据中心后，可以通过网页、手机对数据进展实时查看〔图2.11〕，也可查看并下载历史数据。

图2.11数据中心

第三章预警平台

3.1预警平台根本介绍

基于地质灾害原位监测与物联网平台，灾害预警系统主要包括数据的采集与存储、数据的显示与预警以及信息推送。

灾害预警系统可以对采集到的数据进展实时的显示和处理，数据的显示与预警包括三个层次，层次一：

监测数据阀值预警；层次二：

单一因素滑坡发生时间预测；综合因素滑坡发生时间预测；层次三：

气象预警，三个层次地质灾害预报预警的技术路线如图3.1所示。

图3.1预警平台技术路线

3.2预警平台层次一

3.1.1阀值预警

预警平台层次一中的阙值预警，是将布设的传感器预设一定的变形标准，任何一个传感器测量到的实际值到达阙值，发出预警信息。

根据研究区实时监测数据〔水分、变形等〕曲线，找到加速变形阶段，设置预警阈值，如图3.2所示。

图3.2阀值预警

3.1.2回归分析预警

趋势预测方法，利用统计学中的线性回归分析方法，实时拟合传感器数据，做出分析评价，并给出变形的开展趋势。

这里面有单因素的和多因素的两种类型。

多元回归分析反映了预报量和和各因素之间的依赖关系，最后可结合阙值预警方法确定是否给出预警信息。

多元线性回归是一种数理统计方法，通过计算公式和根据反映回归效果的所需要的参数，筛选出影响因子最大的显著要素。

在将显著要素的数据与地质体的位置参数相结合，确定预警模型，最后要对回归方程进展校验〔图3.3〕。

图3.3多元线性回归分析流程

3.2预警平台层次二

3.2.1模糊数学预警

基于模糊数学〔AHP〕的分析方法，设置不同的模糊数学判断准那么，输入多个传感器的监测数据，利用模糊数学方法将黄土崩滑地质灾害预警模型进展定量转化，根据这些数据综合给出预警信息。

地质灾害受各种因素及作用方式的影响,而各因素同时又具有一定的不确定性随机性、模糊性和信息不完全性和复杂性。

王家鼎教授曾提出了信息分配、信息扩散概念,初步建立了模糊信息优化处理理论体系。

该套地质灾害预警平台将应用模糊信息优化处理理论对传感器监测数据，基于模糊数学计算分析的预警亭台技术路线如图3.4。

图3.4模糊数学优化处理

将各个监测设备〔不同传感器及不同地质条件下〕的数据进展模拟计算，并运用模糊数学等概率统计模型将其综合在一起预测灾害发生时间，如图3.3所示。

图3.3综合预警

3.2.2灰色理论预警

方法四：

灰色理论方法，根据单一或多个传感器信息，对数据进展处理，分析变形开展趋势，并求出最优解〔如图3.4〕，给出预警信息。

图3.4灰色理论求最优解

选取位移和水分作为独立的滑坡临滑参数，运用最小二乘法对数据曲线进展拟合计算，并运用灰色理论模型GM〔1,1〕〔如图3.5〕预测灾害发生时间。

图3.5基于灰色理论预测

3.2.3人工神经网络模型预警

基于深度学习的预警方法，建立样本库、专家库、知识库，通过深度学习算法，确定预测模型〔一般是人工神经网络模型〕，输入数据，输出结果。

神经网络的学习方法也称训练,指的是通过神经网络所在环境的刺激作用调整神经网络的参数权值和闽值,使神经网络以一种新的方式对外部环境做出反响的一个过程〔图3.6〕。

图3.6人工神经网络

3.3预警平台层次三

3.3.1力学方法预警

方法六：

力学方法为根底的，以前面计算模型为根底，建立诱发因素与稳定性关系的曲线，根据监测数据或预测值〔一般是降雨量〕，确定斜坡稳定性状态。

以斜坡监测，场地为例根据监测区域的各剖面数据计算结果，结合室内试验得到的材料参数，基于极限平衡理论建立一维、二维非饱和有限元模型〔如图3.6〕，通过模拟计算确定降雨与平安系数的关系，并以此为根底在其他地区进展扩展研究。

图3.6力学模型

局部平安系数法的根本思路是在斜坡各点定义一个可以代表该处稳定性的标量。

该系数是一种随时间和空间不断变化的标量场，可以据此判断斜坡各个区域已发生了破坏还是处于稳定状态。

图3.7斜坡状态

3.3.2概率模型预警

建立地质灾害预警概率模型，以地形地貌数据为背景、监测数据为根底，结合气象中的降雨量数据，把一种因素导致地质灾害概率化。

模型参数包括地质灾害风险区划、降水影响系数，降水预报，建立预报模型和预警模型，

地质体的降雨临界值是发生地质灾害，从而发出预警信息的关键，通过对地质体与雨量相关性、降雨型地质灾害启动值等对灾害预警的时间概率、空间概率及预警概率进展分析,计算危险区内已发生地质灾害频率和降雨型地质灾害发生频率,得到降雨型地质灾害预警概率使得预警系统更加可靠。

下列图以滑坡地质灾害为利，展示了处理流程。

图3.8滑坡系统预警构造

3.3.3“3S〞技术预警

利用“3S〞〔GIS、RS、GPS〕技术，首先获取预警区地形地貌等地质大调查资料，结合监测获得的各种数据，利用空间分析和栅格计算，对预警区进展风险分区，并且对划分区域参加降雨量资料，确定“最正确组合因子〞，从而进展确定并发送预警信息。

建立准确及时的监测预警系统需要实时有效的监测手段提供技术支持，而GPS能够实时快速的提供目标的空间位置和地表变形监测尤其是北斗导航系统和CORS系统的快速开展大大提高了测绘工作的精度速度和效率；RS可以实时、快速的提供大面积地表物体及其环境的几何与地理信息及各种变化。

高分辨率和多源遥感图像融合技术的开展，大大提高了图像的解译能力，图像判读的可靠性和数据分类和目标识别的准确性。

GIS可作为多源时空数据的综合处理和应用分析的平台。

云GIS的开展改变了用户传统的GIS应用方法和建立模式以更友好的方式、低本钱、高效率地使用地理信息资源。

图3.8“3S〞技术预警构造

第四章总结

地质灾害预警系统是基于原位监测工作获得的各类数据与物联网技术〔如图4.1〕，“多样化〞的利用三个层次的地质灾害预警信息生成方法分别实时显示或预测。

发布的预警信息既具有实时性，又可以做出科学性的预测，地质灾害预警系统既可以将各种因素融合为整体分析，也可以对单一因素进展分析，还创新性地将多种数学理论和跨学科领域的技术入其中，形成了一套完整、实用、科学的预警系统。

预警平台会根据传感器采集到的数据和物联网技术实时运行，一旦数据超过平安范围就会发送报警信息〔如图4.2〕。

图4.1延安黄土崩滑地质灾害预警系统

图4.2预警信息发送

参考文献

[1]张雨晴.甘肃黑方台黄土滑坡系统分析[D].西北大学,2007.

[2]韦浩.多元回归分析法在滑坡空间预测中的应用——以耀州区为例[D].长安大学,2021.

[3]司康平.基于GIS的滑坡灾害空间预测:

方法比拟及因子重要性分析——以深圳市为例[D].北京大学,2021.

[4]乔建平,杨宗佶,田宏岭.降雨滑坡预警的概率分析方法[J].工程地质学报,2021,17（3）:

343-348.

[5]司大刚,李风贤,冯小东,等.基于3S技术的数字滑坡地质灾害监测预警方法探讨研究[J].科技视界,2021（14）:

47-47.

[6]唐亚明,张茂省,薛强,等.滑坡监测预警国内外研究现状及评述[J].地质论评,2021,58（3）:

533-541.

[7]章书成,余南阳.泥石流早期警报系统[J].山地学报,2021,28（3）:

379-384.

[8]徐进军,王海城,罗喻真,等.基于三维激光扫描的滑坡变形监测与数据处理[J].岩土力学,2021,31（7）:

2188-2191.

[9]刘兴权,姜群鸥,战金艳.地质灾害预警预报模型设计与应用[J].工程地质学报,2021,16（3）:

342-347.

[10]侯圣山,李昂,周平根.四川雅安市雨城区地质灾害预警系统研究[J].地学前缘,2007,14（6）:

160-165.

[11]王爽,王晴,斯蔼,等.基于GIS的天津市突发性地质灾害预警预报系统设计与实现[J].地质调查与研究,2021（3）:

206-209.

[12]岳建伟,王斌,刘国华,等.地质灾害预警预报及信息管理系统应用研究[J].自然灾害学报,2021,17（6）:

60-63.

[13]孙祚浩.基于时空概率分析的滑坡风险评估模型研究[D].合肥工业大学,2021.

[14]IntegrationofGPSwithInSARtomonitoringoftheJiajulandslideinSichuan,China[J].YuepingYin,WamoZheng,YupingLiu,JialongZhang,XiaochunLi.  Landslides.2021

[15]Real-timemonitoringandearlywarningoflandslidesatrelocatedWushanTown,theThreeGorgesReservoir,China[J].YuepingYin,HongdeWang,YoulongGao,XiaochunLi.  Landslides.2021

[16]Relationshipbetweentheinitiationofashallowlandslideandrainfallintensity—durationthresholdsinJapan[J].HitoshiSaito,DaichiNakayama,HiroshiMatsuyama.  Geomorphology.2021