傳感器信息融合在滑坡預(yù)報中的應(yīng)用*

陳紫妍，趙佳睿，高仕奇，李麗敏，梁 聰，喻遠佳

（西安工程大學(xué)電子信息學(xué)院，西安 710600）

1 引 言

在全球性氣候復(fù)雜變化引發(fā)的自然災(zāi)害當中，滑坡現(xiàn)象是常見且災(zāi)害程度極大的一種。對該類災(zāi)害的有效的監(jiān)測與預(yù)警能夠減小經(jīng)濟損失與人員傷亡，相關(guān)的研究與設(shè)計在防災(zāi)減災(zāi)中具有重要意義［1］。針對滑坡災(zāi)害，眾多學(xué)者提出了基于不同理論的解決方案。西南交通大學(xué)王學(xué)佳［2］提出了基于多傳感器信息融合集中器的山體滑坡監(jiān)測方案，實現(xiàn)了較為精確的監(jiān)測，但對信息融合的集中處理系統(tǒng)具有較高要求。葉小玲［2］等使用BP 神經(jīng)網(wǎng)絡(luò)對暴雨災(zāi)害進行預(yù)報，將BP 模型對降雨量分析與滑坡發(fā)生概率估計相比較，其模型在復(fù)雜非線性系統(tǒng)預(yù)報中具有一定的實用性，但在網(wǎng)絡(luò)訓(xùn)練時，收斂速度較為緩慢。結(jié)合以上兩者的研究成果，從近年來發(fā)生的數(shù)次滑坡災(zāi)害的數(shù)據(jù)入手，此處嘗試運用模糊規(guī)則和神經(jīng)網(wǎng)絡(luò)建立一種有效的滑坡地質(zhì)災(zāi)害預(yù)報模型。通過多傳感器對可能發(fā)生滑坡區(qū)域進行實時數(shù)據(jù)采集，再通過計算確定概率值，最終與先前通過科學(xué)計算擬定的地質(zhì)災(zāi)害等級做比較，從而可以做出及時有效的預(yù)警。

2 設(shè)計原理

RBF 神經(jīng)網(wǎng)絡(luò)具有唯一最佳逼近的特性，且無局部極小問題存在［4-5］，自我學(xué)習(xí)能力較為強大，算法也較簡單。如圖1 所示為RBF 神經(jīng)絡(luò)的結(jié)構(gòu)圖。

圖1 RBF 神經(jīng)網(wǎng)絡(luò)模型

輸入層接收從傳感器采集到的多傳感器歷史數(shù)據(jù)，起到傳輸信號作用；輸入層和隱含層之間可看做連接權(quán)值為1 的連接，隱含層將采集到的輸入?yún)?shù)通過函數(shù)變換傳遞給輸出，其中對激活函數(shù)（一般為高斯函數(shù)）的參數(shù)進行調(diào)整，采用的是非線性優(yōu)化策略；輸出層將結(jié)果進行加權(quán)運算得到輸出結(jié)果，采用的是線性優(yōu)化策略，有較快的學(xué)習(xí)速度。

3 降雨型滑坡預(yù)報模型建立

對降雨型滑坡建立預(yù)報模型，步驟可分兩步：第一步在實驗平臺利用軟件程序編寫建立RBF 神經(jīng)網(wǎng)絡(luò)［6］模型；第二步利用已訓(xùn)練好的RBF 神經(jīng)網(wǎng)絡(luò)，通過對多元輸入?yún)?shù)進行函數(shù)擬合推算，對降雨型滑坡發(fā)生概率做出預(yù)測［7-8］。實現(xiàn)預(yù)報的詳細過程如圖2 所示。

圖3 降雨型滑坡預(yù)報過程

在由第一步建立的RBF 神經(jīng)網(wǎng)絡(luò)模型中，以互聯(lián)網(wǎng)大數(shù)據(jù)搜索得到位移、降雨量、滲透壓、地下水位、滲透壓變化等多元化數(shù)據(jù)參數(shù)，作為RBF 神經(jīng)網(wǎng)絡(luò)的多元輸入變量，通過RBF 神經(jīng)網(wǎng)絡(luò)函數(shù)擬合功能由多元輸入?yún)?shù)推算出相對應(yīng)的滑坡災(zāi)害發(fā)生概率，即可通過模糊推理方法結(jié)合推得的滑坡發(fā)生概率建立滑坡災(zāi)害發(fā)生等級表。

在第二步中用實驗平臺的軟件程序編輯已經(jīng)建立好的RBF 神經(jīng)網(wǎng)絡(luò)模型，結(jié)合多源實時參數(shù)數(shù)據(jù)輸入，通過擬合功能計算推得滑坡發(fā)生概率。

最終將所得概率與滑坡發(fā)生等級表相對照，推算出預(yù)報等級。所建立的RBF 神經(jīng)網(wǎng)絡(luò)滑坡預(yù)報模型如圖2 所示。

圖2 RBF 神經(jīng)網(wǎng)絡(luò)滑坡預(yù)報模型

4 仿真驗證

仿真中的數(shù)據(jù)來源為通過互聯(lián)網(wǎng)大數(shù)據(jù)精確搜索到的地質(zhì)災(zāi)害相關(guān)數(shù)據(jù)庫。預(yù)報概率計算方式為通過MATLAB 軟件平臺編輯程序操作，計算出滑坡發(fā)生概率。

通過多組模擬規(guī)則方法建立降雨型滑坡發(fā)生等級表，如表1 所示。

表1 降雨型滑坡發(fā)生等級表

通過在互聯(lián)網(wǎng)準確搜索多組實時輸入數(shù)據(jù)，經(jīng)降雨型滑坡預(yù)報軟件編寫生成的RBF 神經(jīng)網(wǎng)絡(luò)可得到相應(yīng)的滑坡發(fā)生概率，如在降雨強度1～8mm，土壤含水比率0.12～0.41，滲透壓0.2～1Pa，滲透壓變化0.15～0.5Pa 區(qū)間中選取多次數(shù)據(jù)作為實時數(shù)據(jù)，并經(jīng)降雨型滑坡預(yù)報軟件推算出對應(yīng)滑坡概率。這一預(yù)測過程的實際軟件操作界面如圖4 所示。

圖4 實時數(shù)據(jù)推算滑坡發(fā)生概率實例

將所有實時數(shù)據(jù)、滑坡概率及相應(yīng)推算災(zāi)害等級匯總起來，如表2 如示。

表2 實驗數(shù)據(jù)匯總

結(jié)合表1 觀察表2 可見，以降雨強度為1 mm為例，此時土壤含水比率為12%，滲透壓為0.2 Pa，滲透壓變化為0.16%，經(jīng)降雨型滑坡預(yù)報軟件編寫的RBF 神經(jīng)網(wǎng)絡(luò)算法函數(shù)推出滑坡發(fā)生概率為24.997%，預(yù)報等級已達到二級；又如當降雨強度為5 mm，土壤含水率為25%，滲透壓為0.5 Pa，滲透壓變化為45%，經(jīng)推算得出滑坡發(fā)生概率為66.12%，預(yù)報等級已達到四級。兩次實例中的的預(yù)報等級均已達二級或以上，這種高程度的滑坡災(zāi)害在實際生活中倘若發(fā)生后果不堪設(shè)想，可見此時滑坡預(yù)報裝置的準確預(yù)報對現(xiàn)實生活中人們生活起居安全提供保障的重大意義。

該系統(tǒng)在實際使用時，當有報警發(fā)生，將通過短程無線通訊網(wǎng)絡(luò)控制工作現(xiàn)場紅綠燈報警系統(tǒng)，提醒施工人員注意安全并啟動相應(yīng)臨災(zāi)預(yù)案，同時將報警數(shù)據(jù)通過遠程無線通訊系統(tǒng)傳至室內(nèi)數(shù)據(jù)中心。

5 結(jié) 束 語

針對降雨滑坡災(zāi)害，利用多參數(shù)融合和RBF 神經(jīng)網(wǎng)絡(luò)相結(jié)合實現(xiàn)對多個參數(shù)的綜合分析，再利用模糊規(guī)則建立有效的地質(zhì)災(zāi)害等級預(yù)報模型。系統(tǒng)解決了降雨滑坡在傳統(tǒng)預(yù)報中參數(shù)單一，預(yù)警不及時的問題。實驗結(jié)果也表明，該方法能夠大大提高人們對滑坡泥石流災(zāi)害預(yù)防的可靠度。通過等級預(yù)報，可向政府部門提供當前的參考依據(jù)，以便做出正確科學(xué)的防災(zāi)減災(zāi)決策。