楊向敏，吳 福，陳柏基

（1.廣西壯族自治區(qū)地質(zhì)環(huán)境監(jiān)測站，廣西 南寧 530029）

1985年開始，美國在加州舊金山灣、華盛頓州等地區(qū)陸續(xù)建立了基于降雨監(jiān)測和雷達(dá)監(jiān)測的區(qū)域滑坡和泥石流地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)[1]。美國地質(zhì)調(diào)查局提出的LHP計(jì)劃改進(jìn)了動(dòng)態(tài)滑坡環(huán)境的監(jiān)測技術(shù)。歐洲空間組織利用恒定散射體PS、GPS以及光學(xué)水準(zhǔn)測量進(jìn)行滑坡變形監(jiān)測。香港特別行政區(qū)結(jié)合區(qū)域滑坡敏感性和臨界雨量研究，建立了滑坡和泥石流區(qū)域預(yù)警系統(tǒng)[2]。近年來，我國各省相繼建立了基于降雨監(jiān)測的區(qū)域地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)。

在地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)服務(wù)不斷深入和發(fā)展的新形勢下，廣西壯族自治區(qū)在“廣西地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)分析系統(tǒng)”項(xiàng)目成果的基礎(chǔ)上，結(jié)合市級(jí)地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)、地質(zhì)環(huán)境綜合管理系統(tǒng)、地質(zhì)災(zāi)害綜合指揮系統(tǒng)以及基于物聯(lián)網(wǎng)的地質(zhì)災(zāi)害自動(dòng)監(jiān)測預(yù)警預(yù)報(bào)系統(tǒng)，利用新的數(shù)據(jù)監(jiān)測與傳輸技術(shù)、數(shù)據(jù)處理技術(shù)和新的地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)方法，開發(fā)了新一代廣西地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)，提升了廣西地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)工作的可靠性、穩(wěn)定性和便利性。目前，該系統(tǒng)已應(yīng)用于自治區(qū)級(jí)、市級(jí)和縣級(jí)的區(qū)域?qū)崟r(shí)地質(zhì)災(zāi)害監(jiān)測與預(yù)警業(yè)務(wù)中。

1 地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)

系統(tǒng)總體結(jié)構(gòu)分為數(shù)據(jù)采集層、地質(zhì)災(zāi)害數(shù)據(jù)中心、地質(zhì)環(huán)境管理、預(yù)警預(yù)報(bào)分析系統(tǒng)和信息發(fā)布系統(tǒng)5個(gè)部分，如圖1所示。根據(jù)廣西地質(zhì)災(zāi)害的誘發(fā)因素和形成機(jī)理，系統(tǒng)融合了云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、人工智能等現(xiàn)代化信息技術(shù)，通過深度學(xué)習(xí)算法，建立了基于人工智能的地質(zhì)災(zāi)害動(dòng)態(tài)監(jiān)測預(yù)警神經(jīng)網(wǎng)絡(luò)模型[3]，不斷學(xué)習(xí)、歸納廣西地質(zhì)災(zāi)害的發(fā)生規(guī)律；通過數(shù)據(jù)采集系統(tǒng)，收集地質(zhì)災(zāi)害動(dòng)態(tài)監(jiān)測數(shù)據(jù)、地下水動(dòng)態(tài)監(jiān)測數(shù)據(jù)，接收水文水資源局的實(shí)時(shí)雨量數(shù)據(jù)、氣象臺(tái)的實(shí)時(shí)雨量數(shù)據(jù)和氣象預(yù)警信息，構(gòu)建地質(zhì)災(zāi)害數(shù)據(jù)中心；通過預(yù)警預(yù)報(bào)分析系統(tǒng)對(duì)廣西全區(qū)進(jìn)行網(wǎng)格化區(qū)域劃分，自動(dòng)選擇相應(yīng)的監(jiān)測預(yù)警模型進(jìn)行分析，以提高局部區(qū)域地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)的精準(zhǔn)性；通過信息發(fā)布系統(tǒng)為公眾提供信息服務(wù)。

圖1 系統(tǒng)總體框架圖

2 地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)技術(shù)的主要?jiǎng)?chuàng)新點(diǎn)

2.1 實(shí)現(xiàn)地質(zhì)災(zāi)害應(yīng)用模型的輕量化智能構(gòu)建

多類型多邊界描述的地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)模型，含有大量的因素信息，因此直接建立預(yù)報(bào)系統(tǒng)較復(fù)雜。輕量化智能構(gòu)建是將空間數(shù)據(jù)精簡為一個(gè)點(diǎn)數(shù)據(jù)，采用GeoHash編碼方式進(jìn)行編碼轉(zhuǎn)換[4]；再利用細(xì)節(jié)層次（LOD）技術(shù)[5]將海量地質(zhì)災(zāi)害因素信息封裝成組件，集成到地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)中，建立應(yīng)用組件模型庫；最后通過應(yīng)用構(gòu)建器，以零代碼編程的方式快速實(shí)現(xiàn)區(qū)域地質(zhì)災(zāi)害的統(tǒng)計(jì)、分析和管理等多樣化的應(yīng)用需求，如圖2所示。

圖2 模型輕量化流程圖

2.2 基于Spark的空間大數(shù)據(jù)技術(shù)處理海量地質(zhì)災(zāi)害數(shù)據(jù)

Spark是一個(gè)大數(shù)據(jù)分布式編程框架[6]，將分布式數(shù)據(jù)抽象為彈性分布式數(shù)據(jù)集，提供了應(yīng)用任務(wù)調(diào)度、RPC、序列化和壓縮的實(shí)現(xiàn)方法以及API上層組件。地質(zhì)災(zāi)害數(shù)據(jù)主要包括各類專業(yè)屬性數(shù)據(jù)、基礎(chǔ)地理空間數(shù)據(jù)、專題空間數(shù)據(jù)、災(zāi)害點(diǎn)空間數(shù)據(jù)和其他數(shù)據(jù)。通過雨量計(jì)、水位儀、傾斜儀、智能視頻設(shè)備等前端專用監(jiān)測設(shè)備對(duì)地質(zhì)災(zāi)害進(jìn)行實(shí)時(shí)監(jiān)測；利用物聯(lián)網(wǎng)技術(shù)、互聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)數(shù)據(jù)的安全接入與管理，建立地質(zhì)災(zāi)害數(shù)據(jù)中心。在地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)中應(yīng)用基于Spark的空間大數(shù)據(jù)技術(shù)對(duì)海量地質(zhì)災(zāi)害數(shù)據(jù)進(jìn)行分析，再通過擴(kuò)展Spark實(shí)現(xiàn)對(duì)大規(guī)模地質(zhì)災(zāi)害空間數(shù)據(jù)的空間查詢和快速分析，解決系統(tǒng)分析效率的問題。

2.3 基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的智能預(yù)警預(yù)報(bào)系統(tǒng)

神經(jīng)網(wǎng)絡(luò)可分為全局逼近和局部逼近兩類，其中局部逼近網(wǎng)絡(luò)具有學(xué)習(xí)速度快的優(yōu)點(diǎn)。徑向基函數(shù)（RBF）屬于局部逼近神經(jīng)網(wǎng)絡(luò)[7]，結(jié)構(gòu)如圖3所示。

圖3 RBF神經(jīng)網(wǎng)絡(luò)

動(dòng)態(tài)自適應(yīng)RBF網(wǎng)絡(luò)模型，無需事先確定隱含層單元的個(gè)數(shù)，完成聚類所得的RBF網(wǎng)絡(luò)是最優(yōu)的[8]。RBF需要選擇P個(gè)基函數(shù)，每個(gè)基函數(shù)對(duì)應(yīng)一個(gè)訓(xùn)練數(shù)據(jù)。最常用的RBF高斯函數(shù)為：

式中，χ為輸入向量；Ci為第i個(gè)基函數(shù)的中心；m為感知單元的個(gè)數(shù)；‖χ-Ci‖為χ與Ci之間的距離，隨著‖χ-Ci‖的增大，Ri(χ)衰減到零。

基于RBF的插值函數(shù)為：

RBF神經(jīng)網(wǎng)絡(luò)在非線性函數(shù)逼近、時(shí)間序列分析、模式識(shí)別、系統(tǒng)建模、數(shù)據(jù)分類、圖像處理、信息處理等領(lǐng)域得到了廣泛應(yīng)用。

廣西地質(zhì)災(zāi)害發(fā)生的可能性與災(zāi)害所處區(qū)域的地質(zhì)災(zāi)害易發(fā)性、土壤含水率、累計(jì)降雨量、降雨強(qiáng)度以及人類工程活動(dòng)等因素有關(guān)。首先將各區(qū)域的影響因素按其對(duì)地質(zhì)災(zāi)害發(fā)生的貢獻(xiàn)進(jìn)行分級(jí)；再將各因素各等級(jí)作為輸入神經(jīng)元，發(fā)生地質(zhì)災(zāi)害的可能性等級(jí)作為輸出神經(jīng)元，通過神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算，從而預(yù)報(bào)地質(zhì)災(zāi)害等級(jí)。根據(jù)輸入信號(hào)，通過選取的函數(shù)計(jì)算輸出，并判別輸出層的輸出是否滿足要求，滿足則輸出，否則，修正權(quán)值，繼續(xù)處理；同時(shí)將每次預(yù)報(bào)對(duì)應(yīng)的實(shí)際發(fā)生情況作為學(xué)習(xí)實(shí)例對(duì)運(yùn)算進(jìn)行修正。根據(jù)造成網(wǎng)絡(luò)輸出誤差因素在輸入空間的非均勻分布以及每個(gè)RBF對(duì)網(wǎng)絡(luò)計(jì)算貢獻(xiàn)的大小，通過策略對(duì)參數(shù)進(jìn)行自適應(yīng)調(diào)整，使神經(jīng)網(wǎng)絡(luò)的逼近性能、泛化能力達(dá)到較高要求。神經(jīng)網(wǎng)絡(luò)通過不斷改變網(wǎng)絡(luò)的連接權(quán)值，使其輸出不斷接近期望值。

將神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法與廣西地質(zhì)災(zāi)害特性相結(jié)合，開發(fā)學(xué)習(xí)引擎對(duì)誘發(fā)地質(zhì)災(zāi)害的相關(guān)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，挖掘?yàn)?zāi)害發(fā)生與自然、人為因素的關(guān)系，獲得地質(zhì)災(zāi)害監(jiān)測預(yù)警模型庫，并在不斷自我學(xué)習(xí)中對(duì)模型進(jìn)行優(yōu)化和完善，實(shí)現(xiàn)對(duì)潛在地質(zhì)災(zāi)害區(qū)域的有效預(yù)測。

3 地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)成果應(yīng)用

依托信息技術(shù)、物聯(lián)網(wǎng)技術(shù)和國土資源“金土工程”網(wǎng)絡(luò)建設(shè)成果，建立了一個(gè)涵蓋全區(qū)地質(zhì)災(zāi)害數(shù)據(jù)存儲(chǔ)、管理、應(yīng)用機(jī)制的數(shù)據(jù)資源充分共享的地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)。該系統(tǒng)已在廣西自治區(qū)級(jí)、市級(jí)和縣級(jí)地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)工作中得到了應(yīng)用，取得了良好的效果，能高效支撐地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)工作，預(yù)防災(zāi)害發(fā)生、減少損失。廣西壯族自治區(qū)已在受滑坡、不穩(wěn)定斜坡威脅的學(xué)校安裝340套角度傾斜報(bào)警儀，在全區(qū)的地質(zhì)災(zāi)害易發(fā)區(qū)中選取了200所學(xué)校安裝學(xué)校地質(zhì)災(zāi)害隱患自動(dòng)監(jiān)測站，在全區(qū)重要的地質(zhì)災(zāi)害隱患點(diǎn)上安裝304套地質(zhì)災(zāi)害隱患自動(dòng)監(jiān)測系統(tǒng)，監(jiān)測數(shù)據(jù)通過數(shù)據(jù)采集終端進(jìn)行實(shí)時(shí)采集，并傳送至廣西地質(zhì)災(zāi)害監(jiān)測預(yù)警平臺(tái)。

每年的汛期（5～9月）為廣西地質(zhì)災(zāi)害的高發(fā)期。2016年5月—2018年9月通過該系統(tǒng)進(jìn)行地質(zhì)災(zāi)害預(yù)報(bào)和預(yù)警信息發(fā)布，成功預(yù)報(bào)地質(zhì)災(zāi)害27起，避免了1 036人的人員傷亡和1 051.5萬元的直接經(jīng)濟(jì)損失[9]，在廣西防災(zāi)減災(zāi)上取得了良好的效果。

4 結(jié) 語

本文介紹了廣西地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)系統(tǒng)中輕量化模型技術(shù)、Spark空間大數(shù)據(jù)處理技術(shù)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法等新技術(shù)的應(yīng)用。基于物聯(lián)網(wǎng)的地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)技術(shù)的應(yīng)用，重要地質(zhì)災(zāi)害點(diǎn)自動(dòng)監(jiān)測系統(tǒng)的安裝，提升了廣西地質(zhì)災(zāi)害自動(dòng)監(jiān)測預(yù)警能力，提高了廣西地質(zhì)災(zāi)害預(yù)警預(yù)報(bào)的智能性、準(zhǔn)確性和效率，增強(qiáng)了實(shí)時(shí)監(jiān)測和預(yù)警預(yù)報(bào)能力。系統(tǒng)通過3 a的運(yùn)行和預(yù)警取得了良好的效果，對(duì)于提高突發(fā)地質(zhì)災(zāi)害監(jiān)測預(yù)警能力具有重大創(chuàng)新意義。