張吉寧 薄勇 劉洋洲 龍建輝 張紅

摘 要：針對地質(zhì)災(zāi)害預(yù)警問題，結(jié)合物聯(lián)網(wǎng)技術(shù)提出一種實時地質(zhì)災(zāi)害預(yù)警系統(tǒng)。為實現(xiàn)該系統(tǒng)，在分析系統(tǒng)整體業(yè)務(wù)流程的基礎(chǔ)上，對系統(tǒng)的整體架構(gòu)進行設(shè)計，并提出通過綜合參數(shù)法、Logistic回歸分析法、主成分分析法等構(gòu)建地質(zhì)災(zāi)害預(yù)測模型。最后，通過測試對上述系統(tǒng)進行驗證。結(jié)果表明，上述方案可很好的實現(xiàn)對地質(zhì)災(zāi)害預(yù)警。

關(guān)鍵詞：物聯(lián)網(wǎng);地質(zhì)災(zāi)害;回歸模型;災(zāi)害預(yù)測

中圖分類號：TP391.9? 文獻標識碼：A ? ? 文章編號：1001-5922（2021）10-0086-04

Design of Geological Disaster Monitoring and Early Warning System Based on Internet of Things Technology

Zhang Ji ning1， Bo Yong1， Liu Yangzhou1， Long Jianhui2， Zhang Hong3

（1.Shanxi Metallurgical Rock-Soil Engineering Investation Co.，Ltd.， Taiyuan 030002， China; 2. Taiyuan University of Technology， Taiyuan 030024， China; 3. The Third Geological Exploration Institute Of China Metallurgical Geology Bureau，Taiyuan 030002， China ）

Abstract：Aiming at the problem of geological disaster early warning， a real-time geological disaster early warning system is proposed based on Internet of things technology. In order to realize the system， based on the analysis of the overall business process of the system， the overall architecture of the system is designed， and the geological disaster prediction model is proposed by using the comprehensive parameter method， Logistic regression analysis method， principal component analysis method， etc. Finally， the above system is verified by testing. The results show that the scheme can well realize the early warning of geological disasters.

Key words：Internet of things; geological hazard; regression model; disaster prediction

近年來，山體滑坡、泥石流、巖體崩塌等重大地質(zhì)自然災(zāi)害仍然頻繁見諸報端，這對中國經(jīng)濟發(fā)展和社會民生造成了重大損失。中國在2018年度共計發(fā)生了2966起地質(zhì)災(zāi)害，造成106人死亡、11人失蹤、78人受傷以及直接經(jīng)濟損失14.8億元的沉重后果。需要說明的是，誘發(fā)地質(zhì)災(zāi)害的原因并不只是自然因素，還包括人為因素，而且地質(zhì)災(zāi)害的發(fā)生是有規(guī)可循的，重點監(jiān)測地質(zhì)災(zāi)害點的情況，科學預(yù)測地質(zhì)災(zāi)害的發(fā)生概率以及在發(fā)生地質(zhì)災(zāi)害以后快速報警，能夠最大程度地挽救人民群眾的損失。在此背景下，充分利用現(xiàn)代科技力量，綜合多學科的理論知識，聯(lián)合多部門設(shè)計開發(fā)地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)，對重點地質(zhì)災(zāi)害區(qū)域進行全天候監(jiān)控。一旦發(fā)現(xiàn)發(fā)生地質(zhì)災(zāi)害的隱患，立即做出告警，從而盡早制定搶險救災(zāi)方案，盡力減少地質(zhì)災(zāi)害的損失，最大程度地保護人們?nèi)罕姷纳敭a(chǎn)安全。因此基于以上背景，本研究結(jié)合物聯(lián)網(wǎng)技術(shù)構(gòu)建地質(zhì)災(zāi)害預(yù)警系統(tǒng)，并對該系統(tǒng)進行詳細實現(xiàn)。

1 地質(zhì)災(zāi)害系統(tǒng)整體業(yè)務(wù)分析

地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)動態(tài)監(jiān)測地質(zhì)災(zāi)害點的降雨量信息和地質(zhì)形變信息，參照歷史數(shù)據(jù)來設(shè)定地質(zhì)災(zāi)害報警閾值，如果綜合分析結(jié)果超出了閾值，則立即向相關(guān)部門發(fā)出預(yù)警信息，并以地圖展示的形式來指出地質(zhì)災(zāi)害點的空間位置。具體系統(tǒng)業(yè)務(wù)流程如圖1所示。

2 系統(tǒng)整體框架

根據(jù)圖1的業(yè)務(wù)分析，綜合利用SQL Server數(shù)據(jù)庫、GIS等，最終設(shè)計出適配的系統(tǒng)框架。地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)包含支撐層、應(yīng)用層以及數(shù)據(jù)庫服務(wù)層，同時建立了一系列的配套體系，比如安全保障體系、管理體系等，從而確保系統(tǒng)能夠正常實現(xiàn)預(yù)期功能。具體如圖2所示。

3 地質(zhì)災(zāi)害預(yù)測報警模型構(gòu)建

3.1 構(gòu)建思路

通過綜合參數(shù)法、Logistic回歸分析法、主成分分析法等建立地質(zhì)災(zāi)害預(yù)測報警模型，用以指導本次系統(tǒng)的設(shè)計過程。調(diào)取相關(guān)檔案獲悉當?shù)氐刭|(zhì)條件，結(jié)合過往案例分析地質(zhì)災(zāi)害的常見誘因，利用主成分分析法來建立地質(zhì)災(zāi)害預(yù)測報警模型。一般來說，地質(zhì)災(zāi)害的發(fā)生同時受到外在因素（人類活動、降雨量等）和內(nèi)在因素（地貌類型、巖土類型等）的影響。根據(jù)歷年的地質(zhì)災(zāi)害信息，分析評估不同因素對于地質(zhì)災(zāi)害發(fā)生概率的影響效力，然后利用主成分分析法建立適配的地質(zhì)災(zāi)害預(yù)測報警模型。模型構(gòu)建思路如圖3所示。

3.2 地質(zhì)災(zāi)害敏感性分區(qū)圖

借助于地理信息系統(tǒng)的空間分析功能，利用主成分分析法，對地質(zhì)災(zāi)害的6個靜態(tài)因素進行分析，根據(jù)各項因素的等級確定其權(quán)重大小，由此建立地質(zhì)災(zāi)害敏感性分區(qū)。

主成分分析法利用線性變化剔除對信息影響較小的因素，這一過程并不會造成嚴重的信息損失，而是較為完整地保留了原有信息，同時生成了新的變量，用以替換舊的變量，能夠達成預(yù)期目標。

設(shè)定樣本數(shù)據(jù)X存在p個特征變量，表示為x=（x1，x2，x3，…xp），同時設(shè)定均值向量u、協(xié)方差矩陣V，基于主成分分析法獲得q個新的變量（ y1，y2，y3，…yp），并用以替換原有的p個特征變量，前者能夠充分反應(yīng)出后者所反應(yīng)的信息。以上分析過程的演算步驟，列述如下：

首先求解出協(xié)方差矩陣V的全部非零特征根λ，遵照從大到小的順序進行排列（ λ1，λ2，λ3，…λk），確保p-k個特征根值等于0。建立k個特征根（ λ1，λ2，λ3，…λk）所對應(yīng)的向量（ a1，a2，a3，…ak），并且求算出單位化后的特征向量。設(shè)定yk=akx，它與（ y1，y2，y3，…yk）相互獨立，并且包含1-k個主成分?？筛鶕?jù)累積方差的貢獻率來確定p-k的數(shù)值，若前q個主成分的累計方差的貢獻率大于85%，則利用變量（ y1，y2，y3，…yq）對原先的變量（x1，x2，x3，…xp）進行替換。

根據(jù)過往經(jīng)驗，地質(zhì)災(zāi)害的發(fā)生受到人類工程活動、表土層厚度、地層巖性、地形坡度以及地貌類型等因素的重要影響，它們是評估地質(zhì)災(zāi)害發(fā)生概率的重要因子。考慮到以上5個要素之間是互不交叉的，因而選用矩陣形式進行表示，并利用主成分分析法來評定不同因素的影響效力，由此確定不同因素的影響權(quán)重，最后對各項因素的權(quán)重進行歸一化處理，由此確定標準化的權(quán)重序列。

地質(zhì)災(zāi)害敏感指數(shù)（Z）表征了在特定降雨量條件下，受人類工程活動、表土層厚度、地層巖性、地形坡度以及地貌類型等5項因素影響而發(fā)生地質(zhì)災(zāi)害的概率。利用加權(quán)指數(shù)法求解地質(zhì)災(zāi)害敏感指數(shù)（Z），其中，人類工程活動受礦業(yè)活動強度、路網(wǎng)密度以及人口密度等因素的影響，表土層厚度選用斷裂密度等級進行表示。

不同影響因子的權(quán)重求解算式：

式中：ai為第i個影響因子誘發(fā)地質(zhì)災(zāi)害的概率，Mi為第i個因子誘發(fā)地質(zhì)災(zāi)害的影響權(quán)重，A為單元面積，Aij為第i個因素與第j個因素所占的面積，Pij為第i個因素與第j個因素誘發(fā)地質(zhì)災(zāi)害的平均強度。指的是不同影響因子的權(quán)重值，可通過主成分分析法、專家評分法或者AHP法進行確定。

發(fā)生地質(zhì)災(zāi)害的各項評價因子的權(quán)重，匯總?cè)绫?所示。

調(diào)取地質(zhì)災(zāi)害檔案資料，雖然頻發(fā)地質(zhì)災(zāi)害，但是地質(zhì)災(zāi)害的規(guī)模并不大，據(jù)此，本文選用地質(zhì)災(zāi)害點的密度來表征地質(zhì)災(zāi)害的發(fā)生概率。首先將地圖細分為1km×1km的單元格，然后對各個單元格進行運算，求解出各個單元格的地質(zhì)災(zāi)害敏感性指數(shù)Z，根據(jù)Z值高低描繪出相應(yīng)地顏色，從高到底依次對應(yīng)于紅色、橙色、黃色、綠色、藍色，由此清晰地展示了地質(zhì)災(zāi)害的嚴重程度。

3.3 氣象綜合圖

地震、降雨等氣象因素都是誘發(fā)地質(zhì)災(zāi)害的重要因素，考慮到地震的發(fā)生概率較低，而且現(xiàn)有技術(shù)很難預(yù)先預(yù)報地震，因此忽略地震對于地質(zhì)災(zāi)害的影響。所以，本文系統(tǒng)應(yīng)當采集當天的降雨量、統(tǒng)計過去1～5d的降雨量、預(yù)報未來24h內(nèi)的降雨量，并且評估以上因素對于發(fā)生地質(zhì)災(zāi)害的影響效力。在實操中，可通過氣象部門對當天的降雨量進行預(yù)測，并通過水利部門獲取當天前1～5d的降雨量，以及由氣象部門提供未來24h內(nèi)的降雨量。具體有效降雨量的算式如下：

式中：R0為預(yù)報日的降雨量;Rz為預(yù)報日的有效降雨量;ai為前i日的影響系數(shù);Ri為前i日的降雨量。

3.4 預(yù)測報警模型構(gòu)建

根據(jù)預(yù)測報警模型，綜合地質(zhì)災(zāi)害敏感性指數(shù)和降雨誘發(fā)指數(shù)，結(jié)合預(yù)先設(shè)定的報警閾值對地質(zhì)災(zāi)害的發(fā)生等級進行預(yù)測。預(yù)測報警模型為在特定降雨量條件下，對某一因素誘發(fā)地質(zhì)災(zāi)害的概率提供了預(yù)測方法。

首先把預(yù)報區(qū)域地圖細分成多個1km×1km的單元格，分別求算出各個單元格的地質(zhì)災(zāi)害敏感性指數(shù)Z以及降雨誘發(fā)指數(shù)R，由此確定預(yù)測報警指數(shù)H，即可對發(fā)生地質(zhì)災(zāi)害的概率進行預(yù)測。

預(yù)測報警指數(shù)H的算式如下：

利用地理信息系統(tǒng)對氣象綜合圖和地質(zhì)災(zāi)害敏感性分區(qū)圖執(zhí)行疊加分析，由此建立地質(zhì)災(zāi)害預(yù)測預(yù)警模型。地質(zhì)災(zāi)害發(fā)生等級集預(yù)警顏色，按照輕中程度，依次設(shè)定為藍色、綠色、黃色、橙色和紅色列。

3.5 預(yù)警分析模塊

利用地質(zhì)災(zāi)害預(yù)測報警模型對地質(zhì)災(zāi)害點的地質(zhì)構(gòu)造、地形地貌、主要隱患以及發(fā)生地質(zhì)災(zāi)害的概率等進行分析和估計，根據(jù)分析結(jié)果發(fā)出預(yù)警。具體步驟為：

（1）數(shù)據(jù)收集。地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)全面采集地質(zhì)災(zāi)害點的關(guān)鍵信息，包括降雨量信息、地質(zhì)災(zāi)害誘因信息、地質(zhì)地形地貌特征等，然后利用主成分分析法對以上數(shù)據(jù)進行整合分析，根據(jù)分析結(jié)果確定各項因素的影響效力，最后統(tǒng)一設(shè)定各項因素的影響權(quán)重，并且確定誘發(fā)地質(zhì)災(zāi)害的主要因素。

（2）危險性評估。地質(zhì)災(zāi)害監(jiān)測預(yù)警系統(tǒng)綜合分析降雨量信息及其他地質(zhì)災(zāi)害誘因信息，從而做出地質(zhì)災(zāi)害的危險性評估。危險性評估的流程是劃分基礎(chǔ)單元格、對單元格地質(zhì)因子進行運算、獲取決策支持，具體列述如下：

第1步，劃分評價單元格。利用柵格劃分方法將行政區(qū)劃圖細分為2km×2km的評價單元格。地質(zhì)災(zāi)害的發(fā)生概率及嚴重程度主要受到降雨量、地質(zhì)條件等因素的影響。在劃出多個評價網(wǎng)格以后，綜合分析每個評價單元格內(nèi)的致災(zāi)因素，結(jié)合地質(zhì)災(zāi)害預(yù)測報警模型確定各個評價單元格的等級，并繪制出與其等級相對應(yīng)的顏色，由此能夠明晰地判定各個評價單元格的預(yù)測結(jié)果。

第2步，對各個單元格的地質(zhì)因子進行運算。結(jié)合陜西省地質(zhì)災(zāi)害的常見誘因，本文系統(tǒng)納入了6項主要致災(zāi)因素，包括降雨量、地形地貌、人類工程活動、地層巖性、表土層厚度、地質(zhì)構(gòu)造，其中，通過氣象局獲取降雨量信息，從建設(shè)局官網(wǎng)上下載人類工程活動信息，其余四項指標根據(jù)相應(yīng)的屬性條件進行確定。降雨量是誘發(fā)地質(zhì)災(zāi)害的主要因素，降雨量的危險性等級在一定程度上決定了地質(zhì)災(zāi)害的發(fā)生概率，對此，綜合分析各評價單元格的臨界有效降雨量和有效降雨量，通過對比即可確定各個單元格的降雨量危險性等級。最后，利用地理信息系統(tǒng)對氣象綜合圖和地質(zhì)災(zāi)害敏感性分區(qū)圖執(zhí)行疊加分析，由此確定不同地區(qū)發(fā)生地質(zhì)災(zāi)害的概率及等級。

第3步，獲取決策支持。根據(jù)運算結(jié)果，調(diào)用地質(zhì)災(zāi)害預(yù)警預(yù)測模型對各評價單元格涂抹上與其預(yù)警等級相對應(yīng)的顏色，能夠直觀地呈現(xiàn)預(yù)警結(jié)果。職能部門根據(jù)預(yù)警等級制定適配的應(yīng)急處置方案，針對高風險等級的地區(qū)盡快實施有效的防治措施。

決策支持功能模塊架構(gòu)如圖4所示。

4 系統(tǒng)驗證

以陜西地質(zhì)災(zāi)害預(yù)警為例。若地質(zhì)災(zāi)害點的實際降雨量超出了降雨量預(yù)警閾值，此時系統(tǒng)會根據(jù)實際降雨量來評估發(fā)生地質(zhì)災(zāi)害的概率。若系統(tǒng)判定可能發(fā)生地質(zhì)災(zāi)害，在獲得領(lǐng)導審批以后，隨即向周邊民眾發(fā)布地質(zhì)災(zāi)害預(yù)警。具體報警如圖5所示。

圖5中的深灰區(qū)域?qū)?yīng)于4級預(yù)警，意味著該地區(qū)發(fā)生地質(zhì)災(zāi)害的風險性大，相關(guān)職能部門及當?shù)孛癖姂?yīng)當加強地質(zhì)災(zāi)害預(yù)警，并做好搶險救災(zāi)準備。

5 結(jié)語

通過上述的研究結(jié)果看出，結(jié)合地質(zhì)災(zāi)害敏感性分區(qū)圖和氣象綜合圖的相關(guān)信息，能準確評價部分區(qū)域的地質(zhì)災(zāi)害情況。而根據(jù)該評價結(jié)果，地質(zhì)部門可很好的制定應(yīng)急預(yù)案，以此更好的提高地質(zhì)災(zāi)害預(yù)防。

參考文獻

[1]李國政，楊觀賜.山區(qū)天然氣管道滑坡位移監(jiān)測系統(tǒng)設(shè)計[J].中國測試，2020，46（08）：87-93.

[2]王良民，郭向前，奚春華，等.實景三維地質(zhì)災(zāi)害管理信息平臺的設(shè)計與實現(xiàn)[J].地理空間信息，2020，18（08）：7-9+30+6.

[3]尹萍.自動化監(jiān)測預(yù)警系統(tǒng)在邊坡監(jiān)測工程中的應(yīng)用[J].科技視界，2020（24）：34-36.

[4]陳銀良.一種基于物聯(lián)網(wǎng)的危化品風險監(jiān)測預(yù)警系統(tǒng)設(shè)計[J].中國科技信息，2020（17）：74-75+78+14.

[5]黃富禹，劉春.基于物聯(lián)網(wǎng)技術(shù)的隧道自動化變形監(jiān)測系統(tǒng)設(shè)計[J].科學技術(shù)創(chuàng)新，2020（26）：118-119.

[6]郭榮佐，鄧涵文，陳芳瑩，等.物聯(lián)網(wǎng)邊緣計算資源分配模糊建模與優(yōu)化研究[J].小型微型計算機系統(tǒng)，2020，41（09）：1878-1886.

[7]羅晴明.地質(zhì)災(zāi)害防治動態(tài)監(jiān)測預(yù)警系統(tǒng)及其應(yīng)用[J].數(shù)字通信世界，2019（07）：200.

[8]王永杰，周國清，周叔一，等.降雨誘發(fā)型滑坡預(yù)警系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2019，42（20）：139-144.

[9]任康.基于WebGIS的滑坡災(zāi)害預(yù)警在線監(jiān)測系統(tǒng)研究[J].公路交通科技（應(yīng)用技術(shù)版），2019，15（10）：282-284.

[10]汪洋.基于礦山開采工程的水文地質(zhì)災(zāi)害預(yù)警系統(tǒng)設(shè)計[J].世界有色金屬，2019（17）：150-151.