陳紫妍，趙佳睿，高仕奇，李麗敏，梁 聰，喻遠佳

（西安工程大學電子信息學院，西安 710600）

1 引 言

在全球性氣候復雜變化引發(fā)的自然災害當中，滑坡現象是常見且災害程度極大的一種。對該類災害的有效的監(jiān)測與預警能夠減小經濟損失與人員傷亡，相關的研究與設計在防災減災中具有重要意義［1］。針對滑坡災害，眾多學者提出了基于不同理論的解決方案。西南交通大學王學佳［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，實現了較為精確的監(jiān)測，但對信息融合的集中處理系統具有較高要求。葉小玲［2］等使用BP 神經網絡對暴雨災害進行預報，將BP 模型對降雨量分析與滑坡發(fā)生概率估計相比較，其模型在復雜非線性系統預報中具有一定的實用性，但在網絡訓練時，收斂速度較為緩慢。結合以上兩者的研究成果，從近年來發(fā)生的數次滑坡災害的數據入手，此處嘗試運用模糊規(guī)則和神經網絡建立一種有效的滑坡地質災害預報模型。通過多傳感器對可能發(fā)生滑坡區(qū)域進行實時數據采集，再通過計算確定概率值，最終與先前通過科學計算擬定的地質災害等級做比較，從而可以做出及時有效的預警。

2 設計原理

RBF 神經網絡具有唯一最佳逼近的特性，且無局部極小問題存在［4-5］，自我學習能力較為強大，算法也較簡單。如圖1 所示為RBF 神經絡的結構圖。

圖1 RBF 神經網絡模型

輸入層接收從傳感器采集到的多傳感器歷史數據，起到傳輸信號作用；輸入層和隱含層之間可看做連接權值為1 的連接，隱含層將采集到的輸入參數通過函數變換傳遞給輸出，其中對激活函數（一般為高斯函數）的參數進行調整，采用的是非線性優(yōu)化策略；輸出層將結果進行加權運算得到輸出結果，采用的是線性優(yōu)化策略，有較快的學習速度。

3 降雨型滑坡預報模型建立

對降雨型滑坡建立預報模型，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 神經網絡［6］模型；第二步利用已訓練好的RBF 神經網絡，通過對多元輸入參數進行函數擬合推算，對降雨型滑坡發(fā)生概率做出預測［7-8］。實現預報的詳細過程如圖2 所示。

圖3 降雨型滑坡預報過程

在由第一步建立的RBF 神經網絡模型中，以互聯網大數據搜索得到位移、降雨量、滲透壓、地下水位、滲透壓變化等多元化數據參數，作為RBF 神經網絡的多元輸入變量，通過RBF 神經網絡函數擬合功能由多元輸入參數推算出相對應的滑坡災害發(fā)生概率，即可通過模糊推理方法結合推得的滑坡發(fā)生概率建立滑坡災害發(fā)生等級表。

在第二步中用實驗平臺的軟件程序編輯已經建立好的RBF 神經網絡模型，結合多源實時參數數據輸入，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，推算出預報等級。所建立的RBF 神經網絡滑坡預報模型如圖2 所示。

圖2 RBF 神經網絡滑坡預報模型

4 仿真驗證

仿真中的數據來源為通過互聯網大數據精確搜索到的地質災害相關數據庫。預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

通過在互聯網準確搜索多組實時輸入數據，經降雨型滑坡預報軟件編寫生成的RBF 神經網絡可得到相應的滑坡發(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)間中選取多次數據作為實時數據，并經降雨型滑坡預報軟件推算出對應滑坡概率。這一預測過程的實際軟件操作界面如圖4 所示。

圖4 實時數據推算滑坡發(fā)生概率實例

將所有實時數據、滑坡概率及相應推算災害等級匯總起來，如表2 如示。

表2 實驗數據匯總

結合表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%，經降雨型滑坡預報軟件編寫的RBF 神經網絡算法函數推出滑坡發(fā)生概率為24.997%，預報等級已達到二級；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%，經推算得出滑坡發(fā)生概率為66.12%，預報等級已達到四級。兩次實例中的的預報等級均已達二級或以上，這種高程度的滑坡災害在實際生活中倘若發(fā)生后果不堪設想，可見此時滑坡預報裝置的準確預報對現實生活中人們生活起居安全提供保障的重大意義。

該系統在實際使用時，當有報警發(fā)生，將通過短程無線通訊網絡控制工作現場紅綠燈報警系統，提醒施工人員注意安全并啟動相應臨災預案，同時將報警數據通過遠程無線通訊系統傳至室內數據中心。

5 結 束 語

針對降雨滑坡災害，利用多參數融合和RBF 神經網絡相結合實現對多個參數的綜合分析，再利用模糊規(guī)則建立有效的地質災害等級預報模型。系統解決了降雨滑坡在傳統預報中參數單一，預警不及時的問題。實驗結果也表明，該方法能夠大大提高人們對滑坡泥石流災害預防的可靠度。通過等級預報，可向政府部門提供當前的參考依據，以便做出正確科學的防災減災決策。