基于物聯網的滑坡地質災害預警系統的設計
加入技術交流群
(1)影響因子
研究表明降雨對山體滑坡的誘發作用，不僅取決于當日降雨量，還和近期降水量、河道水流等情況密切相關。
系統利用部署的電子雨量計實時測量降水量r，在河道中安裝液位傳感器，測量數據為h。近期滑坡等地質災害有效降水量Re是指近期各日降雨量(M天內)與其影響系乘積之和，而有效估計降水量R為有效降水量Re、近期(次日)預計降水量Rf和各自影響系數乘積之和，具體計算公式為：
，即確定j值。例如，在一級影響因子地質巖性的范圍內，經過查閱GIS等勘測資料和實地考察等方式，確定最接近于二級子集v1、v2、v3、v4中的哪一種，從而選擇合適的二級權值。對于組合了各二級因子的網格單元k，定義其不穩定分值Si=wi·，然后根據各級不穩定分值確定滑坡等地質災害的易發性指數(LandsLide Susceptibility Index，LSI)。
LSI是評估監測區域的最敏感性指標，值越大，發生滑坡等地質災害的概率越大，當其超過某具體閥值，就會提前預警。
3．3 數據分析
按照上述公式(1)～(4)，計算各個監測點的LSI，根據地質災害的易發性指數將檢測區域劃分為極輕微、輕微、中等、較嚴重、嚴重、極嚴重6級，并用不同顏色進行標記，然后采用等間距、均值一標準差等方法，實時(間隔固定時間，如半小時繪制一次)繪制整個監測區域的滑坡等地質災害危險系數預警圖，從而實現滑坡等地質災害預報的精細化管理。
在數據建模方面，采用了自調整的動態神經網絡模型，利用歷史數據或者實施過程中逐步獲取的數據，對模型的自身結構及學習規則進行了動態優化，調整各級權重，使模型達到最優，從而使得系統具有更強的適應性和準確性。
結語
本文在原有模型的基礎上進行改進，利用傳感器網絡實時感知監測區域的多種指標，運用多因素動態聯合建模，采用定量分析法，對降雨型滑坡等地質災害進行相對準確預報。系統根據每個監測點的LSI，利用相關方法繪制整個監測區域的危險系數預警圖。對于超過閾值的，立即報警，有效預防和避免了地質災害，保護人民生命財產安全。
系統具有高集成度、高精度、全天候自動化實時監測與自動預警的能力，同時還具有監測范圍大、部署靈活的特點。在指導降雨型滑坡的防災與減災方面具有較強的實用價值。本文引用地址：http://www.104case.com/article/159418.htm
物聯網相關文章:物聯網是什么
評論