基于STM32的滑坡體在線監測預警系統設計

王真 溫宗周 高園平

摘 要：針對我國自然災害頻發且嚴重威脅人民生命財產安全，本文以眾多災害中最為嚴重的滑坡災害為例進行研究，運用多傳感器、無線射頻、GPRS通訊、機器學習等技術設計了一款滑坡體在線監測預警系統。該系統可將滑坡災害誘發因素的數據信息通過無線采集終端上傳至現場預警終端和遠程監控中心，并由現場預警終端和遠程監控中心對滑坡災害發生概率進行多級預警，最終使得整個系統在預警過程中形成具有以現場預警終端預警結果和遠程監控中心預警結果互為補充、校驗功能的多級預警系統。該多級預警系統可讓潛在滑坡災害區域現場人員和負責該區域的客戶端防災減災指揮人員都能夠充分、準確地掌握潛在滑坡災害區域臨災前的坡體活動情況，具有一定的實際意義和應用價值。

關鍵詞：滑坡監測;多傳感器;無線通訊;機器學習

0 引言

在我國遼闊的地域上，擁有平原、盆地、丘陵、山地、高原五大基本地貌形態，其中占國土面積33%的山地最為廣闊，地質構造和氣候水文條件也較為復雜，導致我國成為一個滑坡災害多發的國家[1]。另外，據相關學者的研究文獻[2]顯示，我國自2007年至2015年期間所發生的地質災害中，滑坡災害除2008年以外均占到地質災害總數的半數以上，形勢十分嚴峻。其中具有代表性的是僅在2015年全國共發生地質災害8224起，共造成229人死亡、58人失蹤、138人受傷，直接經濟損失24.9億元[3]，其中滑坡災害5616起，占地質災害總數的68.3%[4]。 由此可見，在所有的地質災害中所占比重最大的是滑坡，滑坡災害亟待予以有效地監測預警來減少人員傷亡和經濟損失。本文以影響滑坡發生的各個因素為依據，以得出在各因素影響下滑坡發生的概率為目標，準確無誤地給出潛在災害區域滑坡發生的概率，使潛在災害區域的坡體變化情況被人們所預知，最終實現潛在災害區域災情信息的實時遠程傳輸和多級預警功能。監測預警系統不僅可以對山體、坡體的活躍情況進行預判，降低近鄰人群的生命財產損失，提高人們對危險的感知力，還可以預先為重要工程建設用地的選址提供參考。基于多傳感器、無線通訊和機器學習的滑坡監測預警系統是中國防災減災工作信息化建設過程中的不二之選。

1 滑坡監測預警系統總體結構與工作原理

監測預警系統由傳感器模塊、微處理器模塊、存儲模塊、無線射頻模塊、人機交互模塊（LCD顯示及按鍵）、報警模塊、GPRS模塊、遠程監控中心、客戶端組成。滑坡監測預警系統如圖1所示。系統搭建完成，配置好各模塊功能并初始化后，用戶可通過遠程監控中心、人機交互模塊，對土體壓力、地表位移、土壤含水率、降雨量等滑坡影響因素進行參數設置和數據查詢。系統正常工作時，遠程監控中心進入智能控制模式，隔一定時間獲取無線采集終端的數據，數據通過無線射頻模塊傳送至現場預警終端，現場預警終端的微處理器模塊對數據進行閾值判斷并決定是否啟動報警模塊，同時將數據通過GPRS模塊發送至遠程監控中心，遠程監控中心根據預報模型計算、預判出坡體將會發生滑坡的概率，做出是否進行滑坡預警的決策。如果需要進行滑坡預警，遠程監控中心會通過GPRS模塊發出指令給現場預警終端的微處理器模塊，由微處理器模塊發送指令給報警模塊，同時遠程監控中心會通過GPRS模塊把預警信息以廣播、短消息的形式發送給客戶端的相關決策者和防災減災應急指揮人員。

2 系統硬件設計

監測預警系統主要由無線采集終端和現場預警終端構成。前者主要實現數據采集與存儲、無線射頻傳輸功能，后者主要實現無線射頻傳輸、數據存儲、數據越限報警、GPRS通訊功能。考慮系統的工作需求，無線采集終端和現場預警終端均選用意法半導體公司的ARM微控制器STM32F103芯片為控制核心。參考官方數據手冊設計最小系統，系統以內部SRAM方式啟動。選用3.3V電源為主芯片供電，電源模塊以12V鋰電池和光伏發電模組互補的形式為無線采集終端和現場預警終端供電。穩壓模塊通過將12V電壓轉換為穩定的5V電壓為系統供電，將5V電壓轉換為穩定的3.3V電壓，為采集電路等提供一個穩定的電壓環境。系統選用存儲方式為鐵電存儲、具有掉電后數據可保存特點的FM24C08作為存儲芯片，用于存儲系統參數和傳感器采集的數據，其與微處理器采用IIC通訊方式。采集模塊通過A/D轉換、RS232、RS485、脈沖通信方式，將土體壓力、地表位移、土壤含水率、降雨量信息傳輸給無線采集終端的微控制器，最終經過CC1101射頻芯片將數據傳輸至現場預警終端的微控制器并進行越限報警。SIM900A通訊模塊將傳感器采集的數據信息發送至遠程監控中心。人機交互模塊通過4寸電阻式觸摸屏對土體壓力、土壤含水率等采集要素進行設置和數據讀取。SIM900A通訊模塊通過SIM卡將數據傳輸到遠程監控中心，在遠程監控中心對數據進行分析決策，并將決策結果傳輸到客戶端供防災減災的決策人員使用。

3 系統軟件設計

在前期調查、掌握以往滑坡發生區域滑坡體演變過程的土體壓力、地表位移、土壤含水率、降雨量數據及其相應滑坡發生情況的基礎上，總結一套較為完備的致災因子與致災結果數據庫。于遠程監控中心應用BP（Back Propagation）神經網絡算法將上述致災因子、致災結果數據分別作為輸入與輸出進行分析訓練，得到一個初步的滑坡預報決策模型。同時利用潛在滑坡災害發生區以往的致災因子、致災結果分析出現場預警終端的初步致災因子越限值。此時為現場預警終端設置的各致災因子初步越限值和遠程監控中心的初步滑坡預報決策模型都不是很準確，均需要通過滑坡預報決策模型的不斷優化來糾正。

當滑坡監測預警系統開始應用于潛在滑坡發生區時，無線采集終端會將各傳感器采集的致災因子數據上傳至現場預警終端，現場預警終端根據系統所設置的致災因子初步越限值對滑坡發生情況進行現場預警。同時，現場預警終端會將致災因子數據通過GPRS發送至遠程監控中心，由遠程監控中心根據先前得到的初步滑坡預報決策模型做出最終的滑坡發生決策。如果初步滑坡預報決策模型所得出的滑坡發生情況不準確，則初步滑坡預報決策模型會根據其自身所得預報結果與實際結果的偏差來不斷地總結經驗，從而修正、完善模型參數。遠程監控中心會根據初步滑坡預報決策模型的變化更新現場預警終端所設置的致災因子初步越限值。

4 結束語

本設計采用廉價的ARM芯片作為控制系統的核心。介紹了系統設計的總體結構、硬件和軟件設計。通過調試，滑坡監測預警系統能夠對傳感器數據進行實時采集，將所采集潛在滑坡災害區域的致災因子數據同步到現場預警終端并由現場預警終端進行致災因子越限預警。現場預警終端在對各致災因子進行預判的同時，會將各致災因子數據發送至遠程監控中心，最終于遠程監控中心完成對數據的分析決策，并將決策結果發送到現場預警終端和客戶端，實現由現場預警終端、遠程監控中心、客戶端所組成的多級預警功能。由于滑坡監測預警系統的預警過程不需要人為監管，主要通過滑坡預報決策模型的自學習功能不斷跟進、響應潛在滑坡災害區域各致災因子變化，從而通過無線采集終端所獲得的致災因子數據以及現場預警終端、遠程監控中心的數據分析處理、自學習功能獲得一個具有多級預警、自反饋、魯棒性強特點的滑坡監測預警系統。

參考文獻：

[1]陳起傳.WSN技術在滑坡監測系統中的應用研究[D].成都理工大學，2016.

[2]黃發明.基于3S和人工智能的滑坡位移預測與易發性評價[D].中國地質大學，2017.

[3]國土資源部.2015年國土資源主要統計數據：索引號00001434904/2016-01728[EB/OL].http：//g.mlr.gov.cn/201701/t20170123_1429986.html.

[4]龍小翠.山體滑坡中聲發射信號的檢測及定位方法研究[D].成都理工大學，2016.