基于物聯網技術的地質災害監測預警系統設計

張吉寧 薄勇 劉洋洲 龍建輝 張紅

摘 要：針對地質災害預警問題，結合物聯網技術提出一種實時地質災害預警系統。為實現該系統，在分析系統整體業務流程的基礎上，對系統的整體架構進行設計，并提出通過綜合參數法、Logistic回歸分析法、主成分分析法等構建地質災害預測模型。最后，通過測試對上述系統進行驗證。結果表明，上述方案可很好的實現對地質災害預警。

關鍵詞：物聯網;地質災害;回歸模型;災害預測

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自然災害仍然頻繁見諸報端，這對中國經濟發展和社會民生造成了重大損失。中國在2018年度共計發生了2966起地質災害，造成106人死亡、11人失蹤、78人受傷以及直接經濟損失14.8億元的沉重后果。需要說明的是，誘發地質災害的原因并不只是自然因素，還包括人為因素，而且地質災害的發生是有規可循的，重點監測地質災害點的情況，科學預測地質災害的發生概率以及在發生地質災害以后快速報警，能夠最大程度地挽救人民群眾的損失。在此背景下，充分利用現代科技力量，綜合多學科的理論知識，聯合多部門設計開發地質災害監測預警系統，對重點地質災害區域進行全天候監控。一旦發現發生地質災害的隱患，立即做出告警，從而盡早制定搶險救災方案，盡力減少地質災害的損失，最大程度地保護人們群眾的生命財產安全。因此基于以上背景，本研究結合物聯網技術構建地質災害預警系統，并對該系統進行詳細實現。

1 地質災害系統整體業務分析

地質災害監測預警系統動態監測地質災害點的降雨量信息和地質形變信息，參照歷史數據來設定地質災害報警閾值，如果綜合分析結果超出了閾值，則立即向相關部門發出預警信息，并以地圖展示的形式來指出地質災害點的空間位置。具體系統業務流程如圖1所示。

2 系統整體框架

根據圖1的業務分析，綜合利用SQL Server數據庫、GIS等，最終設計出適配的系統框架。地質災害監測預警系統包含支撐層、應用層以及數據庫服務層，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，從而確保系統能夠正常實現預期功能。具體如圖2所示。

3 地質災害預測報警模型構建

3.1 構建思路

通過綜合參數法、Logistic回歸分析法、主成分分析法等建立地質災害預測報警模型，用以指導本次系統的設計過程。調取相關檔案獲悉當地地質條件，結合過往案例分析地質災害的常見誘因，利用主成分分析法來建立地質災害預測報警模型。一般來說，地質災害的發生同時受到外在因素（人類活動、降雨量等）和內在因素（地貌類型、巖土類型等）的影響。根據歷年的地質災害信息，分析評估不同因素對于地質災害發生概率的影響效力，然后利用主成分分析法建立適配的地質災害預測報警模型。模型構建思路如圖3所示。

3.2 地質災害敏感性分區圖

借助于地理信息系統的空間分析功能，利用主成分分析法，對地質災害的6個靜態因素進行分析，根據各項因素的等級確定其權重大小，由此建立地質災害敏感性分區。

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，能夠達成預期目標。

設定樣本數據X存在p個特征變量，表示為x=（x1，x2，x3，…xp），同時設定均值向量u、協方差矩陣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，前者能夠充分反應出后者所反應的信息。以上分析過程的演算步驟，列述如下：

首先求解出協方差矩陣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）所對應的向量（ a1，a2，a3，…ak），并且求算出單位化后的特征向量。設定yk=akx，它與（ y1，y2，y3，…yk）相互獨立，并且包含1-k個主成分。可根據累積方差的貢獻率來確定p-k的數值，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。

根據過往經驗，地質災害的發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，它們是評估地質災害發生概率的重要因子。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重，最后對各項因素的權重進行歸一化處理，由此確定標準化的權重序列。

地質災害敏感指數（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項因素影響而發生地質災害的概率。利用加權指數法求解地質災害敏感指數（Z），其中，人類工程活動受礦業活動強度、路網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。

不同影響因子的權重求解算式：

式中：ai為第i個影響因子誘發地質災害的概率，Mi為第i個因子誘發地質災害的影響權重，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個因素誘發地質災害的平均強度。指的是不同影響因子的權重值，可通過主成分分析法、專家評分法或者AHP法進行確定。

發生地質災害的各項評價因子的權重，匯總如表1所示。

調取地質災害檔案資料，雖然頻發地質災害，但是地質災害的規模并不大，據此，本文選用地質災害點的密度來表征地質災害的發生概率。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災害敏感性指數Z，根據Z值高低描繪出相應地顏色，從高到底依次對應于紅色、橙色、黃色、綠色、藍色，由此清晰地展示了地質災害的嚴重程度。

3.3 氣象綜合圖

地震、降雨等氣象因素都是誘發地質災害的重要因素，考慮到地震的發生概率較低，而且現有技術很難預先預報地震，因此忽略地震對于地質災害的影響。所以，本文系統應當采集當天的降雨量、統計過去1～5d的降雨量、預報未來24h內的降雨量，并且評估以上因素對于發生地質災害的影響效力。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內的降雨量。具體有效降雨量的算式如下：

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

3.4 預測報警模型構建

根據預測報警模型，綜合地質災害敏感性指數和降雨誘發指數，結合預先設定的報警閾值對地質災害的發生等級進行預測。預測報警模型為在特定降雨量條件下，對某一因素誘發地質災害的概率提供了預測方法。

首先把預報區域地圖細分成多個1km×1km的單元格，分別求算出各個單元格的地質災害敏感性指數Z以及降雨誘發指數R，由此確定預測報警指數H，即可對發生地質災害的概率進行預測。

預測報警指數H的算式如下：

利用地理信息系統對氣象綜合圖和地質災害敏感性分區圖執行疊加分析，由此建立地質災害預測預警模型。地質災害發生等級集預警顏色，按照輕中程度，依次設定為藍色、綠色、黃色、橙色和紅色列。

3.5 預警分析模塊

利用地質災害預測報警模型對地質災害點的地質構造、地形地貌、主要隱患以及發生地質災害的概率等進行分析和估計，根據分析結果發出預警。具體步驟為：

（1）數據收集。地質災害監測預警系統全面采集地質災害點的關鍵信息，包括降雨量信息、地質災害誘因信息、地質地形地貌特征等，然后利用主成分分析法對以上數據進行整合分析，根據分析結果確定各項因素的影響效力，最后統一設定各項因素的影響權重，并且確定誘發地質災害的主要因素。

（2）危險性評估。地質災害監測預警系統綜合分析降雨量信息及其他地質災害誘因信息，從而做出地質災害的危險性評估。危險性評估的流程是劃分基礎單元格、對單元格地質因子進行運算、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劃圖細分為2km×2km的評價單元格。地質災害的發生概率及嚴重程度主要受到降雨量、地質條件等因素的影響。在劃出多個評價網格以后，綜合分析每個評價單元格內的致災因素，結合地質災害預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的顏色，由此能夠明晰地判定各個評價單元格的預測結果。

第2步，對各個單元格的地質因子進行運算。結合陜西省地質災害的常見誘因，本文系統納入了6項主要致災因素，包括降雨量、地形地貌、人類工程活動、地層巖性、表土層厚度、地質構造，其中，通過氣象局獲取降雨量信息，從建設局官網上下載人類工程活動信息，其余四項指標根據相應的屬性條件進行確定。降雨量是誘發地質災害的主要因素，降雨量的危險性等級在一定程度上決定了地質災害的發生概率，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，利用地理信息系統對氣象綜合圖和地質災害敏感性分區圖執行疊加分析，由此確定不同地區發生地質災害的概率及等級。

第3步，獲取決策支持。根據運算結果，調用地質災害預警預測模型對各評價單元格涂抹上與其預警等級相對應的顏色，能夠直觀地呈現預警結果。職能部門根據預警等級制定適配的應急處置方案，針對高風險等級的地區盡快實施有效的防治措施。

決策支持功能模塊架構如圖4所示。

4 系統驗證

以陜西地質災害預警為例。若地質災害點的實際降雨量超出了降雨量預警閾值，此時系統會根據實際降雨量來評估發生地質災害的概率。若系統判定可能發生地質災害，在獲得領導審批以后，隨即向周邊民眾發布地質災害預警。具體報警如圖5所示。

圖5中的深灰區域對應于4級預警，意味著該地區發生地質災害的風險性大，相關職能部門及當地民眾應當加強地質災害預警，并做好搶險救災準備。

5 結語

通過上述的研究結果看出，結合地質災害敏感性分區圖和氣象綜合圖的相關信息，能準確評價部分區域的地質災害情況。而根據該評價結果，地質部門可很好的制定應急預案，以此更好的提高地質災害預防。

參考文獻

[1]李國政，楊觀賜.山區天然氣管道滑坡位移監測系統設計[J].中國測試，2020，46（08）：87-93.

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

[3]尹萍.自動化監測預警系統在邊坡監測工程中的應用[J].科技視界，2020（24）：34-36.

[4]陳銀良.一種基于物聯網的危化品風險監測預警系統設計[J].中國科技信息，2020（17）：74-75+78+14.

[5]黃富禹，劉春.基于物聯網技術的隧道自動化變形監測系統設計[J].科學技術創新，2020（26）：118-119.

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

[7]羅晴明.地質災害防治動態監測預警系統及其應用[J].數字通信世界，2019（07）：200.

[8]王永杰，周國清，周叔一，等.降雨誘發型滑坡預警系統設計[J].現代電子技術，2019，42（20）：139-144.

[9]任康.基于WebGIS的滑坡災害預警在線監測系統研究[J].公路交通科技（應用技術版），2019，15（10）：282-284.

[10]汪洋.基于礦山開采工程的水文地質災害預警系統設計[J].世界有色金屬，2019（17）：150-151.