地質災害監測預警技術創新及智能化監測設備應用研究

謝代連

（四川省冶金地質勘查局六O五大隊，四川 眉山 641000）

地質災害監測預警系統的設計過程十分復雜，它包含輕量化模型技術、Spark空間大數據處理技術、神經網絡學習算法等新技術的利用，它不僅有利于人們實現空間分析的目標，而且還能準確地找出災害存在的位置。因此，相關的檢測人員要掌握預警技術的使用方法，有針對性地解決地質災害問題。

1 地質災害預警系統

1.1 預警系統的構成

地質災害預警系統的結構主要分為數據采集中心、地質災害數據中心、預警分析等。這種系統結合了云計算技術、物聯網技術、人工智能等現代化技術，在經過深度的學習算法后，逐漸建立起智能化的地質災害動態檢測預警神經網絡。在數據采集系統的作用下，將地質災害動態檢測數據、地下水動態監測數據等信息歸納在一起，構建相應的地質災害數據中心。此外，利用預警分析系統可以將地質災害區域進行網格化劃分，然后再通過智能監測預警模型來進行分析，有效地提升了地質災害區域的預警準確性。

1.2 預警系統的功能

為了有效地管理地質災害數據，地質災害預警系統利用數據庫的作用，對圖形影響數據和柵格影響數據進行了整合，進一步實現了數據的綜合管理。在信息化的管理方式下，不僅提升了統計和分析數據的能力，而且還可以對矢量圖形進行自由變換，在一定程度上提升了數據查詢的能力。此外，在預警系統的作用下，工作人員還可以實現信息互查，以此來準確地判斷地理位置是否安全，同時還可以將預測點的屬性呈現在人們眼前。在預警的過程中，預警系統可以同時分析預警信息和地質災害信息，在對其進行分析處理后，再由移動終端將其發出。

2 地質災害預警技術的主要創新點

2.1 建立多模型算法預警報警系統

2.1.1 地質災害輕量化模型構建

由于地質災害信息量巨大，并且相對復雜，所以直接構建預警系統就較為煩瑣。因此，選擇構建輕量化智能模型，這種模型可以將空間中的數據簡化成一個點數據，然后，再利用GeoHash編碼方式來進行編碼轉換。再利用細節層次（LOD）技術將大量的地質災害因素信息封裝，讓其變成組件的形式，然后再將其傳輸至地質災害預警系統中，以此來實現組件模型庫的建立。在這些步驟完成后，利用構建的作用進行地質災害歸納、分析，以此實現多樣化管理，如圖1所示。

圖1 模型輕量化流程圖

2.1.2 Spark空間大數據技術

Spark屬于一種大數據分布式編程框架，這種技術可以將分布式數據轉換過程具有彈性的分布式數據集，并且這種技術提供了應用任務調度、RPC、序列化和壓縮的實現方法以及API上層組件。

地質災害的數據主要有各類專業屬性的數據、基礎地理空間數據、災害空間點數據等。這些數據可以通過相應的監測儀器來獲取，這些監測儀器包括雨量計、水位計、傾斜計、智能視頻設備等。此外，還可以利用物聯網技術、互聯網技術來將數據安全地接入管理中，以此來建立地質災害數據中心。在地質災害預警系統中，主要是利用Spark的空間大數據技術來分析地質災害中的數據，然后再利用擴展Spark來快速地分析地質災害空間數據，有效地提升了系統分析系統的效率。

2.1.3 神經網絡學習算法智能預警系統

神經網絡可以分為全局逼近與局部逼近2種，局部逼近網絡具有學習速度快的優勢。并且徑向基函數（RBF）屬于局部逼近神經網絡。

這種動態的RBF模型具有自適應的特點，并且不需要實現隱藏含層單元的個數，當其完成聚類后，得到的RBF網絡相對較優。并且RBF需要選擇P個基函數，其中每個函數都對應著一個訓練數據。最常見的RBF高斯函數如下：

式中，x表示輸出量；Ci表示i個基函數的中心；m表示感知單元的個數；‖x-Ci‖為x與Ci之間的距離。在式中，隨著‖x-Ci‖的增大，Ri（x）逐漸減小，直到減為0。

RBF的插值函數為：

2.2 多類別精細化格點降水預報精度的提升

在地質災害監測預警技術系統實際運作過程中，能夠形成相應的大量數據預報降水數據信息，在預測技術的基礎上將降水數據準確地呈現出來。當預報降水量的時長達到2h是，通常使用雷達“光流法”外推技術。當預測降水量時長達到2～72h時，主要利用的是地中尺度數值模式與全球數據模式，利用相應的監測方法將最優的集成算法體現出來，以此來建立最優的場景，然后再通過播報員進行修正，有效地提升了降水預報數據的有效性和準確性，這也是維護降水誘發致災因子數據不會降低精度的根本所在。

2.3 在線監測數據的多元信息融合

在進行區域地質災害監測時，可以實現在線監測的工作方式，同時還可以將大量的數據信息整合，進一步提升了數據信息的一體化管理水平。此外，在NoSql技術和緩存技術的作用下，有效地提升了數據可視化的效率。除此之外，可根據地質災害的類型與特點，將傳統的地質災害監測設備進行改善，在經過改善以后，一體化裂縫計監測跨度最大可達3m，并且將監測的精度提升到了±0.01mm；對于地質自動化檢測數據而言，可以根據不同的災害類型設置相應的臨災閾值，并構建相應的預警方案，以此實現基于自動化實時監測數據的點對點預警預報，這在一定程度上提升了監測預警的進度以及災害的防治能力，為減災工作提供了重要的科學依據。在自動化監測設備方面。還研發了地質災害調查數據智能采集系統群測群防監測數據采集系統（手機版）、微型無人機飛行控制系統，實現地質災害調查、監測和三維遙感數據便捷采集。其中，地質災害調查數據智能采集系統將平板電腦作為移動終端，利用遙感技術來制作高精度的遙感影像，并結合GPS定位等技術手段來進行災害監測。在這些自動化設備的作用下，有效提升了監測點進度與有效性，提升了監測工作的效率。

3 地質災害監測預警技術的具體應用

3.1 智能化監測設備

隨著科學技術的發展，具有人工智能化的監測設備被廣泛地應用于地質災害監測中，它對于地質災害監測有十分重要的作用。同時，這種監測設備可以專業的監測數據，其中主要涉及的設備主要有雨量計、水位計、傾斜計、智能視頻設備等。在使用智能化監測設備時，要滿足相應的要求，具體的要求有以下幾點：（1）由于大部分的地質災害發生在較為偏僻的地區，供電線路并不完善，因此，在使用設備使應該自備充足的電源；（2）由于不同區域的地質災害存在一定的差異性，監測人員要根據區域的實際情況制定相應的監測方案，以最優的監測采樣頻率進行監測，這樣可以有效提升監測數據的有效性和完整性。在實際的運用過程中，我們可以明確地看到，設備的使用需要不斷規范。例如，在實際的監測過程中，當地質隱患點的前期變形相對較小時，需要不斷地提升設備采集樣品的頻率，將冗余數據有效降低。此外，在后期的采樣過程中，還會進行相應的高頻采樣工作，這樣可以保證變性數據的有效性和準確性。就現階段而言，設備的調試工作大部分是以人工的方式來進行，這種方式不能根據區域災害的特點來進行設備調整，導致出現突發狀況時設備會泄露相應的信息。因此，在進行檢測工作時，工作人員應針對這一問題制定合理的設備調試方案，以此來提升監測數據的精準度。當原始數據沒有體現地質災害的隱患時，工作人員必須預先進行處理。現階段的監測數據處理主要是利用第三方軟件來進行，但是這種方式存在一定的局限性。當原始數據的量大時，數據的發送壓力將會進一步提升。例如，一般原始數據的數量要遠遠高于過濾后的數據數量，通常會多出大約10倍以上，尤其是通信信號較差的地區，數據的傳輸會受到一定的影響，導致數據傳輸的壓力進一步增大。因此，工作人員要做到監測數據的分析與過濾工作，是該類設備未來主要的發展方向。

3.2 預警指標的設計

預警指標可以分為定量指標、定性指標兩種。這些指標主要來源于災害發生的初級階段，地質發生位移變化或者變性的信息。就定性指標與定量指標而言，一般在地質災害出現后，經常都會出現較大的變化，但是，它能準確地衡量地質災害信息。例如，在分析這些指標的過程中，經常會涉及警戒雨量與危險雨量。在分析警戒雨量的過程中，通常將其作為轉移監測標準，具體的降水量可以達到24h，90mm。對于位移指標，當發生變形的現象后，經常會出現邊坡坍塌的現象。因此，在進行地質災害監測時，可以將位移指標作為重要的參考依據。除此之外，監測人員還可以根據變形速率分析滑坡的類型，看其滑坡處于那個階段。當滑坡的變形階段處于較為突出的使時期時，工作人員要明確預報相關的參數，并且安置相應的警示標志，以此來警示人們撤離災害區域。在其他的警示指標方面。經常將定量指標作為評價的主要內容，包括呈放射狀的裂縫、滑坡等。此外，在構建群策防機制時，預警信息的內容還包括監測工作人員自身獲取的信息。

3.3 監測方案設計

在監測地質災害時，監測設備的布控要符合科學的規范，要嚴格地監視地質災害發展的過程。就目前而言，地質災害設備的布控方案不一致，并不滿足規范性的要求，因此，在制定地質災害監測方案時，要根據地質區域的實際情況做出相應的設計，但是，由于地質災害的影響因素相對較多，對每個災害點不能進行有效的勘察，從而導致監測工作并未得到相關人員的重視，在一定程度上降低了監測的工作效果。因此，在實際的地質方案制定過程中，首先要明確地質災害形成的主要原因，然后再對監測結果進行相應的分析，科學合理地設計監測的思路。此外，在進行科學合理的監測方案設計時，要將設備安放在科學合理的檢測位置，明確監測過程中存在的實際問題，以此幫助人們有效地識別災害問題，特別是隱蔽性較高的地質災害問題，要注重早期的識別，這樣可以有效提升監測方案的完整性，實現科學預警的監測方案。

3.4 建立多形式的傳輸網絡

為了保證監測數據信息的傳輸，要根據監測的實際情況建立相應的數據信息傳輸網絡，并建立鏈路冗余，以此提升指揮中心的通信能力。此外，監測人員可以利用移動通信網絡、GPS網絡來完成數據信息的傳輸，同時，還可以根據數據的實效性做相應的轉換工作，這樣可以及時地查明網絡故障的根本原因，保證監測數據時刻處于正常的傳輸狀態。與此同時，監測部門可以利用智能分析平臺來顯示地質災害的主要影響因素，為災害模擬工作提供重要的數據支撐。如果發現風險指標超過臨災閾值，智能監控中心就自動發出預警信息，讓人們知道災害的實際情況，從而做好防災準備工作。

4 結語

總而言之，在物聯網和互聯網的背景下，在地質災害預警系統中融入強量化模型技術、Spark空間大數據處理技術、神經網絡學習算法等新技術以后，有效提升了地質災害監測系統中的智能監測能力，并在一定程度上提升了地質災害監測系統的智能性、準確性、監測效率，同時，也提升了實時監測的預警能力，這對增強地質災害監測預警能力有重要作用。