一种泥石流灾害预警系统

1.本发明属于灾害预警领域，特别是涉及一种泥石流灾害预警系统。


背景技术：

2.泥石流是一种广泛分布于世界各国一些具有特殊地形、地貌状况地区的自然灾害，是山区沟谷或山地坡面上，由暴雨、冰雪融化等水源激发的、含有大量泥沙石块的介于挟沙水流和滑坡之间的土、水、气混合流。泥石流大多伴随山区洪水而发生。
3.泥石流的主要危害是冲毁城镇、企事业单位、工厂、矿山、乡村，造成人畜伤亡，破坏房屋及其他工程设施，破坏农作物、林木及耕地。此外，泥石流有时也会淤塞河道，不但阻断航运，还可能引起水灾。而现有的泥石流预警技术中往往无法根据泥石流的形成原因与发展条件，并结合接收的自然数据进行预测，导致无法对泥石流灾害进行精准预警。


技术实现要素：

4.本发明的目的是提供一种泥石流灾害预警系统，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了一种泥石流灾害预警系统，包括包括数值测量子系统、若干个水流监测点、数据接收子系统、数据传输子系统、灾害识别子系统、灾害预警子系统；
6.所述数值测量子系统用于测量监测地区的地形数据与气象数据；
7.所述水流监测点用于获取所述监测地区的水流监测数据；
8.所述数据接收子系统用于接收各监测点的水流监测数据；
9.所述数据传输子系统用于根据所述气象数据获取降雨概率，根据所述降雨概率设定所述数据接收子系统的数据接收方式、数据接收时间段；
10.所述灾害识别子系统用于根据所述水流监测数据、所述地形数据与所述气象数据，采用机器学习获取泥石流灾害的形成概率，生成识别结果；
11.所述灾害预警子系统用于根据所述识别结果进行不同程度的预警。
12.可选地，所述地形数据包括地貌类型、地表起伏形态、单位面积土壤密度、植被覆盖率，所述气象数据包括空气湿度、风速、风向、空气气压。
13.可选地，若干个所述水流监测点采用分布式设置，包括水位传感器、流速传感器、水压传感器、位移传感器。
14.可选地，所述数据接收子系统根据所述气象数据采用交叉验证方法，以所述气象数据中的空气湿度为因变量，以风速、风向、空气气压为自变量，构建加权回归模型；根据所述加权回归模型中的回归系数矩阵和残差结果，对监测地区进行插值，获取回归系数矩阵和残差结果；根据所述回归系数矩阵和所述残差结果，对监测地区的降雨概率进行预测。
15.可选地，所述数据接收方式包括信息通道传输以及无线数据传输，所述数据接收子系统根据所述降雨概率设定接收阈值，当所述降雨概率小于50％时，采用信息通道传输
的接收方式，并设置每间隔一个小时进行一次数据接收，当所述降雨概率大于50％时，采用无线数据传输的接收方式，并将接收间隔由一小时变更为10分钟。
16.可选地，所述灾害识别子系统采用大数据与卷积神经网络，对所述水流监测数据进行数据拟合，构建卷积神经网络预测模型与数据融合算法；
17.对所述卷积神经网络预测模型进行模型校正，灵敏度分析；
18.基于校正后的卷积神经网络预测模型、以及所述地形数据与所述水流监测数据获取所述水流监测数据与泥石流灾害形成的数据关系；
19.采样所述数据融合算法，根据所述数据关系对所述水流监测数据进行数据提取，获取有效数据，并根据所述有效数据对所述卷积神经网络预测模型进行约束；
20.构建深度学习模型，基于所述深度学习模型，并根据所述数据关系对所述有效数据进行准确度分析。
21.可选地，所述灾害识别子系统采用无监督学习方法，根据数据关系对分析后的有效数据进行智能搜索，获取满足泥石流形成条件的灾害数据；
22.采用循环神经网络，对所述灾害数据进行时序建模，构建长短时记忆神经网络lstm预测模型，基于所述长短时记忆神经网络lstm预测模型以及所述灾害数据获取泥石流灾害的形成概率。
23.可选地，所述灾害预警子系统包括移动客户端，所述灾害预警子系统根据泥石流灾害的形成概率大小，通过控制所述移动客户端进行不同颜色的预警信号提示，所述预警信号包括黄色预警信号、橙色预警信号、红色预警信号。
24.本发明的技术效果为：
25.本发明根据监测地区的气象状况判断降雨概率，根据降雨概率采用不同时间间隔的监测预警，灵活调整监测频率，节省系统资源，根据地形条件与水流数据获取泥石流的形成条件，并采用大数据以及机器学习技术实现了泥石流灾害的精准预测。
附图说明
26.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
27.图1为本发明实施例中的泥石流灾害预警系统结构示意图。
具体实施方式
28.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
29.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
30.实施例一
31.如图1所示，本实施例中提供一种泥石流灾害预警系统，包括数值测量子系统、若干个水流监测点、数据接收子系统、数据传输子系统、灾害识别子系统、灾害预警子系统；
32.所述数值测量子系统用于测量监测地区的地形数据与气象数据；其中，地形数据
包括地貌类型、地表起伏形态、单位面积土壤密度、植被覆盖率数据，气象数据包括空气湿度、风速、风向、空气气压数据；
33.所述水流监测点用于获取所述监测地区的水流监测数据；
34.所述数据接收子系统用于接收各监测点的水流监测数据；
35.所述数据传输子系统用于根据所述气象数据获取降雨概率，根据所述降雨概率设定所述数据接收子系统的数据接收方式、数据接收时间段；
36.所述灾害识别子系统用于根据所述水流监测数据、所述地形数据与所述气象数据，采用机器学习获取泥石流灾害的形成概率，生成识别结果；
37.所述灾害预警子系统用于根据所述识别结果进行不同程度的预警。
38.作为本技术的一种较佳实施方式，若干个所述水流监测点采用分布式设置，可根据监测地区的地形状况进行调整，且每个水流监测点均包括水位传感器、流速传感器、水压传感器、位移传感器。
39.作为本技术的一种较佳实施方式，所述数据接收子系统根据所述气象数据，采用交叉验证方法，以所述气象数据中的空气湿度为因变量，以风速、风向、空气气压为自变量，构建加权回归模型；根据所述加权回归模型中的回归系数矩阵和残差结果，对监测地区进行插值，获取回归系数矩阵和残差结果；根据所述回归系数矩阵和所述残差结果，对监测地区的降雨概率进行预测。
40.作为本技术的一种较佳实施方式，所述数据接收方式包括信息通道传输以及无线数据传输，所述数据接收子系统根据所述降雨概率设定接收阈值，当判断结果显示降雨概率小于50％时，所述数据传输子系统控制所述数据接收子系统采用信息通道传输的方式接收各监测点的水流数据，并设置每间隔一个小时进行一次数据接收，当降雨概率大于50％时，采用无线数据传输的接收方式，并将接收间隔由一小时变更为10分钟。
41.作为本技术的一种较佳实施方式，所述灾害识别子系统采用大数据技术与卷积神经网络，对所述水流监测数据进行数据拟合，构建卷积神经网络预测模型与数据融合算法；
42.对所述卷积神经网络预测模型进行模型校正，灵敏度分析；
43.基于校正后的卷积神经网络预测模型、以及所述地形数据与所述水流监测数据获取所述水流监测数据与泥石流灾害形成的数据关系；
44.采样所述数据融合算法，根据所述数据关系对所述水流监测数据进行数据提取，获取有效数据，并根据所述有效数据对所述卷积神经网络预测模型进行约束；
45.构建深度学习模型，基于所述深度学习模型，并根据所述数据关系对所述有效数据进行准确度分析。
46.通过准确度分析获取与泥石流形成相关的有效数据后，所述灾害识别子系统采用无监督学习方法，根据数据关系对分析后的有效数据进行智能搜索，获取满足泥石流形成条件的灾害数据；
47.采用循环神经网络，对所述灾害数据进行时序建模，构建长短时记忆神经网络lstm预测模型，基于所述长短时记忆神经网络lstm预测模型以及所述灾害数据获取泥石流灾害的形成概率，实现泥石流的形成预测。
48.作为本技术的一种较佳实施方式，所述灾害预警子系统包括移动客户端，所述灾害预警子系统根据泥石流灾害的形成概率大小，通过控制所述移动客户端进行不同颜色的
预警信号提示，当泥石流灾害的形成概率到达50％时，所述灾害预警子系统控制移动客户端闪烁黄色预警信号，当泥石流灾害的形成概率到达70％时，控制移动客户端闪烁橙色预警信号，当泥石流灾害的形成概率到达90％时，控制移动客户端闪烁红色预警信号。
49.本领域内的技术人员应明白，本发明的实施例可提供为系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
50.本发明是参照根据本发明实施例的计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
51.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
52.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
53.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种泥石流灾害预警系统，其特征在于，包括数值测量子系统、若干个水流监测点、数据接收子系统、数据传输子系统、灾害识别子系统、灾害预警子系统；所述数值测量子系统用于测量监测地区的地形数据与气象数据；所述水流监测点用于获取所述监测地区的水流监测数据；所述数据接收子系统用于接收各监测点的水流监测数据；所述数据传输子系统用于根据所述气象数据获取降雨概率，根据所述降雨概率设定所述数据接收子系统的数据接收方式、数据接收时间段；所述灾害识别子系统用于根据所述水流监测数据、所述地形数据与所述气象数据，采用机器学习获取泥石流灾害的形成概率，生成识别结果；所述灾害预警子系统用于根据所述识别结果进行不同程度的预警。2.根据权利要求1所述的泥石流灾害预警系统，其特征在于，所述地形数据包括地貌类型、地表起伏形态、单位面积土壤密度、植被覆盖率，所述气象数据包括空气湿度、风速、风向、空气气压。3.根据权利要求1所述的泥石流灾害预警系统，其特征在于，若干个所述水流监测点采用分布式设置，包括水位传感器、流速传感器、水压传感器、位移传感器。4.根据权利要求1所述的泥石流灾害预警系统，其特征在于，所述数据接收子系统根据所述气象数据采用交叉验证方法，以所述气象数据中的空气湿度为因变量，以风速、风向、空气气压为自变量，构建加权回归模型；根据所述加权回归模型中的回归系数矩阵和残差结果，对监测地区进行插值，获取回归系数矩阵和残差结果；根据所述回归系数矩阵和所述残差结果，对监测地区的降雨概率进行预测。5.根据权利要求1所述的泥石流灾害预警系统，其特征在于，所述数据接收方式包括信息通道传输以及无线数据传输，所述数据接收子系统根据所述降雨概率设定接收阈值，当所述降雨概率小于50％时，采用信息通道传输的接收方式，并设置每间隔一个小时进行一次数据接收，当所述降雨概率大于50％时，采用无线数据传输的接收方式，并将接收间隔由一小时变更为10分钟。6.根据权利要求1所述的泥石流灾害预警系统，其特征在于，所述灾害识别子系统采用大数据与卷积神经网络，对所述水流监测数据进行数据拟合，构建卷积神经网络预测模型与数据融合算法；对所述卷积神经网络预测模型进行模型校正，灵敏度分析；基于校正后的卷积神经网络预测模型、以及所述地形数据与所述水流监测数据获取所述水流监测数据与泥石流灾害形成的数据关系；采样所述数据融合算法，根据所述数据关系对所述水流监测数据进行数据提取，获取有效数据，并根据所述有效数据对所述卷积神经网络预测模型进行约束；构建深度学习模型，基于所述深度学习模型，并根据所述数据关系对所述有效数据进行准确度分析。7.根据权利要求6所述的泥石流灾害预警系统，其特征在于，所述灾害识别子系统采用无监督学习方法，根据数据关系对分析后的有效数据进行智能搜索，获取满足泥石流形成条件的灾害数据；采用循环神经网络，对所述灾害数据进行时序建模，构建长短时记忆神经网络lstm预
测模型，基于所述长短时记忆神经网络lstm预测模型以及所述灾害数据获取泥石流灾害的形成概率。8.根据权利要求1所述的泥石流灾害预警系统，其特征在于，所述灾害预警子系统包括移动客户端，所述灾害预警子系统根据泥石流灾害的形成概率大小，通过控制所述移动客户端进行不同颜色的预警信号提示，所述预警信号包括黄色预警信号、橙色预警信号、红色预警信号。

技术总结
本发明公开了一种泥石流灾害预警系统，包括数值测量子系统，用于测量监测地区的地形数据与气象数据；水流监测点，用于获取所述监测地区的水流监测数据；数据接收子系统，用于接收各监测点的水流监测数据；数据传输子系统，用于根据所述气象数据获取降雨概率，根据所述降雨概率设定所述数据接收子系统的数据接收方式、数据接收时间段；灾害识别子系统，用于根据所述水流监测数据、所述地形数据与所述气象数据，采用机器学习获取泥石流灾害的形成概率，生成识别结果；灾害预警子系统用于根据识别结果进行不同程度的预警。本发明根据地形条件与水流数据获取泥石流的形成条件，并采用大数据以及机器学习技术实现了泥石流灾害的精准预测。准预测。准预测。


技术研发人员：许国平 王娇瑞 邹志友 陶中一
受保护的技术使用者：桂林理工大学南宁分校
技术研发日：2023.04.14
技术公布日：2023/7/4