基于物联网的滑坡地质灾害预警系统的设计
加入技术交流群
(1)影响因子
研究表明降雨对山体滑坡的诱发作用，不仅取决于当日降雨量，还和近期降水量、河道水流等情况密切相关。
系统利用部署的电子雨量计实时测量降水量r，在河道中安装液位传感器，测量数据为h。近期滑坡等地质灾害有效降水量Re是指近期各日降雨量(M天内)与其影响系乘积之和，而有效估计降水量R为有效降水量Re、近期(次日)预计降水量Rf和各自影响系数乘积之和，具体计算公式为：
，即确定j值。例如，在一级影响因子地质岩性的范围内，经过查阅GIS等勘测资料和实地考察等方式，确定最接近于二级子集v1、v2、v3、v4中的哪一种，从而选择合适的二级权值。对于组合了各二级因子的网格单元k，定义其不稳定分值Si=wi·，然后根据各级不稳定分值确定滑坡等地质灾害的易发性指数(LandsLide Susceptibility Index，LSI)。
LSI是评估监测区域的最敏感性指标，值越大，发生滑坡等地质灾害的概率越大，当其超过某具体阀值，就会提前预警。
3．3 数据分析
按照上述公式(1)～(4)，计算各个监测点的LSI，根据地质灾害的易发性指数将检测区域划分为极轻微、轻微、中等、较严重、严重、极严重6级，并用不同颜色进行标记，然后采用等间距、均值一标准差等方法，实时(间隔固定时间，如半小时绘制一次)绘制整个监测区域的滑坡等地质灾害危险系数预警图，从而实现滑坡等地质灾害预报的精细化管理。
在数据建模方面，采用了自调整的动态神经网络模型，利用历史数据或者实施过程中逐步获取的数据，对模型的自身结构及学习规则进行了动态优化，调整各级权重，使模型达到最优，从而使得系统具有更强的适应性和准确性。
结语
本文在原有模型的基础上进行改进，利用传感器网络实时感知监测区域的多种指标，运用多因素动态联合建模，采用定量分析法，对降雨型滑坡等地质灾害进行相对准确预报。系统根据每个监测点的LSI，利用相关方法绘制整个监测区域的危险系数预警图。对于超过阈值的，立即报警，有效预防和避免了地质灾害，保护人民生命财产安全。
系统具有高集成度、高精度、全天候自动化实时监测与自动预警的能力，同时还具有监测范围大、部署灵活的特点。在指导降雨型滑坡的防灾与减灾方面具有较强的实用价值。本文引用地址：https://www.eepw.com.cn/article/159418.htm
物联网相关文章:物联网是什么
评论