[發(fā)明專利]基于多傳感數(shù)據(jù)融合技術(shù)的山體滑坡預(yù)警方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110052736.3
• 申請(qǐng)日: 2021-01-15
• 公開（公告）號(hào): CN112903008B
• 公開（公告）日: 2023-01-10
• 發(fā)明（設(shè)計(jì)）人: 陳木生;蔡植善;曾永西
• 申請(qǐng)（專利權(quán)）人: 泉州師范學(xué)院
• 主分類號(hào): G01D21/02
• 分類號(hào): G01D21/02
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 丘鴻超;蔡學(xué)俊

1.一種基于多傳感數(shù)據(jù)融合技術(shù)的山體滑坡預(yù)警方法，其特征在于，包括以下步驟：

步驟S1：分別測(cè)出監(jiān)測(cè)點(diǎn)位置的有效降雨量、地表位移量和深部位移量，并分別轉(zhuǎn)換成對(duì)應(yīng)的發(fā)生滑坡的概率；

步驟S2：將三種發(fā)生滑坡的概率分別轉(zhuǎn)換為直覺模糊集；

步驟S3：計(jì)算基于熵和模糊散度測(cè)度的權(quán)重系數(shù)，獲得加權(quán)基本概率賦值函數(shù)；

步驟S4：利用改進(jìn)型DS證據(jù)理論融合規(guī)則進(jìn)行迭代處理，得到融合結(jié)果作為最終滑坡的概率；

步驟S1具體包括以下步驟：

步驟S31：將有效降雨量轉(zhuǎn)換成發(fā)生滑坡的概率：

所述有效降雨量通過(guò)下式計(jì)算獲得：

A_l＝0.5406×e^-3.392×l+7.94×10^-2e^-0.1286×l (2)

其中l(wèi)＝0時(shí)x₀代表當(dāng)天24小時(shí)降雨量，l＝1時(shí)x₁代表前一天24小時(shí)降雨量，l＝2時(shí)x₂代表前兩天24小時(shí)降雨量，l＝3時(shí)x₃代表前三天24小時(shí)降雨量，A_l代表每天的權(quán)重系數(shù)；

采用以下公式將有效降雨量轉(zhuǎn)換成產(chǎn)生山體滑坡的概率：

P_R(R)＝(1.134×10^-4×R³-0.02814×R²+2.348×R+12.96)/100(3)；其中下標(biāo)R代表有效降雨量；

步驟S32：將地表位移量轉(zhuǎn)換成發(fā)生滑坡的概率：

利用GNSS定位系統(tǒng)和RTK技術(shù)計(jì)算測(cè)量點(diǎn)的水平位移量和垂直位移量，并將水平位移量和垂直位移量的比值轉(zhuǎn)換成對(duì)山體滑坡的概率：

P_G(k)＝0.8539e^0.04242k-2.248e^-13.73k (4)

其中k表示水平位移量和垂直位移量的比值；下標(biāo)G代表表面水平位移量和垂直位移量；

步驟S33：將深部位移量轉(zhuǎn)換成發(fā)生滑坡的概率：

其中D和d均表示深部位移量；

在步驟S2中，采用隸屬度U、非隸屬度V和猶豫度π三方面對(duì)滑坡事件進(jìn)行描述，將有效降雨量、地表位移量和深部位移量轉(zhuǎn)換成的發(fā)生滑坡的概率轉(zhuǎn)換成直覺模糊集m＝{U(x),V(x),π(x)}：

U(x)＝P(x)-0.5π(x) (7)

V(x)＝1-π(x)-U(x) (8)；

利用公式(6)-(8)對(duì)有效降雨量產(chǎn)生滑坡的概率進(jìn)行轉(zhuǎn)換，得到直覺模糊集

利用公式(6)-(8)對(duì)深部位移量產(chǎn)生滑坡的概率進(jìn)行轉(zhuǎn)換，得到直覺模糊集

利用公式(6)-(8)對(duì)表面位移量比值產(chǎn)生滑坡的概率進(jìn)行轉(zhuǎn)換，得到直覺模糊集

步驟S3具體包括以下步驟：

步驟S31：基于猶豫直覺模糊熵確定加權(quán)系數(shù)：

其中，n分別表示角標(biāo)表示R、D、G三個(gè)參量對(duì)應(yīng)的模糊集函數(shù)；

步驟S32：構(gòu)建任意滑坡預(yù)測(cè)系統(tǒng)中各傳感器之間的相似度矩陣C：已知三個(gè)傳感器的直覺模糊集為：則它們之間的相似度矩陣為：

其中i,j分別可以取R,D,G三個(gè)模糊集函數(shù)；當(dāng)i＝j(luò)即直覺模糊集相同時(shí)，它們之間的相似度為1；利用該方法得到R、D、G三個(gè)參量對(duì)應(yīng)的模糊集函數(shù)之間的相似度矩陣C

計(jì)算R,D,G對(duì)產(chǎn)生滑坡的支持度Sup，下標(biāo)代表不同的傳感器：

歸一化各傳感器的支持度：

步驟S33：計(jì)算各傳感器直覺模糊集的加權(quán)系數(shù)，獲得加權(quán)基本概率賦值函數(shù)B：

步驟S4具體包括以下步驟：

令直覺模糊集函數(shù)為利用改進(jìn)型DS證據(jù)理論方法進(jìn)行融合處理，融合結(jié)果為F，融合過(guò)程為：

則融合結(jié)果F的直覺模糊集為

利用以上融合算法對(duì)加權(quán)模糊集概率分布函數(shù)進(jìn)行2次迭代處理，得到最后的融合結(jié)果