[發明專利]一種基于大數據分析的地質災害智能預警系統

有效

• 申請號: 202310944285.3
• 申請日: 2023-07-31
• 公開（公告）號: CN116663752B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 劉同文;徐進達;張志進;薛立明;于廣婷;何祖臣;宋冠涵;段越洋
• 申請（專利權）人: 山東省地質測繪院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G08B21/10;G06Q50/26;G06F17/18
• 代理公司: 北京力致專利代理事務所(特殊普通合伙) 11900
• 代理人: 周厚民

1.一種基于大數據分析的地質災害智能預警系統，其特征在于，所述系統包括：數據采集和存儲模塊（10）、數據處理模塊（20）、預測模塊（30）和預警模塊（40）；其中：

所述數據采集和存儲模塊（10），用以獲取并存儲P波數據和歷史崩塌數據，所述歷史崩塌數據包括時間數據和崩塌規模級別數據；

所述數據處理模塊（20），配置有地質災害預警分析模型，用以訪問并處理所述P波數據和所述歷史崩塌數據，包括數據預處理子模塊（21）、崩塌周期密度計算子模塊（22）、崩塌規模級別密度計算子模塊（23）、崩塌可預測系數計算子模塊（24）和平滑因子計算子模塊（25）；

所述預測模塊（30），用以根據平滑因子，使用指數移動平均法對所述P波數據進行短期預測，得到P波短期預測數據，然后根據所述P波短期預測數據，根據崩塌規模級別計算公式計算獲得預測崩塌規模級別，并將所述預測崩塌規模級別發送到崩塌災害預警模塊（40）；

所述預警模塊（40），用以根據所述預測崩塌規模級別進行分級預警。

2.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述P波數據和所述歷史崩塌數據存儲在大規模分布式存儲系統中，所述大規模分布式存儲系統包括Hadoop，NoSQL或數據倉庫。

3.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述數據預處理子模塊（21），用以對所述P波數據和所述歷史崩塌數據進行缺失值補充和對不同的時間序列數據進行序列對齊，所述序列對齊的方法為DTW算法，所述缺失值補充的方法包括均值填充、眾數填充、最近鄰插補。

4.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述崩塌周期密度計算子模塊（22），配置崩塌周期密度計算模型，用以根據所述時間數據得到崩塌時間序列，對所述崩塌時間序列進行一階差分并排序得到崩塌周期序列，根據所述崩塌周期序列計算獲得崩塌周期密度，所述崩塌周期密度的計算方法為：

，

其中，表示崩塌周期密度，表示崩塌周期序列最大值，表示崩塌周期序列長度，表示崩塌周期序列中第i個元素的值，表示崩塌周期序列的標準差。

5.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述崩塌規模級別密度計算子模塊（23），配置有崩塌規模級別密度計算模型，用以根據所述崩塌規模級別數據得到崩塌規模級別序列，根據所述崩塌規模級別序列計算獲得崩塌規模級別密度，所述崩塌規模級別密度的計算方法為：

，

其中，表示崩塌規模級別密度，表示崩塌規模級別序列長度，表示崩塌規模級別序列中第i個元素的值，表示崩塌規模級別序列中第i+1個元素的值，表示崩塌規模級別序列的標準差，表示通過崩塌規模級別序列計算得到的Hurst指數。

6.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述崩塌可預測系數計算子模塊（24），配置有崩塌可預測系數計算模型，用以根據所述崩塌周期密度和所述崩塌規模級別密度計算獲得崩塌可預測系數，所述崩塌可預測系數的計算方法為：

，

其中，表示崩塌可預測系數，表示崩塌規模級別密度，表示崩塌周期密度。

7.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述平滑因子計算子模塊（25），配置有平滑因子計算模型，用以根據所述崩塌規模級別數據和所述崩塌可預測系數，計算獲得平滑因子，所述平滑因子的計算方法為：

，

其中，表示平滑因子，表示對括號內元素使用Z_score方法進行歸一化，表示平均崩塌規模級別，表示崩塌可預測系數。

8.根據權利要求1所述的基于大數據分析的地質災害智能預警系統，其特征在于，所述分級預警包括一級預警、二級預警和三級預警，其中，當所述預測崩塌規模級別為中小型時進行三級預警，當所述預測崩塌規模級別為大型時進行二級預警，當所述預測崩塌規模級別為特大型及以上時進行一級預警。