一种基于运动角差的滑坡位移相似性匹配方法及系统技术方案

技术编号:20364374 阅读:17 留言:0更新日期:2019-02-16 17:12
一种基于运动角差的滑坡位移相似性匹配方法与系统,方案是:获取滑坡位移监测数据,对同一地区选择不同的滑坡同时收集每个滑坡不同监测点的位移监测数据;将对应的每个月内的降雨和库水位数据进行标准化和归一化处理组成激励项;将每个月的位移监测数据转换为对应月度的位移运动角,计算相邻月度之间的运动角差,分别组成状态项和响应项;将激励项、状态项和响应项组合到矩阵中,构成当月的状态单元;集合不同滑坡监测点不同月度的状态单元,构成状态单元集;用相同的方法得出待匹配状态单元;选择状态单元集中和待匹配状态单元对应的模式向量之间加权欧氏距离最小的状态单元作为匹配结果。本发明专利技术对滑坡位移的预测,预测结果准确,适用范围广泛。

【技术实现步骤摘要】
一种基于运动角差的滑坡位移相似性匹配方法及系统
本专利技术涉及地质滑坡灾害监测
,提出一种基于运动角差的滑坡位移相似性匹配方法及系统。
技术介绍
目前,滑坡的研究主要集中在两个方向:一是基于统计学原理分析滑坡与外界因素的关系;二是分析外界因素诱发滑坡的机理。研究滑坡产生的本质规律,需要根据不同的属性、特征和表象将其分门别类,总结相似滑坡具有的共性,才能更好地确定诱发滑坡变形的主要因素,继而分析其变形规律。对于滑坡的两个主要研究方向,不同滑坡的相似性分析都显得尤为重要,只有在相似滑坡上进行的统计分析和机理分析才能准确地得到该类型滑坡的形成机理,指导滑坡预测、预警和防治工作。近年来,许多学者通过不同的属性和特征对滑坡进行分类,并根据分类后的滑坡的共有特性进行了滑坡的诱发机制和机理分析。在对不同滑坡进行诱发机制分析和防护治理时,根据滑坡的相似性进行分类具有非常重要的意义。滑坡位移监测是分析滑坡演化变形规律的重要手段,是滑坡定量研究的基础。为了全面掌握整个滑坡的位移形变状况,往往会在滑坡上分布放置多个监测点,通过多个监测点得到多组滑坡位移数据,从而综合分析滑坡在演化过程中的整体位移形变情况。在已有文献的研究中,大多数通过选取其中一个具有代表性的监测点的位移数据分析滑坡的运动形态。然而,运用单一监测点的位移数据来分析整个滑坡的运动是不全面的。近年来,部分学者开始尝试使用多个监测点的位移数据对滑坡进行研究。如果将运动情况完全不同的监测点的数据进行融合,不仅不能准确的分析滑坡的运动形态,反而会丢失各自独特的运动特征。因此,在对滑坡的多个监测点位移数据融合前,对这些监测点进行相似性分析也显得尤为重要。滑坡的形成具有一定的规律,因此在同一地理区域会有许多性质相似的滑坡。比如在三峡库区,涉岸的顺层滑坡占库岸沿线的35.2%,其中大部分都是巴东组软岩作为滑动带的顺层滑坡,滑坡的性质相似或相同。而且,部分滑坡在相似的降雨和库水等外界条件下显示出了惊人的相似性。但由于不同滑坡规模不同以及外界环境的不同,即使滑坡的类型相同,每月的位移值不可能相同或相似。因此对这类监测点进行类比研究时,就需要有更好的方法来分析其的相似性。
技术实现思路
本针对现有技术上存在的不足,本专利技术提出基于运动角差的滑坡位移相似性匹配方法及系统,适用于判断地质结构相似的不同滑坡以及同一滑坡的多个监测点之间不同时期的相似程度。对于不同时期高度相似的滑坡位移监测点,可以利用不同时期的位移监测数据通过匹配进行滑坡位移预测预报。为了实现以上的目的,本专利技术通过如下的技术方案实现:本专利技术的基于运动角差的滑坡位移相似性匹配方法包括以下步骤:(a)获取滑坡位移监测数据,对同一地区选择不同的滑坡同时收集每个滑坡不同监测点的位移监测数据;(b)将位移监测数据对应的每一个月内的降雨和库水位数据进行标准化和归一化处理,组成激励项;(c)将每个月的位移监测数据转换为对应月度的位移运动角,并且计算相邻月度之间的运动角差,将位移运动角以及运动角差分别组成状态项和响应项;(d)对于每个月:将激励项、状态项和响应项组合到矩阵中,构成当月的状态单元;(e)同时集合不同滑坡监测点不同月度的状态单元,构成状态单元集;(f)获取待匹配的监测点的位移监测数据,采用与步骤(b)~(d)相同的方法得出待匹配状态单元;(g)分别计算待匹配状态单元和状态单元集中各个的状态单元所对应的模式向量之间的加权欧式距离,最后选择状态单元集中和待匹配状态单元之间对应的加权欧氏距离最小的状态单元作为待匹配状态单元的匹配结果。本专利技术为解决其技术问题,还提供了一种基于运动角差的滑坡位移相似性匹配系统,该系统与上述的方法相对应。利用本专利技术的基于运动角差的滑坡位移相似性匹配方法及系统进行滑坡的匹配,以实现对滑坡位移的预测,预测结果准确,适用范围广泛。附图说明下面将结合附图及实施例对本专利技术作进一步说明,附图中:图1是本专利技术的基于运动角差的滑坡位移相似性匹配方法的流程图;图2是滑坡地理位置图;图3是滑坡GPS监测点位置图;图4是累计位移图;图5是状态单元的构建图;图6是白水河滑坡ZG93监测点2016年6月相似性度量结果图;图7是相似性度量方法的预测结果图;图8是预测误差对比图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本专利技术的具体实施方式。参考图1,本专利技术的基于运动角差的滑坡位移相似性匹配方法包括以下步骤:(1)收集滑坡位移监测数据:对同一地区选择不同的滑坡同时收集每个滑坡不同监测点的位移监测数据;(2)将位移监测数据对应的每一个月内的降雨和库水位数据进行标准化和归一化处理,组成激励项;(3)基于滑坡运动角差的概念,将滑坡每个月的位移监测数据转换为月度的位移运动角,并且计算相邻月度之间的运动角差,组成状态项和响应项;(4)将激励项、状态项和响应项组合到矩阵中,构成状态单元;(5)同时集合不同滑坡监测点不同时间段的状态单元,构成状态单元集;(6)获取待匹配的监测点的位移监测数据,采用与步骤(2)~(4)相同的方法得出待匹配状态单元;(7)通过计算待匹配状态单元和状态单元集中各个的状态单元所对应的模式向量之间的加权欧式距离,衡量两个相似单元的相似性。最后选择状态单元集中和待匹配状态单元加权欧氏距离最小的状态单元作为匹配的相似单元;进一步步骤(2)中,根据式(1)分别对降雨和库水数据进行标准化和归一化,消除降雨和库水数据的尺度效应。式(1)中,i表示月份,j表示监测点,n和p分别表示月份和监测点的数目,x表示降雨/库水数据,x*表示标准化和归一化的结果。进一步,步骤(3)中,根据各个监测点变形速度数据的最大值,利用公式(2)将每个月的变形速度转换为运动角θ,利用运动角表示监测点的位移情况,这样能够有效的统一各个监测点的运动情况。式(2),Di,j为第i个监测点的第j个月的变形速度值;di为第i个监测点历史阶段内的变形速度值。运动角差是指同一个监测点每两个月的运动角的差值,利用公式(2)可求得每个监测点每个月的运动角差值,将监测点每个月的运动角差数据作为每个月的特征数据,这些特征数据组成一个特征向量,不同监测点之间特征向量的距离能够表示各个监测点的变形速度-时间曲线的相似程度,根据运动角差组成的特征向量进行聚类,可以解决位移尺度和监测点虽然月位移大小相似,但运动情况完全不同等问题。这样就很好地解决了上述地同一个滑坡运动情况不相似问题以及不同滑坡的尺度问题。因此,运动角差的引入具有合理地现实意义。式(3)中,di,j-1为第i个监测点的第j-1个月的变形速度值;Δθi,j为第i个监测点的第j个月的运动角差。假设有监测点Ⅰ、Ⅱ和Ⅲ的5个月的位移数据,根据式(2)计算其运动角差,再求出监测点两两之间的位移欧氏距离和运动角差距离,结果如表1所示。表1位移和运动角差比较从表1可以看出,如果仅从位移的欧氏距离来看,Ⅰ与Ⅱ更相似,而如果从运动角差的距离来看,Ⅰ与Ⅲ更相似。显然,在相同的外界条件下,监测点Ⅰ的位移与监测点Ⅱ的位移在变化趋势上是相反的,比如2月相较于1月,监测点Ⅰ的位移值变小,而监测点Ⅱ的位移值变大。监测点Ⅰ与监测点Ⅲ的位移情况在很大程度上确实是及其相似的,数值上的差异是因为滑坡的规模和尺度本文档来自技高网
...

【技术保护点】
1.一种基于运动角差的滑坡位移相似性匹配方法,其特征在于,包括以下步骤:(a)获取滑坡位移监测数据,对同一地区选择不同的滑坡同时收集每个滑坡不同监测点的位移监测数据;(b)将位移监测数据对应的每一个月内的降雨和库水位数据进行标准化和归一化处理,组成激励项;(c)将每个月的位移监测数据转换为对应月度的位移运动角,并且计算相邻月度之间的运动角差,将位移运动角以及运动角差分别组成状态项和响应项;(d)对于每个月:将激励项、状态项和响应项组合到矩阵中,构成当月的状态单元;(e)同时集合不同滑坡监测点不同月度的状态单元,构成状态单元集;(f)获取待匹配的监测点的位移监测数据,采用与步骤(b)~(d)相同的方法得出待匹配状态单元;(g)分别计算待匹配状态单元和状态单元集中各个的状态单元所对应的模式向量之间的加权欧式距离,最后选择状态单元集中和待匹配状态单元之间对应的加权欧氏距离最小的状态单元作为待匹配状态单元的匹配结果。

【技术特征摘要】
1.一种基于运动角差的滑坡位移相似性匹配方法,其特征在于,包括以下步骤:(a)获取滑坡位移监测数据,对同一地区选择不同的滑坡同时收集每个滑坡不同监测点的位移监测数据;(b)将位移监测数据对应的每一个月内的降雨和库水位数据进行标准化和归一化处理,组成激励项;(c)将每个月的位移监测数据转换为对应月度的位移运动角,并且计算相邻月度之间的运动角差,将位移运动角以及运动角差分别组成状态项和响应项;(d)对于每个月:将激励项、状态项和响应项组合到矩阵中,构成当月的状态单元;(e)同时集合不同滑坡监测点不同月度的状态单元,构成状态单元集;(f)获取待匹配的监测点的位移监测数据,采用与步骤(b)~(d)相同的方法得出待匹配状态单元;(g)分别计算待匹配状态单元和状态单元集中各个的状态单元所对应的模式向量之间的加权欧式距离,最后选择状态单元集中和待匹配状态单元之间对应的加权欧氏距离最小的状态单元作为待匹配状态单元的匹配结果。2.根据权利要求1的基于运动角差的滑坡位移相似性匹配方法,其特征在于,步骤(b)中是根据公式(1)对降雨和库水数据进行标准化和归一化的;式(1)中,i表示月份,j表示监测点,n和p分别表示月份和监测点的数目,x表示降雨/库水数据,x*表示标准化和归一化的结果。3.根据权利要求1的基于运动角差的滑坡位移相似性匹配方法,其特征在于,步骤(c)中,根据各个监测点变形速度数据的最大值,利用公式(2)将每个月的变形速度转换为运动角θ;式(2),Di,j为第i个监测点的第j个月的变形速度值;di为第i个监测点历史阶段内的变形速度值;利用公式(3)计算出运动角差△θi,j;式(3)中,di,j-1为第i个监测点的第j-1个月的变形速度值;Δθi,j为第i个监测点的第j个月的运动角差。4.根据权利要求1的基于运动角差的滑坡位移相似性匹配方法,其特征在于,步骤(d)、(e)具体包括以下步骤:假设时间段设置为N个月,状态单元是根据月降雨量、月库水位和变形速度数据,利用公式(4)构建的矩阵单元;式(4)中,Rn和Kn分别是标准化和归一化后的降雨量和库水值,Δθn对应的运动角差;其中,每行由一种监测项转换得到,前两行为激励项,最后一行为状态项和响应项;每列代表一个月份的激励和状态情况,n表示当前月的前第n个月份,n=0,1,2,3,…,N;根据时间顺序,根据公式(5)将多个滑坡监测点不同月度的状态单元sn,t集合到一起,构成状态单元集S:S={sn,t|n∈Name,t∈T}(5)式(5)中,Name为同滑坡命名空间,T为全部的监测时间。5.根据权利要求1的基于运动角差的滑坡位移相似性匹配方法,其特征在于,步骤(g)中具体包括以下步骤:假设待匹配状态单元为so,状态单元集中任意一个状态单元为sm,将so和sm中除响应项Δθ0外的元素构成两个3N-1维的模式向量vo和vm:so→vo=[Ro,Ko,Δθo]=[Ron,…,Ro0,Kon,…,Ko0,Δθon,…,Δθo1]sm→vm=[Rm,Km,Δθm]=[Rmn,…,Rm0,Kmn,…,Km0,Δθmn,…,Δθm1]根据公式(6),计算vo和vm两个模式向量的加权欧式距离:式(6)中,α和β是权重参数。6.一种基于运动角差的滑坡位移相似性匹配系统,其特征在于,包括以下模块:数据获取模...

【专利技术属性】
技术研发人员:刘勇金靖坤陈喆胡宝丹吴钊
申请(专利权)人:中国地质大学武汉
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1