以降雨量为主进行滑坡预报的滞后非线性时间预报方法技术

本发明专利技术公开了一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，包括下列步骤：步骤一：对降雨量与土壤浅层含水率、地下水位的相关性进行分析，得出其关联度和函数关系；步骤二：基于上述关系构建降雨量与土壤含水率、地下水位的非线性模型；步骤三：分析降雨量变化对土壤含水率、地下水位的影响，判断其滞后周期，最终得出以降雨量为主进行滑坡预报的滞后非线性时间预报方法。通过此方法，在收集监测站降雨量数据的同时，可以实现对土壤含水率、地下水位的预测，并且可以判断出降雨量产生影响的滞后周期，在滞后期内仍需要采用物联网监测预警技术对滑坡进行紧密监测，一旦有明显变化，相关部门可以及时做出应急措施。

Delay nonlinear time prediction method for landslide prediction based on rainfall

【技术实现步骤摘要】
以降雨量为主进行滑坡预报的滞后非线性时间预报方法
本专利技术涉及地质灾害监测预警领域，具体是一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法。
技术介绍
滑坡灾害的发生与降雨量有很大关系，不仅与当天降水量有关，而且还可能受前一天乃至前几天的影响。在秦巴山区，强降雨是诱发地质灾害的主要原因，降雨是地质灾害形成的重要诱发因素，主要表现在三个方面：(1)增加岩土体的含水量和自重，造成岩土体抗剪强度降低及加载失衡；(2)雨水下渗在基岩顶面隔水汇集，软化软弱基岩面，起到润滑作用，形成易滑面；(3)使地下水位迅速抬高，潜流速增大，造成动水压力增大，增强下滑力。根据秦巴山区地质灾害时空分布规律与发育特征，得出地质灾害与地质灾害隐患点的发生或变形的时间集中在5-10月，因此，秦巴山区地质灾害的发生与汛期降雨充沛、雨量较大有直接关系。从年际变化来看，每3～5年会发生一次特大型地质灾害，这主要受降水年际变化的影响。地质灾害有多样性、突发性、集中性、链生性、周期性。采用物联网技术进行多方位实时监测，发现土壤含水率及地下水位与土壤自身特性、降雨量、降雨持续时间联系紧密，因此选取三者进行相关性分析。目前滑坡预报模型的构建大多数都考虑到降雨的实时或月位移量的影响，但实际滑坡的发生不仅与即时降雨量有关，也与累计降雨量对土壤含水率和地下水位的影响有关，并且降雨量对土壤含水率和地下水位的影响具有一定的滞后性和持续性，通过本专利技术可以推断出其滞后周期，从而达到精准监测、准确预报的目的。
技术实现思路
本专利技术的目的在于提供一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，包括下列步骤：对降雨量与土壤浅层含水率、地下水位的相关性进行分析，对秦巴山区地质灾害王洼滑坡监测站所采集的数据进行理论分析，选取汛期三个月(8、9、10)的监测数据作为研究对象，监测数据包括降雨量、浅层土壤含水率(50cm)、地下水位数据，对三者数据其进行拟合，分析其相关性，得出其关联度和函数关系；步骤二：基于上述关系构建降雨量与土壤含水率、地下水位的非线性模型；步骤三：分析降雨量变化对土壤含水率、地下水位的影响，土壤含水率、地下水位随着降雨量的增加而增加。降雨强度越大，降雨入渗补给地下水越多，入渗越快，土壤含水率变化越明显；降雨量无明显变化时，地下水位也保持在较稳定状态，没有较大起伏，地下水位在9、10月有明显的下降，这与当地秋冬伊始农作物灌溉有关，从而根据地下水位开始变化的时间判断其滞后周期，最终得出以降雨量为主进行滑坡预报的滞后非线性时间预报方法，实现对滑坡的预报。作为本专利技术进一步的方案：所述步骤一中在分析降雨量与土壤浅层含水率、地下水位的相关性时，选取了汛期降雨量较大、雨水充沛的季节的监测数据，具有代表性，同时考虑到降雨入渗及蒸发作用，为了保证土壤含水率数据的可靠性，选取了埋深50cm的土壤含水率监测数据进行分析。作为本专利技术再进一步的方案：所述步骤二中构建的非线性模型为：Yi＝(∝1，...，∝j)ln(Xi1，Xi2，...，Xik)+βi(1)式中：Yi——土壤含水率、地下水位--因变量(∝1，...，∝j)——模型参数--斜率Xi1，Xi2，...，Xik——降雨量--自变量βi——扰动参数--截距ln(Xi1，Xi2，...，Xik)——非线性函数。作为本专利技术再进一步的方案：所述步骤三中通过降雨量对土壤含水率、地下水位变化的影响变化，可判断得出其滞后周期。作为本专利技术再进一步的方案：所述步骤一中分析的基础数据为采用物联网技术的监测系统采集到的实时数据。作为本专利技术再进一步的方案：所述步骤三中根据最终判断得出的滞后周期，可以应用于实际的预报之中，若滑坡未发生但仍处于滞后周期内，则滑坡的威胁还不能消除。作为本专利技术再进一步的方案：所述步骤三中对滑坡预报的实现建立在实时联网分析的基础上，能够做到实时数据实时分析。与现有技术相比，本专利技术的有益效果是：通过对汛期典型地质灾害点监测站点的数据分析，构建降雨量与土壤含水率、地下水位的非线性模型，在收集监测站降雨量数据的同时，可以实时对含水率、地下水位进行监测分析并进行预测，一旦有显著变化，便可及时上传至客户端，通知相关部门采取应急措施附图说明图1是本专利技术的8月降雨量与土壤浅层含水率、地下水位的相关性分析图；图2是本专利技术的9月降雨量与土壤浅层含水率、地下水位的相关性分析图；图3是本专利技术的10月降雨量与土壤浅层含水率、地下水位的相关性分析图；图4是本专利技术的8月降雨量对土壤含水率、地下水位的影响图；图5是本专利技术的9月降雨量对土壤含水率、地下水位的影响图；图6是本专利技术的10月降雨量对土壤含水率、地下水位的影响图。具体实施方式下面结合具体实施方式对本专利技术的技术方案作进一步详细地说明。实施例1一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，包括下列步骤：步骤一：对降雨量与土壤浅层含水率、地下水位的相关性进行分析，得出其关联度和函数关系；步骤二：基于上述关系构建降雨量与土壤含水率、地下水位的非线性模型；步骤三：分析降雨量变化对土壤含水率、地下水位的影响，判断其滞后周期，最终得出以降雨量为主进行滑坡预报的滞后非线性时间预报方法。所述步骤一中在分析降雨量与土壤浅层含水率、地下水位的相关性时，选取了汛期降雨量较大、雨水充沛的季节的监测数据，具有代表性，同时考虑到降雨入渗及蒸发作用，为了保证土壤含水率数据的可靠性，选取了埋深50cm的土壤含水率监测数据进行分析。所述步骤二中构建的非线性模型为：Yi＝(∝1，...，∝j)ln(Xi1，Xi2，...，Xik)+βi(1)式中：Yi——土壤含水率、地下水位--因变量(∝1，...，aj)——模型参数--斜率Xi1，Xi2，...，Xik——降雨量--自变量βi——扰动参数--截距ln(Xi1，Xi2，...，Xik)——非线性函数。所述步骤三中通过降雨量对土壤含水率、地下水位变化的影响变化，可判断得出其滞后周期。所述步骤一中分析的基础数据为采用物联网技术的监测系统采集到的实时数据。所述步骤三中根据最终判断得出的滞后周期，可以应用于实际的预报之中，若滑坡未发生但仍处于滞后周期内，则滑坡的威胁还不能消除。所述步骤三中对滑坡预报的实现建立在实时联网分析的基础上，能够做到实时数据实时分析。实施例2一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，包括下列步骤：步骤一：根据秦巴山区地质灾害时空分布规律与发育特征，得出地质灾害及其隐患点的发生或变形时间集中在5-10月。步骤本文档来自技高网...

【技术保护点】
1.一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，其特征在于，包括下列步骤：/n步骤一：对降雨量与土壤浅层含水率、地下水位的相关性进行分析，得出其关联度和函数关系；/n步骤二：基于上述关系构建降雨量与土壤含水率、地下水位的非线性模型；/n步骤三：分析降雨量变化对土壤含水率、地下水位的影响，判断其滞后周期，最终得出以降雨量为主进行滑坡预报的滞后非线性时间预报方法。/n

【技术特征摘要】
1.一种以降雨量为主进行滑坡预报的滞后非线性时间预报方法，其特征在于，包括下列步骤：
步骤一：对降雨量与土壤浅层含水率、地下水位的相关性进行分析，得出其关联度和函数关系；
步骤二：基于上述关系构建降雨量与土壤含水率、地下水位的非线性模型；
步骤三：分析降雨量变化对土壤含水率、地下水位的影响，判断其滞后周期，最终得出以降雨量为主进行滑坡预报的滞后非线性时间预报方法。


2.根据权利要求1所述的以降雨量为主进行滑坡预报的滞后非线性时间预报方法，其特征在于，
所述步骤二中构建的非线性模型为：
Yi＝(∝1，...，∝j)ln(Xi1，Xi2，...，Xik)+βi(1)
式中：Yi-土壤含水率、地下水位--因变量
(∝1，...，∝j)-模型参数--斜率
Xi1，Xi2，...，Xik-降雨量--自变量
βi-扰动参数--截距
ln(Xi1，Xi2，...，Xik)-非线性函数。


3.根据权利要求1所述的以降雨量为主进行滑坡预报的滞后非线性时间预报方法，其特征在于，所述步骤三中通过降雨量对土...

【专利技术属性】
技术研发人员：谢婉丽，杨惠，李永红，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61