一种多源监测数据关联分析的区域滑坡风险定量测算方法技术

本发明专利技术公开了一种多源监测数据关联分析的区域滑坡风险定量测算方法，该预测方法通过深入分析灾害区域多源监测数据，使用概率统计学方法结合信号处理技术对多模态滑坡监测数据中致灾因子表现的数据特征提取与分析，挖掘在时域上特征值之间的潜在、深层的时空关联并利用其特征组合约束滑坡隐患机理模式的判别进一步构建定量回归模型，研究模型驱动的区域滑坡隐患定量测算方法。有益效果为：有助于对区域多源监测数据的充分利用并且提高其在隐患风险分析中的参考性，避免由于不同场景表现的随机性和多样性导致的致灾因子提取与时空预测难以具备通用性等问题的出现，能够支持针对不同滑坡隐患场景的灾害隐患信息获取等相关灾害分析的任务中。

【技术实现步骤摘要】
一种多源监测数据关联分析的区域滑坡风险定量测算方法
本专利技术涉及地理空间数据处理
，具体来说，涉及一种多源监测数据关联分析的区域滑坡风险定量测算方法。
技术介绍
中国山地丘陵区约占国土面积的65％，地质条件复杂，构造活动频繁，崩塌、滑坡、泥石流等突发性地质灾害点多面广、防范难度大，是世界上地质灾害最严重、受威胁人口最多的国家之一。面对严峻复杂的地质灾害防治形势，先后开展了系统全面的地质灾害详细调查和多轮针对灾害隐患的拉网式、地毯式排查，每年汛期不断巡查，并在此基础上建立了较为完善的群测群防体系。但近年来，中国仍不断有灾难性的地质灾害事件发生事后调查发现，这些导致灾难性后果的地质灾害70％以上都不在已知的地质灾害隐患点范围内，其主要原因在于：灾害源区地处大山中上部，多数区域人迹罕至，且被植被覆盖，具有高位、隐蔽性特点，传统的人工排查和群测群防在此类灾害面前已无能为力，传统手段很难提前发现此类灾害隐患。滑坡是一种多发于山地丘陵地带的严重地质灾害，其受多种灾因子的影响，表现出典型的多模态特征。由于我国西部山区重大滑坡隐患多具有隐蔽性、突发性、不确定性等复杂特点，极大地增加了主动防范和监测预警的难度。伴随大数据时代的到来与传感器及人工智能的兴起，地理信息时空数据的采集取得了长足的发展，越来越多的滑坡表征属性监测数据可用于滑坡灾害研究。现存研究缺乏对滑坡模式的准确描述及定义，滑坡机理研究尚处在摸索阶段，并不适合以时空大数据为根本的GIS研究方法。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中的问题，本专利技术提出一种多源监测数据关联分析的区域滑坡风险定量测算方法，以克服现有相关技术所存在的上述技术问题。为此，本专利技术采用的具体技术方案如下：一种多源监测数据关联分析的区域滑坡风险定量测算方法，该预测方法通过深入分析灾害区域多源监测数据，使用概率统计学方法结合信号处理技术对多模态滑坡监测数据中致灾因子表现的数据特征提取与分析，挖掘在时域上特征值之间的潜在、深层的时空关联并利用其特征组合约束滑坡隐患机理模式的判别进一步构建定量回归模型，研究模型驱动的区域滑坡隐患定量测算方法；其特点在于数据关联分析的隐患定量测算，涉及时域关联的区域监测特征分析：根据信号处理技术在时域上对区域监测点数据进行采样并分析获取其潜在的关联特征；涉及特征约束的隐患机理模型判别：基于时间序列组合关联特征实现约束滑坡隐患机理的模式判别；涉及模式引导的定量回归模型构建：依赖模式判别标准并结合回归统计方法构建面向时序监测数据的定量回归模型；涉及模型驱动的滑坡风险定量测算：通过依据监测数据构建的定量回归模型对待分析的滑坡区域数据进行风险定量测算，执行包括以下步骤：S1、时域关联的区域监测特征分析：面向不同滑坡区域场景监测的多源数据获得区域因素与监测数据；根据信号处理技术结合基于区域因素选取的特征点在时域上进行数据特征采样；对上述采样的数据特征组合进行两类或多类特征表现的关联分析，得到时域上的关联特征；根据目标场景描述和后续处理需要，可描述为深层的关联特征挖掘；S2、特征约束的隐患机理模式判别：依据S1中的关联特征，结合重力型滑坡满足的三阶段变形规律，揭示动力型滑坡致灾过程与时空演化规律进一步建立基于演化过程的滑坡隐患机理模式判别标准，为后续的风险测算模型做支撑；S3、模式引导的定量回归模型构建：基于S2中的机理模式判别标准，引导构建面向时序监测数据的定量回归模型，目的为根据当前所处的机理模式进行后续的趋势性拟合程度分析；所述定量回归模型在实例中基于回归斜率、相关系数等分析模型，根据后续研究目的以及定量分析相关性选择模型作为此步骤构建的定量回归模型；S4、模型驱动的滑坡风险定量测算，基于上步构建的定量回归模型，输入待分析的滑坡区域多源监测数据，通过模型的最优回归测算得到拟合优度，目的为依赖地信监测数据。优选的，所述步骤S1中所述时域关联的区域监测特征分析还包括以下步骤：S11、数据特征采样：从滑坡区域布控的多传感器监测的多源数据出发，结合地形地质环境与历史滑坡资料选取特征滑坡点位并导入滑坡点位监测数据即专利中的区域因素与监测数据；由于监测仪器及各种人为因素影响，监测数据在时域上通常呈现不均匀分布，利用信号处理技术结合基于区域因素选取的特征点在时域上进行数据特征采样其中：为当前估值，Kk为卡尔曼增益，Zk为测量值，为前一估值；S12、时域关联分析，基于步骤1a中采样的数据特征，利用聚类与插值法算法获取其在时域上的分布情况；为避免单一指标在后续滑坡预警任务中出现的准确性低、时间较长等问题，根据数据特征以及目标需求组合时域上的数据分布进行两类或多类特征表现的关联分析，目的为获得时域上的关联特征进而实现面向滑坡预警的多指标综合分析；S13、深层特征挖掘：以步骤1b中的时域关联为基础，获得关联分析后的时域特征，对其进行深层次的时序特征挖掘，实现从定量分析到定性判别的层次转换；所述的深层时序特征包括滑坡灾害发生的周期性、滞后性与趋势性等。优选的，不深入研究滑坡地质力学机理，利用相关性分析方法并基于步骤S1中的周期性、滞后性、趋势性等深层关联特征进行约束机理模式的划分，同时由于滑坡灾害存在动态波动及不确定性的特点，在初步模式划定阶段，通过划定可波动范围，实现对特征数据扩缩后可波动范围内拟合程度的判定。优选的，所述特征约束的隐患机理模式判别包括以下3中模式：S21、滑坡稳定模式；S22，滑坡形变模式；S23、滑坡失稳模式。优选的，所述步骤S2中的机理模式判别标准，引导构建面向时序监测数据的回归模型，目的为实现在先验知识指导的同时对多源监测数据进行一定的规范化处理与回归分析，提高模型的泛化性以及计算结果精度。优选的，整合步骤S2与步骤S3的数据处理流程，输入待分析的滑坡区域多源监测数据，通过模型的最优回归测算得到拟合优度，目的为依赖地信监测数据实现滑坡风险性准确先验预测，最后得到多源监测数据关联分析的区域风险定量测算结果。本专利技术的有益效果为：能够面向不同诱发因素及环境变化影响的滑坡场景进行监测数据约束的机理判别，相较于滑坡动力学分析等方法，不需要收集大量的滑坡物理、地质特性方面的知识；根据构建的定量回归模型分析不同诱发因子对滑坡状态的影响程度，进一步对滑坡风险进行定量测算，有助于对区域多源监测数据的充分利用并且提高其在隐患风险分析中的参考性，避免由于不同场景表现的随机性和多样性导致的致灾因子提取与时空预测难以具备通用性等问题的出现，能够支持针对不同滑坡隐患场景的灾害隐患信息获取等相关灾害分析的任务中。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。...

【技术保护点】
1.一种多源监测数据关联分析的区域滑坡风险定量测算方法，其特征在于，该预测方法通过深入分析灾害区域多源监测数据，使用概率统计学方法结合信号处理技术对多模态滑坡监测数据中致灾因子表现的数据特征提取与分析，挖掘在时域上特征值之间的潜在、深层的时空关联并利用其特征组合约束滑坡隐患机理模式的判别进一步构建定量回归模型，研究模型驱动的区域滑坡隐患定量测算方法；/n其特点在于数据关联分析的隐患定量测算，涉及时域关联的区域监测特征分析：根据信号处理技术在时域上对区域监测点数据进行采样并分析获取其潜在的关联特征；/n涉及特征约束的隐患机理模型判别：基于时间序列组合关联特征实现约束滑坡隐患机理的模式判别；/n涉及模式引导的定量回归模型构建：依赖模式判别标准并结合回归统计方法构建面向时序监测数据的定量回归模型；/n涉及模型驱动的滑坡风险定量测算：通过依据监测数据构建的定量回归模型对待分析的滑坡区域数据进行风险定量测算，执行包括以下步骤：/nS1、时域关联的区域监测特征分析：面向不同滑坡区域场景监测的多源数据获得区域因素与监测数据；根据信号处理技术结合基于区域因素选取的特征点在时域上进行数据特征采样；对上述采样的数据特征组合进行两类或多类特征表现的关联分析，得到时域上的关联特征；根据目标场景描述和后续处理需要，可描述为深层的关联特征挖掘；/nS2、特征约束的隐患机理模式判别：依据S1中的关联特征，结合重力型滑坡满足的三阶段变形规律，揭示动力型滑坡致灾过程与时空演化规律进一步建立基于演化过程的滑坡隐患机理模式判别标准，为后续的风险测算模型做支撑；/nS3、模式引导的定量回归模型构建：基于S2中的机理模式判别标准，引导构建面向时序监测数据的定量回归模型，目的为根据当前所处的机理模式进行后续的趋势性拟合程度分析；所述定量回归模型在实例中基于回归斜率、相关系数等分析模型，根据后续研究目的以及定量分析相关性选择模型作为此步骤构建的定量回归模型；/nS4、模型驱动的滑坡风险定量测算，基于上步构建的定量回归模型，输入待分析的滑坡区域多源监测数据，通过模型的最优回归测算得到拟合优度，目的为依赖地信监测数据。/n...

【技术特征摘要】
1.一种多源监测数据关联分析的区域滑坡风险定量测算方法，其特征在于，该预测方法通过深入分析灾害区域多源监测数据，使用概率统计学方法结合信号处理技术对多模态滑坡监测数据中致灾因子表现的数据特征提取与分析，挖掘在时域上特征值之间的潜在、深层的时空关联并利用其特征组合约束滑坡隐患机理模式的判别进一步构建定量回归模型，研究模型驱动的区域滑坡隐患定量测算方法；
其特点在于数据关联分析的隐患定量测算，涉及时域关联的区域监测特征分析：根据信号处理技术在时域上对区域监测点数据进行采样并分析获取其潜在的关联特征；
涉及特征约束的隐患机理模型判别：基于时间序列组合关联特征实现约束滑坡隐患机理的模式判别；
涉及模式引导的定量回归模型构建：依赖模式判别标准并结合回归统计方法构建面向时序监测数据的定量回归模型；
涉及模型驱动的滑坡风险定量测算：通过依据监测数据构建的定量回归模型对待分析的滑坡区域数据进行风险定量测算，执行包括以下步骤：
S1、时域关联的区域监测特征分析：面向不同滑坡区域场景监测的多源数据获得区域因素与监测数据；根据信号处理技术结合基于区域因素选取的特征点在时域上进行数据特征采样；对上述采样的数据特征组合进行两类或多类特征表现的关联分析，得到时域上的关联特征；根据目标场景描述和后续处理需要，可描述为深层的关联特征挖掘；
S2、特征约束的隐患机理模式判别：依据S1中的关联特征，结合重力型滑坡满足的三阶段变形规律，揭示动力型滑坡致灾过程与时空演化规律进一步建立基于演化过程的滑坡隐患机理模式判别标准，为后续的风险测算模型做支撑；
S3、模式引导的定量回归模型构建：基于S2中的机理模式判别标准，引导构建面向时序监测数据的定量回归模型，目的为根据当前所处的机理模式进行后续的趋势性拟合程度分析；所述定量回归模型在实例中基于回归斜率、相关系数等分析模型，根据后续研究目的以及定量分析相关性选择模型作为此步骤构建的定量回归模型；
S4、模型驱动的滑坡风险定量测算，基于上步构建的定量回归模型，输入待分析的滑坡区域多源监测数据，通过模型的最优回归测算得到拟合优度，目的为依赖地信监测数据。


2.根据权利要求2所述的一种多源监测数据关联分析的区域滑坡风险定量测算方法，其特征在于，所述步骤S1中所述时域关联的区域监测特征分析还包括以下步骤：
S11、数据特征采样：从滑坡区域布控的多传感器监测的多...

【专利技术属性】
技术研发人员：谢潇，鄂超，郑善喜，戴维江，闫利，伍庭晨，杨天森，朱伟，张二钢，
申请(专利权)人：核工业湖州工程勘察院有限公司，武汉大学，
类型：发明
国别省市：浙江;33