基于多传感器的灾害预警方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于多传感器的灾害预警方法、系统、设备及存储介质，首先将各个传感器采集的时序数据进行消噪处理，一方面降低传感器测量噪声的干扰，另一方面计算噪声标准差，提高后续偏移判断精度和有效性；将粗差、慢变速度和偏移一同作为待估参数构建估算模型，避免因粗差、慢变速度对偏移判断的影响，能够极大的提高时序数据偏移判断的准确性；估算模型按照阶段迭代估计的方式有效估算偏移参数、慢变速度参数和粗差参数，并对估计的参数进行有效性检验，提高参数估计的可靠性；利用检验合格的参数得到估算的时序数据；最后根据消噪的时序数据与估算的时序数据之间残差和噪声标准差判断是否存在显著偏移，本发明专利技术可提高灾变预警的准确率。变预警的准确率。变预警的准确率。

【技术实现步骤摘要】
基于多传感器的灾害预警方法、系统、设备及存储介质


[0001]本专利技术涉及灾害预警
，特别涉及一种基于多传感器的灾害预警方法、系统、设备及存储介质。

技术介绍

[0002]随着经济社会建设取得成效，地质灾害和工程基础设施的安全风险逐步凸显。通过布设传感器网络，对传感器采集的时序数据进行计算，探测时序数据中的异常变化，可实现灾变分析和安全预警。
[0003]当灾害发育时，传感器采集的时序数据会发生偏移。目前针对单一传感器的时序数据偏移检测采用的方法主要包括：1.人工观察每个传感器的数据曲线，通过肉眼识别数据异常；2.设定阈值，当传感器数据超过该阈值时判定为灾害风险；3.利用拟合方法，通过实际数据与拟合数据的差别判断异常。
[0004]人工观察方法效率太低，设定阈值的方法非常容易受到传感器测量噪声和粗差的干扰而引起误判。拟合方法在灾变发生后收集到足够多的数据后，才能探测到灾变情况，且计算的偏移量可能会小于实际偏移量。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种基于多传感器的灾害预警方法、系统、设备及存储介质，可提高灾变预警的准确率。
[0006]本专利技术的第一方面，提供了一种基于多传感器的灾害预警方法，包括如下步骤：获取用于监测目标区域的每个传感器分别采集的原始时序数据；对每个所述原始时序数据进行消噪，得到第一时序数据；并根据所述原始时序数据和所述第一时序数据计算噪声标准差；根据时序数据的偏移、慢变速度和粗差进行参数化建模，得到如下估算模型：其中，所述估算模型将时序数据中慢变速度部分根据时间平均划分为个阶段，表示第j个传感器在时刻的时序数据，表示对应于第n阶段的起始时刻，表示对应于第n阶段的起始时刻的时序数据，每个阶段的时间长度为，表示偏移参数，表示慢变速度参数系数，取值为0或1，表示对应于第n阶段的慢变速度参数，表示阶段的总数，表示发生粗差的个数，为粗差参数系数，取值为0或1，表示对应于第n阶段的粗差参数；以所述第一时序数据作为所述估算模型的输入，并以最小二乘法估算所述第一时
序数据的偏移参数、慢变速度参数和粗差参数；对估算的所述偏移参数、所述慢变速度参数和所述粗差参数进行有效性检验，并将通过检验的所述偏移参数、所述慢变速度参数和所述粗差参数代入所述估算模型，得到估算的第二时序数据；计算所述第一时序数据与所述第二时序数据之间的残差，根据残差与所述噪声标准差判断所述第一时序数据是否出现偏移；当至少一个所述传感器的所述第一时序数据出现偏移，发出预警信号。
[0007]根据本专利技术的实施例，至少具有如下技术效果：本方法首先将各个传感器采集的时序数据进行消噪处理，一方面降低传感器测量噪声的干扰，另一方面计算能够代表传感器误差水平的噪声标准差，提高后续偏移判断精度和有效性；利用灾害发育时传感器时序数据必然发生明显偏移的特性，将粗差、慢变速度和偏移一同作为待估参数构建估算模型，避免因粗差、慢变速度对偏移判断的影响，能够极大的提高传感器时序数据偏移判断的准确性；估算模型按照阶段迭代估计的方式有效估算偏移参数、慢变速度参数和粗差参数，并对估计的参数进行有效性检验，提高参数估计的可靠性；利用检验合格的参数得到估算的时序数据；最后根据消噪的时序数据与估算的时序数据之间残差和噪声标准差判断是否存在显著偏移，当传感器的时序数据发生偏移，则发送预警信号。本方法可提高灾变预警的准确率。
[0008]根据本专利技术的一些实施例，所述对每个所述原始时序数据进行消噪包括对每个所述原始时序数据进行小波分解阈值消噪；其中，对所述原始时序数据进行小波分解阈值消噪，得到第一时序数据，包括：对所述原始时序数据做小波变换，得到小波分解系数；对所述小波分解系数进行软阈值模式消噪，得到新小波系数；利用所述新小波系数进行小波重构，得到第一时序数据。
[0009]根据本专利技术的一些实施例，所述对估算的所述偏移参数、所述慢变速度参数和所述粗差参数进行有效性检验包括：计算检验统计量，根据所述检验统计量判断估算的参数向量是否满足正态分布：布：其中，表示估算的参数向量，表示参数向量的协方差矩阵，表示变换矩阵，表示正态分布临界值，表示指定的显著水平；通过如下公式判断所述粗差参数的模是否大于设定的粗差下限值：其中，表示设定的粗差下限值；通过如下公式判断所述偏移参数的模是否大于设定的偏移下限值：
其中，表示设定的偏移下限值。
[0010]根据本专利技术的一些实施例，所述计算所述第一时序数据与所述第二时序数据之间的残差，根据所述残差与所述噪声标准差判断所述第一时序数据是否出现偏移，包括：根据公式计算残差；其中，表示第j个传感器在时刻估算的时序数据；根据残差和所述噪声标准差计算第j个传感器的标准化残差；其中，所述表示第j个传感器的所述噪声标准差；当所述标准化残差，则所述第j个传感器的所述第一时序数据出现偏移；其中，所述取值为2至3之间的常数。
[0011]根据本专利技术的一些实施例，当所有所述传感器的所述第一时序数据均未出现偏移，还包括步骤：构建神经网络预测模型，所述神经网络预测模型包括输入层、由神经元构成的隐藏层、输出层以及最优化权值；以目标传感器之外的所有所述传感器的所述第一时序数据作为所述神经网络预测模型的输入；根据所述神经网络预测模型预测所述目标传感器对应的第三时序数据；其中，所述目标传感器是所有所述传感器中的任意一个所述传感器；计算所述目标传感器的所述第一时序数据与所述第三时序数据之间的残差，根据残差与所述噪声标准差判断所述目标传感器的所述第一时序数据是否出现偏移；当所述目标传感器的所述第一时序数据出现偏移，发出预警信号。
[0012]根据本专利技术的一些实施例，所述神经网络预测模型的每个神经元将加权输入量输送到非线性激励函数和中；其中，为第i个神经元输出的时序数据，为前一层神经元输入到第i个神经元的加权和，为神经元的偏置项，为待优化权值，表示输入的时序数据；所述神经网络预测模型的代价函数为，为输入的时序数据，为预测的时序数据。
[0013]本专利技术的第二方面，提供了一种基于多传感器的灾害预警系统，包括：时序数据获取单元，用于获取用于监测目标区域的每个传感器分别采集的原始时序数据；时序数据消噪单元，用于对每个所述原始时序数据进行消噪，得到第一时序数据；并根据所述原始时序数据和所述第一时序数据计算噪声标准差；估算模型单元，用于根据时序数据的偏移、慢变速度和粗差进行参数化建模，得到如下估算模型：
其中，所述估算模型将时序数据中慢变速度部分根据时间平均划分为个阶段，表示第j个传感器在时刻的时序数据，表示对应于第n阶段的起始时刻，表示对应于第n阶段的起始时刻的时序数据，每个阶段的时间长度为，表示偏移参数，表示慢变速度参数系数，取值为0或1，表示对应于第n阶段的慢变速度参数，表示阶段的总数，表示发生粗差的个数，为粗差参数系数，取值为0或1，表示对应于第n阶段的粗差参数；参数估算单元，用于以所述第一时序数据作为所述估算模型的输入，并以最小二乘法估算所述第一时序数据的偏移参数、慢本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的灾害预警方法，其特征在于，包括如下步骤：获取用于监测目标区域的每个传感器分别采集的原始时序数据；对每个所述原始时序数据进行消噪，得到第一时序数据；并根据所述原始时序数据和所述第一时序数据计算噪声标准差；根据时序数据的偏移、慢变速度和粗差进行参数化建模，得到如下估算模型：其中，所述估算模型将时序数据中慢变速度部分根据时间平均划分为个阶段，表示第j个传感器在时刻的时序数据，表示对应于第n阶段的起始时刻，表示对应于第n阶段的起始时刻的时序数据，每个阶段的时间长度为，表示偏移参数，表示慢变速度参数系数，取值为0或1，表示对应于第n阶段的慢变速度参数，表示阶段的总数，表示发生粗差的个数，为粗差参数系数，取值为0或1，表示对应于第n阶段的粗差参数；以所述第一时序数据作为所述估算模型的输入，并以最小二乘法估算所述第一时序数据的偏移参数、慢变速度参数和粗差参数；对估算的所述偏移参数、所述慢变速度参数和所述粗差参数进行有效性检验，并将通过检验的所述偏移参数、所述慢变速度参数和所述粗差参数代入所述估算模型，得到估算的第二时序数据；计算所述第一时序数据与所述第二时序数据之间的残差，根据残差与所述噪声标准差判断所述第一时序数据是否出现偏移；当至少一个所述传感器的所述第一时序数据出现偏移，发出预警信号。2.根据权利要求1所述的基于多传感器的灾害预警方法，其特征在于，所述对每个所述原始时序数据进行消噪包括对每个所述原始时序数据进行小波分解阈值消噪；其中，对所述原始时序数据进行小波分解阈值消噪，得到第一时序数据，包括：对所述原始时序数据做小波变换，得到小波分解系数；对所述小波分解系数进行软阈值模式消噪，得到新小波系数；利用所述新小波系数进行小波重构，得到第一时序数据。3.根据权利要求1所述的基于多传感器的灾害预警方法，其特征在于，所述对估算的所述偏移参数、所述慢变速度参数和所述粗差参数进行有效性检验包括：计算检验统计量，根据所述检验统计量判断估算的参数向量是否满足正态分布：，根据所述检验统计量判断估算的参数向量是否满足正态分布：其中，表示估算的参数向量，表示参数向量的协方差矩阵，表示变换矩阵，
表示正态分布临界值，表示指定的显著水平；通过如下公式判断所述粗差参数的模是否大于设定的粗差下限值：其中，表示设定的粗差下限值；通过如下公式判断所述偏移参数的模是否大于设定的偏移下限值：其中，表示设定的偏移下限值。4.根据权利要求3所述的基于多传感器的灾害预警方法，其特征在于，所述计算所述第一时序数据与所述第二时序数据之间的残差，根据所述残差与所述噪声标准差判断所述第一时序数据是否出现偏移，包括：根据公式计算残差；其中，表示第j个传感器在时刻估算的时序数据；根据残差和所述噪声标准差计算第j个传感器的标准化残差；其中，所述表示第j个传感器的所述噪声标准差；当所述标准化残差，则所述第j个传感器的所述第一时序数据出现偏移；其中，所述取值为2至3之间的常数。5.根据权利要求1至4任一项所述的基于多传感器的灾害预警方法，其特征在于，当所有所述传感器的所述第一时序数据均未出现偏移，还包括步骤：构建神经网络预测模型，所述神经网络预测模型包括输入层、由神经元构成的隐藏层、输出层以及最优化权值；以目标传感器之外的所有所述传感器的所述第一时序数据作为所述神经网络预测模型的输入；根据所述神经网络预测模型预测所述目标传感器对应的第三时序数据；其中，所述目标传感器是所有所述传感器中的任意一个所述传感器；计算所述目标传感器的所述第...

【专利技术属性】
技术研发人员：甘雨，赵星宇，杨世忠，
申请(专利权)人：湖南北斗微芯产业发展有限公司，
类型：发明
国别省市：