一种基于大数据分析的地质灾害智能预警系统技术方案

本申请属于数据处理技术领域，提供了一种基于大数据分析的地质灾害智能预警系统包括：数据采集和存储模块、数据处理模块、预测模块和预警模块；其中，数据采集和存储模块用以获取并存储P波数据和历史崩塌数据；数据处理模块用以访问并处理P波数据和历史崩塌数据，包括数据预处理子模块、崩塌周期密度计算子模块、崩塌规模级别密度计算子模块、崩塌可预测系数计算子模块和平滑因子计算子模块；预测模块用以根据平滑因子对P波数据进行短期预测，然后根据P波短期预测数据计算获得预测崩塌规模级别；预警模块用以根据预测崩塌规模级别进行分级预警。本发明专利技术提供的系统获得的平滑因子更符合崩塌特征，进而提高了崩塌预测的准确度。度。度。

【技术实现步骤摘要】
一种基于大数据分析的地质灾害智能预警系统


[0001]本申请涉及数据处理
，尤其涉及一种基于大数据分析的地质灾害智能预警系统。

技术介绍

[0002]地质灾害智能预警系统是一种基于现代信息技术和先进预测算法的综合性应用系统，能够在一定程度上实现对地质灾害的自动监测和实时预警。它通常是首先通过传感器采集得到地质数据，然后利用智能算法模型对地质数据进行处理，之后根据数据模型判断地质灾害的发生可能性，并提供预警和预测服务。
[0003]智能预警系统的实现需要依赖于多种现代信息技术和算法，例如物联网技术、大数据分析、机器学习、人工智能等，同时还需要结合现场的实际情况进行实时调整和优化。传统的地质灾害预警方法有基于传感器的预警方法和基于数学模型的预警方法，其中，基于传感器的预警方法是通过在地质灾害地区安装传感器、监测相关地质数据来进行地质灾害预警，具有实时性强、精度高的特点，但需要部署大量传感器，成本较高；基于数学模型的预警方法是通过对地质灾害数据建立模型进行分析，可以解决传感器覆盖范围有限的问题，但需要对模型进行不断的调试，且对数据的完整性和准确性要求较高。
[0004]因此，亟需一种地质灾害预警系统，实现对地质灾害的全面准确的预警。

技术实现思路

[0005]本申请提供了一种基于大数据分析的地质灾害智能预警系统，用以解决以上技术问题。
[0006]提供了一种基于大数据分析的地质灾害智能预警系统，所述系统包括：数据采集和存储模块、数据处理模块、预测模块和预警模块；其中：所述数据采集和存储模块，用以获取并存储P波数据和历史崩塌数据，所述历史崩塌数据包括时间数据和崩塌规模级别数据；所述数据处理模块，配置有地质灾害预警分析模型，用以访问并处理所述P波数据和所述历史崩塌数据，包括数据预处理子模块、崩塌周期密度计算子模块、崩塌规模级别密度计算子模块、崩塌可预测系数计算子模块和平滑因子计算子模块；所述预测模块，用以根据平滑因子，使用指数移动平均法对所述P波数据进行短期预测，得到P波短期预测数据，然后根据所述P波短期预测数据，根据崩塌规模级别计算公式计算获得预测崩塌规模级别，并将所述预测崩塌规模级别发送到崩塌灾害预警模块；所述预警模块，用以根据所述预测崩塌规模级别进行分级预警。
[0007]在本专利技术的一些实施例中，所述P波数据和所述历史崩塌数据存储在大规模分布式存储系统中，所述大规模分布式存储系统包括Hadoop，NoSQL或数据仓库。
[0008]在本专利技术的一些实施例中，所述数据预处理子模块，用以对所述P波数据和所述历史崩塌数据进行缺失值补充和对不同的时间序列数据进行序列对齐，所述序列对齐的方法
为DTW算法，所述缺失值补充的方法包括均值填充、众数填充、最近邻插补。
[0009]在本专利技术的一些实施例中，所述崩塌周期密度计算子模块，配置崩塌周期密度计算模型，用以根据所述时间数据得到崩塌时间序列，对所述崩塌时间序列进行一阶差分并排序得到崩塌周期序列，根据所述崩塌周期序列计算获得崩塌周期密度，所述崩塌周期密度的计算方法为：，其中，表示崩塌周期密度，表示崩塌周期序列最大值，表示崩塌周期序列长度，表示崩塌周期序列中第i个元素的值，表示崩塌周期序列的标准差。
[0010]在本专利技术的一些实施例中，所述崩塌规模级别密度计算子模块，配置有崩塌规模级别密度计算模型，用以根据所述崩塌规模级别数据得到崩塌规模级别序列，根据所述崩塌规模级别序列计算获得崩塌规模级别密度，所述崩塌规模级别密度的计算方法为：，其中，表示崩塌规模级别密度，表示崩塌规模级别序列长度，表示崩塌规模级别序列中第i个元素的值，表示崩塌规模级别序列中第i+1个元素的值，表示崩塌规模级别序列的标准差，表示通过崩塌规模级别序列计算得到的Hurst指数。
[0011]在本专利技术的一些实施例中，所述崩塌可预测系数计算子模块，配置有崩塌可预测系数计算模型，用以根据所述崩塌周期密度和所述崩塌规模级别密度计算获得崩塌可预测系数，所述崩塌可预测系数的计算方法为：，其中，表示崩塌可预测系数，表示崩塌规模级别密度，表示崩塌周期密度。
[0012]在本专利技术的一些实施例中，所述平滑因子计算子模块，配置有平滑因子计算模型，用以根据所述崩塌规模级别数据和所述崩塌可预测系数，计算获得平滑因子，所述平滑因子的计算方法为：，其中，表示平滑因子，表示对括号内元素使用Z_score方法进行归一化，表示平均崩塌规模级别，表示崩塌可预测系数。
[0013]在本专利技术的一些实施例中，所述分级预警包括一级预警、二级预警和三级预警，其中，当所述预测崩塌规模级别为中小型时进行三级预警，当所述预测崩塌规模级别为大型时进行二级预警，当所述预测崩塌规模级别为特大型及以上时进行一级预警。
[0014]由以上实施例可见，本申请实施例提供的一种基于大数据分析的地质灾害智能预警系统，具有的有益效果如下：本专利技术通过对崩塌周期性进行分析，分别构建崩塌周期密度与崩塌规模级别密
度，反映崩塌周期性与崩塌规模级别的规律性强弱，并基于此构建崩塌可预测系数，整体反映崩塌发生的规律性，崩塌发生规律性的强弱决定了在使用指数移动平均法对崩塌波数据进行预测时对历史数据和最新观测数据的依赖程度，则基于此结合平均崩塌规模级别计算出平滑因子更符合崩塌特征，在进行崩塌预警时的预测效果更准确。
[0015]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0016]为了更清楚地说明本专利技术的技术方案，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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请实施例提供的一种基于大数据分析的地质灾害智能预警系统基本组成示意图。
[0018]序号说明：10
‑
数据采集和存储模块、20
‑
数据处理模块、30
‑
预测模块、40
‑
预警模块、21
‑
数据预处理子模块、22
‑
崩塌周期密度计算子模块、23
‑
崩塌规模级别密度计算子模块、24
‑
崩塌可预测系数计算子模块、25
‑
平滑因子计算子模块。
具体实施方式
[0019]为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0020]下面将结合附图，对本实施例提供的一种基于大数据分析的地质灾害智能预警系统进行详细介绍。
[0021]图1为本申请实施例提供的一种基于大数据分析的地质灾害智能预警系统基本组成示意图，如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的地质灾害智能预警系统，其特征在于，所述系统包括：数据采集和存储模块（10）、数据处理模块（20）、预测模块（30）和预警模块（40）；其中：所述数据采集和存储模块（10），用以获取并存储P波数据和历史崩塌数据，所述历史崩塌数据包括时间数据和崩塌规模级别数据；所述数据处理模块（20），配置有地质灾害预警分析模型，用以访问并处理所述P波数据和所述历史崩塌数据，包括数据预处理子模块（21）、崩塌周期密度计算子模块（22）、崩塌规模级别密度计算子模块（23）、崩塌可预测系数计算子模块（24）和平滑因子计算子模块（25）；所述预测模块（30），用以根据平滑因子，使用指数移动平均法对所述P波数据进行短期预测，得到P波短期预测数据，然后根据所述P波短期预测数据，根据崩塌规模级别计算公式计算获得预测崩塌规模级别，并将所述预测崩塌规模级别发送到崩塌灾害预警模块（40）；所述预警模块（40），用以根据所述预测崩塌规模级别进行分级预警。2.根据权利要求1所述的基于大数据分析的地质灾害智能预警系统，其特征在于，所述P波数据和所述历史崩塌数据存储在大规模分布式存储系统中，所述大规模分布式存储系统包括Hadoop，NoSQL或数据仓库。3.根据权利要求1所述的基于大数据分析的地质灾害智能预警系统，其特征在于，所述数据预处理子模块（21），用以对所述P波数据和所述历史崩塌数据进行缺失值补充和对不同的时间序列数据进行序列对齐，所述序列对齐的方法为DTW算法，所述缺失值补充的方法包括均值填充、众数填充、最近邻插补。4.根据权利要求1所述的基于大数据分析的地质灾害智能预警系统，其特征在于，所述崩塌周期密度计算子模块（22），配置崩塌周期密度计算模型，用以根据所述时间数据得到崩塌时间序列，对所述崩塌时间序列进行一阶差分并排序得到崩塌周期序列，根据所述崩塌周期序列计算获得崩塌周期密度，所述...

【专利技术属性】
技术研发人员：刘同文，徐进达，张志进，薛立明，于广婷，何祖臣，宋冠涵，段越洋，
申请(专利权)人：山东省地质测绘院，
类型：发明
国别省市：