一种边坡崩塌预警方法与流程

本发明涉及边坡崩塌预警，具体涉及一种边坡崩塌预警方法。

背景技术：

1、传统的边坡监测主要依赖人工巡查，该方法耗时耗力、效率低下，且难以实现实时监测和快速预警。随着传感器技术、数据处理技术和通信技术的飞速发展，通过建立自动化的边坡监测预警系统成为可能。在现有技术中常采用图像监控边坡的形变情况，从而对边坡的崩塌进行预警，但是图像仅能在边坡表面发生明显形变后，才能预测出边坡的崩塌情况，无法提前预警边坡崩塌，存在边坡崩塌预警精度不高的问题。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种边坡崩塌预警方法解决了现有技术存在边坡崩塌预警精度不高的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种边坡崩塌预警方法，包括以下步骤：

3、s1、在边坡上布置多个三轴加速度传感器采集横向、纵向和竖向的加速度信号；

4、s2、根据横向、纵向和竖向的加速度信号，构建横向位移矩阵、纵向位移矩阵和竖向位移矩阵；

5、s3、根据横向位移矩阵、纵向位移矩阵和竖向位移矩阵，基于崩塌风险预测模型预测边坡崩塌强度值；

6、s4、在边坡崩塌强度值大于强度门限时，进行边坡预警。

7、本发明的有益效果为：本发明在边坡上布置了多个三轴加速度传感器，每个三轴加速度传感器采集横向、纵向和竖向的加速度信号，根据横向、纵向和竖向的加速度信号，构建横向位移矩阵、纵向位移矩阵和竖向位移矩阵，通过横向位移矩阵体现多个检测点处的横向位移情况，通过纵向位移矩阵体现多个检测点处的纵向位移情况，通过竖向位移矩阵体现多个检测点处的竖向位移情况，将横向位移矩阵、纵向位移矩阵和竖向位移矩阵输入崩塌风险预测模型，预测边坡崩塌强度值，在边坡崩塌强度值大于强度门限时，进行边坡预警，本发明布置了三轴加速度传感器用于监测边坡内部情况，在边坡内部发生形变时，三轴加速度传感器则可采集到对应的加速度信号，具备更高的边坡崩塌预警精度，同时，本发明综合横向、纵向、竖向三方面的位移矩阵，进一步地提高边坡崩塌预警精度。

8、进一步地，所述s1包括以下分步骤：

9、s11、在边坡上划分出待监测区域；

10、s12、将待监测区域划分成个监测子区域，其中，n为正整数；

11、s13、在每个监测子区域中设置一个三轴加速度传感器；

12、s14、通过每个监测子区域中的三轴加速度传感器采集横向、纵向和竖向的加速度信号。

13、进一步地，所述s2包括以下分步骤：

14、s21、根据所有监测子区域的横向加速度信号，构建每个时刻的横向加速度矩阵；

15、s22、根据所有监测子区域的纵向加速度信号，构建每个时刻的纵向加速度矩阵；

16、s23、根据所有监测子区域的竖向加速度信号，构建每个时刻的竖向加速度矩阵，其中，横向加速度矩阵、纵向加速度矩阵和竖向加速度矩阵中加速度排列方式与各监测子区域的位置排列一致；

17、s24、对每个时刻的横向加速度矩阵、纵向加速度矩阵和竖向加速度矩阵提取噪点，并滤波处理，得到横向加速度滤波矩阵、纵向加速度滤波矩阵和竖向加速度滤波矩阵；

18、s25、根据多个时刻的横向加速度滤波矩阵、纵向加速度滤波矩阵和竖向加速度滤波矩阵，构建横向位移矩阵、纵向位移矩阵和竖向位移矩阵。

19、上述进一步地方案的有益效果为：本发明将待监测区域划分成了个监测子区域，在每个监测子区域中设置一个三轴加速度传感器，则每个监测子区域均能获取横向、纵向和竖向的加速度信号。由于本发明将待监测区域划分成了个监测子区域，因此，构建了每个时刻的的横向、纵向和竖向加速度矩阵，横向、纵向和竖向加速度矩阵中每个加速度值元素代表一个监测子区域的加速度值。在构建横向、纵向和竖向加速度矩阵后，对噪点滤波处理，避免异常干扰，根据滤波后的矩阵，构建横向、纵向和竖向位移矩阵，位移矩阵中每一个位移元素代表一个监测子区域中一个方向的位移。

20、进一步地，所述s24包括以下分步骤：

21、s241、以每个时刻的横向加速度矩阵、纵向加速度矩阵和竖向加速度矩阵中每个加速度值为中心；

22、s242、在每个中心处的加速度值大于0，周边加速度值均为0时，中心处的加速度值为噪点；

23、s243、将噪点的加速度值设置为0，得到横向加速度滤波矩阵、纵向加速度滤波矩阵和竖向加速度滤波矩阵。

24、上述进一步地方案的有益效果为：本发明构建了每个时刻的横向、纵向和竖向加速度矩阵，因此，在每个时刻中，在周边加速度值为0，中心加速度值大于0时，中心加速度值对应的监测子区域的表面可能存在异常的振动，属于局部振动造成的异常干扰，因此，对该点的加速度值设置为0，减少异常干扰。

25、进一步地，所述s25中横向位移矩阵中第i行第j列的位移值公式为：，其中，sx,i,j为横向位移矩阵中第i行第j列的位移值，ax,i,j,t为第t时刻的横向加速度滤波矩阵中第i行j列的加速度值，i为行编号，j为列编号，t为时刻编号，t为时刻的数量；

26、所述纵向位移矩阵中第i行第j列的位移值公式为：，其中，sy,i,j为纵向位移矩阵中第i行第j列的位移值，ay,i,j,t为第t时刻的纵向加速度滤波矩阵中第i行j列的加速度值；

27、所述竖向位移矩阵中第i行第j列的位移值公式为：，其中，sz,i,j为竖向位移矩阵中第i行第j列的位移值，az,i,j,t为第t时刻的竖向加速度滤波矩阵中第i行j列的加速度值。

28、上述进一步地方案的有益效果为：本发明横向、纵向和竖向位移矩阵与监测子区域的排列方式一致，从而体现出监测区域在横向、纵向和竖向三个方向的位移分布情况。

29、进一步地，所述s3中崩塌风险预测模型包括：横向特征提取单元、横向强度预测单元、纵向特征提取单元、纵向强度预测单元、竖向特征提取单元、竖向强度预测单元和输出单元；

30、所述横向特征提取单元的输入端用于输入横向位移矩阵，其输出端与横向强度预测单元的输入端连接；所述纵向特征提取单元的输入端用于输入纵向位移矩阵，其输出端与纵向强度预测单元的输入端连接；所述竖向特征提取单元的输入端用于输入竖向位移矩阵，其输出端与竖向强度预测单元的输入端连接；所述输出单元的输入端分别与横向强度预测单元的输出端、纵向强度预测单元的输出端和竖向强度预测单元的输出端连接，其输出端作为崩塌风险预测模型的输出端。

31、上述进一步地方案的有益效果为：本发明采用横向特征提取单元、纵向特征提取单元和竖向特征提取单元对应处理横向、纵向和竖向位移矩阵，提取出特征值，横向强度预测单元、纵向强度预测单元和竖向强度预测单元对应处理横向、纵向和竖向特征值，估计出横向强度值、纵向强度值和竖向强度值，本发明的输出单元综合三个方向的强度值预测边坡崩塌强度值，实现综合三个方向的位移分布情况，预测边坡崩塌强度值。

32、进一步地，所述横向特征提取单元、纵向特征提取单元和竖向特征提取单元均包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、加法器a1、乘法器m1和注意力值注入层；

33、所述第一卷积块的输入端作为横向特征提取单元、纵向特征提取单元或竖向特征提取单元的输入端，其输出端分别与第二卷积块的输入端和加法器a1的第一输入端连接；所述第二卷积块的输出端与第三卷积块的输入端连接；所述加法器a1的第二输入端与第三卷积块的输出端连接，其输出端与乘法器m1的第一输入端连接；所述乘法器m1的第二输入端与注意力值注入层的输出端连接，其输出端与第四卷积块的输入端连接；所述第四卷积块的输出端作为横向特征提取单元、纵向特征提取单元或竖向特征提取单元的输出端。

34、进一步地，所述注意力值注入层的表达式为：，其中，z为注意力值注入层输出的注意力值，ini,j为注意力值注入层的输入矩阵中第i行第j列的位移值，i为行编号，j为列编号，n为正整数，| |为绝对值；

35、在横向特征提取单元中注意力值注入层的输入矩阵为横向位移矩阵；

36、在纵向特征提取单元中注意力值注入层的输入矩阵为纵向位移矩阵；

37、在竖向特征提取单元中注意力值注入层的输入矩阵为竖向位移矩阵。

38、上述进一步地方案的有益效果为：本发明在第一卷积块提取特征后，设置残差连接，将第三卷积块和第一卷积块的输出进行融合，采用注意力值注入层对加法器a1的输出进行施加注意力值，该注意力值的大小与输入矩阵整体的位移值有关，整体的位移值越大，注意力值越大，具备更高关注度。

39、进一步地，所述横向强度预测单元、纵向强度预测单元和竖向强度预测单元的表达式为：，其中，h为横向强度预测单元、纵向强度预测单元或竖向强度预测单元输出的强度值，rk为横向强度预测单元、纵向强度预测单元或竖向强度预测单元输入的第k个特征值，ωk为rk的权重，bk为rk的偏置，l为输入的特征值的数量，k为正整数，tanh为激活函数。

40、进一步地，所述输出单元的表达式为：，其中，y为输出单元输出的边坡崩塌强度值，hx为横向强度预测单元输出的强度值，hy为纵向强度预测单元输出的强度值，hz为竖向强度预测单元输出的强度值，ωx为hx的权重，ωy为hy的权重，ωz为hz的权重。

41、上述进一步地方案的有益效果为：本发明综合横向、纵向和竖向的强度值，预测边坡崩塌强度值，提高边坡崩塌预警精度。