多源數據融合在巖質滑坡監測預警中的應用

霍冬冬， 亓 星

(1.成都理工大學地質災害防治與地質環境保護國家重點實驗室， 成都 610000；2.四川輕化工大學土木工程學院， 四川 自貢 643000)

引 言

中國是一個地質災害頻發的國家，目前已經發現的地質災害隱患點多達30萬處，僅2018年已經發生2966起地質災害，其中滑坡的發生率高達50%以上[1]。隨著物聯網技術的快速發展，多源異構傳感器網絡在滑坡監測中的應用越來越多，逐步替代過去傳統的人工監測手段，開始發揮著重要的監測和預警作用[2]?；谖锫摼W及云計算技術的發展，在地質災害形成機理、預警判據研究的基礎上，充分利用新一代信息技術在數據快速采集、傳輸上的優勢，構建地質災害實時預警系統，已成功對多處重大滑坡災害做出了預警，不僅避免了人員傷亡和經濟損失，而且也提升了人類面對自然災害的處理能力[3]。在滑坡的預警模型研究方面，根據斜坡變形破壞的時間演化規律可將斜坡的變形破壞分為初始變形階段、等速變形階段和加速變形階段，由此一些學者提出了根據位移-時間曲線的切線角進行滑坡預警，該方法后經許強的改進提出了一種改進的切線角作為滑坡預警的參考指標[4-5]。曾裕平通過對大量斜坡位移-時間的數據分析基于改進的切線角提出滑坡災害藍色、黃色、橙色、紅色四級預警指標，該指標在實際滑坡災害預警應用中發揮了良好的效果[6]。在滑坡監測應用中，為保障監測數據的完整性和及時性，對同一后緣裂縫往往會設置多個監測點，但是數據分析時卻很少將所有監測數據進行融合處理，監測預警系統也是僅根據危險等級最高的一個監測點作為預警判據。根據單個監測點的數據分析來判斷滑坡的整體穩定性，而單一監測數據很容易受到自然或人為因素擾動，有失科學性，從而造成預警信息誤發。對大量異構、復雜的數據，可借助多源數據融合的方法提高數據的可信度并判斷其正確性[7]。在多源數據融合理論模型的基礎上，構建滑坡風險評估模型可以有效提高判斷準確性[8]。本文提出一種多源數據融合處理方法，該方法基于多個監測點不同預警等級量化來判斷滑坡是否進入臨滑階段，能夠及時可靠地識別滑坡有效預警等級。

1 融合算法

基于多源數據融合的思想方法，對不同監測點的預警等級進行概率融合，得到判定滑坡是否已經處于臨滑階段的概率統計。

首先根據不同預警等級對于判斷斜坡穩定性的重要程度分別賦予不同的權重，其次根據不同監測點位對判斷斜坡穩定性逐個賦予權重，最后通過權重的計算可得到判斷斜坡進入臨滑階段的概率，當此概率大于或等于50%時即可判定該斜坡已經處于臨滑階段。

1.1 預警等級的權重

監測預警系統將監測點所監測的滑坡位移變化量轉化為參考指標，對危險滑坡進行閥值預警。由于監測預警只對事件發生可能性進行判斷，不同預警等級可理解為對滑坡危險程度加以判斷?；谝陨峡紤]，可采用層次分析法，確定不同預警等級對滑坡危險性的判斷。

層次分析法(analytic hierarchy process ,AHP)是一種實用的多屬性決策方法。它能夠通過比較不同因素對于某一事件的重要程度，計算得到這些因素對于解決問題的權重系數。該方法將復雜問題分解為多個單一問題，通過比較權重系數的大小從而確定決策方案[9]。

在本應用中利用層次分析法并非得到最終決策方案，而是將不同預警等級視為兩兩相互獨立的判斷斜坡失穩的影響因素，通過比較各因素的重要性，構建判斷矩陣，并得到該矩陣的權向量，即為各預警等級對應于判斷斜坡穩定性的權重。

圖1 層次分析法模型構建圖

1.1.1 遞階層次結構的構建

以判斷滑坡發生的可能性為目標層，預警等級為準則層，根據預警等級確定判斷滑坡即將發生的可能性，構建遞階層次結構。由于在此結構體的構建中，僅需確定各預警等級的權重系數，未設置具體解決方案，所以無需子準則層。

1.1.2 構造兩兩比較判斷矩陣

在建立遞階層次結構以后，各層次之間的影響關系就被確定下來。

根據Santy等人提出的一致矩陣法，可以將不同的兩個預警等級之間對于判斷斜坡穩定性的重要程度分為9個標度，即1-9(見表1)，并構建判斷矩A。

表1 1-9標度的含義

不同預警等級對于判斷斜坡穩定性的重要程度進行逐級均勻遞增，并將兩兩預警等級對于判斷滑坡是否進入臨滑階段的重要性程度進行比較，按1-9的標度劃分得到：

(R:B)=9;(R:Y)=6;(R:O)=3;

(O:B)=6;(O:Y)=3;

(Y:B)=3。

由此得到判斷矩陣：

1.1.3 權重計算

對于一個一致的判斷矩陣，它的每一列歸一化后就是相應的權重向量。采用這n個列向量的算術平均值作為權重向量,有：

(1)

Wi——矩陣A的特征向量；

n——矩陣的階數。

其計算步驟如下：

第一步：將A矩陣元素進行歸一化處理；

第二步：將歸一化后的元素矩陣進行列項相加；

第三步：將相加后的向量除以矩陣階數n即得權重向量。

計算得到：

w=[w1,w2,w3,w4]T=

[0.0466,0.1052,0.2571,0.5912]T

其中w1,w2,w3,w4分別表示藍色、黃色、橙色、紅色預警級別相對應的判斷滑坡進入臨滑階段的權重系數。

1.1.4 一致性檢驗

由于判斷矩陣的各元素在確定標度值時難免受到人為因素的影響, 因此在利用判斷矩陣前需要對矩陣的優劣進行檢驗。具體檢驗步驟如下：

1.計算一致性指標C.I.

(2)

λmax——矩陣A的最大特征值；

n——矩陣A的階數。

2.查找相應的平均隨機一致性指標R.I(見表2)

表2 平均隨機一致性指標R.I

計算一致性比例C.R.

(3)

根據Saaty教授給出的對判斷矩陣一致性檢驗的一條準則，當C.R.<0.1時，認為判斷矩陣的一致性是可以接受的[10]。

經一致性檢驗：

滿足一致性要求。

1.2 監測點位置權重計算

同一后緣裂縫上，各監測點位移變化速率基本一致，在沒有特殊外界條件的干擾下，監測曲線不會發生激增或陡降的變化。由于本文主要考慮在正常監測條件下，同一后緣裂縫上布設多個監測點位，根據各監測點不同預警等級，判斷滑坡是否進入臨滑階段。因此忽略特殊因素對于監測過程的干擾，將各監測點位賦予相同的權重系數，監測點位越多,則各位置權重系數越小,即：

C=1/m

(4)

C——監測點位的權重；

m——監測點位的個數。

將監測點位置賦予相同的權重，使數據更均衡，可以盡量減小監測點位不同對判斷斜坡穩定性帶來的誤差。

1.3 數據融合

根據現有滑坡監測系統所采用的四級預警指標，結合層次分析法計算的權重并引入主觀概率[11]，得到判斷斜坡穩定性的概率指標。根據四級預警等級的判定知，該等級僅與斜坡累計位移切線角度有關，且隨著切線角度的增加，預警級別逐級提升，因此將預警等級權重系數進行逐個疊加，疊加后的結果視為根據預警等級判斷滑坡是否進入臨滑階段的主觀概率：

pB=0.05;

pY=0.05+0.10=0.15;

pO=005+0.10+0.26=0.41;

pR=0.05+0.10+0.26+0.59=1。

其中pB、pY、pO、pR均大于等于零且小于等于1，符合主觀概率的定義，因此可將其視為由預警等級判斷斜坡失穩的主觀概率[12]。

將此主觀概率與各監測點位置權重系數結合得到基于各監測點預警等級判斷滑坡是否處于臨滑階段的概率，即得公式：

P=C·(pB·m1+pY·m2+pO·m3+pR·m4)·100%

且

mB+mY+mO+mR=m

(5)

其中，mB、mY、mO、mR分別表示處于某一預警等級的設備數量。

其中P即為根據各監測點的預警等級經融合后判斷斜坡是否進入臨滑階段的概率，當此概率大于或等于50%時，即可判定該斜坡已經處于臨滑階段，監測預警平臺可以此為依據發布預警信息。

2 應用案例

2019年2月17日凌晨5點53分，貴州省黔西南州興義市龍井村9組發生了一起深層順層巖質滑坡，超過60萬m3山體失穩破壞，直接威脅了滑坡下方400多人的安危。由于針對該滑坡滑坡實施了專業監測預警，通過智能化的監測設備在滑坡發生前準確發出了預警信息，并配合科學的應急處置，使滑坡災害實現了人員零傷亡和財產零損失(見圖1)。針對該滑坡實施了專業監測預警，通過智能化的監測設備在滑坡發生前準確發出了預警信息，配合科學的應急處置，使滑坡災害實現了人員零傷亡和財產零損失。

圖2 龍井村滑坡基本概況

根據現場應急監測方案，在同一后緣裂縫上共布設6臺智能地表位移監測設備，其具體布設方案見圖2。2019年1月29日現場監測設備安裝調試完畢，并將監測數據成功返回至地質災害監測預警系統[13]，其系統界面如圖3。在該系統中，分別設置了滑坡位移變化量、變形速率、切線角變化率、速度增量、速度倒數[14]等一系列評價滑坡穩定性的重要性參考指標。

圖3 預警系統界面

在滑坡尚未進入臨滑階段之前，該智能地表位移監測設備始終以30分鐘一次的采樣頻率進行數據采集，當滑坡變形速率加劇時，設備自動進入加密采集階段，以每分鐘1次的采集頻率進行快速采樣，所采集的數據通過無線傳輸技術[15]，傳輸至預警系統，根據現場監測數據所繪制的滑坡位移-時間曲線如圖4[16]。

圖4中不難發現4號裝置的監測數據明顯與其他數據有明顯的差異，這是由于在2019年2月11日凌晨，由于坡體變形使該巖石沿張開的拉裂縫下墜，導致該位移計的監測數據明顯激增，觸發了紅色等級，指示預警平臺自動推送了錯誤預警信息。該預警信息一經發出后受到當地政府部門乃至省廳領導的重要關注，但經現場確認發現該斜坡整體依舊處于穩定狀態，且僅4號監測點達到了紅色危險等級，而其他監測點的危險等級僅為藍色。造成這次誤報的根本原因是因為監測預警系統未對各點位監測數據進行融合，僅根據單個監測點的危險等級對斜坡的整體穩定性進行判定，有失合理性和科學性。

若采用本文所提出的算法根據各監測點的危險等級對斜坡失穩的判定進行量化處理即得概率P：

P=0.166×(0.05×4+0.15×0+0.41×0+1×1)·100%P=20.8%

可得到當4號監測點的危險等級達到紅色時判斷斜坡整體是否進入臨滑階段的概率P僅為20.8%，遠遠小于50%，可以有效的避免類似誤報的事情發生。

圖4 各點位監測曲線

由于此次事件造成4號監測設備被破壞，在后續檢測中僅有5臺設備完成監測工作。2月17日凌晨5點09分第5號監測點首先達到紅色預警等級并觸發預警平臺發布預警信息，此時其他4臺監測的預警等級均已達到橙色，采用本文所提出的融合算法可以得到P=53%，可以確認該滑坡已經處于臨滑階段，可以發布預警信息，果然在凌晨5點53分發生滑坡，成功提前約50分鐘實現臨滑預警。

根據上述應用案例，本文提出的基于各監測點預警等級判定穩定性的數據融合方法，可以準確的識別錯誤信息并進行過濾處理，大大降低了預警信息誤報的可能性，提高了監測預警系統識別滑坡進入臨滑階段的正確性。

3 結束語

本文提出一種基于各監測點預警等級量化為滑坡失穩概率的數據融合方法，其主要解決思路是對各監測點位置及預警等級賦予判斷事件發生的重要性權重系數，并基于預警等級的權重系數引入主觀概率，視為滑坡失穩率。

(1)當此滑坡失穩率大于或等于50%時，可視為滑坡已經進入臨滑階段，預警系統以此為判定依據及時發布預警信息。

(2)基于層次分析法得到的滑坡失穩率，可以有效避免因某單一監測點因擾動而產生監測數據變化率激增造成的誤報問題，有效避免“狼來了”事件的發生。

(3)經融合后得到的滑坡失穩率，不但可以有效避免誤報的事件發生，而且不會延誤最佳預警時間，在工程應用中具有較好的可靠性及應用價值。