本發(fā)明涉及一種滑坡運(yùn)動形態(tài)表示方法，具體涉及一種基于信息融合監(jiān)控分析滑坡運(yùn)動形態(tài)的方法。

背景技術(shù)：

滑坡的發(fā)生對該區(qū)域的公共設(shè)施、人民生命財產(chǎn)安全都會造成很大的威脅，因此，滑坡的運(yùn)動形態(tài)一向是國內(nèi)外學(xué)者研究的熱點。

目前，國內(nèi)外對于滑坡運(yùn)動形態(tài)的研究，主要集中在用單個監(jiān)測點代表整個滑坡的運(yùn)動形態(tài)或者是多個監(jiān)測點融合成一個監(jiān)測點進(jìn)行研究，無法完整的保留了滑坡運(yùn)動形變信息，使得對滑坡運(yùn)動形態(tài)的描述不夠準(zhǔn)確，無法快速對滑坡運(yùn)動過程做出評估。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的實施例提供了一種能完整且準(zhǔn)確的描述滑坡運(yùn)動形變，便于對滑坡運(yùn)動過程做出快速評估的基于信息融合監(jiān)控分析滑坡運(yùn)動形態(tài)的方法。

本發(fā)明的實施例提供一種基于信息融合監(jiān)控分析滑坡運(yùn)動形態(tài)的方法，包括以下步驟：

(1)研究滑坡概況，在滑坡上設(shè)置監(jiān)測點，連續(xù)數(shù)月收集每個監(jiān)測點每天的位移數(shù)據(jù)；

(2)將每天收集的每個監(jiān)測點的位移數(shù)據(jù)分別取絕對值，通過累計求和得到每個監(jiān)測點每個月的累計位移，根據(jù)每個監(jiān)測點每個月的累計位移變化判斷每個監(jiān)測點的運(yùn)動狀態(tài)變化，并根據(jù)每個監(jiān)測點的運(yùn)動狀態(tài)變化對各個監(jiān)測點進(jìn)行初步分塊，相同運(yùn)動狀態(tài)變化的監(jiān)測點分在同一監(jiān)測塊內(nèi)；

(3)對每個監(jiān)測點每個月位移數(shù)據(jù)的平面分量進(jìn)行二維分析，并根據(jù)二維分析判斷每個監(jiān)測點的平面運(yùn)動軌跡，據(jù)此，對各個監(jiān)測點的初步分塊結(jié)果進(jìn)行修正；

(4)對各個監(jiān)測塊內(nèi)的監(jiān)測點進(jìn)行融合得到融合綜合點，通過融合綜合點分別對每個監(jiān)測塊內(nèi)的滑坡運(yùn)動形態(tài)進(jìn)行表示，先通過監(jiān)測塊的平移運(yùn)動對滑坡的運(yùn)動形態(tài)進(jìn)行表示，再通過建立剛體模型，通過剛體模型的旋轉(zhuǎn)和平移運(yùn)動對滑坡的運(yùn)動形態(tài)進(jìn)行表示，然后綜合兩種表示方式所得的滑坡運(yùn)動形態(tài)，確定滑坡運(yùn)動形態(tài)；

(5)根據(jù)步驟(4)確定的滑坡運(yùn)動形態(tài)對滑坡運(yùn)動過程做出快速評估。

進(jìn)一步，所述步驟(2)中，繪制每個監(jiān)測點的累計位移隨月份的變化曲線，根據(jù)變化曲線判斷每個監(jiān)測點的運(yùn)動形變時期的變化等情況，所述運(yùn)動狀態(tài)變化包括平穩(wěn)型形變，指數(shù)型形變，階梯型形變和收斂型形變，將變化曲線相似的監(jiān)測點歸為同一類，將同一類的監(jiān)測點劃分至同一監(jiān)測塊。

進(jìn)一步，所述步驟(3)中，根據(jù)各個監(jiān)測點的每個月位移數(shù)據(jù)的平面分量繪制各個監(jiān)測點在平面的運(yùn)動軌跡圖，據(jù)此初步的分析該監(jiān)測點的平面運(yùn)動軌跡，通過分析對初步分塊結(jié)果進(jìn)行驗證。

進(jìn)一步，所述步驟(4)中，將每個監(jiān)測塊內(nèi)的所有監(jiān)測點的位移數(shù)據(jù)以塊為單位通過卡爾曼濾波融合算法進(jìn)行融合，得到每個監(jiān)測塊內(nèi)所有監(jiān)測點在融合中心的融合綜合點；

對每個監(jiān)測塊的融合綜合點進(jìn)行一維分析，得到每個監(jiān)測塊融合綜合點的運(yùn)動狀態(tài)；

對每個監(jiān)測塊的融合綜合點進(jìn)行二維分析，得到每個監(jiān)測塊的運(yùn)動軌跡；

綜合每個監(jiān)測塊的運(yùn)動軌跡得到滑坡運(yùn)動形態(tài)。

進(jìn)一步，所述卡爾曼濾波融合算法是對每個監(jiān)測點的傳感器產(chǎn)生的數(shù)據(jù)進(jìn)行融合，每一個傳感器均是融合的一個模塊，傳感器與傳感器之間互不干擾；

融合步驟如下：

計算滑坡每個監(jiān)測點的運(yùn)動位移和運(yùn)動速度，公式如下：

式中：s(x)表示監(jiān)測點在x狀態(tài)的運(yùn)動位移，s(x+1)表示監(jiān)測點在x+1狀態(tài)的運(yùn)動位移，v(x)表示在x狀態(tài)的運(yùn)動速度，v(x+1)表示在x+1狀態(tài)的運(yùn)動速度，a(x)表示監(jiān)測點在x狀態(tài)到x+1狀態(tài)的加速度，T表示監(jiān)測點在x狀態(tài)到x+1狀態(tài)的時間；

將上述滑坡每個監(jiān)測點的運(yùn)動位移和運(yùn)動速度作為滑坡的卡爾曼系統(tǒng)的狀態(tài)變量，則可以得到動態(tài)監(jiān)測模型為：

H(k)＝{1 0}；

W(k)＝a(k)；

式中：X(k+1)表示k+1時刻的系統(tǒng)狀態(tài)，X(k)表示k時刻的系統(tǒng)狀態(tài)，Φ(k)、H(k)、Γ(k)均表示測量系統(tǒng)參數(shù)，Z(k)表示滑坡監(jiān)測點實際的位移監(jiān)測值，W(k)和V(k)分別表示過程和測量的高斯白噪聲，且兩者互不相關(guān)；

利用卡爾曼濾波融合算法，將分塊后的監(jiān)測點數(shù)據(jù)以塊為單位，采取集中式多傳感器融合每個傳感器得到k+1時刻的最優(yōu)估計值，即濾波后的值Z_i(k+1)，然后將各個傳感器得到的濾波值在融合中心進(jìn)行融合，得到每個監(jiān)測塊的融合綜合點值。

進(jìn)一步，所述步驟(4)中，首先建立剛體模型，將每個監(jiān)測塊看作一個剛體，并建立坐標(biāo)，以每個剛體運(yùn)動前的融合綜合點的位置作為剛體運(yùn)動的起點，然后以每個剛體運(yùn)動后的融合綜合點的位置作為剛體運(yùn)動的終點，通過粒子群優(yōu)化算法尋找每個月每個剛體運(yùn)動前后相對于坐標(biāo)軸的旋轉(zhuǎn)角度，并通過不斷更新局部最優(yōu)和全局最優(yōu)值，尋找坐標(biāo)誤差最小值對應(yīng)的每個剛體運(yùn)動前后相對于坐標(biāo)軸的旋轉(zhuǎn)角度，然后將此旋轉(zhuǎn)角度帶入計算公式對每個剛體的運(yùn)動軌跡進(jìn)行表示，所述計算公式如下：

式中：X₁為剛體運(yùn)動前的融合綜合點的位置，X₂為剛體運(yùn)動一個月后的融合綜合點的位置，ΔX為剛體的月累積位移，為剛體繞X軸旋轉(zhuǎn)角度，R_θ(y)為剛體繞Y軸旋轉(zhuǎn)θ角度，為剛體繞Z軸旋轉(zhuǎn)角度；

綜合每個剛體的運(yùn)動軌跡得到滑坡運(yùn)動形態(tài)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：基于分塊原理的滑坡運(yùn)動形態(tài)的評估方法，通過分析位移形態(tài)曲線，對具有不同運(yùn)動形態(tài)的滑坡進(jìn)行分塊，結(jié)合卡爾曼濾波融合算法和粒子群優(yōu)化算法對滑坡各塊的運(yùn)動形態(tài)以及塊與塊間的運(yùn)動形態(tài)進(jìn)行了研究，將“剛體模型”引入到滑坡分解的每一塊中，在分析各塊平移運(yùn)動的基礎(chǔ)上，采用粒子群優(yōu)化算法來尋找旋轉(zhuǎn)角度，得出旋轉(zhuǎn)運(yùn)動，全面地描述滑坡的各塊、塊與塊間的運(yùn)動形態(tài)，達(dá)到了準(zhǔn)確評估滑坡運(yùn)動過程的目的；并將滑坡運(yùn)動形變的過程通過數(shù)學(xué)公式展現(xiàn)出來，動態(tài)地呈現(xiàn)了不同部位滑坡運(yùn)動形態(tài)變化的平移和旋轉(zhuǎn)過程，通過平移和旋轉(zhuǎn)綜合判斷滑坡運(yùn)動形態(tài)，能夠直觀地對滑坡運(yùn)動過程做出評估，并提高對滑坡整體運(yùn)動形態(tài)的認(rèn)識，有效避免滑坡帶來的生命和財產(chǎn)安全的巨大的隱患。

附圖說明

圖1是本發(fā)明一實施例的流程圖。

圖2是本發(fā)明一實施例的運(yùn)動軌跡圖。

圖3是本發(fā)明實施例1的穩(wěn)定性的每個監(jiān)測點的S-T曲線圖。

圖4是本發(fā)明實施例1的階梯型1的每個監(jiān)測點的S-T曲線圖。

圖5是本發(fā)明實施例1的階梯型2的每個監(jiān)測點的S-T曲線圖。

圖6是本發(fā)明實施例1的監(jiān)測點分塊圖。

圖7是本發(fā)明實施例1的A監(jiān)測塊融合綜合點的S-T曲線圖。

圖8是本發(fā)明實施例1的B監(jiān)測塊融合綜合點的S-T曲線圖。

圖9是本發(fā)明實施例1的C監(jiān)測塊融合綜合點的S-T曲線圖。

圖10是本發(fā)明實施例1的A監(jiān)測塊融合綜合點的運(yùn)動軌跡。

圖11是本發(fā)明實施例1的B監(jiān)測塊融合綜合點的運(yùn)動軌跡。

圖12是本發(fā)明實施例1的C監(jiān)測塊融合綜合點的運(yùn)動軌跡。

圖13是本發(fā)明實施例1的A監(jiān)測塊的滑坡運(yùn)動形態(tài)圖。

圖14是本發(fā)明實施例1的B監(jiān)測塊的滑坡運(yùn)動形態(tài)圖。

圖15是本發(fā)明實施例1的C監(jiān)測塊的滑坡運(yùn)動形態(tài)圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn)一步地描述。

實施例1

滑坡是位于三峽庫區(qū)白水河滑坡，具體的地理坐標(biāo)為：X∶3433805，Y∶455980，經(jīng)度110°32'09"E，緯度31°01'34"N。

請參照圖1，具體實施如下：

(1)研究滑坡概況，在白水河滑坡上設(shè)置11個監(jiān)測點，從2006.7-2009.1連續(xù)收集每個監(jiān)測點每天的位移數(shù)據(jù)；

(2)從2006.7-2009.1的白水河滑坡監(jiān)測報告中提取各個監(jiān)測點這31個月的每月每天的位移數(shù)據(jù)，并取其絕對值，通過累計求和的方式計算出各個監(jiān)測點每個月的累計位移；根據(jù)累計位移，畫出各個監(jiān)測點的S(累計位移)-T(月份)曲線，根據(jù)變化曲線判斷每個監(jiān)測點的運(yùn)動軌跡，所述運(yùn)動軌跡包括平穩(wěn)型運(yùn)動軌跡，指數(shù)型運(yùn)動軌跡，階梯型運(yùn)動軌跡和收斂型運(yùn)動軌跡，將變化曲線相似的監(jiān)測點歸為同一類，將同一類的監(jiān)測點劃分至同一監(jiān)測塊，完成對監(jiān)測點的初步分塊，各個監(jiān)測塊的S-T曲線如圖2-5所述：

平穩(wěn)型：ZG91,ZG92,ZG94,ZG119,ZG120(如圖3所示)，設(shè)為A塊；

階梯型1:DX02,DX04,ZG118,ZG93(如圖4所示)，設(shè)為B塊；

階梯型2:DX01,DX03(如圖5所示)，設(shè)為C塊；

ZG91,ZG92,ZG94,ZG119,ZG120,DX02,DX04,ZG118,ZG93,DX01,DX03分別是對11個監(jiān)測點的命名，以便于區(qū)分；

(3)計對每個監(jiān)測點每個月的累計位移進(jìn)行二維分析，并根據(jù)二維分析判斷每個監(jiān)測點的平面運(yùn)動軌跡，據(jù)此，對各個監(jiān)測點的分塊結(jié)果進(jìn)行修正，分塊結(jié)果與累計位移分析結(jié)果相同，分析結(jié)果如圖6所示。

(4)對各個監(jiān)測塊內(nèi)的滑坡運(yùn)動形態(tài)進(jìn)行表示，先通過監(jiān)測塊的平移運(yùn)動對滑坡的運(yùn)動形態(tài)進(jìn)行表示；

將每個監(jiān)測塊內(nèi)的所有監(jiān)測點的位移數(shù)據(jù)以塊為單位通過卡爾曼濾波融合算法進(jìn)行融合，得到每個監(jiān)測塊內(nèi)所有監(jiān)測點在融合中心的融合綜合點；

卡爾曼濾波融合算法是對每個監(jiān)測點的傳感器產(chǎn)生的數(shù)據(jù)進(jìn)行融合，每一個傳感器均是融合的一個模塊，傳感器與傳感器之間互不干擾，任何一個傳感器加入系統(tǒng)，或退出系統(tǒng)，或是任何一個傳感器出現(xiàn)了問題，也不會影響到其他傳感器和整個系統(tǒng)，系統(tǒng)依舊可以正常工作，在滑坡監(jiān)測系統(tǒng)中，各傳感器產(chǎn)生的位移數(shù)據(jù)是不相關(guān)的，可根據(jù)無反饋信息結(jié)構(gòu)，采取集中式多傳感器融合；

融合步驟如下：

計算滑坡每個監(jiān)測點的運(yùn)動位移和運(yùn)動速度，公式如下：

式中：s(x)表示監(jiān)測點在x狀態(tài)的運(yùn)動位移，s(x+1)表示監(jiān)測點在x+1狀態(tài)的運(yùn)動位移，v(x)表示在x狀態(tài)的運(yùn)動速度，v(x+1)表示在x+1狀態(tài)的運(yùn)動速度，a(x)表示監(jiān)測點在x狀態(tài)到x+1狀態(tài)的加速度，T表示監(jiān)測點在x狀態(tài)到x+1狀態(tài)的時間；

將上述滑坡每個監(jiān)測點的運(yùn)動位移和運(yùn)動速度作為滑坡的卡爾曼系統(tǒng)的狀態(tài)變量，則可以得到動態(tài)監(jiān)測模型為：

H(k)＝{1 0}；

W(k)＝a(k)；

式中：X(k+1)表示k+1時刻的系統(tǒng)狀態(tài)，X(k)表示k時刻的系統(tǒng)狀態(tài)，Φ(k)、H(k)、Γ(k)均表示測量系統(tǒng)參數(shù)，Z(k)表示滑坡監(jiān)測點實際的位移監(jiān)測值，W(k)和V(k)分別表示過程和測量的高斯白噪聲，且兩者互不相關(guān)；

利用卡爾曼濾波融合算法，將分塊后的監(jiān)測點數(shù)據(jù)以塊為單位，采取集中式多傳感器融合每個傳感器得到k+1時刻的最優(yōu)估計值，即濾波后的值Z_i(k+1)然后將各個傳感器得到的濾波值在融合中心進(jìn)行融合，得到每個監(jiān)測塊的融合綜合點值；

A監(jiān)測塊的融合綜合點命名為NG01，B監(jiān)測塊的融合綜合點命名為NG02，C監(jiān)測塊的融合綜合點命名為NG03；

對每個監(jiān)測塊的融合綜合點進(jìn)行一維分析，得到每個監(jiān)測塊融合綜合點的運(yùn)動狀態(tài)變化，即S-T曲線圖，如圖7-9；

對每個監(jiān)測塊的融合綜合點進(jìn)行二維分析，得到每個監(jiān)測塊融合綜合點的運(yùn)動軌跡，如圖10-12；

綜合每個監(jiān)測塊的運(yùn)動軌跡得到滑坡運(yùn)動形態(tài)。

通過建立剛體模型，通過剛體模型的旋轉(zhuǎn)和平移運(yùn)動對滑坡的運(yùn)動形態(tài)進(jìn)行表示，首先建立剛體模型，將每個監(jiān)測塊看作一個剛體，并建立坐標(biāo)，以每個剛體運(yùn)動前的融合綜合點的位置作為剛體運(yùn)動的起點，然后以每個剛體運(yùn)動后的融合綜合點的位置作為剛體運(yùn)動的終點，通過粒子群優(yōu)化算法尋找每個月每個剛體運(yùn)動前后相對于坐標(biāo)軸的旋轉(zhuǎn)角度，并通過不斷更新局部最優(yōu)和全局最優(yōu)值，尋找坐標(biāo)誤差最小值對應(yīng)的每個剛體運(yùn)動前后相對于坐標(biāo)軸的旋轉(zhuǎn)角度，然后將此旋轉(zhuǎn)角度帶入計算公式對每個剛體的運(yùn)動軌跡進(jìn)行表示，所述計算公式如下：

式中：X₁為剛體運(yùn)動前的融合綜合點的位置，X₂為剛體運(yùn)動一個月后的融合綜合點的位置，ΔX為剛體的月累積位移，為剛體繞X軸旋轉(zhuǎn)角度，R_θ(y)為剛體繞Y軸旋轉(zhuǎn)θ角度，為剛體繞Z軸旋轉(zhuǎn)角度；

綜合每個剛體的運(yùn)動軌跡得到滑坡運(yùn)動形態(tài)；綜合兩種表示方式所得的滑坡運(yùn)動形態(tài)，確定滑坡運(yùn)動形態(tài)。

通過一維分析得到每個監(jiān)測塊內(nèi)所有監(jiān)測點的滑坡平移運(yùn)動形態(tài)，其中塊體A呈現(xiàn)穩(wěn)定上升趨勢，且每月位移值較小，在監(jiān)測期內(nèi)，基本處于蠕變擠壓的穩(wěn)定期，B塊其中監(jiān)測期的第11-13月(2007.6-2007.8)屬于滑動期，監(jiān)測點的位移大小明顯較大，C塊與B塊運(yùn)動形態(tài)相似；

通過二維分析得到監(jiān)測塊與監(jiān)測塊之間的滑坡平移運(yùn)動形態(tài)。得出監(jiān)測塊的平面運(yùn)動圖，主要為XY平面，X軸表示正東方向的運(yùn)動，Y軸表示正北方向的運(yùn)動，NG01的運(yùn)動處于穩(wěn)定期，運(yùn)動位移基本無明顯運(yùn)動(測量誤差為±5mm)；監(jiān)測期的后7-8個月(2008.7-2009.1)，綜合監(jiān)測點逐漸開始有小幅度的形變運(yùn)動，但是運(yùn)動位移大小依舊較小，以較小的位移向東北方向運(yùn)動。NG02的動軌跡呈現(xiàn)穩(wěn)定期——滑動期——穩(wěn)定期。其中穩(wěn)定期，監(jiān)測點位移大小較整體位移大小很小，但基本向東偏北方向平移；滑動期以較大位移向東偏北方向平移；滑動期過后，又處于穩(wěn)定期，運(yùn)動位移不明顯，但基本向北方向平移。NG03的運(yùn)動軌跡同上述NG02的運(yùn)動形態(tài)；如圖13-15所示。

(5)根據(jù)步驟(4)確定的滑坡運(yùn)動形態(tài)對滑坡運(yùn)動過程做出快速評估。

本發(fā)明基于分塊原理的滑坡運(yùn)動形態(tài)的評估方法，通過分析位移形態(tài)曲線，對具有不同運(yùn)動形態(tài)的滑坡進(jìn)行分塊，結(jié)合卡爾曼濾波融合算法和粒子群優(yōu)化算法對滑坡各塊的運(yùn)動形態(tài)以及塊與塊間的運(yùn)動形態(tài)進(jìn)行了研究，將“剛體模型”引入到滑坡分解的每一塊中，在分析各塊平移運(yùn)動的基礎(chǔ)上，采用粒子群優(yōu)化算法來尋找旋轉(zhuǎn)角度，得出旋轉(zhuǎn)運(yùn)動，全面地描述滑坡的各塊、塊與塊間的運(yùn)動形態(tài)，達(dá)到了準(zhǔn)確評估滑坡運(yùn)動過程的目的；并將滑坡運(yùn)動形變的過程通過數(shù)學(xué)公式展現(xiàn)出來，動態(tài)地呈現(xiàn)了不同部位滑坡運(yùn)動形態(tài)變化的平移和旋轉(zhuǎn)過程，通過平移和旋轉(zhuǎn)綜合判斷滑坡運(yùn)動形態(tài)，能夠直觀地對滑坡運(yùn)動過程做出評估，并提高對滑坡整體運(yùn)動形態(tài)的認(rèn)識，有效避免滑坡帶來的生命和財產(chǎn)安全的巨大的隱患。