本發(fā)明涉及公路邊坡監(jiān)測，更具體地說，本發(fā)明涉及一種多源信息融合的公路邊坡綜合監(jiān)測預(yù)警系統(tǒng)。

背景技術(shù)：

1、公開號為cn118397563a的專利申請了一種用于邊坡的監(jiān)測方法及監(jiān)測系統(tǒng)，監(jiān)測方法包括以下步驟：在邊坡上設(shè)置若干個靶標(biāo)；在靶標(biāo)的靶面建立坐標(biāo)系，獲取靶標(biāo)的世界坐標(biāo)；獲取包含各個靶面的圖像，在圖像上建立像素坐標(biāo)系；通過靶標(biāo)在像素坐標(biāo)中的變化，獲取靶標(biāo)在世界坐標(biāo)中的位移；通過靶標(biāo)的位移控制邊坡預(yù)警的觸發(fā)；解決現(xiàn)有邊坡監(jiān)測精確度不足，成本高的問題；實現(xiàn)同時進(jìn)行邊坡上多點的監(jiān)測，根據(jù)實際情況靈活布設(shè)監(jiān)測點的位置，通過較低的成本實現(xiàn)邊坡的大范圍監(jiān)測；所獲取的監(jiān)測數(shù)據(jù)能直接關(guān)聯(lián)邊坡的位移，在應(yīng)對正在發(fā)生的預(yù)警時，還能根據(jù)采集的圖像直接觀測邊坡的真實狀態(tài)。

2、目前的公路邊坡監(jiān)測系統(tǒng)雖然實現(xiàn)了一定程度的自動化監(jiān)測，但在數(shù)據(jù)分析、預(yù)警及應(yīng)急響應(yīng)方面，仍然高度依賴人工干預(yù)，大多數(shù)系統(tǒng)只能提供原始數(shù)據(jù)或簡單的報警信號，具體的風(fēng)險評估和決策仍需人工進(jìn)行分析，這不僅增加了工作人員的負(fù)擔(dān)，也可能因為人為判斷失誤導(dǎo)致預(yù)警滯后或誤報；且公路邊坡的地質(zhì)環(huán)境通常是動態(tài)變化的，尤其是在惡劣氣候條件下，邊坡穩(wěn)定性可能迅速惡化，然而，當(dāng)前的邊坡監(jiān)測系統(tǒng)多采用固定閾值或定時采集數(shù)據(jù)的方式，無法實現(xiàn)實時動態(tài)監(jiān)控和快速響應(yīng)。

3、鑒于此，本發(fā)明提出一種多源信息融合的公路邊坡綜合監(jiān)測預(yù)警系統(tǒng)以解決上述問題。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種多源信息融合的公路邊坡綜合監(jiān)測預(yù)警系統(tǒng)，包括：邊坡數(shù)據(jù)采集模塊：預(yù)設(shè)采樣時間，在每個采樣時間采集邊坡幾何數(shù)據(jù)和土體數(shù)據(jù)；

2、土體預(yù)測模塊：基于構(gòu)建好的土體粘度預(yù)測模型獲得土體性質(zhì)；

3、邊坡劃分模塊：對邊坡進(jìn)行區(qū)塊劃分獲得邊坡塊，基于土體性質(zhì)、邊坡幾何數(shù)據(jù)和土體數(shù)據(jù)對邊坡塊進(jìn)行穩(wěn)定性計算，獲得穩(wěn)定系數(shù)，基于穩(wěn)定系數(shù)構(gòu)建最小穩(wěn)定系數(shù)目標(biāo)函數(shù)，通過優(yōu)化算法最小化最小穩(wěn)定系數(shù)目標(biāo)函數(shù)獲得穩(wěn)定系數(shù)最小劃分方案，通過聚類算法對穩(wěn)定系數(shù)最小劃分方案進(jìn)行區(qū)塊聚合，獲得個邊塊聚類簇；

4、分析告警模塊：對邊塊聚類簇進(jìn)行安全分析，獲得安全區(qū)域和危險區(qū)域；

5、區(qū)塊預(yù)警模塊：基于安全區(qū)域構(gòu)建穩(wěn)定性預(yù)測模型，通過穩(wěn)定性預(yù)測模型的預(yù)測結(jié)果對安全區(qū)域進(jìn)行未來安全分析。

6、進(jìn)一步地，所述邊坡幾何數(shù)據(jù)包括：邊坡傾角、邊坡長度和邊坡寬度；土體數(shù)據(jù)包括：土體密度和土體濕度。

7、進(jìn)一步地，所述土體粘度預(yù)測模型的構(gòu)建方式包括：

8、采集e組歷史土體粘度數(shù)據(jù)，歷史土體粘度數(shù)據(jù)：歷史土體濕度和歷史土體性質(zhì)，歷史土體性質(zhì)包含土體粘聚力和土體內(nèi)摩擦角，基于歷史土體粘度數(shù)據(jù)，以歷史土體濕度作為土體粘度預(yù)測模型的輸入，以預(yù)測的土體性質(zhì)作為土體粘度預(yù)測模型的輸出，以歷史土體性質(zhì)作為土體粘度預(yù)測模型的預(yù)測目標(biāo)進(jìn)行模型訓(xùn)練，構(gòu)建土體粘度預(yù)測模型，土體粘度預(yù)測模型為線性回歸模型，土體粘度預(yù)測模型的目標(biāo)損失函數(shù)為：；其中，是均方誤差，是歷史土體粘度數(shù)據(jù)的數(shù)據(jù)總量，第個歷史土體性質(zhì)，是第個預(yù)測的土體性質(zhì)；以最小化目標(biāo)損失函數(shù)的值作為訓(xùn)練的目標(biāo)，獲得目標(biāo)損失函數(shù)的值最小的土體粘度預(yù)測模型。

9、進(jìn)一步地，所述進(jìn)行穩(wěn)定性計算的方式包括：

10、基于邊坡幾何數(shù)據(jù)對邊坡進(jìn)行區(qū)塊劃分，進(jìn)行區(qū)塊劃分的方式包括：將邊坡劃分為a個邊坡塊，所有邊坡塊的長度滿足：；其中，代表第個邊坡塊的長度，代表邊坡塊的索引，代表邊坡長度，代表邊坡塊的總量；根據(jù)邊坡塊的長度對邊坡塊進(jìn)行穩(wěn)定性計算，進(jìn)行穩(wěn)定性計算的公式為：；其中，代表第個邊坡塊的穩(wěn)定系數(shù)，代表土體粘聚力，代表土體密度，代表邊坡傾角，代表重力加速度，代表土體內(nèi)摩擦角，代表邊坡寬度。

11、進(jìn)一步地，所述最小穩(wěn)定系數(shù)目標(biāo)函數(shù)。

12、進(jìn)一步地，所述獲得穩(wěn)定系數(shù)最小劃分方案的方式包括：

13、步驟一：預(yù)設(shè)k組邊坡劃分方案，每組邊坡劃分方案代表不同的邊坡長度組合，一組邊坡劃分方案表示為一個染色體，染色體中的基因?qū)?yīng)于邊坡劃分方案中邊坡塊的長度組合；

14、步驟二：對于每個染色體，根據(jù)適應(yīng)度計算公式計算每個染色體的適應(yīng)度，適應(yīng)度計算公式為：；其中，代表適應(yīng)度；根據(jù)適應(yīng)度的值采用錦標(biāo)賽選擇算法選擇父代染色體；

15、步驟三：根據(jù)父代染色體中的邊坡塊長度組合，以第一個邊坡塊長度作為起始值，往后逐一累加求和，獲得局部長度，當(dāng)父代染色體中的局部長度一致時，記錄該基因為等長節(jié)點基因，所有等長節(jié)點基因構(gòu)成等長節(jié)點集，根據(jù)等長節(jié)點集通過排列組合法確定交叉基因段，所有交叉基因段構(gòu)成交叉集，遍歷交叉集中的交叉基因段，嘗試將父染色體中對應(yīng)于交叉基因段的基因進(jìn)行基因交換，獲得一代子染色體，根據(jù)適應(yīng)度計算公式計算一代子染色體的適應(yīng)度，當(dāng)一代子染色體中存在適應(yīng)度值大于父代染色體適應(yīng)度值的染色體時，將父染色體中對應(yīng)于交叉基因段的基因進(jìn)行基因交換，獲得一代子染色體，并將一代子染色體作為父代染色體重復(fù)進(jìn)行基因交換，直至完全遍歷交叉集中的交叉基因段，將最后一次遍歷獲得的一代子染色體作為最終的子染色體；

16、步驟四：選擇子染色體中適應(yīng)度值最大的子染色體作為目標(biāo)染色體，通過隨機(jī)變異法，隨機(jī)選擇子染色體的一個基因與目標(biāo)染色體進(jìn)行替換，生成變異染色體；

17、步驟五：重復(fù)步驟一至四，直至變異染色體的適應(yīng)度值不再變化，輸出的變異染色體即為穩(wěn)定系數(shù)最小劃分方案。

18、進(jìn)一步地，所述進(jìn)行區(qū)塊聚合的方式包括：

19、隨機(jī)選擇個最小穩(wěn)定系數(shù)集中的數(shù)據(jù)作為初始聚類中心，其中代表最佳聚類值，并根據(jù)初始聚類中心對最小穩(wěn)定系數(shù)集進(jìn)行數(shù)據(jù)聚合，進(jìn)行數(shù)據(jù)聚合的方式包括：將每個初始聚類中心作為一個簇，將除初始聚類中心外的穩(wěn)定系數(shù)作為檢測節(jié)點，遍歷檢測節(jié)點，并通過歐式距離公式依次計算檢測節(jié)點內(nèi)穩(wěn)定系數(shù)至每個初始聚類中心內(nèi)穩(wěn)定系數(shù)的距離，獲得檢測節(jié)點距離列表，根據(jù)檢測節(jié)點距離列表篩選出距離最小值對應(yīng)的簇，并將檢測節(jié)點并入距離最小值對應(yīng)的簇，直至所有檢測節(jié)點遍歷完畢，形成個邊塊聚類簇；

20、對每個聚類簇中的數(shù)據(jù)根據(jù)穩(wěn)定系數(shù)進(jìn)行從大到小排序，選取每個聚類簇內(nèi)中值數(shù)據(jù)作為新的初始聚類中心，當(dāng)中值數(shù)據(jù)不唯一時，選擇穩(wěn)定系數(shù)更小的數(shù)據(jù)作為新的初始聚類中心，根據(jù)新的初始聚類中心進(jìn)行所述數(shù)據(jù)聚合操作，重復(fù)直至新的初始聚類中心的值不再發(fā)生變化，獲得個邊塊聚類簇。

21、進(jìn)一步地，所述最佳聚類值的獲取方式包括：

22、基于穩(wěn)定系數(shù)最小劃分方案對每個邊坡塊進(jìn)行唯一編號，獲得邊坡編碼，對編碼后的邊坡塊進(jìn)行穩(wěn)定性計算，獲得每個邊坡塊的穩(wěn)定系數(shù)，所有穩(wěn)定系數(shù)和穩(wěn)定系數(shù)對應(yīng)的邊坡編碼構(gòu)成最小穩(wěn)定系數(shù)集；定義分組集，為正整數(shù)，且滿足條件和，即除以的余數(shù)為，其中為穩(wěn)定系數(shù)最小劃分方案中邊坡塊的總數(shù)；依次遍歷分組集并賦值給分組值，對穩(wěn)定系數(shù)集內(nèi)的穩(wěn)定系數(shù)進(jìn)行從小到大升序排序，將排序后的穩(wěn)定系數(shù)集分為個穩(wěn)定系數(shù)組，根據(jù)系數(shù)熵公式計算每個穩(wěn)定系數(shù)組的分組熵，系數(shù)熵公式為；其中，代表分組值為時的分組熵，代表分組索引，代表第個分組的概率，代表第個分組的穩(wěn)定系數(shù)的均值；記錄每個分組值對應(yīng)的分組熵，根據(jù)分組熵計算每個分組值的熵差，所述熵差為每個分組值的分組熵與上一分組值的分組熵的差值，將熵差最大的分組值作為最佳聚類值。

23、進(jìn)一步地，所述進(jìn)行安全分析的方式包括：

24、預(yù)設(shè)穩(wěn)定系數(shù)閾值，計算每個邊塊聚類簇內(nèi)數(shù)據(jù)的穩(wěn)定系數(shù)的均值，獲得平均穩(wěn)定系數(shù)，當(dāng)平均穩(wěn)定系數(shù)小于或等于穩(wěn)定系數(shù)閾值時，將聚類簇內(nèi)數(shù)據(jù)對應(yīng)的邊坡塊劃分為危險區(qū)域，并觸發(fā)警報，當(dāng)平均穩(wěn)定系數(shù)大于穩(wěn)定系數(shù)閾值時，將聚類簇內(nèi)數(shù)據(jù)對應(yīng)的邊坡塊劃分為安全區(qū)域。

25、進(jìn)一步地，所述穩(wěn)定性預(yù)測模型的構(gòu)建方式包括：

26、通過已記錄的個采樣時間的邊坡幾何數(shù)據(jù)和土體數(shù)據(jù)計算得到安全區(qū)域的個歷史平均穩(wěn)定系數(shù)；

27、由個采樣時間內(nèi)安全區(qū)域的歷史平均穩(wěn)定系數(shù)和采樣時間得到歷史平均穩(wěn)定系數(shù)序列和時間序列；

28、以歷史平均穩(wěn)定系數(shù)序列和時間序列作為訓(xùn)練樣本集合，將lstm模型作為初始模型，利用訓(xùn)練樣本集合對lstm模型進(jìn)行訓(xùn)練，將歷史平均穩(wěn)定系數(shù)序列樣本和時間序列樣本作為訓(xùn)練穩(wěn)定性預(yù)測模型的輸入數(shù)據(jù)，將預(yù)測的平均穩(wěn)定系數(shù)作為訓(xùn)練穩(wěn)定性預(yù)測模型的輸出數(shù)據(jù)；以最小化實際的歷史平均穩(wěn)定系數(shù)和預(yù)測得到的歷史平均穩(wěn)定系數(shù)之間的誤差作為訓(xùn)練目標(biāo)，以召回率函數(shù)作為穩(wěn)定性預(yù)測模型的損失函數(shù)，當(dāng)損失函數(shù)達(dá)到收斂時，停止訓(xùn)練得到穩(wěn)定性預(yù)測模型。

29、本發(fā)明一種的技術(shù)效果和優(yōu)點：

30、本發(fā)明通過綜合采集邊坡幾何數(shù)據(jù)和土體數(shù)據(jù)，結(jié)合土體粘度預(yù)測模型，系統(tǒng)能夠提供準(zhǔn)確的穩(wěn)定性分析結(jié)果，這種多源信息融合的方法提高了評估的可靠性；通過預(yù)設(shè)的采樣時間使得邊坡的狀態(tài)能夠?qū)崟r更新，及時反映出邊坡的變化情況，確保在潛在危險發(fā)生前提供預(yù)警；通過先進(jìn)的機(jī)器學(xué)習(xí)和聚類分析技術(shù)，實現(xiàn)了對邊坡安全狀態(tài)的智能化分析；基于穩(wěn)定系數(shù)的動態(tài)監(jiān)測和歷史數(shù)據(jù)的深度挖掘，能夠自動識別危險區(qū)域并發(fā)出警報；通過優(yōu)化算法和聚類分析對邊坡進(jìn)行分塊處理，能夠更精準(zhǔn)地識別每個邊坡塊的穩(wěn)定性，便于集中力量進(jìn)行重點監(jiān)測和維護(hù)；基于歷史數(shù)據(jù)和lstm模型構(gòu)建的穩(wěn)定性預(yù)測機(jī)制，能夠預(yù)測未來的邊坡穩(wěn)定性變化，提供提前預(yù)警，增強(qiáng)了管理措施的前瞻性。