發布時間：2020-03-23所屬分類：工程師職稱論文瀏覽：1次
摘 要： 摘要:提出一種新的山體和滑坡災害的傳感網絡預警方法，由傳感監測網絡層WSN、GPRS接入層以及監控中心，構建山體和滑坡災害傳感網絡預警體系，利用GPRS聯網實現傳感數據的遠程傳輸，GPRS網關將監測數據上傳到監控中心，監控中心基于監測數據實現山體和滑坡災
摘要:提出一種新的山體和滑坡災害的傳感網絡預警方法，由傳感監測網絡層WSN、GPRS接入層以及監控中心，構建山體和滑坡災害傳感網絡預警體系，利用GPRS聯網實現傳感數據的遠程傳輸，GPRS網關將監測數據上傳到監控中心，監控中心基于監測數據實現山體和滑坡災害的可視化呈現和警示;使用節點異常特征提取方式對比鑒別異常節點區域，采用分區域異常節點定位算法檢測異常節點區域中的網絡異常節點，實現山體和滑坡災害的準確預警。
關鍵詞:山體;滑坡;災害;傳感網絡;預警;節點異常特征;分區域
無限傳感網絡WSN是一種全新的網絡化信息收集處理技術，其具有廣泛的應用價值[1]。無線傳感網絡WSN可應用在山體和滑坡災害的檢測領域，在監控地區設置大量的無線網絡節點構成網狀結構，再結合無線GPRS通信技術，實時監測網絡節點是否出現異常，分析、處理收集到的監測數據，則可完成山體和滑坡災害的準確預警[2]。當前存在一些較好的方法，但具有一定的局限性。王文發等[3]提出的無線傳感網絡覆蓋盲區監測方法，只針對網絡覆蓋盲區監測，無法有效檢測傳感器節點異常情況，不能準確預警山體和滑坡災害的發生;張文峰等[4]地質滑坡災害的山層斷層效應分析與研究，只監測地質滑坡災害的山層斷層效應，傳遞滑坡災害信息時存在較高的滯后性，使得滑坡災害預警效率大大降低;孫光林等[5]研究的邊坡災害監測預警物聯網系統及工程，只能預警傾斜順層巖質邊坡災害，對其它類型邊坡災害預警效果差，具有一定局限性。
為解決以上問題，本文提出新的山體和滑坡災害的傳感網絡預警方法，提高山體和滑坡預警效果。
1山體和滑坡災害的傳感網絡預警技術研究
1.1山體和滑坡災害的傳感網絡預警體系
WSN監測層、GPRS接入層以及監控中心組成山體和滑坡災害的傳感網絡預警體系[6]。圖1為傳感網絡預警體系結構。
從圖1可知，監測山體邊坡的位移、傾角與水位等信息過程中，需要在監測區中配置許多傳感器節點，信息收集頻率與信息收集量在測量時通過傳感器節點自動調整，將收集到的信息利用簇頭節點實施去冗融合處理后通過路由器發送，遠程監控中心接收BS基站內由GPRS網關節點界定格式處理的信息數據，監控中心及時了解信息數據的安全性，同時處理和呈現數據;完成對山體邊坡失穩的安全性預警監測[7]。
圖2為山體和滑坡災害的傳感網絡預警體系山體邊坡失穩變形運動和監測原理，山體滑坡的核心要素是雨水浸泡，表征邊坡危險度的關鍵參數為山地下水位高度，設置大量垂直孔洞在朝下山區勢的邊坡山體危險范圍內，將液位傳感器設置在孔洞底端，向WSN反饋收集到的液位值。土石層受侵蝕風化等原因形成土石層巨大差異，在孔洞各個深度放置傾角傳感器收集邊坡不同層段的傾角信息數據[8]。山體邊坡失穩變形趨向、強度與威脅性由智能檢測中心通過傾角傳感器斷定。
WSN監測層有去冗度高、耗能低等優點，WSN監測層利用分層多簇結構網絡，將臨近的節點構成一個簇，子節點收集到的數據上傳至簇頭節點并融合，簇頭節點依據規定算法動態選取，并將其余簇頭節點數據傳遞給路由器向外傳輸[9]。使用休眠機制收集數據延長傳感器節點壽命，傳感節點通過監測內部電路提醒監測邊坡環境參數超出規定閾值，提升信息收集密度。為了提高系統使用壽命，節約用電，將傳感節點的數據收集時間通過監控中心調至8h一次傳遞數據。在雨季和臺風危險期，為確保邊坡安全的實時監測與滑坡危險預警，將監測頻率提升至1min一次傳遞數據。
推薦閱讀：軟弱巖土突發地質災害風險評估模型
1.2GPRS聯網設計
海量數據的遠程傳輸利用GPRS接入層完成，數據傳輸的可靠性與延遲性具有負相關性。GPRS模塊采用Sm300模塊為核心，利用AT指令編程完成網絡的連接與數據的反饋[10]。網絡連接時查詢模塊在工作狀態正常情況下，建立APN以及用戶名與密碼，網絡連接形式、本地IP與端口在退出OK后建立，建立網絡連接形式以及本地IP與端口后鏈接UDP，UDP鏈接完成后即刻上傳數據。圖3為GPRS網絡連接流程。圖3GPRS網絡連接流程
1.3監控中心的管理方式
GPRS網關轉發的監測數據上傳到監控中心，通過該后臺數據庫存儲監控數據，將數據呈現在用戶頁面中，基于數據研究結果完成山體和滑坡的告警[11]，監控中心的兩種功能如下。
1.3.1可視化呈現功能
(1)將呈現的地理信息與地理信息系統連接，通過地圖呈現全部的傳感器節點方位和實時數據，滑坡多發地帶狀況由掌握全部監測成果的監測者鑒定。
(2)利用時間段規律反映各傳感器節點的全部數據，監測者利用時間段規律分析各時間段的滑坡情況[12]，健全預警體系。
(3)全部實時數據與節點情況由總體節點依據網絡中的標識大小反映，監測者選取監測數據并實時監測節點的特殊情況，有效的保護了網絡系統。
1.3.2警示功能
(1)異常標識的警示信息呈現在軟件頁面中。
(2)警示聲音由監控中心內的多媒體裝備發出。
(3)將警示短信發送至監測者的個人移動部件中。
1.4山體和滑坡災害傳感網絡異常節點檢測
將山坡和滑坡災害傳感網絡中鄰近節點的方位信息作為基礎，利用區域分割方式，實現龐大無線網絡的小規模化管理[13]。依據規劃后的小節點，對比區域節點的單次多點，將區域節點局部關聯:選取區域節點內正常信息，以方位信息為基礎，對比選取的標準節點信息和鄰近節點信息，依據方位半徑大小選取適當的適配值[14]。為增強節點定位的精確性，規劃一個適當的選擇算子。
2實驗結果分析
2.1異常傳感節點檢測性能分析
實驗選取某地區進行實驗，檢測異常傳感節點的性能，實驗將選取的實驗點劃分為6個小區域，并配置6組同樣結構的節點。設置5個任意感應器節點為異常節點，運用本文方法與傳統的基于層次分析的預警方法和基于無線傳感預警方法檢測異常節點，記錄檢測時間。估計要檢驗方位信息和異常節點實際方位信息間的歐式距離為平均誤差，距離與誤差呈正相關性。表1為本文方法與基于層次分析的預警方法和基于無線傳感預警方法定位異常節點耗時的數據對比。
由表1可知，本文方法檢驗異常節點耗時為2s，平均誤差不超過2.2%，基于層次分析的預警方法檢驗異常節點耗時為15s，平均誤差為32.1%，基于無線傳感預警方法的檢驗異常節點耗時為13s，平均誤差為29.9%。本文方法比基于層次分析的預警方法和基于無線傳感預警方法檢驗異常節點耗時分別節省13s和11s，平均誤差分別小29.9%、27.7%。本文方法定位異常節點相對耗時短且準確率高。
圖5為不同傳感節點比例情況下，本文方法與兩種傳統分析方法的平均誤差走向圖。由圖5可知，隨著傳感節點比例的不斷提升，三種方法定位異常傳感節點的平均誤差都不斷降低，并且本文方法的定位的平均誤差始終低于基于無線傳感預警方法與基于層次分析的預警方法，分析該圖可以看出本文方法和基于層次分析的預警方法的平均定位誤差分別是17%以及50%，基于無線傳感的預警方法的平均定位誤差為47%，能夠看出本文方法具有較高的異常傳感節點檢測精度。
2.2預測滑坡位移性能分析
利用三種方法對實驗地區某滑坡位移值與實際位移值進行比較，圖6為本文方法預測滑坡位移與實際滑坡位移對比情況，圖7為基于層次分析的預警方法預測滑坡位移與實際滑坡位移對比情況，圖8為基于無線傳感預警方法預測滑坡位移與實際滑坡位移對比情況。對比分析可知，本文方法預測滑坡位移與實際滑坡位移最高相差0.002dm，能夠精準定位滑坡位移方位。基于層次分析的預警方法預測滑坡位移與實測位移差距較大，最高相差0.023dm，基于無線傳感的預警方法預測滑坡位移與實際相差較大，最高相差0.021dm。層次分析的預警方法與無線傳感預警方法預測滑坡位移與實際滑坡位移距離相差較遠，并且定位不精準。
2.3實際檢測性能分析
采用本文方法監測預警實驗地區的整個雨季時期，得到滑坡實時監測預警狀況以及泥石流實時監測預警狀況分別用表2和表3表示。由表2可知，本文方法監測到實驗地區出現滑坡災害的注意級8次，日降雨量超過33mm，警示級2次，分別為6月28日與7月22日，這兩日降水量分別為36mm和40mm，位移明顯提升20mm，后期無明顯增強趨勢，所以預警等級無提升。由表3可知，本文方法監測到實驗地區泥石流注意級9次，日降雨量平均超過33mm，6月18日警示級1次，連續降雨5d，累積雨量135mm，泥未深度為25cm。過后無降雨，泥位下降，預警等級沒有提升。
分析上述實驗結果可以看出，本文方法通過一個雨季監測該地區的山體和滑坡災害實時情況，在實際應用中能夠準確預警出滑坡和泥石流災害，并給出警示結果。
3結論
本文提出了新的山體和滑坡災害的傳感網絡預警方法，由監測網絡層WSN、接入層GPRS與數據接收層構建山體和滑坡災害傳感網絡預警體系，使用節點異常特征提取方式對比鑒別異常節點區域，通過分區域異常節點定位算法檢測異常節點區域中的網絡異常節點，準確預警山體和滑坡災害。實驗結果說明，不同傳感節點比例情況下，本文方法和基于層次分析的預警方法定位異常傳感節點的平均定位誤差分別是17%和50%，說明本文方法能夠準確定位出山體和滑坡災害的傳感網絡中的異常節點;本文方法預測滑坡位移與實際滑坡位移最高相差0.002dm，在實際應用檢測中本文方法可準確預警出不同時間段的滑坡和泥石流災害，并給出詳細的警示結果，這些結果說明本文方法具有相對較高的山體和滑坡災害預警效果，取得了令人滿意的效果。
SCISSCIAHCI
