CN116434478B - 地质灾害的智能预警响应方法、装置和*** - Google Patents
地质灾害的智能预警响应方法、装置和*** Download PDFInfo
- Publication number
- CN116434478B CN116434478B CN202211724903.5A CN202211724903A CN116434478B CN 116434478 B CN116434478 B CN 116434478B CN 202211724903 A CN202211724903 A CN 202211724903A CN 116434478 B CN116434478 B CN 116434478B
- Authority
- CN
- China
- Prior art keywords
- disaster
- early warning
- data
- quality
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004044 response Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 67
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000013441 quality evaluation Methods 0.000 claims description 11
- 238000013523 data management Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000002265 prevention Effects 0.000 abstract description 12
- 230000002159 abnormal effect Effects 0.000 description 7
- 239000008186 active pharmaceutical agent Substances 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Geology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及地质监测技术领域，尤其涉及一种地质灾害的智能预警响应方法。该方法包括：接收灾害感测数据；将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；基于所述预警等级匹配对应的灾害处理方式进行预警响应。本申请能够准确且及时的对灾害进行预警响应，来确保防灾工作的顺利进展。
Description
技术领域
本申请涉及地质监测技术领域，尤其涉及一种地质灾害的智能预警响应方法、装置和***。
背景技术
崩塌、滑坡、泥石流等地质灾害给人们的生命财产安全带来极大的危害。为减轻地质灾害给人们生活造成的威胁和破坏，地质灾害监测预警技术也不断发展，针对地质灾害的监测设备和装置在地质灾害监测、预警过程中起到重要的作用。
目前，监控人员为了了解灾害地的情况，以及时进行异常情况的预警，会实时在监控平台上进行浏览监视，一旦发现异常，立即预判出所需采取的预警方式，预警方式例如为找寻对应的地方单位的联系方式，进行通知地方单位进行异常情况的巡查、找寻专家进行现场勘查等，地方单元再基于建议对应的找寻人员进行地域巡进行结果的记录，查、以及找寻专家进行现场勘查等，在确定灾害情况后地方单元再上报至监控人员，当然，由于预警方式为人工主观上判断，不可避免的会出现误报情况，当为误报时还需要监控人员再重新判定处理方式，其在整个预警响应过程中，监控人员和地方单元人员工作繁琐，不能准确及时的对灾害进行响应处理，不利于防灾工作的顺利进展，故有待改进。
发明内容
为了准确且及时的对灾害进行预警响应，来确保防灾工作的顺利进展，本申请提供一种地质灾害的智能预警响应方法和***。
本申请实施例提供一种地质灾害的智能预警响应方法，采用如下技术方案：
一种地质灾害的智能预警响应方法，包括：接收灾害感测数据；将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；基于所述预警等级匹配对应的灾害处理方式进行预警响应。
通过采用上述技术方案，通过将接收到的灾害感测数据输入至灾害质量评分模型中，可以得到数据的可信度评分，以判断数据是否可信，进而可避免灾害的误报，当数据可信度评分满足预设可信度也即并不是误报时，通过将灾害感测数据输入至灾害等级预判模型中，可以得到更准确的预警等级，再通过预警等级匹配对应的灾害处理方式，可以准确及时的对灾害进行预警响应，以确保防灾工作的顺利进展。
可选的，在所述接收灾害感测数据之前，还包括：获取灾害质量评分训练数据集，所述灾害质量评分训练数据集包括多组灾害质量评价数据，其中一组灾害质量评价数据包括设备在线状态、设备的在线率、设备的类型、数据的完整性、数据粗差占比、采样间隔时间、时效性、误报次数；使用所述灾害质量评分训练数据集训练初始灾害质量评分模型，得到所述灾害质量评分模型。
通过采用上述技术方案，通过获取灾害质量评分训练数据集可以训练出基于灾害感测数据得到数据可信度评分的灾害质量评分模型，来避免灾害的误报。
可选的，在所述接收灾害感测数据之前，还包括：获取灾害等级训练数据集，所述灾害等级训练数据集包括多组预警等级感测数据，其中一组预警等级感测数据包括一个感测数据集合、一个感测数据阈值数据集合及对应于所述感测数据集合的预警等级；使用所述灾害等级训练数据集训练初始灾害等级预判模型，得到所述灾害等级预判模型。
通过采用上述技术方案，通过获取灾害等级训练数据集可以训练出能够基于灾害感测数据进行预警等级划分的灾害等级预判模型。
可选的，所述数据可信度评分由25％设备状态权重分、55％数据质量权重分和20％预警误报权重分计算所得。
通过采用上述技术方案，通过基于不同占比的设备状态权重、数据质量权重和预警误报权重可以得到更准确的数据可信度评分。
可选的，25％所述设备状态权重分包括15％设备在线率权重分和10％设备类型权重分；其中，所述设备在线率为设备实际数据上传的次数所占统计时段内应上传次数的比例，所述设备类型包括变形监测设备、应力监测设备、水位监测设备、温度监测设备、震动监测设备。
通过采用上述技术方案，通过基于不同占比的设备在线率权重分和设备类型权重分，可以得到更准确的设备状态权重分。
可选的，55％所述数据质量权重分包括数据完整性权重分、15％粗差占比权重分、20％采样间隔权重分和20％时效性权重分。
通过采用上述技术方案，通过数据完整性权重分以及不同的占比的粗差占比权重分、采样间隔权重分、时效性权重分，可以得到更准确的数据质量权重分。
第二方面，本申请另一实施例提供一种地质灾害的智能预警响应装置，采用如下技术方案：
一种地质灾害的智能预警响应装置，执行于上述实施例中所述的地质灾害的智能预警响应方法，包括：灾害感测数据接收模块，用于接收灾害感测数据；评分获取模块，用于将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；预警等级获取模块，用于当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；预警响应模块，用于基于所述预警等级匹配对应的灾害处理方式进行预警响应。
通过采用上述技术方案，通过灾害感测数据接收模块可以接收到灾害感测数据，通过评分获取模块将接收到的灾害感测数据输入至灾害质量评分模型中，可以得到数据的可信度评分，以判断出数据是否可信，进而可避免灾害的误报，当数据可信度评分满足预设可信度也即并不是误报时，通过预警等级获取模块将灾害感测数据输入至灾害等级预判模型中，可以得到更准确的预警等级，再通过预警响应模块基于预警等级匹配对应的灾害处理方式，可以准确及时的对灾害进行预警响应，以确保防灾工作的顺利进展。
可选的，一种地质灾害的智能预警响应装置，还包括：第一训练数据集获取模块，用于获取灾害质量评分训练数据集，所述灾害质量评分训练数据集包括多组灾害质量评价数据，其中一组灾害质量评价数据包括设备在线状态、设备的在线率、设备的类型、数据的完整性、数据粗差占比、采样间隔时间、时效性、误报次数；评分模型获取模块，用于使用所述灾害质量评分训练数据集训练初始灾害质量评分模型，得到所述灾害质量评分模型。
通过采用上述技术方案，通过第一训练数据集获取模块可以获取到灾害质量评分训练数据集，通过训练评分模型获取模块可以使用灾害质量评分训练数据集训练初始灾害质量评分模型，得到灾害质量评分模型。
第三方面，本申请另一实施例提供一种地质灾害的智能预警响应***，采用如下技术方案：
一种地质灾害的智能预警响应***，用于执行于上述实施例中所述的地质灾害的智能预警响应方法，包括：智能预警平台；通信网络；监测设备，通过所述通信网络与所述智能预警平台进行网络通信。
通过采用上述技术方案，可以实现监测设备通过通信网络与智能预警平台进行网络通信，以将监测的数据实施传输至智能预警平台上，以供智能预警平台及时对数据进行分析处理，以快速对灾害进行预警响应，来确保防灾工作的顺利进展。
可选的，所述智能预警平台包括图像采集模块、数据管理模块、预警模块、巡查模块、调查评价模块。
通过采用上述技术方案，通过图像采集模块可以实现对监测地点的图像采集；通过数据管理模块，可以实现对监测数据的汇集、管理、分析和输出等；通过设置预警模块可以对灾害进行预警管理、专家匹配、应急资源匹配和预警等级划分等，以提醒相关地方单位及时对灾害进行防范，进而确保防灾工作的顺利进展；通过巡查模块可以实现对巡查任务的发布、记录巡查记录等；通过调查评价模块可以调查隐患、核实隐患以及管理隐患点等，进而通过智能预警平台可以准确且及时的对灾害进行预警响应，来确保防灾工作的顺利进展。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过将接收到的灾害感测数据输入至灾害质量评分模型中，可以得到数据的可信度评分，以判断数据是否可信，进而可避免灾害的误报，当数据可信度评分满足预设可信度也即并不是误报时，通过将灾害感测数据输入至灾害等级预判模型中，可以得到更准确的预警等级，再通过预警等级匹配对应的灾害处理方式，可以准确及时的对灾害进行预警响应，以确保防灾工作的顺利进展。
2.通过获取灾害质量评分训练数据集可以训练出基于灾害感测数据得到数据可信度评分的灾害质量评分模型，来避免灾害的误报。
3.通过获取灾害等级训练数据集可以训练出能够基于灾害感测数据进行预警等级划分的灾害等级预判模型。
4.通过基于不同占比的设备状态权重、数据质量权重和预警误报权重可以得到更准确的数据可信度评分。
附图说明
图1为本申请一实施例公开的一种地质灾害的智能预警响应方法的一个流程示意图；
图2为本申请另一实施例公开的一种地质灾害的智能预警响应方法的另一个流程示意图；
图3为本申请另一实施例公开的一种地质灾害的智能预警响应方法的另一个流程示意图；
图4为本申请另一实施例公开的一种地质灾害的智能预警响应装置的模块示意图；
图5为本申请另一实施例公开的一种地质灾害的智能预警响应***的结构示意图；
图6为图5中所示的智能预警平台的功能模块示意图。
附图标记说明：
210、灾害感测数据接收模块；220、评分获取模块；230、预警等级获取模块；240、预警响应模块；310、智能预警平台；311、图像采集模块；312、数据管理模块；313、预警模块；314、巡查模块；315、调查评价模块；320、通信网络；330、监测设备。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
相关技术中，由于在灾害响应方面，监控人员和地方单元人员工作繁琐，且不可避免出现误报情况，导致不能对灾害进行准确且及时的预警响应，不利于防灾工作的顺利进展，故有待改进。
因此，为了解决上述的技术问题，本申请公开了一种地质灾害的智能预警响应方法，能够准确且及时的对灾害进行预警响应，来确保防灾工作的顺利进展。
参见图1，本发明一实施例公开了一种地质灾害的智能预警响应方法，包括如下步骤：S10、接收灾害感测数据；
其中，接收灾害感测数据的一端为监控端，可由电脑端安装的相关软件实现数据监控功能。灾害感测数据可由设置在采集地的监测设备进行感测采集，其采集的灾害感测数据可包括：边坡角度、降雨量、物体加速度、地下水位、温湿度等，当然，在此，并不限定，可由相关技术人员基于实际需求，设置对应的感测器进行感测。
S20、将灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分；
其中，数据可信度评分为基于设备状态D、数据质量Q和预警误报W的权重分计算所得。灾害质量评分模型以设备状态D、数据质量Q和预警误报W为参数条件，形成一定的算法规则，当灾害感测数据输入后，即可输入数据可信度评分，进而实现以通过可信度评分，来判断出灾害是否为误报，进而来确保数据的真实性，减少误报的可能性。
具体地，设备状态D可包括设备的在线状态DS(设备是否在线)、在线率DR、设备类型DT。数据质量Q可包括完整性QC、粗差占比QR、采样间隔QI、时效性QT，完整性QC上传的数据应包含关键采集数据项、采集时间等关键字段，在本实施例中，当输出上传的数据完整时可取1，不完整时可取0；粗差占比QR指由拉依达准则剔除的粗差个数/监测数据总数，粗差是指绝对值大于3σ的误差；采样间隔QI指相邻两次接收数据的时间间隔，基于不同设备，人工可根据其性能进行适当调整其时间间隔；时效性QT指数据入库时间与数据采集时间的时间差。预警误报W为误报次数WN，由预警反馈的结果进行判定记录。在本实施例中，数据可信度评分以设备的在线状态DS和数据质量的完整性QC为控制条件，其余为量化指标，灾害质量评分模型中算法公式可如下所示：ω＝KDS×KQC×(KDR+KDT+KQR+KQI+KQT+KWN)。
ω表示数据可信度评分，K表示指标评分值，例如KDS表示在线状态评分，当设备在线时，KDS为1；当设备不在线，KDS为0。KQC表示上传的数据是否完整，当数据上传完整时，KQC为1；当数据上传不完整时，KQC为0。KDR表示在线率评分，当在线率DR≥90％时，评分为0.15；当为80≤DR<90时，评分为0.15为0.1；当70≤DR<80，评分为0.15为0.05；当DR<70时，评分为0.15为0。KDT表示设备类型评分，当检测设备中变形监测设异常时评分加0.1，当检测设备中应力监测设备异常时评分加0.08，当检测设备中水位监测设备异常时评分加0.1，当检测设备中温度监测设备异常时加0.1，当检测设备中震动监测设备异常时加0.08等等，在本实施例中，KDS、KQC、KDR、KDT并不依次为限，关于KQR、KQI、KQT、KWN的评分规则，在此，不再一一赘述，可由相关技术人员进行设定。
ω的值域区间为[0，1]，ω的值越大，说明设备性能越可靠。ω在[0.9，1]设备质量评定为优；ω在[0.8，0.9]设备质量评定为良；ω在[0.6，0.8]设备质量评定为合格，ω小于0.6为不合格也即判断出数据为误报。
S30、当数据可信度评分满足预设可信度，则将灾害感测数据输入至灾害等级预判模型中，得到预警等级；
其中，预设可信度可设置为大于0.6，当数据可信度评分满足预设可信度时，也即可排除误报的情况。预警等级可包括依次升高的注意级、警示级、警戒级和警报级，当然，也可以对应为绿、蓝、橙、红进行表示。
S40、基于预警等级匹配对应的灾害处理方式进行预警响应。
其中，基于上述举例，注意级对应的灾害处理方式为地方单位提醒周边群众远离灾害地；警示级对应的灾害处理方式为地方单位的巡查人员进行场地多次巡查，警示群众远离灾害地；警戒级对应的灾害处理方式为地方单位人员拉起警戒线，由专家人员进行现场勘查进行研究判断是否安全；警报级对应的灾害处理方式为地方单位通知地产归属者、施工部门、监控人员以及采取对应的应急措施。
参见图2，在另一实施例中，在步骤S10之前，还包括灾害质量评分模型的建立过程，其具体步骤可如下：
S01、获取灾害质量评分训练数据集，灾害质量评分训练数据集包括多组灾害质量评价数据；其中，一组灾害质量评价数据包括设备在线状态(同上，在线状态DS)、设备的在线率(同上，在线率DR)、设备的类型(同上，设备类型DT)、数据的完整性(同上，完整性QC)、数据粗差占比(同上，粗差占比QR)、采样间隔时间(同上，采样间隔QI)、时效性(同上，时效性QT)、误报次数(同上，误报次数WN)。
S02、使用灾害质量评分训练数据集训练初始灾害质量评分模型，得到灾害质量评分模型。
参见图3，在另一实施例中，在步骤S10之前，还包括灾害等级预判模型的建立过程，其具体步骤可如下：
S03、获取灾害等级训练数据集；
其中，灾害等级训练数据集包括多组预警等级感测数据，其中一组预警等级感测数据包括一个感测数据集合、一个感测数据阈值数据集合及对应于感测数据集合的预警等级。
具体地，一组预警等级感测数据为同一采集地的数据，当然每个采集地可以为多组预警等级感测数据，每条训练数据的生成可以由专业人员基于预警等级感测数据对应的感测数据阈值数据集合以及结合现场真实情况，得到预警等级后所生成。
S04、使用灾害等级训练数据集训练初始灾害等级预判模型，得到灾害等级预判模型。
在另一实施例中，步骤S20中，数据可信度评分可由25％设备状态权重分、55％数据质量权重分和20％预警误报权重分计算所得。
其中，20％预警误报权重分也即20％预警误报次数。在此实施例中，基于设备状态权重分、数据质量权重分和预警误报权重分的不同占比，可以得到更准确的数据可信度评分，以准确判定灾害是否为误报情况。
在另一实施例中，25％设备状态权重分可包括15％设备在线率权重分和10％设备类型权重分；
其中，设备在线率为设备实际数据上传的次数所占统计时段内应上传次数的比例，例如总设备有100，设备实际数据上传的次数为78，则设备在线率为78％。设备类型可包括变形监测设备、应力监测设备、水位监测设备、温度监测设备、震动监测设备等，其中，该五个监测设备可理解为相关技术中常用传感器设备，当然，在本实施例中，并不以此为限，还可以基于监测场地的实际情况增加其它传感器设备。
在另一实施例中，55％数据质量权重分包括数据完整性权重分、15％粗差占比权重分、20％采样间隔权重分和20％时效性权重分。
其中，数据完整性权重分可取1或0，当数据完整时，权重分为1，当数据不完整时，权重分为0；在此实施例中，通过数据完整性权重分以及不同的占比的粗差占比权重分、采样间隔权重分、时效性权重分，可以得到更准确的数据质量权重分。
本申请另一实施例还公开了一种地质灾害的智能预警响应装置，用于执行上述实施例所述的地质灾害的智能预警响应方法，参见图4，该地质灾害的智能预警响应装置包括灾害感测数据接收模块210、评分获取模块220、预警等级获取模块230和预警响应模块240；其中，灾害感测数据接收模块210，用于接收灾害感测数据；评分获取模块220，用于将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；预警等级获取模块230，用于当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；预警响应模块240，用于基于所述预警等级匹配对应的灾害处理方式进行预警响应。
进一步地，地质灾害的智能预警响应装置还包括第一训练数据集获取模块和第一训练模型；
其中，第一训练数据集获取模块，用于获取灾害质量评分训练数据集，所述灾害质量评分训练数据集包括多组灾害质量评价数据，其中一组灾害质量评价数据包括设备在线状态、设备的在线率、设备的类型、数据的完整性、数据粗差占比、采样间隔时间、时效性、误报次数；第一训练模型，用于使用所述灾害质量评分训练数据集训练初始灾害质量评分模型，得到所述灾害质量评分模型。
进一步地，地质灾害的智能预警响应装置还包括第二训练数据集获取模块和第二训练模型；
其中，第二训练数据集获取模块，用于获取灾害等级训练数据集，所述灾害等级训练数据集包括多组预警等级感测数据，其中一组预警等级感测数据包括一个感测数据集合、一个感测数据阈值数据集合及对应于所述感测数据集合的预警等级；第二训练模型，用于使用所述灾害等级训练数据集训练初始灾害等级预判模型，得到所述灾害等级预判模型。
进一步地，所述数据可信度评分由25％设备状态权重分、55％数据质量权重分和20％预警误报权重分计算所得。
其中，25％所述设备状态权重分包括15％设备在线率权重分和10％设备类型权重分；其中，所述设备在线率为设备实际数据上传的次数所占统计时段内应上传次数的比例，所述设备类型包括变形监测设备、应力监测设备、水位监测设备、温度监测设备、震动监测设备。
55％所述数据质量权重分包括数据完整性权重分、15％粗差占比权重分、20％采样间隔权重分和20％时效性权重分。
需要说明的是，该实施例公开的地质灾害的智能预警响应装置所实现的地质灾害的智能预警响应方法如上述实施例，故在此不再进行详细讲述。可选地，本实施例中的各个模块和上述其他操作或功能分别为了实现前述实施例中的方法。
本申请另一实施例中公开了一种地质灾害的智能预警响应***，参见图5，该***包括：智能预警平台310、通信网络320和监测设备330，监测设备330通过通信网络320与智能预警平台310进行网络通信，可以将监测的数据实施传输至智能预警平台310上，以供智能预警平台310即时采集、即时交互、即时监控和管理，以快速对灾害进行预警响应，来确保防灾工作的顺利进展。
进一步地，智能预警平台310可包括图像采集模块311、数据管理模块312、预警模块313、巡查模块314、调查评价模块315。
其中，通过图像采集模块可以实现对监测地点的图像采集，不限于图片、视频；通过数据管理模块，可以实现对监测数据的汇集、管理、分析和输出等；通过设置预警模块可以对灾害进行预警管理、专家匹配、应急资源匹配和预警等级划分等，以提醒相关地方单位及时对灾害进行防范，进而确保防灾工作的顺利进展，其中专家匹配可理解为预先建立有专家资料数据库，可通过灾害位置和预警等级进行设定匹配，应急资源匹配可基于灾害预警等级和灾害位置进行设定匹配。
通过巡查模块可以实现对巡查任务的发布、记录巡查记录等；通过调查评价模块可以调查隐患、核实隐患以及管理隐患点等，进而通过智能预警平台可以准确且及时的对灾害进行预警响应，来确保防灾工作的顺利进展。当然，在本实施例中，并不限定智能预警平台的功能模块。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种地质灾害的智能预警响应方法，其特征在于，包括：
获取灾害质量评分训练数据集，所述灾害质量评分训练数据集包括多组灾害质量评价数据，其中一组灾害质量评价数据包括设备在线状态、设备的在线率、设备的类型、数据的完整性、数据粗差占比、采样间隔时间、时效性、误报次数；
使用所述灾害质量评分训练数据集训练初始灾害质量评分模型，得到所述灾害质量评分模型；接收灾害感测数据；
将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；
当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；
基于所述预警等级匹配对应的灾害处理方式进行预警响应。
2.根据权利要求1所述的地质灾害的智能预警响应方法，其特征在于，在所述接收灾害感测数据之前，还包括：
获取灾害等级训练数据集，所述灾害等级训练数据集包括多组预警等级感测数据，其中一组预警等级感测数据包括一个感测数据集合、一个感测数据阈值数据集合及对应于所述感测数据集合的预警等级；
使用所述灾害等级训练数据集训练初始灾害等级预判模型，得到所述灾害等级预判模型。
3.根据权利要求1所述的地质灾害的智能预警响应方法，其特征在于，所述数据可信度评分由25％设备状态权重分、55％数据质量权重分和20％预警误报权重分计算所得。
4.根据权利要求3所述的地质灾害的智能预警响应方法，其特征在于，25％所述设备状态权重分包括15％设备在线率权重分和10％设备类型权重分；
其中，所述设备在线率为设备实际数据上传的次数所占统计时段内应上传次数的比例，所述设备类型包括变形监测设备、应力监测设备、水位监测设备、温度监测设备、震动监测设备。
5.根据权利要求3所述的地质灾害的智能预警响应方法，其特征在于，55％所述数据质量权重分包括数据完整性权重分、15％粗差占比权重分、20％采样间隔权重分和20％时效性权重分。
6.一种地质灾害的智能预警响应装置，用于执行于上述权利要求1至5中任意一项所述的地质灾害的智能预警响应方法，其特征在于，包括：
灾害感测数据接收模块，用于接收灾害感测数据；
评分获取模块，用于将所述灾害感测数据输入至灾害质量评分模型中，得到数据可信度评分，所述数据可信度评分基于设备状态、数据质量和预警误报的权重分计算所得；
预警等级获取模块，用于当所述数据可信度评分满足预设可信度，则将所述灾害感测数据输入至灾害等级预判模型中，得到预警等级；
预警响应模块，用于基于所述预警等级匹配对应的灾害处理方式进行预警响应；
第一训练数据集获取模块，用于获取灾害质量评分训练数据集，所述灾害质量评分训练数据集包括多组灾害质量评价数据，其中一组灾害质量评价数据包括设备在线状态、设备的在线率、设备的类型、数据的完整性、数据粗差占比、采样间隔时间、时效性、误报次数；
评分模型获取模块，用于使用所述灾害质量评分训练数据集训练初始灾害质量评分模型，得到所述灾害质量评分模型。
7.一种地质灾害的智能预警响应***，用于执行于上述权利要求1至5中任意一项所述的地质灾害的智能预警响应方法，其特征在于，包括：
智能预警平台；
通信网络；
监测设备，通过所述通信网络与所述智能预警平台进行网络通信。
8.根据权利要求7所述的地质灾害的智能预警响应***，其特征在于，所述智能预警平台包括图像采集模块、数据管理模块、预警模块、巡查模块、调查评价模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211724903.5A CN116434478B (zh) | 2022-12-30 | 2022-12-30 | 地质灾害的智能预警响应方法、装置和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211724903.5A CN116434478B (zh) | 2022-12-30 | 2022-12-30 | 地质灾害的智能预警响应方法、装置和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116434478A CN116434478A (zh) | 2023-07-14 |
| CN116434478B true CN116434478B (zh) | 2023-11-21 |
Family
ID=87087879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211724903.5A Active CN116434478B (zh) | 2022-12-30 | 2022-12-30 | 地质灾害的智能预警响应方法、装置和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116434478B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977725A (zh) * | 2016-10-24 | 2018-05-01 | 广东奥博信息产业有限公司 | 大数据雷电预警方法及其*** |
| CN110264672A (zh) * | 2019-06-25 | 2019-09-20 | 广州市城市规划勘测设计研究院 | 一种地质灾害的预警*** |
| CN110260774A (zh) * | 2019-07-22 | 2019-09-20 | 安徽理工大学 | 一种基于Pettitt算法的GNSS变形信息检验与预警方法 |
| CN111666958A (zh) * | 2019-03-05 | 2020-09-15 | 中科院微电子研究所昆山分所 | 基于图像识别的设备状态检测方法、装置、设备及介质 |
| CN113723446A (zh) * | 2021-07-15 | 2021-11-30 | 杭州鲁尔物联科技有限公司 | 地灾监测预警方法、装置、计算机设备及存储介质 |
| CN114333245A (zh) * | 2022-01-05 | 2022-04-12 | 中国地质科学院探矿工艺研究所 | 一种基于滑坡立体监测的多参数模型动态预警方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11212299B2 (en) * | 2018-05-01 | 2021-12-28 | Royal Bank Of Canada | System and method for monitoring security attack chains |
-
2022
- 2022-12-30 CN CN202211724903.5A patent/CN116434478B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977725A (zh) * | 2016-10-24 | 2018-05-01 | 广东奥博信息产业有限公司 | 大数据雷电预警方法及其*** |
| CN111666958A (zh) * | 2019-03-05 | 2020-09-15 | 中科院微电子研究所昆山分所 | 基于图像识别的设备状态检测方法、装置、设备及介质 |
| CN110264672A (zh) * | 2019-06-25 | 2019-09-20 | 广州市城市规划勘测设计研究院 | 一种地质灾害的预警*** |
| CN110260774A (zh) * | 2019-07-22 | 2019-09-20 | 安徽理工大学 | 一种基于Pettitt算法的GNSS变形信息检验与预警方法 |
| CN113723446A (zh) * | 2021-07-15 | 2021-11-30 | 杭州鲁尔物联科技有限公司 | 地灾监测预警方法、装置、计算机设备及存储介质 |
| CN114333245A (zh) * | 2022-01-05 | 2022-04-12 | 中国地质科学院探矿工艺研究所 | 一种基于滑坡立体监测的多参数模型动态预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116434478A (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109686061B (zh) | 基于gis与bim的桥梁监测辅助决策*** | |
| CN107332698A (zh) | 一种面向明长城智能感知***的安全态势感知***及方法 | |
| CN112925279A (zh) | 一种基于mes***的故障综合分析*** | |
| CN106020154A (zh) | 一种用于乙烯生产的安全动态健康评估方法及评估*** | |
| CN112817280A (zh) | 一种用于火电厂智慧监盘报警***实现方法 | |
| CN112286771B (zh) | 一种针对全域资源监控的告警方法 | |
| CN105758661B (zh) | 一种锅炉受热面寿命评估***和方法 | |
| CN111178828A (zh) | 一种建筑消防安全预警的方法和*** | |
| CN114997682A (zh) | 一种基于大数据的施工现场安全监测***及方法 | |
| CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
| CN112326583A (zh) | 一种基于物联网的毒害气体智能检测***及方法 | |
| CN111126751A (zh) | 基于移动互联的智能巡检和安全监测预警***及方法 | |
| CN110728381A (zh) | 一种基于rfid和数据处理的发电厂智能巡检方法及*** | |
| CN112580858A (zh) | 设备参数预测分析方法及*** | |
| CN114429308A (zh) | 一种基于大数据的企业安全风险评估方法及*** | |
| CN109916496A (zh) | 一种电子秤的监测方法及*** | |
| CN115496386A (zh) | 设备巡检方法、***及计算机可读存储介质 | |
| CN115864223A (zh) | 一种基于无人机巡视技术的电网全专业差异化运维方法 | |
| CN111579001A (zh) | 机器人的故障检测方法及装置 | |
| CN108093210A (zh) | 一种变压器油位告警***及其告警方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化*** | |
| CN111191855A (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
| CN116434478B (zh) | 地质灾害的智能预警响应方法、装置和*** | |
| CN113483815A (zh) | 一种基于工业大数据的机械故障监控*** | |
| CN110455370B (zh) | 防汛抗旱远程遥测显示*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231219 Address after: 518023 Taoyuan Road, Luohu District, Shenzhen City, Guangdong Province Patentee after: GEOLOGICAL BUREAU OF SHENZHEN Patentee after: SHENZHEN GEOLOGY & CONSTRUCTION CO. Address before: 518023 Taoyuan Road, Luohu District, Shenzhen City, Guangdong Province Patentee before: GEOLOGICAL BUREAU OF SHENZHEN |