[发明专利]一种基于均值-标准差的加权马尔可夫滑坡预警方法

权利要求书

1.一种基于均值-标准差的加权马尔可夫滑坡预警方法，其特征在于，包括如下步骤：

步骤1：布置滑坡监测点，针对每一个滑坡监测点，执行步骤2到步骤7；

步骤2：每日收集一次滑坡监测点位移速度，构成位移速度集合{x₁，x₂，…，x_i，…，x_n}，其中，x_i为第i日收集到的位移速度，i＝{1,2，…，n}；

步骤3：利用均值-标准差法确定位移速度集合中各位移速度所属状态，包括正常状态或异常状态，n个位移速度的状态组成位移速度状态序列；

步骤4：根据位移速度状态序列，使用加权马尔可夫链预测次日位移速度x_n+1所属状态，即位移速度次日预测状态；

步骤5：进行滑坡预警判断：当满足位移速度前日状态为异常状态、位移速度当日状态为异常状态且位移速度次日预测状态为异常状态时，发出滑坡预警信号；

步骤6：判断是否有新收集到的位移速度数据，有，则将第一日位移速度从位移速度集合中删除，将第n+1日收集到的位移速度加入位移速度集合中，对新的位移速度集合重复步骤3到步骤5；否则，执行步骤7；

步骤7：对滑坡预警结果进行评价；

步骤3具体步骤为：

步骤3-1：计算位移速度的均值和标准差s：

步骤3-2：确定状态划分的分界点D：

其中，α为可变参数；

步骤3-3：计算位移速度的最大值max和最小值min；

步骤3-4：利用“D”“max”和“min”依次确定位移速度状态：若位移速度在区间[min，D)内，则位移速度状态为正常状态，用“1”表示；若位移速度在区间[D，max]内，则位移速度状态为异常状态，用“2”表示；n个位移速度状态组成位移速度状态序列。

2.根据权利要求1所述的基于均值-标准差的加权马尔可夫滑坡预警方法，其特征在于，步骤4具体步骤为：

步骤4-1：使用马尔可夫链计算m阶位移速度次日预测状态的分布矩阵；

步骤4-1-1：根据位移速度状态序列，统计不同步长的状态转移频数矩阵q^(k)：

其中，k为步长，k＝{1,2，…，m}，m为阶数，m≤5；q₁₁为位移速度状态序列中从正常状态间隔k-1个位移速度状态转移到下一个正常状态的转移次数；q₁₂为位移速度状态序列中从正常状态间隔k-1个位移速度状态转移到异常状态的转移次数；q₂₁为位移速度状态序列中从异常状态间隔k-1个位移速度状态转移到正常状态的转移次数；q₂₂为位移速度状态序列中从异常状态间隔k-1个位移速度状态转移到下一个异常状态的转移次数；

步骤4-1-2：根据状态转移频数矩阵计算状态转移概率矩阵P^(k)：

其中，

步骤4-1-3：计算初始状态概率向量

其中，

步骤4-1-4：计算m阶位移速度次日预测状态的分布矩阵B：

其中，

步骤4-2：使用加权马尔可夫链计算m阶位移速度次日预测状态：

步骤4-2-1：计算位移速度的自相关系数r_k：

其中，为位移速度均值，x_t+k为第t+k日的位移速度，t＝[1，n-k]；

步骤4-2-2：计算不同步长权重w_k，构成m阶权重向量w^m＝(w₁,w₂,…,w_k,…,w_m)，其中，

步骤4-2-3：计算m阶位移速度次日预测状态的概率分布向量C⁽ⁿ⁺¹⁾：

C⁽ⁿ⁺¹⁾＝(c₁,c₂,…,c_r)＝w^m*B

步骤4-2-4：将向量C⁽ⁿ⁺¹⁾中最大元素所在列对应的状态作为m阶加权马尔可夫链预测的次日位移速度x_n+1所属状态，即位移速度次日预测状态；

步骤4-3：重复步骤4-1到步骤4-2，计算m取不同值时各阶位移速度次日预测状态，如果各阶位移速度次日预测状态均为“异常”，位移速度次日预测状态为“异常”；如果各阶位移速度次日预测状态不全为“异常”，位移速度次日预测状态为“正常”。

3.根据权利要求1所述的基于均值-标准差的加权马尔可夫滑坡预警方法，其特征在于，步骤7所述对滑坡预警结果进行评价的具体方法为：

步骤7-1：评价滑坡预警的及时性：滑坡预警及时性以滑坡发生前滑坡前应急准备时间内滑坡预警密集度衡量；滑坡预警密集度越接近1，滑坡预警的及时性越强；滑坡预警密集度为：在滑坡发生之前R天进行的R次滑坡预警判断中，发出滑坡预警信号的次数为R^*，则滑坡之前R天内的滑坡预警密集度

步骤7-2：评价滑坡预警的抗干扰性：错误预警率越低，滑坡预警的抗干扰性越好；错误预警率为：如果在滑坡应急准备时间之前共做出M次滑坡预警判断，其中有M^*次发出了滑坡预警信号，错误预警率为

步骤7-3：评价滑坡预警的可信度：滑坡预警的可信度由预测一致率决定，预测一致率越大，滑坡预警的可信度越好；预测一致率为：在滑坡发生前一共对位移速度状态做Q次预测，其中Q^*次与实际位移速度状态相符合，则预测一致率为