[发明专利]基于多传感数据融合技术的山体滑坡预警方法

权利要求书

1.一种基于多传感数据融合技术的山体滑坡预警方法，其特征在于，包括以下步骤：

步骤S1：分别测出监测点位置的有效降雨量、地表位移量和深部位移量，并分别转换成对应的发生滑坡的概率；

步骤S2：将三种发生滑坡的概率分别转换为直觉模糊集；

步骤S3：计算基于熵和模糊散度测度的权重系数，获得加权基本概率赋值函数；

步骤S4：利用改进型DS证据理论融合规则进行迭代处理，得到融合结果作为最终滑坡的概率；

步骤S1具体包括以下步骤：

步骤S31：将有效降雨量转换成发生滑坡的概率：

所述有效降雨量通过下式计算获得：

A_l＝0.5406×e^-3.392×l+7.94×10^-2e^-0.1286×l (2)

其中l＝0时x₀代表当天24小时降雨量，l＝1时x₁代表前一天24小时降雨量，l＝2时x₂代表前两天24小时降雨量，l＝3时x₃代表前三天24小时降雨量，A_l代表每天的权重系数；

采用以下公式将有效降雨量转换成产生山体滑坡的概率：

P_R(R)＝(1.134×10^-4×R³-0.02814×R²+2.348×R+12.96)/100(3)；其中下标R代表有效降雨量；

步骤S32：将地表位移量转换成发生滑坡的概率：

利用GNSS定位系统和RTK技术计算测量点的水平位移量和垂直位移量，并将水平位移量和垂直位移量的比值转换成对山体滑坡的概率：

P_G(k)＝0.8539e^0.04242k-2.248e^-13.73k (4)

其中k表示水平位移量和垂直位移量的比值；下标G代表表面水平位移量和垂直位移量；

步骤S33：将深部位移量转换成发生滑坡的概率：

其中D和d均表示深部位移量；

在步骤S2中，采用隶属度U、非隶属度V和犹豫度π三方面对滑坡事件进行描述，将有效降雨量、地表位移量和深部位移量转换成的发生滑坡的概率转换成直觉模糊集m＝{U(x),V(x),π(x)}：

U(x)＝P(x)-0.5π(x) (7)

V(x)＝1-π(x)-U(x) (8)；

利用公式(6)-(8)对有效降雨量产生滑坡的概率进行转换，得到直觉模糊集

利用公式(6)-(8)对深部位移量产生滑坡的概率进行转换，得到直觉模糊集

利用公式(6)-(8)对表面位移量比值产生滑坡的概率进行转换，得到直觉模糊集

步骤S3具体包括以下步骤：

步骤S31：基于犹豫直觉模糊熵确定加权系数：

其中，n分别表示角标表示R、D、G三个参量对应的模糊集函数；

步骤S32：构建任意滑坡预测系统中各传感器之间的相似度矩阵C：已知三个传感器的直觉模糊集为：则它们之间的相似度矩阵为：

其中i,j分别可以取R,D,G三个模糊集函数；当i＝j即直觉模糊集相同时，它们之间的相似度为1；利用该方法得到R、D、G三个参量对应的模糊集函数之间的相似度矩阵C

计算R,D,G对产生滑坡的支持度Sup，下标代表不同的传感器：

归一化各传感器的支持度：

步骤S33：计算各传感器直觉模糊集的加权系数，获得加权基本概率赋值函数B：

步骤S4具体包括以下步骤：

令直觉模糊集函数为利用改进型DS证据理论方法进行融合处理，融合结果为F，融合过程为：

则融合结果F的直觉模糊集为

利用以上融合算法对加权模糊集概率分布函数进行2次迭代处理，得到最后的融合结果