[发明专利]一种边坡自动化实时立体监测与预警的方法

权利要求书

1.一种边坡自动化实时立体监测与预警的方法，其特征在于，包括以下步骤：

(1)在边坡上需要表征的位置布设测斜管，所述测斜管的内部设有定位槽，所述定位槽内安装柔性测斜仪，所述柔性测斜仪连接控制器，所述柔性测斜仪实时感应测斜管的变形数据，并将变形数据传输给控制器，所述控制器再将数据传输给位移分析系统；

(2)位移分析系统将获得的变形数据通过小波去噪模块处理，得到平滑去噪后曲线；

(3)建立RBF神经网络模型，所述RBF神经网络模型包括输入层、隐层和输出层，将步骤(2)得到的去噪后曲线经输入层传递给隐层，所述隐层由高斯型径向基函数构成，所述隐层中的高斯型径向基函数对输入的去噪后曲线在局部产生响应，并通过隐层学习单元获得监测的位移曲线，并将位移曲线再传递给输出层，所述输出层由线性函数构成，所述输出层通过线性函数对位移曲线进行处理，并通过输出层的学习单元获得位移曲线后续发展的预测曲线，对获得的位移曲线后续发展的预测曲线进行判断，即可分析边坡是否有风险，并进行预警；

所述步骤(2)中，变形数据通过小波去噪模块处理的具体步骤如下：

(2-1)向小波去噪模块中输入变形数据的时间序列{x_i|i＝1,2,...,n}，并记为：

式中n＝2^M，M为插值与抽取系数；

(2-2)选取3次B样条小波函数，保证选取的小波函数在时域内的分辨率，并确定小波变换系数；

(2-3)运用步骤(2-2)选取的小波函数通过分解算法将分解至l层，得到第l层上小波变换的低频系数和各层分解的高频系数

(2-4)设定阈值T，对步骤(2-3)得到的进行扫描，大于T的数据保留，小于T的数据置0，得到

(2-5)保留低频系数并与一起进行小波重构，得到平滑去噪后曲线；

所述步骤(2-5)中，平滑去噪后曲线表示为：

采用嵌入式预警模型，将RBF神经网络分析方法应用于边坡稳定性的预测预警，在PC端数据分析系统中嵌入RBF神经网络分析法；

所述步骤(1)中，测斜管从边坡的滑坡体插入边坡的潜在滑动面，并进入边坡的稳定基岩；

所述步骤(2-3)中，低频系数和高频系数的计算方法分别为：

式中：h为小波变换系数，n为小波分解层数，j为时间序列第j层；

所述步骤(3)中，隐层学习单元的输出表示为：

式中：||·||表示范数，取欧几里德范数；X为n维输入矢量，即X＝[x₁,x₂,...x_n]^T；C_j为第j个非线性变换单元的中心向量，与X具有相同维数的向量；为第j个中心对应第k个输入的分量；σ_j为第j个非线性变换单元的宽度。

2.根据权利要求1所述的边坡自动化实时立体监测与预警的方法,其特征在于，所述步骤(1)中，控制器通过太阳能电池板供电。

3.根据权利要求1所述的边坡自动化实时立体监测与预警的方法, 其特征在于，所述步骤(1)中，所述控制器通过GPRS网络将数据传输给位移分析系统。

4.根据权利要求3所述的边坡自动化实时立体监测与预警的方法,其特征在于，所述位移分析系统为移动设备或计算机。

5.根据权利要求1所述的边坡自动化实时立体监测与预警的方法,其特征在于，所述步骤(3)中，输出层的学习单元输出表示为：

式中：w_ij为第i个隐单元与第j个输出之间的连接权；m为输出维数；p为隐单元数。