[发明专利]一种基于信息融合监控分析滑坡运动形态的方法

摘要

一种基于信息融合监控分析滑坡运动形态的方法，包括以下步骤：(1)设置监测点，连续数月收集每个监测点每天的位移数据；(2)对各个监测点进行初步分块，相同运动轨迹的监测点分在同一监测块内；(3)对各个监测点的分块结果进行修正；(4)通过平移运动和旋转运动对各个监测块内的滑坡运动形态进行表示，确定滑坡运动形态；(5)根据确定的滑坡运动形态对滑坡运动过程做出快速评估。本发明全面地描述滑坡的各块、块与块间的运动形态，达到了准确评估滑坡运动过程的目的；能够直观地对滑坡运动过程做出评估，并提高对滑坡整体运动形态的认识，有效避免滑坡带来的生命和财产安全的巨大的隐患。

主权项

1.一种基于信息融合监控分析滑坡运动形态的方法，其特征在于，包括以下步骤：/n(1)研究滑坡概况，在滑坡上设置监测点，连续数月收集每个监测点每天的位移数据；/n(2)将每天收集的每个监测点的位移数据分别取绝对值，通过累计求和得到每个监测点每个月的累计位移，根据每个监测点每个月的累计位移变化判断每个监测点的运动状态变化，并根据每个监测点的运动状态变化对各个监测点进行初步分块，相同运动状态变化的监测点分在同一监测块内；/n(3)对每个监测点每个月位移数据的平面分量进行二维分析，并根据二维分析判断每个监测点的平面运动轨迹，据此，对各个监测点的初步分块结果进行修正；/n(4)对各个监测块内的监测点进行融合得到融合综合点，通过融合综合点分别对每个监测块内的滑坡运动形态进行表示，先通过监测块的平移运动对滑坡的运动形态进行表示，再通过建立刚体模型，通过刚体模型的旋转和平移运动对滑坡的运动形态进行表示，然后综合两种表示方式所得的滑坡运动形态，确定滑坡运动形态；/n(5)根据步骤(4)确定的滑坡运动形态对滑坡运动过程做出快速评估；/n利用卡尔曼滤波融合算法，将分块后的监测点数据以块为单位，采取集中式多传感器融合每个传感器得到k+1时刻的最优估计值，即滤波后的值Z_i(k+1)，然后将各个传感器得到的滤波值在融合中心进行融合，得到每个监测块的融合综合点值；所述卡尔曼滤波融合算法是对每个监测点的传感器产生的数据进行融合，每一个传感器均是融合的一个模块，传感器与传感器之间互不干扰；/n融合步骤如下：/n计算滑坡每个监测点的运动位移和运动速度，公式如下：/n式中：s(x)表示监测点在x状态的运动位移，s(x+1)表示监测点在x+1状态的运动位移，v(x)表示在x状态的运动速度，v(x+1)表示在x+1状态的运动速度，a(x)表示监测点在x状态到x+1状态的加速度，T表示监测点在x状态到x+1状态的时间；/n将上述滑坡每个监测点的运动位移和运动速度作为滑坡的卡尔曼系统的状态变量，则可以得到动态监测模型为：/n /n /n /nH(k)＝{1 0}；/n /nW(k)＝a(k)；/n式中：X(k+1)表示k+1时刻的系统状态，X(k)表示k时刻的系统状态，Φ(k)、H(k)、Γ(k)均表示测量系统参数，Z(k)表示滑坡监测点实际的位移监测值，W(k)和V(k)分别表示过程和测量的高斯白噪声，且两者互不相关。/n