石 磊

(阜陽職業(yè)技術(shù)學院，安徽 阜陽 236031)

無限傳感網(wǎng)絡WSN是一種全新的網(wǎng)絡化信息收集處理技術(shù)，其具有廣泛的應用價值[1]。無線傳感網(wǎng)絡WSN可應用在山體和滑坡災害的檢測領域，在監(jiān)控地區(qū)設置大量的無線網(wǎng)絡節(jié)點構(gòu)成網(wǎng)狀結(jié)構(gòu)，再結(jié)合無線GPRS通信技術(shù)，實時監(jiān)測網(wǎng)絡節(jié)點是否出現(xiàn)異常，分析、處理收集到的監(jiān)測數(shù)據(jù)，則可完成山體和滑坡災害的準確預警[2]。當前存在一些較好的方法，但具有一定的局限性。王文發(fā)等[3]提出的無線傳感網(wǎng)絡覆蓋盲區(qū)監(jiān)測方法，只針對網(wǎng)絡覆蓋盲區(qū)監(jiān)測，無法有效檢測傳感器節(jié)點異常情況，不能準確預警山體和滑坡災害的發(fā)生；張文峰等[4]地質(zhì)滑坡災害的山層斷層效應分析與研究，只監(jiān)測地質(zhì)滑坡災害的山層斷層效應，傳遞滑坡災害信息時存在較高的滯后性，使得滑坡災害預警效率大大降低；孫光林等[5]研究的邊坡災害監(jiān)測預警物聯(lián)網(wǎng)系統(tǒng)及工程，只能預警傾斜順層巖質(zhì)邊坡災害，對其它類型邊坡災害預警效果差，具有一定局限性。

為解決以上問題，本文提出新的山體和滑坡災害的傳感網(wǎng)絡預警方法，提高山體和滑坡預警效果。

1 山體和滑坡災害的傳感網(wǎng)絡預警技術(shù)研究

1.1 山體和滑坡災害的傳感網(wǎng)絡預警體系

WSN監(jiān)測層、GPRS接入層以及監(jiān)控中心組成山體和滑坡災害的傳感網(wǎng)絡預警體系[6]。圖1為傳感網(wǎng)絡預警體系結(jié)構(gòu)。

圖1 山體和滑坡災害的傳感網(wǎng)絡預警體系結(jié)構(gòu)

從圖1可知，監(jiān)測山體邊坡的位移、傾角與水位等信息過程中，需要在監(jiān)測區(qū)中配置許多傳感器節(jié)點，信息收集頻率與信息收集量在測量時通過傳感器節(jié)點自動調(diào)整，將收集到的信息利用簇頭節(jié)點實施去冗融合處理后通過路由器發(fā)送，遠程監(jiān)控中心接收BS基站內(nèi)由GPRS網(wǎng)關(guān)節(jié)點界定格式處理的信息數(shù)據(jù)，監(jiān)控中心及時了解信息數(shù)據(jù)的安全性，同時處理和呈現(xiàn)數(shù)據(jù)；完成對山體邊坡失穩(wěn)的安全性預警監(jiān)測[7]。

圖2為山體和滑坡災害的傳感網(wǎng)絡預警體系山體邊坡失穩(wěn)變形運動和監(jiān)測原理，山體滑坡的核心要素是雨水浸泡，表征邊坡危險度的關(guān)鍵參數(shù)為山地下水位高度，設置大量垂直孔洞在朝下山區(qū)勢的邊坡山體危險范圍內(nèi)，將液位傳感器設置在孔洞底端，向WSN反饋收集到的液位值。土石層受侵蝕風化等原因形成土石層巨大差異，在孔洞各個深度放置傾角傳感器收集邊坡不同層段的傾角信息數(shù)據(jù)[8]。山體邊坡失穩(wěn)變形趨向、強度與威脅性由智能檢測中心通過傾角傳感器斷定。

圖2 山體邊坡失穩(wěn)變形運動和監(jiān)測

WSN監(jiān)測層有去冗度高、耗能低等優(yōu)點，WSN監(jiān)測層利用分層多簇結(jié)構(gòu)網(wǎng)絡，將臨近的節(jié)點構(gòu)成一個簇，子節(jié)點收集到的數(shù)據(jù)上傳至簇頭節(jié)點并融合，簇頭節(jié)點依據(jù)規(guī)定算法動態(tài)選取，并將其余簇頭節(jié)點數(shù)據(jù)傳遞給路由器向外傳輸[9]。使用休眠機制收集數(shù)據(jù)延長傳感器節(jié)點壽命，傳感節(jié)點通過監(jiān)測內(nèi)部電路提醒監(jiān)測邊坡環(huán)境參數(shù)超出規(guī)定閾值，提升信息收集密度。為了提高系統(tǒng)使用壽命，節(jié)約用電，將傳感節(jié)點的數(shù)據(jù)收集時間通過監(jiān)控中心調(diào)至8 h一次傳遞數(shù)據(jù)。在雨季和臺風危險期，為確保邊坡安全的實時監(jiān)測與滑坡危險預警，將監(jiān)測頻率提升至1 min一次傳遞數(shù)據(jù)。

1.2 GPRS聯(lián)網(wǎng)設計

海量數(shù)據(jù)的遠程傳輸利用GPRS接入層完成，數(shù)據(jù)傳輸?shù)目煽啃耘c延遲性具有負相關(guān)性。GPRS模塊采用Sm300模塊為核心，利用AT指令編程完成網(wǎng)絡的連接與數(shù)據(jù)的反饋[10]。網(wǎng)絡連接時查詢模塊在工作狀態(tài)正常情況下，建立APN以及用戶名與密碼，網(wǎng)絡連接形式、本地IP與端口在退出OK后建立，建立網(wǎng)絡連接形式以及本地IP與端口后鏈接UDP，UDP鏈接完成后即刻上傳數(shù)據(jù)。圖3為GPRS網(wǎng)絡連接流程。

圖3 GPRS 網(wǎng)絡連接流程

1.3 監(jiān)控中心的管理方式

GPRS網(wǎng)關(guān)轉(zhuǎn)發(fā)的監(jiān)測數(shù)據(jù)上傳到監(jiān)控中心，通過該后臺數(shù)據(jù)庫存儲監(jiān)控數(shù)據(jù)，將數(shù)據(jù)呈現(xiàn)在用戶頁面中，基于數(shù)據(jù)研究結(jié)果完成山體和滑坡的告警[11]，監(jiān)控中心的兩種功能如下。

1.3.1 可視化呈現(xiàn)功能

(1)將呈現(xiàn)的地理信息與地理信息系統(tǒng)連接，通過地圖呈現(xiàn)全部的傳感器節(jié)點方位和實時數(shù)據(jù)，滑坡多發(fā)地帶狀況由掌握全部監(jiān)測成果的監(jiān)測者鑒定。

(2)利用時間段規(guī)律反映各傳感器節(jié)點的全部數(shù)據(jù)，監(jiān)測者利用時間段規(guī)律分析各時間段的滑坡情況[12]，健全預警體系。

(3)全部實時數(shù)據(jù)與節(jié)點情況由總體節(jié)點依據(jù)網(wǎng)絡中的標識大小反映，監(jiān)測者選取監(jiān)測數(shù)據(jù)并實時監(jiān)測節(jié)點的特殊情況，有效的保護了網(wǎng)絡系統(tǒng)。

1.3.2 警示功能

(1)異常標識的警示信息呈現(xiàn)在軟件頁面中。

(2)警示聲音由監(jiān)控中心內(nèi)的多媒體裝備發(fā)出。

(3)將警示短信發(fā)送至監(jiān)測者的個人移動部件中。

1.4 山體和滑坡災害傳感網(wǎng)絡異常節(jié)點檢測

將山坡和滑坡災害傳感網(wǎng)絡中鄰近節(jié)點的方位信息作為基礎，利用區(qū)域分割方式，實現(xiàn)龐大無線網(wǎng)絡的小規(guī)?；芾韀13]。依據(jù)規(guī)劃后的小節(jié)點，對比區(qū)域節(jié)點的單次多點，將區(qū)域節(jié)點局部關(guān)聯(lián)：選取區(qū)域節(jié)點內(nèi)正常信息，以方位信息為基礎，對比選取的標準節(jié)點信息和鄰近節(jié)點信息，依據(jù)方位半徑大小選取適當?shù)倪m配值[14]。為增強節(jié)點定位的精確性，規(guī)劃一個適當?shù)倪x擇算子。

1.4.1 異常節(jié)點的區(qū)域內(nèi)對比鑒別

(1)

為方便進一步對比鑒別，加權(quán)優(yōu)化節(jié)點特征對，加權(quán)表達式為：

(2)

運算節(jié)點特征提取誤差為：

(3)

(4)

(5)

得出：

Dirp=γprp,p=w+1,…,k。

(6)

式中：特征斜方差矩陣的特征值與相應的特征向量分別為γp與rp。

實施差異對比檢測方法的過程為：

(7)

節(jié)點特征對比由公式(7)方程組求解完成，完整存儲節(jié)點異常特征值分量，對運算量實施簡化的過程中，最大程度存儲海量原有信息，準確檢測出異常區(qū)域特征和正常區(qū)域特征，進而實現(xiàn)山體和滑坡災害的傳感網(wǎng)絡異常節(jié)點區(qū)域檢測，為后續(xù)異常節(jié)點定位提供可靠依據(jù)。

1.4.2 分區(qū)域異常節(jié)點定位算法實現(xiàn)

上小節(jié)檢測到異常節(jié)點區(qū)域后，應依據(jù)節(jié)點位置信息規(guī)劃小區(qū)域無線網(wǎng)絡，各區(qū)域內(nèi)節(jié)點數(shù)量在三個以上時可確保各節(jié)點區(qū)域?qū)Ρ鹊木_度。標準節(jié)點的驗證信息反饋至鄰近節(jié)點驗證，鄰近節(jié)點將驗證無誤的標準信息反饋至其他節(jié)點。使用最佳選擇算子驗證三個以上的節(jié)點數(shù)量，選取最佳多個通信節(jié)點。節(jié)點的初始位置解與節(jié)點區(qū)域的公共領域利用估計算法計算得出，圖4為多節(jié)點同時檢驗區(qū)域。

圖4 多節(jié)點同時驗證區(qū)域

如圖4所示，(i1,j1)、(i2,j2)、(i3,j3)、(i4,j4)分別為多個節(jié)點的區(qū)域，標準節(jié)點位置信息(i,j)依據(jù)多個節(jié)點的區(qū)域搜索得出：

(i,j)=((i2,j1)/2,(j3,j1)/2)。

(8)

節(jié)點異常特征搜索算法內(nèi)存在特征誤差狀況，區(qū)域臨近時特征誤差形成波動，依據(jù)特征誤差波動獲取最佳運算節(jié)點，這一運算結(jié)果為小區(qū)域網(wǎng)絡節(jié)點結(jié)果，則大區(qū)域結(jié)果依據(jù)小區(qū)域結(jié)果優(yōu)化運算得出，優(yōu)化表達式為：

(9)

式中：Gcur以及Gp分別表示傳感節(jié)點小區(qū)域和大區(qū)域，Hn表示節(jié)點特征數(shù)，E()為特征誤差運算函數(shù)。

為運算出整個網(wǎng)絡節(jié)點內(nèi)最佳解，鄰近無線網(wǎng)絡區(qū)域節(jié)點特征信息由公式(9)優(yōu)化得出。為保證能夠準確定位異常節(jié)點信息，由不同區(qū)域不同節(jié)點迭代運算，運算結(jié)果能夠逐漸縮短異常節(jié)點位置信息[15]，最終定位到異常節(jié)點，該異常節(jié)點則是山體和滑坡災害傳感網(wǎng)絡中的異常傳感節(jié)點，提示對應區(qū)域存在山體和滑坡災害。

2 實驗結(jié)果分析

2.1 異常傳感節(jié)點檢測性能分析

實驗選取某地區(qū)進行實驗，檢測異常傳感節(jié)點的性能，實驗將選取的實驗點劃分為6個小區(qū)域，并配置6組同樣結(jié)構(gòu)的節(jié)點。設置5個任意感應器節(jié)點為異常節(jié)點，運用本文方法與傳統(tǒng)的基于層次分析的預警方法和基于無線傳感預警方法檢測異常節(jié)點，記錄檢測時間。估計要檢驗方位信息和異常節(jié)點實際方位信息間的歐式距離為平均誤差，距離與誤差呈正相關(guān)性。表1為本文方法與基于層次分析的預警方法和基于無線傳感預警方法定位異常節(jié)點耗時的數(shù)據(jù)對比。

表1 三種方法定位數(shù)據(jù)對比

由表1可知，本文方法檢驗異常節(jié)點耗時為2 s，平均誤差不超過2.2%，基于層次分析的預警方法檢驗異常節(jié)點耗時為15 s，平均誤差為32.1%，基于無線傳感預警方法的檢驗異常節(jié)點耗時為13 s，平均誤差為29.9%。本文方法比基于層次分析的預警方法和基于無線傳感預警方法檢驗異常節(jié)點耗時分別節(jié)省13 s和11 s，平均誤差分別小29.9%、27.7%。本文方法定位異常節(jié)點相對耗時短且準確率高。

圖5為不同傳感節(jié)點比例情況下，本文方法與兩種傳統(tǒng)分析方法的平均誤差走向圖。由圖5可知，隨著傳感節(jié)點比例的不斷提升，三種方法定位異常傳感節(jié)點的平均誤差都不斷降低，并且本文方法的定位的平均誤差始終低于基于無線傳感預警方法與基于層次分析的預警方法，分析該圖可以看出本文方法和基于層次分析的預警方法的平均定位誤差分別是17%以及50%，基于無線傳感的預警方法的平均定位誤差為47%，能夠看出本文方法具有較高的異常傳感節(jié)點檢測精度。

圖5 平均誤差走向圖

2.2 預測滑坡位移性能分析

利用三種方法對實驗地區(qū)某滑坡位移值與實際位移值進行比較，圖6為本文方法預測滑坡位移與實際滑坡位移對比情況，圖7為基于層次分析的預警方法預測滑坡位移與實際滑坡位移對比情況，圖8為基于無線傳感預警方法預測滑坡位移與實際滑坡位移對比情況。對比分析可知，本文方法預測滑坡位移與實際滑坡位移最高相差0.002 dm，能夠精準定位滑坡位移方位?；趯哟畏治龅念A警方法預測滑坡位移與實測位移差距較大，最高相差0.023 dm，基于無線傳感的預警方法預測滑坡位移與實際相差較大，最高相差0.021 dm。層次分析的預警方法與無線傳感預警方法預測滑坡位移與實際滑坡位移距離相差較遠，并且定位不精準。

圖6 本文方法預測滑坡位移與實際滑坡位移對比

圖7 基于層次分析的預警方法預測滑坡位移與實際滑坡位移對比

圖8 基于無線傳感的預警方法預測滑坡位移與實際滑坡位移對比

2.3 實際檢測性能分析

采用本文方法監(jiān)測預警實驗地區(qū)的整個雨季時期，得到滑坡實時監(jiān)測預警狀況以及泥石流實時監(jiān)測預警狀況分別用表2和表3表示。由表2可知，本文方法監(jiān)測到實驗地區(qū)出現(xiàn)滑坡災害的注意級8次，日降雨量超過33 mm，警示級2次，分別為6月28日與7月22日，這兩日降水量分別為36 mm和40 mm，位移明顯提升20 mm，后期無明顯增強趨勢，所以預警等級無提升。由表3可知，本文方法監(jiān)測到實驗地區(qū)泥石流注意級9次，日降雨量平均超過33 mm，6月18日警示級1次，連續(xù)降雨5 d，累積雨量135 mm，泥未深度為25 cm。過后無降雨，泥位下降，預警等級沒有提升。

表2 滑坡實時監(jiān)測預警狀況

表3 泥石流實時監(jiān)測預警狀況

分析上述實驗結(jié)果可以看出，本文方法通過一個雨季監(jiān)測該地區(qū)的山體和滑坡災害實時情況，在實際應用中能夠準確預警出滑坡和泥石流災害，并給出警示結(jié)果。

3 結(jié)論

本文提出了新的山體和滑坡災害的傳感網(wǎng)絡預警方法，由監(jiān)測網(wǎng)絡層WSN、接入層GPRS與數(shù)據(jù)接收層構(gòu)建山體和滑坡災害傳感網(wǎng)絡預警體系，使用節(jié)點異常特征提取方式對比鑒別異常節(jié)點區(qū)域，通過分區(qū)域異常節(jié)點定位算法檢測異常節(jié)點區(qū)域中的網(wǎng)絡異常節(jié)點，準確預警山體和滑坡災害。實驗結(jié)果說明，不同傳感節(jié)點比例情況下，本文方法和基于層次分析的預警方法定位異常傳感節(jié)點的平均定位誤差分別是17%和50%，說明本文方法能夠準確定位出山體和滑坡災害的傳感網(wǎng)絡中的異常節(jié)點；本文方法預測滑坡位移與實際滑坡位移最高相差0.002 dm，在實際應用檢測中本文方法可準確預警出不同時間段的滑坡和泥石流災害，并給出詳細的警示結(jié)果，這些結(jié)果說明本文方法具有相對較高的山體和滑坡災害預警效果，取得了令人滿意的效果。