馬征
(中大檢測(湖南)股份有限公司,湖南長沙 410000)
系統(tǒng)總體結(jié)構(gòu)分為數(shù)據(jù)采集層、地質(zhì)災(zāi)害數(shù)據(jù)中心、地質(zhì)環(huán)境管理、預(yù)警預(yù)報分析系統(tǒng)和信息發(fā)布系統(tǒng)5個部分,如圖1所示。根據(jù)地質(zhì)災(zāi)害的誘發(fā)因素和形成機(jī)理,系統(tǒng)融合了云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能等現(xiàn)代化信息技術(shù),通過深度學(xué)習(xí)算法,建立了基于人工智能的地質(zhì)災(zāi)害動態(tài)監(jiān)測預(yù)警神經(jīng)網(wǎng)絡(luò)模型,不斷學(xué)習(xí)、歸納地質(zhì)災(zāi)害的發(fā)生規(guī)律[1];通過數(shù)據(jù)采集系統(tǒng),收集地質(zhì)災(zāi)害動態(tài)監(jiān)測數(shù)據(jù)、地下水動態(tài)監(jiān)測數(shù)據(jù),接收水文水資源局的實時雨量數(shù)據(jù)、氣象臺的實時雨量數(shù)據(jù)和氣象預(yù)警信息,構(gòu)建地質(zhì)災(zāi)害數(shù)據(jù)中心;通過預(yù)警預(yù)報分析系統(tǒng)對全區(qū)進(jìn)行網(wǎng)格化區(qū)域劃分,自動選擇相應(yīng)的監(jiān)測預(yù)警模型進(jìn)行分析,以提高局部區(qū)域地質(zhì)災(zāi)害預(yù)警預(yù)報的精準(zhǔn)性;通過信息發(fā)布系統(tǒng)為公眾提供信息服務(wù)。
圖1 系統(tǒng)總體框架圖
多類型多邊界描述的地質(zhì)災(zāi)害預(yù)警預(yù)報模型,含有大量的因素信息,因此直接建立預(yù)報系統(tǒng)較復(fù)雜。輕量化智能構(gòu)建是將空間數(shù)據(jù)精簡為一個點數(shù)據(jù),采用GeoHash編碼方式進(jìn)行編碼轉(zhuǎn)換;再利用細(xì)節(jié)層次(LOD)技術(shù)將海量地質(zhì)災(zāi)害因素信息封裝成組件,集成到地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng)中,建立應(yīng)用組件模型庫;最后通過應(yīng)用構(gòu)建器,以零代碼編程的方式快速實現(xiàn)區(qū)域地質(zhì)災(zāi)害的統(tǒng)計、分析和管理等多樣化的應(yīng)用需求,如圖2所示。
圖2 模型輕量化流程圖
Spark是一個大數(shù)據(jù)分布式編程框架,將分布式數(shù)據(jù)抽象為彈性分布式數(shù)據(jù)集,提供了應(yīng)用任務(wù)調(diào)度、RPC、序列化和壓縮的實現(xiàn)方法以及API上層組件。地質(zhì)災(zāi)害數(shù)據(jù)主要包括各類專業(yè)屬性數(shù)據(jù)、基礎(chǔ)地理空間數(shù)據(jù)、專題空間數(shù)據(jù)、災(zāi)害點空間數(shù)據(jù)和其他數(shù)據(jù)。通過雨量計、水位儀、傾斜儀、智能視頻設(shè)備等前端專用監(jiān)測設(shè)備對地質(zhì)災(zāi)害進(jìn)行實時監(jiān)測;利用物聯(lián)網(wǎng)技術(shù)、互聯(lián)網(wǎng)技術(shù)實現(xiàn)數(shù)據(jù)的安全接入與管理,建立地質(zhì)災(zāi)害數(shù)據(jù)中心。在地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng)中應(yīng)用基于Spark的空間大數(shù)據(jù)技術(shù)對海量地質(zhì)災(zāi)害數(shù)據(jù)進(jìn)行分析,再通過擴(kuò)展Spark實現(xiàn)對大規(guī)模地質(zhì)災(zāi)害空間數(shù)據(jù)的空間查詢和快速分析,解決系統(tǒng)分析效率的問題。
地質(zhì)災(zāi)害發(fā)生的可能性與災(zāi)害所處區(qū)域的地質(zhì)災(zāi)害易發(fā)性、土壤含水率、累計降雨量、降雨強度以及人類工程活動等因素有關(guān)。首先將各區(qū)域的影響因素按其對地質(zhì)災(zāi)害發(fā)生的貢獻(xiàn)進(jìn)行分級;再將各因素各等級作為輸入神經(jīng)元,發(fā)生地質(zhì)災(zāi)害的可能性等級作為輸出神經(jīng)元,通過神經(jīng)網(wǎng)絡(luò)進(jìn)行運算,從而預(yù)報地質(zhì)災(zāi)害等級。根據(jù)輸入信號,通過選取的函數(shù)計算輸出,并判別輸出層的輸出是否滿足要求,滿足則輸出,否則,修正權(quán)值,繼續(xù)處理;同時將每次預(yù)報對應(yīng)的實際發(fā)生情況作為學(xué)習(xí)實例對運算進(jìn)行修正。根據(jù)造成網(wǎng)絡(luò)輸出誤差因素在輸入空間的非均勻分布以及每個RBF對網(wǎng)絡(luò)計算貢獻(xiàn)的大小,通過策略對參數(shù)進(jìn)行自適應(yīng)調(diào)整,使神經(jīng)網(wǎng)絡(luò)的逼近性能、泛化能力達(dá)到較高要求。神經(jīng)網(wǎng)絡(luò)通過不斷改變網(wǎng)絡(luò)的連接權(quán)值,使其輸出不斷接近期望值。將神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法與地質(zhì)災(zāi)害特性相結(jié)合,開發(fā)學(xué)習(xí)引擎對誘發(fā)地質(zhì)災(zāi)害的相關(guān)數(shù)據(jù)進(jìn)行深度學(xué)習(xí),挖掘災(zāi)害發(fā)生與自然、人為因素的關(guān)系,獲得地質(zhì)災(zāi)害監(jiān)測預(yù)警模型庫,并在不斷自我學(xué)習(xí)中對模型進(jìn)行優(yōu)化和完善,實現(xiàn)對潛在地質(zhì)災(zāi)害區(qū)域的有效預(yù)測[2]。
依托信息技術(shù)、物聯(lián)網(wǎng)技術(shù)和國土資源“金土工程”網(wǎng)絡(luò)建設(shè)成果,建立了一個涵蓋全區(qū)地質(zhì)災(zāi)害數(shù)據(jù)存儲、管理、應(yīng)用機(jī)制的數(shù)據(jù)資源充分共享的地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng)。該系統(tǒng)已在市級和縣級地質(zhì)災(zāi)害預(yù)警預(yù)報工作中得到了應(yīng)用,取得了良好的效果,能高效支撐地質(zhì)災(zāi)害預(yù)警預(yù)報工作,預(yù)防災(zāi)害發(fā)生、減少損失。湖南地區(qū)已在受滑坡、不穩(wěn)定斜坡威脅的學(xué)校安裝340套角度傾斜報警儀,在全區(qū)的地質(zhì)災(zāi)害易發(fā)區(qū)中選取了200所學(xué)校安裝學(xué)校地質(zhì)災(zāi)害隱患自動監(jiān)測站,在全區(qū)重要的地質(zhì)災(zāi)害隱患點上安裝304套地質(zhì)災(zāi)害隱患自動監(jiān)測系統(tǒng),監(jiān)測數(shù)據(jù)通過數(shù)據(jù)采集終端進(jìn)行實時采集,并傳送至湖南地質(zhì)災(zāi)害監(jiān)測預(yù)警平臺。
在地質(zhì)災(zāi)害預(yù)警預(yù)報服務(wù)不斷深入和發(fā)展的新形勢下,湖南地區(qū)在“湖南地質(zhì)災(zāi)害預(yù)警預(yù)報分析系統(tǒng)”項目成果的基礎(chǔ)上,結(jié)合市級地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng)、地質(zhì)環(huán)境綜合管理系統(tǒng)、地質(zhì)災(zāi)害綜合指揮系統(tǒng)以及基于物聯(lián)網(wǎng)的地質(zhì)災(zāi)害自動監(jiān)測預(yù)警預(yù)報系統(tǒng),利用新的數(shù)據(jù)監(jiān)測與傳輸技術(shù)、數(shù)據(jù)處理技術(shù)和新的地質(zhì)災(zāi)害預(yù)警預(yù)報方法,開發(fā)了新一代湖南地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng),提升了湖南地質(zhì)災(zāi)害預(yù)警預(yù)報工作的可靠性、穩(wěn)定性和便利性。目前,該系統(tǒng)已應(yīng)用于市級和縣級的區(qū)域?qū)崟r地質(zhì)災(zāi)害監(jiān)測與預(yù)警業(yè)務(wù)中。