(4)高程
可以利用监测区域的GIS地图，对前段监测区域的高度进行统计。根据高程对滑坡等地质灾害影响的程度和实际情况，初步将高程划分为3个等级，即500 m以下、500～1000 m、1000 m以上。
(5)地貌起伏度
地貌起伏度反映地表起伏变化，常指某一确定面积(监测区域)内最高点和最低点海拔高度之差。可以利用GIS等技术建立数字高程模型，提取地貌起伏度、坡度和坡向等地形参数。将监测区域地貌分为：H1平坦起伏(0～50 m)、H2小起伏(50～100 m)、H3中起伏(100～300m)、H4山地起伏(300～600 m)、H5高山起伏(600～1500 m)等。由于极高起伏地区的人类活动稀少，不在统计范围内。
此外，要在易发断层触发带安装裂缝器以测量裂缝的情况，全面感知潜在诱发因子。由于裂缝和地质附着力等地质环境密切相关，此部分要结合实际情况而定。
3．2 多维权重组合模型
在组合型数据模型中，需要在一定范围内调整一阶因子权值，使其和为1。任取二级因子网格单元k，其所属的一级因子的权值为wi，针对实际测量情况，在一级因子确定的情况下，量化其二级因子，确定归于或者相近于哪一具体子集，从而确定二级权值
，即确定j值。例如，在一级影响因子地质岩性的范围内，经过查阅GIS等勘测资料和实地考察等方式，确定最接近于二级子集v1、v2、v3、v4中的哪一种，从而选择合适的二级权值
。对于组合了各二级因子的网格单元k，定义其不稳定分值Si=wi·
，然后根据各级不稳定分值确定滑坡等地质灾害的易发性指数(LandsLide Susceptibility Index，LSI)。
LSI是评估监测区域的最敏感性指标，值越大，发生滑坡等地质灾害的概率越大，当其超过某具体阀值，就会提前预警。
3．3 数据分析
按照上述公式(1)～(4)，计算各个监测点的LSI，根据地质灾害的易发性指数将检测区域划分为极轻微、轻微、中等、较严重、严重、极严重6级，并用不同颜色进行标记，然后采用等间距、均值一标准差等方法，实时(间隔固定时间，如半小时绘制一次)绘制整个监测区域的滑坡等地质灾害危险系数预警图，从而实现滑坡等地质灾害预报的精细化管理。
在数据建模方面，采用了自调整的动态神经网络模型，利用历史数据或者实施过程中逐步获取的数据，对模型的自身结构及学习规则进行了动态优化，调整各级权重，使模型达到最优，从而使得系统具有更强的适应性和准确性。
结语
本文在原有模型的基础上进行改进，利用传感器网络实时感知监测区域的多种指标，运用多因素动态联合建模，采用定量分析法，对降雨型滑坡等地质灾害进行相对准确预报。系统根据每个监测点的LSI，利用相关方法绘制整个监测区域的危险系数预警图。对于超过阈值的，立即报警，有效预防和避免了地质灾害，保护人民生命财产安全。
系统具有高集成度、高精度、全天候自动化实时监测与自动预警的能力，同时还具有监测范围大、部署灵活的特点。在指导降雨型滑坡的防灾与减灾方面具有较强的实用价值。
上一页 [1] [2]
本文关键字：监控系统 物联网 安全-防盗-报警，电子知识资料 - 安全-防盗-报警
