一种滑坡位移的监测方法、系统、设备及存储介质 【技术领域】 [0001] 本发明涉及滑坡预测技术领域，尤其涉及一种滑坡位移的监测方法、系统、设备及存储介质。 【背景技术】 [0002] 在地质灾害监测及其分析中，最重要的是对滑坡的变形阶段进行判别分析。然而在实际应用中，仅仅对各监测点上采集到的数据进行简单的对比分析尚不能充分利用这些数据的信息，从而无法实现对滑坡真实情况的监测。 【发明内容】 [0003] 有鉴于此，本发明提供一种滑坡位移的监测方法、系统、设备及存储介质。 [0004] 本发明第一实施例的具体技术方案为：一种滑坡位移的监测方法，所述方法包括： 获取滑坡位移监测点的滑坡监测数据；所述滑坡监测数据包括不同位移传感器监测所述滑坡位移监测点所获得的滑坡位移数据；获取全部的滑坡位移数据的总均方误差；以所述总均方误差最小为目标获取每个滑坡位移数据的第一加权因子；利用所述每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得所述滑坡位移监测点的滑坡位移变形数据；所述滑坡位移变形数据包括不同时间段的滑坡位移数据融合后的位移数据； 获取不同时间段的滑坡位移变形数据；基于所述不同时间段的滑坡位移变形数据对所述滑坡位移监测点进行滑坡位移监测。 [0005] 优选的，所述获取全部的滑坡位移数据的总均方误差，包括：获取每个滑坡位移数据的方差，以及每个滑坡位移数据的第二加权因子；所述第二加权因子为预设的加权因子； 基于所述每个滑坡位移数据的方差和所述第二加权因子获得所述总均方误差。 [0006] 优选的，所述总均方误差采用如下公式获得： [0007] [0008] 其中，σ2为所述总均方误差，n为滑坡位移数据的数量，Wp为第p个滑坡位移数据的第二加权因子， 为第p个滑坡位移数据的方差。 [0009] 优选的，所述获取每个滑坡监测数据的方差，包括：根据第一滑坡位移数据与第二滑坡位移数据之间的互相关系数，以及第一滑坡位移数据的自相关系数获得第一滑坡位移数据的方差；所述第一滑坡位移数据和所述第二滑坡位移数据为所述滑坡监测数据中任意一个滑坡位移数据。 [0010] 优选的，所述互相关系数与所述自相关系数的差值为所述第一滑坡位移数据的方差。 [0011] 优选的，所述第一加权因子采用如下公式获得： [0012] [0013] 其中， 为第p个滑坡位移数据的第一加权因子， 为第p个滑坡位移数据的方差， 为第i个滑坡位移数据的方差。 [0014] 优选的，所述获取滑坡位移监测点的滑坡监测数据之后，还包括：对所述滑坡监测数据进行数据缺失插补处理和数据平滑去噪处理获得优化后的滑坡监测数据；将所述优化后的滑坡监测数据作为所述滑坡监测数据，返回所述获取全部的滑坡位移数据的总均方误差的步骤。 [0015] 本发明第二实施例的具体技术方案为：一种滑坡位移的监测系统，所述系统包括： 第一数据获取模块、总均方误差获取模块、目标优化模块、数据融合模块、第二数据获取模块和监测模块；所述第一数据获取模块用于获取滑坡位移监测点的滑坡监测数据；所述滑坡监测数据包括不同位移传感器监测所述滑坡位移监测点所获得的滑坡位移数据；所述总均方误差获取模块用于获取全部的滑坡位移数据的总均方误差；所述目标优化模块用于以所述总均方误差最小为目标获取每个滑坡位移数据的第一加权因子；所述数据融合模块用于利用所述每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得所述滑坡位移监测点的滑坡位移变形数据；所述滑坡位移变形数据包括不同时间段的滑坡位移数据融合后的位移数据；所述第二数据获取模块用于获取不同时间段的滑坡位移变形数据；所述监测模块用于基于所述不同时间段的滑坡位移变形数据对所述滑坡位移监测点进行滑坡位移监测。 [0016] 本发明第三实施例的具体技术方案为：一种滑坡位移的监测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。 [0017] 本发明第四实施例的具体技术方案为：一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。 [0018] 实施本发明实施例，将具有如下有益效果： [0019] 本发明通过获取滑坡位移监测点的滑坡监测数据；获取全部的滑坡位移数据的总均方误差；以总均方误差最小为目标获取每个滑坡位移数据的第一加权因子；利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据；获取不同时间段的滑坡位移变形数据；基于不同时间段的滑坡位移变形数据对滑坡位移监测点进行滑坡位移监测。 [0020] 通过以总均方误差最小为目标，可以自适应地寻找各个滑坡位移数据所对应的最优加权因子，使得融合后的数据值达到最优。这种优化方法能够充分考虑各个滑坡位移数据之间的误差差异，从而得到更加准确和可靠的数据融合结果，因此利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。 【附图说明】 [0021] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 [0022] 图1为滑坡位移的监测方法的步骤流程图； [0023] 图2为不同时段的滑坡位移数据的示意图； [0024] 图3为不同时段的融合后的滑坡位移数据示意图； [0025] 图4为滑坡位移的监测系统的结构示意图； [0026] 图5为计算机设备的内部结构图； [0027] 其中，201、第一数据获取模块；202、总均方误差获取模块；203、目标优化模块； 204、数据融合模块；205、第二数据获取模块；206、监测模块。 【具体实施方式】 [0028] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。 [0029] 本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或模块。 [0030] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。 [0031] 为更有效地利用多种类、多点位的变形监测数据，可以将这些数据进行融合处理。 目前常采用的滑坡监测数据级融合算法有卡尔曼滤波法、小波变化法和加权融合法等。本申请是以GNSS监测技术和位移计采集到的滑坡位移形变数据为基础，采用加权融合方法，对滑坡体监测得到的位移变化量进行数据级融合处理。 [0032] (1)输电线路工程易发生滑坡等地质灾害的区域设置多个滑坡监测位移传感器，对可能发生滑坡的滑坡体的位移变化量进行监测。 [0033] (2)监测数据预处理： [0034] 在对滑坡体进行监测时，监测仪器本身和外界环境都会对监测数据造成或多或少的影响，降低监测数据的质量。通过对监测数据进行无关信息(粗差)剔除、数据插值补全、数据平滑去噪等数据预处理，以期得到质量较高的监测序列，进一步提高数据级融合结果及应用的准确性和可靠性。 [0035] 请参阅图1，为本申请第一实施例中一种滑坡位移的监测方法的步骤流程图，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况，所述方法包括： [0036] 步骤101、获取滑坡位移监测点的滑坡监测数据；所述滑坡监测数据包括不同位移传感器监测所述滑坡位移监测点所获得的滑坡位移数据； [0037] 步骤102、获取全部的滑坡位移数据的总均方误差； [0038] 步骤103、以所述总均方误差最小为目标获取每个滑坡位移数据的第一加权因子； [0039] 步骤104、利用所述每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得所述滑坡位移监测点的滑坡位移变形数据；所述滑坡位移变形数据包括不同时间段的滑坡位移数据融合后的位移数据； [0040] 步骤105、获取不同时间段的滑坡位移变形数据； [0041] 步骤106、基于所述不同时间段的滑坡位移变形数据对所述滑坡位移监测点进行滑坡位移监测。 [0042] 具体的，利用多个位移传感器监测滑坡位移监测点，获取滑坡位移监测点的滑坡位移数据；总均方误差可以体现滑坡位移数据是实际的位移数据之间的差异，以总均方误差最小为目标获取每个滑坡位移数据的第一加权因子，并利用每个滑坡位移数据的第一加权因子对滑坡位移数据进行加权融合，可以使融合后的滑坡位移变形数据与实际的位移数据之间的差异最小化。 [0043] 本实施例中的方法通过以总均方误差最小为目标，可以自适应地寻找各个滑坡位移数据所对应的最优加权因子，使得融合后的数据值达到最优。这种优化方法能够充分考虑各个滑坡位移数据之间的误差差异，从而得到更加准确和可靠的数据融合结果，因此利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。 [0044] 在具体实施例中，所述获取全部的滑坡位移数据的总均方误差，包括：获取每个滑坡位移数据的方差，以及每个滑坡位移数据的第二加权因子；所述第二加权因子为预设的加权因子；基于所述每个滑坡位移数据的方差和所述第二加权因子获得所述总均方误差。 [0045] 具体的，设n个位移监测传感器的方差分别为 所要估计的真值 为X，一个传感器获得的数据对应一个真值，测量值的个数相同；各位移传感器的测量值分别X1，X2，…，Xn；各组测量值预设的第一加权因子分别为W1，W2，…，Wn，则将多个测量值融合* 后得到的初步的真实值X值满足以下表达式： [0046] [0047] [0048] 在具体实施例中，所述总均方误差采用如下公式获得： [0049] [0050] 其中，σ2为所述总均方误差，n为滑坡位移数据的数量，Wp为第p个滑坡位移数据的第二加权因子， 为第p个滑坡位移数据的方差。 [0051] 在具体实施例中，所述第一加权因子采用如下公式获得： [0052] [0053] 其中， 为第p个滑坡位移数据的第一加权因子， 为第p个滑坡位移数据的方差， 为第i个滑坡位移数据的方差。具体的，第二加权因子的个数与测量值的个数相同，即每个测量值具有一相应的加权因子。 [0054] 在具体实施例中，所述获取每个滑坡监测数据的方差，包括：根据第一滑坡位移数据与第二滑坡位移数据之间的互相关系数，以及第一滑坡位移数据的自相关系数获得第一滑坡位移数据的方差；所述第一滑坡位移数据和所述第二滑坡位移数据为所述滑坡监测数据中任意一个滑坡位移数据。 [0055] 具体的，两个独立的位移监测传感器采集到的位移值分别为Xp、Xq，相应的测量误差分别为Vp、Vq，即： [0056] Xp＝X+VpXq＝X+Vq [0057] 位移监测传感器p的方差为： [0058] [0059] Xp、Xq的互相关系数Rpq为： [0060] Rpq＝E[XpXq]＝E[X2 [0061] Xp的自相关系数Rpp为： [0062] [0063] 在具体实施例中，所述互相关系数与所述自相关系数的差值为所述第一滑坡位移数据的方差。具体的，利用如下公式获得滑坡位移数据的方差： [0064] 在具体实施例中，所述获取滑坡位移监测点的滑坡监测数据之后，还包括：对所述滑坡监测数据进行数据缺失插补处理和数据平滑去噪处理获得优化后的滑坡监测数据；将所述优化后的滑坡监测数据作为所述滑坡监测数据，返回所述获取全部的滑坡位移数据的总均方误差的步骤。 [0065] 具体的，在对滑坡体进行监测时，监测仪器本身和外界环境都会对监测数据造成或多或少的影响，降低监测数据的质量。通过对监测数据进行无关信息(粗差)剔除、数据插值补全、数据平滑去噪等数据预处理，以期得到质量较高的监测序列，进一步提高数据级融合结果及应用的准确性和可靠性。实际应用中，地表位移监测数据都普遍存在数据缺失现象，数据缺失主要分布在匀速变形阶段和加速变形阶段，采用拉格朗日插值对滑坡监测数据进行缺失插补，为滑坡多源数据融合提供可高质量的数据集。选取滑坡监测数据匀速变形阶段三维方向位移变化量数据，如图2所示。将监测序列中的“尖峰、毛刺”平滑，保留位移变化有效特征信息的同时，使位移量变化趋势更加明晰。结合滑坡变形阶段的特性分别选择最小二乘法和加权移动平均法进行数据平滑去噪。在数据噪声存在的情况下，最小二乘法仍能够给出合理的拟合结果。它对异常值的影响较小，可以较好地处理离群点，这使得它在处理含有噪声或异常值的数据时具有更高的可靠性。加权移动平均法通过赋予不同权数给不同时期的观察值，能够更好地处理数据中的趋势性变化，从而提供更准确的预测结果。 [0066] 在具体实施例中，滑坡等地质灾害由于地质环境的原因，往往表现出一种突发性，从累计位移变形可以看出，黄土滑坡加速变形阶段经历的时间是非常短暂的。因此，为了更准确、更可靠的对加速变形阶段进行分析，应减小等间隔处理时的间距，提高加速变形阶段观测序列的样本数量。本申请中，加速变形阶段以两小时为间隔，其余两个阶段以天为间隔，对数据取平均值获得等间隔化的观测序列。因此，将监测序列分为两个阶段，第I阶段(初始变形阶段+匀速变形阶段)、第II阶段(加速变形阶段)。将加权融合后的第I阶段的数据与加权融合后的第II阶段的数据进行数据融合，融合后的数据可参阅图3所示。 [0067] 从图3对比分析中，发现融合数据分析结果比实际监测数据分析结果较为稳定，变形曲线更加平滑完整，在对滑坡进行阶段判别时有利于更加准确的捕捉信息。为进一步分析评价自适应加权融合结果，将其结果与融合前数据进行分析对比。将融合数据与监测数据分别进行数据处理，以改进的切线角为例进行比较分析，在这里主要对各个传感器采集到的位移数据和融合数据，计算改进的切线角达到80°前后进行统计，如下表1所示。 [0068] [0069] 表1改进的切线交比较分析 [0070] 相关技术利用改进的切线角这一数学方法，将滑坡变形的加速阶段进一步划分为 3个亚阶段，即：当改进的切线角>45°时，滑坡已属于初加速变形阶段；当改进的切线角>80°时，滑坡已处于中加速变形阶段；当改进的切线角>85°时，滑坡已处于临滑阶段。根据上表可得，由监测点DCF11可知，滑坡在2019‑9‑20进入中加速阶段，在2019‑9‑27进入加加速阶段；由监测点HF07可知，滑坡在2019‑10‑4进入中加速阶段；由监测点DCF14、HF06可知，滑坡在2019‑9‑30进入中加速阶段，在2019‑10‑1进入加加速阶段；由监测点DCF15、自适应加权融合结果可知，滑坡在2019‑10‑1进入中加速阶段，在2019‑10‑2进入加加速阶段。 [0071] 综上所述结果表明，自适应加权能够对5组形变数据进行有效的融合，融合数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。融合数据分析曲线较为平滑完整，能够较好的体现和捕捉滑坡整体的变形特征，融合分析结果优于单一滑坡变形监测点数据分析结果。 [0072] 在具体实施例中，请参阅图4，为本申请第二实施例中一种滑坡位移的监测系统的结构示意图，所述系统包括：第一数据获取模块201、总均方误差获取模块202、目标优化模块203、数据融合模块204、第二数据获取模块205和监测模块206；所述第一数据获取模块 201用于获取滑坡位移监测点的滑坡监测数据；所述滑坡监测数据包括不同位移传感器监测所述滑坡位移监测点所获得的滑坡位移数据；所述总均方误差获取模块202用于获取全部的滑坡位移数据的总均方误差；所述目标优化模块203用于以所述总均方误差最小为目标获取每个滑坡位移数据的第一加权因子；所述数据融合模块204用于利用所述每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得所述滑坡位移监测点的滑坡位移变形数据；所述滑坡位移变形数据包括不同时间段的滑坡位移数据融合后的位移数据；所述第二数据获取模块205用于获取不同时间段的滑坡位移变形数据；所述监测模块206用于基于所述不同时间段的滑坡位移变形数据对所述滑坡位移监测点进行滑坡位移监测。 [0073] 具体的，本申请实施例中的系统利用多个位移传感器监测滑坡位移监测点，获取滑坡位移监测点的滑坡位移数据；总均方误差可以体现滑坡位移数据是实际的位移数据之间的差异，以总均方误差最小为目标获取每个滑坡位移数据的第一加权因子，并利用每个滑坡位移数据的第一加权因子对滑坡位移数据进行加权融合，可以使融合后的滑坡位移变形数据与实际的位移数据之间的差异最小化。 [0074] 本实施例中的系统通过以总均方误差最小为目标，可以自适应地寻找各个滑坡位移数据所对应的最优加权因子，使得融合后的数据值达到最优。这种优化方法能够充分考虑各个滑坡位移数据之间的误差差异，从而得到更加准确和可靠的数据融合结果，因此利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。 [0075] 在具体实施例中，本申请第三实施例提供一种滑坡位移的监测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。本实施例中的监测设别通过以总均方误差最小为目标，可以自适应地寻找各个滑坡位移数据所对应的最优加权因子，使得融合后的数据值达到最优。这种优化方法能够充分考虑各个滑坡位移数据之间的误差差异，从而得到更加准确和可靠的数据融合结果，因此利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。 [0076] 在具体实施例中，本申请第四实施例提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。本实施例中的存储介质通过以总均方误差最小为目标，可以自适应地寻找各个滑坡位移数据所对应的最优加权因子，使得融合后的数据值达到最优。这种优化方法能够充分考虑各个滑坡位移数据之间的误差差异，从而得到更加准确和可靠的数据融合结果，因此利用每个滑坡位移数据的第一加权因子对全部的滑坡位移数据进行加权融合获得滑坡位移监测点的滑坡位移变形数据，使得滑坡位移变形数据能够综合、有效的判别滑坡变形阶段且更加贴近滑坡变形真实情况。 [0077] 图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。请参阅图5，该计算机设备包括通过系统总线连接的处理器、存储器等。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本实施例中的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本实施例中的方法。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。 [0078] 以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。故，本申请专利的保护范围应以所附权利要求为准。 [0079] 以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。