技术领域
[0001] 本发明涉及斜坡预警技术领域，尤其涉及一种基于斜坡单元的管道坡面水毁气象预警方法及系统。
相关背景技术
[0002] 在区域性地灾风险评价及降雨研究中，网格单元的大小通常有10km×10km、5km×5km等，更加精确的情况下也会采用1km×1km的规格。此外还有以地貌单元、流域单元等作为研究单元的研究。但随着研究的深入，发现这种大范围的研究单元存在着许多的弊端。首先一个网格单元可能会包含多个斜坡体，网格单元分割破坏了自然山地斜坡的完整性，且与地质灾害之间缺乏物理联系。这种方法忽视了其所包含的斜坡体之间的差异性，导致预测结果与真实情况存在较大偏差。其次网格单元在应用于实际的工程作业中时，由于范围过大造成预警对象不明确，进而造成工程防御工作量增大。
[0003] 目前针对水毁类地质灾害研究的确定性模型有多种，如SHALSTAB、SINMAP、TRIGRS等，选择合适的模型对正确认识和预测坡面有着重要的意义。SHALSTAB模型主要考虑地形因素、土壤特性对于浅层坡面的影响；SINMAP模型则侧重于将降雨强度与土壤内聚力相互结合，对单一降雨强度下的坡面稳定性进行预测；TRIGRS则在充分考虑降雨时长的前提下，计算降雨强度对于坡面稳定性的影响。而在实际情况下，降雨强度的概念较为复杂且其数值难以获取，因此涉及降雨强度因素的模型在水毁类地质灾害分析结果上与实际情况存在一定的偏差。
[0004] 要实现对于水毁类地质灾害的预警预测，还需要考虑降雨量因素对于地质灾害的诱发作用。降雨诱发地质灾害作为一种概率事件，降雨与地质环境相互作用增大了地质灾害发生的可能性。前人利用物理模拟模型，在各种降雨强度下模拟了降雨引起的坡面，开发了一种用于监测和预警坡面的方法。然而，其中的技术难度和成本很高，难以实现。有研究只结合降雨量阈值和预测降雨量用于集水区的坡面预警，没有与坡面易发性图相耦合，导致预警的不确定性大大提高。
具体实施方式
[0063] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0064] 如图1以及图2所示，本发明实施例的一种基于斜坡单元的管道坡面水毁气象预警方法，包括如下步骤：
[0065] S1，获取待预警的斜坡的数字高程模型数据、土壤数据以及实时雨量数据；
[0066] S2，对所述数字高程模型数据进行重采样，根据重采样结果，结合所述土壤数据以及所述实时雨量数据，确定所述待预警的斜坡的划分结果；
[0067] S3，通过预训练模型，根据所述划分结果，对所述待预警的斜坡进行易发性评价，得到易发性评分，根据所述易发性评分，确定所述待预警的斜坡的预警结果。
[0068] 本发明提供的一种基于斜坡单元的管道坡面水毁气象预警方法的有益效果如下：
[0069] 本发明不仅清晰地反映地质环境因子与地质灾害形成的物理关系，而且预测警示对象明确，契合应急响应工作实际，使水毁类地灾防治工作从面到点合理过渡，对提高地质灾害预报预测准确性和科学防范具有一定的示范意义。
[0070] S1，获取待预警的斜坡的数字高程模型数据、土壤数据以及实时雨量数据；其中：
[0071] 数字高程模型数据通过无人机搭载的机载激光雷达扫描油气管道的周围(周围指的是按照预设数值，即油气管道的管壁为基准，向外延伸预设数值距离所围成的区域)，获取激光点云数据，其中每个激光点云数据中都包含了三维坐标信息，X，Y，Z三个元素，以及颜色信息、反射强度信息、回波次数信息等。
[0072] 通过对激光雷达点云数据进行预处理，地面滤波，结合人工编辑对激光点云进行进一步的精分类，保留地面点，剩余的地面点通过构建不规则三角网(TIN)等模型进行栅格化，可得到高精度的数字高程模型(DEM)数据，该数据用于斜坡单元划分。
[0073] 土壤数据：根据管道长度等距离、多次采集管道上方土壤样品，送到实验室测试其物理参数，如土体黏聚力、内摩擦角、湿土密度等，该数据用于坡面水毁易发性评价。
[0074] 实时雨量数据：获取与管道相交的单位小时实时雨量栅格数据，该数据用于坡面水毁气象预警。
[0075] S2，对所述数字高程模型数据进行重采样，根据重采样结果，结合所述土壤数据以及所述实时雨量数据，确定所述待预警的斜坡的划分结果；其中：
[0076] 结合水文法及曲率法划分斜坡单元的各自优势，相结合成正向水文‑反向曲率新划分方法，划分流程见图2。改进后的流程是将数字高程模型重采样到所需分辨率，计算填洼生成无洼地数字高程模型，然后通过比较相邻像元的高程值来提取水流流向；沿着水流方向累加每个像元的流入水量，得到河流流量；河网提取是通过设定河流流量的阈值来识别河流，将累积流量高于阈值的栅格单元提取出来，构建河网；通过流向数据和河网提取的结果，计算各条河流的连接关系，生成带有唯一标识符的河流链接。再通过水流流向数据和河网数据，从河流出口开始，沿着水流方向逆向追踪，标记所有属于同一流域的像元，将整个研究区域划分为不同的流域单元，得到流域栅格数据；最后将栅格表示的流域转换为面矢量格式，提取多边形之间的边界生成分水岭边界。另一部分将重采样后的数字高程模型通过多次实验和比对确定最佳的窗口大小和统计方法，使用焦点统计进行处理，去除高程数据的小幅度变化，同时保留重要的地形特征。然后计算每个栅格的平均曲率值，并通过栅格计算器将每个栅格的曲率值乘以‑1得到反转曲率，将反转后的曲率值作为模拟的高程数据。比较相邻像元高程值提取水流流向，再计算填洼，通过水流流向为底图，划分流域单元并生成流域栅格数据；再将转换栅格为面矢量格式，提取边界得到山谷线边界。最后将分水岭和山谷线矢量数据合并，形成一个新的矢量图层，该图层将原始地形区域分割成多个多边形区域，每个多边形即为一个斜坡单元；再结合激光雷达光学影像，检查斜坡单元的边界是否与实际地形特征一致，手动删除或增加斜坡单元的边界，使其更好地反映实际地形特征。
[0077] S3，通过预训练模型，根据所述划分结果，对所述待预警的斜坡进行易发性评价，得到易发性评分，根据所述易发性评分，确定所述待预警的斜坡的预警结果。其中：
[0078] 选用SHALSTAB模型用于坡面水毁易发性评价，模型基于莫尔—库仑破坏准则，结合了无限边坡模型和稳态水文模型。
[0079] (1)无限边坡模型
[0080] 针对坡面规模小，滑面埋深浅，其滑体长度远大于滑体厚度的坡面灾害，无限边坡稳定性模型是非常有效的。该模型主要考虑岩土体的下滑力和抗滑力，忽略了边缘效应。无限边坡稳定性的模型是基于莫尔－库仑破坏准则，其修正公式为：
[0081]
[0082] 式中：c是土体的黏聚力，Pa； 是土的内摩擦角；ρs是湿土的密度，kg·m‑3；z是土‑3 ‑2体厚度，m；θ是斜坡坡度，°；ρw是水的密度，kg·m ；h是地下水位，m；g是重力加速度，m·s 。
[0083] (2)稳态水文模型
[0084] 坡面的稳定条件与地下水位直接相关。因此，建立水文模型来估算地下水位是十分必要的。TOPMODEL模型是最常见描述边坡稳态潜流的水文地质概念模型，其表达式是达西定律方程的变形方程式：
[0085] q·a＝b·ks·h·sinθ·cosθ (2)
[0086] 式中：q是有效降雨强度，m·d‑1；a是积水面积，m2；b是排水区宽度，m；ks是土体饱‑1 ‑2和渗透系数(假设沿土层深度是均匀的)，m·d ；h是地下水位，m；g是重力加速度，m·s 。
[0087] (3)SHALSTAB模型
[0088] 根据公式(1)和公式(2)可以建立无条件稳定、无条件不稳定及基于q/T函数关系的SHALSTAB方程组。
[0089] 无条件不稳定，即土体无地下水时，斜坡仍然无法保持稳定。
[0090]
[0091] 另外一种极端条件发生在h/z为1(完全饱和)时，土体抗剪强度较大，斜坡仍然保持稳定。
[0092]
[0093] SHALSTAB最终方程为：
[0094]
[0095] SHALSTAB模型需要输入的参数为c、ρs、z、a，b和θ，其中变量(a，b和θ)从数值高程模型(DEM)提取。SHALSTAB主要是根据有效降雨强度q和土壤的导水系数T之间的比值(q/T)与土壤强度在地形上所能产生的最大饱和状态进行斜坡稳定性的判断。将斜坡分为7个稳定等级，除了无条件稳定和无条件不稳定2个等级外，其余等级由q/T比值进行区分。表1列出的是各个等级之间的间断值。
[0096] 表1为q/T及log(q/T)换算表
[0097]
[0098] 坡面水毁气象预警：
[0099] 降雨诱发的水毁类地质灾害作为一种概率事件，通常认为其发生概率由两个部分组成：一是地质条件，将未降雨时的土壤内部条件进行耦合得到诱发灾害的基底概率；二是降雨条件，区域内的历史累积降雨、预报降雨会增大地质灾害诱发的可能性，作为诱发灾害的增量概率。在本发明中，将通过SHALSTAB模型计算出的斜坡单元在非降雨条件下的斜坡稳定性指数q/T概率化，转换为非降雨条件下的概率作为基底概率P0；再将累积降雨值、预报降雨值等数据以R进行表达，计算出因降雨诱发的水毁类地质灾害的增量概率ΔP，最终构建针对水毁类地质灾害的气象预警模型，计算各个斜坡单元的预警指数。模型表达式如公式(6)所示。
[0100] P＝f(P0,ΔP)＝P0+f(G,R) (6)
[0101] 式中：P是地质灾害发生概率，即预警指数；P0是非降雨情况下地质灾害发生概率；ΔP是降雨诱发地质灾害的增量概率；G是与地质灾害有关的环境因子；R是降雨相关数值。
[0102] 在公式(5)中，SHALSTAB模型计算出的q/T数值仅作为区分斜坡单元稳定性等级的指数，其无法直接作为基底概率数值与降雨诱发灾害的增量概率进行叠加。因此，以充分利用SHALSTAB模型计算结果作为前提，选择采用内插法将斜坡稳定性等级判断指数q/T转化为概率数值。内插法计算公式如下公式(7)：
[0103]
[0104] 式中：P0为稳定性等级转化得到的概率数值，P1、P2是概率数值间隔的起、终点数值，L1、L2是log(q/T)对应的间隔两端起、终点数值。
[0105] 增量概率的计算则需要考虑历史累积雨量和未来预报雨量两个部分。根据统计报告发现，强降雨期间的地质灾害与其所在地前7日的累积降雨量数据密切相关，地质灾害发生的频数与累积降雨量呈现出正相关，总体上两者接近线性相关。
[0106] 统计研究区域历史最大的累积雨量或更大量，记为Rmax。将其与7日累积雨量相比较去除量纲R/Rmax，形成一个介于0至1的数值。为了表述地质环境条件越好、引发地质灾害所需要的降雨量或降雨强度越大的基本认识，设置调整系数k，再引入非降雨条件下的地质灾害发生概率，即基底概率P0，形成公式(8)：
[0107] ΔP＝k·P0·R/Rmax (8)
[0108] 式中：k是调整系数；P0为非降雨条件下的地质灾害发生概率；R为7日累积雨量数值；Rmax为研究区域内的历史最大累积雨量或更大量。上式可继续简化为：
[0109] ΔP＝k/Rmax·P0·R＝KP0R (9)
[0110] 从上式可以看出，相同降雨量下，内在因素诱发灾害发生可能性大(小)的区域增量概率就大(小)；同样地，土壤环境内在因素诱发灾害相同的区域内，降雨大(小)的区域产生增量概率也大(小)。从而得出联合概率预报预警计算公式:
[0111] P＝P0(1+KR) (10)
[0112] 式中：P0为基底概率，K是有效雨量影响系数；R是有效雨量，包含了历史累积雨量和未来预报雨量。
[0113] 假设当前时刻为t0，进行未来Δt+时间段的地质灾害预报预警。首先，t0时刻的累计有效降雨量可表示为：
[0114]
[0115] 式中：Δt‑是从计算开始到t0时刻的持续时间，通常为区域地质灾害与前期持续降雨时间的相关性最显著的时段，一般取24h的整数倍，即若干天；rc(t)是降雨过程雨量函数；k(t)是有效雨量衰减函数，主要考虑大气降水对岩土体渗透过程以及地表径流等因素，一般取k(t)＝kt，其中k是介于0和1之间的经验系数，也可称为衰减系数。
[0116] 其次，从t0时刻至未来Δt+时段预报雨量可表示为：
[0117]
[0118] 式中：Δt+是预报时段，由气象降雨预报时段确定，通常24h；rf(t)是降雨预测过程雨量函数。因此，建立地质灾害预报预警模型如下：
[0119]
[0120] 式中：是有效雨量调整系数；Rc是有效累积雨量；Rf是预报雨量；L是预报雨量调整系数；R'max是区域内一个预报预警期间的累计有效雨量与预报雨量之和的最大值。
[0121] 进一步，确定所述待预警的斜坡的划分结果的过程为：
[0122] 根据所述重采样结果，进行填挖处理，得到无洼地数字高程模型数据，根据所述无洼地数字高程模型数据，确定第一水流流向，以第一水流流向为底图，根据河流流量确定出第一流域栅格数据，基于所述第一流域栅格数据确定分水岭边界；
[0123] 根据所述重采样结果，计算平均曲率值，基于所述平均曲率值确定反转曲率，根据反转曲率计算第二水流流向，以第二水流流向为底图，确定第二流域栅格数据，根据所述第二流域栅格数据确定山谷线边界；
[0124] 将所述分水岭边界以及所述山谷线边界进行矢量合并处理，得到所述待预警的斜坡的划分结果。
[0125] 进一步，所述预训练模型基于莫尔‑库伦破坏准则，结合无限边坡模型以及稳态水文模型确定得出；
[0126] 其中所述无限边坡模型具体为：
[0127]
[0128] 其中，c是土体的黏聚力， 是土的内摩擦角，ρs是湿土的密度，z是土体厚度，θ是斜坡坡度，ρw是水的密度，h是地下水位，g是重力加速度；
[0129] 所述稳态水文模型具体为：
[0130] q·a＝b·ks·h·sinθ·cosθ；
[0131] q是有效降雨强度，a是积水面积，b是排水区宽度，ks是土体饱和渗透系数；
[0132] 所述预训练模型具体为：
[0133]
[0134] T为导水系数。
[0135] 进一步，所述对所述待预警的斜坡进行易发性评价，得到易发性评分的过程为：
[0136] 计算待预警的斜坡的地质灾害发生概率，将所述地质灾害发生概率作为所述易发性评分；
[0137] 所述地质灾害发生概率的计算过程为：
[0138]
[0139] 其中，P0是非降雨情况下地质灾害发生概率；Rc是有效累积雨量，L是预报雨量调整系数，Rf是预报雨量，R'max是区域内一个预报预警期间的累计有效雨量与预报雨量之和的最大值，K'是有效雨量影响系数。
[0140] 水毁类地质灾害与常规地质类灾害相比，其最大的区别在于是否存在降水因素的作用。一定时间的降水降雨会导致土壤的含水量变化，而含水量的升高会造成土壤的内在特性如内摩擦角、粘聚力下降，更易于坡面、泥石流等地质灾害的发生。因此，这类由于强降雨导致土体含水量迅速增加而造成的地质灾害被称为水毁类地质灾害。该地质灾害类型对管道行业安全运行造成了较大影响。
[0141] 本发明主要涉及的子模型有：1)斜坡单元划分模型；2)坡面稳定性计算模型；3)坡面稳定性与降雨因素耦合模型。
[0142] 针对传统水文、曲率划分斜坡单元的不足之处，将两者优势结合构建正向水文‑反向曲率的斜坡单元划分方法。该方法即能够克服水文划分在斜坡与平面交界线无法区分的缺点，也克服了曲率划分在坡面细节上反映不够细致的问题。
[0143] 发明采用斜坡单元作为基本研究对象构建水毁类地质灾害气象预警模型。相较于常用的统计分析模型，基于斜坡单元的确定性分析模型避免了区域分析上稳定性计算难于获取参数，也避免了常规因素分析、加权求和的不准确性。相较于网格单元、地貌分类单元、流域单元构建的预警模型，采用斜坡单元作为基本研究对象构建的水毁类地质灾害气象预警模型，能够更加清晰地反映地质灾害的形成与斜坡内在因素之间的关系，预警结果的防控针对性更强。
[0144] 预警模型采用SHALSTAB模型拟合斜坡土壤环境计算稳定性等级与降雨量数据耦合作用计算预警指数。通过调用历史雨量数据，检验历史灾害发生时灾害点周边斜坡预警指数，发现在强降雨条件下预报成功率与实际情况较为符合，降雨强度较小时的预报成功率则存在偏差。
[0145] 本发明不仅清晰地反映地质环境因子与地质灾害形成的物理关系，而且预测警示对象明确，契合应急响应工作实际，使水毁类地灾防治工作从面到点合理过渡，对提高地质灾害预报预测准确性和科学防范具有一定的示范意义。
[0146] 在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本发明给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
[0147] 本发明还提供一种基于斜坡单元的管道坡面水毁气象预警系统，具体技术方案如下：
[0148] 获取模块用于：获取待预警的斜坡的数字高程模型数据、土壤数据以及实时雨量数据；
[0149] 划分模块用于：对所述数字高程模型数据进行重采样，根据重采样结果，结合所述土壤数据以及所述实时雨量数据，确定所述待预警的斜坡的划分结果；
[0150] 预警模块用于：通过预训练模型，根据所述划分结果，对所述待预警的斜坡进行易发性评价，得到易发性评分，根据所述易发性评分，确定所述待预警的斜坡的预警结果。
[0151] 在上述方案的基础上，本发明还可以做如下改进。
[0152] 进一步，确定所述待预警的斜坡的划分结果的过程为：
[0153] 根据所述重采样结果，进行填挖处理，得到无洼地数字高程模型数据，根据所述无洼地数字高程模型数据，确定第一水流流向，以第一水流流向为底图，根据河流流量确定出第一流域栅格数据，基于所述第一流域栅格数据确定分水岭边界；
[0154] 根据所述重采样结果，计算平均曲率值，基于所述平均曲率值确定反转曲率，根据反转曲率计算第二水流流向，以第二水流流向为底图，确定第二流域栅格数据，根据所述第二流域栅格数据确定山谷线边界；
[0155] 将所述分水岭边界以及所述山谷线边界进行矢量合并处理，得到所述待预警的斜坡的划分结果。
[0156] 进一步，所述预训练模型基于莫尔‑库伦破坏准则，结合无限边坡模型以及稳态水文模型确定得出；
[0157] 其中所述无限边坡模型具体为：
[0158]
[0159] 其中，c是土体的黏聚力， 是土的内摩擦角，ρs是湿土的密度，z是土体厚度，θ是斜坡坡度，ρw是水的密度，h是地下水位，g是重力加速度；
[0160] 所述稳态水文模型具体为：
[0161] q·a＝b·ks·h·sinθ·cosθ；
[0162] q是有效降雨强度，a是积水面积，b是排水区宽度，ks是土体饱和渗透系数；
[0163] 所述预训练模型具体为：
[0164]
[0165] T为导水系数。
[0166] 进一步，所述对所述待预警的斜坡进行易发性评价，得到易发性评分的过程为：
[0167] 计算待预警的斜坡的地质灾害发生概率，将所述地质灾害发生概率作为所述易发性评分；
[0168] 所述地质灾害发生概率的计算过程为：
[0169]
[0170] 其中，P0是非降雨情况下地质灾害发生概率；Rc是有效累积雨量，L是预报雨量调整系数，Rf是预报雨量，R'max是区域内一个预报预警期间的累计有效雨量与预报雨量之和的最大值，K'是有效雨量影响系数。
[0171] 该发明使用范围适用于受降雨影响较大的山区，特别是在台风暴雨等强降雨情况下，可有效预测地质灾害的隐患区域，并提供预测信息，从而加强对山区地质灾害的监测与预测。此外，传统的人工定期巡检对于线性工程(如水网、电网、油气运输等)的运行维护存在缺陷，因为其耗费大量的人力和财力，且不能实时监控工程的运行情况。相比之下，本发明不仅能够弥补传统巡检的缺点，而且具有实时性、可视性等特点，可以为线性工程的运行维护提供指导意义。
[0172] 我国山地和丘陵地带众多，是受气象条件影响而引发地质自然灾害的易发区，监测气象变化和预测地质自然灾害，是保障人民安居乐业和国家经济发展的基本需要。在信息化普及的当下，计算机硬件技术高速发展，网络通信已进入5G时代，移动互联网应用前景广阔，为公共气象监测及地质灾害预测服务的发展带来了前所未有的机遇。针对气象监测及地质灾害预测服务系统能有效满足公众、企业和政府对气象与地质灾害预测的实时性、及时性的需求，具有重要的实用价值和广阔的研究前景。
[0173] 需要说明的是，上述实施例提供的一种基于斜坡单元的管道坡面水毁气象预警系统的有益效果与上述一种基于斜坡单元的管道坡面水毁气象预警方法的有益效果相同，在此不再赘述。此外，上述实施例提供的系统在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统根据实际情况划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的系统与方法实施例属于同一构思，其具体实现过程详见方法实施例，在此不再赘述。
[0174] 如图3所示，本发明实施例的一种电子设备300，电子设备300包括处理器320，处理器320与存储器310耦合，存储器310中存储有至少一条计算机程序330，至少一条计算机程序330由处理器320加载并执行，以使电子设备300实现上述任一项方法，具体地：
[0175] 电子设备300可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器320(Central Processing Units，CPU)和一个或多个存储器310，其中，该一个或多个存储器310中存储有至少一条计算机程序330，该至少一条计算机程序330由该一个或多个处理器320加载并执行，以使该电子设备300实现上述实施例提供的一种基于斜坡单元的管道坡面水毁气象预警方法。当然，该电子设备300还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该电子设备300还可以包括其他用于实现设备功能的部件，在此不做赘述。
[0176] 本发明实施例的一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一项方法。
[0177] 可选地，计算机可读存储介质可以是只读存储器(Read‑OnlyMemory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、只读光盘(Compact Disc Read‑Only Memory，CD‑ROM)、磁带、软盘和光数据存储设备等。
[0178] 在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述任一项方法。
[0179] 需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、等是用于区别类似的对象，而代表对特定的顺序或先后次序进行限定。在适当情况下对于类似的对象的使用顺序可以互换，以便这里描述的本申请的实施例能够以除了图示或描述的顺序以外的顺序实施。
[0180] 所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品，因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
[0181] 可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)，只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0182] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
