基于动态数据驱动的地质灾害监测预警系统设计与实现

苏白燕,许 强,黄 健,梁 繁

(1.地质灾害防治与地质环境保护国家重点实验室(成都理工大学)，成都 610059；2.四川省国土资源资料馆，成都 610045)

随着人类空间活动的复杂性空前提高，地质灾害事件日益增多，每年因地质灾害事件造成的非正常死亡、伤残人数众多，经济损失巨大，地质灾害防治形势日益严峻。

地质灾害监测预警应具有实时性与动态性，这是由地质灾害事件的不确定性和岩土体自身的复杂性所决定的。进而在预警分析时就需要实时动态地接收地质灾害变形等现场的最新数据信息，并对获取的地质灾害大数据进行实时分析，准确地进行地质灾害预警。数据驱动技术是在大数据快速发展的背景下，通过实现海量数据的快速处理与分析，并挖掘出新知识，服务于用户决策指挥。该技术在金融、石油等行业已得到了广泛应用，故本研究将其引入到地质灾害预警领域，以建立更完善的地质灾害监测预警系统。

1 地质灾害预警模型研究现状

经过广大学者的多年探索，目前地质灾害预警模型已经有了较大的发展，主要经历了从现象预报、经验预报到统计预报、灰色预报[1-3]，再到非线性预报、系统综合预报、全息预报[3-4]，以及实时跟踪动态预报的阶段。

早期国外学者在对地质灾害研究过程中，发现灾害的发生与降雨有关联。为此，通过搜集大量的历史降雨过程数据，结合地质灾害发生数量，利用统计学分析方法，获取降雨诱发地质灾害的雨量基准线[5-7]；随后在雨量临界线的基础上，增加了土体含水率、地下水位等指标[8]。基于降雨数据的预警方法主要是应用于区域地质灾害预警，对象包括浅层滑坡、剖面泥石流等；针对单独的崩滑体灾害一般是以变形、受力及倾斜度作为监测预警指标，如深层滑坡。许强等[9-10]提出斜坡变形一般要经历初始变形、等速变形、加速变形3个阶段，并在累计位移-时间曲线的基础上，通过坐标变换实现量纲统一，建立改进的切线角滑坡临滑预警判据。何满潮[11]通过对滑坡体内部相对运动力学指标的监测分析，实现诱发滑坡的多因素归一为力学问题，并建立对应的预警临界值。余斌等[12]通过对单沟泥石流详细的现场调查，将其地形、地质与降雨多因素概化为单一参数，并建立了具有较强针对性的沟谷型泥石流预警模型。此外，还有利用新型技术开展滑坡监测预警研究[13]。可见，基于监测数据分析的地质灾害预警模型研究是目前最为广泛、应用成果也最多的一种方法，特别是关于泥石流灾害预警方面。但是针对崩滑体的监测预警研究，由于受到个体特征具明显差异性、成功案例数据偏少及规律总结不足等条件的限制，仍需要进一步开展深入研究。

2 数据驱动技术

数据驱动源自计算机领域，其主要是在程序设计时以数据库中的数据作为导向[14]。从现有的问题事实出发，基于大量的中间数据，结合数据处理与分析的方法(小波分析、多元统计等)从大量原始数据中获取有效信息，以实现数据预报、数据评价、数据监控及诊断的多种目标。地质灾害减灾防灾领域中这个概念是最近才出现。由于地质信息的复杂性及模型构建的难度较大，所以必须通过综合利用海量的地质灾害相关数据及成果信息，如专家知识库等，并结合到近年来实现的多源实时监测数据，实现系统基于海量数据的地质灾害预警预报、决策和优化等功能，这就是动态数据驱动在地质灾害中的应用。

美国国家自然科学基金会在2000年首次提出动态数据驱动应用系统，简称DDDAS。随后J.Brotzge等[15]深入研究了DDDAS在天气预报中的应用。J.Mandel等[16]提出了采用DDDAS技术的实时林火模拟系统，涵括了林火与数字气象的实时预测。近十年来，动态数据驱动技术在中国也兴起了一股研究热潮。周云等[17]充分研究了动态数据驱动技术的理论体系及内容。欧阳颖等[18]在农业与环境科学上对动态数据驱动技术的应用前景做了详细的阐述。杨广斌等[19]采用动态数据驱动技术，模拟了林火蔓延的精度及其误差，并通过误差的修正与计算，在神经网络技术下获得了修正参数，从而完成了蔓延模型的自动修正。韩守鹏等[20]对DDDAS自适应的应用、算法和系统结构等3个层次做了详细分析，并据此采用并行和分布式技术解决了建模过程及仿真环境中遇到的关键问题。由此可见，对于解答复杂系统的理论及应用，DDDAS这个范式起着重要的作用。

实测数据和仿真系统间的动态反馈是DDDAS中最为明显的标识，主要体现在2个方面：一是将原始数据导入仿真系统，使其反映数据的原有特征；二是将其得出的结果来对原始系统的实际测点进行调整，使其能适应现场环境的变化。DDDAS这种设计范式，其主要的价值体现在应用系统与测量系统产生的共生反馈。换言之，是将二者结合，应用系统可以从测量系统中实时动态地对数据做出相应的反应，同时也能对测量系统进行实时动态的控制，使其结果变得更为可靠，基本思想见图1[21]。

图1 动态数据驱动应用系统(DDDAS)实现基本流程图Fig.1 The basic flow chart of Dynamic Data Driven Application System (DDDAS)

如果在地质灾害监测预警应用系统构建时，通过将动态监测数据和预警系统逻辑分开，则可以有效化解动态数据和业务流程之间的矛盾。

3 动态数据驱动的地质灾害监测预警总体设计

中国西南地区近年地震频发，局地暴雨集中，诱发了大量的地质灾害。尽管国家从多个方面对地质灾害进行了有效的防治，但是地质灾害事件仍时有发生，究其原因，主要还是地质灾害的发生具有明显的不确定性与隐蔽性。通过多年的重大地质灾害案例事件的总结分析，可见地质灾害事件的不确定性主要表现在以下几个方面：①发生位置的不确定性；②发生时间的不确定性；③发生形式的不确定性；④危害后果的不确定性。

地质灾害监测预警涉及地质灾害机理、监测方案与技术、预警模型与判据，以及集成上述成果基础上的系统研发，因此研究工作会面临所涉信息量之大、数据类型之多、流程之复杂等多方困难。

通过分析研究运用DDDAS范式构建了基于动态数据驱动技术的地质灾害监测预警系统框架(图2)。技术路线为：需先实现灾害数据的现场采集、传输与处理，构建相应的预警数据库及模型库，并集成历史的监测数据分析，进而对灾害的不同阶段的发展过程及趋势建模分析与预警，最后结合实时的数据对预警模型参数进行修正，使预警结果更为真实。另外，在有关部门对地质灾害应急指挥中，依靠预警系统的初步预警结果，对地质灾害的应急监测点的选取与布局进行优化，进而构建灾害演化过程及监测曲线的动态变化与灾害发展过程之间的信息反馈与自动校正机制。

3.1 与传统的地质灾害监测预警系统架构比较

动态数据驱动的地质灾害监测预警系统如图3-A所示。与传统模式下的地质灾害监测预警系统对比(图3-B)，其显著差别在于预警系统在动态数据驱动下反馈调节较强，能针对积累的历史监测数据开展有效的趋势拟合分析，能很好地借助实时监测数据进行动态地跟踪与调节，从而增加监测预警结果的确定性，可靠性得到提高。

3.2 实现动态数据驱动的地质灾害监测预警系统的关键性技术

成功构建基于动态数据驱动下的地质灾害监测预警系统，需要在系统的总体架构设计上，解决动态数据驱动的监测曲线拟合分析、动态预警模型的选择、实时的预警分析与反馈调节、平台数据库与模型的构建及预警调度的管理等关键性技术。

图2 动态数据驱动的地质灾害实时监测预警系统架构总设计图Fig.2 The overall design of the real-time monitoring and warning system for geological disaster by dynamic data-driven architecture

图3 地质灾害监测预警系统流程图Fig.3 Flow chart of monitoring and early warning system for geological disaster

a.动态数据驱动的监测曲线拟合分析

地质灾害的演化阶段最直接的信息反应就是监测曲线；但是由于监测数据受多种因素的干扰，会造成曲线所展示的信息出现失真，甚至错误。因此，针对历史监测数据的处理与分析，必须借助一系列的时序数列处理方法(如误差剔除、插值等)；另外，统计分析及滤波等手段可被用来实现基于历史监测数据的趋势拟合分析，进而通过获取的实时监测数据进行动态修正，为灾害预警的等级划分及其稳定性评估提供可靠的数据。

b.动态数据驱动的预警方法

同样，由于诱发地质灾害产生的因素具有明显的不确定性，在对地质灾害演化阶段及发展趋势进行预警分析时，模型或判据的计算结果与真实的地质灾害变化过程存在一定的差异性，难免产生预测上的误差。所以，为了有效地减小这种误差，对监测数据进行实时运算分析，并且能够实现模型的动态修正，从而实现地质灾害预警结果更符合其实际演化情况。

c.系统建设主要的研发技术

基于动态数据驱动的地质灾害监测预警系统架构总体设计，在动态数据驱动的监测曲线拟合方法与实时预警动态反馈机制等理论研究的基础上，采用数据库技术、地理信息系统技术和Web技术，研究动态数据驱动的地质灾害实时监测预警系统平台建设中关键问题的技术实现。

4 动态数据驱动的地质灾害监测预警系统设计与实现

实时动态的地质灾害监测预警是以地质灾害监测数据的处理与分析、预警模型与判据的建立及以动态数据驱动技术的数据与模型服务流为理论基础及技术支撑。所以，本文是通过系统的分析、总体的设计制定地质灾害监测预警系统，主要是集成了前人的研究成果，并对动态的监测数据处理与分析进行了详细的设计，以实现实时动态的地质灾害监测预警系统。

地质灾害综合信息管理平台是运用服务流引擎与动态数据驱动等关键技术研发的，并采用现今流行的物联网技术完成监测数据的实时传输，结合预警数据库，完成了实时地质灾害监测预警系统(图4)。系统主要功能分为：实时数据传输、动态数据展示、系统管理。

实时监测数据集成模块是将各监测仪器上报的数据从监测仪器数据库同步到系统的监测中心数据库中。系统采用客户端程序的方式实现，通过用户配置的时间间隔和其他相应的信息，监视不同监测仪器的数据变化，将新增的数据以JSON串，通过Web Service的方式发送到服务端，在服务端将新增数据入库，并将系统运行状态记录到日志中，功能结构如图5所示。

监测数据的动态处理及分析模块，是在监测数据库已与源数据库同步数据的基础上，通过数据建模的方式对监测数据实现进一步的处理与分析，并绘制在相应的图表中，供用户浏览分析。主要操作过程为：用户通过数据处理模型设计器建立某类数据处理模型，系统根据用户设计的模型，处理监测数据。模型设计器包含常用数学处理工具和定制的地质灾害数据处理工具，用户通过组合工具的方式建立模型，灵活方便地搭建数据处理模型。而系统后台通过用户构建的模型，以监测数据为数据源，按模型中的工具依次处理数据。

图4 地质灾害监测预警系统功能模块图Fig.4 Functional block diagram of geological disaster monitoring and early warning system

图5 实时数据传输框架Fig.5 Real-time data transmission framework

图6 黑方台滑坡监测示范区Fig.6 Demonstration of landslide monitoring at Heifangtai area

地质灾害监测预警系统总体架构设计包括了基础数据库层、数据中间处理层、通用模块层、专业功能业务层及用户端表现层。系统通过WCF数据服务，构建了监测数据同步系统，实现数据清洗。通过客户端技术，构建了数据展示系统，实现数据动态展示。地质灾害实时监测数据的处理是成功预警的关键，主要涉及监测数据动态处理、曲线实时绘制、监测数据标准化处理以及数据服务流设计与实现等。地质灾害监测预警系统主要功能包括实时监测数据集成模块、数据动态处理与分析模块、模型调用及结果展示模块。

5 动态数据驱动的地质灾害监测预警系统应用与分析

5.1 滑坡监测示范区概况

黑方台位于甘肃省永靖县，地处湟水河与黄河交会口上游(图6)。台塬面西高东低，顶面海拔高度 1 664～1 864 m。黑方台地层岩性由上往下依次为：Q3黄土(厚度26～48 m)，结构松散，发育较多垂直裂隙；Q3粉质黏土(厚度3～19 m)，结构致密，弱透水；Q3砂卵石层(厚度1～6 m)，透水性较好；最下部为单斜构造的砂质泥岩，岩层倾向125°～220°，倾角8°～12°。黑方台黄土滑坡监测点基于台塬黄土滑坡的成因机制和渐进后退特征，以变形监测为主，对典型黄土滑坡后缘裂缝处布设多个自动位移计，构建了基于地表变形速率、速度增量的滑坡监测预警综合阈值(表1)。通过前期成因机理的研究，确定预警模型与滑坡变形阈值，开展对应的实时监测预警(图7)。

5.2 系统应用与检验

针对黑方台陈家6#滑坡的地表位移监测，对其实时监测预警结果如表2所列，详见图8、图9所示。

表1 黑方台滑坡预警级别划分Table 1 The warning levels for Heifangtai landslide

图7 黑方台滑坡监测预警显示Fig.7 Monitoring and early warning display of Heifangtai landslide

表2 黑方台滑坡监测预警结果统计Table 2 Statistics of monitoring and early warning results of Heifangtai landslides

图8 黑方台自动位移计累计变形曲线Fig.8 Cumulative deformation curve of the automatic displacement meter at Heifangtai2017年5月2日-13日

图9 黑方台自动位移计变形速率曲线Fig.9 Deformation rate curve of the automatic displacement meter at Heifangtai2017年5月2日-13日

通过现场复核与确认，发生滑坡的隐患点是位于黑方台东北侧磨石沟右岸(图5红框研究区内)的陈家沟6#滑坡。根据黑方台这类滑坡的变形发展特征，在容易产生滑坡的区域布设了多台自动位移计进行监测，2017年5月13日上午9:52，陈家沟6#滑坡后壁产生两处小规模滑动，自动位移计完整捕捉了此次滑坡的全过程变形曲线并在变形超过红色阈值后1 min内发出了预警信息，当地人员也采取了相关防范措施，未造成人员伤亡和财产损失(图10)。陈家沟6#滑坡变形曲线如图8所示，自2017年2月28日开始监测以来，坡体无明显变形；5月11日晚8:00，坡体的变形速率逐渐增加，且变形速率不再收敛；至5月13日早上9:12，变形速率超过20 mm/d的红色速率阈值，预警信息发布系统在9:13及时发出了红色预警短信(图11)，39 min后，即9:52，发生了滑坡。

陈家沟6#滑坡预警实例表明，针对这种突发型滑坡类型建立的预警判据模型对实时监测预警具有较好的效果，预警滑坡的重要因素是其进入加速变形阶段后的速率阈值的及时响应与结合速率增量的精准判断。同时，其关键要素是及时的预警信息发布。

图11 陈家沟6#滑坡红色预警短信Fig.11 Red alert SMS for Chenjia 6# landslide

6 结 论

随着中国经济的快速发展及资源开发，尤其在西南地区，地质条件十分复杂，地质灾害日趋严重，地质灾害预警预报面临着重大的机遇与挑战。针对当前地质灾害预警预报过程中遇到的数据量巨大、模型与方法复杂等问题，本文以动态数据驱动技术为手段，利用服务流引擎来构建一套地质灾害自动监测预警方法体系，充分采用服务流引擎技术与数据库技术，研发出运用网络环境的新型地质灾害动态监测系统，以实现灾害信息实时查询、处理与分析、动态监测曲线的绘制及灾害自动预警等功能。

本文以甘肃黑方台滑坡监测示范区为例，检验建成的基于动态数据驱动技术的地质灾害实时监测预警系统，主要通过测试在实时数据传输条件下，所构建的数据与模型服务流引擎的实际应用效果，获得的主要结论如下：

a.黑方台滑坡群具有明显的突发性，是黄土地区的典型地质灾害，对实时监测数据的动态采集能力、数据传输、快速处理与分析能力等要求极高。因黑方台滑坡具备渐进后退特征，以变形监测为主，部署多个具有自适应采集数据能力的位移计，构建地表变形的滑坡监测预警综合阈值，对其开展实时监测预警。

b.通过2017年的监测运行，监测系统捕捉到了2次滑坡预警，并且在5月13日，成功发出了滑坡灾害预警短信，通知现场负责人采取相关防范措施，未造成人员伤亡和财产损失。

c.该系统能有效地对滑坡进行预警，并能够有效地为管理部门在地质灾害防治及应急决策时提供先期的技术支撑。然而，由于地质灾害的复杂性及其独特个性特征，该系统能否适用于其他类型的滑坡灾害，还需要不断的研究与完善。