基于小波分析的湖南罗富冲滑坡监测数据去噪与预警

刘海涛

（现代投资股份有限公司怀化分公司，湖南 怀化）

引言

滑坡是指地表土体或岩石在重力作用下沿斜坡面发生的向下滑动过程，具有突发性、快速性和广泛性的特点[1]。滑坡灾害不仅造成了巨大的人员伤亡和财产损失，还破坏了土地资源、水资源和生态环境，严重威胁着人民生产生活安全和社会稳定。近年来，随着人类社会和经济的迅速发展，滑坡灾害的频发程度和影响范围逐渐扩大，已成为限制经济可持续发展和社会进步的重大隐患。

为了有效地预防和应对滑坡灾害，开展自动化监测变得越来越重要。自动化监测是指利用先进的传感器和监测技术，对滑坡进行实时、全面的数据采集和分析，以实现对滑坡变形、位移和速度等参数的监测和预警[2-5]。自动化监测可以提供及时准确的数据支持，为滑坡的预防、治理和应急管理提供决策依据和技术支持[6-8]。它不仅能够监测滑坡的变化趋势和预警信号，还能够评估滑坡活动的危险程度和风险等级。

滑坡自动化监测数据受到地质环境复杂性和监测设备限制等因素的影响，经常存在噪声问题。这些噪声可能来自于天气、地震、人类活动等外部干扰，也可能由于设备故障、信号传输损失等内部因素产生[9]。高噪声数据会给滑坡监测与预警带来一定的困难，容易导致误警等不必要的后果。

综上所述，对滑坡自动化监测数据进行去噪处理具有重要的必要性。去噪处理可以有效地提高监测数据的精度和可靠性，减少误警的发生，为滑坡的安全管理和防治工作提供更可靠的基础数据。本文将通过对湖南罗富冲滑坡自动化监测数据开展基于小波分析的去噪研究，旨在提高监测数据的准确性和可靠性，降低误警率，从而提高滑坡灾害的预警能力。

1 滑坡概况与监测方案

1.1 滑坡工程概况与监测方案

罗富冲滑坡地理位置和监测方案如图1 所示，该滑坡位于湖南省娄底市新化县曹家镇罗富冲村。该滑坡为推移式土质斜坡，长约110 m，宽约35 m，厚度约8 m，体积约3.08 万m3，斜坡体坡向为235°，坡度为20°，始发于2006 年12 月，截止发稿时该滑坡仍缓慢下滑。该滑坡目前威胁76 户390 人，威胁财产500 万元，险情等级为中型；雨季时可能演变成泥石流，坡底住户较密集,威胁斜坡体前缘居民。

图1 罗富冲滑坡地理位置和监测方案

为保障下方居民生命和财产安全，需对该滑坡部署自动化监测预警系统以进行全天候在线监测和实时预警。滑坡监测方案如图1 所示，罗富冲滑坡现场部署了两套GNSS 地表位移监测设备，分别命名为GNSS01 和GNSS02，此外还需要部署一台GNSS 基站以完成坐标位置的差分解算。同时还在滑坡体部署了一台倾角传感器（QX01）、一台雨量计（YL01）和一台声光报警器（SG01）。

1.2 滑坡监测数据分析

罗富冲滑坡两个GNSS 地表位移监测设备自2021 年4 月部署完成以来的监测数据如图2 所示。从图2 中可以发现，两台监测设备基本呈现较为同步的变形特征。从变形趋势方面来看，两台监测设备自监测开始以来主要有两次明显的变形过程，第一次加速变形过程发生于2021 年9 月初，该次变形过程变形量不大，两台监测设备仅产生了不足10 mm 的变形，随后变形趋势趋于平缓。第二次加速变形过程起始于2022 年7 月末，GNSS01 设备首先发生加速变形，且一直持续到2023 年年末。GNSS02 号监测设备变形起始于2022 年11 月末，要明显晚于GNSS01 监测设备，随后也一直持续变形到2023 年年末。该变形过程表明，该滑坡后缘首先出现变形，且后缘变形程度明显要高于前缘，这也符合推移式滑坡的变形特征。此外，还可以发现该滑坡监测数据噪声十分严重，对于滑坡监测数据的自动化预警造成了严重的干扰，造成了很多误报警，因此必须对该监测数据进行去噪以提升预警准确性。

图2 罗富冲滑坡GNSS 地表位移监测数据

2 结果与讨论

2.1 去噪效果对比

针对罗富冲滑坡GNSS 地表监测数据噪声干扰严重导致误报警的问题，使用小波分析对该滑坡的原始监测数据进行去噪。以GNSS01 地表监测站为例，对原始监测数据使用db4 小波进行分解，分别使用3、5、7、9 级分解等级进行分解，并使用分解的低频分量进行信号重建，从而过滤掉高频噪声信号以提取有效变形趋势。不同等级分解结果如图3 所示，从图3 中可以发现，当分解等级较低时，去噪数据中虽然还包含很多震荡噪声，但是很多显著的异常值幅值被明显压缩，这表明去噪过程首先会对显著异常数据进行去噪。随着分解等级越来越高，去噪过程逐渐从显著噪声扩展到一般的高频噪声，这导致去噪后的监测数据越来越平滑，噪声程度也就越来越低，这表明去噪效果越来越显著。从图3（d）中去噪效果来看，去噪结果不仅能够良好地反映滑坡变形趋势，而且变形趋势较为平滑且连续，高频噪声已经被显著压制。

图3 罗富冲滑坡GNSS01 地表位移监测数据不同等级去噪效果对比

2.2 预警效果对比

在对监测数据进行去噪处理后即可使用去噪后的监测数据进行对比。为了验证数据去噪过程对于滑坡预警结果的影响，分别使用原始监测数据和去噪后的监测数据计算日变形速度，从而开展滑坡预警工作以验证预警效果。日变形速度计算结果如图4 所示，从图中可以发现，原始监测数据计算的速度噪声非常严重，速度震荡幅度非常大，缺乏连续性和平滑性，且部分日期的变形速度呈现明显异常，这也就导致出现了非常多的误报警。而利用经过小波分析去噪后的监测数据计算的日变形速度整体趋势比较平稳，连续性和平滑性也非常好，也没有出现较为显著的异常速度，这也就说明基本不会出现误报警，极大地提升了预警的准确率。

图4 罗富冲滑坡GNSS01 地表位移原始监测数据与去噪数据计算的日变形速度对比

3 结论

滑坡自动化监测传感器受野外环境干扰影响，监测数据往往存在较为严重的噪声，利用这种高噪的监测数据进行预警计算必然会导致出现非常多的误报，一直以来都是滑坡预警中的难点和痛点，因此必须对原始监测数据进行去噪处理。本研究以罗富冲滑坡为研究案例，对原始的GNSS 地表位移监测数据使用小波分析进行去噪处理，并对处理前后的预警效果进行对比，得到了以下结论：

（1） 罗富冲滑坡的监测数据表明，该滑坡后缘首先出现变形，随着时间推移后缘的变形幅度要明显大于前缘，这表明罗富冲滑坡为典型的推移式土质斜坡。

（2） 使用小波分析对于原始监测数据进行分解，然后使用分解的低频分量进行信号重建即可得到去噪后的数据。该去噪过程有效去除了高频的噪声信号，随着分解级数的不断增加，高频噪声也就越来越小，去噪效果也越来越显著。

（3） 罗富冲滑坡自动化监测数据噪声较为严重，使用小波分析对原始监测数据进行去噪处理后，监测数据噪声得到了较为明显地去除，以去噪后的监测数据计算的变形速度也更为连续和平滑，极大提升了预警的准确性和可靠性。