基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统

摘要

一种基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统，包括用于监测地质灾害点的雨量雨强的自动雨量计、用于监测地质灾害点土壤中水分的土壤水分传感器、用于检测地质灾害点的地表和内部形变的全方位倾斜传感器、用于评估地质灾害发生规模的全方位视觉传感器、用于无线传输视频以及监测数据的嵌入式系统和用于进行地质灾害预测预报的监控中心计算机，监控中心计算机包括通信模块、数据接收模块、基于雨量雨强的地质灾害预测模块、基于斜坡位移-时间曲线进行地质灾害预测模块、基于土壤含水量与雨量雨强的地质灾害预测模块和基于土壤含水量与斜坡变形量的地质灾害预测模块。本发明监测手段全面、预测预报精准、智能化程度高、实时在线。

说明书

技术领域

本发明涉及一种基于材料力学、静力学、动力学、计算机软硬件、传感检测等技术的地质灾害监测预测系统。

背景技术

由于地质环境的多变性，地质灾害发生机理的复杂性、时空演变的随机性和过程的突发性，人类目前还不能有效地对地质灾害进行预测预报，其最根本原因是所采用的技术手段还不具备有效地感知环境的能力。

从国家减灾委员会办公室获悉，2010年上半年，我国自然灾害形势呈现出“重大灾害频繁发生，灾害损失巨大”等特点，今年1至6月，全国发生地质灾害19522起，3514人在各类自然灾害中丧生，因灾直接经济损失2113.9亿元。其中各种自然灾害中地质灾害的发生最频繁、受灾面最广、损失最大。与2009年1至6月相比，今年同期地质灾害发生数量增长了近10倍。

地质灾害有三个特点。一是点多面广，以滑坡和崩塌为主。二是区域性强、规模以小型为主。三是以强降雨引发为主。

在监测技术方面，崩塌、滑坡的监测主要集中在地表变形监测、地下变形监测、与滑坡崩塌变形有关的物理量监测，具体监测方法在《中华人民共和国地质矿产行业标准：崩塌、滑坡、泥石流监测规范》中已有明确规定。除了以上常规监测方法之外，目前比较广泛应用的方法还有TDR变形监测、GPS变形监测、无线网络技术应用于滑坡地下水和裂缝自动连续动态监测。泥石流的监测内容则主要分为形成条件(固体物质来源、供水水源等)监测、运动情况(流动动态要素、动力要素和输移冲淤等)监测、流体特征(物质组成及物力化学性质等)监测，具体的监测技术则主要有地声监测、泥位监测和冲击力监测等自动化监测方法。

中国发明专利(专利申请号：200710178762.0)公开了地质灾害降雨监测预警仪，该发明提供一种适合地质灾害气象预警，操作简单，防尘防堵的地质灾害降雨监测预警仪。其特征是将地质灾害降雨监测与预警有机的结合起来，根据实测的降雨监测值来进行地质灾害预警。通过液面读数观测降雨量值，通过三角堰监测降雨强度，通过钢丝网防止异物进入承雨口而堵塞管路，通过放水装置防止尘土残留。中国发明专利(专利申请号：200910058195.4)公开了一种地质灾害应急监测预报分析方法，通过在已经或预测形成的地质灾害区域内无规则均匀投放一次性雷达应答器，让它在地表上与滑坡山体或泥石流、洪水等一起移动。通过采用雷达扫描技术，直观快速监测比较雷达应答器的运行轨迹，结合地形、地貌状况进一步分析判断灾害形成的地点、时间，配合降雨量、地震等其它信息得出基本成因，灾害将要影响的地域范围和预测发生的时间段、安全撤离路线等重要信息。中国发明专利(专利申请号：200910241585.5)公开了地质灾害群测群防多功能尺及其测量方法，该发明包括固定在地面上并随地面刚性转动的测杆和L型托架，L型托架的长边的上部活动挂装有第一测量尺，其短边上沿其长度方向设置有第二测量尺，L型托架上还设置有指南针；L型托架的长边顺延测杆的长度方向贴靠以进行测量，以使第一测量尺根据测杆姿态的改变而绕其上端的挂装点转动，第二测量尺同时测量第一测量尺下部与其相交位置的标度。本发明通过测量长度来反算出坡面的倾角，利用指南针测量裂缝方位角，用第一测量尺和第二测量尺测量裂缝相对位移。中国发明专利(专利申请号：200910058196.9)公开了一种智能型地质灾害综合监测系统及多级预报分析方法，该系统是一种按需可组合、拆卸的，适合于野外安装的监测装置，其安装组合完成后为一杆状物，定时测量并地面无线发射斜坡地下深部变形信息于系统信息分析控制单元，结合采用激光扫描器，定时连续扫描得到监测区域内图像，同时还增设多点定点激光测距仪，对选定物体进行精确测距。它以地质灾害体地下深部变形和地表直接变形位移为主要监测预报依据，结合物理与化学场变化辅助参数与诱发因素，将灾害预报划成预备级、预警级、前期预报级、灾害预报四级，就地一体化地完成监测、分析、预报功能。

上述几项公开的专利技术至少存在着以下几个方面的问题：1)监测方法比较单，从而导致了观测地质灾害发生时的信息不够充分；2)监测手段没有充分考虑地质灾害发生的因果关系，从而导致了难以把握地质灾害发生的前兆；3)所采用的监测仪器比较昂贵，从而导致了很难大规模实施实时动态的地质灾害预测预报；4)尚未采用哲学的思想、材料力学、动力学和静力学的分析方法分析地质灾害的形成机理以及整个地质灾害的发生演变过程，从而导致了难以很好地解释地质灾害发生机理的复杂性、时空演变的随机性和过程的突发性等问题。任何一个重大自然科学技术的突破几乎都是建立在正确的哲学思想指导基础上的，地质灾害的预测预报同样也需要哲学思想为指导。

发明内容

为了克服已有的地质灾害监测预测预报方法上手段比较单一、信息不充分造成预测预报模型不精准；没有考虑地质灾害发生的因果链的关系造成因果关系不清晰；监测仪器昂贵、监测方法比较粗糙造成只能监测某一个局部的地质灾害情况，难以从全局和整体的角度把握地质灾害的本质；没有从地质灾害发生的机理和整个过程进行充分地分解，造成了在宏观、中观和微观不同角度的预测预报以及在灾害发生过程的各个关键时间点的监测等方面难以把握主要关键核心点、等一些问题，本发明提供一种监测手段全面、预测预报精准、智能化程度高、实时在线的基于雨量、斜坡土壤含水量和形变量的地质灾害预测系统。

本发明解决其技术问题所采用的技术方案是：

一种基于雨量、斜坡土壤含水量和形变量的地质灾害预测系统，包括用于监测地质灾害点的雨量雨强的自动雨量计、用于监测地质灾害点土壤中水分的土壤水分传感器、用于检测地质灾害点的地表和内部形变的全方位倾斜传感器、用于评估地质灾害发生规模的全方位视觉传感器、用于无线传输视频以及各种监测数据的嵌入式系统、用于进行地质灾害预测预报的监控中心计算机、用于对所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计供电的太阳能供电单元；所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计与所述的嵌入式系统连接，所述的嵌入式系统通过无线通信方式与监控中心计算机连接，所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计安置在地质灾害发生点的山体上，所述的自动雨量计、所述的全方位视觉传感器和所述的嵌入式系统配置在同一根立杆上，所述的土壤水分传感器植入所述的立杆附近的土壤深处；

所述的全方位倾斜传感器配置在地质灾害发生点的山体上，以形成一个力传感网；每一个全方位倾斜传感器都具有一个反映埋设地点位置的编码号；每一个全方位倾斜传感器之间以及和所述的嵌入式系统之间采用无线通信的方式；

所述的监控中心计算机包括：

通信模块，用于与所述的嵌入式系统进行基于3G无线通信协议的无线通信以及各种计算机网络通信，接收和传输各种控制数据和监测数据；

数据接收模块，用于接收从所述的嵌入式系统传送过来的各种监测数据，所述的监测数据包括雨量雨强数据、土壤水分数据、现场全景视频数据以及带有地理位置信息的斜坡形变数据；同时将这些数据以采集地点、即地质灾害点的地理位置数据为主键存放在多媒体数据库中；地质灾害点的地理位置数据以该地质灾害点的GPS定位数据进行命名；植入斜坡中的全方位倾斜传感器的地理位置数据以埋设点的GPS定位数据进行命名；

基于雨量雨强的地质灾害预测模块，用以采用雨量雨强和斜坡形变两种监测数据，如表1所示；采用该模块进行有效准确预测的前提是弄清了该地质灾害点暴发泥石流的临界降雨量，表1为降雨期间不同雨强情况下预警预防措施对应表：

表1

表1中，雨强的单位mm/d，雨强在25mm/d以下的为中、小雨，雨强在25～49.9mm/d之间的为大雨，雨强在50～100mm/d之间的为暴雨，雨强超过100mm/d为特大暴雨；

基于斜坡位移-时间曲线进行地质灾害预测模块，用于利用材料力学中的受力与形变的关系进行预测的，斜坡变形曲线的斜率利用切线角α_i来表达，如公式(1)所示，

${\alpha }_i=\arctan \left(\frac{T\left(i\right)-T(i-1)}{t_i-t_{i-1}}\right)=\frac{\mathrm{\Delta T}}{\mathrm{\Delta t}}---\left(1\right)$

公式(1)中，i(i＝1，2，3，...，n)为时间序数：α_i为累积位移T(i)的切线角，ΔS(i)为某一单位时间段内斜坡位移变化量；v为等速变形阶段的位移速率；T(i)为变换后与时间相同量纲的纵坐标值；t_i为某一监测时刻；

根据式(1)计算结果并按下述条件进行判定，

当α_i＜45°时斜坡处于初始变形阶段；

当α_i≈45°时斜坡处于等速变形阶段；

45°＜α_i＜80°时为初加速阶段，发出蓝色预警；

80°≤α_i＜85°时为中加速阶段，发出橙色预警；

α_i≥85°时为临滑阶段，发出红色预警；

基于土壤含水量与雨量雨强的地质灾害预测模块，用以依照地质灾害的发生受控于滑坡体的自重力和抗剪强度，依据土壤中的含水量和变形量进行预测预报的方法得到预测曲线，如图6所示，其中，K1是较少土壤含水量的雨强-形变地质灾害预测曲线，如K1为土壤中的水分达到1.5％；K5是较多土壤含水量的雨强-形变地质灾害预测曲线，如K5为土壤中的水分达到11.5％；纵坐标表示雨量雨强值预报值、横坐标表示滑坡体的变形量；

从所述预测曲线可以知道，对于同样的变形量，最上面的曲线K1表明，较大的雨量雨强阈值才会引发地质灾害发生，中间有K2、K3、K4三条曲线，而最下面的曲线K5则表明较小的雨量雨强阈值就会引发地质灾害发生；首先根据监测到的变形量δn在预测曲线中做一条垂直线，可得到与5条曲线相交的5个点，然后根据检测到的土壤的含水量找到与该含水量最接近的2个点，A2和A3；按照线性插值的方式得到在垂直线上的1个点，An；该An的纵坐标值就是临界雨强预测阈值Yn，根据气象预报的雨量雨强值进行不同的应急措施；由于滑坡体的变形量δn以及土壤中的含水量An是在不断变化的，预测预报的算法是不断的循环计算的；

判断方式是预报雨强值Yf与目前临界雨强预测阈值Yn进行比较，当50％Yn≤Yf＜75％Yn时发出蓝色预警，当75％Yn≤Yf＜100％Yn时发出橙色预警，当Yn≤Yf时发出红色预警。

作为优选的一种方案：所述监控中心计算机还包括：基于土壤含水量与斜坡变形量的地质灾害预测模块，用于利用土壤含水量、土壤含水量的变化率、斜坡变形量和斜坡变形量的变化率等信息；斜坡位移变化量和土壤含水量的变化量用公式(2)、(3)进行计算；

Δδ(i)＝(δ(i)-δ(i-1))/Δt    (2)

ΔH(i)＝(H(i)-H(i-1))/Δt       (3)

Δδ(i)为某一单位时间段内斜坡位移变化量，δ(i)为现监测时刻的斜坡位移量，δ(i-1)为上一个监测时刻的斜坡位移量，ΔH(i)为某一单位时间段内土壤含水量的变化量，H(i)为现监测时刻的土壤含水量，H(i-1)为上一个监测时刻的土壤含水量，Δt为两次检测时刻的间隔时间；

滑坡体的应力和应力变化率的计算方法用公式(4)表示；

σ(i)＝w×sinα×(1+H(i))/D    (4)

Δσ(i)＝w×sinα×ΔH(i)/D

式中，σ(i)为滑坡体的应变力，w×sinα/D为由滑坡体不含水分自重产生的应变力，w为滑坡体不含水分的自重，α为滑坡体所在的斜坡的角度，D为滑坡体垂直于应力方向上的最小截面积，w×sinα×H(i)/D为由滑坡体仅仅含水分部分所产生的应变力，Δσ(i)为由滑坡体仅仅含水分部分所产生的应变力的变化量；

用公式(5)来表示土体应力与应变的关系；

K1(i)＝Δσ(i)/Δδ(i)＝w×sinα×ΔH(i)/D×Δδ(i)＝k×ΔH(i)/Δδ(i) (5)

式中，k接近一个常数，用公式(6)表示，

k＝w×sinα/D                        (6)

为了便于计算，我们将公式(5)改写成公式(7)的形式；

K(i)＝K1(i)/k＝ΔH(i)/Δδ(i)        (7)

从公式(7)的等式知道K(i)值的大小主要取决于土壤中的含水量和斜坡位移量的变化值；用应力与应变的变化率的比K(i)值与几个力学控制阈值进行比对判断，算法的主要流程如下；

步骤1：读取当前的土壤含水量和斜坡变形量数据，将这些数据保存到多媒体数据库中；

步骤2：判断土壤含水量是否达到11.5％，未达到的情况转到步骤1；

步骤3：读取前一个时间的土壤含水量和斜坡变形量数据，用公式(2)、(3)计算斜坡位移变化量Δδ(i)和土壤含水量的变化量ΔH(i)，然后用公式(7)计算基于斜坡位移变化量Δδ(i)和土壤含水量的变化量ΔH(i)的应力与应变的比值K(i)；

步骤4：根据应力与应变的比值K(i)与几个力学控制阈值进行比对，如果K(i)≥KV1则判断目前处于弹性变形阶段；如果KV1＞K(i)≥KV2则判断目前处于塑性变形阶段，如果土壤含水量的变化量ΔH(i)≥KH1发出橙色预警信息，否则发出蓝色预警信息；如果KV2＞K(i)≥KV3则判断目前处于塑性变形到破坏的过度阶段，这时发出红色预警信息；转到步骤1；

上述算法中，KH1是土壤含水量的变化量的控制阈值，KV1、KV2、KV3分别为力学控制阈值，并满足以下关系KV1＞KV2＞KV3。

作为优选的另一种方案：所述监控中心计算机还包括：决策辅助模块，用于对上述4种预测模块的判定结果进行综合，采用加权平均的方式进行决策辅助，所述的基于雨量雨强的地质灾害预测模块的权值系数分别为0.5、所述的基于斜坡位移-时间曲线进行地质灾害预测模块的权值系数分别为1.05、所述的基于土壤含水量与雨量雨强的地质灾害预测模块的权值系数分别为1.75、所述的基于土壤含水量与斜坡变形量的地质灾害预测模块的权值系数分别为1.2，同时将蓝色预警的量化值定义为3、橙色预警的量化值定义为6、红色预警的量化值定义为9，用公式(8)计算最终综合判断结果，

R＝(R_I×K_I+R_II×K_II+R_III×K_III+R_IV×K_IV)/(K_I+K_II+K_III+K_IV)  (8)

式中，R_I和K_I分别为所述的基于雨量雨强的地质灾害预测模块预测结果和权重系数，R_II和K_II分别为所述的基于斜坡位移-时间曲线进行地质灾害预测模块预测结果和权重系数，R_III和K_III分别为所述的基于土壤含水量与雨量雨强的地质灾害预测模块预测结果和权重系数，R_IV和K_IV分别为所述的基于土壤含水量与斜坡变形量的地质灾害预测模块预测结果和权重系数，R为最终综合判断计算结果，判断计算结果的数值范围是0～9，最终判断计算结果用预警颜色、报告、把关和签发管理用表3进行总结，表3辅助决策与预警信号发布流程：

表3

进一步，所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器以及所述的嵌入式系统采用雨量事件触发方式，当下雨时，通过自动雨量计的触点开关激活所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器以及所述的嵌入式系统，使得他们立即进入工作状态；当下雨结束后的72小时起，如果没有发生地质灾害情况下监测预测预报系统以及所有的监测装置均进入休眠状态；。

所述的太阳能供电单元由太阳能光电转换板、充电电池以及充电电路构成，所述的充电电池的容量满足所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器和所述的嵌入式系统120小时以上的工作时间。

所述的嵌入式系统与所述的监控中心计算机之间的信息交换采用3G无线通信模式。

所述的全方位倾斜传感器包括上圆锥体、圆锥形导电线圈、绝缘线、下圆锥体、导线、导电空心管、外壳、无线射频发生单元、电源和水银；圆锥型导电线圈的大小与上圆锥体内部的大小相同，圆锥形导电线圈中由四个不同大小半径的线圈以同一圆心垂直叠放构成一个圆锥体，即用线圈A、线圈B、线圈C和线圈D叠加成一个圆锥形，各线圈之间的距离为Δ，且构成圆锥形导电线圈的每个线圈之间是不导通的，每个线圈都有一个引出线通向上圆锥体的外部，圆锥型导电线圈嵌入在上圆锥体内，嵌入后的圆锥型导电线圈的边缘离上圆锥体的底部的距离为Δ，分别用4芯绝缘线分别焊接在线圈A、线圈B、线圈C和线圈D的引出线上，下圆锥体的圆锥尖处插入导电空心管，导电空心管的一段进入下圆锥体的内部，绝缘线穿过导电空心管的内部将绝缘线引到下圆锥体的外部，填入粘结剂使得导电空心管和下圆锥体固定和密封，绝缘线与下圆锥体的内部和导电空心管保持绝缘状态，在下圆锥体中添加水银，水银的容量正好填满下圆锥体，然后将上圆锥体和下圆锥体固定在一起形成密闭的空间，最后用外壳将整个全方位倾斜传感器固定在一起；上圆锥体和下圆锥体采用透明塑料压制而成，与导电空心管连接的导线A和与绝缘线连接的四芯导线B分别引线到外壳上，在全方位倾斜传感器没有感知到倾斜时，导线A和四芯导线B中的任何一芯导线都是不相通的；当全方位倾斜传感器感知到有倾斜时，在下圆锥体内部的水银有一部分流入到上圆锥体内，并与嵌入在圆锥体内的圆锥形导电线圈中的线圈相接触，倾斜角度为0.5°时与线圈A相接触，倾斜角度为1°时与线圈A和线圈B相接触，倾斜角度为1.5°时与线圈A、线圈B和线圈C相接触，倾斜角度为2°时与所有的线圈相接触，因此只要任何一个方位出现某一程度的倾斜都会使得导线A和导线B中的某一芯或者多芯导线相通；判断倾斜角度的方法是：若导线A与D线圈之间相通就可以判断这时倾斜的角度在2°或者2°以上；若导线A与D线圈之间不相通，导线A与线圈C之间相通则判断这时倾斜的角度在1.5°到2°之间；若导线A与D线圈和C线圈之间都不相通，导线A与线圈B之间相通则判断这时倾斜的角度在1°到1.5°之间；若导线A只与线圈A之间导通则判断这时倾斜的角度在0.5°到1°之间；若导线A与任何线圈都不导通则判断倾斜的角度在0.5°以下；本发明中将所述5根线作为所述的无线射频发生单元的数据采集端的输入。

所述的无线射频发生单元包括MCU和无线收发芯片，MCU与无线收发芯片通过SPI总线连接，二者构成无线传输模块，将检测到的倾斜角度数据传输给所述的嵌入式系统，通信方式为ZigBee技术；所述的MCU是STC89LE516AD单片机，为51内核增强型8位单片机，与IntelMCS51系列单片机完全兼容。STC89LE516AD有丰富的片上存储功能，具有64KBFlash和512字节RAM。单片机自身固化有ISP程序，通过串口下载程序；所述的导线A和所述的线圈A、B、C、D均接入到STC89LE516AD单片机的并行口，用所述的导线A和所述的线圈A之间的导通作为外部中断源，只有在所述的导线A和所述的线圈A之间的导通情况下唤醒所述的无线射频发生单元，没有倾斜发生时所述的无线射频发生单元处于休眠模式状态；

在全方位倾斜传感器的单片机包括初始化程序模块、检测程序模块和发射程序模块，初始化程序模块对单片机、射频芯片、SPI等进行处理；检测程序模块检测和判定倾斜角，并将检测到的倾斜角数据与检测时间和反映埋设地点位置的编码号等信息进行打包；发射程序模块将建立的数据包通过单片机SPI接口送至射频发生模块输出；所述的嵌入式系统接收从所述的全方位倾斜传感器中射频发生模块发送过来的监测数据，并将这些数据传输给所述的监控中心计算机。

所述的自动雨量计获得每天和每小时雨量雨强的数据，并将数据实时地传输给所述的监控中心计算机。

所述的土壤水分传感器采用电容式土壤水分传感器，将所述的土壤水分传感器垂直插入到松质土壤、松散堆积物的10CM深处；平时处于休眠状态，在下雨时才触发工作，通过电容式土壤水分传感器能获得土壤中的含水量数据，并将这些数据实时地传输给所述的监控中心计算机。

本发明的技术构思为：要破解这个地质灾害预测预报世界性的难题，必须从地质灾害形成机理出发、从整个地质灾害的孕育、发展和发生演变过程着手、从地质灾害发生的内因和外因关系、从地质灾害发生的普遍性和特殊性关系、从量变到质变的原理进行全面的综合分析，从地质灾害监测预测预报角度把握具有普遍性的、核心关键问题。

量变与质变的哲学思想给我们的启示是：1)地质灾害的发生不可避免的，人类惟一能做的事情是如何有效地防灾、避灾、减灾和救灾；2)要对地质灾害进行预测预报就必须准确把握引起地质灾害质变时的度，科学的监测手段以及根据当地具体情况准确地设定质变时的度是十分重要的；3)从系统论的观点，地质灾害属于一种自组织临界开放系统，发生质变时的临界状态(自组织临界特性)的识别是非常关键的。

内因和外因关系的哲学思想给我们的启示是：1)准确的排查出地质灾害点的基础工作十分重要，必须从地质、地貌、水文、植被、土壤等情况进行深入调查，取得相关数据，尤其是斜坡的角度、松质土壤、松散堆积物的厚度和规模以及斜坡周围的地貌；2)有时外因能引起事物质的变化，统计数据也表明，极大部分的地质灾害都是由于强降雨造成的，在地质灾害点进行强降雨的预警预报工作是必要的而且是十分有效的；3)根据外因通过内因起作用的观点，只有在一定坡度以上存在着有松质土壤、松散堆积物情况下，强降雨等外界作用使得松质土壤、松散堆积物含水量增加以及土壤与山体之间的抗剪力减小，从而导致了地质灾害的发生，从这个观点来看，斜坡土壤中的含水量的大小与地质灾害发生直接相关，而强降雨与地质灾害发生间接相关；用土壤中的含水量进行预测预报要比强降雨的预警预报会更精准些；4)根据内因和外因互相转化的观点，地震发生、水流水压发生变化、历史上的地质灾害发生规模和时间等等，在某种程度上都会改变或者影响着地质灾害点的内因，建模时必须考虑这些因素，需要将这些因素归纳在历史因素中；另外，预测预报模型建立好以后不是一成不变的，需要根据实际情况进行修正。

从普遍性和特殊性的关系上，哲学给我们的启示是：1)虽然各个地质灾害点发生地质灾害的趋势、模式相类似，但是针对某个地质灾害点还需要具体情况具体分析；2)根据“矛盾特殊性＝矛盾普遍性+区别与同类事物的特点”的公式，首先必须抽取出描述地质灾害发生的一般规律的数学模型，该部分的数学模型是相对不变的；然后要根据“区别与同类事物的特点”来修正数学模型，以体现各个地质灾害点的特殊性；3)发生地质灾害的内因和外因是不断在变化的，这些变化中的内因和外因属于“区别与同类事物的特点”，因此建立的预测预报数学模型也必须适应发生地质灾害的内因和外因的变化；4)地质灾害的预测预报必须把握主要矛盾和矛盾的主要方面，斜坡体的变形以及强降雨造成的土壤含水量增加是地质灾害的直接诱因就是形成地质灾害的主要矛盾和矛盾的主要方面；实时监测斜坡体的变形、滑坡体土壤的水分和雨量雨强是进行科学预测预报的关键。

要精准地预测预报必须牢牢把握雨量雨强的度、土壤含水量的度以及土壤形变的度，它们这三个度之间存在着明显的因果关系。作为一个地质灾害点来说，地质灾害的发生主要受控于滑坡体的自重力和抗剪强度；作为一个地质灾害区域来说，地质灾害的发生不仅仅受控于滑坡体的自重力和抗剪强度，还受控于其他直接相邻的地质灾害点的发生情况，尤其是斜坡的上方发生的地质灾害情况；因此，也必须充分考虑到地质灾害的因果链之间的相互联系，①从直接诱因的强降雨→②斜坡体土壤中水分增加→③斜坡体的自重增加和斜坡体与山体之间的抗剪力减小→④斜坡体的向下滑落力与抗剪力处于临界状态→⑤斜坡体发生塑性变形→⑥失稳状态→⑦任何一个小的扰动将在最薄弱的点(处于临界状态的点)引发塌方滑坡地质灾害→⑧斜坡体与山体发生破坏性分裂→⑨这个点的塌方滑坡导致相邻斜坡体失稳牵动附近周围接近临界状态的斜坡体，爆发大规模的地质灾害(类似于沙滩模型)；本发明中将地质灾害的发生过程以及因果链分解为上述9个节点，为了实现精准地实现地质灾害的预测预报，必须从大规模地质灾害发生的因果链上的每一个节点上建立相对应的力学模型，为事件驱动和模型驱动的地质灾害预测预报提供理论基础。

本发明的有益效果为：通过基于雨强、斜坡土壤含水量和形变量的地质灾害预测预报方法建立一种重大地质灾害应急处置体系和指挥系统，实现快速、高效、科学、有序地处置重大地质灾害，最大限度地减少地质灾害对人类造成的损失。使得受地质灾害威胁的群众能提高“自我识别、自我监测、自我预报、自我防范、自我应急和自我救治”的能力；使得政府决策指挥部门能提高“快调查、快监测、快定性、快论证、快决策和快实施”的水平。

附图说明

图1为基于雨强、斜坡土壤含水量和形变量的地质灾害预测预报分析地质灾害发生的内外因关系图；

图2为地质灾害发生的力学模型；

图3为地质灾害的发生演变过程力学模型；

图4为地质灾害发生的几个主要观测点；

图5为地质灾害点各种传感器的安置示意图；

图6为基于土壤含水量与雨量雨强的地质灾害预测的关系曲线；

图7为一种用于监测塌方等地质灾害的力传感网构建图；

图8为一种高精度监测塌方等地质灾害的力传感网构建图；

图9为一种自动雨量雨强计的示意图；

图10为一种插入式土壤水分传感器的示意图；

图11为一种全方位倾斜传感器的示意图；

图12为土体的应力应变关系曲线；

图13为监控中心计算机中的地质灾害预测预报软件系统框图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图13，一种基于雨量、斜坡土壤含水量和形变量的地质灾害预测系统，包括用于监测地质灾害点的雨量雨强的自动雨量计、用于监测地质灾害点土壤中水分的土壤水分传感器、用于检测地质灾害点的地表和内部形变的全方位倾斜传感器、用于评估地质灾害发生规模的全方位视觉传感器、用于无线传输视频以及各种监测数据的嵌入式系统、用于进行地质灾害预测预报的监控中心计算机、用于对所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计供电的太阳能供电单元；所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计与所述的嵌入式系统连接，所述的嵌入式系统通过无线通信方式与监控中心计算机连接，所述的全方位视觉传感器、所述的土壤水分传感器和所述的自动雨量计安置在地质灾害发生点的山体上不容易发生塌方滑坡的区域，如山体基础比较稳固的区域，如图5所示，为了连线方便三个传感器的安置点尽可能配置在附近，所述的自动雨量计、所述的全方位视觉传感器和所述的嵌入式系统配置在同一根立杆上；所述的土壤水分传感器植入所述的立杆附近的土壤中约10CM深处，选择的土壤需要与斜坡的土壤相一致，以便能真实反映斜坡土壤中的含水量；所述的全方位倾斜传感器按照一定的分布规则配置在容易发生塌方和滑坡部位，以形成一个力传感网，如图7、图8所示；每一个全方位倾斜传感器都具有一个反映埋设地点位置的编码号，一旦某一个编码号的全方位倾斜传感器发生位移形变就能立即知道在山体的哪个空间位置上发生了地表或者内部形变；每一个全方位倾斜传感器之间以及和所述的嵌入式系统之间采用无线通信的方式，这样力传感网就成为了一个传感形变力ZigBee的无线传感网；

在地质灾害发生区域往往是通信和电力供应困难的区域，因此需要对系统进行省功耗、自供电以及无线通信的设计；由于地质灾害发生都是由于强降雨诱发的，所以在本发明中采用雨量事件触发方式，即只有在下雨时才启动系统进行监测预警预报，平时监测预测预报系统，包括所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器以及所述的嵌入式系统均处于休眠状态，这样能大大降低系统的功耗；当下雨时，通过自动雨量计的触点开关激活所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器以及所述的嵌入式系统，使得他们立即进入工作状态；当下雨结束后的72小时起，如果没有发生地质灾害情况下监测预测预报系统以及所有的监测装置均进入休眠状态，以实现省功耗的设计；所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器和所述的嵌入式系统的供电由所述的太阳能供电单元提供，所述的太阳能供电单元由太阳能光电转换板、充电电池以及充电电路构成，所述的充电电池的容量需满足所述的自动雨量计、所述的全方位视觉传感器、所述土壤水分传感器和所述的嵌入式系统120小时以上的工作时间；所述的嵌入式系统与所述的监控中心计算机之间的信息交换采用3G无线通信模式；

为了用最少的传感器件感知更多的斜坡变形信息，本发明中采用全方位倾斜传感器同时感知斜坡地表和内部变形，具体做法是在塌方等地质灾害可能发生区域的地面上埋设一排立杆，立杆采用水泥钢筋制成，立杆的埋设深度为0.5米以上，立杆的上端离斜坡面1米左右，立杆之间的间距为3～5米，如图7所示，各立杆之间用缆索进行连接，缆索材料采用直径为2cm呢绒线材，缆索与缆索之间以编织方式进行连接，缆索之间的孔径面积不大于0.25平方米，将全方位倾斜传感器安置在各立杆的最中间的一根立杆上，如果各立杆之间的埋设距离超过100米以上，考虑增加监测装置，即对于有多个监测装置的情况，各监测装置之间的距离约为100米；这里要注意的是力传感网对12级以下台风情况下不会引起立杆的摇晃和倾斜；当斜坡的地表以及内部发生形变时对力传感网产生作用力，使得监测装置能监测到立杆的倾斜，这时全方位倾斜传感器工作，通过无线传感网将形变信息传递给嵌入式系统；

由于感知斜坡地表和内部变形需要大量使用全方位倾斜传感器，这些全方位倾斜传感器既要满足能感知斜坡体不同的地表以及内部形变量，同时又要满足倾斜传感器是廉价的、低功耗、免维护等要求；在本发明中采用了多立杆加缆索的方案，通过缆索将各个立杆连接在一起，一旦任何一根缆索上或者任何一根立杆上受到泥石流、塌方发生的外力后，所有立杆就会发生不同程度的倾斜，从而使得安置在立杆上的全方位倾斜传感器感知到立杆的倾斜而触发传输倾斜数据，其原理如附图11所示；所述的全方位倾斜传感器包括上圆锥体、圆锥形导电线圈、绝缘线、下圆锥体、导线、导电空心管、外壳、无线射频发生单元、电源和水银所构成；圆锥型导电线圈的大小与上圆锥体内部的大小相同，圆锥形导电线圈中由四个不同大小半径的线圈以同一圆心垂直叠放构成一个圆锥体，即用线圈A、线圈B、线圈C和线圈D叠加成一个圆锥形，各线圈之间的距离为Δ，且构成圆锥形导电线圈的每个线圈之间是不导通的，每个线圈都有一个引出线通向上圆锥体的外部，圆锥型导电线圈嵌入在上圆锥体内，嵌入后的圆锥型导电线圈的边缘离上圆锥体的底部的距离为Δ，分别用4芯绝缘线分别焊接在线圈A、线圈B、线圈C和线圈D的引出线上，下圆锥体的圆锥尖处插入导电空心管，导电空心管的一段进入下圆锥体的内部，绝缘线穿过导电空心管的内部将绝缘线引到下圆锥体的外部，填入粘结剂使得导电空心管和下圆锥体固定和密封，绝缘线与下圆锥体的内部和导电空心管保持绝缘状态，在下圆锥体中添加水银，水银的容量正好填满下圆锥体，然后将上圆锥体和下圆锥体固定在一起形成密闭的空间，最后用外壳将整个全方位倾斜传感器固定在一起；上圆锥体和下圆锥体采用透明塑料压制而成，与导电空心管连接的导线A和与绝缘线连接的四芯导线B分别引线到外壳上，在全方位倾斜传感器没有感知到倾斜时，导线A和四芯导线B中的任何一芯导线都是不相通的；当全方位倾斜传感器感知到有倾斜时，在下圆锥体内部的水银有一部分流入到上圆锥体内，并与嵌入在圆锥体内的圆锥形导电线圈中的线圈相接触，倾斜角度为0.5°时与线圈A相接触，倾斜角度为1°时与线圈A和线圈B相接触，倾斜角度为1.5°时与线圈A、线圈B和线圈C相接触，倾斜角度为2°时与所有的线圈相接触，因此只要任何一个方位出现某一程度的倾斜都会使得导线A和导线B中的某一芯或者多芯导线相通；判断倾斜角度的方法是：若导线A与D线圈之间相通就可以判断这时倾斜的角度在2°或者2°以上；若导线A与D线圈之间不相通，导线A与线圈C之间相通则判断这时倾斜的角度在1.5°到2°之间；若导线A与D线圈和C线圈之间都不相通，导线A与线圈B之间相通则判断这时倾斜的角度在1°到1.5°之间；若导线A只与线圈A之间导通则判断这时倾斜的角度在0.5°到1°之间；若导线A与任何线圈都不导通则判断倾斜的角度在0.5°以下；本发明中将这5根线作为所述的无线射频发生单元9的数据采集端的输入；

所述的无线射频发生单元主要包括MCU和无线收发芯片，MCU与无线收发芯片通过SPI总线连接，二者构成无线传输模块，将检测到的倾斜角度数据传输给所述的嵌入式系统，通信方式为ZigBee技术；ZigBee技术是一种近距离、低复杂度、低功耗、低数据速率、低成本的双向无线通信技术，主要适合于自动控制和远程控制领域，可以嵌入到各种设备中，同时支持地理定位功能，尤其适用于本发明中使用量大、布置范围广、功耗要求低、传输数据少以及传输距离近的地质灾害点地表和内部变形的监测需要；

所述的MCU是STC89LE516AD单片机，为51内核增强型8位单片机，与IntelMCS51系列单片机完全兼容。STC89LE516AD有丰富的片上存储功能，具有64KBFlash和512字节RAM。单片机自身固化有ISP程序，通过串口下载程序；所述的导线A和所述的线圈A、B、C、D均接入到STC89LE516AD单片机的并行口，用所述的导线A和所述的线圈A之间的导通作为外部中断源，只有在所述的导线A和所述的线圈A之间的导通情况下唤醒所述的无线射频发生单元，没有倾斜发生时所述的无线射频发生单元处于休眠模式状态；

所述的无线收发芯片采用CC2500，它是一款低成本、低功耗、高性能的无线收发芯片，其工作频段为2.4GHz的ISM频段；具有良好的无线接收灵敏度和强大的抗干扰能力；在休眠模式时仅0.9μA的流耗，外部中断或RTC能唤醒系统；在待机模式时少于0.6μA的流耗，外部中断能唤醒系统；硬件支持CSMA/CA功能；电压为1.8～3.6V；在传输模式下，当输出功率为-12dBm时，电流消耗为12mA。CC2500的接收器敏感度为-101dBm(在10kbps时)；最大输出功率为0dBm，数据速率可在1.2kbps～500kbps之间变化；带有2个强大的支持几组协议的USART，以及1个MAC计时器、1个常规的16位计时器和2个8位计时器；

在全方位倾斜传感器的单片机的软件中主要包括了初始化程序、检测程序和发射程序，初始化程序主要是对单片机、射频芯片、SPI等进行处理；检测程序主要检测和判定倾斜角，并将检测到的倾斜角数据与检测时间和反映埋设地点位置的编码号等信息进行打包；发射程序将建立的数据包通过单片机SPI接口送至射频发生模块输出；所述的嵌入式系统接收从所述的全方位倾斜传感器中射频发生模块发送过来的监测数据，并将这些数据通过3G无线通信网络或者计算机通信网络传输给所述的监控中心计算机；因此，从网络的概念来说，若干个全方位倾斜传感器与嵌入式系统构成了无线局域网，嵌入式系统与监控中心计算机构成了无线广域网；

所述的自动雨量计采用中国发明专利申请号为200610154671.9的基于计算机视觉的智能雨量检测设备，通过该设备能获得每天和每小时雨量雨强的数据，并将这些数据实时地传输给所述的监控中心计算机；一般来说，在2平方公里的区域内配置一个自动雨量计已经基本上满足地质灾害监测的需要，从经济角度考虑，在一个地质灾害点采用一个自动雨量计；

所述的土壤水分传感器采用电容式土壤水分传感器，本发明中采用一种指针式土壤水分传感器，将所述的土壤水分传感器垂直插入到松质土壤、松散堆积物的10CM深处；平时处于休眠状态，只有在下雨时才触发工作，通过该传感器能获得土壤中的含水量数据，并将这些数据实时地传输给所述的监控中心计算机；一般来说，在2平方公里的区域内配置一个指针式土壤水分传感器已经基本上满足地质灾害监测的需要，从经济角度考虑，在一个地质灾害点采用一个指针式土壤水分传感器；

所述的全方位视觉传感器采用中国发明专利申请号为200610154827.3的基于全方位视觉的泥石流灾害检测装置中的技术，通过该装置能获得地质灾害发生时的现场全景图像，可客观地评估地质灾害发生的规模以及所造成的危害，全方位视觉传感器所采集的现场全景视频数据通过所述的嵌入式系统实时地传输给所述的监控中心计算机；一般来说，在2平方公里的区域内配置一个全方位视觉传感器已经基本上满足地质灾害监测的需要，从经济角度考虑，在一个地质灾害点的山坡上配置一个全方位视觉传感器；

所述的嵌入式系统，通过ZigBee的无线传感网读取所述的全方位倾斜传感器的倾斜角度和所述的全方位倾斜传感器的编码等数据；通过A/D接口读取所述的土壤水分传感器的土壤水分监测值；通过所述的全方位视觉传感器所获得的图像数据分析得到所述的自动雨量计的雨量雨强监测值；通过所述的全方位视觉传感器获得地质灾害发生点现场的全景图像；所述的嵌入式系统与所述的监控中心计算机之间采用3G无线通信传输监测数据；

所述的监控中心计算机中的软件包括：通信模块、数据接收模块、基于雨量雨强的地质灾害预测模块、基于斜坡位移-时间曲线进行地质灾害预测模块、基于土壤含水量与雨量雨强的地质灾害预测模块、基于土壤含水量与斜坡变形量的地质灾害预测模块、决策辅助模块、信息发布模块；

所述的通信模块，用于与所述的嵌入式系统进行基于3G无线通信协议的无线通信以及各种计算机网络通信，接收和传输各种控制数据和监测数据；

所述的数据接收模块，用于接收从所述的嵌入式系统传送过来的各种监测数据，所述的监测数据包括雨量雨强数据、土壤水分数据、现场全景视频数据以及带有地理位置信息的斜坡形变数据；同时将这些数据以采集地点、即地质灾害点的地理位置数据为主键存放在多媒体数据库中；地质灾害点的地理位置数据以该地质灾害点的GPS定位数据进行命名；植入斜坡中的全方位倾斜传感器的地理位置数据以埋设点的GPS定位数据进行命名；

所述的基于雨量雨强的地质灾害预测模块，主要依据斜坡变形量的数据和雨量雨强数据进行预测，图1显示了地质灾害发生的各种内外因关系，由于降雨是诱发滑坡的最主要的外部因素，需要关注不同雨量级别情况下的斜坡形变，采取不同的处置措施，在该模块中采用了雨量雨强和斜坡形变两种监测数据，如表1所示；虽然这种预测方法具有明显的因果关联性，但是需要用斜坡形变量进行确认，因此在该时刻进行预警预报给当地居民避难的时间非常短，如图4所示，采用该模块进行有效准确预测的前提是弄清了该地质灾害点暴发泥石流的临界降雨量，这样可以将预警预报的时间提前，为避灾提供充足的时间；基于雨量雨强的地质灾害预测实质上是用到了地质灾害发生因果链上的①、⑧节点的监测；

表1降雨期间不同雨强情况下预警预防措施对应表

所述的基于斜坡位移-时间曲线进行地质灾害预测模块，是利用材料力学中的受力与形变的关系进行预测的，材料受力与形变的关系是：随着材料的受力增大受力材料从弹性变形、塑性变形到破坏的过程；一般来说，在弹性变形期间，根据胡克定理，材料的变形速率几乎是一个常数；在塑性变形期间，材料的变形速率逐渐增大，并会出现一个变形加速拐点，如图4的t3点；因此根据斜坡变形曲线各阶段的斜率变化特点，可以采用数学方法进行定量判断。斜坡变形曲线的斜率可以利用切线角α_i来表达，如公式(1)所示。

${\alpha }_i=\arctan \left(\frac{T\left(i\right)-T(i-1)}{t_i-t_{i-1}}\right)=\frac{\mathrm{\Delta T}}{\mathrm{\Delta t}}---\left(1\right)$

公式(1)中，i(i＝1，2，3，...，n)为时间序数：α_i为累积位移T(i)的切线角，ΔS(i)为某一单位时间段(一般采用一个监测周期，如1天、1周等)内斜坡位移变化量；v为等速变形阶段的位移速率；T(i)为变换后与时间相同量纲的纵坐标值；t_i为某一监测时刻。

根据式(1)计算结果并按下述条件进行判定，

当α_i＜45°时斜坡处于初始变形阶段；

当α_i≈45°时斜坡处于等速变形阶段；

45°＜α_i＜80°时为初加速阶段，发出蓝色预警；

80°≤α_i＜85°时为中加速阶段，发出橙色预警；

α_i≥85°时为临滑阶段，发出红色预警；

发生塌方和泥石流时的切线角α_i一般约为89°。

这种预测方法由于只是用了斜坡变形的信息，要求能准确实时地监测斜坡变形量以及变形的过程，另外，斜坡的变形量的信号比较小、很容易引入干扰，可以作为预测的一种辅助手段；基于斜坡位移-时间曲线进行地质灾害预测实质上是利用了地质灾害发生因果链上的⑤、⑥、⑧节点的监测；

所述的基于土壤含水量与雨量雨强的地质灾害预测模块，其主要依据是地质灾害的发生主要受控于滑坡体的自重力和抗剪强度，如图2所示；其中土壤中的含水量即影响着滑坡体的自重力又影响着滑坡体的抗剪强度，当土壤中的水分达到11.5％时，滑坡体的自重力会增加11.5％同时剪切力迅速减小；显然利用土壤中的含水量与变形量进行预测预报会显著地提高预测预报的精度；如果当土壤中的含水量达到11.5％以及变形处在初加速阶段的话，那么该地质灾害点发生地质灾害的概率就非常高，这时就可以作为预警预报信息发布点；如果还在下雨或者预报近期会有较大的雨量雨强的话，就应该马上启动紧急预案，迅速疏散可能危及的人群；依据土壤中的含水量和变形量进行预测预报的方法如图6所示的曲线，其中K1是较少土壤含水量的雨强-形变地质灾害预测曲线，如K1为土壤中的水分达到1.5％；K5是较多土壤含水量的雨强-形变地质灾害预测曲线，如K5为土壤中的水分达到11.5％；纵坐标表示雨量雨强值预报值、横坐标表示滑坡体的变形量；基于土壤含水量与雨量雨强的地质灾害预测实质上是利用了地质灾害因果链上的①、②、③、④、⑤、⑥、⑧节点的监测；

从图6的曲线可以知道，对于同样的变形量，最上面的曲线K1表明，较大的雨量雨强阈值才会引发地质灾害发生，而最下面的曲线K5则表明较小的雨量雨强阈值就会引发地质灾害发生；很多地质灾害发生能很好的解释上述的预测曲线正确性，如融雪后的一场小雨以及在前几天下过大雨后的一场小雨引发的地质灾害；在该预测模型中，及时地将诱发地质灾害发生的外因-雨强的监测转换成对直接影响滑坡体的自重力和抗剪强度的土壤含水量的内因监测土，由于地质灾害的发生主要受控于滑坡体的自重力和抗剪强度，把握这个主要关键核心问题能有效地提高预测精度；预测预报的算法如下：首先根据监测到的变形量δn在图6中做一条垂直线，可得到与5条曲线相交的5个点，然后根据检测到的土壤的含水量找到与该含水量最接近的2个点，A2和A3；按照线性插值的方式得到在垂直线上的1个点，An；该An的纵坐标值就是临界雨强预测阈值Yn，根据气象预报的雨量雨强值进行不同的应急措施；由于滑坡体的变形量δn以及土壤中的含水量An是在不断变化的，预测预报的算法是不断的循环计算的；判断方式是预报雨强值Yf与目前临界雨强预测阈值Yn进行比较，当50％Yn≤Yf＜75％Yn时发出蓝色预警，当75％Yn≤Yf＜100％Yn时发出橙色预警，当Yn≤Yf时发出红色预警；

所述的基于土壤含水量与斜坡变形量的地质灾害预测模块，土的应力-应变关系的描述是研究土体各种力学性质的核心问题，如图12所示，土壤含水量是与土的应力直接相关的一个物理量，斜坡变形量又是与土的应变直接相关的量，在本模块中主要采用土体的应力应变的数学模型对地质灾害进行预测；在该预测模块中利用土壤含水量、土壤含水量的变化率、斜坡变形量和斜坡变形量的变化率等信息；土壤含水量的变化率的快速增加必定会增加发生地质灾害的可能性，同样斜坡变形量的变化率的加速也是地质灾害发生的前兆，从力学的观点来说，发生地质灾害必定经历了土体的弹性变形、塑性变形和破坏等阶段，要早期能精准的作出预测，就需要精准的把握土体的塑性变形的初期状态，因此该预测模块是一种利用静态预测和动态预测相结合的预测方法，所谓的静态预测主要通过应力应变的关系曲线进行分析预测，所谓的动态预测则主要通过应力应变的变化率来预测其发展变化趋势；因此，首先要根据记录在多媒体数据库中的该地质灾害点的土壤含水量、斜坡变形量以及当前监测到的该地质灾害点的土壤含水量、斜坡变形量计算土壤含水量的变化率、斜坡变形量的变化率，然后结合当前监测到的该地质灾害点的土壤含水量、斜坡变形量进行综合判断；对于每一个地质点都可以得到土壤含水量和斜坡变形量的关系曲线，土壤含水量增加会引起滑坡体的自重增加，滑坡体的下滑力大小用斜坡角度的正弦值与滑坡体自重的乘积进行计算，斜坡位移变化量和土壤含水量的变化量用公式(2)、(3)进行计算；

Δδ(i)＝(δ(i)-δ(i-1))/Δt                (2)

ΔH(i)＝(H(i)-H(i-1))/Δt         (3)

Δδ(i)为某一单位时间段内斜坡位移变化量，δ(i)为现监测时刻的斜坡位移量，δ(i-1)为上一个监测时刻的斜坡位移量，ΔH(i)为某一单位时间段内土壤含水量的变化量，H(i)为现监测时刻的土壤含水量，H(i-1)为上一个监测时刻的土壤含水量，Δt为两次检测时刻的间隔时间，比如10分钟、1个小时和1天；本发明中用Δδ_10min(i)表示某一时间段的10分钟的斜坡位移变化量，Δδ_1h(i)表示某一时间段的1小时的斜坡位移变化量，Δδ_1day(i)表示某一时间段的1天的斜坡位移变化量，ΔH_10min(i)为某一时间段的10分钟土壤含水量的变化量，ΔH_1h(i)为某一时间段的1小时土壤含水量的变化量，ΔH_1day(i)为某一时间段的1天土壤含水量的变化量；

滑坡体的应力是由滑坡体的自重与坡度值的正弦的乘积和滑坡体的含水总量与坡度值的正弦的乘积两部分叠加而成，前者是由当地地质地貌环境所决定的，是相对不变的；后者是由当地地质地貌环境和水文气象条件共同决定的，主要是由滑坡体中土壤的含水量的变化而变化的；滑坡体的应力和应力变化率的计算方法用公式(4)表示；

σ(i)＝w×sinα×(1+H(i))/D           (4)

Δσ(i)＝w×sinα×ΔH(i)/D

式中，σ(i)为滑坡体的应变力，w×sinα/D为由滑坡体不含水分自重产生的应变力，w为滑坡体不含水分的自重，α为滑坡体所在的斜坡的角度，D为滑坡体垂直于应力方向上的最小截面积，w×sinα×H(i)/D为由滑坡体仅仅含水分部分所产生的应变力，Δσ(i)为由滑坡体仅仅含水分部分所产生的应变力的变化量；

用公式(5)来表示土体应力与应变的关系；

K1(i)＝Δσ(i)/Δδ(i)＝w×sinα×ΔH(i)×Δδ(i)＝k×ΔH(i)/Δδ(i) (5)

式中，k接近一个常数，用公式(6)表示，

k＝w×sinα/n                         (6)

为了便于计算，我们将公式(5)改写成公式(7)的形式；

K(i)＝K1(i)/k＝ΔH(i)/Δδ(i)          (7)

根据需要斜坡位移变化量Δδ(i)和土壤含水量的变化量ΔH(i)的计算值可以选择10分钟、1个小时和1天为时间采样间隔，对于10分钟Δδ_10min(i)和ΔH_10min(i)，为了避免监测数据内的干扰信号，考虑采用一阶数字低通滤波的方式来消除内部扰动和外部扰动干扰；

根据胡克定理当固体材料受力后材料中的应力与应变之间成线性关系，如图12中变形量为δ1以下区间的情况，基本上是一个较大正值常量，从公式(7)的等式可以知道K(i)值的大小主要取决于土壤中的含水量和斜坡位移量的变化值；

随着受力的增加材料呈现塑性变化，如图12中变形量为δ1～δ5区间的情况，K(i)值明显出现减小趋势，有时会出现接近于零或者负值的情况，这就是土体发生塑性变形的主要特征，因此可以利用该特征进行地质灾害的预测；

如图12所示，当变形量达到δ5以上情况时，材料发生破坏，这时就出现了最初的地质灾害发生点；

同时我们也注意到当土壤中的水分达到11.5％时，滑坡体的自重力会增加11.5％同时剪切力迅速减小这个现象，其受力关系图如图2所示；在静态预测中我们将土壤中的含水量作为关注的重点，比如在图12中的H2这点就是含水量为11.5％；接着我们用应力与应变的变化率的比K(i)值与几个力学控制阈值进行比对判断，算法的主要流程如下；

步骤1：读取当前的土壤含水量和斜坡变形量数据，将这些数据保存到多媒体数据库中；

步骤2：判断土壤含水量是否达到11.5％，未达到的情况转到步骤1；

步骤3：读取前一个时间的土壤含水量和斜坡变形量数据，用公式(2)、(3)计算斜坡位移变化量Δδ(i)和土壤含水量的变化量ΔH(i)，然后用公式(7)计算基于斜坡位移变化量Δδ(i)和土壤含水量的变化量ΔH(i)的应力与应变的比值K(i)；

步骤4：根据应力与应变的比值K(i)与几个力学控制阈值进行比对，如果K(i)≥KV1则判断目前处于弹性变形阶段；如果KV1＞K(i)≥KV2则判断目前处于塑性变形阶段，如果土壤含水量的变化量ΔH(i)≥KH1发出橙色预警信息，否则发出蓝色预警信息；如果KV2＞K(i)≥KV3则判断目前处于塑性变形到破坏的过度阶段，这时发出红色预警信息；转到步骤1；

上述算法中KH1是土壤含水量的变化量的控制阈值，KV1、KV2、KV3分别为力学控制阈值，并满足以下关系KV1＞KV2＞KV3；

所述的基于土壤含水量与斜坡变形量的地质灾害预测模块实质上是利用了地质灾害因果链上的②、⑤、⑥、⑧节点的监测；

所述的决策辅助模块，用于对上述多种地质灾害预测方法进行综合，上述四种预测方法是从不同层面进行预测预报的，如图13所示，每一种预测算法侧重面不一样，类似于多个专家做出的预测判断，在某种情况下四种预测的结果会一致，但是也会出现不同的预测结果，因此我们采用了信息融合的方式，即采用加权平均的方式进行决策辅助，从地质灾害因果链上的节点来考虑，一般来说，考虑的节点数目越多预测的精度将越高，节点位置越靠后预测的精度越高，根据这个思想本发明设计了决策辅助表得到每个模块的权值，如表2所示；

表2各种预测模块的权值系数

在表2中所述的基于雨量雨强的地质灾害预测模块用I型、所述的基于斜坡位移-时间曲线进行地质灾害预测模块用II型、所述的基于土壤含水量与雨量雨强的地质灾害预测模块用III型、所述的基于土壤含水量与斜坡变形量的地质灾害预测模块用IV型表示；它们的权值系数分别为0.5、1.05、1.75和1.2，同时我们将蓝色预警的量化值定义为3、橙色预警的量化值定义为6、红色预警的量化值定义为9，用公式(8)计算最终综合判断结果，

R＝(R_I×K_I+R_II×K_II+R_III×K_III+R_IV×K_IV)/(K_I+K_II+K_III+K_IV)(8)

式中，R_I和K_I分别为所述的基于雨量雨强的地质灾害预测模块预测结果和权重系数，R_II和K_II分别为所述的基于斜坡位移-时间曲线进行地质灾害预测模块预测结果和权重系数，R_III和K_III分别为所述的基于土壤含水量与雨量雨强的地质灾害预测模块预测结果和权重系数，R_IV和K_IV分别为所述的基于土壤含水量与斜坡变形量的地质灾害预测模块预测结果和权重系数，R为最终综合判断计算结果，判断计算结果的数值范围是0～9，本发明中将最终判断计算结果用预警颜色、报告、把关和签发管理用表3进行总结；

表3辅助决策与预警信号发布流程

图3为大规模地质灾害发生的沙滩模型，由于地质灾害点的地质复杂性，每一段山体的斜坡角度是不同的，图3中的黑色粗线表示山体每一段的坡度；滑坡体1的向下滑动会增加滑坡体2的下滑力2，滑坡体3的下滑同样也会减少滑坡体2的剪切力2，这样就形成了一条因果链，地质灾害的发生则往往从最薄弱的地方开始的，一旦在因果链上的某一个滑坡体出现下滑都会影响其上下相关的滑坡体的稳定，因此大规模的地质灾害的发生必定是从局部滑坡体发生滑动开始的。由于地质灾害点的地质环境的复杂性会导致地质灾害发生的时间和空间的随机性；要准确及时把握地质灾害发生的先兆必须监测各种小事件的发生，所以在地质灾害点上布置监测各滑坡体的形变以及调查清楚各滑坡体之间的关系都是十分重要的，要表达各滑坡体之间的空间关系必须采用GIS技术；

按照地质灾害影响程度，预警信号发布流程中各级人员职责：(1)值班员认为达到发布、变更、解除预警信号条件时，应及时向领班预报员报告；报告内容包括了各预测模块的预测结果、几个基本监测数据和预测地质灾害点的空间位置数据；(2)领班负责发布、变更、解除预警信号的技术把关，提出发布建议，按照表3各类级别职责签发或逐级上报；(3)值班处长接到报告后，负责与领班会商，提出发布建议，按照下表各类级别职责签发或逐级上报；(4)预报处处长接到报告后，综合发布意见，按照表3各类级别职责签发或逐级上报。由于地质灾害发生的突然性，发生的破坏性极大，争分夺秒的在第一时间内发出预警预报对避灾减灾具有十分重要的意义，需要将预警信息尽快的传递到相关人员，任何相关人员作为参考都能通过网络直接看到所述的决策辅助模块所作出的预测报告内容，而官方作出的预警信号需要通过表3所示的发布流程；

所述的信息发布模块，包括用于面向决策相关人员的内部预警信号发布流程的信息发布和用于面向外界的预警预报的信息发布；信息发布通过网络平台网页的方式发布，但是各级相关人员只能看到自己权限的内容，另外对于黄色预警以上级别的信息发布，通过短消息的方式发送给相关责任人，以便在第一时间内得到及时应对处理。