(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211045985.0 (22)申请日 2022.08.30 (71)申请人 安徽省新近纪防灾科技有限公司 地址 230088 安徽省合肥市高新区望江西 路900号中安创谷科技园A4栋2层B39 (72)发明人 不公告发明人 　 (74)专利代理 机构 合肥信诚兆佳知识产权代理 事务所 (特殊普通合伙) 34159 专利代理师 李玉宁 (51)Int.Cl. G08B 21/10(2006.01) G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01)G01B 7/02(2006.01) G01S 19/14(2010.01) (54)发明名称 一种基于GNSS实时监测的滑坡灾害智能预 警方法 (57)摘要 本发明涉及边坡 预警技术领域， 公开了一种 基于GNSS实时监测的滑坡 灾害智能预 警方法， 包 括如下步骤： 对GNSS监测数据进行预处理； 基于 经过预处理的数据， 对所有GNSS设备开展异常检 测； 剔除异常GNSS设备的监测数据； 首先对保留 的正常GNSS设备的历史监测数据再次预处理， 然 后对保留的正常设备监测的历史数据的时间序 列的实际变形趋势进行分析和提取， 最后基于提 取的实际变形趋势， 计算正常设备监测的历史数 据的相邻两个时间间隔的变形差和变形速度。 本 发明采用基于裂缝计监测滑的坡灾害智能、 实时 监测预警方法， 无需人为设置滑坡灾害发生对于 的变形阈值， 从而避免既能有效防止因为阈值设 置不当而引起的漏报或误报， 提高边坡预警的准 确性。 权利要求书2页 说明书4页 附图2页 CN 115424415 A 2022.12.02 CN 115424415 A 1.一种基于GNS S实时监测的滑坡灾害智能预警方法， 其特 征在于， 包括如下步骤： 对GNSS的监测数据进行 预处理； 基于经过预处理的数据， 对所有GNS S设备开展异常检测； 剔除异常的GNSS设备的监测数据； 首先对保留的正常设备的历史监测数据再次预处 理， 然后对保留的正常GNSS设备监测的历史数据的时间序列的实际变形趋势进 行分析和提 取， 最后基于提取 的实际变形趋势， 计算正常设备监测的历史数据的相邻两个时间间隔的 变形差和变形速度； 采用K‑means的方法， 对上述变形差和变形速度组成的数据序列， 分类40个聚类中心， 进行聚类分析， 以获得GNSS监测到变形数据的聚类中心 坐标， 并建立预警指标、 划分滑坡风 险等级； 获取新数据， 将新数据进行预处理， 判定数据是否保留， 对保留的数据进行趋势提取， 根据提取 的实际变形趋势， 计算新数据的变形差、 变形速度， 对照预警指标， 得到对应的风 险等级。 2.根据权利要求1所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其特征在 于： 在数据预处 理中， 预处 理方法包括： 如相邻两个时间点的数据变形差的绝对值大于20 00mm， 则删除对应数据， 反 之保留； 如相邻两次监测数据的时间 间隔小于 600s， 则则删除对应数据， 反 之保留； 数据提取， 采用线性拟合的方式对监测数据随时间的线性变形趋势进行提取。 3.根据权利要求1所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其特征在 于： 对设备开展异常检测时 统计设备中的相邻两个监测数据的时间间隔， 如果平均时间间隔大约3600s， 则认为设 备处于第一类型的异常； 将监测数据减去该时间点对应的线性变形趋势， 以获得监测数据对应线性变形趋势的 波动， 通过 统计监测数据对应线性变形趋势的波动的标准差， 如果标准差过大， 则认为监测 设备发生第二类异常。 4.根据权利要求1所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其特征在 于： 在实际变形趋势 提取中， 首先保留的正常设备监测的历史数据的时间序列， 采用时间序 列数据预测工具Prophet， 设置95％的置信区间， 对设备监测的历史数据的时间序列的实际 变形趋势进行分析和提取。 5.根据权利要求1 ‑4任一所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其 特征在于： 所述 风险等级分别为无 预警、 蓝色预警、 黄色预警、 橙色预警和红色预警。 6.根据权利要求5所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其特征在 于： 在判定新接入数据是否保留， 利用如下原则： 如相邻两个时间点的数据变形差的绝对值大于20 00mm， 则删除对应数据， 反 之保留； 如相邻两次监测数据的时间 间隔小于 600s， 则则删除对应数据， 反 之保留。 7.根据权利要求6所述的一种基于GNSS实时监测的滑坡灾害智能预警方法， 其特征在 于： 对保留下的新的数据进行变形趋势 提取时， 首先选一个长度为L个数据点的动态时间窗 口， 然后， 采用时间序列数据预测工具Pr ophet， 设置95％的置信区间， 以获取时间窗口内数 据的实际变形趋势；权　利　要　求　书 1/2 页 2 CN 115424415 A 2其中， 在时间窗口的前部不断更新为实时接入的监测数据点， 在时间窗口的后部不断 删除最老的历史数据点， 并始终保持时间窗口长度为 L。权　利　要　求　书 2/2 页 3 CN 115424415 A 3