基于宽度学习算法的泥石流灾害监测预警系统设计.pdf

2023年9 月第2 3卷第3期廊坊师范学院学报（自然科学版）Journal of Langfang Normal University(Natural Science Edition)Sep.2023Vol.23No.3基于宽度学习算法的泥石流灾害监测预警系统设计仲济艳，张佑春，任远林，董秀英（安徽工商职业学院，安徽合肥2 31131）【摘要】设计了泥石流灾害监测预警系统。系统的硬件设计主要包括主控芯片STM32L151CBT6、数模A/D转换、扩展存储和人机交互硬件电路设计；软件设计主要包括无线数据采集软件流程设计和监测预警算法设计。运用宽度学习算法实现采集数据的分析与研判，实现了泥石流发生概率预测。测试结果表明，系统准确完成了泥石流灾害影响因子数据采集，宽度学习算法优越性超越了传统的算法模型。该系统为泥石流灾害防治提供了新的方法，具备一定的应用价值。【关键词】无线传感采集；宽度更新算法；数据分析与研判；监测与预警Design of Debris Flow Disaster Monitoring and Early Warning System Basedon Width Learning AlgorithmZhong Jiyan,Zhang Youchun,Ren Yuanlin,Dong Xiuying(Anhui Business and Technology College,Hefei 231131,China)Abstract The debris flow disaster monitoring and early warning system is designed.The hardware design of the systemmainly includes the main control chip stm321151cbt6,digital to analog A/D conversion,extended storage and human-com-puter interaction hardware circuit design.The software design mainly includes the design of wireless data acquisition softwareprocess and the design of monitoring and early warning algorithm.The width learning algorithm is used to analyze and judgethe collected data,and to predict the probability of debris flow.The test results show that the system has accurately completedthe data collection of debris flow disaster impact factors,and the advantage of width learning algorithm is beyond the tradi-tional algorithm model.The system provides a new method for debris flow disaster prevention and control,and has certain ap-plication value.Key words wireless sensor acquisition;width update algorithm;data analysis and research;monitoring and early warning【中图分类号】TP391.30引言随着极端天气的频频发生，近年来山区泥石流的爆发量呈现逐年递增趋势。为了降低泥石流的灾害损失，提高泥石流防治水平，利用信息化技术实现山区泥石流灾害预测与预警系统建设，是当前防灾治灾研究热点。然而，当下存在泥石流灾害数据采集困难、历史泥石流爆发数量统计不足、概【文献标识码】A率预测准确率低、监测预警效果差等缺点2,无法实现泥石流灾害监测预警。为了解决这些问题，设计了山区泥石流实时监测与实时预警系统。该系统通过传感器采集特定沟道位置处泥石流泥位信息来确定泥石流规模和致灾能力进而发出相应的泥石流灾害预警。该系统实现了泥石流灾害传感信息采集、灾害影响因子分析和灾害大数据分析与研判，并利用宽度更新学【文章编号】16 7 4-32 2 9(2 0 2 3)0 3-0 0 2 7-0 5收稿日期12022-10-19基金项目】安徽省高校优秀青年人才支持计划一般项目(gxyq2022273);安徽省高等学校自然科学研究重点项目（2 0 2 2 A H 0 52 7 9 6、K J2 0 19 A 116 7、K J2 0 2 0 A 10 9 5、K J2 0 2 1A 150 9）；安徽省高等学校自然科学研究一般项目（K J2 0 2 1B 0 0 2）；安徽省质量工程教学研究项目（2 0 2 1jyxm0154、2 0 2 1j y x m0 156、2 0 2 1j y x m0 158）作者简介】仲济艳（19 8 2-）,女，硕士,安徽工商职业学院应用工程学院讲师,研究方向：智能控制技术。272023年9 月习算法实现了泥石流地质灾害概率预测与预警3。11监测预警系统总体结构设计泥石流灾害监测与预警系统主要包括4：（1)无线数据采集模块，主要包括雨量数据采集、含水率数据采集、降水压力数据采集、地声和次声数据采集、泥石流流速数据采集、线路异常数据采集等；(2)现场预警模块，通过无线射频技术，完成传感数据接收，并根据算法结果完成灾害预警；（3)远程监控单元，完成传感数据的存储、数据分析与研判、系统预警和系统故障诊断等；（4)警报单元，当系统采集的数据出现异常，该单元实现泥石流灾害的预警提示；（5）人机交互单元，通过PC端或手机端可以实时查看各类灾害数据与系统分析结果；（6)通信单元，人机交互、远程监控和预警之间采用了无线传感网信实现数据互传5。监测预警系统总体结构设计如图1所示。泥石降水量采集传感器流灾害监测与降水压力数据采集传感器预警系统地声/次声数据采集传感器数据流速数据采集传感器采集单元线路异常数据采集传感器无线射频数据传输现场预警模块GPRS无线传输防火服务数据数据预警故障墙器库分析系统诊断GPRS无线传输人机交互界面显示图1系统总体结构无线传感器将泥石流灾害数据采集完成后，通过无线射频通信技术将数据传输至现场预警模块。预警模块完成信息分析后，通过CPRS无线技术传送至远程监控模块。监控模块利用宽度学习算法完成数据研判与综合评估，进行实现泥石流灾害发生概率的预警。2灾害监测与预警系统硬件设计2.1系系统主控芯片电路设计监测预警系统主控芯片采用STM32L151CBT6，28廊坊师范学院学报（自然科学版）它具备超大容量的嵌入式存储模块，满足了监测预警系统数据储存大空间需求6 。芯片的工作频率范围为0 8 6 MHz，拥有4个I2C接口、8 个12 位A/D模块、6 个8 位定时器、2 个PWM定时器和12 个外接通信接口,转换时间最高是0.8 s。该系统硬件接口完全满足了监测预警系统的传感数据接口、无线通信接口和系统定时接口等业务要求，并具备一定量的穴余功能。STM32L151CBT6芯片电路设计如图2所示。VCCWAKEUPPAO-WKUPBLETXEXIOSPLCSBLERXSPLCKUSRDRUSRTXUSRRXBLECONFIGGPRSENSWDIDSWDCKGPS ENBOOTOR1410k2￥GNDc13c14cI5FTOMETO.IMFC17图2 STM32L151CBT6电路设计含水量采集传感器2.2系统A/D数模转换电路设计为了满足监测预警系统的数据采集的实时性和高精度性，A/D转换芯片选取了ADI公司的12 位递进式转换芯片AD7492。该芯片的模拟信号输入值是0 2.5v,数据采集速率最高值达到了1.6 Msps。芯片自带了低噪宽频信号放大器，保障了信号在较弱实时警报情况下的采集准确性7 。A/D数模转换电路如图3所示。D9D102DB10D113(MSB)DB11AVDD45AVDDHIREFOUTOutput6100nFAGND7VINAGNDCS8RD9/CSCONVST10/RDICONVST11PS/FS)BUSY12BUSYDBO(LSB)图3A/D数模转换电路2.3系统扩展存储单元电路设计为了满足泥石流灾害大量传感采集数据和采集参数的存储，系统进行了扩展存储电路的设计。传感数据存储采用了AT45DB161B作为采集电路的控制芯片，参数数据存储采用了FM24C16作为参数电路的控制芯片。AT45DB161B和FM24C16分布式部署完全满足了系统的外扩存储要求。扩展存第2 3卷第3期06STM32L151CBT6PA1PB2/BOOT1PB3/JTDOPA4PB4/JNTRSTPA5PB5161729PA830PA9PA10PA11PA124PA13/JTMS/SWDIO3738PA14/JTCK/SWCLKPA15/JTDIOSC.IN/PDOOSC_OUT/PDI44BOOTONRSTVBAT24VDD39VDDA1DB9LEDIR122kQV+R11PBOPB1PB8PB9PB10PB11PB12PCI3-TAMPER_RTCPC14-OSC32.INPCI5-OSC32_OUTvsS!VSS2VSS.3VSSA8京24DB823DB722DB6VDRIVE2120DVDD19GNDADGNDDB51817DB416DB315DB214DB113100k02040139XUSARTLTX.REMAP43FUSARTRX REMAP45FGPRS INT461GPRSDTRGPRSTXDGPRSRXDMEMCSMEMSCLKMEMMISO28FMEMMOSTD8D7D6D5D4D3D2DIGNDDOEXIO-iGNDEXIOR1310k0GNDVc4 Tcs c6C710uF0.1F47F1nF吉GNDGNDGND第2 3卷第3期储电路设计如图4 所示。U101NCVDD273NCWP6IIGNDNCSCL45VSSSDAFM24C163.3VCCR374.7k2U11SPI_MOSI1SISPLSCK2SCKGND73RESETVCC6SPI_CS5CSWPC490.1uFAT45DB161B0.1F.GNDGND图4 扩展储存电路设计2.4系统人机交互电路设计为了满足泥石流灾害监测与预警系统不同参数切换的过程，设计了人机交互显示屏操作模块。人机交互主要通过HS12864界面完成监测与预警系统的灾害影响因子、泥石流危害等级和泥石流爆发的概率计算结果等数据9。为了防止电磁信号的干扰，显示屏硬件电路使用了RC阻断干扰功能，人机交互接口采用并行通信模式与系统主控芯片的I/O口进行了对接。人机交互显示电路设计如图5所示。D6SSAD+5VCIS一GND3灾害监测预警系统软件设计3.1无线数据采集软件流程设计无线传感采集模块完成系统初始化后，启动无仲济艳等：基于宽度学习算法的泥石流灾害监测预警系统设计3.3VCCC42R34R35 100nF810k210k2EEPROM_SCLEEPROM_SDA3.3VCCSPI_SIMOSO8C50LCD12864ManoAKD+5VK图5 人机交互显示电路设计2023年9 月线数传模块AS32_TTL_100的数据接收模式。（1)如果系统定时器到达采集时间节点，则启动数据采集功能。（2)如果未到采集时间节点并且系统出现了中断，则系统需要完成中断信息的处理。如果系统接收到了预警模块下发指令，则实时完成该执行指令的处理。（3)如果定时器数据采集等待过程中，未出现中断指令或者预警模块下达的指令，则CPU进入唤醒模式并完成AS32_TTL_100发送模式、数据包配置和数据发送功能10 。无线传感采集软件流程设计如图6 所示。开始系统初始化GND数据接收模式开启数据采集时间节点是否到达是否时间中断预警开启数据采集执行预警命令预警数据发送模式开启预警数据包处理与配置预警数据包发送图6 无线传感采集软件流程设计3.2系统预警算法设计为了完成泥石流灾害系统概率预警的实时性和准确性，引入了超强结构更新的宽度学习算法I。该更新算法的执行步骤主要包括：（1)将传感采集D+5VGNDR271502Q1R2822229013GND中断处理数据映射成特征节点矩阵，将该矩阵进行增强变换为特征增强节点矩阵；（2)将特征节点数据与增强节点数据共同作为基础隐含输入参数值，采用伪逆计算方法完成基础隐含输入参数值与输出参数值之间的权值变换矩阵求解。(1)宽度学习基础算法结构用,(XWe+e)表示第i个特征映射，Z,W+表示第j个增强节点H,，其中W。为随机初始权值,定义Z,-Z,Z,Z.Z,H,-H,H,H.Hn,。每292023年9 月个节点生成k个增强节点，表示为：Z,=,(XWe.+e)(其中i=1,2,3.n)宽度学习模型表示如下：Y=Z,Z,Z.Z,.(Z,W,+,),.(Z,Wmm+.)JWm=Z,Z,Z.Z,H,H,H,.H,JW-ZHjW(2)YW廊坊师范学院学报（自然科学版）其中，W=Z|HY是连接权值，ZH由伪逆(1)回归近似算法求得：A=lim(aI+AA)-AY10宽度学习算法基础结构如图7 所示。第2 3卷第3期(3).OZZ.映射特征1映射特征2人d(XW,+be),i=-1.n,.(2)宽度更新学习算法结构宽度学习更新算法结构如图8 所示。设插入p个增强节点，令A=Zn|Hm，定义A+1=A|H*1有监督无监督4系统测试为了验证监测与预警系统的实时性和准确性，进行了系统测试。系统采集数据共计10 0 0 组，其中200组作为验证样本集，8 0 0 组作为训练样本集。验证结果如表1所示。从表1中可以看出，泥石流灾害监测与预警系统的测试值与实际值差别不大，基本满足了系统预期目标。为了验证宽度学习算法性能，完成了与常见热门算法预测准确率和收敛时间的对比。对比结果如表2 所示。30H映射特征n增强节点(Z,W.,+.)E(Z,We+,)图7 宽度学习算法基础结构新输入矩阵A+1的伪逆：(A*)*=-D新的权值为：(W*1)*=w)-DBY)BTYY动态调整WWOZZ特征映射n特征映射n+1特征映射1特征映射2(XW,+e),i=1,nXH.5(Z,W,+.)P个增强节点Zo+1H.个介增强节点(2z,z,-2,.,+g),j-1,m(XWa-i+a+)新输入X。图8 宽度学习更新算法结构表2 数据显示，随机森林的精确率是8 6.2 8%，收敛时间是18.8 2 s。BP神经网络的精确率是88.72%，收敛时间是2 0.7 9 s。支持向量机的精确率是8 7.5 1%，收敛时间是14.38 s。宽度更新学习算法具有较高的预报准确率（9 0.12%）和更短的训练时间（10.14 s），满足了系统设计初衷。上述测试结果表明，泥石流灾害监测预警系统准确地完成了泥石流灾害影响因子数据采集。系统在引入了宽度更新算法之后，快速精确实现了泥石流灾害概率预测和泥石流灾害实时预警。(4)(5)S(Z,Z,Z,ZaJWAm-1+mm+建立第n+1个特征对应的增强节点权重第2 3卷第3期验证样本降水量/mm116.72223.45355.74469.12572.43仲济艳等：基于宽度学习算法的泥石流灾害监测预警系统设计表1准确率验证泥石流灾害影响因子数值含水率/%孔隙/MPa4.875.197.789.1213.5718.2926.8440.2630.1448.912023年9 月测试对比地声/Hz次声/Hz4.601.545.781.9811.153.7815.285.4816.896.86实际值3.564.719.0224.1926.72测试值4.325.6810.1725.6227.03199200算法类型随机森林BP神经网络支持向量机宽度更新学习精确率/%86.28收敛时间/s18.825结语本文设计了基于宽度更新学习算法的泥石流灾害监测与预警系统，完成了系统总体结构、硬件电路设计与软件流程设计。该系统通过数据采集模块完成了泥石流影响因子数据的采集，并通过GPRS和无线射频技术实现了数据实时传输。通过宽度更新学习算法实现了采集数据的分析与研判，完成了泥石流发生概率预测与监测预警。测试结果表明，宽度更新学习算法的精确度达到了90.12%，算法收敛时间为10.14 ms，满足监测预警系统的设计要求。该系统为泥石流灾害防治提供了新的方法，具备一定的推广价值。参考文献1张绍科，胡卸文,王严.四川省冕宁县华岩子沟火后泥石流成灾机理J.中国地质灾害与防治学报,2 0 2 1,32(5)：79-85.2何坤，胡卸文，刘波.川藏铁路某车站泥石流群发育特征及对线路的影响J.水文地质工程地质，2 0 2 1,4 8(5)：89.5698.66表2 算法效果对比88.7287.5120.7914.3835.4737.1361.3868.3890.1210.1423.5724.19137-149.3殷启睿，陈舒阳.基于链式成灾过程的暴雨泥石流成灾效率评估J.自然灾害学报，2 0 2 1,30(3):6 9-7 5.4井浩，陶青.中国泥石流研究热点与前沿一基于中国知网的文献分析J.青海师范大学学报（自然科学版），2021,37(2):89-96.5冯玉武，胡国华，洪蕾.无线传感网中低功耗的多声源定位与跟踪J.廊坊师范学院学报（自然科学版）,2 0 2 2,22(2):40-44.6李子言.大数据背景下ROC曲线介绍与应用J.科教导刊,2 0 2 1(14):8 1-8 4.7熊江，唐川，陈明.泥石流早期识别与监测预警研究进展探讨J.自然灾害学报，2 0 2 1,30(1):16 5-17 3.8梁耀东，栾元重.基于改进自适应粒子群算法的混合核函数最小二乘支持向量机大坝变形预测J.科学技术与工程,2 0 2 1,2 1(1):4 7-5 2.8罗玉婷,唐川.四川省汶川县下庄沟8 20”泥石流成因分析及堵江范围预测J.水土保持通报，2 0 2 0,4 0(6)：193-199.10高峰，田运涛.非匀质泥石流运动特征与峰值流量关系研究J.工程地质学报，2 0 2 0,2 8(5):10 2 8-10 38.11高相波，李丽慧.热水河流域典型泥石流灾害成因机制与协同防治研究J.工程地质学报，2 0 2 0,2 8（5)：1039-1048.6.856.9849.1252.7355.8958.1231