基于多传感器网络的泥石流灾害预测及预警系统研究.pdfVIP

摘要

摘要

我们国家地域辽阔，地形地貌复杂多样，随着人类活动加剧及极端天气趋多，泥

石流等地质灾害频发，对人民的生命财产安全造成了重大损害。近年来，国家对泥石

流灾害防治高度重视，投入了更多的财政支出及人力资源。在此背景下，开展泥石流

灾害预测及预警系统研究具有较大的理论研究意义及巨大的实际应用价值。

本文基于多传感器网络构建了泥石流监测系统，基于机器学习算法进行了泥石流

形成阶段预报模型和成灾阶段预警模型建立，主要研究内容如下：

1

（）通过对研究区泥石流形成条件地形地貌、物源、气候水源和泥石流成灾特征

分析，得到泥石流形成和成灾阶段分别需要监测的致灾因素，为后期系统硬件平台搭

建提供理论支持。

（2）为了获取泥石流灾害的数据，本文设计了泥石流预测及预警系统，其由无线

数据采集模块、现场预警终端、远程监控中心和客户端共同组成的多传感器网络系统。

无线数据采集模块基于ZigBee自组网方式实现对多传感器组网和数据采集，同时现场

预警终端可进行数据融合和控制声光报警器以及触摸屏，最后远程监控中心有预报模

型、预警模型、数据库存储和预警信息发布等功能。

3

（）泥石流形成和成灾阶段影响因素众多，为了减少模型输入维度和降低空间复

FastMultiplePrincipleComponentsExtraction

杂度，使用快速主成分并行提取算法（，

FMPCE）分别筛选出泥石流形成和成灾阶段主要致灾因子；为保证数据准确性和降低

传输过程中数据的冗余，提出了两级数据融合模型进行数据融合，从而解决上述问题。

4ExtremeGradientBoosting

（）为建立泥石流预测模型，采用极端梯度提升树（，

XGBoost）模型，预测泥石流灾害发生概率，并对比多种寻优算法最终确定GWO（Grey

WolfOptimizer，GWO）优化算法对模型超参数进行寻优，提高模型泛化能力。通过

ROC（ReceiverOperatingCharacteristic）曲线和AUC（AreaUnderCurve）均值模型评

价方法，对比多个泥石流预测模型，可得GWO-XGBoost预测模型的AUC均值为94.11%，

相较于RF模型高6.95%，SVM模型高4.38%以及与未经优化的XGBoost模型相比高

2.27%，验证了所提出GWO-XGBoost组合模型预测准确度。

（5）为建立泥石流预警模型，运用人工蜂群算法（ArtificialBeeColony，ABC）

LeastSquaresSupportVectorMachineLSSVM

优化最小二乘支持向量机（，）算法模型

预测泥石流平均流速，通过多种评价指标与未经优化的LSSVM模型和多种流速经验

公式对比，验证了本模型对泥石流平均流速的预测准确性。

关键词：泥石流灾害；FMPCE算法；多传感器数据融合；XGBoost算法；LSSVM算

法

论文类型：应用研究

I

西安工程大学硕士学位论文

II

ABSTRACT

ABSTRACT

Chinahasavastterritoryandcomplexanddiverseland