0 引  言

近年来，中国的一些地区诸如滑坡泥石流等地质灾害发生频繁，严重危害人民的生命和财产安全。泥石流滑坡等等地质灾害从高处下来，冲击力巨大，预防不及时会造成惨重损失，如何有效地提前预报滑坡泥石流等地质灾害的发生，为灾害防治提供有力的决策支撑，是目前政府非常重视的一项工程^[1-3]。

针对泥石流和滑坡等地质灾害，国内外很多研究学者提出了相关的解决方法，如李昭舒等提出利用测绘方法标记出可能会发生地质灾害的区域，从而有针对性的提出防治措施，该方法能够对一些重点区域进行标记，但是对于何时会发生地质灾害不能够做到准确预报，同时人工测绘本身危险性较大^[4]；再如日本斋腾迪孝提出的蠕变破坏理论，在日本高汤山滑坡灾害中实施成功，模型比较简单，对于各因素之间相互联系及拟合程度的大小可以精确计算，但其建立的经验模式需要一定前提条件，属于概率推断算法，预测精度不高，存在一定限制条件^[5]。除了上述文献中提到的与泥石流相关的传感器之外，降雨量传感器^[6]、次声传感器^[7-8]和地声传感器^[9]等也开始受到关注。但这些方法的局限性很明显，没有综合考虑多种因素，适用的地区有限，无法对多地区精准预判地质灾害发生的概率。

针对上述方法中存在的问题，采用多传感器信息融合技术和模糊控制相结合，将影响泥石流、滑坡等地质灾害发生的诸多因素综合分析，解决了传统单一监测手段导致的误报率和漏报率高的问题。该策略是一个三级模糊控制过程，利用滑坡土质信息和滑坡的植被覆盖情况作为一级模糊控制器的输入量，气象预报信息和所处的地理位置作为二级模糊控制器的输入量，一级模糊控制器输出的滑坡承水能力和二级模糊控制输出的具体位置某时段的水流量，作为三级模糊控制的输入量，输出量为滑坡发生的概率，该模型由于融合了多参数信息，使得预报准确率大幅提高，当气象信息稳定且不具备威胁时，可加大传感器采集时间间隔或将传感器转为休眠状态，有利于节约能源，提高监测预警效率，满足实际应用中的要求。该系统主要依托的是软件算法，而且准确的预报会为人们提供更好的参考，会减少很多因为预报不及时和预报不准确造成的人员伤亡和经济损失，从而增强了模型的实用性。

1  地质灾害监测预警系统的总体设计

该系统是通过三级模糊控制过程进行控制的，一级模糊控制根据采集的易发灾害地段或具有威胁地段的地质信息和植被覆盖情况，输出该地段的承水能力，该级的输入信息需要有经验的人员进行实地勘察并采样分析，以确保精确；二级模糊控制根据气象信息和所处的地理位置判断该处具体时段的水流量，输出具体位置的水流量，该级除了勘察判断雨水的流经区域在外，还需根据传感器所采集的信息进行验证，以弥补人工勘探的不足；三级模糊控制是将前两级的输出量作为输入量，该级的输出量为监测位置发生灾害的概率。该系统的模糊推理图如图1所示，所处地理位置表示监测地点离高处往低处排水区域的远近^[2]。

滑坡、泥石流等地质灾害的发生，特别是尚未出现裂缝、位移的地带，主要因素是降水量的多少，但不同的地质承受水的能力不同，这使得该系统的需要多级模糊控制才能够解决问题。因此，第一级模糊控制的输入变量是：滑坡地质信息和滑坡植被覆盖情况，滑坡地质信息是根据土质的颗粒大小划分的，土壤的渗水性与保水性是由土壤的颗粒大小决定的，土壤颗粒大的，渗水快，保水性差;土壤颗粒小的，相反｡植物的根系，在土壤中像网状般交织，固结土壤，防止坡面侵蚀的形成，加固斜坡和固定陡坡，增强了土壤的抗蚀性能，减少滑坡、泥石流和山洪的发生，因此，第一级模糊控制要输出监测点的承水能力要考量地质信息和植被覆盖情况是很有必要的。有了承水能力就要考虑降水量多少了，但由于监测点的地理位置不同，同样的降雨天气不同的监测点承受的水量不同，因为监测点均在有坡度的区域，降雨天气从上而下难免会有雨水聚流处，离聚流处越近的监测点会遭受比降雨量更多的水量，因此，第二级模糊控制要输出监测点的流经水量要考量降雨量和监测点的地理位置也是很有必要的。

图1 地质灾害监测预警系统的模糊推理过程图

Fig.1 The fuzzy inference process diagram of geological hazard monitoring and early warning system

2  模糊控制系统的设计

模糊控制的原理是使用数字化的方式来分析和推断模糊的事件或现象，以模仿或模拟人的智力来减轻人的负担，首先将输入量模糊化，把事件或现象中的确切数字经模糊加工后，在模糊集合中以元素的方式来呈现，然后再经一系列的推理规则得出模糊形态的输出值，最终经解模糊后得到确切的控制量^[3]。

该模糊控制方法沿用了目前各类先进策略的优势，此外对其他方法的缺陷进行弥补与完善，该控制系统集自适应控制、分级模糊控制、气象信息监测、实地地形勘测和精准及时预测等创新点于一体，并结合实际需要及时优化控制方略，使该系统更适用于实际的预警监测，该方案明显优于传统控制方案。

2.1  系统输入输出变量及隶属函数的确定

在该系统中，以滑坡地质信息和滑坡植被覆盖情况作为第一级模糊控制器的输入量，输出量为滑坡的承水能力。中国的土壤类型较多，按土壤中矿物颗粒的直径划分，颗粒大小有以下五种划分：小石子（>2.0mm）、粗砂（2.0~0.2mm）、细砂（0.2~0.02mm）、粉砂（0.02~0.002mm）和粘粒（<0.002mm），矿物颗粒的直径影响土壤的保水能力。滑坡的植被覆盖情况除了参考覆盖率，还要考虑植被的根度，根系越深土壤的保水能力就越强，按植物根深可分：草本花卉（30cm）、地被植物（35cm）、小灌木（45cm）、大灌木（60cm）、浅根乔木（90cm）、深根乔木（200cm）。该级的输出变量为滑坡的承水能力，即土壤含水率，分为五种：过多（>20%）、饱和（18.5%~20%）、适度(15.5%~18.5%)、稍干(12%~15%)、干土(<8%) ^[4]。

第二级控制器的输入量为气象预报信息和监测点地理位置，气象预报信息主要考虑未来的降雨量，可分为：小雨（小于10mm/天）、中雨（10～25mm/天）、大雨（25～50mm/天）、暴雨（50～100mm/天）、大暴雨（100～250mm/天）、特大暴雨（大于250mm/天）。监测点所处的地理位置是指离高处往低处排水区域的远近，如果离排水区域近，则监测位置会承受比降雨量更大的水量。根据地形勘测结果，可把监测点所处地理位置分为五种：很近（0～0.5m）、近（0.5～1.5m）、中（1.5～3m）、远（3～5m）、很远（大于5m）。该级的输出量为监测位置可能遭遇的水量，根据采集的信息分析可得，遭遇的水量可分为五类：很少（0～1m³/h）、少（1～10m³/h）、中（10～20m³/h）、多（20～30m³/h）、很多（>30m³/h）^[5]。

第三级控制器的输入量是前两级的输出量，以监测地点的承水能力和可能流经监测地点的水量，来综合考虑监测地点发生地质灾害的概率，发生地质灾害的概率可分为：很难发生（10%）、难发生（30%）、可能发生（50%）、易发生（70%）、很易发生（90%）。该系统各级的输入输出隶属度函数如图2所示，均采用三角形隶属函数^[6]。

在该预警系统中,各级的输入变量均是非线性和大滞后的，很难建立清晰地数学模型，但模糊控制的引入很好的解决了这一问题。现阶段设计模糊控制器仍然需要专家的经验作为依托，较为系统的方法尚未明确，因此，如何确定各模糊语言变量的模糊子集，即确定隶属函数的形状和隶属函数在模糊子集论域内分布状况，显得尤为重要。隶属函数的作用很突出，起到精确值与模糊值转化的作用。在实际操作中，隶属函数的选择及其分布状况，对模糊控制规则的完备性及模糊控制的互作用性产生重要的影响，从而对控制效果发生作用。

图2 各级的输入输出隶属度函数

Fig.2 The input and output membership functions at all levels

2.2  系统的模糊规则及模糊控制表

在该模糊推理系统中，为确保系统输出结果的精准，在一级模糊控制器中，把土壤颗粒大小分成5个语言变量（很小VS、小S、中MS、大B、很大VB），把植被根深分成6个语言变量（很深VD、中深MD、深D、浅Q、中浅MQ、很浅VQ），输出量分成5个语言变量（很少量VF、少量F、中量MF、大量V、很大量VV）^[7]；在二级模糊控制器中，把气象信息分成6个语言变量（小雨SR、中雨MR、大雨DR、暴雨RS、大暴雨DRS、特大暴雨SRS），把监测点位置分成5个语言变量（很近VN、近N、中MN、远F、很远VF），输出量分成5个语言变量（很少VL、少L、中ML、多M、很多VM）^[8]；在三级模糊控制器中，输入量同上，输出量分成5个语言变量（很难发生VH、难发生H、可能发生MB、易发生E、很易发生VE）。该系统模糊规则的界定，需在地质灾害专家的指导下，结合所采集的数据进行，在监测过程中如发现疏漏及时修正，以确保监测结果的及时有效^[9]。该系统各级的模糊控制规则如表1～3所示：

表1 一级模糊控制规则表

Tab.1 The fuzzy control rule table of level 1

表2 二级模糊控制规则表

Tab.2. The fuzzy control rule table of level 2

表3 三级模糊控制规则表

Tab.3 The fuzzy control rule table of level 3

2.3  解模糊处理

为将输出变量转化成确定的值，须进行解模糊处理，常用的解模糊的方法有：centroid(面积中心法)、bisector(面积平均法)、mom(平均最大隶属度法)、som(最大隶属度中的取最小值法)、lore(最大隶属度中的取最大值法)。经测试面积中心法比较符合该系统的要求，因此该系统选取面积中心法进行解模糊^[10]。

2.4  地质灾害监测预警系统的输出

地质灾害发生的概率与多种因素相关，本研究从影响尚未出现裂缝、位移的地带发生灾害的因素出发，制订了该三级模糊控制策略，影响因素包括监测地段的土质、植被覆盖情况、气象预报信息和监测地点的地理位置，为直观显示影响监测地质灾害发生的概率的因素情况，该研究利用matlab平台进行仿真，将一级和二级的输出作为三级的输入，输出系统的特性曲面图，该曲面图能直观显示灾害发生概率的变化，当监测点的承水能力低且遭受水量高时，灾害发生概率最大，反之则最低。使用输出特性曲面的必要性体现在，该系统是多级多变量系统，二维曲线无法满足系统需要，而特性曲面借助matlab平台进行绘制，是三维立体曲线，能简便、直观且精确地将变量与输出的关系表现出来。经三级模糊控制的推理，该地质灾害监测预警系统的输出特性曲面如图3所示。

图3 系统的输出特性曲面

Fig.3 The output characteristic surface of the system

2.5  地质灾害监测预警系统的指标分级标准

目前自然灾害的风险区划主要是采用概率统计的方法进行，给出一定概率水准下的自然灾害的危害程度。从灾害的影响因素上建立灾害影响因子。气象灾害、洪涝灾害、地震灾害、地质灾害都可以采用这种方式进行评估。经过模型分析，给出可视化的评估。国家标准将地质灾害按照人员伤亡、经济损失的大小,分为特大型、大型、中型和小型四个等级。该系统研究的灾害发生的概率，以监测地点的承水能力和可能流经监测地点的水量，来综合考虑监测地点发生地质灾害的概率，发生地质灾害的概率可分为：很难发生（10%）、难发生（30%）、可能发生（50%）、易发生（70%）、很易发生（90%）五个等级。将系统的指标分级标准精细划分，结合国家标准，在需要人员和财物转移时有利于决策部门进行确切的人员分配。

国家标准将地质灾害的地质灾害分为四个等级，而该地质灾害监测预警系统，输出的发生地质灾害的概率分为五个等级，结合实际情况用于匹配国家标准，等级一：很难发生（10%）表示该监测点几乎不会发生灾害，有关部门无需相应机制给予应对；等级二：难发生（30%）表示该监测点有可能发生小型地质灾害，有关部门需相应机制给予应对；等级三：可能发生（50%）表示该监测点有可能发生中型地质灾害，有关部门需相应机制给予应对；等级四：易发生（70%）表示该监测点有可能发生大型地质灾害，有关部门需相应机制给予应对；等级五：很易发生（90%）表示该监测点有可能发生特大型地质灾害，有关部门需相应机制给予应对。与国家标准紧密结合，便于相关部门及时合理应对地质灾害的发生。

3  结语

该系统的优势在于模糊控制能将影响地质灾害发生的非线性、时变的因子先模糊化成模糊集合中的元素，再利用数学的进行处理，经解模糊后得到确定的值，有效解决了在地质灾害监测预警系统中的数据处理问题，提高了监测的效率，经仿真实验可知，综合考虑多种因素，在尚未出现裂缝、位移的地带的监测效果明显，解决了在监测地质灾害实时性的问题，预警的准确性为受灾群众和财产的转移提供了更多时间。

[参  考  文  献]

[1] 申海娟.九寨沟县发生特大泥石流灾害[EB/OL].(2016-07-26)[ 2016-07-26].http://news.chengdu.cn/2016/0726/1804915.shtml.

[2] 徐月蓉.甘肃舟曲突发特大泥石流灾害[EB/OL].(2010-08-09)[2016-07-26].http：//www.jhnews.com.cn/zzxb/2010-08/09/content-1166006.htm．

[3] 王佳佳，殷坤龙．基于WEBGIS和四库一体技术的三峡库区滑坡灾害预测预报系统研究［Ｊ］．岩石力学与工程学报，2014，33（5）：103-109．

[4] 李丽敏,温宗周,李璐,刘超,赵建新. 基于多参数融合和RBF神经网络的泥石流预报[J]. 西安工程大学学报,2017,31(01):77-81.．

[5] 王佳佳，殷坤龙．三峡库区万州区滑坡灾害风险评估研究［Ｊ］．中国地质大学学报，2015，5（3）：56-60．

[6] CHEN C Y ， CHEN T C ， YU F C，et al. Rain fall duration and debris-flow initiated studies for real-time monitoring［J］．Environmental Geology,2005，4