杨旭李曦涛
信息产业部电子综合勘察研究院陕西西安710000
摘要：随着经济和信息技术的快速发展，滑坡情况研究总的是要了解清楚滑坡地质、明确滑坡灾害情况和具体的损毁模式，能够更快速的为研究滑坡平稳性和操作计算整理出相关数据，同时提出后续的滑坡灾害的应对方案。对地质勘探层面而言，操作量过大，既要提前对治理场地进行勘察，还要熟悉掌握周边环境的地质因素，防止出现由于大意导致的严重的情况。对防治层面而言，单单是治理问题的话，到不麻烦。最大的麻烦在于不仅不可以限制经济的进步，并且还要解决好滑坡问题，在当前阶段也得在工作成果上进步、在经费上节约。研究了大数据处理及挖掘分析等关键技术，结合滑坡监测预警大数据系统的应用环境，论述了大数据技术在滑坡监测预警大数据系统的架构、数据挖掘、系统功能等方面的应用情况。
关键词:大数据挖掘;滑坡监测预警;大数据系统
引言
滑坡监测的传统方法主要是对滑坡易发地区设置水文、地质和气象等传感器，数据传送系统将传感器采集的信号传输到处理中心，得出分析结论和预测结果。可将大数据技术与滑坡监测预警技术结合起来进行研究，运用大数据的理论、机制、模型和方法，采用统计学、机器学习等方法得出可靠性较高的预警信息。本文介绍了目前应用广泛的大数据技术，并对滑坡监测预警大数据系统进行了架构设计。
1滑坡概述
滑坡是斜坡岩石由于重力原因，顺着软弱面和软弱带发生整体位移的情况，在位移期间，会出现整体结构的分散，是重力和摩擦力共同的作用导致。滑坡通常出现在斜坡在50°以下的区域，若是发生在50°以上的位移就不叫做滑坡。在工程地质勘察期间若是产生滑坡，就是勘察人员对山体滑坡状况了解不够，无法实现对工程勘察期间发生的滑坡的慧识。
1.1滑坡分类
滑坡分类较简单，由滑坡山体的形态、滑坡面及滑坡因素把滑坡通常分为以下几种。依据滑坡山体性质分为：红土滑坡、黄土滑坡、粘性土滑坡、岩石性滑坡。依据滑坡切面种类分为：牵引式滑坡、剪切型滑坡、重力推动型滑坡及混合性滑坡等。依据滑坡规模分为：小型滑坡（滑体面不足6000m3，厚度不超过6m）；中型滑坡（滑体介于6000到60000m3之间，厚度通常在6m到25m）；大型滑坡（滑体介于60000到100000m3之间，厚度在25m到50m）；巨型滑坡（滑体超过100000m3，厚度超过50m）。
1.2滑坡稳定性影响因素
地形地貌是地质灾害形成的主要条件。地层岩性是灾害发生的主要物质因素。降水对地质灾害形成起到催化作用。人类活动改变了降水坡面径流流速，增加了降水入渗，这对坡体的整体稳定性有一定影响。坡体受到震动影响时，使斜坡变形加剧，对坡体的整体稳定性有一定影响。
2滑坡监测预警大数据系统关键技术应用
2.1系统架构设计
滑坡监测预警大数据系统是滑坡灾害应急中心实施会议召开、分析磋商、调度指挥的信息化平台。为滑坡监测预警大数据系统的体系架构，主要采用分布式计算架构，结合并行数据库技术，有效搭载各类滑坡信息数据，支持大数据的流处理和批处理模式，能够实现滑坡大数据的海量存储与维护和跨层级分布式业务处理，为系统功能的柔性从组提供一个松耦合的集成框架。基础设施层是指硬件基础，包含计算机、网络、中间件、虚拟服务器、数据库及集群软件，是滑坡监测预警大数据系统所需的资源载体。数据源层为滑坡监测大数据系统提供需要的数据源头，并提供各类专业知识和参数等。数据接口层是对数据来源的特征开发设计转换适配器，是根据行业规范，对数据进行清洗、转换、处理的转换层。处理后的数据存入大数据存储系统中。大数据的访问框架包括了Pig、Hive、Sqoop等系统，其中:Pig是计算机编程语言，适合用于Hadoop和Map/Ｒeduce平台来查询大型半结构数据集;Hive是数据仓库，通过HQL语言实现MapＲeduce的快速统计;Sqoop的作用是用来与关系型数据库实现数据交换，如Mysql、Oracle等关系型数据库。大数据的调度框架包括以下3个系统:Hbase是列存储非关系型数据库，提供可靠性高并有分布式数据库功能的作用;日志收集的系统Flum，其作用是收集各类数据发送方的相关资料日志，并收集数据集;分布式闭锁组建Zo-okeeper，其作用是高效和可靠地协同工作系统，提供分布式锁之类的作用，用于构建分布式应用，减轻应用程序所承担的协调任务。系统应用层则是滑坡监测预警大数据系统的功能实现系统，具有稳定性分析、智能决策、可视化交互等功能。
2.2滑坡大数据的集成
滑坡大数据来源于多源异构，种类多样:有现场监测仪器产生的数据(如GNSS设备、气象监测器、裂缝传感器、应力应变计等监测的数据)，与国家和地方地质数据进行共享的地质环境信息数据(如遥感图像、地形地貌图等)，滑坡易发地区的历史滑坡数据等。根据滑坡数据的来源，可归为以下5类:地质环境信息、各类历史滑坡资料、地质内部数据、地质外部数据、其他数据源。以上这些数据为多源异构型，需要进行处理。首先进行数据清洗和转换，并对这些数据进行统一的建模，存储于大数据平台的储存框架中，为对数据进行挖掘分析做好准备，并允许跨平台交互和共享。
2.3滑坡大数据挖掘与滑坡空间性预测
影响滑坡灾害的因素很多，要预先获得滑坡区域的地质构造情况数据，并掌握滑坡体的力学模型先验知识，实时采集各类监测数据和外界影响因素(如人类活动)，通过统计大量的、不同区域的、时间不同的历史滑坡大数据，采用统计学、信息原理分析的技术手段，筛选出其中的重要条件和因素(如地质构造相似度)，按类比原则将海量滑坡数据分为地段性滑坡数据类，此类滑坡具有类似的易滑坡作用条件和影响因素。根据自然斜坡或是滑坡的地质构造情况，将其归属到相应的地段性滑坡类中，在此滑坡类中，将大数据集的滑坡类数据分为训练集和验证集，采用机器学习的数据挖掘技术，发现潜在有用的规则，对待预测的此滑坡类的滑体进行规则判定，预测其稳定性。
2.4地理信息系统(GIS)与滑坡地质全景可视化
GIS系统的坐标系采用了严格的地理坐标系，以经纬度存储单位，并可以进行坐标投影与转换，支持图形和数据的双向检索，具有强大的数据库分析功能，集成了GPS、CAD、ＲS技术，将GIS技术结合大数据平台进行应用，对于滑坡稳定性分析和展示将会发挥独特的优势。该研究可集成国家和地区相关部门的滑坡灾害信息资料，利用地理信息系统(GIS)进行相关信息管理和可视化动态展示，通过大数据平台挖掘出来的结果用地理信息系统呈现出来，给客户直观地展示评价情况，这将成为大数据分析滑坡稳定的一种趋势。
结束语
由于滑坡的监测预警工作涉及到海量数据，传统的监测预警方法已不能满足现代化监测预警的需要。大数据平台的性能将得到大幅度提升，滑坡监测预警大数据技术的应用前景广阔。
参考文献:
［1］陈铁军，陈华方，胡杨超，等．基于CC2480的山体滑坡监测系统［J］．计算机工程与设计，2010，31(20):4512－4515．
［2］刘东旗，刘新中，卜令俊，等．基于无线传感器网络的远程抄表系统信息智能传输的实现［J］．电测与仪表，2009，46(12A):46－50．
课题项目编号：陕西省滑坡地质灾害监测预警技术研究（2014K13-05）