CN120470558B - 一种水利工程用的边坡修整方法 - Google Patents

Abstract

本发明公开了一种水利工程用的边坡修整方法，涉及水利工程边坡修整技术领域。该方法包括：采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；根据各边坡数据序列与各环境数据序列之间的变化趋势关系，确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子；根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数；通过各环境补偿系数，分别对各边坡位置的边坡数据序列进行修正，得到各边坡位置的修正数据序列；在修正数据序列满足预设修整条件的情况下，对相对应的边坡位置进行修整，得到修整后的目标边坡。本发明能够提高采集的边坡数据序列的准确性，提高边坡修整的准确性。

Description

一种水利工程用的边坡修整方法

技术领域

本发明涉及水利工程边坡修整技术领域，具体涉及一种水利工程用的边坡修整方法。

背景技术

在水利工程中，边坡修整是一项关键的工程活动，旨在确保工程结构的安全性和耐久性，同时改善环境质量和功能。边坡修整可以防止土壤流失和边坡退化，从而延长工程的使用寿命，具有重要的意义。

现有方法中，利用传感器采集各种边坡数据，通过各种边坡数据的变化确定出需要修整的边坡来进行维护和修理。

然而，在采集各种边坡数据的过程中，传感器会受到风、温度和湿度等环境因素的影响。如此，使得采集到的边坡数据的准确性不高，从而导致边坡修整的准确性较低。

发明内容

本发明实施例提供了一种水利工程用的边坡修整方法，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

本发明实施例的第一方面，提供一种水利工程用的边坡修整方法，包括：

采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；

根据各边坡数据序列与各环境数据序列之间的变化趋势关系，确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子，待滑落因子用于表征边坡位置的待滑落趋势；

根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数；

通过各环境补偿系数，分别对各边坡位置的边坡数据序列进行修正，得到各边坡位置的修正数据序列；

在修正数据序列满足预设修整条件的情况下，对相对应的边坡位置进行修整，得到修整后的目标边坡。

本发明实施例的第二方面，提供一种水利工程用的边坡修整装置，包括：

数据采集模块，用于采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；

数据分析模块，用于根据各边坡数据序列与各环境数据序列之间的变化趋势关系，确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子，待滑落因子用于表征边坡位置的待滑落趋势；

数据分析模块，还用于根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数；

环境补偿模块，用于通过各环境补偿系数，分别对各边坡位置的边坡数据序列进行修正，得到各边坡位置的修正数据序列；

边坡修整模块，用于在修正数据序列满足预设修整条件的情况下，对相对应的边坡位置进行修整，得到修整后的目标边坡。

本发明实施例提供的水利工程用的边坡修整方法中，根据边坡数据序列与环境数据序列之间的变化趋势关系，确定环境数据序列对边坡数据序列的影响因子，以及边坡位置在各时刻的待滑落因子，能够提高环境数据序列对边坡数据序列的影响分析的准确性。然后，根据影响因子以及待滑落因子，确定边坡位置在各时刻的环境补偿系数。如此，本发明实施例通过考虑环境因素对边坡数据序列的影响，得到边坡位置在各时刻的环境补偿系数。然后利用环境补偿系数，对相应的边坡数据序列进行修正，从而得到边坡位置的修正数据序列。如此，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的第一种水利工程用的边坡修整方法的流程示意图；

图2为本发明一个实施例所提供的第二种水利工程用的边坡修整方法的流程示意图；

图3为本发明一个实施例所提供的水利工程用的边坡修整装置的结构示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种水利工程用的边坡修整方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

需要说明的是，本发明技术方案中对数据的获取、存储、使用、处理等均符合法律法规的相关规定。

需要说明的是，在本发明实施例中，可能提及某些软件、组件、模型等业界已有方案，应当将它们认为是示范性的，其目的仅仅是为了说明本发明技术方案实施中的可行性，但并不意味着申请人已经或者必然用到了该方案。

在水利工程中，边坡修整是一项关键的工程活动，旨在确保工程结构的安全性和耐久性，同时改善环境质量和功能。边坡修整可以防止土壤流失和边坡退化，从而延长工程的使用寿命，具有重要的意义。

现有方法中，利用传感器采集各种边坡数据，通过各种边坡数据的变化确定出需要修整的边坡来进行维护和修理。然而，在采集各种边坡数据的过程中，传感器会受到风、温度和湿度等环境因素的影响。如此，使得采集到的边坡数据的准确性不高，从而导致边坡修整的准确性较低。

本发明的目的在于提供一种水利工程用的边坡修整方法。本发明实施例提供的水利工程用的边坡修整方法中，根据边坡数据序列与环境数据序列之间的变化趋势关系，确定环境数据序列对边坡数据序列的影响因子，以及边坡位置在各时刻的待滑落因子，能够提高环境数据序列对边坡数据序列的影响分析的准确性。然后，根据影响因子以及待滑落因子，确定边坡位置在各时刻的环境补偿系数。如此，本发明实施例通过考虑环境因素对边坡数据序列的影响，得到边坡位置在各时刻的环境补偿系数。然后利用环境补偿系数，对相应的边坡数据序列进行修正，从而得到边坡位置的修正数据序列。如此，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

下面介绍本发明实施例提供的一种水利工程用的边坡修整方法的具体实施例。下面首先对本发明实施例提供的一种水利工程用的边坡修整方法进行介绍。

图1提供了一种水利工程用的边坡修整方法的流程示意图，该水利工程用的边坡修整方法可应用于服务端，该水利工程用的边坡修整方法可以包括如下S101至S105。

S101，采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；

在本实施例中，边坡位置用于表征目标边坡上的位置特征点。示例地，服务端可以在目标边坡上预先设置多个边坡位置。

边坡数据序列用于表征边坡位置的边坡参数按照时间顺序构成的序列，环境数据序列用于表征边坡位置的环境参数按照时间顺序构成的序列。

作为一个示例，服务端通过测斜仪、位移传感器等监测边坡位置的位移、倾斜角度、裂缝宽度等边坡参数，并将这些数据按时间序列记录下来，形成边坡数据序列。同时，通过土壤湿度传感器、地下水监测设备等，收集边坡位置的降雨量、土壤湿度、地下水位、温度等环境参数，同样按时间序列记录，形成环境数据序列。

S102，根据各边坡数据序列与各环境数据序列之间的变化趋势关系，确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子，待滑落因子用于表征边坡位置的待滑落趋势；

在本实施例中，在采集边坡位置的位移以及倾斜角度等边坡参数时，其对应的传感器都是布置在边坡位置表面的，即当存在风时，所采集到的位移和倾斜角度都会受到一定程度的影响；并且温度和湿度的变化可能导致土壤体积变化，从而影响位移和倾斜角度的对应传感器的读数。因此以环境数据序列对边坡数据序列的影响因子，来表征环境数据序列对边坡数据序列所造成的影响。

由于目标边坡内部不同区域的土体特性、地质结构、水文条件不同，使得目标边坡发生滑坡时，通常不会整体一起滑落，而是以一块引起，导致区域块数量逐渐增多的形式进行滑落；即在未滑落但将要开始滑落时，目标边坡中的边坡参数都是一个边坡位置为中点，其他相邻的边坡位置会受到该边坡位置的影响，使得其边坡数据序列的异常呈现区域增大的形式变化。因此，以待滑落因子来表征边坡位置的待滑落趋势或风险等级。

作为一个示例，服务端通过统计分析（例如相关性分析、回归分析）等评估边坡数据序列与环境数据序列之间的变化趋势关系，确定各环境参数对边坡位置稳定性的影响程度，即各环境数据序列对各边坡数据序列的影响因子。

然后，基于边坡数据序列的变化趋势，结合地质力学模型或机器学习算法，计算每个边坡位置在每个时刻的待滑落因子。

S103，根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数；

在本实施例中，环境补偿系数用于量化环境因素对边坡稳定性的影响程度，即为对环境数据序列给边坡数据序列所造成的影响进行补偿的修正系数。

作为一个示例，根据影响因子的大小和待滑落因子的值，利用加权求和、模糊逻辑、神经网络等方法，计算每个边坡位置在每个时刻的环境补偿系数。其中，影响因子越大，则说明此时采集到的边坡数据序列受干扰程度越大，即可信度越低，环境补偿系数越大；待滑落因子越大，说明此时边坡位置的待滑落趋势特征越明显，此时采集到的边坡数据序列受干扰程度越小，即可信度越大，环境补偿系数越小。

S104，通过各环境补偿系数，分别对各边坡位置的边坡数据序列进行修正，得到各边坡位置的修正数据序列；

在本实施例中，修正数据序列用于表征对边坡数据序列进行修正后得到的准确度更高的数据序列。边坡数据序列中包括多个时刻采集到的边坡评价数据，修正数据序列中则包括多个时刻修正后的边坡评价数据。

作为一个示例，由于在没有风、温度和湿度等环境因素的干扰下，每个边坡位置采集到的边坡数据序列的可信度都是比较高的；而在风、温度和湿度等环境因素的干扰下，每个边坡位置采集到的边坡数据序列的可信度是比较低的。因此可以通过上述分析获取一些干扰程度较小的边坡数据序列中的边坡评价数据，通过干扰程度较小的边坡评价数据来预测出一些干扰程度较大的边坡评价数据，并通过环境补偿系数进行修正，以此来获取更加准确的边坡数据序列。

具体地，服务端可以筛除边坡数据序列中影响因子小于预设影响阈值的对应时刻的边坡评价数据。并将其中缺失时刻的边坡评价数据通过线性插值法进行插值填充，将填充后的各边坡评价数据按照时间顺序进行排序，构成填充后的边坡数据序列。

然后，将填充后的边坡数据序列输入至ARIMA模型中，预测当前时刻的边坡评价数据。根据当前时刻的边坡评价数据的预测值与实际采集值之间的差异，通过以下公式1对当前时刻的实际采集值进行修正，从而得到边坡位置在当前时刻修正后的边坡评价数据：

公式1

公式1中，用于表征第个边坡位置的第种边坡数据序列在第个时刻修正后 的边坡评价数据，用于表征第个边坡位置的第种边坡数据序列在第个时刻预测的边 坡评价数据，用于表征第个边坡位置的第种边坡数据序列在第个时刻实际采集的边 坡评价数据，用于表征第个边坡位置的第种边坡数据序列在第个时刻的环境补偿 系数。

最后，根据边坡位置在各个时刻修正后的边坡评价数据，构成边坡位置的修正数据序列。

S105，在修正数据序列满足预设修整条件的情况下，对相对应的边坡位置进行修整，得到修整后的目标边坡。

在本实施例中，预设修整条件用于表征对边坡位置进行修整时修正数据序列应该满足的条件。

作为一个示例，服务端给边坡位置的每种类型的边坡评价数据设置一个正常数值范围，然后将边坡位置的各种修正数据序列中当前时刻的边坡评价数据与正常数值范围进行比较，判断是否超过正常数值范围。

在只有一种边坡评价数据超过正常数值范围的情况下，则对该边坡位置进行检查维护；在地下水位与土壤湿度两种边坡评价数据超过正常数值范围的情况下，则对该边坡位置增加排水管或者截水沟等装置，来保持土壤水分的适中；在位移与倾斜角度两种边坡评价数据超过正常数值范围的情况下，则对该边坡位置使用一些土工网等装置来提高土壤的稳定性。

通过本实施例，根据边坡数据序列与环境数据序列之间的变化趋势关系，确定环境数据序列对边坡数据序列的影响因子，以及边坡位置在各时刻的待滑落因子，能够提高环境数据序列对边坡数据序列的影响分析的准确性。然后，根据影响因子以及待滑落因子，确定边坡位置在各时刻的环境补偿系数。如此，本发明实施例通过考虑环境因素对边坡数据序列的影响，得到边坡位置在各时刻的环境补偿系数。然后利用环境补偿系数，对相应的边坡数据序列进行修正，从而得到边坡位置的修正数据序列。如此，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

作为一个可选实施例，S101具体可以包括：

将目标边坡按照预设划分尺寸，划分为多个边坡区域；

将各边坡区域的区域中心点，确定为边坡位置；

按照预设采集频率，分别采集各边坡位置的边坡评价数据以及环境评价数据，构成各边坡位置的边坡数据序列以及环境数据序列。

在本实施例中，边坡评价数据用于表征对边坡位置的边坡参数进行评价的数值，环境评价数据用于表征对边坡位置的环境因素进行评价的数值。

作为一个示例，服务端先设定一个边坡区域的预设划分尺寸，例如预设划分尺寸 可以为。然后，利用地图绘制软件或地理信息系统等工具，按照预设划分尺寸， 在目标边坡上绘制出多个边坡区域的边界，从而得到多个边坡区域。

然后，在每个边坡区域内，将边坡区域的区域中心点设置为边坡位置。并按照预设采集频率（例如每分钟采集一次），定期采集各边坡位置的各种边坡评价数据以及各种环境评价数据。最后将各种边坡评价数据以及各种环境评价数据，分别按照时间顺序进行排列，构成各边坡位置的边坡数据序列以及环境数据序列。

通过本实施例，将目标边坡按照预设划分尺寸，划分为多个边坡区域。然后将各边坡区域的区域中心点，分别确定为边坡位置，从而对各边坡位置进行数据采集。如此，可以确保完整采集到目标边坡中各个区域的数据，能够实现对目标边坡的完整监测。

作为一个可选实施例，如图2所示，S102具体可以包括如下S201至S205。

S201，根据各边坡数据序列中边坡评价数据的瞬时斜率，以及各环境数据序列中环境评价数据的瞬时斜率，确定各环境数据序列对各边坡数据序列的影响度；

S202，根据各边坡数据序列与各环境数据序列在各时间窗口的数据变化幅度以及各影响度，确定各环境数据序列对各边坡数据序列的影响因子；

S203，基于各边坡数据序列在各时间窗口中的数据波动性，评价各边坡位置在各时刻的滑坡可能性；

S204，根据各边坡位置在各时刻的滑坡可能性，确定各边坡位置之间的位置相似性；

S205，根据各边坡位置之间的位置相似性，确定各边坡位置在各时刻的待滑落因子。

在本实施例中，数据变化幅度用于表征在时间窗口内数据的最大值与数据的最小值之间的差值，数据波动性用于表征在时间窗口内数据的波动程度。

滑坡可能性用于表征边坡位置在对应时刻发生滑坡现象的可能性，位置相似性用于表征两个边坡位置之间特征的相似性。

作为一个示例，服务端首先对边坡数据序列和环境数据序列进行预处理，包括去噪、标准化等，以确保数据序列的一致性和可比性。对于每个边坡数据序列和环境数据序列，通过差分方法（即前后数据点的差值除以时间间隔）计算其在时间序列上的瞬时斜率，即数据变化率。利用相关系数或回归分析方法，计算各环境数据序列的瞬时斜率与各边坡数据序列的瞬时斜率之间的相关性，从而确定环境数据序列对边坡数据序列的影响度。

然后，在每个时间窗口内，将数据最大值减去数据最小值，从而计算得到边坡数据序列和环境数据序列的数据变化幅度。基于数据变化幅度以及影响度，使用加权方法或预设数学模型（例如多元线性回归）计算各环境数据序列对各边坡数据序列的影响因子。

然后，基于各边坡数据序列在各时间窗口中的数据波动性（例如标准差、变异系数等），评估边坡数据的稳定性或不稳定性。基于数据波动性，使用阈值法、机器学习模型（如逻辑回归、支持向量机等）或统计模型（如泊松分布、正态分布等）计算各边坡位置在各时刻的滑坡可能性。

然后，根据各边坡位置在各时刻的滑坡可能性，使用相似性度量方法（如欧氏距离、余弦相似度、皮尔逊相关系数等）计算各边坡位置之间的位置相似性。

最后，结合滑坡可能性和位置相似性，使用加权方法或其他综合评估模型计算各边坡位置在各时刻的待滑落因子。

通过本实施例，对各边坡数据序列与各环境数据序列之间的变化趋势关系进行分析，从而确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子。如此，有助于后续根据影响因子与滑落因子确定环境补偿系数，从而对边坡数据序列进行修正得到更加准确的修正数据序列，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

作为一个可选实施例，S201具体可以包括：

将目标边坡数据序列中第r-1时刻的边坡评价数据至第r时刻的边坡评价数据的瞬时斜率，与第r时刻的边坡评价数据至第r+1时刻的边坡评价数据的瞬时斜率相加，得到第一瞬时斜率和值，目标边坡数据序列为任意一个边坡数据序列，r为正整数；

将目标环境数据序列中第r-1时刻的环境评价数据至第r时刻的环境评价数据的瞬时斜率，与第r时刻的环境评价数据至第r+1时刻的环境评价数据的瞬时斜率相加，得到第二瞬时斜率和值，目标环境数据序列为任意一个环境数据序列；

获取目标边坡数据序列与目标环境数据序列的目标皮尔逊相关系数；

利用第一瞬时斜率和值、第二瞬时斜率和值以及目标皮尔逊相关系数，确定目标环境数据序列在第r时刻对目标边坡数据序列的影响度。

在本实施例中，目标环境数据序列在第r时刻对目标边坡数据序列的影响度具体可以通过以下公式2进行确定：

公式2

公式2中，用于表征在第时刻下第个环境数据序列对第个边坡数据序列的 影响度。用于表征第个边坡数据序列中第r-1时刻的边坡评价数据至第r时刻的边 坡评价数据的瞬时斜率，用于表征第个边坡数据序列中第r时刻的边坡评价数据至 第r+1时刻的边坡评价数据的瞬时斜率。用于表征第个环境数据序列中第r-1时刻 的环境评价数据至第r时刻的环境评价数据的瞬时斜率，用于表征第个环境数据序 列中第r时刻的环境评价数据至第r+1时刻的环境评价数据的瞬时斜率。用于表征第个 环境数据序列与第个边坡数据序列的皮尔逊相关系数，用于表征以自然常数为底的指 数函数。

其中，当环境数据序列与边坡数据序列的皮尔逊相关系数的正负相关性越强，说 明环境数据序列对边坡数据序列的影响越大，则影响度越大；用于 表征环境数据序列与边坡数据序列中相同时刻数据的瞬时趋势变化特征之间的差异，当环 境数据序列与边坡数据序列中相同时刻数据的瞬时趋势变化特征越接近的情况下，则说明 该环境数据序列对边坡数据序列的影响越大，则影响度越大。

通过本实施例，根据各边坡数据序列中边坡评价数据的瞬时斜率，以及各环境数据序列中环境评价数据的瞬时斜率，分析各环境数据序列对各边坡数据序列的影响度。如此，能够准确评价环境数据序列与边坡数据序列之间的相关性，从而有助于后续准确计算边坡位置在各时刻的环境补偿系数。从而能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

作为一个可选实施例，S202具体可以包括：

以目标边坡数据序列中第r时刻的边坡评价数据与目标环境数据序列中第r时刻的环境评价数据为中心，按照预设窗口大小构建得到第r时刻的边坡评价数据的第一时间窗口与第r时刻的环境评价数据的第二时间窗口，目标边坡数据序列为任意一个边坡数据序列，目标环境数据序列为任意一个环境数据序列，r为正整数；

将第一时间窗口内的数据最大值与数据最小值的差值确定为第一时间窗口的数据变化幅度，将第二时间窗口内的数据最大值与数据最小值的差值确定为第二时间窗口的数据变化幅度；

利用第一时间窗口的数据变化幅度、第二时间窗口的数据变化幅度以及目标环境数据序列在第r时刻对目标边坡数据序列的影响度，确定目标环境数据序列在第r时刻对目标边坡数据序列的影响因子。

在本实施例中，第一时间窗口用于表征边坡数据序列的时间窗口，第二时间窗口用于表征环境数据序列的时间窗口。第一时间窗口于第二时间窗口的窗口大小相等，即假设第一时间窗口的窗口大小为前后各10秒，则第二时间窗口的窗口大小也为前后各10秒。

作为一个示例，目标环境数据序列在第r时刻对目标边坡数据序列的影响因子具体可以通过以下公式3进行确定：

公式3

公式3中，用于表征在第时刻下第个环境数据序列对第个边坡数据序列的 影响因子。用于表征第个边坡数据序列中第r时刻的第一时间窗口中的数据最大 值，用于表征第个边坡数据序列中第r时刻的第一时间窗口中的数据最小值。 用于表征第个环境数据序列中第r时刻的第二时间窗口中的数据最大值，用于表征 第个环境数据序列中第r时刻的第二时间窗口中的数据最小值。用于表征在第时刻下 第个环境数据序列对第个边坡数据序列的影响度，用于表征以自然常数为底的指数 函数。

其中，当环境数据序列对边坡数据序列的影响度越大，则环境数据序列对边坡数据序列的影响因子也越大；当环境数据序列与边坡数据序列中相同时刻对应的时间窗口内的数据变化幅度越相似，即数据变化幅度的差异越小，则说明在当前时刻下环境数据序列对边坡数据序列的影响越大，则环境数据序列对边坡数据序列的影响因子越大。

通过本实施例，根据各边坡数据序列与各环境数据序列在各时间窗口的数据变化幅度以及各影响度，确定各环境数据序列对各边坡数据序列的影响因子。如此，通过对影响度进行进一步修正得到影响因子，能够有助于后续准确计算边坡位置在各时刻的环境补偿系数。从而能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

作为一个可选实施例，各边坡位置的边坡数据序列包括多个不同类型的边坡子数据序列；

S203具体可以包括：

对目标边坡位置的各边坡子数据序列中第r时刻的时间窗口内的各数据分别进行直线拟合，得到多个基准线，目标边坡位置为任意一个边坡位置，r为正整数；

将各边坡子数据序列中第r时刻的时间窗口内的各数据，分别与对应的基准线上的基准数据进行比较，得到各边坡子数据序列在第r时刻的时间窗口内的数据波动性；

利用各边坡子数据序列在第r时刻的时间窗口内的数据标准差，以及各边坡子数据序列在第r时刻的时间窗口内的数据波动性，确定各边坡子数据序列对应的局部滑坡可能性；

对各边坡子数据序列对应的局部滑坡可能性进行均值计算，得到目标边坡位置在第r时刻的滑坡可能性。

在本实施例中，存在多种边坡参数，因此边坡数据序列中可以包括多个不同类型的边坡子数据序列。示例地，可以包括位移对应的边坡子数据序列、倾斜角度对应的边坡子数据序列以及裂缝宽度对应的边坡子数据序列。

将边坡子数据序列中第r时刻的时间窗口内的各数据进行直线拟合，得到的拟合后的直线即为基准线。

局部滑坡可能性用于表征根据单个边坡子数据序列所得到的边坡位置发生滑坡现象的可能性。

作为一个示例，目标边坡位置在第r时刻的滑坡可能性具体可以通过以下公式4进行确定：

公式4

公式4中，用于表征目标边坡位置在第r时刻的滑坡可能性。用于表征目标边 坡位置的第s个边坡子数据序列中第r时刻的时间窗口内的数据标准差，n用于表征目标边 坡位置的边坡子数据序列的数量，norm用于表征线性归一化函数。用于表征目标边坡 位置的第s个边坡子数据序列中第r时刻的时间窗口内的第k个数据，用于表征目标边 坡位置的第s个边坡子数据序列中第r时刻的时间窗口内的第k个数据所对应的基准线上的 数据，m用于表征时间窗口内的数据数量，用于表征以自然常数为底的指数函数。

其中，当时间窗口内数据的标准差越大，则说明边坡出现异常的可能性越大，即滑 坡可能性越大；用于表征时间窗口内的数据与对应基准线上数据之 间的差异，当该差异越小，则滑坡可能性越大。

通过本实施例，基于各边坡数据序列在各时间窗口中的数据波动性，综合评价各边坡位置在各时刻的滑坡可能性。如此，准确确定各边坡位置在各时刻的滑坡可能性，能够有助于后续准确计算边坡位置在各时刻的环境补偿系数。从而能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

作为一个可选实施例，S204具体可以包括：

对第一边坡位置在各时刻的滑坡可能性进行均值计算，得到第一边坡位置的平均滑坡可能性；

对第二边坡位置在各时刻的滑坡可能性进行均值计算，得到第二边坡位置的平均滑坡可能性；

利用第一边坡位置的平均滑坡可能性、第二边坡位置的平均滑坡可能性以及第一边坡位置与第二边坡位置之间的距离，确定第一边坡位置与第二边坡位置之间的位置相似性。

在本实施例中，第一边坡位置与第二边坡位置之间的位置相似性具体可以通过以下公式5进行确定：

公式5

公式5中，用于表征第c个边坡位置与第v个边坡位置之间的位置相似性，用 于表征第c个边坡位置的平均滑坡可能性，用于表征第v个边坡位置的平均滑坡可能性。用于表征第c个边坡位置与第v个边坡位置之间的距离，用于表征以自然常数为底 的指数函数。

其中，当两个位置出现异常滑坡的可能性之间的差异越小，则说明两个位置之间的相似程度越大，即两个位置之间的位置相似性越大；当两个位置之间的距离越小，则两个位置之间的位置相似性越大。

通过本实施例，根据第一边坡位置的平均滑坡可能性、第二边坡位置的平均滑坡可能性以及第一边坡位置与第二边坡位置之间的距离，综合评估第一边坡位置与第二边坡位置之间的位置相似性。从而有助于后续根据边坡位置之间的位置相似性，确定边坡位置的待滑落因子，提高待滑落因子的确定准确性。

作为一个可选实施例，S205具体可以包括：

将第r时刻的滑坡可能性大于第一预设阈值的边坡位置，确定为第r时刻的疑似滑坡位置，r为正整数；

以疑似滑坡位置为种子点，基于各边坡位置之间的位置相似性，通过区域生长算法进行生长，得到疑似滑坡位置在第r时刻的待滑落区域；

基于疑似滑坡位置在第r时刻的待滑落区域，以及目标边坡位置与待滑落区域的中心位置之间的距离，确定目标边坡位置在第r时刻的待滑落因子，目标边坡位置为任意一个边坡位置。

在本实施例中，服务端将各边坡位置在第r时刻的滑坡可能性分别与第一预设阈值进行比较，然后将第r时刻的滑坡可能性大于第一预设阈值的边坡位置确定为第r时刻的疑似滑坡位置。

然后，根据上述公式5确定疑似滑坡位置与各相邻边坡位置之间的位置相似性，并将各位置相似性与第二预设阈值进行比较，将大于第二预设阈值的位置相似性对应的相邻边坡位置划分至疑似滑坡位置对应的待滑落区域中。然后，继续以待滑落区域中的其他边坡位置为中心，按照上述方式进行循环计算，直至待滑落区域中所有边坡位置与对应的相邻边坡位置之间的位置相似性均小于或等于第二预设阈值，即可得到疑似滑坡位置在第r时刻完整的待滑落区域。

然后，将第r时刻以及第r时刻之前各时刻的待滑落区域中包括的边坡位置数量，按照时间顺序组成边坡数量序列。并从后往前分析，依次判断倒数第一个数据是否大于倒数第二个数据，如果符合，则继续判断倒数第二个数据是否大于倒数第三个数据，如果符合，则继续判断，直至不符合时停止，获取此时符合条件的数据个数。

当符合条件的数据个数大于或等于预设数量阈值的情况下，则通过以下公式6确定目标边坡位置在第r时刻的待滑落因子：

公式6

公式6中，用于表征第c个边坡位置在第r时刻的待滑落因子，用于表征符合 条件的数据个数，用于表征预设数量阈值。用于表征第c个边坡位置到第r时刻的待滑 落区域的中心位置之间的距离，norm用于表征线性归一化函数。

当符合条件的数据个数小于预设数量阈值的情况下，则确定目标边坡位置在第r时刻的待滑落因子为0。

通过本实施例，在各边坡位置中筛选出第r时刻的疑似滑坡位置。然后，以疑似滑坡位置为种子点，基于各边坡位置之间的位置相似性，通过区域生长算法进行生长，得到疑似滑坡位置在第r时刻的待滑落区域。从而基于疑似滑坡位置在第r时刻的待滑落区域，以及目标边坡位置与待滑落区域的中心位置之间的距离，确定目标边坡位置在第r时刻的待滑落因子。如此，能够准确确定边坡位置的待滑落因子，从而能够提高边坡修整的准确性。

作为一个可选实施例，S103具体可以包括：

将各环境数据序列对目标边坡数据序列的影响因子进行均值计算，得到目标边坡位置的平均影响因子，目标边坡数据序列与目标边坡位置相对应；

将平均影响因子除以目标边坡位置在第r时刻的待滑落因子的值，进行线性归一化计算，得到目标边坡位置在第r时刻的环境补偿系数，r为正整数。

在本实施例中，目标边坡位置在第r时刻的环境补偿系数具体可以通过以下公式7进行确定：

公式7

在本实施例中，用于表征第个边坡位置的第个边坡数据序列在第个时刻 的边坡评价数据的环境补偿系数，用于表征第个边坡位置在第个时刻的待滑落因子，用于表征环境数据序列的数量,norm用于表征线性归一化函数。用于表征在第个 时刻下，第个边坡位置的第j个环境数据序列对第个边坡数据序列的影响因子。

其中，待滑落因子越小，数据可信度越高，则对其进行环境补偿越小，反之，则环境补偿系数越大。影响因子越大，数据可信度越低，则对其进行环境补偿越大，反之，则环境补偿系数越小。

通过本实施例，根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数。从而能够根据环境补偿系数，对边坡位置的边坡数据序列进行修正，得到边坡位置的修正数据序列。如此，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

基于水利工程用的边坡修整方法。相应地，本发明还提供了一种水利工程用的边坡修整装置的具体实施例。

图3示出了本发明实施例提供的水利工程用的边坡修整装置的结构示意图，该水利工程用的边坡修整装置300可以包括数据采集模块310、数据分析模块320、环境补偿模块330以及边坡修整模块340。

数据采集模块310，用于采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；

数据分析模块320，用于根据各边坡数据序列与各环境数据序列之间的变化趋势关系，确定各环境数据序列对各边坡数据序列的影响因子，以及各边坡位置在各时刻的待滑落因子，待滑落因子用于表征边坡位置的待滑落趋势；

数据分析模块320，还用于根据各影响因子以及各待滑落因子，确定各边坡位置在各时刻的环境补偿系数；

环境补偿模块330，用于通过各环境补偿系数，分别对各边坡位置的边坡数据序列进行修正，得到各边坡位置的修正数据序列；

边坡修整模块340，用于在修正数据序列满足预设修整条件的情况下，对相对应的边坡位置进行修整，得到修整后的目标边坡。

本发明实施例提供的水利工程用的边坡修整装置中，根据边坡数据序列与环境数据序列之间的变化趋势关系，确定环境数据序列对边坡数据序列的影响因子，以及边坡位置在各时刻的待滑落因子，能够提高环境数据序列对边坡数据序列的影响分析的准确性。然后，根据影响因子以及待滑落因子，确定边坡位置在各时刻的环境补偿系数。如此，本发明实施例通过考虑环境因素对边坡数据序列的影响，得到边坡位置在各时刻的环境补偿系数。然后利用环境补偿系数，对相应的边坡数据序列进行修正，从而得到边坡位置的修正数据序列。如此，能够提高采集到的边坡数据序列的准确性，进而提高边坡修整的准确性。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种水利工程用的边坡修整方法，其特征在于，所述方法包括：

采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列；

根据各所述边坡数据序列与各所述环境数据序列之间的变化趋势关系，确定各所述环境数据序列对各所述边坡数据序列的影响因子，以及各所述边坡位置在各时刻的待滑落因子，所述待滑落因子用于表征所述边坡位置的待滑落趋势；

根据各所述影响因子以及各所述待滑落因子，确定各所述边坡位置在各时刻的环境补偿系数；

通过各所述环境补偿系数，分别对各所述边坡位置的所述边坡数据序列进行修正，得到各所述边坡位置的修正数据序列；

在所述修正数据序列满足预设修整条件的情况下，对相对应的所述边坡位置进行修整，得到修整后的所述目标边坡；

其中，所述影响因子的获取方法包括：根据各所述边坡数据序列中边坡评价数据的瞬时斜率，以及各所述环境数据序列中环境评价数据的瞬时斜率，确定各所述环境数据序列对各所述边坡数据序列的影响度；根据各所述边坡数据序列与各所述环境数据序列在各时间窗口的数据变化幅度以及各所述影响度，确定各所述环境数据序列对各所述边坡数据序列的影响因子；

所述待滑落因子的获取方法包括：

基于各所述边坡数据序列在各所述时间窗口中的数据波动性，评价各所述边坡位置在各时刻的滑坡可能性；根据各所述边坡位置在各时刻的滑坡可能性，确定各所述边坡位置之间的位置相似性；

将第r时刻的滑坡可能性大于第一预设阈值的所述边坡位置，确定为所述第r时刻的疑似滑坡位置，所述r为正整数；以所述疑似滑坡位置为种子点，基于各所述边坡位置之间的位置相似性，通过区域生长算法进行生长，得到所述疑似滑坡位置在所述第r时刻的待滑落区域；

基于所述疑似滑坡位置在所述第r时刻的待滑落区域，以及目标边坡位置与所述待滑落区域的中心位置之间的距离，确定所述目标边坡位置在所述第r时刻的待滑落因子，所述目标边坡位置为任意一个所述边坡位置；

其中，所述根据各所述边坡数据序列中边坡评价数据的瞬时斜率，以及各所述环境数据序列中环境评价数据的瞬时斜率，确定各所述环境数据序列对各所述边坡数据序列的影响度，包括：

将目标边坡数据序列中第r-1时刻的边坡评价数据至第r时刻的边坡评价数据的瞬时斜率，与所述第r时刻的边坡评价数据至第r+1时刻的边坡评价数据的瞬时斜率相加，得到第一瞬时斜率和值，所述目标边坡数据序列为任意一个所述边坡数据序列，所述r为正整数；

将目标环境数据序列中第r-1时刻的环境评价数据至第r时刻的环境评价数据的瞬时斜率，与所述第r时刻的环境评价数据至第r+1时刻的环境评价数据的瞬时斜率相加，得到第二瞬时斜率和值，所述目标环境数据序列为任意一个所述环境数据序列；

获取所述目标边坡数据序列与所述目标环境数据序列的目标皮尔逊相关系数；

利用所述第一瞬时斜率和值、所述第二瞬时斜率和值以及所述目标皮尔逊相关系数，确定所述目标环境数据序列在第r时刻对所述目标边坡数据序列的影响度。

2.根据权利要求1所述的水利工程用的边坡修整方法，其特征在于，所述采集目标边坡上各边坡位置的边坡数据序列以及环境数据序列，包括：

将所述目标边坡按照预设划分尺寸，划分为多个边坡区域；

将各所述边坡区域的区域中心点，确定为所述边坡位置；

按照预设采集频率，分别采集各所述边坡位置的边坡评价数据以及环境评价数据，构成各所述边坡位置的边坡数据序列以及环境数据序列。

3.根据权利要求1所述的水利工程用的边坡修整方法，其特征在于，所述根据各所述边坡数据序列与各所述环境数据序列在各时间窗口的数据变化幅度以及各所述影响度，确定各所述环境数据序列对各所述边坡数据序列的影响因子，包括：

以目标边坡数据序列中第r时刻的边坡评价数据与目标环境数据序列中第r时刻的环境评价数据为中心，按照预设窗口大小构建得到所述第r时刻的边坡评价数据的第一时间窗口与所述第r时刻的环境评价数据的第二时间窗口，所述目标边坡数据序列为任意一个所述边坡数据序列，所述目标环境数据序列为任意一个所述环境数据序列，所述r为正整数；

将所述第一时间窗口内的数据最大值与数据最小值的差值确定为所述第一时间窗口的数据变化幅度，将所述第二时间窗口内的数据最大值与数据最小值的差值确定为所述第二时间窗口的数据变化幅度；

利用所述第一时间窗口的数据变化幅度、所述第二时间窗口的数据变化幅度以及所述目标环境数据序列在第r时刻对所述目标边坡数据序列的影响度，确定所述目标环境数据序列在第r时刻对所述目标边坡数据序列的影响因子。

4.根据权利要求1所述的水利工程用的边坡修整方法，其特征在于，各所述边坡位置的所述边坡数据序列包括多个不同类型的边坡子数据序列；

所述基于各所述边坡数据序列在各所述时间窗口中的数据波动性，评价各所述边坡位置在各时刻的滑坡可能性，包括：

对目标边坡位置的各所述边坡子数据序列中第r时刻的时间窗口内的各数据分别进行直线拟合，得到多个基准线，所述目标边坡位置为任意一个所述边坡位置，所述r为正整数；

将各所述边坡子数据序列中第r时刻的时间窗口内的各数据，分别与对应的所述基准线上的基准数据进行比较，得到各所述边坡子数据序列在所述第r时刻的时间窗口内的数据波动性；

利用各所述边坡子数据序列在所述第r时刻的时间窗口内的数据标准差，以及各所述边坡子数据序列在所述第r时刻的时间窗口内的数据波动性，确定各所述边坡子数据序列对应的局部滑坡可能性；

对各所述边坡子数据序列对应的局部滑坡可能性进行均值计算，得到所述目标边坡位置在所述第r时刻的滑坡可能性。

5.根据权利要求1所述的水利工程用的边坡修整方法，其特征在于，根据各所述边坡位置在各时刻的滑坡可能性，确定各所述边坡位置之间的位置相似性，包括：

对第一边坡位置在各时刻的滑坡可能性进行均值计算，得到所述第一边坡位置的平均滑坡可能性；

对第二边坡位置在各时刻的滑坡可能性进行均值计算，得到所述第二边坡位置的平均滑坡可能性；

利用所述第一边坡位置的平均滑坡可能性、所述第二边坡位置的平均滑坡可能性以及所述第一边坡位置与所述第二边坡位置之间的距离，确定所述第一边坡位置与所述第二边坡位置之间的位置相似性。

6.根据权利要求1所述的水利工程用的边坡修整方法，其特征在于，所述待滑落因子的计算公式，包括：

其中，用于表征第c个边坡位置在第r时刻的待滑落因子，用于表征符合条件的数 据个数，用于表征预设数量阈值，用于表征第c个边坡位置到第r时刻的待滑落区域的 中心位置之间的距离，norm用于表征线性归一化函数。

7.根据权利要求1-6任意一项所述的水利工程用的边坡修整方法，其特征在于，所述根据各所述影响因子以及各所述待滑落因子，确定各所述边坡位置在各时刻的环境补偿系数，包括：

将各所述环境数据序列对目标边坡数据序列的影响因子进行均值计算，得到目标边坡位置的平均影响因子，所述目标边坡数据序列与所述目标边坡位置相对应；

将所述平均影响因子除以所述目标边坡位置在第r时刻的待滑落因子的值，进行线性归一化计算，得到所述目标边坡位置在第r时刻的环境补偿系数，所述r为正整数。