知识引导的多模态滑坡监测数据时空一致性关联分析方法

Mining the potential, deep spatial-temporal correlation information from multi-source, multimodal monitoring data is the key to obtain information of disaster prevention and mitigation precursors. Due to lacking of landslide mechanism knowledge, the traditional method including deformation prediction by directly fitting multisource data and correlation analysis between the deformation and a single impact factor is difficult to obtain reliable results. Based on this, a novel method called knowledge-guided spatio-temporal consistent correlation analysis was developed to discover reliable deformation features induced by multiple factors based on multimode landslide monitoring data. Compared to conventional approaches, this method integrates both temporal and spatial correlation analysis to improve the consistency of deformation patterns and capture the spatio-temporal heterogeneities in multimode monitoring data. method considers both the landslide deformation mechanisms and the relationships between different influential factors as knowledge. Moreover, the method extracts the morphological structures of monitoring curves based on a seven-point approach and identifies knowledge rules using the k-means clustering method. Under the guidance of prior knowledge, a spatial correlation analysis is conducted based on support vector regression, and a temporal correlation analysis of the time lag is carried out based on the morphological structure features. Finally, three kinds of typical monitoring data, including deformation, rainfall, and reservoir water level data collected in the typical landslide area, China, are used for experimental analysis to verify the validity of the proposed method.

从天空地多源多模态监测数据中挖掘潜在、深层的时空关联信息是获取防灾减灾救灾的前兆信息和判别临灾突变信息的关键，多种致灾因子及其相互之间的复杂关系和动态演化增加了时空分析难度，导致已有时空独立和直接拟合的形变分析方法难以获得一致可靠的结果，为此本项目研究知识引导的多模态滑坡监测数据时空一致性关联分析方法，主要内容包括：建立数据时空变化的语义描述模型和特征提取方法，准确刻画监测数据变化特征及其与时空变化之间的语义关联关系，将两列时序数据时间滞后的逐节点遍历分析转化为形态结构特征的比较计算；通过聚类分析获取滑坡形变敏感性机理知识规则；建立数据变化特征与滑坡形变敏感性之间的语义映射，在知识规则的约束下基于支持向量回归机进行滑坡形变空间回归分析，通过形态结构特征的相似性分析完成时间滞后分析，实现时空一致性关联分析。旨在为滑坡灾害监测大数据分析提供新的有效的途径，并丰富和发展时空数据分析的理论方法。

本研究面向多模态滑坡监测数据关联分析的需求，为了获取潜在的、复杂的、深层的时空一致的关联模式，围绕地形、地质、人文、水文数据影响下的时空关联，开展数据优选、数据的组织管理，粗差剔除和滑坡监测数据时空一致性关联分析方法研究。具体： .（1）针对多源、异构数据时空覆盖度不均，分辨率不同，质量好坏不一，语义信息多样等问题，提出知识语义约束的灾情评估优势信息选取方法，利用知识图谱技术研究灾情要素间知识关联表达、发现与推理方法，形成约束规则，为灾害监测数据分析提供了优选结果数据。研究多模态数据的组织管理方法，借鉴全球离散网格思路，提出了地球剖分型GIS数据模型，实现滑坡监测数据的统一组织和高效管理，为时空大数据的融合管理提供理论支撑。.（2）针对多元传感监测的滑坡致灾因子数据中数据质量低的问题，提出知识引导的滑坡监测数据粗差定位与剔除方法，对已有监测数据进行数据清洗，根据已有研究成果甄别奇异值因环境变化引起的突变，开展粗差或监测奇异值判定，基于多因子约束模型引导下的卡尔曼滤波实现滑坡变形数据粗差定位与剔除，提高滑坡监测数据粗差剔除的精确化、自动化、智能化水平。.（3）在滑坡演进形变敏感性机理知识规则的约束下，提出滑坡形变空间回归分析，滑坡形变时间滞后分析，开展时空协同的分析方法。利用三峡区域内白水河滑坡的时序监测数据开展时空分析验证，验证了本研究方法的可靠性。该理论丰富了数据优选方法、时空数据组织管理方法，拓展了时空分析方法在灾害应急管理中的应用范围。