大數(shù)據(jù)支持下的地災(zāi)監(jiān)測(cè)預(yù)警平臺(tái)設(shè)計(jì)思路

大數(shù)據(jù)支持下的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警云平臺(tái)設(shè)計(jì)思路第三部分總體設(shè)計(jì)第一部分設(shè)計(jì)背景目 錄第四部分究支撐設(shè)計(jì)思路第二部分發(fā)生災(zāi)害死亡人數(shù)經(jīng)濟(jì)損失9341起小型地災(zāi)

數(shù)據(jù)來(lái)源：《全國(guó)地質(zhì)災(zāi)害防治“十三五”規(guī)劃》及《2016中國(guó)國(guó)土資源公報(bào)》21起 41起特大型地災(zāi) 大型地災(zāi)307起中型地災(zāi)51%148214處12%31687處14%41146處23%67487處泥石流其他崩塌 滑坡共威脅

1891萬(wàn)人截止2015年底，全國(guó)有地質(zhì)災(zāi)害隱患點(diǎn)288525處和 4431億元財(cái)產(chǎn)安全由于我國(guó)地形地貌多樣，地質(zhì)條件復(fù)雜，地質(zhì)災(zāi)害隱患分布廣泛，臺(tái)風(fēng)、強(qiáng)降雨等極端天氣頻發(fā)，地質(zhì)災(zāi)害防治工作面臨的形勢(shì)依然嚴(yán)峻。地質(zhì)災(zāi)害防治形勢(shì)依然嚴(yán)峻大數(shù)據(jù)4V2V1V3VVolume數(shù)據(jù)體量大Value 價(jià)值密度低Velocity更新速度快Variety數(shù)據(jù)種類多Gartner需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。Wikipedia大數(shù)據(jù)是指無(wú)法在可承受的時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。定義特征理念一：讓機(jī)器擁有理解數(shù)據(jù)的能力大數(shù)據(jù)帶來(lái)的最大價(jià)值就是“智慧”，大數(shù)據(jù)讓機(jī)器變得有智慧，同時(shí)人工智能進(jìn)一步提升了處理和理解數(shù)據(jù)的能力。理念二：風(fēng)馬?？上嗉霸诖髷?shù)據(jù)背景下，讓似毫不相干的現(xiàn)象之間發(fā)生一定的關(guān)聯(lián)，使人們能夠更簡(jiǎn)捷、更清晰地認(rèn)知事物和把握局勢(shì)。谷歌AlphaGo大勝世界圍棋冠軍阿里云小Ai成功預(yù)測(cè)出《我是歌手》的總決賽歌王iPhone上智能化語(yǔ)音機(jī)器人Siri一、設(shè)計(jì)背景 國(guó)土資源大數(shù)據(jù)建設(shè)重大數(shù)據(jù)已經(jīng)成為國(guó)家重要戰(zhàn)略資源，成為我國(guó)經(jīng)濟(jì)轉(zhuǎn)型的新動(dòng)力，推動(dòng)政府治理能力提升的新途徑。2015-2017年，國(guó)家先后發(fā)布了《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》、《大數(shù)據(jù)發(fā)展產(chǎn)業(yè)規(guī)劃（2016-2020）》系統(tǒng)性地提出了我國(guó)大數(shù)據(jù)的發(fā)展的頂層設(shè)計(jì)，國(guó)土資源部2016年7月正式發(fā)布了《關(guān)于促進(jìn)國(guó)土資源大數(shù)據(jù)應(yīng)用發(fā)展的實(shí)施意見(jiàn)》明確了國(guó)土資源大數(shù)據(jù)建設(shè)的主要任務(wù)：國(guó)土資源部對(duì)大數(shù)據(jù)工作的總體要求構(gòu)建數(shù)據(jù)目錄構(gòu)建統(tǒng)一的國(guó)土資源數(shù)據(jù)資源體系。梳理各類國(guó)土資源數(shù)據(jù)，形成數(shù)據(jù)資源目錄。匯聚整合土地、不動(dòng)產(chǎn)、地質(zhì)礦產(chǎn)、地質(zhì)環(huán)境與地質(zhì)災(zāi)害防治等各類數(shù)據(jù)。推動(dòng)共享開(kāi)放建立充分共享、適度開(kāi)放、安全可靠的國(guó)土資源數(shù)據(jù)共享開(kāi)放新機(jī)制，形成國(guó)土資源數(shù)據(jù)在系統(tǒng)內(nèi)和政府部門(mén)間充分共享和向社會(huì)有序開(kāi)放的新局面。創(chuàng)新和深化大數(shù)據(jù)在國(guó)土資源形勢(shì)分析、決策支持和信息服務(wù)中的應(yīng)用，構(gòu)建決策支持系統(tǒng)、智庫(kù)信息化工作平臺(tái)，加強(qiáng)國(guó)土資源信息服務(wù)。培育智能化國(guó)土資源調(diào)查評(píng)價(jià)監(jiān)測(cè)應(yīng)用新業(yè)態(tài)。推進(jìn)國(guó)土資源調(diào)查評(píng)價(jià)監(jiān)測(cè)技術(shù)研發(fā)，培育智能地質(zhì)調(diào)查、智慧探礦、土地智能監(jiān)測(cè)等應(yīng)用新業(yè)態(tài)。促進(jìn)業(yè)務(wù)創(chuàng)新地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警技術(shù)現(xiàn)狀概述數(shù)據(jù)傳輸?shù)乇碜冃伪O(jiān)測(cè)平板電腦

智能手機(jī)

APP應(yīng)用GNSS GNSS ……地下變形監(jiān)測(cè)應(yīng)力應(yīng)變

地面傾斜

……地下水體監(jiān)測(cè)水位水壓

土層含水

……氣象因素監(jiān)測(cè)降雨量 風(fēng)速風(fēng)向 ……其他監(jiān)測(cè)視頻 地聲 ……不同類型（成因）地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警模型構(gòu)建信息管理預(yù)警信息發(fā)布數(shù)據(jù)管理專家會(huì)商應(yīng)急指揮預(yù)警信息廣播電臺(tái)電視媒體微信微博預(yù)警警報(bào)入村喇叭互聯(lián)網(wǎng)衛(wèi)星定位遙感監(jiān)測(cè)傳感器互聯(lián)網(wǎng)崩塌災(zāi)害監(jiān)測(cè) 泥石流災(zāi)害監(jiān)測(cè)

滑坡災(zāi)害監(jiān)測(cè)

地面塌陷災(zāi)害監(jiān)測(cè) 地裂縫災(zāi)害監(jiān)測(cè)

地面沉降災(zāi)害監(jiān)測(cè)初步構(gòu)建了群測(cè)群防與專業(yè)監(jiān)測(cè)相結(jié)合監(jiān)測(cè)網(wǎng)絡(luò)，積累、沉淀了大量的監(jiān)測(cè)數(shù)據(jù)、預(yù)警模型，以及地質(zhì)災(zāi)害成因規(guī)律研究等數(shù)據(jù)、資料。需要進(jìn)一步完善的問(wèn)題雖然在“十二五”期間地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警取得了較顯著的成效，但仍存在著一定的差距，具體表現(xiàn)在以下四個(gè)方面：既往數(shù)據(jù)的作用地災(zāi)數(shù)據(jù)的種類紛繁復(fù)雜，隱藏在數(shù)據(jù)背后的成災(zāi)規(guī)律未得到深入挖掘，既往數(shù)據(jù)的作用尚無(wú)法充分體現(xiàn)。模型自我完善現(xiàn)有的模型是通過(guò)假設(shè)再驗(yàn)證而得出，需要多方面專家論證，模型無(wú)法進(jìn)行動(dòng)態(tài)自我優(yōu)化。模型的通用性現(xiàn)有模型受區(qū)域地質(zhì)、氣候等特性影響較大，存在一定的局限性，難以全國(guó)通用，且無(wú)法進(jìn)行精細(xì)化分析。建設(shè)成本的控制現(xiàn)有系統(tǒng)受區(qū)域特性的影響，個(gè)性化比較強(qiáng)，不同的區(qū)域需要構(gòu)建不同的系統(tǒng)，建設(shè)成本高，資源利用率低。第二部分設(shè)計(jì)思路第三部分總體設(shè)計(jì)第一部分設(shè)計(jì)背景目 錄第四部分研究支撐引入知識(shí)圖譜技術(shù)運(yùn)用知識(shí)圖譜技術(shù)，將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化，增加非結(jié)構(gòu)化數(shù)據(jù)的有效利用。構(gòu)建大數(shù)據(jù)平臺(tái)采集匯聚多源數(shù)據(jù)，形成數(shù)據(jù)資源池，搭建大數(shù)據(jù)平臺(tái)，為后期的大數(shù)據(jù)價(jià)值挖掘和應(yīng)用分析提供數(shù)據(jù)和平臺(tái)基礎(chǔ)

。運(yùn)用人工智能技術(shù)通過(guò)機(jī)器的連續(xù)學(xué)習(xí)，不斷積累經(jīng)驗(yàn)，挖掘多源數(shù)據(jù)價(jià)值，使模型自我優(yōu)化，實(shí)現(xiàn)精細(xì)化分析。3x4132針對(duì)以上需要完善的問(wèn)題，我們整理了大數(shù)據(jù)支持下的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警平臺(tái)的總體設(shè)計(jì)思路。大數(shù)據(jù)支持下的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警平臺(tái)總體設(shè)計(jì)思路人工智能可以基于經(jīng)驗(yàn)來(lái)感知、推理、行動(dòng)和自我調(diào)試，具備自我優(yōu)化和完善的功能。案例特征提取模型訓(xùn)練引入人工智能技術(shù)模型庫(kù)（models）M訓(xùn)練階段（Training）測(cè)試階段（Testing）測(cè)試特征提取打分判定得出結(jié)果模型庫(kù)1模型庫(kù)2模型庫(kù)N結(jié)構(gòu)化數(shù)據(jù)基礎(chǔ)數(shù)據(jù)監(jiān)測(cè)數(shù)據(jù)氣象數(shù)據(jù)遙感數(shù)據(jù)無(wú)人機(jī)新聞報(bào)道數(shù)據(jù)歷史文獻(xiàn)數(shù)據(jù)……社交網(wǎng)絡(luò)平臺(tái)匯聚支撐大數(shù)據(jù)將結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一匯聚到DATA

LAKE中，通過(guò)深度學(xué)習(xí)，支撐地質(zhì)災(zāi)害的決策分析。影像數(shù)據(jù)……經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)……非結(jié)構(gòu)化數(shù)據(jù)運(yùn)用人工智能技術(shù)——發(fā)揮多源數(shù)據(jù)價(jià)值深度學(xué)習(xí)區(qū)域化地災(zāi)預(yù)測(cè)模型自然因素地形地貌地層巖性植被覆蓋度距水系距離降水量……人為因素大壩修建道路建設(shè)沙土堆積……地災(zāi)誘因分析地災(zāi)隱患點(diǎn)定位及區(qū)域化地災(zāi)預(yù)測(cè)模型的建立分析歷史地災(zāi)發(fā)生區(qū)域的自然因素和人為因素，剖析地災(zāi)誘因，建立區(qū)域化地災(zāi)預(yù)測(cè)模型。對(duì)地災(zāi)隱患區(qū)域進(jìn)行重點(diǎn)遙感實(shí)時(shí)監(jiān)測(cè)，通過(guò)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)和區(qū)域化地災(zāi)預(yù)測(cè)模型，完成地災(zāi)預(yù)警。歷史地災(zāi)分布地災(zāi)隱患區(qū)Warning…地災(zāi)預(yù)警歷史數(shù)據(jù)Where？When？Probability？發(fā)生區(qū)域發(fā)生時(shí)間發(fā)生概率……實(shí)時(shí)遙感監(jiān)測(cè)數(shù)據(jù)無(wú)人機(jī)拍攝

實(shí)時(shí)氣象數(shù)據(jù)目標(biāo)位移數(shù)據(jù)……二、設(shè)計(jì)思路 遙感技術(shù)在地災(zāi)監(jiān)測(cè)預(yù)警中的作用引入知識(shí)圖譜技術(shù)，提取非結(jié)構(gòu)化數(shù)據(jù)中的有效信息。二、設(shè)計(jì)思路 引入知識(shí)圖譜技術(shù)非結(jié)構(gòu)化數(shù)據(jù)語(yǔ)義重構(gòu)智能爬蟲(chóng)57信息抽取及標(biāo)記規(guī)則抽取分詞分析及圖形展現(xiàn)XML文件半結(jié)構(gòu)化及結(jié)構(gòu)化數(shù)據(jù)庫(kù)表結(jié)構(gòu)化通過(guò)深度學(xué)習(xí)對(duì)格網(wǎng)、圖斑或任意指定區(qū)域進(jìn)行個(gè)性化模型定制，每個(gè)格網(wǎng)或圖斑都是一個(gè)獨(dú)立的模型，并通過(guò)相似性分析預(yù)測(cè)相似區(qū)域的地質(zhì)災(zāi)害，根據(jù)不同模型實(shí)現(xiàn)對(duì)不同區(qū)域的精細(xì)化分析。運(yùn)用人工智能技術(shù)——個(gè)性化模型定制Deep

Learning模型1模型2模型3……相似性分析預(yù)測(cè)出相似區(qū)域發(fā)生地質(zhì)災(zāi)害的類型及概率第二部分設(shè)計(jì)思路第三部分總體設(shè)計(jì)第一部分設(shè)計(jì)背景目 錄第四部分研究支撐設(shè)計(jì)目標(biāo)探索利用大數(shù)據(jù)分析、挖掘、檢索和可視化等技術(shù)，

整合各類地質(zhì)環(huán)境與地質(zhì)災(zāi)害防治數(shù)據(jù)，并與氣象、水利、農(nóng)業(yè)和環(huán)保等政府部門(mén)以及互聯(lián)網(wǎng)媒體數(shù)據(jù)結(jié)合，構(gòu)建地災(zāi)知識(shí)圖譜，進(jìn)行聚合與關(guān)聯(lián)分析，建立分析模型與預(yù)測(cè)模型，開(kāi)發(fā)智能化地質(zhì)災(zāi)害監(jiān)測(cè)分析預(yù)警平臺(tái)，全面提升地質(zhì)環(huán)境與地質(zhì)災(zāi)害防治信息的分析與預(yù)警、決策與處置能力和信息服務(wù)水平。城建 環(huán)保交通能源 水利氣象災(zāi)情報(bào)告地災(zāi)案例成功案例……地形地貌地質(zhì)構(gòu)造地表地下水氣象數(shù)據(jù)人類活動(dòng)專業(yè)監(jiān)測(cè)數(shù)據(jù)互聯(lián)網(wǎng)數(shù)據(jù)……大數(shù)據(jù)挖掘、構(gòu)建知識(shí)圖譜、聚合與關(guān)聯(lián)分析、機(jī)器學(xué)習(xí)、可視化網(wǎng)格化畫(huà)像（相似性分析）自主優(yōu)化、選擇數(shù)據(jù)采集整理分析、學(xué)習(xí)、建模網(wǎng)格模型自適應(yīng)數(shù)據(jù)價(jià)值模型普適預(yù)警精準(zhǔn)提升預(yù)警信息水平提供服務(wù)、開(kāi)放接口數(shù)據(jù)架構(gòu)歷史案例（發(fā)生、預(yù)測(cè)成功、預(yù)測(cè)失?。I(yè)類數(shù)據(jù)庫(kù)（含各部門(mén)）危險(xiǎn)性評(píng)估成果人口金融稅收法人互聯(lián)網(wǎng)數(shù)據(jù)城市建設(shè)交通行業(yè)能源行業(yè)水利行業(yè)氣象行業(yè)地災(zāi)調(diào)查成果地災(zāi)監(jiān)測(cè)成果地表變形監(jiān)測(cè)地下變形監(jiān)測(cè)地下水體監(jiān)測(cè)氣象因素監(jiān)測(cè)其他監(jiān)測(cè)植被類型及分布情況表土層厚度氣象條件地層巖性地形地貌地質(zhì)構(gòu)造水文地質(zhì)土地用途變更情況人類活動(dòng)類型土地用途土壤土質(zhì)相似性描述指標(biāo)多層次格網(wǎng)數(shù)據(jù)數(shù)據(jù)預(yù)處理結(jié)構(gòu)特征參數(shù)選取格網(wǎng)結(jié)構(gòu)特征參數(shù)計(jì)算相似網(wǎng)格提取地震影響庫(kù)水變化膨脹土岸坡堤壩滲透滑坡降雨量氣溶膠臺(tái)風(fēng)環(huán)流形勢(shì)大氣環(huán)境條件深度學(xué)習(xí)傳統(tǒng)機(jī)器學(xué)習(xí)基于統(tǒng)計(jì)模式的方法：最大似然法通用線性回歸支持向量機(jī)（SVM）：線性不可分時(shí)，納入非線性映射算法使其線性可分缺陷：嚴(yán)重依賴于特征方法選擇技巧無(wú)法自主抽取和組織原生特征深度學(xué)習(xí)原理：不需要手工提取特征，通過(guò)大量標(biāo)注樣本指導(dǎo)神經(jīng)網(wǎng)絡(luò)來(lái)自動(dòng)學(xué)習(xí)目標(biāo)特征方法：CNN（卷積神經(jīng)網(wǎng)絡(luò)）RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）玻爾茲曼機(jī)……比較優(yōu)勢(shì)：從大量的標(biāo)注數(shù)據(jù)中，自動(dòng)學(xué)習(xí)特征，所學(xué)特征對(duì)目標(biāo)的表達(dá)能力很強(qiáng)前提：需要較為強(qiáng)大的計(jì)算機(jī)集群能力(帶GPU）和大量的標(biāo)注數(shù)據(jù)深度學(xué)習(xí)基于歷史數(shù)據(jù)定位地災(zāi)隱患區(qū)，并結(jié)合多源對(duì)類型大數(shù)據(jù)分析地災(zāi)誘因，以深度學(xué)習(xí)的方式構(gòu)建區(qū)域個(gè)性化地災(zāi)預(yù)測(cè)模型，最后，不同隱患區(qū)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)放入對(duì)應(yīng)模型中，實(shí)現(xiàn)地災(zāi)預(yù)警。地災(zāi)點(diǎn)數(shù)據(jù)歷史遙感影像降水量DEM植被覆蓋度地形地貌、地層巖性深度學(xué)習(xí)氣象數(shù)據(jù)無(wú)人機(jī)實(shí)時(shí)拍攝微變雷達(dá)實(shí)時(shí)監(jiān)測(cè)目標(biāo)位移數(shù)據(jù)隱患區(qū)定位、誘因分析三、總體設(shè)計(jì) 典型應(yīng)用場(chǎng)景不同類型（成因）地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警模型構(gòu)建現(xiàn)有的監(jiān)測(cè)預(yù)警平臺(tái)信息管理預(yù)警信息發(fā)布數(shù)據(jù)管理

專家會(huì)商

應(yīng)急指揮結(jié)構(gòu)化數(shù)據(jù)基礎(chǔ)數(shù)據(jù)

監(jiān)測(cè)數(shù)據(jù)經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)氣象數(shù)據(jù) ……遙感數(shù)據(jù)新聞報(bào)道數(shù)據(jù)無(wú)人機(jī)……歷史文獻(xiàn)數(shù)據(jù)社交網(wǎng)絡(luò)平臺(tái)格網(wǎng)個(gè)性化地災(zāi)預(yù)測(cè)模型相輔相成，輔助決策第二部分設(shè)計(jì)思路第三部分總體設(shè)計(jì)第一部分設(shè)計(jì)背景目 錄第四部分研究支撐研究支撐--技術(shù)條件微變監(jiān)測(cè)雷達(dá)多角度形變監(jiān)測(cè)雷達(dá)系統(tǒng)控制軟件。登記號(hào)：2016SR126058方向圖微變監(jiān)測(cè)雷達(dá)圖像采集與分析軟件。登記號(hào)：2017SR126102……一種遙感影像多尺度語(yǔ)義的調(diào)制方法,CN201210344453.7線性陣列天線正交頻分MIMO-SAR收發(fā)裝置和方法。專利號(hào)：ZL

201410561552X專利自主研發(fā)的高精度微小形變監(jiān)測(cè)系統(tǒng)，通過(guò)獲取觀測(cè)區(qū)域的長(zhǎng)時(shí)間序列微波圖像，實(shí)現(xiàn)對(duì)觀測(cè)區(qū)域微小變化的高精度實(shí)時(shí)監(jiān)測(cè)。軟件著作權(quán)三、總體設(shè)計(jì) 研究支撐--微變監(jiān)測(cè)雷達(dá)產(chǎn)品系列——1MPDMR-05-LSA1701（經(jīng)典款）特點(diǎn)：中長(zhǎng)期、24小時(shí)、百萬(wàn)監(jiān)測(cè)點(diǎn)應(yīng)用：廣泛用于地質(zhì)災(zāi)害、露天礦山、大壩碼頭、橋、城市建筑、公路鐵路監(jiān)測(cè)等場(chǎng)合研究支撐--微變監(jiān)測(cè)雷達(dá)產(chǎn)品系列——2MPDMR-02-PSA1707

（輕型款）特點(diǎn)：便攜、多站點(diǎn)多時(shí)段巡視監(jiān)測(cè)應(yīng)用：地