基于BIM+GIS的地质灾害监测预警平台的研究与实现

作     者：肖皇屿 

作者单位：西南交通大学 

学位级别：硕士

导师姓名：马征

授予年度：2021年

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 081803[工学-地质工程] 07[理学] 08[工学] 0818[工学-地质资源与地质工程] 070503[理学-地图学与地理信息系统] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

主      题：地理信息系统 BIM三维地质模型 地质灾害 监测预警 位移预测模型 

摘      要：地质灾害对世界上许多地区的生命和财产造成了重大威胁,尤其在中国。目前传统的地质灾害监测预警系统大多基于二维的地理信息系统,往往具有可视化能力弱,模型预测准确度不可靠等缺点。基于我国目前地质灾害的严峻形势,研究一套能有效预测地质灾害发生的预警系统已成为当下地质灾害防治的迫切任务。本文以江西省新余市渝水区湖陂村滑坡监测项目为例,旨在将三维BIM地质模型、GIS数据和北斗高精度基准站网与地质灾害监测预警系统相结合,设计实现了一个适用于多个地质灾害隐患点的监测预警平台,提出了一种新的组合模型来预测地质灾害的发生,提高了监测预警平台的可视化能力和预测预警能力,减少地灾带来的损失,为我国的防灾减灾工作提供了更加科学的依据和决策参考。论文的研究内容和成果如下:1.将BIM地质模型引入到地灾监测预警平台中。本文基于钻孔数据和SuperMap iDesktop软件实现了对地质体的三维建模和可视化分析,通过在三维BIM地质模型上叠加动态的体元栅格三维空间场数据,不仅实现了数据的升维表达,同时也解决了传统静态BIM地质模型实时性和协同性表达弱的缺点。2.研究实现了基于地质灾害位移形变的组合预测模型。本文提出了一种新的基于机器学习与时间序列分析的最佳权重组合模型,可以通过位移形变数据预测地质灾害的发生。该组合模型的基本模型由岭回归、SVM、GRU以及ARIMA构成,权值计算过程借鉴了机器学习中集成学习的Soft Voting权重投票思想,解决了传统单一位移形变预测模型无法准确描述变形和演化规律的局限性。另外,在数据预处理阶段提出了相对完善的数据处理流程,包括异常数据处理、缺失数据插值、使用卡尔曼滤波方法降噪等。通过预测结果与真实数据的对比分析,拥有最佳权重的组合模型预测精度高于任一基本模型,并且优于scikit-learn机器学习算法库的Voting Regressor投票回归器方法。3.设计实现了基于BIM+GIS的地质灾害监测预警平台与配套移动端微信小程序。平台采用B/S结构,监测预警平台框架的搭建采用了前后端分离的方式。该平台实现了基于BIM+GIS的三维地质灾害一体化监测大屏、基础数据管理、实时监测、群测群防、预警规则配置、预测预警以及预警发布等模块,并基于微信小程序开发平台实现了配套的群测群防巡检人员巡查移动端。