Содержание к диссертации
Введение
1. Народно-хозяйственное значение и сущность задачи геоинформационного исследования оползневых процессов 5
1.1. Характеристика объектов диссертационного исследования (на примере территорий Нижнего Дона) 14
1.1.1. Территориально распределенные объекты природного ландшафта 14
1.1.2. Урбанизированные территории 19
1.2. Классификация оползнеопасных территорий 24
1.3. Актуальность построения и основные требования к геоинформационной системе мониторинга оползневых процессов 29
2. Цифровое моделирование оползневых процессов 33
2.1. Понятие о моделировании. Роль и место моделей в идентификации оползневых процессов 33
2.2. Аналитическое моделирование оползневых процессов 37
2.3. Имитационное моделирование развития оползней 45
2.4. Физическое моделирование условий образования и динамики оползневых процессов 51
2.5. Построение признакового пространства исследования и корреляционный анализ оползневых процессов 54
2.6. Формализованные методы классификации оползневых территорий 66
3. Анализ состояния проблемы и развитие геоинформационной системы мониторинга оползневых процессов 77
3.1. Общий анализ проблемы синтеза геоинформационной системы мониторинга оползней 77
3.2. Технологии, основанные на беспроводных сенсорных сетях 84
3.3. Архитектура и алгоритмы авторского варианта системы мониторинга оползневых процессов 89
3.4. Алгоритм функционирования интеллектуальной геоинформационной системы мониторинга оползневых процессов 93
3.5 Оценка опасности и риска развития оползневых процессов 104
4. Прикладные аспекты разработки и внедрения геоинформационной системы мониторинга оползневых процессов 109
4.1. Результаты исследования оползневых процессов 109
4.2. Программно-математическое обеспечение системы 117
4.3. Техническое обеспечение геоинформационной системы мониторинга оползневых процессов 128
4.3.1. Средства идентификации состояния оползня
4.3.2. Организация каналов передачи информации 140
Заключение 148
Список использованной литературы 151
Приложения 165
- Актуальность построения и основные требования к геоинформационной системе мониторинга оползневых процессов
- Построение признакового пространства исследования и корреляционный анализ оползневых процессов
- Алгоритм функционирования интеллектуальной геоинформационной системы мониторинга оползневых процессов
- Техническое обеспечение геоинформационной системы мониторинга оползневых процессов
Введение к работе
Актуальность темы исследования.
Устойчивое и эффективное развитие общества зависит от степени его защищенности от опасных природных и техногенных процессов. В связи с резким изменением климата планеты, увеличивающейся антропогенной нагрузкой на геологическую среду актуализируются проблемы активизации таких экзогенных процессов как оползни и сели. Достаточно проанализировать события последних лет в России (например, Краснодарский край, апрель, 2011 год), Китае, ряде европейских стран, и других странах.
Оползневые процессы представляют серьезную угрозу, оказывают прямое или косвенное воздействие на природу, экономику и социальное благополучие населения, а иногда их активизация приводит к человеческим жертвам и материальным потерям.
В этой связи становится необходимой разработка геоинформационной технологии исследования оползневых процессов, представленной автоматизированной, постоянно функционирующей системой геоинформационного мониторинга оползней, способной оценить в реальном масштабе времени степень опасности, спрогнозировать возникновение опасных тенденций, заблаговременно оповестить, и по возможности упредить негативные явления.
Для решения поставленной задачи необходимо шире внедрять цифровые методы обработки информации, полученной с помощью геоинформационного моделирования и полевых наблюдений.
Успешное решение задачи разработки технологии геоинформационного исследования оползневых процессов основывается на выявлении комплекса взаимосвязанных проблем:
- инженерно-геологических (исследование свойств грунтов, строения грунтового массива и характера влияния на них различных природных и техногенных факторов);
- технологических (обеспечение системного построения геоинформационной системы мониторинга);
- технических (выбор средств геоинформационной системы мониторинга объекта исследования, организации каналов связи, вычислительных средств);
- информационных (хранение, отображение и использование полученной информации для анализа, прогноза и управления оползневой ситуации);
- математических (построение и использование моделей исследуемых процессов и процедур принятия решений) и других.
Степень разработанности проблемы.
Проблемы создания геоинформационных систем исследования сложных природных и техногенных объектов освещены в трудах: Т. А. Барабошкиной, Ю. Б. Баранова, В. Г. Бондура, В. К. Епишина, И. Г. Журкина, В. Е. Закруткина, А. Д. Иванникова, А. П. Камышева, В. П. Кулагина, С. В. Козловского, В. И. Коробкина, В. А. Королева, И. К. Лурье, С. И. Матвеева, В. И. Осипова, А. В. Погорелова, А. Л. Ревзона, В. П. Савиных, А. Н. Тихонова, В. Т. Трофимова, Ю. А. Федорова, Н. М. Хансиваровой, В. Я. Цветкова, М. А. Шубина и других авторов.
Инструментальные средства (математические, информационные, программные, технические) представлены в работах П. П. Бескида, Г. В. Демьянова, А. Г. Дружинина, Е. Б. Клюшина, С. М. Ковалева, И. Ф. Куштина, С. Лоусона, И. К. Лурье, Н. Н. Лябаха, А. А. Майорова, Ю. И. Маркузе, И. Б. Фоминых, З. Б. Хакиева, В. Я. Цветкова, В. А. Шабельникова, Б. В. Щукина, В. А. Явны и других авторов.
Вопросы генезиса оползней исследованы в работах: В. П. Ананьева, Г. К. Бондарика, В. В. Виноградова, А. Г. Гликмана, Е. П. Емельяновой, Г. С. Золотарева, И. А. Клевцова, В. В. Кюнтцеля, Н. Н. Маслова, И. В. Ниязова, В. И. Осипова, А. П. Павлова, Ф. П. Саваренского, К. Терцаги, Н. Ф. Петрова, Г. П. Постоева, А. Л. Ревзона, И. Н.Сафронова и других авторов.
Механизмы расчета параметров оползневых процессов разрабатывались Э. В. Калининым, Н. Моргенштерном, Н. Н. Масловым, С.И. Маций, В. В. Пендиным, Г. П. Постоевым, К. Терцаги, Д. Тейлором, И. О. Тихвинским, Р. Р. Чугаевым, А. Л. Рогозиным, Г. И. Тер-Степоняном, К. Ш. Шадунцем, Г. М. Шахунянцем, А. И. Шеко, Л. Шукле и другими авторами.
Проблемы создания геоинформационных систем мониторинга оползневых процессов освещены в трудах: С. К. Дулина, В. К. Епишина, О. В. Зеркаля, С. В. Козловского, В. С. Круподерова, В. А. Королева, С. И. Матвеева, И. Н. Розенберга, В. Т. Трофимова, М. А. Харькиной, Н. Л. Шешени и других авторов.
Вместе с тем, ряд проблем разработки геоинформационной технологии исследования оползневых процессов (архитектура, алгоритмы синтеза и функционирования, математическое обеспечение моделирования и принятия решений) в настоящее время не решен.
Цель и задачи исследования.
Данное диссертационное исследование предпринималось в соответствии со следующими целями:
- анализ современного состояния и развитие геоинформационной технологии исследования оползневых процессов;
- обозначение роли и места цифрового моделирования при создании геоинформационных систем мониторинга оползневых процессов;
- развитие математических методов и алгоритмов идентификации и классификации динамических процессов, характеризующих оползнеопасные ситуации;
Достижение поставленных целей раскрывается в последовательном решении следующих задач:
1. Обоснование необходимости построения специализированной технологии исследования оползневых процессов, разработка математического, программно-технического обеспечения синтезируемой системы.
2. Разработка комплексного подхода к физическому, аналитическому, имитационному моделированию оползневых процессов.
3. Развитие формализованных методов классификации оползней.
4. Анализ существующих подходов к организации и техническому исполнению систем мониторинга оползневых процессов.
5. Разработка авторского варианта геоинформационной системы мониторинга оползней (ГИСМО).
6. Внедрение результатов диссертационного исследования в научные и практические разработки.
В качестве объекта данного исследования можно выделить территориально распределенные объекты природного ландшафта, урбанизированные территории, подверженные образованию и развитию оползней, а также специализированные геоинформационные системы (ГИС) различного назначения (мониторинг состояния мостов, туннелей, зданий и пр.).
Предметом исследования данной работы являются геоинформационные системы мониторинга оползней, а именно геоинформационные технологии исследования закономерностей формирования, анализа оползневых процессов при изменениях под воздействием природных и техногенных факторов.
Теоретико-методологической основой исследования послужили научные труды отечественных и зарубежных ученых, посвященные вопросам генезиса оползней, синтеза геоинформационных систем, построения математических моделей оползневых процессов и процедур принятия решений в условиях неопределенности.
Информационно-эмпирическая база исследования формировалась на основе законодательных и нормативных актов РФ; материалах натурных обследований территорий Ростовской области и Краснодарского края; данных монографических исследований отечественных и зарубежных ученых, статистических сборников, фактах, приведенных в научной литературе и периодической печати, а также информации из разнообразных Интернет-ресурсов и собственных авторских исследований диссертанта.
Для обеспечения достоверности выводов и рекомендаций были использованы результаты натурных наблюдений ряда типичных объектов исследования:
скально-обвально-оползневой косогор КМ 1929 ПК 5-9 перегона Чемитоквадже – Якорная Щель, СКЖД;
оползневые процессы тоннеля №8 КМ 1977 ПК 10 перегона Мацеста – Хоста, СКЖД;
оползневые процессы на участке Шахтинско - Донского водовода правобережья реки Дон.
Для решения поставленных задач был использован широкий инструментально - методологический аппарат, включающий принципы и методологические подходы системного анализа, методы и инструментальные технологии научного познания: когнитивное моделирование, функциональный анализ, теория распознавания образов, теория нечетких множеств, а также широкий спектр статистических методов: корреляционный, регрессионный анализы.
Основные результаты, выносимые на защиту.
1. Геоинформационная технология создания распределенной геоинформационной системы мониторинга оползневых процессов, способной адаптироваться к изменяющимся условиям объекта мониторинга и окружающей среды.
2. Геоинформационная динамическая модель оползней, обеспечивающая возможность мониторинга исследуемого процесса по заранее выявляемым признакам.
3. Геоинформационное моделирование оползневых процессов, формализующее опыт и знания специалистов и формирующие новое знание для обучения человека принятию решений в данной среде.
4. Геоинформационный мониторинг оползневых процессов, обеспечивающий комплексное моделирование для принятия решений и контроля состояния объекта исследования.
Научная новизна диссертационного исследования заключается в следующем:
1. Усовершенствован категориальный аппарат исследования, уточнены понятия геоинформационной технологии исследования оползней, в частности: геоинформационной системы мониторинга оползней, индикативного и репрезентативного мониторинга оползневых территорий, физического, аналитического, имитационного моделирования оползневых процессов.
2. Предложено синтезировать геоинформационную систему мониторинга оползневых процессов на основе использования беспроводных сенсорных сетей (обеспечивается сбор и первичная обработка информации), систем радиосвязи (осуществляющих передачу информации в центр анализа и управления) и современных вычислительных средств (интеллектуальная обработка информации и принятие решений).
3. Предложена и обоснована концепция создания интеллектуальной геоинформационной системы мониторинга оползневых процессов, широко использующей цифровые модели и в этой связи обладающей свойствами обучаемости, адаптивности к изменяющимся свойствам объекта и среды, содержащей блок расчета сценариев развития оползня и соответствующих управляющих воздействий.
4. Разработан новый подход к комплексному геоинформационному моделированию оползней, включающему цифровое (аналитическое, имитационное), натурное и физическое моделирование.
5. Предложен модернизированный вариант исследования оползневых ситуаций, использующий принципы и положения теории распознавания образов и возможности применения теории нечетких множеств к анализу лингвистически заданных и расплывчатых данных.
Теоретическая и практическая ценность исследования заключается в разработке универсальных подходов к построению комплекса геоинформационных моделей, развитии интеллектуальных технологий в ГИС мониторинга оползневых процессов. Результаты работы могут быть использованы при проектировании и разработке новых, а также совершенствовании уже существующих технологий исследования оползневых процессов.
Практическая значимость исследования заключается в том, что в рамках данной работы разработаны методы и алгоритмы, обеспечивающие функционирование ГИСМО.
Наиболее существенные результаты полученные автором:
Архитектура геоинформационной системы мониторинга оползневых процессов.
Алгоритмы синтеза и функционирования интеллектуальной геоинформационной системы мониторинга оползневых процессов.
Формализация процесса классификации оползневых территорий.
Основные требования к геоинформационной системе мониторинга оползневых процессов.
Понятийный аппарат комплексного геоинформационного моделирования оползневых процессов.
Анализ состояния и развитие геоинформационной технологии исследования оползневых процессов, общий анализ проблемы синтеза геоинформационной системы мониторинга оползней.
Техническое и программно-математическое обеспечение технологии геоинформационного исследования оползневых процессов, включающие средства идентификации состояния оползня и организации каналов передачи информации.
Апробация и внедрение результатов исследования.
Работа выполнена при участии автора в грантах РФФИ (№ 10-01-00058, № 10-07-00158, № 11-07-00075), гранта Президента РФ «Ведущие научные школы России» НШ-8030.2010.5, Государственного контракта № 02.740.11.0334 по Федеральной целевой программе «Научные и научно-педагогические кадры инновационной России». Получены справки об использовании и внедрении результатов исследования. Результаты диссертационной работы докладывались на семинарах кафедры МИИГАиК, на конгрессе по интеллектуальным системам и информационным технологиям «ISIT` 11» (Дивноморск, 2011 г.), на VI-ых Щукинских чтениях (Москва, 2010 г.), на международных научно-практических конференциях: «ИнтеллектТранс-2011» (Санкт-Петербург, 2011 г.), «Безопасность движения поездов» (Москва, 2011 г.), «Актуальные вопросы инженерной геологии и экологической геологии» (Москва, 2010 г.), «Экологические проблемы. Взгляд в будущее» (Ростов-на-Дону, 2010 г.), на Российской конференции студентов, аспирантов и молодых ученых, посвященной «Году Планеты Земля»: «Планета Земля: актуальные вопросы геологии глазами молодых ученых и студентов» (Москва, 2009 г.), «Многообразие современных геологических процессов и их инженерно-геологическая оценка» (Москва, 2009 г.), «Проблемы инженерной геодинамики и экологической геодинамики» (Москва, 2006 г.), на III-ей Межрегиональной научно-практической конференции студентов, аспирантов и молодых ученых: «Молодежь XXI века - будущее Российской науки» (Ростов-на-Дону, 2005 г.).
Структура и объем работы. Диссертационное исследование последовательно раскрывает цель и задачи исследования и состоит из введения, четырех глав, заключения, списка использованных источников, включающего 120 наименований и трех приложений. Работа проиллюстрирована 20 рисунком и 11 таблицами.
Общий объем диссертации составляет 164 страницы.
Публикации. По материалам диссертации опубликовано 20 работ (в том числе 13 без соавторов), три из которых в журналах, включенных в перечень ВАК.
Актуальность построения и основные требования к геоинформационной системе мониторинга оползневых процессов
Различие в причинах образования оползней и целях мониторинга определяют и способы мониторинга оползневых процессов: в основном это репрезентативный мониторинг, позиционируется как лабораторный, эпизодический (по мере необходимости или по графику) индикативный (необходим отбор факторов-индикаторов). Требуется создание специальной системы мониторинга оползней (СМО), работающей постоянно и в системе функционирования объекта исследования (как часть его системы управления [12]). В результате анализа и обобщения информации на исследованной территории выделены: 1. Умеренно-опасные территории. 2. Опасные территории. 3. Весьма опасные территории (зона активных оползневых процессов). 4. Чрезвычайно опасные территории (зона действующих оползней). Основными принципами современной концепции построения ГИСМО [83], обеспечивающих эффективность и безопасность исследуемых объектов, следует считать: - постоянство мониторинга состояния оползнеопасных территорий; - оперативность; - доступность; - достоверность; - малозатратность; - прогнозируемость состояния объекта исследования и управления; - управляемая безопасность (не пассивно наблюдать и фиксировать, а своевременно реагировать); - автоматический режим осуществления; - интеллектуальность [3, 18, 45, 99]. Синтезируемая система мониторинга должна сохранять статистику наблюдений за объектом, мнения экспертов (нужны встроенные базы данных) и осуществлять интеллектуальный анализ данных (нужны встроенные базы знаний). Это позволит прогнозировать состояние объекта, собственно системы мониторинга и осуществлять упреждающее управление, не допуская сбоев и больших потерь от нарушения безопасности технологического процесса на объекте.
Остановимся еще на разъяснении требований концепции построения ГИС: автоматический режим и интеллектуальность, акцентировав их особенности. Вот характерный пример из сферы освоения космоса. Из информационных сообщений известно, что почти половина стыковок космических кораблей и их модулей не удается осуществить в автоматическом режиме. То есть система автоматического управления есть, а интеллектуальности ее функционирования - нет (вернее недостаточно). Включение человека в процесс стыковки кораблей завершает, как правило, его с положительным результатом.
В наших системах должны аналогично обеспечить и автоматический режим, и интеллектуальность функционирования. Это исключит зависимость успешности работы системы от субъекта управления, его психоэмоциональных качеств (человек устает, отвлекается), его ограниченных возможностей по горизонту управления (одновременно человек может анализировать в среднем только семь факторов), объему памяти и скорости анализа.
Интеллектуальность разрабатываемых систем предполагается развивать в двух направлениях: заимствование интеллекта у человека (опытное лицо, принимающее решение, обучает машину) и генерация собственного интеллекта (машина содержит механизмы самообучения, которое происходит в процессе работы). Эти эффекты легко прокомментировать на примере рассмотренной выше классификации оползневых ситуаций:
При составлении обучающей выборки - ЛПР вкладывает свой интеллект и опыт, задавая принадлежность ситуаций выделенным классам. Далее, осуществляя мониторинг, машина накапливает в автоматическом режиме данные этой же обучающей выборки, подтверждая принадлежность ситуации классам по итоговым результатам. Кроме того, машина осуществляет расчет решающих правил, предоставляя их и результаты принятия машинного решения человеку, обучая его.
Во всем мире осуществляется переход от политики регламентного обеспечения безопасности (анализ состояния исследуемого объекта в заданные сроки) и устранения сбоев по мере их возникновения в системе - к управлению по сложившемуся состоянию объектов инфраструктуры с учетом его прогноза на будущее. Эта технология недопущения сбоев является, кроме того, и менее затратной.
Создание ГИСМО (Геоинформационной системы оползневых процессов), имитирующей внешние возмущения и внутренние процессы, позволит заблаговременно рассчитать возможные сценарии развития оползня и ввести упреждающее управление [76] (подробнее см. раздел 3.4.1).
Отличительные особенности авторского видения ГИСМО состоят в следующем: - содержит в своем составе блок цифрового моделирования оползневых процессов и процедур принятия решений, который комплексно использует традиционные методы анализа, спутниковые технологии и технологии беспроводных сенсорных сетей; - содержит динамическую модель оползней, и этим обеспечивается прогноз развития и упреждающее управление оползневыми процессами с учетом текущего и будущих состояний объекта исследования; - обладает свойствами интеллектуально функционирующей системы мониторинга, формирующей новое знание и обучающей человека принятию решений в данной сфере, а также включает в формализованном виде опыт и знания специалистов; - требует комплексного использования всего арсенала методов моделирования: аналитического, физического, имитационного, логико-лингвистического, обеспечивающего геоинформационное моделирование и геоинформационный мониторинг оползневых процессов. Проведен анализ состояния обширной территории Нижнего Дона, имеющий самостоятельное теоретическое и практическое значение. Вместе с тем, проведенный анализ позволил выставить совокупность требований к системе мониторинга, сформулировать основные принципы создания ГИСМО, логику смешанного (индикативно-репрезентативного) мониторинга, показать возможности методов отбора информативных признаков для формирования набора индикаторов, привлечь аппарат теории распознавания образов для формализации классификационных процедур. Обоснованы роль и место интеллектуальных технологий.
Построение признакового пространства исследования и корреляционный анализ оползневых процессов
Согласно определению [25, 27, 32, 51, 69, 90] «Геоинформационные системы, (сокращенно ГИС) — системы, предназначенные для сбора, хранения, анализа и графической визуализации пространственных данных и связанной с ними информации о представленных в ГИС объектах». Другими словами, ГИС - это инструменты, позволяющие пользователям находить, анализировать и редактировать геопространственную информацию об объектах.
ГИС включают в себя возможности систем управления базами данных (СУБД), редакторов растровой и векторной графики и аналитических средств. Они применяются в картографии [6], геологии, метеорологии, землеустройстве, экологии, муниципальном управлении, экономике [61], обороне, на транспорте и во многих других областях [57, 67].
По мониторингу оползней с помощью ГИС в научной литературе отсутствует достаточный практический материал. Можно назвать лишь два известных применения ГИС-технологий: на железных дорогах страны [47, 55, 56, 64, 71, 114] и непрерывный спутниковый мониторинг динамики движения горных пород в местах сосредоточения опасных объектов в горах Тянь-Шаня [13]. Рассмотрим указанные проблемы подробнее.
Проблема внезапной активизации деформаций земляного полотна, которая происходит как на уже деформировавшихся ранее объектах, так и на участках пути, которые не числились неустойчивыми, остается одной из наиболее острых в путевом хозяйстве. Ежегодно на сети дорог происходит несколько десятков случаев внезапных деформаций, нарушающих ритмичность работы железных дорог, угрожающих безопасности движения и требующих значительного времени и ресурсов на их восстановление.
Система мониторинга земляного полотна на сети дорог создается как единая система, включающая комплекс различных методов диагностики и режимных наблюдений, но, учитывая многообразие инженерно-геологических условий, причин и типов деформаций земляного полотна, для каждого из них этот комплекс будет содержать различный набор методов, средств диагностики и режимных наблюдений.
Наибольшее распространение получили традиционные способы диагностики, основанные на инженерно-геологических изысканиях и геофизических методах исследований [15, 19, 29, 38, 56, 46, 65, 68, 97, 109]. Кроме этого, в зависимости от объекта и поставленных задач все шире начинают применяться методы использующие технологии дифференциального спутникового позиционирования в комплексе с наземными стационарными и мобильными информационно-измерительными системами на объектах железнодорожного транспорта [64, 71]. В настоящее время спутниковые технологии взяты на вооружение железными дорогами США, Канады, Германии, Австрии, Швейцарии и других индустриально развитых стран. Все современные путеизмерительные устройства в этих странах используют спутниковое системы позиционирования, базирующиеся на сети стационарных спутниковых станций - DGPS. Спутниковые технологии, основанные на сетевом принципе измерений, позволяют осуществлять ежедневный контроль основных параметров геометрии пути, обеспечивают высокоточное позиционирование объектов подвижного состава при перевозках пассажиров и грузов, а также при выполнении маневровых и горочных работ. Создаваемая на этой основе система мониторинга железнодорожного пути позволяет проводить регулярный и объективный анализ брака, без чего не может эффективно функционировать система предупреждения аварий и снижения рисков на железных дорогах. Использование спутниковых технологий позволяет создать единую систему пространственных данных и на этой основе однозначно и непрерывно позиционировать и описывать все объекты железной дороги: рельсовые пути, инфраструктуру, подвижный состав и окружающую среду, а это принципиально важно для повышения качества и производительности работ, выполняемых хозяйствами ОАО «РЖД», использующими в своей деятельности спутниковое оборудование или традиционные геодезические приборы [8,58,64,71]. Одной из самых острых проблем в области охраны окружающей среды в горах Тянь-Шаня на территории Киргизии являются хвостохранилища, шламонакопители, отвалы некондиционных руд и металлургических шлаков, образовавшиеся в результате добычи и переработки на крупнейших в СНГ месторождениях урана. Около 1200 га занимают только отвалы. Нарушена не только целостность, но и долговременная геомеханическая и сейсмическая устойчивость ряда хвостохранилищ и ограждающих их дамб. Такое неудовлетворительное их состояние и расположение на слабоустойчивых горных склонах, в поймах и руслах рек в зоне влияния активных тектонических нарушений, высокой сейсмичности (велика вероятность землетрясений, оползней, селей, наводнений и др.), в непосредственной близости к населенным пунктам, делает эти объекты потенциальными источниками, как тяжелых катастрофических процессов, так и чрезвычайно опасных для окружающей среды, объектов экономики и населения ситуаций природно-техногенного характера. Авторы [13] предлагают осуществлять непрерывный спутниковый мониторинг динамики движения горных пород в местах сосредоточения опасных объектов и пространственно-временного перемещения отмеченных загрязнителей. Получаемая информация будет накапливаться в банке данных и детализироваться таким образом, чтобы ее можно было использовать для разработки моделей миграции загрязняющих веществ в окружающей среде. Результаты расчетов по этим моделям будут положены в основу разработки конкретных рекомендаций и проектов по предотвращению чрезвычайных ситуаций (ЧС) и катастроф природно-техногенного характера, связанных с землетрясениями, селями и др.[9, 14, 22, 70, 73, 88]. Недостатки рассмотренных систем мониторинга: - технические трудности обнаружения подвижек грунтов; - отсутствие возможности заблаговременного предсказания опасных явлений. Управление, в силу выше сказанного, осуществляется только по системе обратной связи (без возможности заблаговременного упреждения нежелательных явлений).
В этой связи полезен иной опыт, описанный в [103, 105]. Он касается мониторинга искусственных сооружений на железной дороге. Система реализована на базе беспроводных сенсорных сетей (БСС). Каждый узел сети содержит датчики. Это могут быть датчики влажности, вибраций, перемещений, статических и динамических напряжений и пр. Информация от узла к узлу передается по радиоканалу, поэтому она практически не подвержена искажению при смещениях и деформациях пород при оползнях. Система, основанная на применении БСС, может идентифицировать условия, способствующие образованию оползней: избыточное накопление влаги в грунте, опасное изменение устойчивости пород, нарастание напряженно -деформационных состояний. Это позволяет заблаговременно предсказывать наступление ЧС и управлять ею не по факту видимых деформаций и передвижений грунтов, а по проявлению причин их возникновения.
Алгоритм функционирования интеллектуальной геоинформационной системы мониторинга оползневых процессов
Система стремится достичь целей, поставленных лицом, принимающим решение (ЛПР). Лингвистическая формулировка целей может: заблаговременно предупредить ответственные службы о надвигающейся опасности, снизить риск возникновения оползня, обеспечить контролируемое развитие событий (например, осуществить отвод воды со склона), не допустить возникновение оползня и т.д. На рисунке представлен узел системы, с помощью которого он «видит» цели ЛПР. Технически этот узел может быть выполнен по-разному: от указания через компьютерную систему до простого восприятия системой голосовой команды человека.
При движении к цели система должна «обойти» препятствия, то есть учесть различные антропогенные и природные явления, способствующие возникновению и развитию оползня. Для обнаружения препятствий в системе установлена совокупность датчиков (влажности, напряжений, перемещений грунта и пр.), которая определяет с некоторой точностью характер и силу внутренних и внешних воздействий на объект исследования.
Особенности данной модели: - цели ЛПР подвижны, а не фиксированы; - траектория движения системы к цели не задается явным образом в силу высокой степени неопределенности состояния объекта и системы управления; - существуют неустранимые погрешности измерения свойств объекта, определяемые техническими параметрами устройств обнаружения; - препятствия могут изменяться, поэтому требование оптимальности траектории достижения цели не ставится; - решения в системе принимаются не однократно, а непрерывно по обновляемым данным и в реальном масштабе времени. Данная схема кроме датчиков положения взаимодействующих объектов, исполнительных устройств, каналов связи, содержит блоки, обеспечивающие интеллектуальность функционирования системы. Это «нечеткая подсистема управления» и «подсистема обучения принятию решений», включающая «интеллектуальный решатель», «базу фактов», «базу гипотез», обучающие примеры. Нечеткая подсистема управления находится в контуре, функционирующем в реальном времени. Она содержит процедуры принятия решений, которым обучается на основе взаимодействия с обучаемой подсистемой.
В обучаемой подсистеме накапливаются от датчиков с одной стороны данные и факты об исследуемом объекте, и с другой возможные гипотезы о развитии оползня (от ЛПР). Они сопоставляются в интеллектуальном решателе, ориентируясь на обучающие примеры. Эти примеры являются эталонами принятия решений человеком в детерминированной среде.
Такая среда может моделироваться различными способами (физическим, аналитическим, имитационным моделированием). В эталонных примерах заложены опыт и интуиция человека. Этот опыт есть и в совокупности гипотез развития, представляемой человеком. То есть в этом смысле машина обучается человеком.
Но в интеллектуальном решателе предусмотрена и статистическая обработка данных, которая позволяет обнаружить скрытые закономерности развития оползневых процессов. Эти закономерности через нечеткую подсистему управления становятся известными ЛПР. Здесь иной смысл: машина обучает человека.
В содержательном плане функционирование интеллектуального решателя может основываться на различных инструментальных средствах: теория нечетких множеств, теория распознавания образов, нейро-лингвистическое моделирование, нейронные сети и др. [3, 12, 23, 52, 103].
В основе интеллектуальной части системы мониторинга предлагается использовать базы знаний агентов БСС, включая распределенную базу знаний (БЗ) агентов нижнего уровня и центральную БЗ агентов верхних уровней. Распределенная БЗ включает модели локальных динамических процессов, протекающих в контролируемых объектах, а центральная БЗ -модель глобального деформационного процесса и алгоритмы выработки диагностических решений. В основу экспертной системы планируется заложить модели нечеткого вывода. Их логика формируется экспертами (разработчиками, строителями и обслуживающим персоналом). Она остается открытой для совершенствования на протяжении всего периода эксплуатации системы.
На вход модели нижнего уровня подается информация с датчиков. Эти данные обрабатываются алгоритмом быстрого преобразования Фурье и на основании базы знаний локальных деформационных процессов производится нечеткое вычисление локальных параметров, которые передаются на координатор сети. При помощи специальных технологий, размещенная на удаленном узле информация, может быть перепрошита в любой момент. Имеются в виду ситуации сезонных изменений погодных условий, когда параметры компонентов системы могут меняться (влажность, вес и т.д.).
В БЗ в виде нечетких правил продукции будет заложена логика экспертов и соответствующие схемы вывода диагностических сообщений. Нечеткие правила устанавливают причинно-временную связь между текущими и последующими состояниями процесса. Таким образом, СППР [91, 112] на основании произведенных расчетов будет генерировать сообщения, поступающие ЛПР.
Мониторинг предполагается внедрять двух видов: индикативный и репрезентативный. Репрезентативность означает, что искусственное сооружение обследуется полностью во взаимодействии всех факторов внутренней и внешней среды, с учетом особенностей технологического процесса, в который включен объект исследования. Репрезентативный мониторинг дорог, трудозатратен, требует много времени на его осуществление. В этой связи важно выделить параметры экспресс - контроля (индикаторы), доступные для измерения и коррелированные с установленными показателями безопасности, измеряемые легко и быстро. Измерение и оценка индикаторов и составляет суть индикативного мониторинга.
Техническое обеспечение геоинформационной системы мониторинга оползневых процессов
Перспективным способом идентификации состояния оползнеопасных территорий считается развитие средств и методов дистанционного зондирования Земли [71]. С недавнего времени это направление получило широкую поддержку многих компаний. С помощью спутниковых технологий можно идентифицировать изменение состояния искусственных сооружений (например, подвижки грунта).
Однако, у этого способа есть и существенные недостатки: стоимость, затрудненная оперативной обработка получаемой спутниковой информации, дискретность, ограничения по разрешающей способности. Данные методы эффективны при региональном мониторинге, и при определении мест организации локального геоинформационного мониторинга. Такие параметры как надежность и разрешающая способность региональных систем являются недостаточными для множества приложений, где эффективнее применять другие методы.
При организации локального мониторинга весьма эффективно применение мало энергопотребляющих устройств (датчиков) идентификации состояния оползня, устанавливаемых в любых местах склона, работающих в режиме реального времени. В этой связи рассмотрим еще один не менее прогрессивный подход.
Акселерометры, или инерционные датчики - это устройства, реагирующие на сотрясение, вибрацию и изменение скорости исследуемых объектов. Акселерометры, используемые в сотовых телефонах и другой бытовой электронике, представляют собой, так называемые, микроэлектромеханические системы (Micro-Electromechanical System, MEMS) [7] - интегрированные электрические схемы с движущимися компонентами. Будучи компактными и относительно недорогими, они до недавнего времени не могли сравниться с гораздо более чувствительными датчиками, применяемыми в авиалайнерах, других коммерческих приложениях и столь необходимых в ГИС.
Механические устройства подобного рода были размером с кирпич, а регистрация движения в каждом из направлений обходилась потребителям примерно в тысячу долларов. Очевидно, что при таком развитии технической базы ГИС, требующих мониторинга обширных территорий, они не могли выйти за рамки научных исследований.
Компания Hewlett-Packard представила новый компактный акселерометр [49]. К настоящему моменту датчики HP еще недостаточно дешевы, но это вполне может измениться уже через несколько лет. В ближайшее время революции акселерометров следует ждать в строительстве и геологоразведке.
Чувствительность новых чипов в тысячу раз превосходит чувствительность акселерометров, применяющихся в бытовых устройствах сегодня.
Благодаря своим малым размерам, стоимости и энергопотреблению новые датчики могут найти применение в крупных сооружениях, имеющих сложную структуру и охватывающих большую территорию. По итогам бесед с потенциальными пользователями миниатюрных инерционных датчиков в компании рассчитывают на использование соответствующих устройств в беспроводных сетях, системах, отвечающих за сбор, хранение и обработку информации, поступающей из ГИС.
К примеру, мост через бухту Сан-Франциско по дороге из Сан-Франциско в Окленд из-за обрыва тросов пришлось закрыть на шесть дней. А между тем датчики, вмонтированные в мост, могли бы предотвратить эту аварию. Несколько сотен крошечных систем MEMS следили бы за перемещениями отдельных компонентов конструкции в различных условиях (например, при сильном ветре или оживленном автомобильном движении). После обработки собранных данных инженерам не составило бы труда спрогнозировать возникновение внештатной ситуации. Аналогичный мониторинг состояния можно было бы осуществлять на оползне, установив и подключив множество небольших датчиков на склоне.
Еще одна возможная сфера применения подобных устройств связана с получением геофизических данных, позволяющих осуществлять анализ перспектив и последствий добычи, бурения и сейсмической. Похожим образом в медицине используются изображения, полученные с помощью методов магнитного резонанса. Разместив датчики движения в грунте на одинаковом удалении друг от друга, осуществляющих фиксацию вибрационных нагрузок от авто или железных дорог, в результате строительных или горно - проходческих работ. Проходя через различные грунты, вибрация регистрируется датчиками, на основе показаний которых можно составить геофизический профиль.
Структура инерционных датчиков состоит из трех слоев кремния. Внутри среднего слоя размещаются крошечные движущиеся грузы с электродами по бокам, подвешенные на пружинах. При перемещении грузов происходит изменение сигналов между электродами, которое позволяет говорить о возникновении вибрации или движения. Чипы площадью около 5 кв. мм и толщиной 2 мм потребляют примерно 50 милливатт электроэнергии. Впрочем, в HP думают не только о мостах, добыче полезных ископаемых и сотовых телефонах. Крошечные инерционные датчики могли бы стать составной частью центральной нервной системы нашей планеты (мега ГИС). Информационная экосистема на основе множества датчиков, связанных с сетями, средствами хранения, серверами и программным обеспечением, опутала бы весь мир. А датчики, установленные в зданиях и мостах, образовали бы гигантский групповой сейсмограф, способный помочь ученым регистрировать и предсказывать землетрясения [49]. Авторы следующей цитируемой работы [7] в качестве основы систем инструментального мониторинга состояния и динамики оползнеопасных зон также предлагают использовать сети сенсоров на базе инклинометров и акселерометров MEMS (микроэлектро-механических структур). Важность контроля геологического пространства таких критически важных объектов, как опоры мостов, насыпные дамбы, прибрежные автотрассы, насыпные и «мусорные» основания, горные тоннели не подлежит сомнению, но есть и другие причины для внедрения систем контроля. В их числе [88]: - проектирование и строительство объектов на «неудобных», но свободных площадях - склонах, берегов рек, оврагов с присущими им оползневыми процессами и пр.; - стремительное ухудшение свойств грунтов в городах под влиянием утечек из систем канализации, водоснабжения; - экспансия городского строительства в подземное пространство, бездумное вскрытие котлованов при точечной застройке. Существует несколько технологий исследования грунтового массива: - методы лабораторного определения характеристик грунтов [ГОСТ 12248-96]; - полевые испытания грунтов [ГОСТ 30672-99]; - отслеживание изменений в слоях грунта инклинометрами и пьезометрами, опускаемыми в скважины; - геофизические методы, неразрушающий контроль на основе спектрального анализа поверхностных волн (SASW).
