论文部分内容阅读
摘 要：针对地质灾害预警问题，结合物联网技术提出一种实时地质灾害预警系统。为实现该系统，在分析系统整体业务流程的基础上，对系统的整体架构进行设计，并提出通过综合参数法、Logistic回归分析法、主成分分析法等构建地质灾害预测模型。最后，通过测试对上述系统进行验证。结果表明，上述方案可很好的实现对地质灾害预警。
关键词：物联网;地质灾害;回归模型;灾害预测
中图分类号：TP391.9 文献标识码：A 文章编号：1001-5922（2021）10-0086-04
Design of Geological Disaster Monitoring and Early Warning System Based on Internet of Things Technology
Zhang Ji ning1， Bo Yong1， Liu Yangzhou1， Long Jianhui2， Zhang Hong3
（1.Shanxi Metallurgical Rock-Soil Engineering Investation Co.，Ltd.， Taiyuan 030002， China; 2. Taiyuan University of Technology， Taiyuan 030024， China; 3. The Third Geological Exploration Institute Of China Metallurgical Geology Bureau，Taiyuan 030002， China ）
Abstract：Aiming at the problem of geological disaster early warning， a real-time geological disaster early warning system is proposed based on Internet of things technology. In order to realize the system， based on the analysis of the overall business process of the system， the overall architecture of the system is designed， and the geological disaster prediction model is proposed by using the comprehensive parameter method， Logistic regression analysis method， principal component analysis method， etc. Finally， the above system is verified by testing. The results show that the scheme can well realize the early warning of geological disasters.
Key words：Internet of things; geological hazard; regression model; disaster prediction
近年来，山体滑坡、泥石流、岩体崩塌等重大地质自然灾害仍然频繁見诸报端，这对中国经济发展和社会民生造成了重大损失。中国在2018年度共计发生了2966起地质灾害，造成106人死亡、11人失踪、78人受伤以及直接经济损失14.8亿元的沉重后果。需要说明的是，诱发地质灾害的原因并不只是自然因素，还包括人为因素，而且地质灾害的发生是有规可循的，重点监测地质灾害点的情况，科学预测地质灾害的发生概率以及在发生地质灾害以后快速报警，能够最大程度地挽救人民群众的损失。在此背景下，充分利用现代科技力量，综合多学科的理论知识，联合多部门设计开发地质灾害监测预警系统，对重点地质灾害区域进行全天候监控。一旦发现发生地质灾害的隐患，立即做出告警，从而尽早制定抢险救灾方案，尽力减少地质灾害的损失，最大程度地保护人们群众的生命财产安全。因此基于以上背景，本研究结合物联网技术构建地质灾害预警系统，并对该系统进行详细实现。
1 地质灾害系统整体业务分析
地质灾害监测预警系统动态监测地质灾害点的降雨量信息和地质形变信息，参照历史数据来设定地质灾害报警阈值，如果综合分析结果超出了阈值，则立即向相关部门发出预警信息，并以地图展示的形式来指出地质灾害点的空间位置。具体系统业务流程如图1所示。
2 系统整体框架
根据图1的业务分析，综合利用SQL Server数据库、GIS等，最终设计出适配的系统框架。地质灾害监测预警系统包含支撑层、应用层以及数据库服务层，同时建立了一系列的配套体系，比如安全保障体系、管理体系等，从而确保系统能够正常实现预期功能。具体如图2所示。
3 地质灾害预测报警模型构建
3.1 构建思路
通过综合参数法、Logistic回归分析法、主成分分析法等建立地质灾害预测报警模型，用以指导本次系统的设计过程。调取相关档案获悉当地地质条件，结合过往案例分析地质灾害的常见诱因，利用主成分分析法来建立地质灾害预测报警模型。一般来说，地质灾害的发生同时受到外在因素（人类活动、降雨量等）和内在因素（地貌类型、岩土类型等）的影响。根据历年的地质灾害信息，分析评估不同因素对于地质灾害发生概率的影响效力，然后利用主成分分析法建立适配的地质灾害预测报警模型。模型构建思路如图3所示。
3.2 地质灾害敏感性分区图 借助于地理信息系统的空间分析功能，利用主成分分析法，对地质灾害的6个静态因素进行分析，根据各项因素的等级确定其权重大小，由此建立地质灾害敏感性分区。
主成分分析法利用线性变化剔除对信息影响较小的因素，这一过程并不会造成严重的信息损失，而是较为完整地保留了原有信息，同時生成了新的变量，用以替换旧的变量，能够达成预期目标。
设定样本数据X存在p个特征变量，表示为x=（x1，x2，x3，…xp），同时设定均值向量u、协方差矩阵V，基于主成分分析法获得q个新的变量（ y1，y2，y3，…yp），并用以替换原有的p个特征变量，前者能够充分反应出后者所反应的信息。以上分析过程的演算步骤，列述如下：
首先求解出协方差矩阵V的全部非零特征根λ，遵照从大到小的顺序进行排列（ λ1，λ2，λ3，…λk），确保p-k个特征根值等于0。建立k个特征根（ λ1，λ2，λ3，…λk）所对应的向量（ a1，a2，a3，…ak），并且求算出单位化后的特征向量。设定yk=akx，它与（ y1，y2，y3，…yk）相互独立，并且包含1-k个主成分。可根据累积方差的贡献率来确定p-k的数值，若前q个主成分的累计方差的贡献率大于85%，则利用变量（ y1，y2，y3，…yq）对原先的变量（x1，x2，x3，…xp）进行替换。
根据过往经验，地质灾害的发生受到人类工程活动、表土层厚度、地层岩性、地形坡度以及地貌类型等因素的重要影响，它们是评估地质灾害发生概率的重要因子。考虑到以上5个要素之间是互不交叉的，因而选用矩阵形式进行表示，并利用主成分分析法来评定不同因素的影响效力，由此确定不同因素的影响权重，最后对各项因素的权重进行归一化处理，由此确定标准化的权重序列。
地质灾害敏感指数（Z）表征了在特定降雨量条件下，受人类工程活动、表土层厚度、地层岩性、地形坡度以及地貌类型等5项因素影响而发生地质灾害的概率。利用加权指数法求解地质灾害敏感指数（Z），其中，人类工程活动受矿业活动强度、路网密度以及人口密度等因素的影响，表土层厚度选用断裂密度等级进行表示。
不同影响因子的权重求解算式：
式中：ai为第i个影响因子诱发地质灾害的概率，Mi为第i个因子诱发地质灾害的影响权重，A为单元面积，Aij为第i个因素与第j个因素所占的面积，Pij为第i个因素与第j个因素诱发地质灾害的平均强度。指的是不同影响因子的权重值，可通过主成分分析法、专家评分法或者AHP法进行确定。
发生地质灾害的各项评价因子的权重，汇总如表1所示。
调取地质灾害档案资料，虽然频发地质灾害，但是地质灾害的规模并不大，据此，本文选用地质灾害点的密度来表征地质灾害的发生概率。首先将地图细分为1km×1km的单元格，然后对各个单元格进行运算，求解出各个单元格的地质灾害敏感性指数Z，根据Z值高低描绘出相应地颜色，从高到底依次对应于红色、橙色、黄色、绿色、蓝色，由此清晰地展示了地质灾害的严重程度。
3.3 气象综合图
地震、降雨等气象因素都是诱发地质灾害的重要因素，考虑到地震的发生概率较低，而且现有技术很难预先预报地震，因此忽略地震对于地质灾害的影响。所以，本文系统应当采集当天的降雨量、统计过去1～5d的降雨量、预报未来24h内的降雨量，并且评估以上因素对于发生地质灾害的影响效力。在实操中，可通过气象部门对当天的降雨量进行预测，并通过水利部门获取当天前1～5d的降雨量，以及由气象部门提供未来24h内的降雨量。具体有效降雨量的算式如下：
式中：R0为预报日的降雨量;Rz为预报日的有效降雨量;ai为前i日的影响系数;Ri为前i日的降雨量。
3.4 预测报警模型构建
根据预测报警模型，综合地质灾害敏感性指数和降雨诱发指数，结合预先设定的报警阈值对地质灾害的发生等级进行预测。预测报警模型为在特定降雨量条件下，对某一因素诱发地质灾害的概率提供了预测方法。
首先把预报区域地图细分成多个1km×1km的单元格，分别求算出各个单元格的地质灾害敏感性指数Z以及降雨诱发指数R，由此确定预测报警指数H，即可对发生地质灾害的概率进行预测。
预测报警指数H的算式如下：
利用地理信息系统对气象综合图和地质灾害敏感性分区图执行叠加分析，由此建立地质灾害预测预警模型。地质灾害发生等级集预警颜色，按照轻中程度，依次设定为蓝色、绿色、黄色、橙色和红色列。
3.5 预警分析模块
利用地质灾害预测报警模型对地质灾害点的地质构造、地形地貌、主要隐患以及发生地质灾害的概率等进行分析和估计，根据分析结果发出预警。具体步骤为：
（1）数据收集。地质灾害监测预警系统全面采集地质灾害点的关键信息，包括降雨量信息、地质灾害诱因信息、地质地形地貌特征等，然后利用主成分分析法对以上数据进行整合分析，根据分析结果确定各项因素的影响效力，最后统一设定各项因素的影响权重，并且确定诱发地质灾害的主要因素。
（2）危险性评估。地质灾害监测预警系统综合分析降雨量信息及其他地质灾害诱因信息，从而做出地质灾害的危险性评估。危险性评估的流程是划分基础单元格、对单元格地质因子进行运算、获取决策支持，具体列述如下：
第1步，划分评价单元格。利用栅格划分方法将行政区划图细分为2km×2km的评价单元格。地质灾害的发生概率及严重程度主要受到降雨量、地质条件等因素的影响。在划出多个评价网格以后，综合分析每个评价单元格内的致灾因素，结合地质灾害预测报警模型确定各个评价单元格的等级，并绘制出与其等级相对应的颜色，由此能够明晰地判定各个评价单元格的预测结果。
第2步，对各个单元格的地质因子进行运算。结合陕西省地质灾害的常见诱因，本文系统纳入了6项主要致灾因素，包括降雨量、地形地貌、人类工程活动、地层岩性、表土层厚度、地质构造，其中，通过气象局获取降雨量信息，从建设局官网上下载人类工程活动信息，其余四项指标根据相应的属性条件进行确定。降雨量是诱发地质灾害的主要因素，降雨量的危险性等级在一定程度上决定了地质灾害的发生概率，对此，综合分析各评价单元格的临界有效降雨量和有效降雨量，通过对比即可确定各个单元格的降雨量危险性等级。最后，利用地理信息系统对气象综合图和地质灾害敏感性分区图执行叠加分析，由此确定不同地区发生地质灾害的概率及等级。 第3步，获取决策支持。根据运算结果，调用地质灾害预警预测模型对各评价单元格涂抹上与其预警等级相对应的颜色，能够直观地呈现预警结果。职能部门根据预警等级制定适配的应急处置方案，针对高风险等级的地区尽快实施有效的防治措施。
决策支持功能模块架构如图4所示。
4 系统验证
以陕西地质災害预警为例。若地质灾害点的实际降雨量超出了降雨量预警阈值，此时系统会根据实际降雨量来评估发生地质灾害的概率。若系统判定可能发生地质灾害，在获得领导审批以后，随即向周边民众发布地质灾害预警。具体报警如图5所示。
图5中的深灰区域对应于4级预警，意味着该地区发生地质灾害的风险性大，相关职能部门及当地民众应当加强地质灾害预警，并做好抢险救灾准备。
5 结语
通过上述的研究结果看出，结合地质灾害敏感性分区图和气象综合图的相关信息，能准确评价部分区域的地质灾害情况。而根据该评价结果，地质部门可很好的制定应急预案，以此更好的提高地质灾害预防。
参考文献
[1]李国政，杨观赐.山区天然气管道滑坡位移监测系统设计[J].中国测试，2020，46（08）：87-93.
[2]王良民，郭向前，奚春华，等.实景三维地质灾害管理信息平台的设计与实现[J].地理空间信息，2020，18（08）：7-9+30+6.
[3]尹萍.自动化监测预警系统在边坡监测工程中的应用[J].科技视界，2020（24）：34-36.
[4]陈银良.一种基于物联网的危化品风险监测预警系统设计[J].中国科技信息，2020（17）：74-75+78+14.
[5]黄富禹，刘春.基于物联网技术的隧道自动化变形监测系统设计[J].科学技术创新，2020（26）：118-119.
[6]郭荣佐，邓涵文，陈芳莹，等.物联网边缘计算资源分配模糊建模与优化研究[J].小型微型计算机系统，2020，41（09）：1878-1886.
[7]罗晴明.地质灾害防治动态监测预警系统及其应用[J].数字通信世界，2019（07）：200.
[8]王永杰，周国清，周叔一，等.降雨诱发型滑坡预警系统设计[J].现代电子技术，2019，42（20）：139-144.
[9]任康.基于WebGIS的滑坡灾害预警在线监测系统研究[J].公路交通科技（应用技术版），2019，15（10）：282-284.
[10]汪洋.基于矿山开采工程的水文地质灾害预警系统设计[J].世界有色金属，2019（17）：150-151.
关键词：物联网;地质灾害;回归模型;灾害预测
中图分类号：TP391.9 文献标识码：A 文章编号：1001-5922（2021）10-0086-04
Design of Geological Disaster Monitoring and Early Warning System Based on Internet of Things Technology
Zhang Ji ning1， Bo Yong1， Liu Yangzhou1， Long Jianhui2， Zhang Hong3
（1.Shanxi Metallurgical Rock-Soil Engineering Investation Co.，Ltd.， Taiyuan 030002， China; 2. Taiyuan University of Technology， Taiyuan 030024， China; 3. The Third Geological Exploration Institute Of China Metallurgical Geology Bureau，Taiyuan 030002， China ）
Abstract：Aiming at the problem of geological disaster early warning， a real-time geological disaster early warning system is proposed based on Internet of things technology. In order to realize the system， based on the analysis of the overall business process of the system， the overall architecture of the system is designed， and the geological disaster prediction model is proposed by using the comprehensive parameter method， Logistic regression analysis method， principal component analysis method， etc. Finally， the above system is verified by testing. The results show that the scheme can well realize the early warning of geological disasters.
Key words：Internet of things; geological hazard; regression model; disaster prediction
近年来，山体滑坡、泥石流、岩体崩塌等重大地质自然灾害仍然频繁見诸报端，这对中国经济发展和社会民生造成了重大损失。中国在2018年度共计发生了2966起地质灾害，造成106人死亡、11人失踪、78人受伤以及直接经济损失14.8亿元的沉重后果。需要说明的是，诱发地质灾害的原因并不只是自然因素，还包括人为因素，而且地质灾害的发生是有规可循的，重点监测地质灾害点的情况，科学预测地质灾害的发生概率以及在发生地质灾害以后快速报警，能够最大程度地挽救人民群众的损失。在此背景下，充分利用现代科技力量，综合多学科的理论知识，联合多部门设计开发地质灾害监测预警系统，对重点地质灾害区域进行全天候监控。一旦发现发生地质灾害的隐患，立即做出告警，从而尽早制定抢险救灾方案，尽力减少地质灾害的损失，最大程度地保护人们群众的生命财产安全。因此基于以上背景，本研究结合物联网技术构建地质灾害预警系统，并对该系统进行详细实现。
1 地质灾害系统整体业务分析
地质灾害监测预警系统动态监测地质灾害点的降雨量信息和地质形变信息，参照历史数据来设定地质灾害报警阈值，如果综合分析结果超出了阈值，则立即向相关部门发出预警信息，并以地图展示的形式来指出地质灾害点的空间位置。具体系统业务流程如图1所示。
2 系统整体框架
根据图1的业务分析，综合利用SQL Server数据库、GIS等，最终设计出适配的系统框架。地质灾害监测预警系统包含支撑层、应用层以及数据库服务层，同时建立了一系列的配套体系，比如安全保障体系、管理体系等，从而确保系统能够正常实现预期功能。具体如图2所示。
3 地质灾害预测报警模型构建
3.1 构建思路
通过综合参数法、Logistic回归分析法、主成分分析法等建立地质灾害预测报警模型，用以指导本次系统的设计过程。调取相关档案获悉当地地质条件，结合过往案例分析地质灾害的常见诱因，利用主成分分析法来建立地质灾害预测报警模型。一般来说，地质灾害的发生同时受到外在因素（人类活动、降雨量等）和内在因素（地貌类型、岩土类型等）的影响。根据历年的地质灾害信息，分析评估不同因素对于地质灾害发生概率的影响效力，然后利用主成分分析法建立适配的地质灾害预测报警模型。模型构建思路如图3所示。
3.2 地质灾害敏感性分区图 借助于地理信息系统的空间分析功能，利用主成分分析法，对地质灾害的6个静态因素进行分析，根据各项因素的等级确定其权重大小，由此建立地质灾害敏感性分区。
主成分分析法利用线性变化剔除对信息影响较小的因素，这一过程并不会造成严重的信息损失，而是较为完整地保留了原有信息，同時生成了新的变量，用以替换旧的变量，能够达成预期目标。
设定样本数据X存在p个特征变量，表示为x=（x1，x2，x3，…xp），同时设定均值向量u、协方差矩阵V，基于主成分分析法获得q个新的变量（ y1，y2，y3，…yp），并用以替换原有的p个特征变量，前者能够充分反应出后者所反应的信息。以上分析过程的演算步骤，列述如下：
首先求解出协方差矩阵V的全部非零特征根λ，遵照从大到小的顺序进行排列（ λ1，λ2，λ3，…λk），确保p-k个特征根值等于0。建立k个特征根（ λ1，λ2，λ3，…λk）所对应的向量（ a1，a2，a3，…ak），并且求算出单位化后的特征向量。设定yk=akx，它与（ y1，y2，y3，…yk）相互独立，并且包含1-k个主成分。可根据累积方差的贡献率来确定p-k的数值，若前q个主成分的累计方差的贡献率大于85%，则利用变量（ y1，y2，y3，…yq）对原先的变量（x1，x2，x3，…xp）进行替换。
根据过往经验，地质灾害的发生受到人类工程活动、表土层厚度、地层岩性、地形坡度以及地貌类型等因素的重要影响，它们是评估地质灾害发生概率的重要因子。考虑到以上5个要素之间是互不交叉的，因而选用矩阵形式进行表示，并利用主成分分析法来评定不同因素的影响效力，由此确定不同因素的影响权重，最后对各项因素的权重进行归一化处理，由此确定标准化的权重序列。
地质灾害敏感指数（Z）表征了在特定降雨量条件下，受人类工程活动、表土层厚度、地层岩性、地形坡度以及地貌类型等5项因素影响而发生地质灾害的概率。利用加权指数法求解地质灾害敏感指数（Z），其中，人类工程活动受矿业活动强度、路网密度以及人口密度等因素的影响，表土层厚度选用断裂密度等级进行表示。
不同影响因子的权重求解算式：
式中：ai为第i个影响因子诱发地质灾害的概率，Mi为第i个因子诱发地质灾害的影响权重，A为单元面积，Aij为第i个因素与第j个因素所占的面积，Pij为第i个因素与第j个因素诱发地质灾害的平均强度。指的是不同影响因子的权重值，可通过主成分分析法、专家评分法或者AHP法进行确定。
发生地质灾害的各项评价因子的权重，汇总如表1所示。
调取地质灾害档案资料，虽然频发地质灾害，但是地质灾害的规模并不大，据此，本文选用地质灾害点的密度来表征地质灾害的发生概率。首先将地图细分为1km×1km的单元格，然后对各个单元格进行运算，求解出各个单元格的地质灾害敏感性指数Z，根据Z值高低描绘出相应地颜色，从高到底依次对应于红色、橙色、黄色、绿色、蓝色，由此清晰地展示了地质灾害的严重程度。
3.3 气象综合图
地震、降雨等气象因素都是诱发地质灾害的重要因素，考虑到地震的发生概率较低，而且现有技术很难预先预报地震，因此忽略地震对于地质灾害的影响。所以，本文系统应当采集当天的降雨量、统计过去1～5d的降雨量、预报未来24h内的降雨量，并且评估以上因素对于发生地质灾害的影响效力。在实操中，可通过气象部门对当天的降雨量进行预测，并通过水利部门获取当天前1～5d的降雨量，以及由气象部门提供未来24h内的降雨量。具体有效降雨量的算式如下：
式中：R0为预报日的降雨量;Rz为预报日的有效降雨量;ai为前i日的影响系数;Ri为前i日的降雨量。
3.4 预测报警模型构建
根据预测报警模型，综合地质灾害敏感性指数和降雨诱发指数，结合预先设定的报警阈值对地质灾害的发生等级进行预测。预测报警模型为在特定降雨量条件下，对某一因素诱发地质灾害的概率提供了预测方法。
首先把预报区域地图细分成多个1km×1km的单元格，分别求算出各个单元格的地质灾害敏感性指数Z以及降雨诱发指数R，由此确定预测报警指数H，即可对发生地质灾害的概率进行预测。
预测报警指数H的算式如下：
利用地理信息系统对气象综合图和地质灾害敏感性分区图执行叠加分析，由此建立地质灾害预测预警模型。地质灾害发生等级集预警颜色，按照轻中程度，依次设定为蓝色、绿色、黄色、橙色和红色列。
3.5 预警分析模块
利用地质灾害预测报警模型对地质灾害点的地质构造、地形地貌、主要隐患以及发生地质灾害的概率等进行分析和估计，根据分析结果发出预警。具体步骤为：
（1）数据收集。地质灾害监测预警系统全面采集地质灾害点的关键信息，包括降雨量信息、地质灾害诱因信息、地质地形地貌特征等，然后利用主成分分析法对以上数据进行整合分析，根据分析结果确定各项因素的影响效力，最后统一设定各项因素的影响权重，并且确定诱发地质灾害的主要因素。
（2）危险性评估。地质灾害监测预警系统综合分析降雨量信息及其他地质灾害诱因信息，从而做出地质灾害的危险性评估。危险性评估的流程是划分基础单元格、对单元格地质因子进行运算、获取决策支持，具体列述如下：
第1步，划分评价单元格。利用栅格划分方法将行政区划图细分为2km×2km的评价单元格。地质灾害的发生概率及严重程度主要受到降雨量、地质条件等因素的影响。在划出多个评价网格以后，综合分析每个评价单元格内的致灾因素，结合地质灾害预测报警模型确定各个评价单元格的等级，并绘制出与其等级相对应的颜色，由此能够明晰地判定各个评价单元格的预测结果。
第2步，对各个单元格的地质因子进行运算。结合陕西省地质灾害的常见诱因，本文系统纳入了6项主要致灾因素，包括降雨量、地形地貌、人类工程活动、地层岩性、表土层厚度、地质构造，其中，通过气象局获取降雨量信息，从建设局官网上下载人类工程活动信息，其余四项指标根据相应的属性条件进行确定。降雨量是诱发地质灾害的主要因素，降雨量的危险性等级在一定程度上决定了地质灾害的发生概率，对此，综合分析各评价单元格的临界有效降雨量和有效降雨量，通过对比即可确定各个单元格的降雨量危险性等级。最后，利用地理信息系统对气象综合图和地质灾害敏感性分区图执行叠加分析，由此确定不同地区发生地质灾害的概率及等级。 第3步，获取决策支持。根据运算结果，调用地质灾害预警预测模型对各评价单元格涂抹上与其预警等级相对应的颜色，能够直观地呈现预警结果。职能部门根据预警等级制定适配的应急处置方案，针对高风险等级的地区尽快实施有效的防治措施。
决策支持功能模块架构如图4所示。
4 系统验证
以陕西地质災害预警为例。若地质灾害点的实际降雨量超出了降雨量预警阈值，此时系统会根据实际降雨量来评估发生地质灾害的概率。若系统判定可能发生地质灾害，在获得领导审批以后，随即向周边民众发布地质灾害预警。具体报警如图5所示。
图5中的深灰区域对应于4级预警，意味着该地区发生地质灾害的风险性大，相关职能部门及当地民众应当加强地质灾害预警，并做好抢险救灾准备。
5 结语
通过上述的研究结果看出，结合地质灾害敏感性分区图和气象综合图的相关信息，能准确评价部分区域的地质灾害情况。而根据该评价结果，地质部门可很好的制定应急预案，以此更好的提高地质灾害预防。
参考文献
[1]李国政，杨观赐.山区天然气管道滑坡位移监测系统设计[J].中国测试，2020，46（08）：87-93.
[2]王良民，郭向前，奚春华，等.实景三维地质灾害管理信息平台的设计与实现[J].地理空间信息，2020，18（08）：7-9+30+6.
[3]尹萍.自动化监测预警系统在边坡监测工程中的应用[J].科技视界，2020（24）：34-36.
[4]陈银良.一种基于物联网的危化品风险监测预警系统设计[J].中国科技信息，2020（17）：74-75+78+14.
[5]黄富禹，刘春.基于物联网技术的隧道自动化变形监测系统设计[J].科学技术创新，2020（26）：118-119.
[6]郭荣佐，邓涵文，陈芳莹，等.物联网边缘计算资源分配模糊建模与优化研究[J].小型微型计算机系统，2020，41（09）：1878-1886.
[7]罗晴明.地质灾害防治动态监测预警系统及其应用[J].数字通信世界，2019（07）：200.
[8]王永杰，周国清，周叔一，等.降雨诱发型滑坡预警系统设计[J].现代电子技术，2019，42（20）：139-144.
[9]任康.基于WebGIS的滑坡灾害预警在线监测系统研究[J].公路交通科技（应用技术版），2019，15（10）：282-284.
[10]汪洋.基于矿山开采工程的水文地质灾害预警系统设计[J].世界有色金属，2019（17）：150-151.