CN104778369A - 一种基于地面沉降监测的决策与预警方法及其系统 - Google Patents
一种基于地面沉降监测的决策与预警方法及其系统 Download PDFInfo
- Publication number
- CN104778369A CN104778369A CN201510187802.2A CN201510187802A CN104778369A CN 104778369 A CN104778369 A CN 104778369A CN 201510187802 A CN201510187802 A CN 201510187802A CN 104778369 A CN104778369 A CN 104778369A
- Authority
- CN
- China
- Prior art keywords
- model
- monitoring
- data
- subsidence
- monitoring data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了一种基于地面沉降监测的决策与预警方法及系统,方法包括设置若干监测点及将监测点定位于监控地图,获得监测数据;对监测数据进行统计分析,获得监测数据的特征值;建立单测点统计模型、多测点统计模型和时间序列模型;确定模型参数,获得单测点预测模型、多测点预测模型和时间序列预测模型;生成沉降危害级别评判原则;获得待监测数据,计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数,并进行预警。系统包括监测点定位模块、数据获取模块、数据分析模块、显示模块。本发明对地面沉降监测和决策预警,实现集成化的数据管理和分析处理。
Description
技术领域
本发明涉及一种基于地面沉降监测的决策与预警方法及其系统,属于地质测绘的技术领域。
背景技术
地面沉降是一种普遍而又日趋明显的地质现象,行为复杂、由多因素综合作用,与地壳新构造运动、海平面相对上升、火山运动、地下水开采、地表施加荷载、地下工程的施工等因素密切相关。地面沉降会对沉降区域的生态环境、基础设施产生严重的影响,因此必须对地面沉降进行长期监测,并对监测资料进行科学分析,及时发现可能存在的隐患,从而制定合理的防治措施,为城市的现代化进程提供保障。
目前,沉降监控成果多以图纸、报表的形式展示给决策部门,内容单调、可视化不强。沉降灾害的预防不能仅仅是知识层面的应用,还需是管理层次及决策系统的有效运营。因此,亟需建成一个共享开放的地面沉降监控与评判辅助决策系统。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于地面沉降监测的决策与预警方法及其系统,解决现有技术中地面沉降监控不具备智能化和高速处理的问题,实现高精度对地面沉降监控决策和预警。
本发明具体采用以下技术方案解决上述技术问题:
一种基于地面沉降监测的决策与预警方法,包括以下步骤:
步骤1、设置若干监测点及将监测点定位于监控地图,并对监测点所在地面的沉降进行监测获得监测数据,所述监测数据包括地下水位、地面荷载、沉降量和沉降速率;
步骤2、对监测数据进行统计分析,获得监测数据的特征值;
步骤3、当监测点为一个时,将监测数据结合时效因子建立单测点统计模型;当监测点大于一个时,将监测数据结合时效因子建立多测点统计模型;并将监测数据结合时效因子建立时间序列模型;
步骤4、将监测数据及其特征值代入步骤3所述的单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;
步骤5、将沉降量或沉降速率分成若干范围段并在各范围段下配置危害等级数,以生成沉降危害级别评判原则;
步骤6、获得待监测数据及将其结合所述单测点预测模型、多测点预测模型和时间序列预测模型,计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数,并进行预警。
进一步地,作为本发明的一种优选技术方案:所述步骤3建立时间序列模型具体为:
步骤3-1、对监测数据进行平稳化处理,得到监测数据的平稳序列;
步骤3-2、建立自回归模型,确定自回归模型的阶数;
步骤3-3、对自回归模型进行参数估计得到模型的参数,代入求得的参数值得到时间序列模型。
进一步地,作为本发明的一种优选技术方案:所述步骤3-1平稳化处理是利用差分方法对监测数据进行处理,剔除监测数据中的趋势项获得平稳序列。
进一步地,作为本发明的一种优选技术方案:所述步骤2对监测数据进行统计分析还包括对监测数据的异常值和误差进行检验。
一种基于上述基于地面沉降监测的决策与预警方法的系统,包括:
监测点定位模块,用于将监测点定位于监控地图;
数据获取模块,用于对监测点所在地面沉降进行监控得到监控数据,所述监测数据包括地下水位、地面荷载、沉降量和沉降速率;
数据分析模块,包括数据统计单元、模型建立单元、模型分析单元及预警分析单元,其中所述数据统计单元用于对监测数据统计分析获得监测数据的特征值;所述模型建立单元用于将所述监测数据结合时效因子建立单测点统计模型,及多测点统计模型和时间序列模型;模型分析单元用于将监测数据及其特征值代入单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;所述预警分析单元用于生成沉降危害级别评判原则,并将待监测数据分别结合预测模型计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数;
显示模块,用于显示监控地图、监测数据及监测点所在地面的沉降危害等级数。
进一步地,作为本发明的一种优选技术方案:所述显示模块将监控数据生产报表或图形进行显示。
本发明采用上述技术方案,能产生如下技术效果:
(1)、本发明提供的基于地面沉降监测的决策与预警方法及其系统,基于将监测点定位于地图,通过对地面的沉降情况进行监控,并采集监控数据进行建模分析,确定沉降危害等级后预警,由此进行交互性强的地图交互应用,充分利用现代计算机技术、GIS技术、数据库技术、计算机制图等技术,对沉降地区的沉降监测数据实现集成化的数据管理、智能化的分析处理、可视化的成果展示,建立沉降地区的三维可视化模型,实时展示将地面沉降监测、分析成果展示给用户。从而,系统建立了一个地面沉降监控与评判的决策平台,为管理部门的建设规划、灾害防治等提供技术支持。
(2)、并且,本发明可以基于百度地图JavaScript API构建功能丰富,交互性强的地图交互应用,将百度热力图和canvas技术结合沉降区危害度分级指标建立沉降预警指示系统,构建了一个全面的准确的地面沉降监控与评判的决策平台。
附图说明
图1为本发明基于地面沉降监测的决策与预警方法的流程示意图。
图2为本发明基于地面沉降监测的决策与预警系统的模块示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明设计了一种基于地面沉降监测的决策与预警方法,该方法具体包括以下步骤:
步骤1、设置若干监测点及将监测点定位于监控地图,并对监测点所在地面的沉降进行监测获得监测数据,所述监测数据包括地下水位、地面荷载、沉降量和沉降速率;
步骤2、对监测数据进行统计分析,获得监测数据的特征值;
步骤3、当监测点为一个时,将监测数据结合时效因子建立单测点统计模型;当监测点大于一个时,将监测数据结合时效因子建立多测点统计模型;并将监测数据结合时效因子建立时间序列模型;
步骤4、将监测数据及其特征值代入步骤3所述的单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;
步骤5、将沉降量或沉降速率分成若干范围段并在各范围段下配置危害等级数,以生成沉降危害级别评判原则;
步骤6、获得待监测数据及将其结合所述单测点预测模型、多测点预测模型和时间序列预测模型,计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数,并进行预警。
由此,本方法充分利用现代计算机技术、GIS技术、数据库技术、计算机制图等技术,对沉降地区的沉降监测数据实现集成化的数据管理、智能化的分析处理、可视化的成果展示,建立沉降地区的三维可视化模型,实时展示将地面沉降监测、分析沉降危害等级展示给用户。
在上述方法的基础上,本发明还提出了一种基于地面沉降监测的决策与预警系统,如图2所示,该系统具体包括如下:
监测点定位模块,用于将监测点定位于监控地图;即实时创建实际监控的地图交互界面,将监测点定位到监控地图上,供用户进行操作。用户可以读取监测点坐标直接展现在监控地图,也可以导入数据创建实际监控区域地图供系统调用。
数据获取模块,用于对监测点所在地面沉降进行监控得到监控数据,所述监测数据包括地下水位、地面荷载、沉降量和沉降速率、监测点点位信息数据等,该模块主要对沉降监测数据的输入、存储、输出、文本查询、可视化查询等,根据实际需要进行输入和输出。
数据分析模块,包括数据统计单元、模型建立单元、模型分析单元及预警分析单元,其中所述数据统计单元用于对监测数据统计分析获得监测数据的特征值;所述模型建立单元用于将所述监测数据结合时效因子建立单测点统计模型,及多测点统计模型和时间序列模型;模型分析单元用于将监测数据及其特征值代入单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;所述预警分析单元用于生成沉降危害级别评判原则,并将待监测数据分别结合预测模型计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数。
显示模块,用于显示监控地图、监测数据及监测点所在地面的沉降危害等级数;即进行交互性强的地图交互应用,充分利用现代计算机技术、GIS技术、数据库技术、计算机制图等技术,对沉降地区的沉降监测数据实现集成化的数据管理、智能化的分析处理、可视化的成果展示。
本发明为了验证本发明基于地面沉降监测的决策与预警方法及其系统能够实现监控决策和预警功能,特列举一验证例如下:
首先,系统中监控点定位模块是基于百度地图JavaScript API进行开发,方便用户查看监测点在沉降监测区域的分布位置。在此功能模块中,将监测点根据其经纬度坐标定位到沉降区域地图上,用户可对该监测点进行查询点位信息、查询监测信息。
其次,对监控点的地面沉降进行监控,主要包括沉降监测测点高程数据、分层沉降测点高程数据、孔隙水压力测点高程数据、地面沉降监测数据、基岩变形监测数据、分成沉降监测数据、地下水位监测数据、孔隙水压力监测数据、地面荷载监测数据等,由每日监控,以此使得数据获取模块获得多个监控数据,由此计算统计得到以月为单位的地面沉降量和沉降速率。
然后,系统中的数据分析模块对监控数据进行分析处理。具体为:
(1)、以地下水位监测数据和地面荷载监测数据为例,由数据统计单元对监测点的数据进行统计,然后由模型建立单元建立的统计分析模型,其建立多元线性回归分析的数学模型可表达如下:
y+V=a0+a1x1+a2x2+a3x3+…+akxk (1)
上式中:a0,a1…ak为待确定的系数;x1…xk为作用因子;y为沉降量;V为误差项。
经过n次观测(n≥k),根据最小二乘原理,利用间接平差的方法列出方程式,并求出待定系数
NA+W=0 (2)
A=-N-1W (3)
上式中,矩阵A=[a1,a2,a3…ak],设矩阵B=[1 x1 x2 x3…xk],P为单位矩阵,矩阵N=BTPB,为y近似值,并且l是y与其近似值的差。
从而可求出沉降量y的回归方程:
本系统基于回归分析模型原理,地下水位因子结合时效因子或地面荷载因子结合时效因子建立单测点统计模型,本实施例中建立基于地下水位变化的单测点统计模型和基于地面荷载变化的单测点统计模型。
在单测点统计模型中,即监测点为一个时的模型,由基于地下水位变化的统计模型公式如下:
δ=a0+a1H+c1t+c2lnt (5)
式中,δ为沉降量值,H为地下水位变化量,在建立每一个方程时,其为相对于第一个周期地下水位变化量的值;t为时效因子,以月为单位;a0、a1、c1、c2为建模系数。
然后,模型分析单元将监测数据及其特征值代入公式(5)得到模型中参数a0、a1、c1、c2,在求得建模系数a0、a1、c1、c2后,获得地下水位变化的预测模型。
在单测点统计模型中,基于地面荷载变化的统计模型公式如下:
式中,δ为沉降量值,Mi为节点荷载;t为时效因子,以月为单位;b0、b1、b2、b3为建模系数。
然后,模型分析单元将监测数据及其特征值代入公式(6)得到模型中参数b0、b1、b2、b3,在求得建模系数b0、b1、b2、b3后,获得地面荷载变化的预测模型。
以及,多测点统计模型建立原理如下:
多测点统计模型是基于多个监测点的情况下建立,由多个监测点生成一个区域,对区域内每个监测点进行监测,分别获得监测数据;然后由各监测数据汇总分析,生成同时考虑地下水位因子、地面荷载因子和时效因子的多测点统计模型;本实施例中将沉降量看成是一定沉降区域内若干个监测点的坐标和环境监测量的函数,该函数同时考虑地下水位因子、地面荷载因子和时效因子。
其形式如下:
δ=e0+e1xΔH+e2yΔH+e3xyΔH+e4x2ΔH+e5y2ΔH+e6x2yΔH+e7y2xΔH+e8x3ΔH+e9y3ΔH
+f1xΔW+f2yΔW+f3xyΔW+f4x2ΔW+f5y2ΔW+f6x2yΔW+f7y2xΔW+f8x3ΔW+f9y3ΔW
+c1xt+c2yt+c3xyt+c4x2t+c5y2t+c6x2yt+c7y2xt+c8x3t+c9y3t
+d1xlnt+d2ylnt+d3xylnt+d4x2lnt+d5y2lnt+d6x2ylnt+d7y2xlnt+d8x3lnt+d9y3lnt
式中,δ为沉降量值,ΔH为水位变化量;ΔW为荷载变化量;t为时效因子,以月为单位;e0~e9、f1~f9、c1~c9、d1~d9均为模型参数。
然后,模型分析单元将监测数据及其特征值代入上述公式得到模型中参数e0~e9、f1~f9、c1~c9、d1~d9,在求得建模全部参数后,获得多个监测点情况下的多测点预测模型。
(2)、模型建立单元建立的时间序列模型如下:
首先进行平稳化处理,通过对大量沉降监测数据分析可以得到,沉降量序列是由沉降量趋势项和沉降量平稳序列两部分组成,如下公式:
yt=mt+xt (7)
式中:yt为沉降监测序列,mt为沉降量趋势项,xt为沉降量平稳序列。
在进行建模前,先对沉降监测数据进行预处理,原理就用差分方法去删除趋势项,使监测数据平稳化。
假设mt=μt+ν,则yt的一阶差分为:
·yt=yt-yt-1=μ+(xt-xt-1) (8)
由于μ为常数,所以·yt一定为平稳序列,·为差分算子,当沉降监测数据的趋势项为t的一次函数时,通过一阶差分处理就可以得到以平稳序列。
同理,若沉降监测数据的趋势项为t的二次项时,设mt=μt2+νt+ω,则有yt的二阶差分为:
·2yt=·yt-·yt-1=2μ+·2xt (9)
·2yt也为平稳序列,以此类推,对于任一沉降监测序列,用算子·k对其趋势项做差分处理,都可以使其平稳化。
并且,对所述模型类型和阶数进行确定。沉降监测序列在剔除趋势项后,由非平稳序列转化为平稳序列,可以建立其自回归模型AR(p),设某一平稳时间序列为(x1,x2,x3,......,xt),则其AR(p)模型为:
式中:为自回归系数,p为自回归模型的阶数,{zt}是均值为0,方差为σ2的白噪声。
计算样本的自协方差函数:
计算样本的自相关函数:
为了使和充分接近其理论值,一般取N>50,k<N/4。样本的自相关函数还可以检测序列的平稳性,从理论上讲,AR(p)序列的自相关函数具有迅速下降的趋势,并最终在较小范围内波动。
计算样本偏相关函数
当k>p时,渐进服从正态分布因此,根据拉依达准则,对每个p>0逐个检查以此确定自回归模型的阶数p0。
然后,对模型参数进行估计。对于某平稳序列(x1,x2,x3,......,xt),其AR(p)模型可表示为:
其中:
AN=(zp+1,zp+2,…,zN)T (17)
根据最小二乘理论,参数的最小二乘估计为:
以及,对平稳序列进行预报。设(x1,x2,x3,......,xt)为AR(p)序列,即
令t=t+l,代入上式并在等式两边取估计值,得到:
由最小方差预报的基本性质,最后得到时间序列预测模型为:
其中,为自回归系数。
然后,由模型分析单元对获得单测点预测模型、多测点预测模型和时间序列预测模型进行分析,将监测数据和特征值分别代入模型,即由地下水位变化量H和时效分量t代入单测点预测模型、多测点预测模型,就可以分别得到监测点沉降量的预测值δ。利用时间序列预测模型时只考虑前期沉降量和时效因子,不需考虑地下水位、地面荷载等建模因子,只需在上式分别取l=1,2,…,n,即可得到第1步至第N步的沉降量的预测值。由上述三个公式基于不同的因子进行建模预测,得到各自的预测值结果。
再由系统的预警分析单元生成沉降危害级别评判原则,该原则是将沉降量或沉降速率分成若干范围段并在各范围段下配置危害等级数;而本实施例中主要采用的标准有沉降速率、累计沉降量,作为沉降危害等级的参数,设置沉降危害级别原则。根据以上情况,本系统采用年沉降速率和累计沉降量作为预警的控制指标,建立的沉降危害级别原则如表1或表2所示。
表1根据沉降速率进行预警的指标
表2根据沉降量进行预警的指标
累计沉降量/mm | 危害级别 | 显示颜色 |
0~300 | 小 | 蓝 |
300~800 | 中 | 黄 |
>800 | 大 | 红 |
预警分析主要是根据沉降速率或累计沉降量划分不同等级的范围段,本系统约定三个沉降危害等级分别用蓝、黄、红三种不同颜色表示,颜色越红,表明该区域沉降量越大。预警分析单元再将待监测数据分别结合预测模型计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数。系统的3个模型在建模时优选设置拟合精度和预测精度两项指标,选取拟合精度和预测精度最高的模型的1个预测沉降量值,作为最后预警分析的指标。
最后,显示模块利用二维等值线图子将监测点每期累计沉降量分布图与沉降监测区域地图结合显示,本系统可以基于ArcGIS Engine调用ArcGIS的三位分析和可视化功能进行二次开发,以及基于百度地图JavaScript API构建功能丰富、交互性强的地图应用,以可视化方式灵活展示监测以及分析成果,便于用户查看沉降点在沉降监测区域的分布位置及其沉降严重情况,实现沉降数据的监控和预警。
因此,本发明提供的基于地面沉降监测的决策系统及其方法,建立了一个地面沉降监控与评判的决策平台,为管理部门的建设规划、灾害防治等提供技术支持。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种基于地面沉降监测的决策与预警方法,其特征在于,包括以下步骤:
步骤1、设置若干监测点及将监测点定位于监控地图,并对监测点所在地面的沉降进行监测获得监测数据,所述监测数据包括地下水位、地面荷载、沉降量和沉降速率;
步骤2、对监测数据进行统计分析,获得监测数据的特征值;
步骤3、当监测点为一个时,将监测数据结合时效因子建立单测点统计模型;当监测点大于一个时,将监测数据结合时效因子建立多测点统计模型;并将监测数据结合时效因子建立时间序列模型;
步骤4、将监测数据及其特征值代入步骤3所述的单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;
步骤5、将沉降量或沉降速率分成若干范围段并在各范围段下配置危害等级数,以生成沉降危害级别评判原则;
步骤6、获得待监测数据及将其结合所述单测点预测模型、多测点预测模型和时间序列预测模型,计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数并进行预警。
2.根据权利要求1所述基于地面沉降监测的决策与预警方法,其特征在于:所述步骤3建立时间序列模型具体为:
步骤3-1、对监测数据进行平稳化处理,得到监测数据的平稳序列;
步骤3-2、建立自回归模型,确定自回归模型的阶数;
步骤3-3、对自回归模型进行参数估计得到模型的参数,代入求得的参数值得到时间序列模型。
3.根据权利要求2所述基于地面沉降监测的决策与预警方法,其特征在于:所述步骤3-1平稳化处理是利用差分方法对监测数据进行处理,剔除监测数据中的趋势项获得平稳序列。
4.根据权利要求1所述基于地面沉降监测的决策与预警方法,其特征在于:所述步骤2对监测数据进行统计分析还包括对监测数据的异常值和误差进行检验。
5.一种基于上述任意一项权利要求所述基于地面沉降监测的决策与预警方法的系统,其特征在于,包括:
监测点定位模块,用于将监测点定位于监控地图;
数据获取模块,用于对监测点所在地面沉降进行监控得到监控数据,所述监测数据包括沉降量和沉降速率包括地下水位、地面荷载、沉降量和沉降速率;
数据分析模块,包括数据统计单元、模型建立单元、模型分析单元及预警分析单元,其中所述数据统计单元用于对监测数据统计分析获得监测数据的特征值;所述模型建立单元用于将所述监测数据结合时效因子建立单测点统计模型,及多测点统计模型和时间序列模型;模型分析单元用于将监测数据及其特征值代入单测点统计模型、多测点统计模型和时间序列模型获得各模型参数,由模型参数确定后获得单测点预测模型、多测点预测模型和时间序列预测模型;所述预警分析单元用于生成沉降危害级别评判原则,并将待监测数据分别结合预测模型计算得到各模型下的沉降量或沉降速率;将各模型下的沉降量或沉降速率对照沉降危害级别评判原则,确定监测点所在地面的沉降危害等级数;
显示模块,用于显示监控地图、监测数据及监测点所在地面的沉降危害等级数。
6.根据权利要求5所述基于地面沉降监测的决策与预警方法的系统,其特征在于:所述显示模块将监控数据生产报表或图形进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510187802.2A CN104778369A (zh) | 2015-04-20 | 2015-04-20 | 一种基于地面沉降监测的决策与预警方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510187802.2A CN104778369A (zh) | 2015-04-20 | 2015-04-20 | 一种基于地面沉降监测的决策与预警方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104778369A true CN104778369A (zh) | 2015-07-15 |
Family
ID=53619829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510187802.2A Pending CN104778369A (zh) | 2015-04-20 | 2015-04-20 | 一种基于地面沉降监测的决策与预警方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778369A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912798A (zh) * | 2016-04-25 | 2016-08-31 | 上海市城市建设设计研究总院 | 基于超深基坑抽水的地面沉降智能预警方法及监测系统 |
CN106225766A (zh) * | 2016-07-01 | 2016-12-14 | 陕西铁道工程勘察有限公司 | 基于3s技术的构筑物沉降监测分析监管方法 |
CN107358348A (zh) * | 2017-07-05 | 2017-11-17 | 成都电科智联科技有限公司 | 一种基于oee提高计划容错性的方法 |
CN110702171A (zh) * | 2019-10-29 | 2020-01-17 | 深圳慧格科技服务咨询有限公司 | 建筑废弃物受纳场监测方法、装置及系统 |
CN110986873A (zh) * | 2019-11-30 | 2020-04-10 | 西南交通大学 | 高速铁路工程服役状态预警指标获取方法 |
CN111750822A (zh) * | 2019-10-31 | 2020-10-09 | 河南理工大学 | 一种采煤诱发的覆岩与地表沉陷协同动态预测方法 |
CN112347536A (zh) * | 2020-10-12 | 2021-02-09 | 中国路桥工程有限责任公司 | 用于特殊地基桥梁沉降的预测系统 |
CN112783385A (zh) * | 2021-01-04 | 2021-05-11 | 河北志晟信息技术股份有限公司 | 一种环保监测地图点位标识的动态生成方法 |
CN112818567A (zh) * | 2021-03-01 | 2021-05-18 | 深圳市安泰数据监测科技有限公司 | 一种基于概率论的岩土工程智能化监测预警方法及装置 |
CN112985304A (zh) * | 2019-07-26 | 2021-06-18 | 北京住总集团有限责任公司 | 一种隧道施工辅助监测系统 |
CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN113587897A (zh) * | 2021-05-17 | 2021-11-02 | 浙江建微科技有限公司 | 一种路基沉降监测数据处理方法、设备及可读存储介质 |
CN115200545A (zh) * | 2022-07-14 | 2022-10-18 | 广东电网有限责任公司 | 一种基于无线数字传输技术的变电站沉降监测装置 |
CN115830812A (zh) * | 2023-02-13 | 2023-03-21 | 水利部交通运输部国家能源局南京水利科学研究院 | 泵站建筑物异常沉降智能预警系统及方法 |
-
2015
- 2015-04-20 CN CN201510187802.2A patent/CN104778369A/zh active Pending
Non-Patent Citations (4)
Title |
---|
朱俊逸 等: "地面沉降监测信息管理系统的研究与应用——以南京市浦口新城核心区沉降监测项目为例", 《城市勘测》 * |
蔡东健 等: "城市地面沉降监控统计模型研究", 《测绘通报》 * |
郭家伟 等: "时间序列模型和马尔柯夫模型在地面沉降预测中的集成应用", 《城市环境与城市生态》 * |
金江军 等: "我国地面沉降灾害现状与防灾减灾对策", 《灾害学》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912798A (zh) * | 2016-04-25 | 2016-08-31 | 上海市城市建设设计研究总院 | 基于超深基坑抽水的地面沉降智能预警方法及监测系统 |
CN106225766A (zh) * | 2016-07-01 | 2016-12-14 | 陕西铁道工程勘察有限公司 | 基于3s技术的构筑物沉降监测分析监管方法 |
CN107358348A (zh) * | 2017-07-05 | 2017-11-17 | 成都电科智联科技有限公司 | 一种基于oee提高计划容错性的方法 |
CN112985304A (zh) * | 2019-07-26 | 2021-06-18 | 北京住总集团有限责任公司 | 一种隧道施工辅助监测系统 |
CN110702171A (zh) * | 2019-10-29 | 2020-01-17 | 深圳慧格科技服务咨询有限公司 | 建筑废弃物受纳场监测方法、装置及系统 |
CN111750822A (zh) * | 2019-10-31 | 2020-10-09 | 河南理工大学 | 一种采煤诱发的覆岩与地表沉陷协同动态预测方法 |
CN111750822B (zh) * | 2019-10-31 | 2022-04-26 | 河南理工大学 | 一种采煤诱发的覆岩与地表沉陷协同动态预测方法 |
CN110986873B (zh) * | 2019-11-30 | 2022-02-08 | 西南交通大学 | 高速铁路工程服役状态预警指标获取方法 |
CN110986873A (zh) * | 2019-11-30 | 2020-04-10 | 西南交通大学 | 高速铁路工程服役状态预警指标获取方法 |
CN112347536A (zh) * | 2020-10-12 | 2021-02-09 | 中国路桥工程有限责任公司 | 用于特殊地基桥梁沉降的预测系统 |
CN112783385A (zh) * | 2021-01-04 | 2021-05-11 | 河北志晟信息技术股份有限公司 | 一种环保监测地图点位标识的动态生成方法 |
CN112818567A (zh) * | 2021-03-01 | 2021-05-18 | 深圳市安泰数据监测科技有限公司 | 一种基于概率论的岩土工程智能化监测预警方法及装置 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN113587897A (zh) * | 2021-05-17 | 2021-11-02 | 浙江建微科技有限公司 | 一种路基沉降监测数据处理方法、设备及可读存储介质 |
CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
CN115200545A (zh) * | 2022-07-14 | 2022-10-18 | 广东电网有限责任公司 | 一种基于无线数字传输技术的变电站沉降监测装置 |
CN115830812A (zh) * | 2023-02-13 | 2023-03-21 | 水利部交通运输部国家能源局南京水利科学研究院 | 泵站建筑物异常沉降智能预警系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778369A (zh) | 一种基于地面沉降监测的决策与预警方法及其系统 | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
Coutinho-Rodrigues et al. | A GIS-based multicriteria spatial decision support system for planning urban infrastructures | |
Strager et al. | Watershed analysis with GIS: The watershed characterization and modeling system software application | |
Wang et al. | Spatial and temporal prediction and uncertainty of soil loss using the revised universal soil loss equation: a case study of the rainfall–runoff erosivity R factor | |
Miles et al. | Evaluation of CAMEL—comprehensive areal model of earthquake-induced landslides | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
Hou et al. | Evaluating Ecological Vulnerability Using the GIS and Analytic Hierarchy Process (AHP) Method in Yan'an, China. | |
CN103473463B (zh) | 一种定量确定湖泊流域水体氮磷背景浓度的方法 | |
Wang et al. | A patch‐based cellular automaton for simulating land‐use changes at fine spatial resolution | |
Gumiere et al. | MHYDAS‐Erosion: A distributed single‐storm water erosion model for agricultural catchments | |
Xu et al. | Integrating the empirical models of benchmark land price and GIS technology for sustainability analysis of urban residential development | |
CN113487123A (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
CN110234811A (zh) | 道路坍塌风险度评价装置和道路坍塌风险度评价方法,以及道路坍塌风险度评价用计算机程序 | |
Paramasivam | Merits and demerits of GIS and geostatistical techniques | |
Gertner et al. | Effect and uncertainty of digital elevation model spatial resolutions on predicting the topographical factor for soil loss estimation | |
Mulligan | Modelling catchment hydrology | |
Kamal et al. | Evaluating and analyzing navigation efficiency for the River Nile (Case study: Ensa-Naga Hamady reach) | |
Pike et al. | Terrain analysis for locating erosion channels: Assessing LiDAR data and flow direction algorithm | |
Lee et al. | DEA-based integrated relationship of returns to scale–an application to road maintenance in Taiwan | |
CN115168520A (zh) | 基于液位感知的污水零直排长效监管方法、系统及介质 | |
Jin et al. | Research progress of a GIS-based DRASTIC model | |
Kherde et al. | Integrating Geographical Information Systems (GIS) with Hydrological Modelling—Applicability and Limitations | |
Nkeki et al. | Is the existing methods sustainable? A hybrid approach to flood risk mapping | |
Minyi | Uncertainty and sensitivity analysis in soil strata model generation for ground settlement risk evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150715 |