CN107044883B - 堰塞湖溃决监测预警方法 - Google Patents
堰塞湖溃决监测预警方法 Download PDFInfo
- Publication number
- CN107044883B CN107044883B CN201710237242.6A CN201710237242A CN107044883B CN 107044883 B CN107044883 B CN 107044883B CN 201710237242 A CN201710237242 A CN 201710237242A CN 107044883 B CN107044883 B CN 107044883B
- Authority
- CN
- China
- Prior art keywords
- signal
- amplitude
- energy
- vibration
- value
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
针对现有技术不能有效将堰塞湖活动过程中石、土、水运动变化产生的振动信号付诸于堰塞湖溃决研究的缺陷,本发明提供了一种堰塞湖溃决监测预警方法。本方法运算中心将原始信号后依照去噪处理、振幅指标的信号判识、基于STFT变换的振动信号在1.5Hz~10Hz、0Hz~1.5Hz、10Hz~45Hz频率区的依次判识的步骤实施,最终判断落石、土体崩塌毁、堰塞湖溃决是否发生。本发明还公开了落石能量规模计算方法。本发明将振幅分析、能量分析、频率分析、信号功率谱密度PSD分别结合一体,并通过在不同判识级别层面上采用不用的信号分析指标与分析方法,实现提高判识准确度。本发明原理可靠,计算过程科学简便,实施仪器简单,安装方便,测算结果精度高,特别适用于工程领域的需要。
Description
技术领域
本发明涉及一种堰塞湖溃决监测预警方法,尤其是一种利用振动信号分析完成堰塞湖溃决监测预警的方法,属于振动信号监测测量技术领域、地质灾害预警领域。
背景技术
振动信号是指由非静止物体所产生的信号。由于非静止状态是物体的绝对状态,因而振动特性及产生的振动信号成为物体的固有特性。在受激发状态下,若振动源的激励与物体的固有特性参数相同或接近时,会产生各个频率特征信息的叠加所致的共振响应。振动信号的时域特征主要体现在振幅、周期、相位等特性上,其频域特征则主要表现在频率、能量信息中。由于不同物体具有其特征性的振动信号,同一物体在不同状态下也表现出不同特征性的振动信号,因此,通过提取并分析振动信号中原始或经由变换产生的各种特征信息,可以反向演算定位发生振动的物体本身,以及其运动状态。
堰塞湖是发生在山区常见的次生地质灾害。堰塞湖是主要由地震、强降雨等因素使山体发生滑坡、崩塌等堵塞河道而形成的天然湖泊,堰塞湖堵塞河道不仅造成上游回水淹没,而且一旦溃决产生的洪水远远超过下游的防护能力,给下游造成巨大危害。尤其是地震之后在地震灾区形成的堰塞湖,往往数量多、分布广,一量发生溃决而不能前期预警,则可能造成比地震本身更大的危害与损失。现有的堰塞湖监测预警手段分为两类:一类是通过野外调查对堰塞坝颗粒级配、坝体颗粒结构进行稳定性分析。这种方法具有很强的主观性,需要经验非常丰富的专家进行指导,具有很强的不确定性。另一类是通过监测堰塞湖水位和累计降水量进行预测。这种方法具有一定的黑箱型,水位升高是导致堰塞湖溃决的诱因,但是不是必然因素,这种方法不具有普适性,对于渗流和滑溃引起的堰塞湖溃决不起作用。
发明内容
本发明的目的就是针对现有技术的不足,提供一种利用振动信号分析实现的堰塞湖溃决监测预警的方法,其技术方案如下:
一种堰塞湖溃决监测预警方法,在堰塞坝上布置振动传感器实时采集、传输原始信号至运算中心,运算中心获得原始时间-振幅信号并进行运算;
运算中心首先对信号滤波去噪;其次根据信号振幅变化分析确定振动发生的时刻值T1;其特征在于:
再次对信号进行STFT变换,得到自时刻值T1起的时间-频率-能量信号;
最后对振动信号进行分频监测;在分频监测中,
首先采用STA/LTA方法对T1时间起振动频率范围1.5Hz~10Hz信号进行振动识别,若判断自T2时刻发生振动则判识为发生落石,并继续对自T2时刻起的振动频率范围0Hz~1.5Hz信号进行能量变化识别,否则重新确定新的时刻值T1;所述自T2时刻发生振动的判断条件根据落石振动试验结果和/或历史资料数据统计结果确定;
若通过能量变化识别判断自时刻值时T3起发生振动则判识为发生土体崩塌,并继续对自T3时刻起的振动频率范围10Hz~45Hz信号进行信号功率谱密度PSD识别,否则重新确定新的时刻值T1;所述自T3时刻发生振动的能量变化识别判断条件根据土体崩塌试验结果和/或历史资料数据统计结果确定;
所述信号功率谱密度PSD识别条件是若PSD达到峰值后持续降低,判识为堰塞湖溃决发生,溃决发生时间T4是确定PSD持续降低时。
本发明上述堰塞湖溃决监测预警的方法是以振动信号分析为基础实现的。堰塞湖活动过程是由石、土、水等多类对象的运动综合形成的,因而也伴随各对象相应的特征性振动信号,对这些信号的分类识别与监测其变化,能够预测堰塞湖的运动变化。本方法中,运算中心首先对信号滤波去噪,去除滤除原始信号中的直流成分、长周期偏移、低频异常。其次,运算中心依据振幅变化确定振动发生,具体可采用常规方法实现。例如可采用实际振幅与振幅阈值比对,或者根据振幅变化剧烈程度来从振幅指标反映出一次振动的发生,同时确定振动发生时刻T1。再次,运算中心对T1时刻之后的信号进行STFT变换,得到时间-频率-能量信号,此后,对振动信号的判识则可以依据时间、频率、能量三个指标同时或分别进行。在变换得到的时间-频率-能量信号基础之上,运算中心将信号划分成0Hz~1.5Hz、1.5Hz~10Hz、10Hz~45Hz 3个频带范围并实施分频监测。分频监测中,首先采用STA/LTA方法对T1时间起振动频率范围1.5Hz~10Hz信号进行振动识别,判别条件根据落石振动试验结果和/或历史资料数据统计结果确定。这样,通过STA/LTA方法能首先识别出落石振动的发生并确定其发生时刻T2,也即堰塞湖溃决变化中的先兆/先期预警信号。其后,对自T2时刻起的振动频率范围0Hz~1.5Hz信号进行能量变化识别,判别条件根据土体崩塌试验结果和/或历史资料数据统计结果确定。一般地,能量变化识别判断条件可以是:0Hz~1.5Hz振动频率范围内信号能量值与背景噪声信号能量值比值是否达到能量比值阈值RE,能量比值阈值RE通过土体崩塌试验结果和/或历史资料数据统计结果得出的土体崩塌振动能量变化特征确定。这样,通过对振动信号的能量特征分析能识别出落石滚落之后发生的土体崩塌振动的发生,并确定其发生时刻T3,也即堰塞湖溃决险性的明确指标与常用的临灾预警信号。最后,对自T3时刻起的振动频率范围10Hz~45Hz信号进行信号功率谱密度PSD识别。PSD指标的变化代表堰塞湖中水体的运动变化情况,若PSD达到峰值后持续降低,则判识为堰塞湖溃决发生,发出溃决信号。
上述堰塞湖溃决监测预警方法的基本技术构思体现在三方面:一方面从振动信号中分别筛选出落石振动信号(1.5Hz~10Hz)、土体崩塌振动信号(0Hz~1.5Hz)、推移质随水流运动的振动信号(10Hz~45Hz)三个具体监测对象,判识其是否发生;另一方面对传感器采集的振动信号经滤波后进行依振幅、依频率-能量等的分级判识,逐级提高分析判识结果精度;第三方面,在判断堰塞湖稳定性状态时,根据堰塞湖溃决的发生机理加以分步判识:若振动信号中出现密集频繁的1.5Hz~10Hz短时强振动,可以将其作为坝体失稳或溃决的先兆表征,发出前期预警信号;若连续出现的0Hz~1.5Hz明显高于稳定状态能量水平的低频振动成分的一般可以表明坝体出现了大规模的连续溃决,发出临灾预警信号;通过振动信号的10Hz~45Hz高频成分的能量水平可以得出溃口附近区域推移质的运动强度,而推移质的运动强度可以作为堰塞湖溃口规模变化的一个明显指示。
为实现通过逐级判识提高判识精度的目的,本发明技术方案采用对振动信号中时域内的振幅信息与频域内的频率、能量信息进行分步运算的方式。分级判识中,对滤波去噪后的滤波后振动信号采用两级判断识别:(1)I级判识是振动幅值判识。振幅是振动信号在时域中最基本的振动特征参数,采用振动判识,可以初步判识该状态下是否有高量级震动事件引起信号的突变,排除基本的背景噪声。通过设定振动幅值的下限阈值,初步判识该时刻是否异于平常的振动事件发生。但振幅判识方法过于粗略,仅能定性判识事件的大概可能性,因而采用振幅判识振动信号存在将背景噪声、仪器本身误差误判为有效事件的缺点,为克服此缺陷,需要信号处理进一步定量判识。(2)II级判识是基于STFT变换的频率-能量判识。STFT变换是一种二维时频变换,可以得到震动信号在时间-频率域的能量分布,不同事件的震动信号在时间-频率域有明显区别,可以通过定量计算震动信号在时间-频率域能量的分布范围和强度进行判识。通过Ⅲ级判识STFT的定量分析,能定量获得振动事件信号的各频率范围的能量分布情况,再用落石信号、土体崩塌信号、推移质运动信号的频率-能量特征甄别,判识出事件的类型(即落石事件、土体崩塌事件或推移质运动)以及时间特征。本技术方案在对振动信号的逐级判断识别中,每一级的判识都可采用常规方法进行,例如采用实时信号与阈值的比对,或对实时信号异常剧烈波动的识别等基本方法。对于阈值比对方法中使用的各类型指标的阈值,如振幅阈值、能量阈值等,都可通过前期相关的试验(如落石、土体崩塌、水体运动振动试验)结果分析得出的,或者根据相关的历史资料记录统计分析得出。
上述堰塞湖溃决监测预警方法,在判识为堰塞湖溃决发生后,若PSD稳定,可进一步判识为溃决过程中及之后稳定状态;其后直至信号稳定且PSD值小,可进一步判识为溃决终止。信号稳定的确定可采用振动信号分析常规方法,如依振幅变化率及趋势确定,PSD值小指标可以是PSD小于等于峰值PSD的10%。
以上述堰塞湖溃决监测预警方法为基础,发明可进一步解决落石冲击能量规模评估的问题。落石冲击能量可作为预测溃决规模衡量的指标之一。其技术方案是:在确定时间T2后同时计算落石冲击能量规模,落石冲击能量规模计算包括:
首先判识能量模拟计算起止时间:采用STA/LTA方法对T2时间起滤波后信号进行振动识别;当STA/LTA比值≥STA/LTA比值阈值RSL时确定为目标振动能量模拟计算起始时间t1,当振幅≤振幅下限阈值Amin时确定为目标振动能量模拟计算结束时间t2;所述STA/LTA比值阈值RSL通过落石振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定,振幅下限阈值Amin通过落石振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定;
其次计算落石冲击能量规模:依式5.1计算落石滚落释放能量规模AE;
式中,E(t)——时刻T2~时刻t的均方根振幅的平方,
E0——噪声水平,依式5.2计算确定,
式中,A1——时间t1处振幅,
A2——时间t2处振幅。
上述落石能量模拟计算是在信号分级判断识别的结果上,采用STA/LTA方法进一步振相分析,确定目标振动能量模拟计算的起止时间。采用STA/LTA方法可以识别出落石信号的起始点及其包络能量,对其进行能量积分,即可定量评估落石规模。
在优化条件下,上述堰塞湖溃决监测预警方法中可做如下优化:其一、可采用6阶~10阶的FIR对原始时间-振幅信号去噪。其二、根据信号振幅变化分析确定振动发生的时刻值T1时,采用实时信号与振幅阈值As比对的方法,振幅阈值As设计为背景信号振幅Ab的1.5倍。其三、确定落石发生时刻T2时,STA/LTA分析方法中,设置短周期tS=0.05s、长周期tL=1s,STA/LTA比值阈值RSL=3~4.5,窗函数ω[n]是长度为128的汉宁窗,依式5.3计算。其四、确定土体崩塌时刻T3时,能量变化识别判断条件采用0Hz~1.5Hz振动频率范围内信号能量值与背景噪声信号能量值的比值≥能量比值阈值RE,能量比值阈值RE=300%~340%。其中背景噪声信号能量值可以经现场测量确定,也可依式Ab 2/16000计算确定。其五、确定溃决发生时间T4时,PSD达到峰值后持续降低指标采用PSD经过峰值后持续下降时间≥3s。其六、确定溃决发生时间T4时,PSD值小指标采用PSD小于等于峰值PSD的10%。其七、确定溃决发生时间T4时,PSD稳定指标采用
与现有技术相比,本发明的有益效果是:(1)堰塞湖活动过程是由石、土、水等多类对象的运动综合形成的,因而也伴随着该三者的共同与分别运动变化。但在现有的堰塞湖溃决危险性技术没有通过分别对三者加以考察分析来综合评估堰塞湖溃决危险的技术方案。本发明提供了这样一种方法,基于堰塞湖溃决过程中石、土、水三者会发生独立又共同的运动的特性,通过将三者的发生判识安排在不同信号分析层次上完成,实现了对堰塞湖溃决发生的分步、分级预警。(2)堰塞湖石、土、水三者的运动伴随着相应的特征性振动信号,现有技术对这些信号利用较少,更未利用这些信号对堰塞湖的运动尤其是溃决加以预测。本发明解决了这一问题。(3)本发明方法的本质是一种振动信号分类分级判断识别方法。该方法将振幅分析、能量分析、频率分析结合一体,并通过在不同判识级别层面上采用不用的信号分析指标与分析方法,实现提高判识准确度的目的。这种将多种分析方法结合使用且旨在提高堰塞湖灾害预警信号的分析精度,尤其是通过在技术流程不同阶段使用不同分析方法,以实现对三类振动信号的分级判识,综合提高分析精度的技术构思在现有技术中未曾出现过。(4)本发明提供了利用前述方法实现的落石能量规模计算方法,能够解决堰塞湖溃决发生落石滚落能量规模的测算问题,可应用于地质灾害的相关研究领域。
附图说明
图1是传感器布设示意图。
图2是运算中心算法流程示意图。
图3是信号振幅初步判识示意图。
图4是信号3个频带频率-时间-能量STFT频谱图。
图5是3个落石事件能量-时间频谱图。
图6是土体崩塌事件能量-时间频谱示意图。
图7是土体崩塌事件频率-时间-能量频谱图。
图8是基于PSD判识的堰塞湖危险性预警示意图。
图9是STA/LTA算法计算示意图。
具体实施方式
下面结合附图,对本发明的优选实施例作进一步的描述。
实施例一
如图1~图8所示,用本发明方法对某一堰塞湖进行监测与适时预警。
在堰塞湖形成区域周边以阵列方式布设振动加速度传感器,如图1所示(图中三角形示传感器、五角星示堰塞湖所处中心位置)。传感器安装在堰塞坝附近河道岸边的基岩上。传感器实时采集、传输原始信号至运算中心,运算中心获得原始时间-振幅信号后依图2所示技术方案流程实施。
以下实施方式演示以一只传感器的数据处理为例。
步骤S1、去噪处理
原始信号滤除原始信号中的直流成分、长周期偏移、低频异常,得到滤波后信号。滤波可同时滤除低频异常,避免引起虚警以及对后续处理的干扰。滤波处理采用100阶的FIR对原始时间-振幅信号去噪。
进入步骤S2。
步骤S2、振动信号振幅监测
设置振幅阈值As,当滤波后信号振幅≥As时,记录该点时刻值T1,进入步骤S3。
本实施方式中,现场测量确定背景信号振幅Ab(振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值)=40,振幅阈值As设定为背景信号振幅Ab的1.5倍,As=60。
运算中心监测在2410s监测到信号振幅达到As(图3,图中箭头处信号振幅超过振幅阈值As),T1=2410s。
步骤S3、STFT变换
将滤波后信号进行STFT变换,得到自时刻值T1起的时间-频率-能量信号(图4),STFT变换是一种二维时频变换,通过变换得到振动信号在时间-频率域的能量分布。由于落石振动与其他类型振动在时间-频率域有明显区别,因而在STFT变换的基础上可以通过计算二者在时间-频率域能量的分布范围和强度对落石振动信号加以识别。进入步骤S4。
步骤S4、振动信号分频监测
步骤S41、监测振动频率范围1.5Hz~10Hz
监测振动频率范围1.5Hz~10Hz。采用STA/LTA方法对T1时刻起滤波后信号进行振动识别。当STA/LTA比值≥STA/LTA比值阈值RSL时确定为落石起始时间T2,判识为堰塞湖溃决先兆状态进入步骤S42;否则进入步骤S2。
STA/LTA方法中,设置短周期tS=0.05s、长周期tL=1s,STA/LTA比值阈值RSL=3,窗函数ω[n]是长度为128的汉宁窗。
计算结果显示三次落石事件,标记为1﹟、2﹟、3﹟(图5)。落石起始时间T2=192s、495s、598s。分别在192s、495s、598s发出先期预警信号。
步骤S42、监测振动频率范围0Hz~1.5Hz
监测振动频率范围0Hz~1.5Hz,计算自T2时间起滤波后信号能量比值,若能量比值在5s内持续大于等于能量比值阈值RE,判识为土体崩塌振动信号,记录时间刻值T3,确定为堰塞湖溃决临界状态,发出堰塞湖溃决预警信号,进入步骤S43;否则进入步骤S2。
本实施方式中,设置能量比值阈值RE=300%。
计算结果如图6(图中两方框内区域示信号时频能量)、图7所示,能量水平从220s明显高于其它坝体稳定时间段。同时从220s开始起至至少225s以后,0Hz~1.5Hz振动频率范围内信号能量值=0.45、背景噪声信号能量值=Ab 2/16000=0.1,能量比值=450%≥能量比值阈值RE。记录时间刻值T3=225s,发出临灾预警信号,退出步骤S42进入步骤S43。
步骤S43、监测振动频率范围10Hz~45Hz
监测振动频率范围10Hz~45Hz,计算自T3时间起滤波后信号功率谱密度PSD。
其中fmin表示要分析频带的最小频率,fmax表示要分析频带的最大频率,t表示时间,S(t,f)表示通过STFT方法计算得到的信号时间-频率功率谱。
结果显示(图8),A点之前,10Hz~45Hz段信号PSD快速达到峰值(PSDmax=15)后持续降低超过3s,说明堰塞湖坝前回水剧烈扰动,溃口变化剧烈。确定在T4=123s(A点)发生溃决,发生溃决信号。
此后,在时间370s~860s间(B点~F点),判识为溃决过程中及之后稳定状态,溃口变化不大。F点之后,信号稳定且PSD=0.5≤10%PSDmax,判识为溃决终止。
实施例二
计算此次堰塞湖溃决过程中落石的能量规模。其与实施例一相同之处不再重复,其不同之处在于:在确定时间T2后同时进入步骤S5。
步骤S5、落石冲击能量规模计算
步骤S51、能量模拟计算起止时间判识
采用STA/LTA方法对T2=192s时间的起滤波后信号进行振动识别。设置短周期tS=0.05s、长周期tL=1s,STA/LTA比值阈值RSL=3,窗函数ω[n]是长度为128的汉宁窗。设置振幅下限阈值Amin=10%Amax,Amax是t1~时刻t时间区间内振幅的最大值(图9中PGV)。
计算结果显示(图9),落石能量模拟计算起始时间t1=194s,对应振幅A1=0.3,落石能量模拟计算结束时间t2=196.5s,对应振幅A2=0.2,落石滚落周期DUR=2.5s。
进入步骤S52。
步骤S52、计算落石冲击能量规模
依式5.1计算落石滚落释放能量规模AE。计算得到时刻t1~时刻t的均方根振幅E(t)=317.9、噪声水平E0=0.0625,落石滚落释放能量规模AE=794.18J。
Claims (11)
1.堰塞湖溃决监测预警方法,在堰塞坝上布置振动传感器实时采集、传输原始信号至运算中心,运算中心获得原始时间-振幅信号并进行运算;
运算中心首先对信号滤波去噪;其次根据信号振幅变化分析确定振动发生的时刻值T1;其特征在于:
再次对信号进行STFT变换,得到自时刻值T1起的时间-频率-能量信号;
最后对振动信号进行分频监测;在分频监测中,
首先采用STA/LTA方法对T1时间起振动频率范围1.5Hz~10Hz信号进行振动识别,若判断自T2时刻发生振动则判识为发生落石,并继续对自T2时刻起的振动频率范围0Hz~1.5Hz信号进行能量变化识别,否则重新确定新的时刻值T1;所述自T2时刻发生振动的判断条件根据落石振动试验结果和/或历史资料数据统计结果确定;
若通过所述能量变化识别判断自T3时刻发生振动则判识为发生土体崩塌,则继续对自T3时刻起的振动频率范围10Hz~45Hz信号进行信号功率谱密度PSD识别,否则重新确定新的时刻值T1;所述自时刻值时T3起发生振动的能量变化识别判断条件根据土体崩塌试验结果和/或历史资料数据统计结果确定;
所述信号功率谱密度PSD识别条件是若PSD达到峰值后持续降低,判识为堰塞湖溃决发生,确定溃决发生时间T4在确定PSD持续降低时。
2.根据权利要求1所述的监测预警方法,其特征在于:在判识为堰塞湖溃决发生后,若PSD稳定,判识为溃决过程中及之后稳定状态;其后直至信号稳定且PSD值小,判识为溃决终止。
3.根据权利要求2所述的监测预警方法,其特征在于:所述T3时刻的能量变化识别判断条件是:0Hz~1.5Hz振动频率范围内信号能量值与背景噪声信号能量值比值是否达到能量比值阈值RE,所述能量比值阈值RE通过土体崩塌试验结果和/或历史资料数据统计结果得出的土体崩塌振动能量变化特征确定。
4.根据权利要求2所述的监测预警方法,其特征在于:所述T1时刻的振幅变化判识条件是将实时振幅是否达到振幅阈值As,所述振幅阈值As是背景信号振幅Ab的1.5倍,所述背景信号振幅Ab是振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值。
5.根据权利要求2所述的监测预警方法,其特征在于:所述PSD稳定指标是
6.根据权利要求2所述的监测预警方法,其特征在于:所述PSD值小指标是PSD小于等于峰值PSD的10%,所述PSD达到峰值后持续降低指标是PSD经过峰值后持续下降时间≥3s。
7.根据权利要求1~6任一所述的监测预警方法,其特征在于:所述运算中心依如下步骤实施;
步骤S1、去噪处理
滤除原始信号中的直流成分、长周期偏移、低频异常,得到滤波后信号,进入步骤S2;
步骤S2、振动信号振幅监测
设置振幅阈值As,当滤波后信号振幅≥As时,记录时刻值T1,进入步骤S3;所述振幅阈值As通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定;
其特征在于:
步骤S3、STFT变换
将滤波后信号进行STFT变换,得到自时刻值T1起的时间-频率-能量信号,进入步骤S4;
步骤S4、振动信号分频监测
步骤S41、监测振动频率范围1.5Hz~10Hz
监测振动频率范围1.5Hz~10Hz,采用STA/LTA方法对T1时刻起滤波后信号进行振动识别;当STA/LTA比值≥STA/LTA比值阈值RSL时确定为落石起始时间T2,判识为堰塞湖溃决先兆状态进入步骤S42;否则进入步骤S2;
所述STA/LTA比值阈值RSL通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定,振幅下限阈值Amin通过落石振动试验结果和/或历史资料数据统计结果得出的落石振动振幅变化特征确定;
步骤S42、监测振动频率范围0Hz~1.5Hz
监测振动频率范围0Hz~1.5Hz,计算自T2时间起滤波后信号能量比值,若能量比值在5s内持续大于等于能量比值阈值RE,判识为土体崩塌振动信号,记录时间刻值T3,确定为堰塞湖溃决临界状态,发出堰塞湖溃决预警信号,进入步骤S43;否则进入步骤S2;
所述能量比值是0Hz~1.5Hz振动频率范围内信号能量值与背景噪声信号能量值比值,所述能量比值阈值RE通过土体崩塌试验结果和/或历史资料数据统计结果得出的土体崩塌振动能量变化特征确定;
步骤S43、监测振动频率范围10Hz~45Hz
监测振动频率范围10Hz~45Hz,计算自T3时间起滤波后信号功率谱密度PSD,若PSD在达到峰值后持续降低,判识为堰塞湖溃决发生,记录溃决起始时间T4,发出溃决信号;否则进入步骤S2。
8.根据权利要求7所述的监测预警方法,其特征在于:所述背景噪声信号能量值经现场测量确定或者依式Ab 2/16000计算确定,背景信号振幅Ab是振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值;所述能量比值阈值RE=300%~340%。
9.根据权利要求7所述的监测预警方法,其特征在于:在确定时间T2后同时进入步骤S5:
步骤S5、落石冲击能量规模计算
步骤S51、能量模拟计算起止时间判识;
采用STA/LTA方法对T2时间起滤波后信号进行振动识别;当STA/LTA比值≥STA/LTA比值阈值RSL时确定为目标振动能量模拟计算起始时间t1,当振幅≤振幅下限阈值Amin时确定为目标振动能量模拟计算结束时间t2,进入步骤S52;
所述STA/LTA比值阈值RSL通过落石振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定,振幅下限阈值Amin通过落石振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定;
步骤S52、计算落石冲击能量规模
依式5.1计算落石滚落释放能量规模AE;
式中,E(t)——时刻T2~时刻t的均方根振幅的平方,
E0——噪声水平,依式5.2计算确定,
式中,A1——时间t1处振幅,
A2——时间t2处振幅。
10.根据权利要求9所述的监测预警方法,其特征在于:所述背景噪声信号能量值经现场测量确定或者依式Ab 2/16000计算确定,背景信号振幅Ab是振动传感器现场安装后自然状态下初始1min之内的信号振幅平均值;所述能量比值阈值RE=300%~340%。
11.根据权利要求9或10所述的监测预警方法,其特征在于:所述步骤S41中,
STA/LTA方法设置短周期tS=0.05s、长周期tL=1s,STA/LTA比值阈值RSL=3~4.5,窗函数ω[n]是长度为128的汉宁窗,依式5.3计算:
所述振幅下限阈值Amin=10%Amax~15%Amax,所述Amax是t1~时刻t时间区间内振幅的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710237242.6A CN107044883B (zh) | 2017-04-12 | 2017-04-12 | 堰塞湖溃决监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710237242.6A CN107044883B (zh) | 2017-04-12 | 2017-04-12 | 堰塞湖溃决监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107044883A CN107044883A (zh) | 2017-08-15 |
CN107044883B true CN107044883B (zh) | 2019-03-19 |
Family
ID=59545295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710237242.6A Active CN107044883B (zh) | 2017-04-12 | 2017-04-12 | 堰塞湖溃决监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107044883B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111866452B (zh) * | 2020-06-30 | 2021-06-01 | 河海大学 | 一种滑坡堰塞坝应急处置的视频实时监测方法 |
CN112560135B (zh) * | 2020-11-30 | 2021-10-01 | 北京中关村智连安全科学研究院有限公司 | 一种基于冲击能量指标的岩体崩塌早期预警方法 |
CN112698405B (zh) * | 2020-12-11 | 2022-06-07 | 西南交通大学 | 基于地震动信号的滑坡事件识别、预警、评估方法 |
CN112985508A (zh) * | 2021-03-16 | 2021-06-18 | 四川通信科研规划设计有限责任公司 | 一种多功能传感器输出的编码和通信方法 |
CN113837529B (zh) * | 2021-08-12 | 2023-04-28 | 长江勘测规划设计研究有限责任公司 | 一种河道岸坡崩塌风险评估方法 |
CN115236741B (zh) * | 2022-09-26 | 2022-12-09 | 成都理工大学 | 一种基于地震动信号的高速远程冰岩崩灾害链预警方法 |
CN116092268B (zh) * | 2022-11-28 | 2023-11-07 | 四川大学 | 一种点阵振动式泥石流监测方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1093803A (zh) * | 1993-03-15 | 1994-10-19 | 南京航空航天大学 | 叶片振动监测方法及系统 |
US6216985B1 (en) * | 1997-08-29 | 2001-04-17 | Robert Douglas Stephens | Railway hazard acoustic sensing, locating, and alarm system |
JP2004205309A (ja) * | 2002-12-25 | 2004-07-22 | Ohbayashi Corp | 落石検知システム |
CN201891055U (zh) * | 2010-11-12 | 2011-07-06 | 中国路桥工程有限责任公司 | 一种用于冻土环境的公路结构 |
CN103335708A (zh) * | 2013-06-13 | 2013-10-02 | 华北电力大学 | 汽轮发电机组低频振动实时预警方法 |
CN104392082A (zh) * | 2014-07-10 | 2015-03-04 | 中山火炬职业技术学院 | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 |
-
2017
- 2017-04-12 CN CN201710237242.6A patent/CN107044883B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1093803A (zh) * | 1993-03-15 | 1994-10-19 | 南京航空航天大学 | 叶片振动监测方法及系统 |
US6216985B1 (en) * | 1997-08-29 | 2001-04-17 | Robert Douglas Stephens | Railway hazard acoustic sensing, locating, and alarm system |
JP2004205309A (ja) * | 2002-12-25 | 2004-07-22 | Ohbayashi Corp | 落石検知システム |
CN201891055U (zh) * | 2010-11-12 | 2011-07-06 | 中国路桥工程有限责任公司 | 一种用于冻土环境的公路结构 |
CN103335708A (zh) * | 2013-06-13 | 2013-10-02 | 华北电力大学 | 汽轮发电机组低频振动实时预警方法 |
CN104392082A (zh) * | 2014-07-10 | 2015-03-04 | 中山火炬职业技术学院 | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107044883A (zh) | 2017-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107044883B (zh) | 堰塞湖溃决监测预警方法 | |
Zhu et al. | Magnitude estimation for earthquake early warning using a deep convolutional neural network | |
Salehi et al. | Measurement of critical shear stress for mud mixtures in the San Jacinto estuary under different wave and current combinations | |
CN110672875B (zh) | 基于Chirp-Z变换的表面水流速度检测方法 | |
KR20150035633A (ko) | 지진측정장치 및 지진측정방법 | |
Abadie et al. | Wave climate and longshore drift on the South Aquitaine coast | |
CN115311828A (zh) | 基于数字孪生的水下工程结构智能检测方法及系统 | |
Ashton et al. | On errors in low frequency wave measurements from wave buoys | |
Rickenmann et al. | Bedload transport measurements with impact plate geophones in two Austrian mountain streams (Fischbach and Ruetz): system calibration, grain size estimation, and environmental signal pick-up | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
Smith et al. | Interaction between breaking/broken waves and infragravity-scale phenomena to control sediment suspension transport in the surf zone | |
Yan et al. | Degree of cyclic target protrusion defined on squared envelope spectrum for rotating machinery fault diagnosis | |
Golpira et al. | Effects of sampling configurations of acoustic Doppler velocimeter (ADV) on turbulence measurements around large roughness elements | |
RU2346300C1 (ru) | Способ обнаружения возможности наступления катастрофических явлений | |
Stoelzle et al. | Are streamflow recession characteristics really characteristic? | |
KR101695539B1 (ko) | 기후 변화를 고려한 해안 구조물 피해 예측 방법 및 시스템 | |
CN105528657A (zh) | 基于北斗和向量机的建筑物震害预测方法 | |
Mendes et al. | A particle counting system for calculation of bedload fluxes | |
Jacobsen et al. | A general framework for damage detection with statistical distance measures: Application to civil engineering structures | |
Smith et al. | Exploring controls on debris-flow surge velocity and peak discharge at Chalk Cliffs, Colorado, USA | |
Walsh et al. | Characterizing the evolution of mass flow properties and dynamics through analysis of seismic signals: insights from the 18 March 2007 Mt. Ruapehu lake-breakout lahar | |
Sun et al. | Classification of anchor bolts based on spectral kurtosis and K-means clustering algorithm | |
Pietropaolo et al. | Wave runup on dikes and beaches | |
Fisher et al. | Comprehensive karst delineation from 3D seismic data | |
Rainieri et al. | An approach to automated modal parameter identification for structural health monitoring applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |