CN110220979A - 基于微地震技术的高陡岸坡稳定性监测系统与评价方法 - Google Patents
基于微地震技术的高陡岸坡稳定性监测系统与评价方法 Download PDFInfo
- Publication number
- CN110220979A CN110220979A CN201910558525.XA CN201910558525A CN110220979A CN 110220979 A CN110220979 A CN 110220979A CN 201910558525 A CN201910558525 A CN 201910558525A CN 110220979 A CN110220979 A CN 110220979A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- micro
- seismic
- signal
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 101
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 title claims abstract description 8
- 239000011435 rock Substances 0.000 claims abstract description 70
- 230000005540 biological transmission Effects 0.000 claims abstract description 69
- 230000007246 mechanism Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005553 drilling Methods 0.000 claims abstract description 5
- 230000007787 long-term memory Effects 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 51
- 238000013480 data collection Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 22
- 230000006378 damage Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 239000004568 cement Substances 0.000 claims description 4
- 239000002002 slurry Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000013500 data storage Methods 0.000 claims 1
- 239000002689 soil Substances 0.000 claims 1
- 239000004575 stone Substances 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000012954 risk control Methods 0.000 abstract 1
- 230000006403 short-term memory Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012482 interaction analysis Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/001—Acoustic presence detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/22—Transmitting seismic signals to recording or processing apparatus
- G01V1/223—Radioseismic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Emergency Management (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及地质灾害的监测和防治技术领域，具体涉及一种基于微地震技术的高陡岸坡稳定性监测系统与评价方法，包括检波器、数据采集仪和采集端数据传输设备，检波器用于检测地震波信号，通过钻孔的方式将检波器放置于20‑50米深的孔内，检波器通过线缆与孔外的数据采集仪连接；采用本发明技术方案的高陡岸坡稳定性监测系统与监测方法，对迭代神经网络的长短期记忆模型中引入了正则化退出机制，减少不同隐含层单元计算的复杂度，能够全面实时掌控高陡岸坡的稳定状态及发展趋势，提高岩体滑坡预警和风险管控水平，既能保证严格的数据同步采集、又能实时可靠的监测岩体状态，具有较高的工程应用价值。
Description
技术领域
本发明涉及地质灾害的监测和防治技术领域，具体涉及一种基于微地震技术的高陡岸坡稳定性监测系统与监测方法。
背景技术
岩质坡体的监测历来是滑坡监测预警过程中的一个薄弱环节，现有的常规监测手段如地表位移、深部位移、孔隙水压力以及降雨量监测手段在应对岩质坡体变形监测及预警预报过程中存在着不足。
中国专利CN107015269 A公开了《一种基于无线网络的微地震压裂实时监测系统及监测方法》，系统主要由服务器、无线微震数据采集站、现场手持巡检终端和无线AP构成，系统间通过WIFI互联，采用UDP和FTP协议进行通信。该系统描述了采用STM32F207处理器做主控单元的无线网络传输系统的构建，没有涉及数据采集站的具体实施方式和微地震数据的处理、分析。
中国专利CN 107277064 A公开了《一种基于流媒体技术的实时地震数据传输系统及传输方法》，主要由主控站、多个采集节点和多个无线中继站构成。采用WIFI或4G网络传输压缩后的大量现场采集的地震数据。该系统定义了RTMP协议的数据格式和滤波器，若采用4G网络传输地震数据，会产生昂贵的费用，且WIFI的组网方式不明确。
中国专利CN 1521518 A公开了《监测山体滑移和矿震地质灾害的检测方法》，通过在监测区钻一定数量的内置钢套管和检查井，将带有推靠器的磁敏传感器放置于检查井中，监测山体滑移和矿震的微地震事件。该方法采用了5个传感器，对于小区域的监测是有效的，但对于大面积的监测精度会降低，且传输方式、采集参数等不明确。
发明内容
本发明要解决的技术问题是提供一种基于微地震技术的高陡岸坡稳定性监测系统与评价方法，能够全面实时掌控高陡岸坡的稳定状态及发展趋势，提高岩体滑坡预警和风险管控水平，既能保证严格的数据同步采集、又能实时可靠的监测岩体状态，同时还具有较高的工程应用价值。
为了解决上述技术问题，本发明提供一种基于微地震技术的高陡岸坡稳定性监测系统，包括数据采集站和数据处理传输中心，所述数据采集站有若干个且呈网格状排列均匀布设在滑坡体的两侧和上部，所述数据处理传输中心用于接收若干个所述数据采集站的数据；
所述数据采集站包括检波器、数据采集仪和采集端数据传输设备，所述检波器用于检测地震波信号，通过钻孔的方式将所述检波器放置于20-50米深的孔内，上部用水泥浆浇灌，直至离井口1米处用土回填，保证检波器底部与基岩完全耦合，检波器通过线缆与孔外的数据采集仪连接，所述数据采集仪将检波器采集到的信号进行数字化处理并存储，若干个所述数据采集站通过各自的采集端数据传输设备将数据实时传输至数据处理传输中心进行信号微地震信号分析和事件的定位。
工作原理如下：
(1)当应力发生变化时，岩体在裂缝面发生破裂，产生裂缝，随着裂缝的变化，滑坡面和岩体分离，发生滑坡；
(2)岩体破裂时产生的声信号被检波器接收并传输至数据采集仪，由模拟信号转换为数字信号；
(3)数据采集站之间的距离为200-400米，不超过500米的间距呈网格状排列，均匀布设在滑坡体的两侧和上部，采集到的信号通过放大和功率匹配后传输给数据处理中心。
(4)数据采集站将采集的数据通过5GHz的WIFI实时传输到数据处理中心。
(5)数据处理中心主要实现数据采集站的指令控制、微地震监测信号的接收、处理、分析和处理结果的传输与通讯联络。
岩石变形、滑坡、地震等活动在发生前会产生由地应力变化而引起岩石破裂，这是产生微地震信号的条件。与常规监测相比，本监测系统直接监测的是岩体的破坏，是对岩体破坏本质的监测，因而对岩体破坏的捕捉效率更高；此外，采用微地震监测技术通过布设适当的检波器，长期实时的对一定区域面积内岩石破裂的空间位置、强度等时空演变过程监测，一方面可降低监测成本，另一方面可定量描述岩石内部的破裂机制，提高地质灾害预警预报的准确性。
作为优选方案，为了实现给野外监测系统的供电，所述数据采集站还包括太阳能电池板，所述太阳能电池板分别给所述检波器、所述数据采集仪和所述数据传输设备供电。
太阳能电池板输出的电源线分别给检波器、数据采集仪和采集端数据传输设备供电，通过双屏蔽电缆线相连，避免地面噪声和电压噪声对检波器的影响，太阳能电池板通过双屏蔽信号线分别连接检波器、数据采集仪和采集端数据传输设备。
作为优选方案，所述检波器采用三分量检波器，三分量检波器采用三通道加速度传感器，灵敏度为250V/m/s，动态范围110dB，采样频率可设置为200Hz或500Hz，频带范围0.03Hz-100Hz。
作为优选方案，所述数据采集仪内置GPS用于给所述检波器定位和授时。
作为优选方案，所述采集端数据传输设备包括局域网网桥设备，所述局域网网桥设备的天线为定向天线，且该定向天线采用蝶形天线，所述定向天线的最远通讯距离为1000m，采用5GHz通讯频率，天线增益30dBi，最大功耗为50W，通信协议采用802.11ac。
定向天线能增加辐射功率的有效利用率，增加保密性，定向天线抗干扰能力强，经由它发射出去的微波信号传输距离比较长，而且传输信号稳定。
具体的，蝶形天线的底座用0.5m×0.5m×0.5m的水泥墩固定，内径直径80mm的空心钢管固定于水泥墩中间，蝶形天线的支撑杆插入空心钢管中，用铁丝呈三角形固定。
作为优选方案，所述数据处理中心包括中心端数据传输设备和计算机工作站，所述中心端数据传输设备包括广域网网桥设备、功率放大器和路由器，所述广域网网桥设备与所述功率放大器连接，所述功率放大器与所述路由器连接，所述路由器与所述计算机工作站连接。
局域网网桥设备采用定向天线网桥，功率0.2W，采用5GHz通讯频率，增益16dBi，最大功耗为8W，采用24V电源和0.5A电流连接。
广域网网桥设备采用大功率天线接收来自数据采集站采集的微地震信号，具体的采用12米气动升降杆天线，设定为收发双工模式，天线增益18dBi，最大功率400W。经过功率放大器对大功率天线信号放大后传输给路由器，并经路由器转发给计算机工作站，数据传输线采用8芯超五类双绞线。
作为优选方案，所述太阳能电池板由72片多晶体太阳能光伏电池构成，最大输出功率120W，输出电压为12V和24V可调节。
具体的，太阳能电池板需安装于无遮挡空旷区域，太阳能电池板底座用0.5m×0.5m×0.3m的水泥墩固定。
作为优选方案，所述计算机工作站包括处理单元和存储单元，所述存储单元由阵列磁盘构成，所述阵列磁盘分为原始数据存储区、数据区和系统区，所述原始数据存储区用于存储来自数据采集站的数据，所述处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息。
本发明还提供一种基于微地震技术的高陡岸坡稳定性的监测方法，其特征在于，包括以下步骤：
S1、数据采集站的安装设置：按要求正确安装数据采集站并设置相关的初始参数，开始记录监测数据；
S2、数据采集站传输数据：所述检波器检测地震波信号并传输给数据采集仪，所述数据采集仪将检波器采集到的信号进行数字化处理并存储在数据采集仪的本地磁盘中，之后将采集到的信号通过放大和功率匹配后通过所述采集端数据传输设备传输给数据处理传输中心；
S3、数据处理传输中心接收数据：中心端数据传输设备接收来自数据采集站采集的微地震信号，经过所述功率放大器对信号放大后传输给路由器，并经所述路由器传输给计算机工作站；
S4、数据分析处理：计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，检测结果信息通过移动网络传输到后台指挥中心。
具体的，处理单元进行微地震信号分析与处理、微地震事件识别、震源定位、交互分析，最终生成微地震监测报告；由计算机工作站生成的微地震监测报告经路由器、功率放大器进行信号放大后，由大功率天线通过移动网络传输到后台指挥中心。
综合微地震监测得到的岩体破裂信号幅度、体破裂信号能量、事件频数和常规手段监测的位移形变、水位变化、降雨量等多维历史数据，采用正则化退出机制的长短期记忆(RD-LSTM)模型，迭代计算安全系数，判定岸坡岩体的稳定性，高陡岸坡的稳定性评价在计算机工作站中实现。
作为优选方案，S4中：
S4.1、提取原始数据：处理单元从原始数据存储区内提取原始微地震数据；
S4.2、对原始数据进行分析处理：对岩质滑坡产生的微地震信号进行去噪处理和波形分析，识别出有效的信号波形，并分析出有效信号的幅度和频率特征；
S4.4、计算微地震监测数据：根据分析出的有效信号的幅度和频率特征采用微地震定位反演算法计算岩石破裂点的空间位置、起裂时间和岩石破裂能量；
S4.4、数据源的选择：数据源包括微地震监测数据、常规监测数据和检测区域历史的滑坡安全系数，所述微地震监测数据表征岩体破裂的内因，所述常规监测数据表征诱发岩体破裂的外因，所述内因包括岩体破裂信号幅度、破裂信号能量和事件频数三种数据，所述外因包括位移形变、水位变化、降雨量三种数据，所述外因由对应的信息采集装置进行采集并传输至所述数据处理传输中心，所述监测区域历史的滑坡安全系数作为RD-LSTM模型收敛的判断依据；
S4.5、历史收集的所述微地震监测数据和常规监测数据均作为训练样本，训练样本用于LSTM模型的训练，监测区域历史的滑坡安全系数作为检验样本，检验样本用于验证收敛后的RD-LSTM模型输出是否准确；
S4.6、在LSTM模型中，加入正则化退出机制，在输入门、遗忘门、输出门、外部输出等单元增加正则化函数，正则化函数由不同单元的概率密度几何平均值确定。当正则化函数的值为零时，将发生退出机制，单元状态将参与下一个子网络运算。
S4.7、循环训练不同的历史训练样本，自循环、迭代计算破裂信号幅度、破裂信号能量、事件频数、位移形变、水位变化、降雨量影响因素的权重；给内因数据和外因数据赋予不同的权重因子，迭代调整RD-LSTM模型和权重系数，进行误差收敛；
S4.8、通过检验样本验证收敛后的RD-LSTM模型输出的安全系数是否一致，
若一致，进入步骤S4.9；
若不一致，加入新的训练样本回到步骤S4.7重新训练RD-LSTM模型；
S4.9、将最新采集的数据加载入RD-LSTM模型中，计算当前岸坡的安全系数；
S4.10、根据不同的滑坡区域，将计算的安全系数与规范的允许最小安全系数进行对比，判别当前岸坡的稳定性。
采用上述技术方案的一种基于微地震技术的高陡岸坡稳定性监测系统与监测方法的有益效果：岩石变形、滑坡、地震等活动在发生前会产生由地应力变化而引起岩石破裂，这是产生微地震信号的条件，与常规监测相比，本监测系统直接监测的是岩体的破坏，直接监测岩体破裂发出的声信号，是对岩体破坏本质的监测，因而对岩体破坏的捕捉效率更高；
现有的常规监测手段(如地表位移、深部位移、孔隙水压力等)只能针对某一具体滑坡案例布设传感器，在应对岩质坡体变形监测及预警预报过程中存在一些不足。采用微地震监测技术通过布设适当的检波器，长期实时的对一定区域面积内岩石破裂的空间位置、强度等时空演变过程监测，一方面可降低监测成本，另一方面可定量描述岩石内部的破裂机制，提高地质灾害预警预报的准确性；
在数据采集方面，采用近地表组合式微地震观测系统，降低采集成本的同时，可提高岩石破裂的声信号识别率；在数据传输方面，采用5GHz的频率将数据实时传输到数据处理传输中心，具有抗干扰能力强、传输速度快、数据的稳定性和连续性强等特点；在岸坡稳定性评价方面，引入正则化退出机制的长短期记忆(RD-LSTM)模型，将多维数据归一化处理后作为RD-LSTM模型的数据源，可消除子网络各单元无效的算子，降低不同隐藏层的计算复杂度，通过迭代计算安全系数，评价岸坡岩体的稳定性。
综上，本发明可全面实时掌控高陡岸坡的稳定状态及发展趋势，提高岩体滑坡预警和风险管控水平。
附图说明
图1为基于微地震技术的岩质滑坡实时监测系统布设方式示意图；
图2为微地震数据采集站的安装示意图；
图3为微地震数据处理传输中心工作示意图；
图4为基于微地震监测技术的岩质滑坡处理分析流程图；
图5为LSTM模型的流程图。
图6RD-LSTM模型的正则化退出机制示意图
其中：滑坡面1；裂缝面2；裂缝3；声信号4；数据处理传输中心5；大功率天线5-1；功率放大器5-2；路由器5-3；计算机工作站5-4；数据传输线5-5；数据采集站6；太阳能电池板6-1、电源线6-2；检波器6-3；基岩6-4；水泥浆6-5；双屏蔽信号线6-6；数据采集仪6-7、采集端数据传输设备6-8。
具体实施方式
下面结合附图和实施例对本发明技术方案进一步说明：
实施例1：
如图1、图2所示，本实施例提供一种基于微地震技术的高陡岸坡稳定性监测系统，包括数据采集站6和数据处理传输中心5，数据采集站6由若干个且呈网格状排列均匀布设在滑坡体的两侧和上部，数据处理传输中心5用于接收若干个数据采集站6的数据；
数据采集站6包括检波器6-3、数据采集仪6-7和采集端数据传输设备6-8，检波器6-3用于检测地震波信号，通过钻孔的方式将检波器6-3放置于20-50米深的孔内，至少保证钻孔深度超过基岩6-4两米深,上部用水泥浆6-5浇灌，直至离井口1米处用土回填，保证检波器6-3底部与基岩6-4完全耦合，钻孔干燥2-3天检波器6-3可正常工作，检波器6-3通过线缆与孔外的数据采集仪6-7连接，数据采集仪6-7将检波器6-3采集到的信号进行数字化处理并存储，若干个数据采集站6通过各自的采集端数据传输设备6-8将数据实时传输至数据处理传输中心5进行信号微地震信号分析和事件的定位。
工作原理如下：
(1)当应力发生变化时，岩体在裂缝面2发生破裂，产生裂缝3，随着裂缝3的变化，滑坡面1和岩体分离，发生滑坡；
(2)岩体破裂时产生的声信号4过检波器6-3传输至数据采集仪6-7，被数据采集站6接收到声信号4；
(3)数据采集站6之间的距离为200-400米，不超过500米的间距呈网格状排列，均匀布设在滑坡体的两侧和上部，数据采集仪6-7将检波器6-3采集到的信号进行数字化处理，存储在本地磁盘中，并将采集到的信号通过放大和功率匹配后通过采集端数据传输设备6-8传输给数据处理传输中心5。
(4)数据采集站6将采集的数据通过5GHz的WIFI实时传输到数据处理传输中心5。
(5)数据处理传输中心5主要实现数据采集站6的指令控制、微地震监测信号的接收、处理、分析和应急指挥中心的数据传输与通讯联络。
岩石变形、滑坡、地震等活动在发生前会产生由地应力变化而引起岩石破裂，这是产生微地震信号的条件。与常规监测相比，本监测系统直接监测的是岩体的破坏，是对岩体破坏本质的监测，因而对岩体破坏的捕捉效率更高；此外，采用微地震监测技术通过布设适当的检波器6-3，长期实时的对一定区域面积内岩石破裂的空间位置、强度等时空演变过程监测，一方面可降低监测成本，另一方面可定量描述岩石内部的破裂机制，提高地质灾害预警预报的准确性。
实施例2：
本实施例是在上述实施例1的基础上进行优化限定。
为了实现给户外监测系统的供电，数据采集站6还包括太阳能电池板6-1，太阳能电池板6-1分别给检波器6-3、数据采集仪6-7和数据传输设备供电。
太阳能电池板6-1输出的电源线6-2分别给检波器6-3、数据采集仪6-7和采集端数据传输设备6-8供电，通过双屏蔽电缆线相连，避免地面噪声和电压噪声对检波器6-3的影响，太阳能电池板6-1通过双屏蔽信号线分别连接检波器6-3、数据采集仪6-7和采集端数据传输设备6-8。
实施例3：
本实施例是在上述实施例2的基础上进行优化限定。
检波器6-3采用三分量检波器6-3，三分量检波器6-3采用三通道加速度传感器，灵敏度为250V/m/s，动态范围110dB，采样频率可设置为200Hz或500Hz，频带范围0.03Hz-100Hz。
实施例4：
本实施例是在上述实施例3的基础上进行优化限定。
数据采集仪6-7内置GPS用于给检波器6-3定位和授时。
实施例5：
本实施例是在上述实施例4的基础上进行优化限定。
采集端数据传输设备6-8包括第一网桥设备，局域网网桥设备的天线为定向天线，且该定向天线采用蝶形天线，定向天线的最远通讯距离为1000m，采用5GHz通讯频率，天线增益30dBi，最大功耗为50W，通信协议采用802.11ac。定向天线能增加辐射功率的有效利用率，增加保密性，定向天线抗干扰能力强，经由它发射出去的微波信号传输距离比较长，而且传输信号稳定。
具体的，蝶形天线的底座用0.5m×0.5m×0.5m的水泥墩固定，内径直径80mm的空心钢管固定于水泥墩中间，蝶形天线的支撑杆插入空心钢管中，用铁丝呈三角形固定。
实施例6：
本实施例是在上述实施例5的基础上进行优化限定。
数据处理传输中心5包括中心端数据传输设备和计算机工作站5-4，中心端数据传输设备包括广域网网桥设备、功率放大器5-2和路由器5-3，广域网网桥设备与功率放大器5-2连接，功率放大器5-2与路由器5-3连接，路由器5-3与计算机工作站5-4连接性。
局域网网桥设备采用定向天线网桥，功率0.2W，采用5GHz通讯频率，增益16dBi，最大功耗为8W，采用24V电源和0.5A电流连接。
广域网网桥设备采用大功率天线5-1接收来自数据采集站6采集的微地震信号，具体的采用12米气动升降杆天线，设定为收发双工模式，天线增益18dBi，最大功率400W。经过功率放大器5-2对大功率天线5-1信号放大后传输给路由器5-3，并经路由器5-3转发给计算机工作站5-4，数据传输线5-5采用8芯超五类双绞线。
实施例7：
本实施例是在上述实施例2-6中任一项实施例的基础上进行优化限定。
太阳能电池板6-1由72片多晶体太阳能光伏电池构成，最大输出功率120W，输出电压为12V和24V可调节。
具体的，太阳能电池板6-1需安装于无遮挡空旷区域，太阳能电池板6-1底座用0.5m×0.5m×0.3m的水泥墩固定。
实施例8：
本实施例是在上述实施例7的基础上进行优化限定。
计算机工作站5-4包括处理单元和存储单元，存储单元由阵列磁盘构成，阵列磁盘分为原始数据存储区、数据区和系统区，原始数据存储区用于存储来自数据采集站6的数据，处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息。
实施例9：
本发明还提供一种基于微地震技术的高陡岸坡稳定性的监测方法，其特征在于，包括以下步骤：
S1、数据采集站6的安装设置：按要求正确安装数据采集站6并设置相关的初始参数，开始记录监测数据；
S2、数据采集站6传输数据：检波器6-3检测地震波信号并传输给数据采集仪6-7，数据采集仪6-7将检波器6-3采集到的信号进行数字化处理并存储在数据采集仪6-7的本地磁盘中，之后将采集到的信号通过放大和功率匹配后通过采集端数据传输设备6-8传输给数据处理传输中心5；
S3、数据处理传输中心5接收数据：中心端数据传输设备接收来自数据采集站6采集的微地震信号，经过功率放大器5-2对信号放大后传输给路由器5-3，并经路由器5-3传输给计算机工作站5-4；
S4、数据分析处理：计算机工作站5-4的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，检测结果信息通过移动网络传输到后台指挥中心。
具体的，处理单元进行微地震信号分析与处理、微地震事件识别、震源定位、交互分析，最终生成微地震监测报告；由计算机工作站5-4生成的微地震监测报告经路由器5-3、功率放大器5-2进行信号放大后，由大功率天线5-1通过移动网络传输到后台指挥中心。
综合微地震监测得到的岩体破裂信号幅度、体破裂信号能量、事件频数和常规手段监测的位移形变、水位变化、降雨量等多维历史数据，对基于迭代神经网络(RNN)的长短期记忆(LSTM)模型中引入了正则化退出机制(RD-LSTM)，减少不同隐含层单元计算的复杂度，，迭代计算安全系数，判定岸坡岩体的稳定性，高陡岸坡的稳定性评价在计算机工作站5-4中实现。
实施例10：
本实施例是在上述实施9的基础上进行优化限定。
S4中：
S4.1、提取原始数据：处理单元从原始数据存储区内提取原始微地震数据；
S4.2、对原始数据进行分析处理：对岩质滑坡产生的微地震信号进行去噪处理和波形分析，识别出有效的信号波形，并分析出有效信号的幅度和频率特征；
S4.4、计算微地震监测数据：根据分析出的有效信号的幅度和频率特征采用微地震定位反演算法计算岩石破裂点的空间位置、起裂时间和岩石破裂能量；
S4.4、数据源的选择：数据源包括微地震监测数据、常规监测数据和检测区域历史的滑坡安全系数，微地震监测数据表征岩体破裂的内因，常规监测数据表征诱发岩体破裂的外因，内因数据包括岩体破裂信号幅度、破裂信号能量和事件频数三种数据，外因数据包括位移形变、水位变化、降雨量三种数据，外因数据由对应的信息采集装置进行采集并传输至数据处理传输中心5，监测区域历史的滑坡安全系数作为RD-LSTM模型收敛的判断依据；
S4.5、历史收集的微地震监测数据和常规监测数据均作为训练样本，训练样本用于RD-LSTM模型的训练，监测区域历史的滑坡安全系数作为检验样本，检验样本用于验证收敛后的RD-LSTM模型输出是否准确；
如图5所示，S4.6、在LSTM模型中加入正则化退出机制(RD-LSTM)，在输入门、遗忘门、输出门、外部输出等单元增加正则化函数，正则化函数由不同单元的概率密度几何平均值确定。当正则化函数的值为零时，将发生退出机制，单元状态将参与下一个子网络运算。
在RD-LSTM模型中，通过输入门、遗忘门和输出门来改变自循环的权重，自循环、迭代计算破裂信号幅度、破裂信号能量、事件频数、位移形变、水位变化、降雨量影响因素的权重；
RD-LSTM模型在模型参数固定的情况下，可以动态改变不同时间步长的积分尺度，非常适用于随时间演变的多元监测数据的变化特性，更有利于岸坡稳定趋势的预判。自循环计算安全系数的迭代计算公式为：
时间t第i个单元遗忘门fi (t)、状态门和输出如下：
式中，代表输出门，b,u,w分别代表长短期记忆算法的偏置、输入权重和遗忘门的循环权重。
为了消除无效的算子，降低不同隐藏层的计算复杂度，在子网络的门单元中(如遗忘门、输出门、外部输出门等)加入了正则化推出机制。正则化函数由不同单元概率密度的几何平均值确定。子网络各门单元的正则化输出响应定义为：
其中，分别为正则化退出机制下的遗忘门、状态门和输出门响应。μf,μs,μh由属于分类Ck下的数据序列X的概率密度函数,由概率p(y|X)决定:
μf＝1-pf(y|X)
μs＝1-ps(y|X)
μh＝1-ph(y|X)
根据经验，C取值为10时可以有比较好的训练效果。当μf,μs,μh的值为0时，子网络各门单元的退出机制发生，单元的响应值将参与下一次子网络运算，减少了不同隐含层单元计算的复杂度，提高模型的计算效率。S4.7、循环训练不同的历史训练样本，给内因数据和外因数据赋予不同的权重因子，迭代调整RD-LSTM模型和权重系数，进行误差收敛；
S4.8、通过检验样本验证收敛后的RD-LSTM模型和输出的安全系数是否一致，
若一致，进入步骤S4.9；
若不一致，加入新的训练样本回到步骤S4.7重新训练RD-LSTM模型；
S4.9、将最新采集的数据加载入RD-LSTM模型中，计算当前岸坡的安全系数；
S4.10、根据不同的滑坡区域，将计算的安全系数与规范的允许最小安全系数进行对比，判别当前岸坡的稳定性。
以三峡库区为例，根据《三峡库区地质灾害防治工程地质勘查技术要求》(2012)，将岸坡的稳定性分为稳定、基本稳定、欠稳定和不稳定四种状态，如表1所示，最小安全系数Fst取值1.20。
表1稳定性评价标准
| 安全系数F | F≤1.00 | 1.00≤F≤1.05 | 1.050≤F<Fst | F≥Fst |
| 稳定性 | 不稳定 | 欠稳定 | 基本稳定 | 稳定 |
注：F为RD-LSTM模型计算的安全系数，Fst为技术要求中的最小安全系数
本发明提供的一种基于微地震技术的高陡岸坡稳定性监测系统与评价方法，综合了系统中各部分的优点，既能保证严格的数据同步采集、又能实时可靠的监测岩体状态，同时还具有较高的工程应用价值。
以上仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。
Claims (10)
1.一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：包括数据采集站和数据处理传输中心，所述数据采集站有若干个且呈网格状排列均匀布设在滑坡体的两侧和上部，所述数据处理传输中心用于接收若干个所述数据采集站的数据；
所述数据采集站包括检波器、数据采集仪和数据传输设备，所述检波器通过钻孔的方式将所述检波器放置于20-50 米深的孔内，上部用水泥浆浇灌，直至离井口1米处用土回填，保证检波器底部与基岩完全耦合，检波器通过线缆与孔外的数据采集仪连接，所述数据采集仪将检波器采集到的信号进行数字化处理并存储，若干个所述数据采集站通过各自的采集端数据传输设备将数据实时传输至数据处理传输中心进行微地震信号分析和岩石破裂事件的定位。
2.根据权利要求1所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述数据采集站还包括太阳能电池板，所述太阳能电池板分别给所述检波器、所述数据采集仪和所述数据传输设备供电，所述太阳能电池板由多片多晶体太阳能光伏电池构成，最大功率120W，输出电压为12V和24V可调节。
3.根据权利要求2所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述检波器采用三分量检波器，三分量检波器采用三通道加速度传感器，灵敏度为250V/m/s，动态范围110 dB，采样频率可设置为200 Hz或500 Hz，频带范围0.03 Hz-100 Hz。
4.根据权利要求3所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述数据采集仪内置GPS用于给所述检波器定位和授时。
5.根据权利要求3所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述采集端数据传输设备包括局域网网桥设备，所述局域网网桥设备的天线为定向天线，且该定向天线采用蝶形天线，所述定向天线的最远通讯距离为1000 m，采用5GHz通讯频率，天线增益30 dBi，最大功耗为50 W，通信协议采用802.11ac。
6.根据权利要求5所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述数据处理传输中心包括中心端数据传输设备和计算机工作站，所述中心端数据传输设备包括广域网网桥设备、功率放大器和路由器，所述广域网网桥设备与所述功率放大器连接，所述功率放大器与所述路由器连接，所述路由器与所述计算机工作站连接。
7.根据权利要求6所述的一种基于微地震技术的高陡岸坡稳定性监测系统，其特征在于：所述计算机工作站包括处理单元和存储单元，所述存储单元由阵列磁盘构成，所述阵列磁盘分为原始数据存储区、数据区和系统区，所述原始数据存储区用于存储来自数据采集站的数据，所述处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息。
8.一种基于微地震技术的高陡岸坡稳定性的监测方法，其特征在于，包括以下步骤：
S1、数据采集站的安装设置：按要求安装数据采集站并设置相关的初始参数，开始记录监测数据；
S2、数据采集站传输数据：所述检波器检测地震波信号并传输给数据采集仪，所述数据采集仪将检波器采集到的信号进行数字化处理并存储在数据采集仪的本地磁盘中，之后将采集到的信号通过放大和功率匹配后通过所述采集端数据传输设备传输给数据处理传输中心；
S3、数据处理传输中心接收数据：中心端数据传输设备接收来自数据采集站采集的微地震信号，经过所述功率放大器对信号放大后传输给路由器，并经所述路由器传输给计算机工作站；
S4、数据分析处理：计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，检测结果信息通过移动网络传输到后台指挥中心。
9.根据权利要求8所述的一种基于微地震技术的高陡岸坡稳定性的监测方法，其特征在于步骤S4中：
S4.1、提取原始数据：处理单元从原始数据存储区内提取原始微地震数据；
S4.2、对原始数据进行分析处理：对岩质滑坡产生的微地震信号进行去噪处理和波形分析，识别出信号波形，并分析出有效信号的幅度和频率特征；
S4.3、岩石破裂事件定位：根据分析出的有效信号的幅度、相位、时差采用反演计算岩石破裂点的空间位置、起裂时间和岩石破裂能量；
S4.4、岸坡稳定性评价数据源的选择：包括微地震监测结果、常规监测数据和区域历史的滑坡安全系数，所述微地震监测结果表征岩体破裂的内因，所述常规监测数据表征诱发岩体破裂的外因，所述内因包括岩体破裂信号幅度、破裂信号能量和事件频数三类，所述外因包括位移形变、水位变化、降雨量三种数据，所述外因由对应的信息采集装置进行采集并传输至所述数据处理传输中心，所述监测区域历史的滑坡安全系数作为正则化退出机制的长短期记忆模型RD-LSTM收敛的判断依据；
S4.5、历史收集的所述微地震监测数据和常规监测数据均作为训练样本，训练样本用于RD-LSTM模型的训练，监测区域历史的滑坡安全系数作为检验样本，检验样本用于验证收敛后的RD-LSTM模型输出是否准确；
S4.6、在LSTM模型中加入正则化退出机制，在输入门、遗忘门、输出门、外部输出等单元增加正则化函数，正则化函数由不同单元的概率密度几何平均值确定，当正则化函数的值为零时，将发生退出机制，单元状态将参与下一个子网络运算；
S4.7、循环训练不同的历史训练样本，自循环、迭代计算破裂信号幅度、破裂信号能量、事件频数、位移形变、水位变化、降雨量影响因素的权重；给内因数据和外因数据赋予不同的权重因子，迭代调整RD-LSTM模型和权重系数，进行误差收敛；
S4.8、通过检验样本验证收敛后的递RD-LSTM模型和输出的安全系数是否一致，
若一致，进入步骤S4.9；
若不一致，加入新的训练样本回到步骤S4.7重新训练RD-LSTM模型；
S4.9、将最新采集的数据加载入RD-LSTM模型中，计算当前岸坡的安全系数；
S4.10、根据不同的滑坡区域，将计算的安全系数与规范的允许最小安全系数进行对比，判别当前岸坡的稳定性。
10.根据权利要求9所述的一种基于微地震技术的高陡岸坡稳定性的评价方法，其特征在于：安全系数F≤1.00评价为不稳定，安全系数1.00≤F≤1.05评价为欠稳定，安全系数1.05≤F≤1.2评价为基本稳定，F≥1.2评价为稳定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910558525.XA CN110220979B (zh) | 2019-06-26 | 2019-06-26 | 基于微地震技术的高陡岸坡稳定性监测系统与评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910558525.XA CN110220979B (zh) | 2019-06-26 | 2019-06-26 | 基于微地震技术的高陡岸坡稳定性监测系统与评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110220979A true CN110220979A (zh) | 2019-09-10 |
| CN110220979B CN110220979B (zh) | 2021-12-10 |
Family
ID=67814969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910558525.XA Active CN110220979B (zh) | 2019-06-26 | 2019-06-26 | 基于微地震技术的高陡岸坡稳定性监测系统与评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110220979B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110849415A (zh) * | 2019-11-07 | 2020-02-28 | 中交天航港湾建设工程有限公司 | 一种降雨点位布设及监测系统及方法 |
| CN110910613A (zh) * | 2019-12-10 | 2020-03-24 | 大连理工大学 | 一种岩体微震无线监测接收预警系统 |
| CN111323812A (zh) * | 2020-04-09 | 2020-06-23 | 南方科技大学 | 基于微破裂监测滑坡体稳定性的方法和系统 |
| CN111751885A (zh) * | 2020-08-12 | 2020-10-09 | 重庆地质矿产研究院 | 一种页岩气体积压裂微地震监测方法 |
| CN113033101A (zh) * | 2021-03-30 | 2021-06-25 | 桂林电子科技大学 | 一种基于lstm算法的滑坡稳定性评价方法 |
| CN113390359A (zh) * | 2021-06-15 | 2021-09-14 | 董世勇 | 高切坡变形监测装置 |
| CN114387754A (zh) * | 2020-10-16 | 2022-04-22 | 中国移动通信集团设计院有限公司 | 基于消防联动的天线控制方法及装置 |
| CN115115146A (zh) * | 2022-08-29 | 2022-09-27 | 西南交通大学 | 基于地震作用的边坡预警方法、装置、设备及存储介质 |
| CN116009062A (zh) * | 2022-12-27 | 2023-04-25 | 中国地质大学（北京） | 基于机器学习及分布式计算的微地震实时反演监测系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974469A (zh) * | 2016-06-30 | 2016-09-28 | 马克 | 岩质边坡开挖扰动作用下的微震监测预警分析系统及方法 |
| CN106873028A (zh) * | 2017-01-17 | 2017-06-20 | 克拉玛依市海晟达石油科技有限公司 | 一种基于蒸汽辅助重力泄油的微震波监测方法及系统 |
| CN107015269A (zh) * | 2017-06-07 | 2017-08-04 | 吉林大学 | 一种基于无线网络的微地震压裂实时监测系统及监测方法 |
| CN107059895A (zh) * | 2017-06-08 | 2017-08-18 | 东北大学 | 开挖扰动岩质边坡失稳预警系统及方法 |
| CN207408602U (zh) * | 2017-08-14 | 2018-05-25 | 中国地质调查局水文地质环境地质调查中心 | 一种页岩气开发微地震压裂智能识别装置 |
| CN108805269A (zh) * | 2018-06-28 | 2018-11-13 | 杭州叙简科技股份有限公司 | 一种基于lstm循环神经网络拾取震相到时的方法 |
| CN108845347A (zh) * | 2018-05-02 | 2018-11-20 | 重庆华地工程勘察设计院 | 一种近地表组合式微地震数据监测系统与方法 |
| CN109001814A (zh) * | 2018-08-07 | 2018-12-14 | 大庆时代宏业石油科技有限公司 | 井下微地震监测方法 |
| CN109558971A (zh) * | 2018-11-09 | 2019-04-02 | 河海大学 | 基于lstm长短期记忆网络的智能滑坡监测装置与方法 |
-
2019
- 2019-06-26 CN CN201910558525.XA patent/CN110220979B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974469A (zh) * | 2016-06-30 | 2016-09-28 | 马克 | 岩质边坡开挖扰动作用下的微震监测预警分析系统及方法 |
| CN106873028A (zh) * | 2017-01-17 | 2017-06-20 | 克拉玛依市海晟达石油科技有限公司 | 一种基于蒸汽辅助重力泄油的微震波监测方法及系统 |
| CN107015269A (zh) * | 2017-06-07 | 2017-08-04 | 吉林大学 | 一种基于无线网络的微地震压裂实时监测系统及监测方法 |
| CN107059895A (zh) * | 2017-06-08 | 2017-08-18 | 东北大学 | 开挖扰动岩质边坡失稳预警系统及方法 |
| CN207408602U (zh) * | 2017-08-14 | 2018-05-25 | 中国地质调查局水文地质环境地质调查中心 | 一种页岩气开发微地震压裂智能识别装置 |
| CN108845347A (zh) * | 2018-05-02 | 2018-11-20 | 重庆华地工程勘察设计院 | 一种近地表组合式微地震数据监测系统与方法 |
| CN108805269A (zh) * | 2018-06-28 | 2018-11-13 | 杭州叙简科技股份有限公司 | 一种基于lstm循环神经网络拾取震相到时的方法 |
| CN109001814A (zh) * | 2018-08-07 | 2018-12-14 | 大庆时代宏业石油科技有限公司 | 井下微地震监测方法 |
| CN109558971A (zh) * | 2018-11-09 | 2019-04-02 | 河海大学 | 基于lstm长短期记忆网络的智能滑坡监测装置与方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张院生 等: "白云鄂博东矿微震监测系统及应用", 《长江科学院院报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110849415A (zh) * | 2019-11-07 | 2020-02-28 | 中交天航港湾建设工程有限公司 | 一种降雨点位布设及监测系统及方法 |
| CN110910613A (zh) * | 2019-12-10 | 2020-03-24 | 大连理工大学 | 一种岩体微震无线监测接收预警系统 |
| CN111323812B (zh) * | 2020-04-09 | 2022-03-11 | 南方科技大学 | 基于微破裂监测滑坡体稳定性的方法和系统 |
| CN111323812A (zh) * | 2020-04-09 | 2020-06-23 | 南方科技大学 | 基于微破裂监测滑坡体稳定性的方法和系统 |
| CN111751885A (zh) * | 2020-08-12 | 2020-10-09 | 重庆地质矿产研究院 | 一种页岩气体积压裂微地震监测方法 |
| CN114387754A (zh) * | 2020-10-16 | 2022-04-22 | 中国移动通信集团设计院有限公司 | 基于消防联动的天线控制方法及装置 |
| CN114387754B (zh) * | 2020-10-16 | 2023-10-27 | 中国移动通信集团设计院有限公司 | 基于消防联动的天线控制方法及装置 |
| CN113033101A (zh) * | 2021-03-30 | 2021-06-25 | 桂林电子科技大学 | 一种基于lstm算法的滑坡稳定性评价方法 |
| CN113390359A (zh) * | 2021-06-15 | 2021-09-14 | 董世勇 | 高切坡变形监测装置 |
| CN113390359B (zh) * | 2021-06-15 | 2022-12-06 | 董世勇 | 高切坡变形监测装置 |
| CN115115146A (zh) * | 2022-08-29 | 2022-09-27 | 西南交通大学 | 基于地震作用的边坡预警方法、装置、设备及存储介质 |
| CN116009062A (zh) * | 2022-12-27 | 2023-04-25 | 中国地质大学（北京） | 基于机器学习及分布式计算的微地震实时反演监测系统 |
| CN116009062B (zh) * | 2022-12-27 | 2023-10-03 | 中国地质大学（北京） | 基于机器学习及分布式计算的微地震实时反演监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110220979B (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110220979A (zh) | 基于微地震技术的高陡岸坡稳定性监测系统与评价方法 | |
| CN105676268B (zh) | 一种基于声音信号波形变化特征的应变型岩爆预警方法 | |
| CN105974469B (zh) | 岩质边坡开挖扰动作用下的微震监测预警分析系统及方法 | |
| CN103217703B (zh) | 一种以掌子面放炮为震源的隧道超前地质预报方法及装置 | |
| CN106019364B (zh) | 煤矿开采过程中底板突水预警系统及方法 | |
| CN108957521B (zh) | 一种用于隧道长距离三维超前地质预报方法 | |
| CN109001814A (zh) | 井下微地震监测方法 | |
| US20080285385A1 (en) | Methods and systems for seismic event detection | |
| CN104747184A (zh) | 隧道掌子面前方岩体三维波速成像的随钻测量方法与装置 | |
| CN103336298A (zh) | 一种大地震断裂区域前兆数据的采集和分析方法 | |
| CN108824409A (zh) | 铁路高陡岩质边坡微震监测方法和系统 | |
| CN106194262A (zh) | 煤矿底板奥灰岩突水在线监测智能预警系统 | |
| CN107356957A (zh) | 一种基于光纤光栅加速度传感器的微震监测系统及安装和监测方法 | |
| CN106646591A (zh) | 一种油层火驱前缘微震监测系统及方法 | |
| CN111796327A (zh) | 一种微地震地面监测装置及震源定位方法 | |
| CN113985474A (zh) | 一种基于物联网的微地震监测多节点协同感知方法 | |
| CN101100940A (zh) | 一种阵列化声信号检测系统及其工程应用 | |
| CN107144876A (zh) | 一种基于时窗的煤矿冲击地压震级及震源定位方法 | |
| CN110376643A (zh) | 一种用于旋喷桩径检测的微震效应数据处理方法 | |
| CN205428142U (zh) | 水气压力传感器监测预警预报系统 | |
| CN104020488B (zh) | 无线分布式弹性波反射体探测装置、系统和方法 | |
| Dragomir et al. | Improvements in a smart monitoring system for buildings | |
| CN205958766U (zh) | 一种孔中地震探头及其围岩检测装置 | |
| CN206960672U (zh) | 一种无线控传加速度传感器的隧道超前预报系统 | |
| CN206725775U (zh) | 基于极低频电磁法的地震预测仪 |
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 |