CN110376639A - 基于实测地震动的地震滑坡速报分析方法及装置 - Google Patents
基于实测地震动的地震滑坡速报分析方法及装置 Download PDFInfo
- Publication number
- CN110376639A CN110376639A CN201910631822.2A CN201910631822A CN110376639A CN 110376639 A CN110376639 A CN 110376639A CN 201910631822 A CN201910631822 A CN 201910631822A CN 110376639 A CN110376639 A CN 110376639A
- Authority
- CN
- China
- Prior art keywords
- earthquake
- landslide
- station
- mechanical property
- actual measurement
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 title claims abstract description 52
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 239000002689 soil Substances 0.000 claims abstract description 20
- 239000011435 rock Substances 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 229920006395 saturated elastomer Polymers 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 5
- 208000012788 shakes Diseases 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 241000132092 Aster Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G01V1/30—Analysis
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开了一种基于实测地震动的地震滑坡速报分析方法及装置,其中,方法包括:获取发震地区实测的地面运动记录;获取目标区域的数字高程模型,并对数字高程模型进行处理,得到目标区域的坡度分布;获取目标区域的岩性数据,并根据岩性数据确定目标区域的岩土体的力学性质;根据地面运动记录、坡度分布和力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站处发生滑坡的临界坡度;根据每个台站处发生滑坡的临界坡度分析得到不同台站周边的地震滑坡风险。根据本发明实施例的方法,可以准确反映地震动特性对地震滑坡的影响,更接近实际震害,计算效率高且建模方法简单,为震后灾区地震滑坡的预测提供了重要手段。
Description
技术领域
本发明涉及土木工程技术领域,特别涉及一种基于实测地震动的地震滑坡速报分析方 法及装置。
背景技术
我国是地震多发国家,地震往往会导致滑坡发生。滑坡会对山区的房屋、河道、道路 以及管线等产生影响,往往会造成巨大的经济损失和人员伤亡。为了降低地震滑坡带来的 经济损失与人员伤亡,地震滑坡的合理快速地预测显得尤为重要。
相关技术中,地震滑坡的主要分析方法为:物理驱动的方法和数据驱动的方法。其中, 物理驱动的方法采用基于地震动强度指标的Newmark刚体滑块分析方法。然而,该方法采 用单一或者多个地震动指标作为输入,难以考虑地震动的全部特性;数据驱动的方法基于 历史地震滑坡的数据运用不同的机器学习算法进行滑坡发生概率的预测,该方法依赖于历 史地震滑坡数据。因此,这两种方法都较难以满足现阶段地震滑坡分析的需要,亟待改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于实测地震动的地震滑坡速报分析方法,该 方法可以准确反映地震动特性对地震滑坡的影响,更接近实际震害,计算效率高且建模方 法简单,为震后灾区地震滑坡的预测提供了重要手段。
本发明的另一个目的在于提出一种基于实测地震动的地震滑坡速报分析装置。
为达到上述目的,本发明一方面实施例提出了一种基于实测地震动的地震滑坡速报分 析方法,包括以下步骤:获取发震地区实测的地面运动记录;获取目标区域的数字高程模 型,并对所述数字高程模型进行处理,得到所述目标区域的坡度分布;获取所述目标区域 的岩性数据,并根据所述岩性数据确定所述目标区域的岩土体的力学性质;根据所述地面 运动记录、所述坡度分布和所述力学性质通过地震滑坡分析模型,运用Newmark刚体滑块 法分析得到每个台站处发生滑坡的临界坡度;根据所述每个台站处发生滑坡的临界坡度分 析得到不同台站周边的地震滑坡风险。
本发明实施例的基于实测地震动的地震滑坡速报分析方法,根据地面运动记录、坡度 分布和力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站处发 生滑坡的临界坡度,从而得到不同台站周边的地震滑坡风险,准确反映地震动特性对地震 滑坡的影响,更接近实际震害,准确反映地震动的特征,计算效率高且建模方法简单,为 震后灾区地震滑坡的预测提供了重要手段。
另外,根据本发明上述实施例的基于实测地震动的地震滑坡速报分析方法还可以具有 以下附加的技术特征:
其中,在本发明的一个实施例中,所述获取发震地区实测的地面运动记录,包括:通 过强震台网得到所述发震地区实测的地面运动记录,其中,所述地面运动记录包括地震动 的幅值、频谱和持时特征。
进一步地,在本发明的一个实施例中,所述根据所述岩性数据确定所述目标区域的岩 土体的力学性质,包括:预先存储力学性质-岩性数据的关系表;根据所述力学性质-岩性数 据的关系表确定所述土体的力学性质。
可选地,在本发明的一个实施例中,所述临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为 有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
另外,在本发明的一个实施例中,还包括:在预设平台展示所述每个台站处发生滑坡 的临界坡度和所述不同台站周边的地震滑坡风险。
为达到上述目的,本发明另一方面实施例提出了一种基于实测地震动的地震滑坡速报 分析装置,包括:第一获取模块,用于获取发震地区实测的地面运动记录;第二获取模块, 用于获取目标区域的数字高程模型,并对所述数字高程模型进行处理,得到所述目标区域 的坡度分布;第三获取模块,用于获取所述目标区域的岩性数据,并根据所述岩性数据确 定所述目标区域的岩土体的力学性质;第一分析模块,用于根据所述地面运动记录、所述 坡度分布和所述力学性质通过地震滑坡分析模型,运行Newmark刚体滑块分析得到每个台 站处发生滑坡的临界坡度;第二分析模块,用于根据所述每个台站处发生滑坡的临界坡度 分析得到不同台站周边的地震滑坡风险。
本发明实施例的基于实测地震动的地震滑坡速报分析装置,根据地面运动记录、坡度 分布和力学性质通过地震滑坡分析模型,运行Newmark刚体滑块分析得到每个台站处发生 滑坡的临界坡度,从而得到不同台站周边的地震滑坡风险,准确反映地震动特性对地震滑 坡的影响,更接近实际震害,准确反映地震动的特征,计算效率高且建模方法简单,为震 后灾区地震滑坡的预测提供了重要手段。
另外,根据本发明上述实施例的基于实测地震动的地震滑坡速报分析装置还可以具有 以下附加的技术特征:
其中,在本发明的一个实施例中,所述第一获取模块进一步用于通过强震台网得到所 述发震地区实测的地面运动记录,其中,所述地面运动记录包括地震动的幅值、频谱和持 时特征。
进一步地,在本发明的一个实施例中,所述第三获取模块包括:存储单元,用于预先 存储力学性质-岩性数据的关系表;查询单元,用于根据所述力学性质-岩性数据的关系表确 定所述土体的力学性质。
可选地,在本发明的一个实施例中,所述临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为 有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
另外,在本发明的一个实施例中,还包括:展示模块,用于在预设平台展示所述每个 台站处发生滑坡的临界坡度和所述不同台站周边的地震滑坡风险。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明 显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和 容易理解,其中:
图1为根据本发明实施例的基于实测地震动的地震滑坡速报分析方法的流程图;
图2为根据本发明一个实施例的目标区域的数字高程模型(单位:m)示意图;
图3为根据本发明一个实施例的目标坡度分布示意图;
图4为根据本发明一个实施例的目标区域GLiM岩性分布示意图;
图5为根据本发明一个实施例的Newmark刚体滑块法示意图;
图6为根据本发明一个实施例的地震滑坡结果展示(以20180906日本北海道地震为例) 效果示意图;
图7为根据本发明一个实施例的典型台站地震动记录(KMM006)示意图;
图8为根据本发明一个实施例的熊本地震滑坡计算结果示意图;
图9为根据本发明一个实施例的本方法预测结果与实际滑坡分布对比示意图;
图10为根据本发明一个具体实施例的基于实测地震动的地震滑坡速报分析方法的流程 图;
图11为根据本发明实施例的基于实测地震动的地震滑坡速报分析装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同 或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描 述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于实测地震动的地震滑坡速报分析方 法及装置,首先将参照附图描述根据本发明实施例提出的基于实测地震动的地震滑坡速 报分析方法。
图1为根据本发明实施例的基于实测地震动的地震滑坡速报分析方法的流程图。
如图1所示,该基于实测地震动的地震滑坡速报分析方法包括以下步骤:
在步骤S101中,获取发震地区实测的地面运动记录。
其中,在本发明的一个实施例中,获取发震地区实测的地面运动记录,包括:通过强 震台网得到发震地区实测的地面运动记录,其中,地面运动记录包括地震动的幅值、频谱 和持时特征。
举例而言,地震发生后,本发明实施例可以通过强震台网(如中国地震台网、日本K-NET/KiK-net等)能够及时获取震中周边的地面运动记录,连同台站经纬坐标、记录时 间和仪器参数等信息记录在数据文件中,对所获取的实测地面运动记录进行处理,从而可 以为后续地震滑坡的分析提供输入地震动。
在步骤S102中,获取目标区域的数字高程模型,并对数字高程模型进行处理,得到目 标区域的坡度分布。
可以而理解的是,本发明实施例可以通过目前广泛使用的ASTER GDEMV2数字高程模型数据库获取目标区域的地形数据,该数据库提供了全球范围内空间分辨率为30米的高程数据,如图2所示(以日本为例)。在GIS平台进行坡度计算,可以得到目标区域的坡度 分布,如图3所示。
在步骤S103中,获取目标区域的岩性数据,并根据岩性数据确定目标区域的岩土体的 力学性质。
进一步地,在本发明的一个实施例中,根据岩性数据确定目标区域的岩土体的力学性 质,包括:预先存储力学性质-岩性数据的关系表;根据力学性质-岩性数据的关系表确定土 体的力学性质。
例如,通过GLiM岩性数据库获取目标区域的岩性数据。GLiM岩性数据库为公开的全 球范围的矢量岩性数据库,如图4所示(以日本为例)。
通过岩性数据库确定岩土体的力学性质(粘聚力C和内摩擦角)是进行地震滑坡预 测的关键,如文献(Jiamei L,Mengtan G,Shuren W,et al.A Hazard AssessmentMethod for Potential Earthquake-Induced Landslides–A Case Study in HuaxianCounty,Shaanxi Province[J].Acta Geologica Sinica-English Edition,2016,90(2):590-603)和《工程岩土体分级 标准》(GB50218-1994)将岩性分为四类,并给出每类的力学性质:(1)Solid,(2)Hard,(3)Soft, (4)Loess。本发明实施例建立了GLiM数据中岩性分类与该分类的对应关系,如表1所示, 通过所建立的对应关系即可以确定目标区域的岩土体的力学性质。
表1
在步骤S104中,根据地面运动记录、坡度分布和力学性质通过地震滑坡分析模型,运 行Newmark刚体滑块分析得到每个台站处发生滑坡的临界坡度。
可选地,在本发明的一个实施例中,临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为 有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
具体而言,采用Newmark刚体滑块法进行地震滑坡的分析,其广泛应用于地震滑坡分 析和风险预测中。其中,假设滑坡体为刚体,不考虑滑坡体内部产生的变形,如图5(a)所示,当地震动加速度超过滑坡体临界加速度ac时,滑坡体就会发生永久位移(图5(b)所示),如式1所示。滑坡体临界加速度由式(2)、(3)确定。
D=∫∫(a(t)-ac)dtdt, (1)
ac=(Fs-1)g sinα, (2)
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数(static factor of safety),φ′为有效摩擦角(effective friction angle),c′为有效粘聚力(effective cohesion),α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度, m为滑动体饱和比例。需要说明的是,t可以取t=2.7米,m为滑动体饱和比例,一般取m=0。 其中,φ′、c′、γ可以通过岩性数据库推算得到。
将地震动输入到上述分析模型,进行Newmark刚体滑块法即可得到不同坡度下该滑坡 体产生的永久位移,本发明取发生滑坡的临界永久位移为30cm,由此可以得到每个台站处 发生滑坡的临界坡度。
在步骤S105中,根据每个台站处发生滑坡的临界坡度分析得到不同台站周边的地震滑 坡风险。
另外,在本发明的一个实施例中,本发明实施例的方法还包括:在预设平台展示每个 台站处发生滑坡的临界坡度和不同台站周边的地震滑坡风险。
也就是说,本发明实施例可以将不同台站的临界坡度与目标区域的坡度分布在GIS平 台进行统一展示,如图6所示。其中,底图为当地坡度分布图,每个圆圈代表每个台站的 计算结果,圆圈中的数字代表发生滑坡的临界坡度,台站附近坡度大于该数值的地方滑坡 发生概率高。
以2016年4月16日的日本熊本地震为例,本发明实施例通过日本强震台网K-NET/KiK-net获取了77个台站的实测地面运动记录,典型台站的地震动记录如图7所示。根据 台站的位置可以从已经建立好的岩性数据库中获取台站处的岩土体的力学性质,输入实测地面运动记录,可以得到每个台站发生滑坡的临界坡度,结合已经处理好的当地的坡度的分布,可以给出各个台站周边滑坡发生的高风险区,如图8所示。
同时,将计算结果与实地调查的滑坡分布进行了对比,如图9所示。从对比结果中可 以看到本方法的预测结果与实际地震滑坡分布较为一致,说明了本方法对地震滑坡预测的 合理性。并显著高于美国地质调查局USGS Pager系统的精度。值得注意的是,在未采取并 行手段的情况下,完成上述案例只需要12分钟(Intel Xeon E5 2630@2.40GHz and64GB RAM),计算效率满足地震滑坡速报的需求,为震后的应急救援提供重要参考。
因此,通过以上案例,可以总结出本发明实施例提出的基于实测地震动的地震滑坡速 报分析方法可获得每个台站处地震滑坡发生的临界坡度,并且本发明实施例采用实测地面 运动记录进行Newmark刚体滑块分析,可以充分考虑地震动的特性,而且具有极高的计算 效率和简单的建模方法,可以用于地震滑坡的近实时分析,为震后救援工作及相关决策提 供支持。
综上,通过强震台网获取发震地区实测地面运动记录,并获取目标区域地形数据和岩 性数据,对岩土体进行Newmark刚体滑块法,运用时程分析方法得到每个台站发生滑坡的 临界坡度,根据临界坡度和周边实际坡度的分布可以预测发震区地震滑坡发生的概率,不 但计算效率高且建模方法简单,以及可以用于地震滑坡的快速预测和震害分析。
具体而言,在本发明的一个具体实施例中,本发明实施例的方法可以包括以下步骤:
步骤S1001:通过强震台网获取发震地区实测地面运动记录。
其中,通过强震台网获取发震地区的实测地面运动记录,所获取的记录包括地震动的 幅值、频谱和持时特征。
步骤S1002:获取目标区域的数字高程模型,并对数字高程模型进行处理得到当地的 坡度分布。
步骤S1003:获取目标区域的岩性数据,根据岩性数据库的分类确定不同岩性分组的 力学性质。
例如,利用公开可获取的GLiM全球岩性分布数据,根据所提出的岩性力学性质的确 定方法,得到目标区域岩土体的力学性质。
步骤S1004:将实测地震动输入到目标区域的地震滑坡分析模型中,运用Newmark刚 体滑块法进行分析。
即言,运用刚体滑块分析方法,输入每个台站的实测地面运动记录,得到每个台站发 生滑坡的临界坡度。
步骤S1005:根据每个台站点计算得到的滑块发生的临界坡度分析不同台站周边的地 震滑坡风险。
可以理解的是,根据每个台站点计算得到的滑坡发生的临界坡度,结合周边的坡度分 布,分析不同台站周边的地震滑坡风险。
根据本发明实施例的基于实测地震动的地震滑坡速报分析方法,根据地面运动记录、 坡度分布和力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站 处发生滑坡的临界坡度,从而得到不同台站周边的地震滑坡风险,准确反映地震动特性对 地震滑坡的影响,更接近实际震害,准确反映地震动的特征,计算效率高且建模方法简单, 为震后灾区地震滑坡的预测提供了重要手段。
其次参照附图描述根据本发明实施例提出的基于实测地震动的地震滑坡速报分析装置。
图11为根据本发明实施例的基于实测地震动的地震滑坡速报分析装置的方框示意图。
如图11所示,该基于实测地震动的地震滑坡速报分析装置10包括:
其中,第一获取模块100用于获取发震地区实测的地面运动记录。
第二获取模块200用于获取目标区域的数字高程模型,并对数字高程模型进行处理, 得到目标区域的坡度分布。
第三获取模块300用于获取目标区域的岩性数据,并根据岩性数据确定目标区域的岩 土体的力学性质。
第一分析模块400用于根据地面运动记录、坡度分布和力学性质通过地震滑坡分析模 型,运用Newmark刚体滑块法分析得到每个台站处发生滑坡的临界坡度。
第二分析模块500用于根据每个台站处发生滑坡的临界坡度分析得到不同台站周边的 地震滑坡风险。
其中,在本发明的一个实施例中,第一获取模块100进一步用于通过强震台网得到发 震地区实测的地面运动记录,其中,地面运动记录包括地震动的幅值、频谱和持时特征。
进一步地,在本发明的一个实施例中,第三获取模块300包括:存储单元,用于预先存储力学性质-岩性数据的关系表;查询单元,用于根据力学性质-岩性数据的关系表确定土 体的力学性质。
可选地,在本发明的一个实施例中,临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为 有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
另外,在本发明的一个实施例中,本发明实施例的装置10还包括:展示模块。
其中,展示模块用于在预设平台展示每个台站处发生滑坡的临界坡度和不同台站周边 的地震滑坡风险。
需要说明的是,前述对基于实测地震动的地震滑坡速报分析方法实施例的解释说明也 适用于该实施例的基于实测地震动的地震滑坡速报分析装置,此处不再赘述。
根据本发明实施例的基于实测地震动的地震滑坡速报分析装置,根据地面运动记录、 坡度分布和力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站 处发生滑坡的临界坡度,从而得到不同台站周边的地震滑坡风险,准确反映地震动特性对 地震滑坡的影响,更接近实际震害,准确反映地震动的特征,计算效率高且建模方法简单, 为震后灾区地震滑坡的预测提供了重要手段。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、 或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包 含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须 针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一 个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合 和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者 隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐 含地包括至少一个该特征。在本发明的描述中,“N个”的含义是至少两个,例如两个,三 个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个 或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分, 并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序, 包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的 实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实 现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令 执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行 系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设 备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布 线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只 读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及 便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述 程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行 编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储 在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实 施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或 固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技 术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离 散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可 编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可 以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中, 该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各 个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既 可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以 软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读 取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了 本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制, 本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于实测地震动的地震滑坡速报分析方法,其特征在于,包括以下步骤:
获取发震地区实测的地面运动记录;
获取目标区域的数字高程模型,并对所述数字高程模型进行处理,得到所述目标区域的坡度分布;
获取所述目标区域的岩性数据,并根据所述岩性数据确定所述目标区域的岩土体的力学性质;
根据所述地面运动记录、所述坡度分布和所述力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站处发生滑坡的临界坡度;
根据所述每个台站处发生滑坡的临界坡度分析得到不同台站周边的地震滑坡风险。
2.根据权利要求1所述的方法,其特征在于,所述获取发震地区实测的地面运动记录,包括:
通过强震台网得到所述发震地区实测的地面运动记录,其中,所述地面运动记录包括地震动的幅值、频谱和持时特征。
3.根据权利要求1所述的方法,其特征在于,所述根据所述岩性数据确定所述目标区域的岩土体的力学性质,包括:
预先存储力学性质-岩性数据的关系表;
根据所述力学性质-岩性数据的关系表确定所述土体的力学性质。
4.根据权利要求1所述的方法,其特征在于,所述临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
5.根据权利要求1所述的方法,其特征在于,还包括:
在预设平台展示所述每个台站处发生滑坡的临界坡度和所述不同台站周边的地震滑坡风险。
6.一种基于实测地震动的地震滑坡速报分析装置,其特征在于,包括:
第一获取模块,用于获取发震地区实测的地面运动记录;
第二获取模块,用于获取目标区域的数字高程模型,并对所述数字高程模型进行处理,得到所述目标区域的坡度分布;
第三获取模块,用于获取所述目标区域的岩性数据,并根据所述岩性数据确定所述目标区域的岩土体的力学性质;
第一分析模块,用于根据所述地面运动记录、所述坡度分布和所述力学性质通过地震滑坡分析模型,运用Newmark刚体滑块法分析得到每个台站处发生滑坡的临界坡度;
第二分析模块,用于根据所述每个台站处发生滑坡的临界坡度分析得到不同台站周边的地震滑坡风险。
7.根据权利要求6所述的装置,其特征在于,所述第一获取模块进一步用于通过强震台网得到所述发震地区实测的地面运动记录,其中,所述地面运动记录包括地震动的幅值、频谱和持时特征。
8.根据权利要求6所述的装置,其特征在于,所述第三获取模块包括:
存储单元,用于预先存储力学性质-岩性数据的关系表;
查询单元,用于根据所述力学性质-岩性数据的关系表确定所述土体的力学性质。
9.根据权利要求6所述的装置,其特征在于,所述临界坡度由以下公式得到:
D=∫∫(a(t)-ac)dtdt,
ac=(Fs-1)g sinα,
其中,ac为滑坡体临界加速度,D为滑坡体产生的永久位移,Fs为静力安全系数,φ′为有效摩擦角,c′为有效粘聚力,α为斜坡坡角,γ为材料重度,γw为水的重度,t为滑坡表面到破坏面的厚度,m为滑动体饱和比例。
10.根据权利要求6所述的装置,其特征在于,还包括:
展示模块,用于在预设平台展示所述每个台站处发生滑坡的临界坡度和所述不同台站周边的地震滑坡风险。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631822.2A CN110376639A (zh) | 2019-07-12 | 2019-07-12 | 基于实测地震动的地震滑坡速报分析方法及装置 |
PCT/CN2020/095650 WO2021008282A1 (zh) | 2019-07-12 | 2020-06-11 | 基于实测地震动的地震滑坡速报分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631822.2A CN110376639A (zh) | 2019-07-12 | 2019-07-12 | 基于实测地震动的地震滑坡速报分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110376639A true CN110376639A (zh) | 2019-10-25 |
Family
ID=68252985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910631822.2A Pending CN110376639A (zh) | 2019-07-12 | 2019-07-12 | 基于实测地震动的地震滑坡速报分析方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110376639A (zh) |
WO (1) | WO2021008282A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337997A (zh) * | 2020-03-17 | 2020-06-26 | 成都理工大学 | 潜在崩塌灾害体快速识别方法 |
WO2021008282A1 (zh) * | 2019-07-12 | 2021-01-21 | 清华大学 | 基于实测地震动的地震滑坡速报分析方法及装置 |
CN112686522A (zh) * | 2020-12-25 | 2021-04-20 | 中南大学 | 一种Newmark修正模型地震滑坡危险性评估方法 |
CN115374625A (zh) * | 2022-08-17 | 2022-11-22 | 中国地质科学院探矿工艺研究所 | 地震滑坡危险性检测方法、装置及介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536659B (zh) * | 2021-06-09 | 2022-11-04 | 上海交通大学 | 一种震后道路受灾区域快速预测方法、系统及存储介质 |
CN115238441B (zh) * | 2022-05-06 | 2023-05-23 | 中国地质科学院地质力学研究所 | 一种LS-D-Newmark地震滑坡危险性评价方法、装置以及处理设备 |
CN116203619B (zh) * | 2022-12-08 | 2024-03-15 | 西南交通大学 | 基于空间互相关多地震动参数的区域地震滑坡模拟方法 |
CN116243269B (zh) * | 2023-05-06 | 2023-07-28 | 南京航天宏图信息技术有限公司 | 一种基于Insar数据的震后滑坡灾害监测方法和装置 |
CN116894347B (zh) * | 2023-07-27 | 2024-01-12 | 武汉大学 | 考虑岩体结构面震动劣化效应的滑坡失稳过程分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
CN106709182A (zh) * | 2016-12-26 | 2017-05-24 | 华中科技大学 | 一种地震作用下顺层岩质边坡稳定可靠性安全评价方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002074569A (ja) * | 2000-08-28 | 2002-03-15 | Mitsui Bussan Plant Kk | 計測データの生成方法 |
CN103399344B (zh) * | 2013-07-24 | 2016-06-29 | 北京师范大学 | 一种地震后崩滑灾害发生位置的预测方法 |
CN106710148A (zh) * | 2016-12-28 | 2017-05-24 | 中国科学院深圳先进技术研究院 | 地质灾害预测方法及系统 |
CN110376639A (zh) * | 2019-07-12 | 2019-10-25 | 清华大学 | 基于实测地震动的地震滑坡速报分析方法及装置 |
-
2019
- 2019-07-12 CN CN201910631822.2A patent/CN110376639A/zh active Pending
-
2020
- 2020-06-11 WO PCT/CN2020/095650 patent/WO2021008282A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
CN106709182A (zh) * | 2016-12-26 | 2017-05-24 | 华中科技大学 | 一种地震作用下顺层岩质边坡稳定可靠性安全评价方法 |
Non-Patent Citations (1)
Title |
---|
王涛 等: "基于简化Newmark位移模型的区域地震滑坡危险性快速评估——以汶川Ms 8.0级地震为例", 《工程地质学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021008282A1 (zh) * | 2019-07-12 | 2021-01-21 | 清华大学 | 基于实测地震动的地震滑坡速报分析方法及装置 |
CN111337997A (zh) * | 2020-03-17 | 2020-06-26 | 成都理工大学 | 潜在崩塌灾害体快速识别方法 |
CN111337997B (zh) * | 2020-03-17 | 2022-09-13 | 成都理工大学 | 潜在崩塌灾害体快速识别方法 |
CN112686522A (zh) * | 2020-12-25 | 2021-04-20 | 中南大学 | 一种Newmark修正模型地震滑坡危险性评估方法 |
CN115374625A (zh) * | 2022-08-17 | 2022-11-22 | 中国地质科学院探矿工艺研究所 | 地震滑坡危险性检测方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021008282A1 (zh) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376639A (zh) | 基于实测地震动的地震滑坡速报分析方法及装置 | |
Tanoli et al. | Spatial distribution analysis and susceptibility mapping of landslides triggered before and after Mw7. 8 Gorkha earthquake along Upper Bhote Koshi, Nepal | |
Kaya et al. | British Columbia smart infrastructure monitoring system | |
Griffin et al. | Assessing tsunami hazard using heterogeneous slip models in the Mentawai Islands, Indonesia | |
Wang et al. | Modeling of landslide generated impulsive waves considering complex topography in reservoir area | |
Xu et al. | Quantitative monitoring of gravity erosion using a novel 3D surface measuring technique: validation and case study | |
Calcina et al. | Ambient vibration tests of an arch dam with different reservoir water levels: experimental results and comparison with finite element modelling | |
Pereira et al. | Modal identification of concrete dams under natural excitation | |
Yaghmaei-Sabegh et al. | Near-field probabilistic seismic hazard analysis with characteristic earthquake effects | |
Segaline et al. | Continuous characterization of dynamic soil behavior by Digital Image Correlation in a transparent shear laminar box | |
McKenna et al. | Remote structural infrasound: Case studies of real-time infrastructure system monitoring | |
Ballor et al. | Augmented reality for next generation infrastructure inspections | |
Gallipoli et al. | Structural health monitoring of the Ferrara University before and after the 2012 Emilia (Italy) earthquake, and after the damage repairs | |
Gülerce et al. | Probabilistic seismic hazard assessment for sliding displacement of slopes: An application in Turkey | |
Gong et al. | Influence of Seismic Displacement Models on Landslide Prediction at the Egkremnoi Coastline During the 2015 Lefkada Earthquake | |
Arunadevi et al. | Risk Prediction of Earthquakes using Machine Learning | |
Ventura et al. | Seismic structural health monitoring of bridges in British Columbia, Canada | |
Krishnan et al. | Rapid Estimation of Damage to Tall Buildings Using Near Real‐Time Earthquake and Archived Structural Simulations | |
Chen et al. | Hazard mapping for earthquake-induced geo-disaster chain | |
Orecchio et al. | New Results for the 1968 Belice, South Italy, Seismic Sequence: Solving the Long‐Lasting Ambiguity on Causative Source | |
Rodda et al. | Parameterisation of auto-spectral density of earthquake induced strong ground motions | |
Grzan et al. | Tsunami Squares: Earthquake driven inundation mapping and validation by comparison to the Regional Ocean Modeling System | |
Mazzieri et al. | Elasto-acoustic modeling and simulation for the seismic response of structures: The case of the Tahtalı dam in the 2020 I˙ zmir earthquake | |
Djabali-Mohabeddine et al. | Performance of a hybrid neural network reduced flexibility index method for localization and severity detection of damages in a gravity dam | |
Fayek et al. | Validation of photogrammetry-based method to determine the absolute volume of unsaturated soils |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |
|
RJ01 | Rejection of invention patent application after publication |