CN110795812A - 一种基于大数据分析的滑坡预测方法及系统 - Google Patents
一种基于大数据分析的滑坡预测方法及系统 Download PDFInfo
- Publication number
- CN110795812A CN110795812A CN201910744028.9A CN201910744028A CN110795812A CN 110795812 A CN110795812 A CN 110795812A CN 201910744028 A CN201910744028 A CN 201910744028A CN 110795812 A CN110795812 A CN 110795812A
- Authority
- CN
- China
- Prior art keywords
- data
- slope
- information
- analysis
- monitoring
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 239000002689 soil Substances 0.000 claims description 7
- 230000002265 prevention Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 230000003449 preventive effect Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000212384 Bifora Species 0.000 description 1
- 241000539618 Salma Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011439 discrete element method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种基于大数据分析的滑坡预测方法及系统，属于滑坡预测技术领域。该基于大数据分析的滑坡预测方法及系统包括如下步骤：S1：获取信息数据；S2：建立边坡分析模型；S3：将信息数据输入边坡分析模型内进行分析以得到预测数据；S4：获取监测数据；S5：如果预测数据和监测数据的差值不在第一预设范围内，修改边坡分析模型，循环执行步骤S2‑S4，如果预测数据和监测数据的差值在第一预设范围内，判断预设数据和监测数据的差值是否在第二预设范围内；S6：如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息。本发明效率较高，精度较高。
Description
技术领域
本发明属于滑坡预测技术领域，涉及一种基于大数据分析的滑坡预测方法及系统。
背景技术
随着我国现代化建设事业的迅速发展，各类高层建筑、水利水电设施、矿山、港口、高速公路、铁路和能源工程等工程项目开工建设，在这些工程的建设过程中或建成后的运营期内，形成了大量的边坡工程。这些边坡工程的稳定状态，事关工程建设的成败与安全，会对整个工程的可行性、安全性及经济性等起着重要的制约作用，并在很大程度上影响着工程建设的投资及效益。滑坡灾害作为我国最主要的一种地质灾害类型，常常会掩埋村庄、摧毁厂矿、破坏铁路和公路交通、堵塞江河、损坏农田和森林等，从而给人民的生命财产和国家的经济建设造成严重损失。目前的滑坡预测方法比较单一，监测手段比较落后，因此预报精度不高。
目前虽然边坡监测手段众多，但是目前的边坡监测仍存在以下几个主要不足之处：①工作量大，消耗大量人力、财力、物力；②监测次数不够频繁，不能获得精确的边坡变化规律；③观测受外在因素影响，比如气候条件；④观测项目相互独立，不能将各种数据融合分析。
发明内容
本发明针对现有的技术存在的上述问题，提供一种基于大数据分析的滑坡预测方法，本发明所要解决的技术问题是：如何提供一种基于大数据分析的滑坡预测方法及系统。
本发明的目的可通过下列技术方案来实现：
一种基于大数据分析的滑坡预测方法，包括如下步骤：
S1：获取地质信息以及边坡支护信息的信息数据；
S2：建立基于大数据分析的边坡分析模型；
S3：将信息数据输入边坡分析模型内进行分析以得到预测数据；
S4：在步骤S1进行的同时对边坡现场进行实时监测并获取监测数据；
S5：将预测数据和监测数据进行对比，如果预测数据和监测数据的差值不在第一预设范围内，则修改边坡分析模型，循环执行步骤S2-S4，如果预测数据和监测数据的差值在第一预设范围内，则判断预设数据和监测数据的差值是否在第二预设范围内；
S6：如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息。
优选的，所述信息数据包括以下方面：边坡几何参数；土体物理参数；环境参数，如降雨量、气温、地表水(水位、水质、水温、泉流量、孔隙水压力)等，信息数据通过网络技术传递到服务器中，存储在服务器的数据库中。
优选的，所述监测数据包括边坡位移、地面沉降、锚杆内力、抗滑桩内力以及降雨量数据，通过多组合传感器对边坡现场进行监测。
优选的，步骤S5中在发出预警通知信息时边坡分析系统通过分析预测数据和监测数据给出预防滑坡的第一预防方案。
优选的，边坡分析模型将第一预设方案、预测数据和监测数据发送至专家系统，专家系统对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案。
一种基于大数据分析的滑坡预测系统，包括用以采集地质信息以及支护信息的信息数据的信息采集单元、用以对边坡现场进行实时监测以获取监测数据的现场监测单元、用以对信息数据进行分析以得到预测数据、用以获取预测数据和监测数据的差值的大数据分析单元、报警单元和用以控制信息采集单元、现场监测单元、大数据分析单元、报警单元的控制单元，所述控制单元在根据大数据分析单元获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元发出安全通知信息、在根据大数据分析单元获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元发出预警通知信息。
优选的，所述信息采集单元包括用以勘察地质信息的勘察地质模块和用以采集边坡支护信息的支护信息模块。
优选的，所述大数据分析单元包括用以对边坡的边界和变形进行计算和评价的边坡稳定分析模块、用以进行结构内力计算的结构内力计算模块。
优选的，所述大数据分析单元还包括用以存储边坡工程案例、根据边坡工程案例通过分析预测数据和监测数据给出预防滑坡的第一预防方案的工程案例模块和用以在工程案例模块得出第一预设方案时对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案的专家经验模块。
优选的，还包括用以受到控制单元控制根据大数据分析单元得出的分析结果以绘制边坡控制点各个分量的时间位移曲线图的显示单元。
本发明中首先获取地质信息以及边坡支护信息的信息数据和对边坡现场进行实时监测并获取监测数据，接着建立基于大数据分析的边坡分析模型，接着将信息数据输入边坡分析模型内进行分析以得到预测数据，然后将预测数据和监测数据进行对比，如果预测数据和监测数据的差值不在第一预设范围内，则修改边坡分析模型，循环执行步骤S2-S4，如果预测数据和监测数据的差值在第一预设范围内，则边坡分析模型判断预设数据和监测数据的差值是否在第二预设范围内，这样可以验证预测数据与监测数据的差值是否在设定范围内，如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息，这样可以验证预测数据与监测数据的差值是否在安全范围内，并且给用户发出信息以便用户及时采取相关措施进行调整，效率较高，精度较高。
附图说明
图1是本发明的流程示意图；
图2是本发明中的结构示意图。
图中：1-信息采集单元，11-勘察地质模块，12-支护信息模块，2-现场监测单元，3-大数据分析单元，31-边坡稳定分析模块，32-结构内力计算模块，33-工程案例模块，34-专家经验模块，4-控制单元，5-显示单元，6-报警单元。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
请参阅图1，本实施例中的基于大数据分析的滑坡预测方法，包括如下步骤：
S1：获取地质信息以及边坡支护信息的信息数据；
S2：建立基于大数据分析的边坡分析模型；
S3：将信息数据输入边坡分析模型内进行分析以得到预测数据；
S4：在步骤S1进行的同时对边坡现场进行实时监测并获取监测数据；
S5：边坡分析模型将预测数据和监测数据进行对比，由于岩土体结构复杂，工程地质条件及岩体性质参数多变，甚至是随机的，难以用确定的模型描述，因此要通过监测数据不断来修正分析模型，如果预测数据和监测数据的差值不在第一预设范围内，则修改边坡分析模型，循环执行步骤S2-S4，如果预测数据和监测数据的差值在第一预设范围内，则表示两者是吻合的，则边坡分析模型判断预设数据和监测数据的差值是否在第二预设范围内；
S6：如果基于大数据分析的预测数据与监测数据吻合，则可以对边坡的稳定状态进行预测，绘出各参数的变化曲线，可以在同一个坐标下描述多参量的变化趋势，以利于对结果做出判断，如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，表示边坡处于安全状态，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息，可以通过短信息通过用户。
此处，首先获取地质信息以及边坡支护信息的信息数据和对边坡现场进行实时监测并获取监测数据，接着建立基于大数据分析的边坡分析模型，接着将信息数据输入边坡分析模型内进行分析以得到预测数据，然后将预测数据和监测数据进行对比，如果预测数据和监测数据的差值不在第一预设范围内，则修改边坡分析模型，循环执行步骤S2-S4，如果预测数据和监测数据的差值在第一预设范围内，则边坡分析模型判断预设数据和监测数据的差值是否在第二预设范围内，这样可以验证预测数据与监测数据的差值是否在设定范围内，如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息，这样可以验证预测数据与监测数据的差值是否在安全范围内，并且给用户发出信息以便用户及时采取相关措施进行调整。
信息数据可以包括以下方面：边坡几何参数；土体物理参数；环境参数，如降雨量、气温、地表水(水位、水质、水温、泉流量、孔隙水压力)等，信息数据通过网络技术传递到服务器中，存储在服务器的数据库中。这些信息数据可以通过网络技术如4G或者WIFI通信技术等传递到服务器中，存储在服务器的数据库中，用户可以对信息数据的进行管理。
边坡分析模型的主要的滑坡依据：稳定系数法，可靠度或破坏概率法，坡岩土体的变形、应力、变形速率法，位移加速度法，塑性应变，塑性应变率，位移矢量角等。在综合信息处理平台中使用大数据分析技术，从很多看似毫无关联的数据中找到它们的相关性，根据不同的参数，采用多种分析技术，基于大数据的边坡分析模型采用的分析技术包括线性回归、Logistic回归、决策树、神经网络等技术。
监测数据可以包括边坡位移、地面沉降、锚杆内力、抗滑桩内力以及降雨量数据，通过多组合传感器对边坡现场进行监测。通过多组合传感器检测边坡监测点的监测数据，可以通过多传感器无线监测。
步骤S5中在发出预警通知信息时边坡分析系统通过分析预测数据和监测数据给出预防滑坡的第一预防方案。
边坡分析模型将第一预设方案、预测数据和监测数据发送至专家系统，专家系统对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案。
请参阅图2，一种基于大数据分析的滑坡预测系统，包括用以采集地质信息以及支护信息的信息数据的信息采集单元1、用以对边坡现场进行实时监测以获取监测数据的现场监测单元2、用以对信息数据进行分析以得到预测数据、用以获取预测数据和监测数据的差值的大数据分析单元3、报警单元6和用以控制信息采集单元1、现场监测单元2、大数据分析单元3、报警单元6的控制单元4，控制单元4在根据大数据分析单元3获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元6发出安全通知信息、在根据大数据分析单元3获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元6发出预警通知信息。控制单元4可以为STM32单片机。报警单元6可以通过发送短信给用户以给用户发出安全通知信息或者预警通知信息。
信息采集单元1可以包括用以勘察地质信息的勘察地质模块11和用以采集边坡支护信息的支护信息模块12。勘察地质模块11可以存储边坡相关的地质信息，具体内容包括地形地貌特征、地层结构特征、地质构造、地下水、地震、边坡岩土体的物理力学参数、边坡的稳定性现状及边坡邻近的建筑物情况，勘察地质模块11的地质信息数据通过网络技术传送至大数据分析单元3。支护信息模块12可以存储边坡支护信息，主要是锚杆、抗滑桩和挡土墙等信息。锚杆信息包括锚杆埋置深度、锚杆层数，锚杆的垂直间距和水平间距，锚杆的倾斜角，锚杆的长度等。抗滑桩信息包括桩位、间距、尺寸、埋深、配筋、材料等。支护信息模块12的数据通过网络技术传送到大数据分析单元3。
现场监测单元2用来获取边坡监测数据。在边坡上安装各类传感器及相关设备，用来获取边坡监测点的地层位移、地下水位、水压、锚杆压力、倾角、雨量等相关信息。通过敷设在边坡上的采集及发射装置，利用GSM/GPRS/CDMA，共同构建覆盖边坡的传输层，实现物联网数据的交互、整合。现场监测单元2的数据通过网络技术如4G或者WIFI通信技术传送到大数据分析分析单元。
大数据分析单元3可以包括用以对边坡的边界和变形进行计算和评价的边坡稳定分析模块31、用以进行结构内力计算的结构内力计算模块32。大数据分析单元3接收勘察地质模块11、支护信息模块12和现场监测单元2传递过来的信息后，进行综合分析处理。边坡稳定分析模块31根据边坡不同的边界条件和变形破坏的类型采用不同的计算和评价方法，如极限平衡理论法中的圆弧面法瑞典法、毕肖普法、萨尔玛法、平面及折线形滑动面计算法、二维和三维有限单元法、离散元法、图表计算法、图解分析法以赤平投影为基础等。结构内力计算模块32主要用来进行结构内力计算。根据滑坡推力大小、地形及地层性质，拟定桩长、锚固深度、桩截面尺寸及桩间距等桩参数。根据桩底的边界条件采用相应的公式计算桩身各截面的位移、内力及侧壁应力等，并计算确定最大剪力、弯矩及其部位。锚杆计算包括锚杆类型选择、锚杆布置方法、锚杆截面设计、锚杆长度设计、锚杆倾斜角设计等。
大数据分析单元3还可以包括用以存储边坡工程案例、根据边坡工程案例通过分析预测数据和监测数据给出预防滑坡的第一预防方案的工程案例模块33和用以在工程案例模块33得出第一预设方案时对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案的专家经验模块34。
工程案例模块33用来存储已经完成的世界各地的边坡工程案例库。根据目标边坡的工程地质因素，在工程案例库里搜索相似的案例，借鉴已有的工程设计，提供相关的参数选值建议，如坡角或土层参数的取值、边坡的处理措施等。专家经验模块34提供与专家互动的通道，对比专家经验来对边坡进行监测和预测。其具体思路是：在经过边坡稳定分析模块31、结构内力计算模块32和工程案例模块33的计算分析之后，对现有的各种预报判据所需要的指标分别进行计算，得出的结果通过移动互联技术传输到专家的客户端，各专家可以通过各指标的数据再结合自己在该领域的经验，得出更准确的结论，并把该结论返回大数据分析单元3。
作为本实施例中的基于大数据分析的滑坡预测系统还可以包括用以受到控制单元4控制根据大数据分析单元3得出的分析结果以绘制边坡控制点各个分量的时间位移曲线图的显示单元5。显示单元5可以绘制边坡控制点各个分量的时间位移曲线图。此种方法将三维空间实体点的运动分解到X、Y、Z三个坐标轴上，使形变过程的描述简单化。显示单元5可依据滑坡险情的严重程度，以多种颜色划分，实现三维可视化预警功能。显示单元5可以显示屏。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于大数据分析的滑坡预测方法，其特征在于，包括如下步骤：
S1：获取地质信息以及边坡支护信息的信息数据；
S2：建立基于大数据分析的边坡分析模型；
S3：将信息数据输入边坡分析模型内进行分析以得到预测数据；
S4：在步骤S1进行的同时对边坡现场进行实时监测并获取监测数据；
S5：将预测数据和监测数据进行对比，如果预测数据和监测数据的差值不在第一预设范围内，则修改边坡分析模型，循环执行步骤S2-S4，如果预测数据和监测数据的差值在第一预设范围内，则判断预设数据和监测数据的差值是否在第二预设范围内；
S6：如果预设数据和监测数据的差值在第二预设范围内，则发出安全通知信息，如果预设数据和监测数据的差值不在第二预设范围内，则发出预警通知信息。
2.如权利要求1所述的一种基于大数据分析的滑坡预测方法，其特征在于：所述信息数据包括以下方面：边坡几何参数；土体物理参数；环境参数，如降雨量、气温、地表水(水位、水质、水温、泉流量、孔隙水压力)等，信息数据通过网络技术传递到服务器中，存储在服务器的数据库中。
3.如权利要求1或2所述的一种基于大数据分析的滑坡预测方法，其特征在于：所述监测数据包括边坡位移、地面沉降、锚杆内力、抗滑桩内力以及降雨量数据，通过多组合传感器对边坡现场进行监测。
4.如权利要求1或2所述的一种基于大数据分析的滑坡预测方法，其特征在于：步骤S5中在发出预警通知信息时边坡分析系统通过分析预测数据和监测数据给出预防滑坡的第一预防方案。
5.如权利要求4所述的一种基于大数据分析的滑坡预测方法，其特征在于：边坡分析模型将第一预设方案、预测数据和监测数据发送至专家系统，专家系统对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案。
6.一种基于大数据分析的滑坡预测系统，其特征在于：包括用以采集地质信息以及支护信息的信息数据的信息采集单元（3）（1）、用以对边坡现场进行实时监测以获取监测数据的现场监测单元（2）、用以对信息数据进行分析以得到预测数据、用以获取预测数据和监测数据的差值的大数据分析单元（3）、报警单元（6）和用以控制信息采集单元（1）、现场监测单元（2）、大数据分析单元（3）、报警单元（6）的控制单元（4），所述控制单元（4）在根据大数据分析单元（3）获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元（6）发出安全通知信息、在根据大数据分析单元（3）获取的预测数据和监测数据的差值在第二预设范围内时控制报警单元（6）发出预警通知信息。
7.如权利要求6所述的一种基于大数据分析的滑坡预测系统，其特征在于：所述信息采集单元（1）包括用以勘察地质信息的勘察地质模块（11）和用以采集边坡支护信息的支护信息模块（12）。
8.如权利要求6或7所述的一种基于大数据分析的滑坡预测系统，其特征在于：所述大数据分析单元（3）包括用以对边坡的边界和变形进行计算和评价的边坡稳定分析模块（31）、用以进行结构内力计算的结构内力计算模块（32）。
9.如权利要求8所述的一种基于大数据分析的滑坡预测系统，其特征在于：所述大数据分析单元（3）还包括用以存储边坡工程案例、根据边坡工程案例通过分析预测数据和监测数据给出预防滑坡的第一预防方案的工程案例模块（33）和用以在工程案例模块（33）得出第一预设方案时对第一预设方案、预测数据和监测数据进行分析以得到预防滑坡的第二预防方案的专家经验模块（34）。
10.如权利要求6或7所述的一种基于大数据分析的滑坡预测系统，其特征在于：还包括用以受到控制单元（4）控制根据大数据分析单元（3）得出的分析结果以绘制边坡控制点各个分量的时间位移曲线图的显示单元（5）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744028.9A CN110795812B (zh) | 2019-08-13 | 2019-08-13 | 一种基于大数据分析的滑坡预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744028.9A CN110795812B (zh) | 2019-08-13 | 2019-08-13 | 一种基于大数据分析的滑坡预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110795812A true CN110795812A (zh) | 2020-02-14 |
| CN110795812B CN110795812B (zh) | 2023-01-31 |
Family
ID=69427251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910744028.9A Active CN110795812B (zh) | 2019-08-13 | 2019-08-13 | 一种基于大数据分析的滑坡预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110795812B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681393A (zh) * | 2020-06-03 | 2020-09-18 | 福州大学 | 基于trigrs的弃渣场失稳预警方法及系统 |
| CN112085940A (zh) * | 2020-09-15 | 2020-12-15 | 长安大学 | 一种边坡远程监测多元异构数据的传输系统 |
| CN112526104A (zh) * | 2020-11-06 | 2021-03-19 | 马鞍山矿山研究总院股份有限公司 | 一种边坡稳定性监测测预警方法、系统、介质 |
| CN112923973A (zh) * | 2021-01-29 | 2021-06-08 | 深圳市安泰数据监测科技有限公司 | 边坡数据采集装置及其采集方法 |
| CN113295212A (zh) * | 2021-05-26 | 2021-08-24 | 西北大学 | 应用多监测点协同作用的滑坡整体稳定性安全预警系统 |
| CN113434559A (zh) * | 2021-05-20 | 2021-09-24 | 江苏谷德运维信息技术有限公司 | 一种大数据生态链应用系统和应用方法 |
| CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
| CN114863645A (zh) * | 2022-07-04 | 2022-08-05 | 四川省华地建设工程有限责任公司 | 一种地质灾害监测预警方法及系统 |
| CN115655386A (zh) * | 2022-12-28 | 2023-01-31 | 数皮科技(湖北)有限公司 | 适用于地热资源勘查的动态综合监测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105957311A (zh) * | 2016-06-01 | 2016-09-21 | 中国水利水电科学研究院 | 自适应扩展的边坡稳定智能监测预警系统 |
| CN106205060A (zh) * | 2016-08-19 | 2016-12-07 | 临沂大学 | 用于露天矿坑尾矿库边坡滑坡预警预报方法 |
| CN106205059A (zh) * | 2016-06-23 | 2016-12-07 | 西北大学 | 一种滑坡蠕变监测的预警系统及方法 |
| CN107633659A (zh) * | 2017-10-13 | 2018-01-26 | 中电科新型智慧城市研究院有限公司 | 危险边坡监测预警系统及方法 |
| CN109493569A (zh) * | 2018-12-14 | 2019-03-19 | 深圳高速工程检测有限公司 | 滑坡预警方法、装置、计算机设备和存储介质 |
| WO2019123475A1 (en) * | 2017-12-18 | 2019-06-27 | Varun Dutt | Low-cost sensor-based system for landslide monitoring and alerts |
-
2019
- 2019-08-13 CN CN201910744028.9A patent/CN110795812B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105957311A (zh) * | 2016-06-01 | 2016-09-21 | 中国水利水电科学研究院 | 自适应扩展的边坡稳定智能监测预警系统 |
| CN106205059A (zh) * | 2016-06-23 | 2016-12-07 | 西北大学 | 一种滑坡蠕变监测的预警系统及方法 |
| CN106205060A (zh) * | 2016-08-19 | 2016-12-07 | 临沂大学 | 用于露天矿坑尾矿库边坡滑坡预警预报方法 |
| CN107633659A (zh) * | 2017-10-13 | 2018-01-26 | 中电科新型智慧城市研究院有限公司 | 危险边坡监测预警系统及方法 |
| WO2019123475A1 (en) * | 2017-12-18 | 2019-06-27 | Varun Dutt | Low-cost sensor-based system for landslide monitoring and alerts |
| CN109493569A (zh) * | 2018-12-14 | 2019-03-19 | 深圳高速工程检测有限公司 | 滑坡预警方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 刘建永等: "滑坡地质灾害无人监测预警平台设计", 《解放军理工大学学报(自然科学版)》 * |
| 孔金玲等: "基于RIA/JavaScript技术的高速公路滑坡监测预警系统", 《公路交通科技》 * |
| 谈小龙: "GIS支持下的大型高边坡安全监测预警模型研究", 《水利学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681393A (zh) * | 2020-06-03 | 2020-09-18 | 福州大学 | 基于trigrs的弃渣场失稳预警方法及系统 |
| CN112085940A (zh) * | 2020-09-15 | 2020-12-15 | 长安大学 | 一种边坡远程监测多元异构数据的传输系统 |
| CN112526104A (zh) * | 2020-11-06 | 2021-03-19 | 马鞍山矿山研究总院股份有限公司 | 一种边坡稳定性监测测预警方法、系统、介质 |
| CN112923973A (zh) * | 2021-01-29 | 2021-06-08 | 深圳市安泰数据监测科技有限公司 | 边坡数据采集装置及其采集方法 |
| CN113434559A (zh) * | 2021-05-20 | 2021-09-24 | 江苏谷德运维信息技术有限公司 | 一种大数据生态链应用系统和应用方法 |
| CN113295212A (zh) * | 2021-05-26 | 2021-08-24 | 西北大学 | 应用多监测点协同作用的滑坡整体稳定性安全预警系统 |
| CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
| CN114863645A (zh) * | 2022-07-04 | 2022-08-05 | 四川省华地建设工程有限责任公司 | 一种地质灾害监测预警方法及系统 |
| CN114863645B (zh) * | 2022-07-04 | 2022-09-16 | 四川省华地建设工程有限责任公司 | 一种地质灾害监测预警方法及系统 |
| CN115655386A (zh) * | 2022-12-28 | 2023-01-31 | 数皮科技(湖北)有限公司 | 适用于地热资源勘查的动态综合监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110795812B (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110795812B (zh) | 一种基于大数据分析的滑坡预测方法及系统 | |
| CN107829452B (zh) | 一种融合多传感器及地基sar的深基坑施工监测预警技术 | |
| CN103743441B (zh) | 一种边坡安全的多元耦合在线监测系统及方法 | |
| CN105957311A (zh) | 自适应扩展的边坡稳定智能监测预警系统 | |
| CN109000158B (zh) | 基于物联网和bim的管道渗漏预警系统、方法及其应用 | |
| KR101663679B1 (ko) | 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템 | |
| CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
| CN115063025A (zh) | 一种基于数字孪生技术的安全风险管控平台及方法 | |
| US20210109248A1 (en) | System, method, and device for real-time sinkhole detection | |
| CN114021487B (zh) | 一种山坡崩塌的预警方法、装置、设备及可读存储介质 | |
| CN109815633A (zh) | 一种基于地表水地下水耦合模型的边坡稳定性判别方法 | |
| CN105912798A (zh) | 基于超深基坑抽水的地面沉降智能预警方法及监测系统 | |
| CN116911115A (zh) | 一种数字孪生隧道与智能建造方法及系统 | |
| Lu et al. | Model test study on monitoring dynamic process of slope failure through spatial sensor network | |
| Liu et al. | A hybrid data-driven model for geotechnical reliability analysis | |
| Deng et al. | Forecasting and early warning of shield tunnelling-induced ground collapse in rock-soil interface mixed ground using multivariate data fusion and Catastrophe Theory | |
| CN115830805A (zh) | 基于数字孪生的公路边坡监测预警系统及设备 | |
| CN109460589A (zh) | 一种基于变形-结构法的隧道初期支护动态设计方法 | |
| CN116663762A (zh) | 一种城市规划地下空间勘察测绘方法及系统 | |
| CN116629602A (zh) | 基于数字孪生技术的土石坝渗流安全动态监测及灾变预警系统及其构建方法 | |
| CN103046526A (zh) | 深基坑底面隆起远程智能监测三维数字预警方法与系统 | |
| CN117328941A (zh) | 基于煤层孕灾动态物理场数字孪生体的孕灾状态预警系统 | |
| CN110210051A (zh) | 一种岩土工程云微信息化技术 | |
| Pei et al. | Development of a preliminary slope stability calculation method based on internal horizontal displacements | |
| Jelušič et al. | An adaptive network fuzzy inference system approach for site investigation |
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 |