CN111382802A - 基于主控结构面参数识别的危岩稳定性判别方法及装置 - Google Patents
基于主控结构面参数识别的危岩稳定性判别方法及装置 Download PDFInfo
- Publication number
- CN111382802A CN111382802A CN202010188344.5A CN202010188344A CN111382802A CN 111382802 A CN111382802 A CN 111382802A CN 202010188344 A CN202010188344 A CN 202010188344A CN 111382802 A CN111382802 A CN 111382802A
- Authority
- CN
- China
- Prior art keywords
- structural surface
- main control
- dangerous rock
- control structural
- mode
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 78
- 238000012850 discrimination method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000013135 deep learning Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 16
- 230000035515 penetration Effects 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001687 destabilization Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D17/00—Excavations; Bordering of excavations; Making embankments
- E02D17/20—Securing of slopes or inclines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Paleontology (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公布了基于主控结构面参数识别的危岩稳定性判别方法及装置，其主要特征是：通过收集危岩主控结构面图像，利用Caffe可视化工具对主控结构面图像进行处理，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，建立深度学习技术模型，对参数特征进行训练学习，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果。其装置主要包括：收集模式、工作模式、判别模式、安全模式。本发明的实施例提供基于主控结构面参数识别的危岩稳定性判别方法及装置的流程示意图，本发明实施例能够体现危岩失稳识别的准确性和灵活性问题，能够为危岩失稳的判别以及为危岩崩塌预测和防治提供依据。
Description
技术领域
本发明是基于主控结构面参数识别的危岩稳定性判别方法及装置，涉及危岩稳定性的识别判别预测和深度学习技术等相关领域。
背景技术
危岩是指由多组岩体结构面切割并位于陡崖或陡坡上稳定性较差的岩石块体及其组合,其破坏具有突发性、致灾具有毁灭性。危岩是我国三峡库区和西部高山深谷区的公路边坡及斜坡带的主要地质灾害类型，具有分布面广、稳定性差、致灾严重等特点。
危岩概念包括其形成、发育、失稳运动及致灾全过程，危岩主控结构面的扩展和失稳是危岩发育机理研究的关键问题。危岩的防治需要系统地对危岩发育机理进行研究，其核心是研究主控结构面的形成及发展。将危岩体后部贯通或断续贯通且力学强度较低的面(或带)定义为主控结构面，危岩变形破坏过程本质上就是主控结构面扩展、相互作用和贯通的过程，所以研究危岩主控结构面对于其稳定性的判别和采取有效防治措施都有重要意义。
随着计算机技术的快速发展，人工智能的深度学习算法的研究应用也得到了快速发展。近些年，深度学习技术被广泛应用于图像识别领域、语言识别领域、视频分析领域、文本分析领域和大数据分析领域，并取得了极大成功。深度学习本质上就是一个进行特征描述的过程，因此利用深度学习的原理进行图像处理和数据分析的突出优点，采用深度学习技术进行危岩稳定性判别是可行的，并且可将这种技术发展成一种新型的判别方法。基于主控结构面识别的危岩稳定性判别方法及装置是能够准确、快速获取判别结果，其给工程实际带来的效益是巨大的。
发明内容
本发明实施例采用基于主控结构面参数识别的危岩稳定性判别方法及装置，利用该方法及装置能够快速准确进行危岩稳定性的判别，建立满足工程需求的自适应深度学习的分析处理模型，本发明提供的基于主控结构面参数识别的危岩稳定性判别方法及装置，包括：
1.其特征原理在于，包括：步骤一，收集危岩主控结构面图像；步骤二，利用Caffe可视化工具对主控结构面图像进行处理；步骤三，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征；步骤四，建立深度学习技术模型，对参数特征进行训练学习；步骤五，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果。
2.所述判别方法为：对危岩主控结构面进行图像收集，将收集的图像利用Caffe可视化工具进行处理，图像处理之后采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，对主控结构面的参数特征建立深度学习模型进行危岩稳定性的判别，进而输出判别结果。
3.所述判别方法为：通过收集危岩主控结构面图像，利用Caffe可视化工具对主控结构面图像进行优化处理，进而采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，将危岩主控结构面贯通率、结构面斜率、结构面张开度的参数特征进行标准化归一化处理，通过建立深度学习技术模型，对参数特征进行训练学习，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果。
4.所述判别装置主要包括：收集模式、工作模式、判别模式、安全模式；收集模式，此模式装置进行前期的准备工作，即危岩主控结构面图像的收集以及相关处理；工作模式，此模式装置用于根据用户指令，进行危岩主控结构面各种参数特征的采集和进行深度学习技术等工作；判别模式，此模式装置用于根据用户指令，将工作模式中进行的一系列工作结果反映出来；安全模式，保证整个装置系统在安全的环境中进行。
5.所述判别装置还包括：优化模块，对收集到的危岩主控结构面图像进行扫描、识别和优化的工作；处理模块，将经过优化模式之后的危岩图像进行处理；包容模块，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征。
6.所述判别装置还包括：特征模块，将采集到的参数特征进行标准化归一化处理；深度学习模块，建立深度学习技术模型；学习模块，利用深度学习技术模型对参数特征进行训练学习；判别模块，对学习模块之后危岩主控结构面的参数数据对危岩稳定性进行判别；结果模块，将判别出的结果输出。
附图说明
图1为本发明实施流程图；
图2为本发明装置各模式工作顺序图；
图3为本发明装置各模块之间工作原理图；
图4为本发明装置前期阶段详细工作流程图；
图5为本发明装置后期阶段详细工作流程图；
图6为本发明装置工作总体图；
具体实施方式
本发明实施例提供了基于主控结构面参数识别的危岩稳定性判别方法及装置的实施过程，该实施例基于危岩主控结构面图像的特征，即主控结构面贯通率、结构面斜率、结构面张开度的数据进行深度学习，证明了该方法在判别危岩稳定性方面的灵活性和准确性的问题。为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下对本发明进行进一步详细说明：
首先请参阅图1，根据本发明所用的原理，首先第一步，收集危岩主控结构面图像，第二步，利用Caffe可视化工具对主控结构面图像进行处理，第三步，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，第四步，建立深度学习技术模型，对参数特征进行训练学习，第五步，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果。
下面对本发明中的基于主控结构面参数识别的危岩稳定性判别装置进行详细描述：
请参阅图2，首先经过收集模式，此模式装置进行前期的准备工作，即危岩主控结构面图像的收集以及相关处理；工作模式，此模式装置用于根据用户指令，进行危岩主控结构面各种参数特征的采集和进行深度学习技术等工作；判别模式，此模式装置用于根据用户指令，将工作模式中进行的一系列工作结果反映出来；安全模式，保证整个装置系统在安全的环境中进行。
在图2所对应的各模式工作顺序图基础上，请参阅图3，其中该装置工作图包含了详细的功能效用，包括：优化模块，对收集到的危岩主控结构面图像进行扫描、识别和优化的工作；处理模块，将经过优化模式之后的危岩图像进行处理；包容模块，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，特征模块，将采集到的参数特征进行标准化归一化处理；深度学习模块，建立深度学习技术模型；学习模块，利用深度学习技术模型对参数特征进行训练学习；判别模块，对学习模块之后危岩主控结构面的参数数据对危岩稳定性进行判别；结果模块，将判别出的结果输出。
请参阅图4和图5，本发明装置阶段详细流程图中是装置模式于装置模块之间的关系，其中，收集模式和工作模式包括：优化模块，对收集到的危岩主控结构面图像进行扫描、识别和优化的工作；处理模块，将经过优化模式之后的危岩图像进行处理；包容模块，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，特征模块，将采集到的参数特征进行标准化归一化处理；深度学习模块，建立深度学习技术模型；学习模块，利用深度学习技术模型对参数特征进行训练学习；判别模式包括：判别模块，对学习模块之后危岩主控结构面的参数数据对危岩稳定性进行判别；结果模块，将判别出的结果输出。
本发明为基于主控结构面参数识别的危岩稳定性判别方法及装置，其装置由如下部分组成：参阅图6，收集模式下的优化模块、处理模块和包容模块，工作模式下的特征模块和深度学习模块，判别模式下的判别模块和结果模块。
综上所述，本发明提供的基于主控结构面参数识别的危岩稳定性判别方法及装置具有以下优点：该方法及装置得到的结果趋于保守，具有拟合性能优越、准确性高和效率快等优点，这一判别方法基本上做到了系统、精确和实用的目的，可以有效指导危岩稳定性判别、勘察评价、监测预警以及防治等工作。
Claims (6)
1.基于主控结构面参数识别的危岩稳定性判别方法及装置，其特征在于，包括：步骤一，收集危岩主控结构面图像；步骤二，利用Caffe可视化工具对主控结构面图像进行处理；步骤三，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征；步骤四，建立深度学习技术模型，对参数特征进行训练学习；步骤五，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果，其装置主要包括：收集模式、工作模式、判别模式、安全模式。
2.根据权利要求1所述的判别方法及装置，其特征在于，所述判别方法为：对危岩主控结构面进行图像收集，将收集的图像利用Caffe可视化工具进行处理，图像处理之后采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，对主控结构面的参数特征建立深度学习模型进行危岩稳定性的判别，进而输出判别结果。
3.根据权利要求1所述的判别方法，其特征在于，所述判别方法为：通过收集危岩主控结构面图像，利用Caffe可视化工具对主控结构面图像进行优化处理，进而采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征，将危岩主控结构面贯通率、结构面斜率、结构面张开度的参数特征进行标准化归一化处理，通过建立深度学习技术模型，对参数特征进行训练学习，根据训练学习之后的危岩主控结构面的参数数据对危岩稳定性进行判别，最后输出判别结果。
4.根据权利要求1所述的判别方法及装置，其特征在于，所述判别装置包括：收集模式，此模式装置进行前期的准备工作，即危岩主控结构面图像的收集以及相关处理；工作模式，此模式装置用于根据用户指令，进行危岩主控结构面各种参数特征的采集和进行深度学习技术等工作；判别模式，此模式装置用于根据用户指令，将工作模式中进行的一系列工作结果反映出来；安全模式，保证整个装置系统在安全的环境中进行。
5.根据权利要求4所述的装置，其特征在于，所述判别装置还包括：优化模块，对收集到的危岩主控结构面图像进行扫描、识别和优化的工作；处理模块，将经过优化模式之后的危岩图像进行处理；包容模块，采集主控结构面贯通率、结构面斜率、结构面张开度的参数特征。
6.根据权利要求4所述的装置，其特征在于，所述判别装置还包括：特征模块，将采集到的参数特征进行标准化归一化处理；深度学习模块，建立深度学习技术模型；学习模块，利用深度学习技术模型对参数特征进行训练学习；判别模块，对学习模块之后危岩主控结构面的参数数据对危岩稳定性进行判别；结果模块，将判别出的结果输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010188344.5A CN111382802A (zh) | 2020-03-17 | 2020-03-17 | 基于主控结构面参数识别的危岩稳定性判别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010188344.5A CN111382802A (zh) | 2020-03-17 | 2020-03-17 | 基于主控结构面参数识别的危岩稳定性判别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111382802A true CN111382802A (zh) | 2020-07-07 |
Family
ID=71222688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010188344.5A Pending CN111382802A (zh) | 2020-03-17 | 2020-03-17 | 基于主控结构面参数识别的危岩稳定性判别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111382802A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182888A (zh) * | 2020-09-29 | 2021-01-05 | 广西大学 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
| CN112989481A (zh) * | 2021-05-17 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 复杂地质隧道施工围岩稳定可视化图像数据处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160122452A (ko) * | 2015-04-14 | 2016-10-24 | (주)한국플랫폼서비스기술 | 비주얼 콘텐츠기반 영상 인식을 위한 딥러닝 프레임워크 및 영상 인식 방법 |
| CN107784191A (zh) * | 2017-12-12 | 2018-03-09 | 中国地质大学（武汉） | 基于神经网络模型的异性结构面峰值抗剪强度预测方法 |
-
2020
- 2020-03-17 CN CN202010188344.5A patent/CN111382802A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160122452A (ko) * | 2015-04-14 | 2016-10-24 | (주)한국플랫폼서비스기술 | 비주얼 콘텐츠기반 영상 인식을 위한 딥러닝 프레임워크 및 영상 인식 방법 |
| CN107784191A (zh) * | 2017-12-12 | 2018-03-09 | 中国地质大学（武汉） | 基于神经网络模型的异性结构面峰值抗剪强度预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李明等: "危岩主控结构面智能显现机理研究", 重庆建筑大学报, 30 April 2008 (2008-04-30), pages 104 - 105 * |
| 柳厚祥等: "基于深度学习技术的公路隧道围岩分级方法", 岩土工程学报, 31 October 2018 (2018-10-31), pages 1810 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182888A (zh) * | 2020-09-29 | 2021-01-05 | 广西大学 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
| CN112182888B (zh) * | 2020-09-29 | 2022-11-01 | 广西大学 | 小型滑移式危岩体主控结构面力学参数识别方法及装置 |
| CN112989481A (zh) * | 2021-05-17 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 复杂地质隧道施工围岩稳定可视化图像数据处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112858473B (zh) | 一种基于特征融合的道岔尖轨伤损状态监测方法 | |
| CN110866318A (zh) | 一种基于深度学习技术的危岩失稳模式判别方法及装置 | |
| CN111382802A (zh) | 基于主控结构面参数识别的危岩稳定性判别方法及装置 | |
| CN109635461A (zh) | 一种应用随钻参数来自动识别围岩级别的方法和系统 | |
| CN106404388A (zh) | 一种刮板输送机飘链故障诊断方法 | |
| CN101770038A (zh) | 矿山微震源智能定位方法 | |
| CN104373153A (zh) | 一种煤矿井下综放工作面的煤岩性状识别方法与系统 | |
| CN112985574B (zh) | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 | |
| CN114757266A (zh) | 专家知识与数据融合驱动的冲击地压预测模型构建方法 | |
| CN106021639B (zh) | 基于cae仿真分析结果的受损零件损伤判断和分类方法及维修工时预估方法 | |
| CN113593605A (zh) | 一种基于深度神经网络的工业音频故障监测系统和方法 | |
| CN112800590B (zh) | 一种机器学习辅助的两相流油藏随机建模的网格粗化方法 | |
| CN111160490A (zh) | 一种基于多时间序列的深度学习危岩变形预测方法及装置 | |
| CN107784795A (zh) | 一种微震信号智能监测识别设备及识别方法 | |
| CN117372944A (zh) | 一种工地裸土监测方法及终端 | |
| CN113703038B (zh) | 一种微震信号自动采集识别方法及系统 | |
| CN109944590A (zh) | 一种可靠的采煤机切割模式识别系统 | |
| CN112989984B (zh) | 一种煤岩界面识别方法 | |
| CN113378702B (zh) | 一种用于登杆作业的多特征融合的疲劳监测识别方法 | |
| CN114154542A (zh) | 微地震事件分类方法、装置、设备及可读存储介质 | |
| CN114463667A (zh) | 基于视频识别的小样本学习方法 | |
| CN114241311A (zh) | 一种输电线路异物及环境异常状态检测方法 | |
| Ying et al. | A data annotation and recognition method based on zero statistical hypothesis test and multi variable binary classification theory | |
| CN111984707A (zh) | 一种营运车辆多模式跨界大数据的多层次深度融合挖掘方法 | |
| CN111382806A (zh) | 基于图像特征的类砌体危岩体安全评价方法及装置 |
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 |