CN111504268B - 一种土质边坡险情智能预警预报方法 - Google Patents

一种土质边坡险情智能预警预报方法 Download PDF

Info

Publication number
CN111504268B
CN111504268B CN202010322904.1A CN202010322904A CN111504268B CN 111504268 B CN111504268 B CN 111504268B CN 202010322904 A CN202010322904 A CN 202010322904A CN 111504268 B CN111504268 B CN 111504268B
Authority
CN
China
Prior art keywords
module
dangerous
area
early warning
slope
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
Application number
CN202010322904.1A
Other languages
English (en)
Other versions
CN111504268A (zh
Inventor
魏会龙
梁军
张强
劳丽燕
郑金龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Geology & Construction Co
GEOLOGICAL BUREAU OF SHENZHEN
Original Assignee
Shenzhen Geology & Construction Co
GEOLOGICAL BUREAU OF SHENZHEN
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Geology & Construction Co, GEOLOGICAL BUREAU OF SHENZHEN filed Critical Shenzhen Geology & Construction Co
Priority to CN202010322904.1A priority Critical patent/CN111504268B/zh
Publication of CN111504268A publication Critical patent/CN111504268A/zh
Application granted granted Critical
Publication of CN111504268B publication Critical patent/CN111504268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/02—Details
    • G01C9/06—Electric or photoelectric indication or reading means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/02—Details
    • G01C9/06—Electric or photoelectric indication or reading means
    • G01C2009/066—Electric or photoelectric indication or reading means optical

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Emergency Management (AREA)
  • Acoustics & Sound (AREA)
  • Automation & Control Theory (AREA)
  • Hydrology & Water Resources (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种土质边坡险情智能预警预报方法，属于地质的技术领域，旨在提供一种准确预测土质边坡险情的土质边坡险情智能预警预报方法，其技术方案要点是包括以下步骤：S1：选定监测的边坡区域，根据有限元法将边坡划分成多个监测区域；S2：建立信息获取系统和险情预测系统，通过信息获取系统获取被监测区域的高度、坡度和面积；S3：信息获取系统通过无线的方式将监测到的数据发送至险情预测系统。土壤渗透计和位移计实时获取监测区域的土壤渗透率和土壤位移，信息获取系统实时获取被监测区域的高度、坡度和面积，再通过险情预测系统建立三维模型，三维模型实时获取各项参数，并对边坡进行动态预测，对边坡滑坡的可能性预测更加精准。

Description

一种土质边坡险情智能预警预报方法
技术领域
本发明涉及地质的技术领域，尤其是涉及一种土质边坡险情智能预警预报方法。
背景技术
滑坡灾害不仅造成巨大的经济损失，还严重危害人民的生命安全。降雨条件下土质滑坡是滑坡中分布最为广泛、规模大、暴发频率高、突发性强和持续危害性较大的一类致灾体。我国面临的此类型滑坡灾害非常严峻，对滑坡灾害进行科学、合理的评价、预测、管理和控制是十分必要。如何对降雨条件下土质边坡安全性态进行时空动态评价，切实保护人民的生命和财产安全，是我国当前面临的一个重要课题。
目前，国内外对土质边坡安全性态的评价方法进行了一些相关研究：在边坡安全性评价方法上，一般采用GEO-SLOPE的SIGMA/W模块等非耦合的二维有限元或刚体极限平衡法(传统简化毕肖普法、传递系数法)，以及采用考虑动水压力的边坡条分计算方法和滑裂面为折线形的浸水边坡稳定计算方法，以及采用弹塑性有限元强度折减法。不过，国内外这些研究成果大部分属于静态评价方法，无法真正考虑研究对象的时空变化问题，亦即无法真正实现边坡险情的时空动态评价。所以，研发一种更合理的定量化而预警预报更方便的边坡安全性的时空动态评价方法显得尤为紧迫。
发明内容
针对现有技术存在的不足，本发明的目的是提供一种准确预测土质边坡险情的土质边坡险情智能预警预报方法。
本发明的上述发明目的是通过以下技术方案得以实现的：
一种土质边坡险情智能预警预报方法，包括以下步骤：
S1：选定监测的边坡区域，根据有限元法将边坡划分成多个监测区域，并在监测区域内设置土壤渗透计和位移计；
S2：建立信息获取系统和险情预测系统，通过信息获取系统获取监测区域的高度、坡度和面积；
S3：信息获取系统通过无线的方式将监测到的数据发送至险情预测系统；
S4：险情预测系统通过获取各项参数建立监测区域以及边坡的三维模型；
S5：所述险情预测系统中包含有降雨强度获取单元，通过降雨强度获取单元实时获取被监测边坡的降雨强度；
S6：所述险情预测系统中包括预警模块，预警模块根据危险值的数值在其达到规定的预警基准值时执行预警。
通过采用上述技术方案，土壤渗透计和位移计实时获取监测区域的土壤渗透率和土壤位移，信息获取系统实时获取监测区域的高度、坡度和面积，再通过险情预测系统建立三维模型，三维模型实时获取各项参数，并对边坡进行动态预测，对边坡滑坡的可能性预测更加精准。
本发明在一较佳示例中可以进一步配置为：所述信息获取系统包括无人机、设置在无人机上的信息获取模块和无线传输模块，所述信息获取模块包括微处理器、存储器、光感模组、光束发射模组，所述光感模组用于摄取边坡图像存储在存储器中，并通过无线传输模块发送至险情预测系统；
所述光束发射模块用于发射光束并被光感模组捕捉，所述光感模组感知到第一道光束后，通过微处理器计算出无人机与测点之间的距离。
通过采用上述技术方案，采用光感模组与光束发射模组配合，从而测量监测区域的面积、坡度、长度等数据，为边坡险情预警提供精准的数据支持。
本发明在一较佳示例中可以进一步配置为：所述信息获取模块包括还包括角度传感器，所述角度传感器用于感应光感模组的偏转角度，所述微处理器通过偏转角度对无人机与测点之间的距离修正。
通过采用上述技术方案，由于光感模组和光束发射模组在使用时可能发生偏转，角度传感器对偏转角度修正，减小由于角度偏转造成的测量结果不准确。
本发明在一较佳示例中可以进一步配置为：所述险情预测系统包括三维建模模块、险情预测模块和预警模块，所述险情预测模块根据获取的信息建立危险预测模型，并通过危险预测模型计算监测区域塌方的概率值，然后将多个监测区域塌方的概率值通过危险判断模型计算出被监测边坡的危险值，
所述三维建模模块包括三维建模单元和参数设置单元，
所述三维建模单元通过信息获取系统获取的边坡坡度、高度、面积以及照片建立三维模型。
通过采用上述技术方案，边坡的三维模型中输入地质因子和水文因子，使得三维模型具有多维度的评价标准，也使得预测结果更加精准。
本发明在一较佳示例中可以进一步配置为：所述危险预测模型E=F(h，s，t，x，l，p，m)，
其中，h表示监测区域的高度；S表示监测区域的面积；t表示监测区域的地质因子；x表示监测区域的水文因子；l表示监测区域的坡度，p表示监测区域的土壤渗透率，m表示监测区域的土壤位移。
通过采用上述技术方案，危险预测模型中包括了监测区域的高度、面积、地质因子、水文因子以及坡度，并实时更新相应的数据，这样建立的三维模型更加准确，对于危险预测的结果更加精准。
本发明在一较佳示例中可以进一步配置为：所述危险预测模型建立反馈动力学神经网络，并采用人工智能模糊控制方法将各个参数放入机器学习模型中学习，从而得出相应的危险预测模型。
通过采用上述技术方案，通过机器学习模型训练处危险预测模型更加精准，对于结果的预测更加精准。
本发明在一较佳示例中可以进一步配置为：所述危险判断模型Y=n1*E1+ n2*E2+n3*E3+ n4*E4……，其中n1+n2+n3+n4+……=1。
通过采用上述技术方案，由于各个监测区域根据其位置的不同，对于整个边坡滑坡影响力时不同，根据各个位置不同分配不同的权重，这样对于边坡可能滑坡的可能预测精度更高。
本发明在一较佳示例中可以进一步配置为：在S2中，在监测区域选取位于同一投影线上的两点，光束发射模组向监测区域两点发射光束，光感模组感应反射光束，并计算无人机与监测区域两点的直线距离，并通过无人机获得两点之间的垂直距离，再通过计算得出监测区域的坡度。
通过采用上述技术方案，光束发射模组与光感模组配合，测出边坡的坡度，测量精度高，测量结果准确。
本发明在一较佳示例中可以进一步配置为：在S2中，获取监测区域的坡度后，再通过无人机测得监测区域的边界长度和宽度，从而测取监测区域的面积，并将测得的监测区域的面积、坡度和高度通过无线传输模块发送至险情预测系统。
通过采用上述技术方案，通过光束发射模组和光感模组获取边坡的面积、坡度、高度，这样三维模型单元建立的边坡三维模型更加精准。
本发明在一较佳示例中可以进一步配置为：所述预警模块包括预警单元和警报单元，所述预警单元内设有基准值Y0，其中预警系数C=[（Y-Y0）/ Y0] *100，
当C<0，边坡无滑坡可能性，预警模块显示安全；
当0≤C<10，边坡滑坡可能性较低，预警模块显示正常；
当10≤C<20，边坡具有滑坡可能性，预警模块显示预警，并通过警报单元发出警报；
当30≥75，边坡滑坡可能性较大，预警模块显示紧急。
通过采用上述技术方案，将量化的危险值划分成各个区间，并对各个区间定义不同的险情程度，以便监测人员直观感受，及时作出相应的防范措施。
综上所述，本发明包括以下至少一种有益技术效果：
1.土壤渗透计和位移计实时获取监测区域的土壤渗透率和土壤位移，信息获取系统实时获取监测区域的高度、坡度和面积，再通过险情预测系统建立三维模型，三维模型实时获取各项参数，并对边坡进行动态预测，对边坡滑坡的可能性预测更加精准；
2.边坡的三维模型中输入地质因子和水文因子，使得三维模型具有多维度的评价标准，也使得预测结果更加精准；
3.危险预测模型中包括了监测区域的高度、面积、地质因子、水文因子以及坡度，并实时更新相应的数据，这样建立的三维模型更加准确，对于危险预测的结果更加精准。
附图说明
图1是土质边坡险情智能预警预报方法的流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例：参照图1，为本发明公开的一种土质边坡险情智能预警预报方法，包括以下步骤：
S1：选定监测的边坡区域，根据有限元法将边坡划分成多个监测区域，并在监测区域内设置土壤渗透计和位移计。土壤渗透计和位移计实时监测边坡各个区域的土壤渗透率和位移，这样可对边坡进行动态进行监测，对于边坡的险情能够及时预测。
S2：建立信息获取系统和险情预测系统，通过信息获取系统获取监测区域的高度、坡度和面积。
信息获取系统包括无人机、设置在无人机上的信息获取模块和无线传输模块，无线传输模块可采用蓝牙、WIFI、4G、ZIGBE、GPRS等无线传输模块。
无人机上还配有数字气压计、电子陀螺仪、GPS定位模块、超声波测速或者空速管或者微差压风速传感器，分别用于测量无人机的高度、姿势、速度和位置。
信息获取模块包括微处理器、存储器、光感模组、光束发射模组，光感模组用于摄取边坡图像存储在存储器中，并通过无线传输模块发送至险情预测系统。
光束发射模块用于发射光束并被光感模组捕捉，光感模组感知到第一道光束后，根据速度时间公式通过微处理器计算出无人机与测点之间的距离。
信息获取模块包括还包括角度传感器，角度传感器用于感应光感模组的偏转角度，微处理器通过偏转角度对无人机与测点之间的距离修正。
信息获取系统主要用于获取监测区域的坡度、高度、面积以及照片，并通过无线传输模块发送至险情预测系统。
在监测区域选取位于同一投影线上的两点，光束发射模组向监测区域两点发射光束，光感模组感应反射光束，并计算无人机与监测区域两点的直线距离，并通过无人机获得两点之间的垂直距离，再通过计算得出监测区域的坡度。
获取监测区域的坡度后，再通过无人机测得监测区域的边界长度和宽度，从而测取监测区域的面积，并将测得的监测区域的面积、坡度和高度通过无线传输模块发送至险情预测系统。
险情预测系统包括三维建模模块、险情预测模块和预警模块，所述险情预测模块根据获取的信息建立危险预测模型，并通过危险预测模型计算监测区域塌方的概率值，然后将多个监测区域塌方的概率值通过危险判断模型计算出被监测边坡的危险值。
三维建模模块包括三维建模单元和参数设置单元，三维建模单元通过信息获取系统获取的边坡坡度、高度、面积以及照片建立三维模型，参数设置单元在三维模型中输入地质因子和水文因子。
S3：信息获取系统通过无线的方式将监测到的数据发送至险情预测系统。
S4：险情预测系统通过获取各项参数建立监测区域以及边坡的三维模型。
危险预测模型E=F(h，s，t，x，l，p，m)，其中，h表示监测区域的高度；S表示监测区域的面积；t表示监测区域的地质因子；x表示监测区域的水文因子；l表示监测区域的坡度，p表示监测区域的土壤渗透率，m表示监测区域的土壤位移。
危险预测模型建立反馈动力学神经网络，并采用人工智能模糊控制方法将各个参数放入机器学习模型中学习，从而得出相应的危险预测模型。
危险判断模型Y=n1*E1+ n2*E2+ n3*E3+ n4*E4……，其中n1+n2+n3+n4+……=1。
S5：险情预测系统中包含有降雨强度获取单元，通过降雨强度获取单元实时获取被监测边坡的降雨强度。
S6：险情预测系统中包括预警模块，预警模块根据危险值的数值在其达到规定的预警基准值时执行预警。
预警模块包括预警单元和警报单元，所述预警单元内设有基准值Y0，其中预警系数C=[（Y-Y0）/ Y0] *100，
当C<0，边坡无滑坡可能性，预警模块显示安全；
当0≤C<10，边坡滑坡可能性较低，预警模块显示正常；
当10≤C<20，边坡具有滑坡可能性，预警模块显示预警；
当30≥75，边坡滑坡可能性较大，预警模块显示紧急。
当10≤C<20，警报单元将预警信息群发至边坡边上的住户手机端，也可通过短信通知。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (8)

1.一种土质边坡险情智能预警预报方法，其特征在于：包括以下步骤：
S1：选定监测的边坡区域，根据有限元法将边坡划分成多个监测区域，并在监测区域内设置土壤渗透计和位移计；
S2：建立信息获取系统和险情预测系统，通过信息获取系统获取监测区域的高度、坡度和面积；
S3：信息获取系统通过无线的方式将监测到的数据发送至险情预测系统；
S4：险情预测系统通过获取各项参数建立监测区域以及边坡的三维模型；
S5：所述险情预测系统中包含有降雨强度获取单元，通过降雨强度获取单元实时获取被监测边坡的降雨强度；
S6：所述险情预测系统中包括预警模块和险情预测模块，所述预警模块内设有基准值Y0，所述险情预测模块根据获取的信息建立危险预测模型，并通过危险预测模型计算监测区域塌方的概率值E，然后将多个监测区域塌方的概率值E通过危险判断模型计算出监测边坡的危险值Y，根据危险值Y的数值与基准值Y0得到预警系数C，当10≤C<20时执行预警；
所述危险预测模型E=F(h，s，t，x，l，p，m)，其中，h表示监测区域的高度；S表示监测区域的面积；t表示监测区域的地质因子；x表示监测区域的水文因子；l表示监测区域的坡度，p表示监测区域的土壤渗透率，m表示监测区域的土壤位移；
所述危险判断模型Y=n1*E1+ n2*E2+ n3*E3+ n4*E4……，其中n1+n2+n3+n4+……=1；
所述预警系数C=[（Y-Y0）/ Y0] *100。
2.根据权利要求1所述的一种土质边坡险情智能预警预报方法，其特征在于：所述信息获取系统包括无人机、设置在无人机上的信息获取模块和无线传输模块，所述信息获取模块包括微处理器、存储器、光感模组、光束发射模组，所述光感模组用于摄取边坡图像存储在存储器中，并通过无线传输模块发送至险情预测系统；
所述光束发射模块用于发射光束并被光感模组捕捉，所述光感模组感知到第一道光束后，通过微处理器计算出无人机与测点之间的距离。
3.根据权利要求2所述的一种土质边坡险情智能预警预报方法，其特征在于：所述信息获取模块包括还包括角度传感器，所述角度传感器用于感应光感模组的偏转角度，所述微处理器通过偏转角度对无人机与测点之间的距离修正。
4.根据权利要求3所述的一种土质边坡险情智能预警预报方法，其特征在于：所述险情预测系统还包括三维建模模块，
所述三维建模模块包括三维建模单元和参数设置单元，
所述三维建模单元通过信息获取系统获取的边坡坡度、高度、面积以及照片建立三维模型；
所述参数设置单元在三维模型中输入地质因子和水文因子。
5.根据权利要求4所述的一种土质边坡险情智能预警预报方法，其特征在于：所述危险预测模型建立反馈动力学神经网络，并采用人工智能模糊控制方法将各个参数放入机器学习模型中学习，从而得出相应的危险预测模型。
6.根据权利要求3所述的一种土质边坡险情智能预警预报方法，其特征在于：在S2中，在监测区域选取位于同一投影线上的两点，光束发射模组向监测区域两点发射光束，光感模组感应反射光束，并计算无人机与监测区域两点的直线距离，并通过无人机获得两点之间的垂直距离，再通过计算得出监测区域的坡度。
7.根据权利要求6所述的一种土质边坡险情智能预警预报方法，其特征在于：在S2中，获取监测区域的坡度后，再通过无人机测得监测区域的边界长度和宽度，从而测取监测区域的面积，并将测得的监测区域的面积、坡度和高度通过无线传输模块发送至险情预测系统。
8.根据权利要求1所述的一种土质边坡险情智能预警预报方法，其特征在于：所述预警模块包括预警单元和警报单元，所述基准值Y0设于预警单元内，
当C<0，边坡无滑坡可能性，预警模块显示安全；
当0≤C<10，边坡滑坡可能性较低，预警模块显示正常；
当10≤C<20，边坡具有滑坡可能性，预警模块显示预警。
CN202010322904.1A 2020-04-22 2020-04-22 一种土质边坡险情智能预警预报方法 Active CN111504268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010322904.1A CN111504268B (zh) 2020-04-22 2020-04-22 一种土质边坡险情智能预警预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010322904.1A CN111504268B (zh) 2020-04-22 2020-04-22 一种土质边坡险情智能预警预报方法

Publications (2)

Publication Number Publication Date
CN111504268A CN111504268A (zh) 2020-08-07
CN111504268B true CN111504268B (zh) 2020-11-24

Family

ID=71871190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010322904.1A Active CN111504268B (zh) 2020-04-22 2020-04-22 一种土质边坡险情智能预警预报方法

Country Status (1)

Country Link
CN (1) CN111504268B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539568B (zh) * 2020-04-22 2021-11-05 深圳市地质局 基于无人机和三维建模技术的安全监测系统及方法
CN112344913B (zh) * 2020-11-09 2022-08-02 中国公路工程咨询集团有限公司 一种利用无人机倾斜摄影影像的区域危险系数评估方法
CN113012396A (zh) * 2021-01-28 2021-06-22 深圳市协润科技有限公司 一种边坡微形变的监测预警系统和方法
CN113034499B (zh) * 2021-05-24 2021-09-21 西南交通大学 边坡坡面危险区预测方法、装置、设备及可读存储介质
CN113221371B (zh) * 2021-05-25 2023-04-11 贵州省质安交通工程监控检测中心有限责任公司 一种边坡临界滑动面确定方法、装置及终端设备
CN113111595B (zh) * 2021-06-15 2021-08-31 西南交通大学 一种边坡智能预警方法和装置
CN113570826A (zh) * 2021-07-15 2021-10-29 长视科技股份有限公司 一种河道滑坡形变识别实现灾害预警的方法与系统
CN113554849A (zh) * 2021-08-09 2021-10-26 广东智云工程科技有限公司 一种空天地监测边坡系统及其失稳风险评估方法
CN114322997B (zh) * 2021-11-30 2024-05-07 中煤科工集团沈阳设计研究院有限公司 一种露天矿边坡安全监测方法
CN114495429B (zh) * 2021-12-23 2023-05-23 北京中关村智连安全科学研究院有限公司 一种崩塌灾害早期预警方法及系统
CN115310371B (zh) * 2022-10-09 2022-12-30 西南交通大学 一种基于耦合机器学习算法的边坡稳定性分析方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139585B (zh) * 2015-07-29 2017-11-07 同济大学 一种土质边坡险情智能预警预报方法
CN106203724B (zh) * 2016-07-19 2019-09-27 成都理工大学 一种浅表层土质滑坡的预报方法
JP6773603B2 (ja) * 2017-05-18 2020-10-21 中央開発株式会社 斜面崩壊早期警報システム
CN107451399A (zh) * 2017-07-10 2017-12-08 烟台大学 一种基于实域总势能计算渗流溢出点的方法
CN108229726A (zh) * 2017-12-15 2018-06-29 同济大学 一种碎块石边坡灾变险情预警预报方法
CN109357617B (zh) * 2018-10-25 2021-11-05 东北大学 一种基于无人机的高陡岩质边坡位移变形监测方法
CN109711530B (zh) * 2018-11-15 2021-01-08 深圳大学 一种滑坡预测方法及系统
CN109584510B (zh) * 2018-11-30 2021-02-02 中国公路工程咨询集团有限公司 一种基于评估函数训练的道路高边坡滑坡灾害预警方法
CN110992652B (zh) * 2019-12-05 2020-08-11 山东省地质矿产勘查开发局第八地质大队(山东省第八地质矿产勘查院) 基于参数融合的危岩体边坡地质灾害远程预警系统及方法

Also Published As

Publication number Publication date
CN111504268A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111504268B (zh) 一种土质边坡险情智能预警预报方法
CN106224007A (zh) 隧道施工安全监测预警管理系统
CN103335627B (zh) 古建筑结构变形监测预警方法及系统
CN106023530B (zh) 一种暴雨型稀性泥石流监测预报预警方法
CN106646568B (zh) 一种新型玻璃幕墙智能监测系统和监测方法
JP2018195111A (ja) 斜面崩壊早期警報システム
CN110987057A (zh) 液压爬模用云端自动化监测系统
CN109459094B (zh) 基于十轴传感器的格栅位移测试系统及方法
CN108955775B (zh) 一种具有rdss功能的定位监测装置及方法
KR102290182B1 (ko) 광산 갱내 붕락 감지를 위한 센싱 데이터 통합계측관리 시스템
CN109141513A (zh) 一种建筑物位移监测系统及监测方法
CN111307110A (zh) 一种基坑施工中人员定位系统及风险评估方法
KR102016378B1 (ko) 센서의 위치 정보를 이용한 사면 붕괴 감지 시스템 및 그 방법
CN115578836A (zh) 基于多元数据分析的地质滑坡预警系统
CN115762067A (zh) 一种基于激光点云与视频数据融合的山体滑坡监测系统
CN111539568A (zh) 基于无人机和三维建模技术的安全监测系统及方法
KR102365368B1 (ko) 비탈면 변위 모니터링 시스템
JP2019067217A (ja) 安全度判定プログラム、安全度判定方法および安全度判定装置
CN114743351A (zh) 一种危岩体群失稳预警监测系统
CN207050704U (zh) 一种可用于建筑结构形变监测的位移监测系统
CN113802565A (zh) 一种炼钢车间内基坑与构筑物一体化智能监测系统及方法
CN116824807B (zh) 多灾害预警报警方法及系统
CN116990847B (zh) 基于边缘计算的北斗gnss接收机解算方法和系统
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
CN113011747A (zh) 建筑物监测方法、装置、电子设备及存储介质

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