CN112987087A - 微震监测/声发射破裂源时空分布状态与趋势的预警方法 - Google Patents
微震监测/声发射破裂源时空分布状态与趋势的预警方法 Download PDFInfo
- Publication number
- CN112987087A CN112987087A CN202110190642.2A CN202110190642A CN112987087A CN 112987087 A CN112987087 A CN 112987087A CN 202110190642 A CN202110190642 A CN 202110190642A CN 112987087 A CN112987087 A CN 112987087A
- Authority
- CN
- China
- Prior art keywords
- data
- space
- energy
- cuboid
- microcell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 title claims abstract description 40
- 230000002776 aggregation Effects 0.000 claims abstract description 36
- 238000004220 aggregation Methods 0.000 claims abstract description 36
- 239000011435 rock Substances 0.000 claims abstract description 36
- 230000006378 damage Effects 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000001727 in vivo Methods 0.000 claims abstract description 3
- 238000011160 research Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 239000004575 stone Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000011897 real-time detection Methods 0.000 claims description 4
- 238000009827 uniform distribution Methods 0.000 claims description 4
- 238000004141 dimensional analysis Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 208000010392 Bone Fractures Diseases 0.000 description 32
- 206010017076 Fracture Diseases 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 15
- 230000006872 improvement Effects 0.000 description 9
- 208000013201 Stress fracture Diseases 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000035508 accumulation Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—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
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种微震监测/声发射破裂源时空分布状态与趋势的预警方法。该方法利用检测到的微震监测/声发射事件的空间位置和相对释放能量参数,初步判断宏观破坏区域及破坏程度;再通过建立分形理论盒维数数据统计框架模型,模拟获得岩体或者矿石的破裂形态及其严重程度;获取声发射或微震监测事件产生的空间三维定位坐标和能量值能级变化情况,根据事件数集聚态势和坐标点位,对不同危险级别的灾害发生区位进行锁定并进行预报预警。该方法在空间连续性上比传统二维分析更具优势,计算效率远高于人工统计计算,对分析岩体/石工程三维空间体内微震监测/声发射破裂源时空演化规律尤其是空间上的集聚程度具有优异的实用效果。
Description
技术领域
本发明涉及灾害监测与预警技术领域,尤其涉及一种微震监测/声发射破裂源时空分布状态与趋势的预警方法。
背景技术
为研究岩体破坏的时空分布特征和演化规律,达到揭示岩体破坏实质的目的,从而预测岩体破坏趋势,微破裂震源分形维的统计与计算逐渐被深入研究,且该理论应用较为成熟,但就分形维数及其统计值而言,统计难度大,数据繁琐,计算量大,要求计算能力高,尤其是在空间三维真实破坏岩体分析方面更为复杂。
申请号为CN201910081165.9的发明专利公开了一种基于分形维数的岩石破裂复杂程度表征方法。该方法包括以下步骤:采集岩石破裂样本,并收集岩石的基本参数;确定岩石破裂形态分数维;计算岩石的分形维数:计算岩石破裂复杂程度系数Fc:最后根据岩石破裂复杂程度系数Fc对岩石破裂复杂程度进行表征。但上述方法表征的是岩石破裂复杂程度,是岩石与岩石之间物理形态上的破坏参数解析,其未能有效反映岩体内部的破裂机制。
申请号为CN201910210964.1的发明专利公开了一种基于微震分形预测冲击危险等级的综合智能预测方法。该方法包括微震分形指标输入、模糊智能处理分析和智能预测结果输出三个部分。计算微震时间、空间、能量分形指标,建立冲击危险等级隶属矩阵,构建指标异常指数和高斯隶属函数,建立单指标评价矩阵R,采用混淆矩阵中的F值评分方法计算并实时更新各指标权重矩阵;计算各冲击危险等级的隶属概率,联合最大隶属度原则(MMDP)与可变模糊特征识别模型(VFPR)确定最终冲击危险等级。但是,该方法不能够对岩体工程/岩石试件的破坏进行实时动态的演示、判别、预警,尤其是在构建指标计算和高斯函数分析计算方面繁琐但是不直观显现的技术缺陷。
有鉴于此,有必要设计一种改进的微震监测/声发射破裂源时空分布状态与趋势的预警方法,以解决上述问题。
发明内容
本发明的目的在于提供一种微震监测/声发射破裂源时空分布状态与趋势的预警方法,其在空间连续性上比传统二维分析更具优势,计算效率远高于人工统计计算,对分析岩体/石工程三维空间体内微震监测/声发射破裂源时空演化规律尤其是空间上的集聚程度具有优异的实用效果。
为实现上述发明目的,本发明提供了一种微震监测/声发射破裂源时空分布状态与趋势的预警方法,利用检测到的微震监测/声发射事件的空间位置和相对释放能量参数,初步判断宏观破坏区域及破坏程度;然后,通过建立分形理论盒维数数据统计框架模型,模拟获得岩体或者矿石的破裂形态及其严重程度,获取声发射或者微震监测事件产生的空间三维定位坐标和能量值不同能级变化情况,并进行空间网格划分和能量值等级划分;再根据事件数集聚态势及其坐标点位,对不同危险级别的破坏发生区位进行锁定并根据计算等级进行预报预警。
作为本发明的进一步改进,所述预警方法包括如下步骤:
S1,获取声发射实验数据或者矿山微震监测数据,进行初步处理与筛选,剔除异常数据,筛选得到空间三维定位坐标和能量值;
S2,进行数据汇总,形成包含所述空间三维定位坐标和能量值的数据文件;
S3,读取步骤S2所述的数据文件,获得空间三维定位坐标X、Y、Z三个方向的最大值和最小值,并储存备用;
S4,依据空间三维定位坐标X、Y、Z三个方向的最大值和最小值或者指定实际边界值进行网格划分,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型;
S5,对实时检测所得的数据事件的能量值进行等级划分;
S6,对盒维数数据统计框架模型中的每个空间长方体微单元进行标号并对其中事件个数进行实时统计、记录,并构建第一数据集合;按照步骤S5的能量值等级划分规则,对空间长方体微单元内所统计事件的能量值进行划分、记录并构建第二数据集合,将第一数据集合和第二数据集合进行汇总,得到数据集合K;
S7,基于分形理论盒维数的数学统计原理,对研究区域内的事件数据的个数按照检测时间顺序在每个空间长方体微单元处依次进行统计分析比较;再按照能量等级均匀划分原则,对步骤S6每个空间长方体微单元内统计的各个能量值能级数据个数进行统计分析比较;分别按照检测事件的时间先后顺序重复S1至S6的操作步骤,得到对应空间长方体微单元内的数据变化情况,分析事件集聚程度和能量释放的速度,从而判断预测岩体/石的破坏态势;
S8,导出预设精度的分形盒维数及其变化的分布图,根据事件集聚态势和研究对象内空间长方体微单元对应的坐标点范围,对不同危险级别的灾害发生区位进行锁定并进行预报预警。
作为本发明的进一步改进,步骤S4中的网格划分的具体方法是:先核算研究区域的长宽高及其比例关系;然后在空间三维各个方向按照等比例缩小相同的倍数得到缩小版的研究区域的长方体盒子并编号,即构成空间长方体微单元;再使空间长方体微单元均匀无交叉重叠分布在研究区域内部,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型。
作为本发明的进一步改进,步骤S6的整体过程为:先统计第一个空间长方体微单元中不同能量值能级分别对应的个数,再按照从左到右、从前到后、从上到下的顺序以此统计出每个空间长方体微单元中的各个能量值能级数据个数。
作为本发明的进一步改进,步骤S6中,对每个空间长方体微单元中的全部事件个数和能量值能级数据进行统计的具体过程为:
S61,按照笛卡尔坐标系,在三维空间体中依次按照Z方向、Y方向、X方向分别统计出每个空间长方体微单元中所包含的数据并按照顺序储存,得到检测事件的第一数据集合;
S62,在检测事件的第一数据集合中按照一定的时间步长分别依次搜索统计X方向和Y方向的非零元素交集并记为xy,以及X方向和Z方向的非零元素交集并记为xz,再求xy和xz的非零元素交集并记为xyz,得到某一时刻每个空间长方体微单元内事件个数统计结果,按照时间线程对全部数据进行循环统计;
S63,在所述统计结果的基础上,依据步骤S5的能量值能级划分档次,对所述非零元素交集xyz进行能量值不同能级的数目统计,求出按照需要设定的能量值能级划分档次数目的变化,得到能量值能级的第二数据集合。
作为本发明的进一步改进,步骤S6中,构建数据集合K={x,y,z,E}的过程为:
P1,分别求出三维定位坐标X、Y、Z三个方向和能量值的最值,记为xmin、xmax、ymin、ymax、zmin、zmax、Emin和Emax;
P2,以三个方向的坐标最值为界限构建盒维数数据统计框架模型的边界尺寸;
P3,根据三维空间坐标各个方向的坐标最值以及具体网格划分精度需求,按照与整个研究区域等比例的均布划分原则,且与步骤S4网格划分方式一致,统计出每个方向对应的集合,分别记为XX、YY、ZZ;
P4,对仅有坐标数据点所对应的能量值进行等级划分,得到整个盒维数数据统计框架模型内的空间分布能量值能级数据集合,记为EE。
作为本发明的进一步改进,步骤P3中每个方向对应的集合XX、YY、ZZ的计算过程为:
P31,将X轴方向网格划分的间距记为LX;LX=(xmax-xmin)/(N-1);由此得出以X轴方向的最大值和最小值为界限生成的线性间距集合XX,XX={xmin,xmin+LX*1,xmin+LX*2,···,xmax-LX*2,xmin-LX*1,xmax};
P32,将Y轴方向网格划分的间距记为LY;LY=(ymax-ymin)/(N-1);由此得出以Y轴方向的最大值和最小值为界限生成的线性间距集合YY,YY={ymin,ymin+LY*1,ymin+LY*2,···,ymax-LY*2,ymin-LY*1,ymax};
P33,将Z轴方向网格划分的间距记为LZ;LZ=(zmax-zmin)/(N-1);由此得出以Z轴方向的最大值和最小值为界限生成的线性间距集合ZZ,ZZ={zmin,zmin+LZ*1,zmin+LZ*2,···,zmax-LZ*2,zmin-LZ*1,zmax}。
作为本发明的进一步改进,在步骤S7中,对由每个空间长方体微单元中的数据汇总而成的所述数据集合K,采用分形理论盒维数变化的形式进行分析,实现连续性分维值的统计,分析每个空间长方体微单元内数据变化的差异性、积聚性、离散性以及局部细节性的变化态势,并通过所述盒维数数据统计框架模型进行分层展示。
作为本发明的进一步改进,步骤S7中所述按照需求的时间步长重复S1至S6的操作步骤,将检测所得的声发射实验数据或者矿山微震监测数据实时导入至所述盒维数数据统计框架模型中,实现统计基于不同需求的时间步长的各个空间长方体微单元内的数据个数和能量值能级的变化态势,由此得到横向对比数据趋势。
作为本发明的进一步改进,步骤S5中等级划分的方式为:可依据工程现场需要进行多个能量值等级预警级别的划分,本发明案例以安全预警色为等级和颜色取舍为参考,进行四级均等划分,红色、橙色、黄色、蓝色分别对应Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)、Ⅳ级(一般);
步骤S8中所述预警的具体方案如下:按照统计数据及其增长幅度倍率数据的四等均分为界定,以事件集聚倍率增幅为前25%划分为Ⅰ级,定义为特别严重区域,进行红色预警;事件集聚倍率增幅为前25%~50%划分为Ⅱ级,定义为严重区域,进行橙色预警;事件集聚倍率增幅为前50%~75%划分为Ⅲ级,定义为较重区域,进行黄色预警;事件集聚倍率增幅为前75%~100%划分为Ⅳ级,定义为一般区域,进行蓝色预警;
在设定时间步长规则内,综合微单元内部事件数目增加的急剧程度(即事件增加率)和微单元内部能量值不同分级对应级别内的事件数目增加情况(即能量耗散率)及其各自的前置百分位占比情况,对破裂源时空分布状态与趋势的预警。
本发明的有益效果是:
1、本发明提供的微震监测/声发射破裂源时空分布状态与趋势的预警方法,以分形理论盒维数为方法基础,首先利用所检测到的海量微震监测/声发射事件主要空间位置等参数信息,初步判断宏观破坏区域及破坏程度;然后建立分形理论盒维数数据统计框架模型,最后根据盒维数数据统计框架模型统计得到的事件数集聚态势和研究对象内的坐标点位,对不同危险级别的灾害发生区位进行锁定并进行预报预警。本发明利用该方法,可以模拟获得岩体/石的破裂形态及其严重程度,获取研究对象范围内事件和相对能量级别等参数变化情况,并通过微破裂源在一定范围内的集聚态势有效预测岩体/石的破坏与失稳情况,为研究岩体/石破裂过程微破裂事件的集聚情况提供了一种精确、可靠、快速化锁定并分级预警的新方法。
2、本发明提供的微震监测/声发射破裂源时空分布状态与趋势的预警方法,具备如下优点:
1)微破裂源数据的利用效率高:本发明提供的方法中可借助编程代码调控任意划分层面和数量,高效且实用;有效克服了现有技术中对微震监测/声发射所得数据的时空分布规律仅有二维层面的分析计算未有三维空间层面的计算算法,在空间三维立体层面分析较少,且三维空间角度控制变量不甚灵活多用的技术缺陷。
2)数据源的适用性强:基于矿山微震监测系统工程和室内声发射实验,输入数据形式简便,除空间坐标属性外的第四属性,可对其进行的快速化模拟并展示,更为显而易见的表明该属性的层内和层外分布情况。
3)集聚态势的把控精度较高:采用编程代码直接实现网格划分功能并进行可视化展示,克服了现有技术中存在的空间网格划分较少时,所研究对象及其参数精度远远不够,而空间网格划分较多时,人工统计难度极大的问题。
4)各个空间长方体微单元各层次多属性全局性可视化:分形维数的求解特性要求在某一特定划分网格的条件下,该空间长方体微单元内的数据的增加才能求解其分维值,且本方法中加入了不同能量级别的统计分析,即在同一空间长方体微单元内既有数据纵向的统计分析又有能级层面的横向分析,即基于微单元体尺度的变化和每次能量对应变化后的数据统计表征为空间上的三维分布以及属性上的三维分布,可由本方法实现。
5)海量数据快速处理:本方法能够实现持续的海量数据快速量化分析。
6)数据分析的全局性:从数据层面分析,本方法区别于从内在微观裂隙的发展去研究静态时空分布密度及其动态分形维数的变化情况,而是基于宏观已有数据,分析特点具备全局性。
7)破坏区域划分与预警方面:在微破裂源事件数集聚态势分析的基础之上,增加其它维度的分析参量,时间空间和能量等五维数据的综合预警,更加全面综合准确地进行预警预报。
3、本发明提供的微震监测/声发射破裂源时空分布状态与趋势的预警方法,打破一维和二维分形维数分析的局限,在三维空间上展现出任意部位的事件集聚指标值及其聚散程度的相对危险区域,以相对物理参数形式进行标识,便于分析研究;在预处理阶段,把能量值按照一定等级进行划分,在空间维度上分析数据量变化态势的同时,在每一个空间长方体微单元内根据能级变化情况进行多维度分析破裂状态的集聚形式,并作出综合预警预报。且该方法机动性更强,易于推广使用。
附图说明
图1为本发明提供的微震监测/声发射破裂源时空分布状态与趋势的预警方法的流程示意图。
图2为本发明提供的盒维数数据统计框架模型的示意图(图2中a代表所检测事件的三维空间位置示意图;图2中的b代表构建统计框架模型之后的事件状态,为统计每个空间长方体微单元内的数据个数做铺垫,起到关键作用)。
图3为本发明提供的微震监测/声发射破裂源时空分布状态与趋势的预警方法的预警分解示意图(图3中的a代表空间长方体微单元及其事件集聚等级划分示意图;图3中b代表空间长方体微单元内能级均匀划分示意图)。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其它细节。
另外,还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
请参阅图1所示,本发明提供了一种微震监测/声发射破裂源时空分布状态与趋势的预警方法,利用检测到的微震监测/声发射事件的空间位置和相对释放能量参数,初步判断宏观破坏区域及破坏程度;然后,通过建立分形理论盒维数数据统计框架模型,模拟获得岩体或者矿石的破裂形态及其严重程度,获取声发射或者微震监测事件产生的空间三维定位坐标和能量值不同能级变化情况,并进行空间网格划分和能量值等级划分;再根据事件数集聚态势及其坐标点位,对不同危险级别的破坏发生区位进行锁定并根据计算等级进行预报预警。
优选的,所述预警方法包括如下步骤:
S1,获取声发射实验数据或者矿山微震监测数据,进行初步处理与筛选,剔除异常数据,筛选得到空间三维定位坐标和能量值;
S2,进行数据汇总,形成包含所述空间三维定位坐标和能量值的数据文件;
S3,读取步骤S2所述的数据文件,获得空间三维定位坐标X、Y、Z三个方向的最大值和最小值,并储存备用;
S4,依据空间三维定位坐标X、Y、Z三个方向的最大值和最小值或者指定实际边界值进行网格划分,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型;
S5,对实时检测所得的数据事件的能量值进行等级划分;
S6,对盒维数数据统计框架模型中的每个空间长方体微单元进行标号并对其中事件个数进行实时统计、记录,并构建第一数据集合;按照步骤S5的能量值等级划分规则,对空间长方体微单元内所统计事件的能量值进行划分、记录并构建第二数据集合,将第一数据集合和第二数据集合进行汇总,得到数据集合K;
S7,基于分形理论盒维数的数学统计原理,对研究区域内的事件数据的个数按照检测时间顺序在每个空间长方体微单元处依次进行统计分析比较;再按照能量等级均匀划分原则,对步骤S6每个空间长方体微单元内统计的各个能量值能级数据个数进行统计分析比较;分别按照检测事件的时间先后顺序重复S1至S6的操作步骤,得到对应空间长方体微单元内的数据变化情况,分析事件集聚程度和能量释放的速度,从而判断预测岩体/石的破坏态势;
S8,导出预设精度的分形盒维数及其变化的分布图,根据事件集聚态势和研究对象内空间长方体微单元对应的坐标点范围,对不同危险级别的灾害发生区位进行锁定并进行预报预警。
优选的,步骤S4中的网格划分的具体方法是:先核算研究区域的长宽高及其比例关系;然后在空间三维各个方向按照等比例缩小相同的倍数得到缩小版的研究区域的长方体盒子并编号,即构成空间长方体微单元;再使空间长方体微单元均匀无交叉重叠分布在研究区域内部,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型。
优选的,步骤S6的整体过程为:先统计第一个空间长方体微单元中不同能量值能级分别对应的个数,再按照从左到右、从前到后、从上到下的顺序以此统计出每个空间长方体微单元中的各个能量值能级数据个数。
优选的,步骤S6中,对每个空间长方体微单元中的全部事件个数和能量值能级数据进行统计的具体过程为:
S61,按照笛卡尔坐标系,在三维空间体中依次按照Z方向、Y方向、X方向分别统计出每个空间长方体微单元中所包含的数据并按照顺序储存,得到检测事件的第一数据集合;
S62,在检测事件的第一数据集合中按照一定的时间步长分别依次搜索统计X方向和Y方向的非零元素交集并记为xy,以及X方向和Z方向的非零元素交集并记为xz,再求xy和xz的非零元素交集并记为xyz,得到某一时刻每个空间长方体微单元内事件个数统计结果,按照时间线程对全部数据进行循环统计;
S63,在所述统计结果的基础上,依据步骤S5的能量值能级划分档次,对所述非零元素交集xyz进行能量值不同能级的数目统计,求出按照需要设定的能量值能级划分档次数目的变化,得到能量值能级的第二数据集合。
优选的,步骤S6中,构建数据集合K={x,y,z,E}的过程为:
P1,分别求出三维定位坐标X、Y、Z三个方向和能量值的最值,记为xmin、xmax、ymin、ymax、zmin、zmax、Emin和Emax;
P2,以三个方向的坐标最值为界限构建盒维数数据统计框架模型的边界尺寸;
P3,根据三维空间坐标各个方向的坐标最值以及具体网格划分精度需求,按照与整个研究区域等比例的均布划分原则,且与步骤S4网格划分方式一致,统计出每个方向对应的集合,分别记为XX、YY、ZZ;
P4,对仅有坐标数据点所对应的能量值进行等级划分,得到整个盒维数数据统计框架模型内的空间分布能量值能级数据集合,记为EE。
优选的,步骤P3中每个方向对应的集合XX、YY、ZZ的计算过程为:
P31,将X轴方向网格划分的间距记为LX;LX=(xmax-xmin)/(N-1);由此得出以X轴方向的最大值和最小值为界限生成的线性间距集合XX,XX={xmin,xmin+LX*1,xmin+LX*2,···,xmax-LX*2,xmin-LX*1,xmax};
P32,将Y轴方向网格划分的间距记为LY;LY=(ymax-ymin)/(N-1);由此得出以Y轴方向的最大值和最小值为界限生成的线性间距集合YY,YY={ymin,ymin+LY*1,ymin+LY*2,···,ymax-LY*2,ymin-LY*1,ymax};
P33,将Z轴方向网格划分的间距记为LZ;LZ=(zmax-zmin)/(N-1);由此得出以Z轴方向的最大值和最小值为界限生成的线性间距集合ZZ,ZZ={zmin,zmin+LZ*1,zmin+LZ*2,···,zmax-LZ*2,zmin-LZ*1,zmax}。
优选的,在步骤S7中,对由每个空间长方体微单元中的数据汇总而成的所述数据集合K,采用分形理论盒维数变化的形式进行分析,实现连续性分维值的统计,分析每个空间长方体微单元内数据变化的差异性、积聚性、离散性以及局部细节性的变化态势,并通过所述盒维数数据统计框架模型进行分层展示。
优选的,步骤S7中所述按照需求的时间步长重复S1至S6的操作步骤,将检测所得的声发射实验数据或者矿山微震监测数据实时导入至所述盒维数数据统计框架模型中,实现统计基于不同需求的时间步长的各个空间长方体微单元内的数据个数和能量值能级的变化态势,由此得到横向对比数据趋势。
实施例1
本发明实施例1提供了一种微震监测/声发射破裂源时空分布状态与趋势的预警方法,包括如下步骤:
S1,获取声发射实验数据或者矿山现场的微震监测数据,并进行初步处理与筛选:主要对定位误差较大以及其他异常较大的参数进行剔除等,对宏观上的数据进行把控;再进行数据筛选,筛选得到空间三维定位坐标和能量值,并初步判断宏观破坏区域及破坏程度。
S2,进行数据汇总,形成包含所述空间三维定位坐标和能量值的数据文件。
S3,读取步骤S2所述的数据文件,获得空间三维定位坐标X、Y、Z三个方向的最大值和最小值,并计存每一列的最值。
S4,依据空间三维定位坐标X、Y、Z三个方向的最大值和最小值或者指定实际边界值进行网格划分,网格的划分应依据所分析区域的精度要求以及工况分布情况,先核算研究区域的长宽高及其比例关系;然后在空间三维各个方向按照等比例缩小相同的倍数得到缩小版的研究区域的长方体盒子并编号,即构成空间长方体微单元;再使空间长方体微单元均匀无交叉重叠分布在研究区域内部,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型(如图2所示)。
S5,对实时检测所得的数据事件的能量值进行等级划分,可依据工程现场需要进行多个能量值等级预警级别的划分,本发明案例以安全预警色为等级和颜色取舍为参考,进行四级均等划分,红色、橙色、黄色、蓝色分别对应Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)、Ⅳ级(一般)。
S6,对盒维数数据统计框架模型中的每个空间长方体微单元进行标号并对其中事件个数进行实时统计、记录,并构建第一数据集合;按照步骤S5的能量值等级划分规则,对空间长方体微单元内所统计事件的能量值进行划分、记录并构建第二数据集合,将第一数据集合和第二数据集合进行汇总,得到数据集合K;总体过程为:先统计第一个空间长方体微单元中不同能量值能级分别对应的个数,再按照从左到右、从前到后、从上到下的顺序以此统计出每个空间长方体微单元中的各个能量值能级数据个数。
具体来讲,步骤S6中,对每个空间长方体微单元中的全部事件个数和能量值能级数据进行统计的具体过程为:
S61,按照笛卡尔坐标系,在三维空间体中依次按照Z方向、Y方向、X方向分别统计出每个空间长方体微单元中所包含的数据并按照顺序储存,得到检测事件的第一数据集合;
S62,在检测事件的第一数据集合中按照一定的时间步长分别依次搜索统计X方向和Y方向的非零元素交集并记为xy,以及X方向和Z方向的非零元素交集并记为xz,再求xy和xz的非零元素交集并记为xyz,得到某一时刻每个空间长方体微单元内事件个数统计结果,按照时间线程对全部数据进行循环统计;
S63,在所述统计结果的基础上,依据步骤S5的能量值能级划分档次,对所述非零元素交集xyz进行能量值不同能级的数目统计,求出按照需要设定的能量值能级划分档次数目的变化,得到能量值能级的第二数据集合。
具体来讲,步骤S6中,构建数据集合K={x,y,z,E}的过程为:
P1,分别求出三维定位坐标X、Y、Z三个方向和能量值的最值,记为xmin、xmax、ymin、ymax、zmin、zmax、Emin和Emax;
P2,以三个方向的坐标最值为界限构建盒维数数据统计框架模型的边界尺寸;
P3,根据三维空间坐标各个方向的坐标最值以及具体网格划分精度需求,按照与整个研究区域等比例的均布划分原则,且与步骤S4网格划分方式一致,统计出每个方向对应的集合,分别记为XX、YY、ZZ;
P4,对仅有坐标数据点所对应的能量值进行等级划分,得到整个盒维数数据统计框架模型内的空间分布能量值能级数据集合,记为EE。
具体来讲,步骤P3中每个方向对应的集合XX、YY、ZZ的计算过程为:
P31,将X轴方向网格划分的间距记为LX;LX=(xmax-xmin)/(N-1);由此得出以X轴方向的最大值和最小值为界限生成的线性间距集合XX,XX={xmin,xmin+LX*1,xmin+LX*2,···,xmax-LX*2,xmin-LX*1,xmax};
P32,将Y轴方向网格划分的间距记为LY;LY=(ymax-ymin)/(N-1);由此得出以Y轴方向的最大值和最小值为界限生成的线性间距集合YY,YY={ymin,ymin+LY*1,ymin+LY*2,···,ymax-LY*2,ymin-LY*1,ymax};
P33,将Z轴方向网格划分的间距记为LZ;LZ=(zmax-zmin)/(N-1);由此得出以Z轴方向的最大值和最小值为界限生成的线性间距集合ZZ,ZZ={zmin,zmin+LZ*1,zmin+LZ*2,···,zmax-LZ*2,zmin-LZ*1,zmax}。
S7,基于分形理论盒维数的数学统计原理,对研究区域内的事件数据的个数按照检测时间顺序在每个空间长方体微单元处依次进行统计分析比较;再按照能量等级均匀划分原则,对步骤S6每个空间长方体微单元内统计的各个能量值能级数据个数进行统计分析比较;分别按照检测事件的时间先后顺序重复S1至S6的操作步骤,将检测所得的声发射实验数据或者矿山微震监测数据实时导入至所述盒维数数据统计框架模型中,实现统计基于不同需求的时间步长的各个空间长方体微单元内的数据个数和能量值能级的变化态势,由此得到横向对比数据趋势,得到对应空间长方体微单元内的数据变化情况,分析事件集聚程度和能量释放的速度,从而判断预测岩体/石的破坏态势。
具体来讲,对由每个空间长方体微单元中的数据汇总而成的所述数据集合K,采用分形理论盒维数变化的形式进行分析,实现连续性分维值的统计,分析每个空间长方体微单元内数据变化的差异性、积聚性、离散性以及局部细节性的变化态势,并通过所述盒维数数据统计框架模型进行分层展示。
S8,请参阅简化示意图图3,可依据需求导出所需精度的分形维数和变化的分布图,亦可分析各个研究重点区域的水平切片图/垂直剖面图,从而为研究岩体破裂的态势提供更为高效直观的参考,根据事件数集聚态势和研究对象内的坐标点位对不同危险级别的灾害发生区位进行锁定并进行预报预警。
在本实施方式中,不同能级预警级别的划分方式为:可依据工程现场需要进行多个能级预警级别的划分,本发明案例在此以安全预警色为等级和颜色取舍为参考,进行四级均等划分,红色、橙色、黄色、蓝色分别对应Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)、Ⅳ级(一般);
在界定能级危险级别参数的基础上,按照本发明的分析方法,从分析产生的结果看,具体预警方案如下:按照统计数据及其增长幅度倍率数据的四等均分为界定,具体以事件集聚倍率增幅为前25%(含)为Ⅰ级,定义为特别严重区域,进行红色预警;事件集聚倍率增幅为前25%~50%(含)为Ⅱ级,定义为严重区域,进行橙色预警;事件集聚倍率增幅为前50%~75%(含)为Ⅲ级,定义为较重区域,进行黄色预警;事件集聚倍率增幅为前75%~100%(含)为Ⅳ级,定义为一般区域,进行蓝色预警;
在设定时间步长规则内,综合微单元内部事件数目增加的急剧程度(即事件增加率)和微单元内部能量值不同分级对应级别内的事件数目增加情况(即能量耗散率)及其各自的前置百分位占比情况,对破裂源时空分布状态与趋势的预警。
按照前述方法,统计每个微单元内事件数目并按照设定时间步长计算其增加速率(即事件集聚倍率增幅),同时统计每个微单元内标记为红色能级的数目并按照时间步长计算其增加速率;按照事件集聚倍率增幅从大到小进行排序,标记出增幅数值为前25%的微单元的编号及其位置;再按照能级划分后红色能级对应的增加速率从大到小进行排序,标记出增幅数值为前25%的微单元的编号及其位置;当事件数参数标记结果和能级划分标记结果在编号及其位置上有重叠吻合时,便对研究对象范围内微单元对应的区域位置进行坐标锁定并进行预测预警。
综上所述,本发明提供了一种微震监测/声发射破裂源时空分布态势预警方法,采用盒分形维数计算原理为基础,利用检测到的微震监测/声发射事件的空间位置和相对释放能量参数,初步判断宏观破坏区域及破坏程度;再通过建立分形理论盒维数数据统计框架模型,模拟获得岩体或者矿石的破裂形态及其严重程度;获取声发射或微震监测事件产生的空间三维定位坐标和能量值能级变化情况,根据事件数集聚态势和坐标点位,对不同危险级别的灾害发生区位进行锁定并进行预报预警。该方法在空间连续性上比传统二维分析更具优势,计算效率远高于人工统计计算,对分析岩体/石工程三维空间体内微震监测/声发射破裂源时空演化规律尤其是空间上的集聚程度具有优异的实用效果。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:利用检测到的微震监测/声发射事件的空间位置和相对释放能量参数,初步判断宏观破坏区域及破坏程度;然后,通过建立分形理论盒维数数据统计框架模型,模拟获得岩体或者矿石的破裂形态及其严重程度,获取声发射或者微震监测事件产生的空间三维定位坐标和能量值不同能级变化情况,并进行空间网格划分和能量值等级划分;再根据事件数集聚态势及其坐标点位,对不同危险级别的破坏发生区位进行锁定并根据计算等级进行预报预警。
2.根据权利要求1所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:所述预警方法包括如下步骤:
S1,获取声发射实验数据或者矿山微震监测数据,进行初步处理与筛选,剔除异常数据,筛选得到空间三维定位坐标和能量值;
S2,进行数据汇总,形成包含所述空间三维定位坐标和能量值的数据文件;
S3,读取步骤S2所述的数据文件,获得空间三维定位坐标X、Y、Z三个方向的最大值和最小值,并储存备用;
S4,依据空间三维定位坐标X、Y、Z三个方向的最大值和最小值或者指定实际边界值进行网格划分,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型;
S5,对实时检测所得的数据事件的能量值进行均匀等级划分;
S6,对盒维数数据统计框架模型中的每个空间长方体微单元进行标号并对其中事件个数进行实时统计、记录,并构建第一数据集合;按照步骤S5的能量值等级划分规则,对空间长方体微单元内所统计事件的能量值进行划分、记录并构建第二数据集合,将第一数据集合和第二数据集合进行汇总,得到数据集合K;
S7,基于分形理论盒维数的数学统计原理,对研究区域内的事件数据的个数按照检测时间顺序在每个空间长方体微单元处依次进行统计分析比较;再按照能量等级均匀划分原则,对步骤S6每个空间长方体微单元内统计的各个能量值能级数据个数进行统计分析比较;分别按照检测事件的时间先后顺序重复S1至S6的操作步骤,得到对应空间长方体微单元内的数据变化情况,分析事件集聚程度和能量释放的速度,从而判断预测岩体/石的破坏态势;
S8,导出预设精度的分形盒维数及其变化的分布图,根据事件集聚态势和研究对象内空间长方体微单元对应的坐标点范围,对不同危险级别的灾害发生区位进行锁定并进行预报预警。
3.根据权利要求2所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S4中的网格划分的具体方法是:先核算研究区域的长宽高及其比例关系;然后在空间三维各个方向按照等比例缩小相同的倍数得到缩小版的研究区域的长方体盒子并编号,即构成空间长方体微单元;再使空间长方体微单元均匀无交叉重叠分布在研究区域内部,划分后得到由若干个研究区域内空间长方体微单元组合而成的盒维数数据统计框架模型。
4.根据权利要求2所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S6的整体过程为:先统计第一个空间长方体微单元中不同能量值能级分别对应的个数,再按照从左到右、从前到后、从上到下的顺序以此统计出每个空间长方体微单元中的各个能量值能级数据个数。
5.根据权利要求4所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S6中,对每个空间长方体微单元中的全部事件个数和能量值能级数据进行统计的具体过程为:
S61,按照笛卡尔坐标系,在三维空间体中依次按照Z方向、Y方向、X方向分别统计出每个空间长方体微单元中所包含的数据并按照顺序储存,得到检测事件的第一数据集合;
S62,在检测事件的第一数据集合中按照一定的时间步长分别依次搜索统计X方向和Y方向的非零元素交集并记为xy,以及X方向和Z方向的非零元素交集并记为xz,再求xy和xz的非零元素交集并记为xyz,得到某一时刻每个微单元体内事件个数统计结果,按照时间线程对全部数据进行循环统计;
S63,在所述统计结果的基础上,依据步骤S5的能量值能级划分档次,对所述非零元素交集xyz进行能量值不同能级的数目统计,求出按照需要设定的能量值能级划分档次数目的变化,得到能量值能级的第二数据集合。
6.根据权利要求5所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S6中,构建数据集合K={x,y,z,E}的过程为:
P1,分别求出三维定位坐标X、Y、Z三个方向和能量值的最值,记为xmin、xmax、ymin、ymax、zmin、zmax、Emin和Emax;
P2,以三个方向的坐标最值为界限构建盒维数数据统计框架模型的边界尺寸;
P3,根据三维空间坐标各个方向的坐标最值以及具体网格划分精度需求,按照与整个研究区域等比例的均布划分原则,且与步骤S4网格划分方式一致,统计出每个方向对应的集合,分别记为XX、YY、ZZ;
P4,对仅有坐标数据点所对应的能量值进行等级划分,得到整个统计框架模型内的空间分布能量值能级数据集合,记为EE。
7.根据权利要求6所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤P3中每个方向对应的集合XX、YY、ZZ的计算过程为:
P31,将X轴方向网格划分的间距记为LX;LX=(xmax-xmin)/(N-1);由此得出以X轴方向的最大值和最小值为界限生成的线性间距集合XX,XX={xmin,xmin+LX*1,xmin+LX*2,…,xmax-LX*2,xmin-LX*1,xmax};
P32,将Y轴方向网格划分的间距记为LY;LY=(ymax-ymin)/(N-1);由此得出以Y轴方向的最大值和最小值为界限生成的线性间距集合YY,YY={ymin,ymin+LY*1,ymin+LY*2,…,ymax-LY*2,ymin-LY*1,ymax};
P33,将Z轴方向网格划分的间距记为LZ;LZ=(zmax-zmin)/(N-1);由此得出以Z轴方向的最大值和最小值为界限生成的线性间距集合ZZ,ZZ={zmin,zmin+LZ*1,zmin+LZ*2,…,zmax-LZ*2,zmin-LZ*1,zmax}。
8.根据权利要求2所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:在步骤S7中,对由每个空间长方体微单元中的数据汇总而成的所述数据集合K,采用分形理论盒维数变化的形式进行分析,实现连续性分维值的统计计算,分析每个空间长方体微单元内数据变化的差异性、积聚性、离散性以及局部细节性的变化态势,并通过所述盒维数数据统计框架模型进行分层展示。
9.根据权利要求2所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S7中所述按照需求的时间步长重复S1至S6的操作步骤,将检测所得的声发射实验数据或者矿山微震监测数据实时导入至所述盒维数数据统计框架模型中,实现统计基于不同需求的时间步长的各个空间长方体微单元内的数据个数和能量值能级的变化态势,由此得到横向对比数据趋势。
10.根据权利要求2所述的微震监测/声发射破裂源时空分布状态与趋势的预警方法,其特征在于:步骤S5中等级划分的方式为:可依据工程现场需要进行多个能量值等级预警级别的划分,本发明案例以安全预警色为等级和颜色取舍为参考,进行四级均等划分,红色、橙色、黄色、蓝色分别对应Ⅰ级(特别严重)、Ⅱ级(严重)、Ⅲ级(较重)、Ⅳ级(一般);
步骤S8中所述预警的具体方案如下:按照统计数据及其增长幅度倍率数据的四等均分为界定,以事件集聚倍率增幅为前25%划分为Ⅰ级,定义为特别严重区域,进行红色预警;事件集聚倍率增幅为前25%~50%划分为Ⅱ级,定义为严重区域,进行橙色预警;事件集聚倍率增幅为前50%~75%划分为Ⅲ级,定义为较重区域,进行黄色预警;事件集聚倍率增幅为前75%~100%划分为Ⅳ级,定义为一般区域,进行蓝色预警;
在设定时间步长规则内,综合微单元内部事件数目增加的急剧程度和微单元内部能量值不同分级对应级别内的事件数目增加情况及前述两者各自的前置百分位占比情况,对破裂源时空分布状态与趋势的预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190642.2A CN112987087B (zh) | 2021-02-20 | 2021-02-20 | 微震监测/声发射破裂源时空分布状态与趋势的预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190642.2A CN112987087B (zh) | 2021-02-20 | 2021-02-20 | 微震监测/声发射破裂源时空分布状态与趋势的预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987087A true CN112987087A (zh) | 2021-06-18 |
CN112987087B CN112987087B (zh) | 2022-01-04 |
Family
ID=76393548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110190642.2A Active CN112987087B (zh) | 2021-02-20 | 2021-02-20 | 微震监测/声发射破裂源时空分布状态与趋势的预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987087B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137600A (zh) * | 2021-11-26 | 2022-03-04 | 中国矿业大学 | 一种利用微震监测数据反演岩石破裂机理及失稳预测方法 |
CN114324610A (zh) * | 2021-12-24 | 2022-04-12 | 广西大学 | 硬岩多尺度破裂的多频段声信号监测方法、装置、设备以及存储介质 |
CN114382544A (zh) * | 2022-01-12 | 2022-04-22 | 中国矿业大学 | 一种工作面覆岩断裂特征定量化分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109595036A (zh) * | 2018-12-14 | 2019-04-09 | 北京矿冶科技集团有限公司 | 一种矿山地压灾害的预警方法 |
CN110007343A (zh) * | 2019-04-18 | 2019-07-12 | 中国矿业大学 | 一种区域地质构造复杂程度的评价方法 |
CN110020749A (zh) * | 2019-03-20 | 2019-07-16 | 中国矿业大学 | 一种基于微震分形预测冲击危险等级的综合智能预测方法 |
-
2021
- 2021-02-20 CN CN202110190642.2A patent/CN112987087B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109595036A (zh) * | 2018-12-14 | 2019-04-09 | 北京矿冶科技集团有限公司 | 一种矿山地压灾害的预警方法 |
CN110020749A (zh) * | 2019-03-20 | 2019-07-16 | 中国矿业大学 | 一种基于微震分形预测冲击危险等级的综合智能预测方法 |
CN110007343A (zh) * | 2019-04-18 | 2019-07-12 | 中国矿业大学 | 一种区域地质构造复杂程度的评价方法 |
Non-Patent Citations (2)
Title |
---|
DIAN FAN 等: "Semi-analytical modeling of shale gas flow through fractal induced fracture networks with microseismic data", 《FUEL》 * |
赵聪聪 等: "矿震震源时空分布的分形特性与活动性预测——以新疆阿舍勒铜矿为例", 《岩石力学与工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137600A (zh) * | 2021-11-26 | 2022-03-04 | 中国矿业大学 | 一种利用微震监测数据反演岩石破裂机理及失稳预测方法 |
CN114324610A (zh) * | 2021-12-24 | 2022-04-12 | 广西大学 | 硬岩多尺度破裂的多频段声信号监测方法、装置、设备以及存储介质 |
CN114382544A (zh) * | 2022-01-12 | 2022-04-22 | 中国矿业大学 | 一种工作面覆岩断裂特征定量化分析方法 |
CN114382544B (zh) * | 2022-01-12 | 2022-11-01 | 中国矿业大学 | 一种工作面覆岩断裂特征定量化分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112987087B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112987087B (zh) | 微震监测/声发射破裂源时空分布状态与趋势的预警方法 | |
CN102799619B (zh) | 一种基于产品三维模型的故障模式可视化方法 | |
CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
CN112214921B (zh) | 一种基于应力矢量的三维边坡稳定性评价方法 | |
CN110409369A (zh) | 边坡开挖数字化施工与质量控制方法 | |
CN106355011A (zh) | 一种地球化学数据元素序结构分析方法及装置 | |
CN110009226A (zh) | 一种场地污染风险等级评测及敏感受体影响识别系统 | |
KR101675778B1 (ko) | 화산재해 대응 의사결정 지원 시스템 | |
CN104809655B (zh) | 一种电网监控辅助分析方法 | |
CN105844384A (zh) | 一种道路安全评价方法及装置 | |
CN102434210A (zh) | 地下工程画像信息与监测信息安全监控的方法与系统 | |
CN112904421A (zh) | 微震监测/声发射破裂源能量耗散状态与趋势的预警方法 | |
CN104899349A (zh) | 一种大跨桥梁监测数据空间插值与可视化方法 | |
CN113393488A (zh) | 一种基于量子游走的行为轨迹序列多特征模拟方法 | |
Bensema et al. | Modality-driven classification and visualization of ensemble variance | |
CN103942739A (zh) | 建筑项目风险知识库的构建方法 | |
CN106815320B (zh) | 基于拓展三维直方图的调研大数据可视化建模方法及系统 | |
CN116401879B (zh) | 一种溃决尾矿砂下游演进模拟方法 | |
CN110687598A (zh) | 一种加速微震数值模拟的方法及装置 | |
Shao et al. | A graph model for preventing railway accidents based on the maximal information coefficient | |
CN114091883A (zh) | 井漏风险层位钻前预测方法、装置、介质及设备 | |
CN112732773A (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
WO2021206755A1 (en) | Systems and methods for evaluating a simulation model of a hydrocarbon field | |
CN111611689A (zh) | 基于建筑物属性和信令数据的动态后果评估方法及装置 | |
Palleske | A study of biases, assumptions and practical consideration for the use of discrete fracture networks in geomechanical practice |
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 |