CN113284323B - 地质灾害的监测预警方法、装置和电子设备 - Google Patents
地质灾害的监测预警方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113284323B CN113284323B CN202110531566.7A CN202110531566A CN113284323B CN 113284323 B CN113284323 B CN 113284323B CN 202110531566 A CN202110531566 A CN 202110531566A CN 113284323 B CN113284323 B CN 113284323B
- Authority
- CN
- China
- Prior art keywords
- disaster
- early warning
- monitoring
- bearing
- induction
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Geology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本公开提供一种地质灾害的监测预警方法,包括:针对多个监测对象,确定每个监测对象的单体监测指标值,其中,多个监测对象包括诱发因素、致灾体以及承灾体,基于每个监测对象的单体监测指标值,确定与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵,以及基于综合预警判别矩阵,获得地质灾害的预警结果。本公开还提供了一种地质灾害的监测预警装置和电子设备。
Description
技术领域
本公开涉及地质灾害的监控预警技术领域,特别是涉及一种降雨诱发型油气管道的地质灾害的监测预警方法、装置和电子设备。
背景技术
地质灾害已经成为危害油气管道安全的一大重要因素,油气管道遭受地质灾害威胁的形势日益严峻。近年来,由地质灾害所引发的油气管道事故屡见不鲜。相关技术也提供了一些针对油气管道的地质灾害的检测解决方案,但是存在诸多弊端,导致监测效果并不理想。
发明内容
本公开的一个方面提供了一种地质灾害的监测预警方法,包括:针对多个监测对象,确定每个监测对象的单体监测指标值,上述多个监测对象包括诱发因素、致灾体以及承灾体;基于上述每个监测对象的单体监测指标值,确定与上述诱发因素对应的单体预警分级结果、与上述致灾体对应的单体预警分级结果以及与上述承灾体对应的单体预警分级结果;基于上述与上述诱发因素对应的单体预警分级结果、上述与上述致灾体对应的单体预警分级结果以及上述与上述承灾体对应的单体预警分级结果,构建综合预警判别矩阵;以及基于上述综合预警判别矩阵,获得上述地质灾害的预警结果。
可选地,在监测对象包括诱发因素的情况下,上述针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对上述诱发因素,获得诱发因素监测设备采集到的诱发因素监测数据;根据上述诱发因素监测数据,确定上述致灾体的失稳类型;以及使用与上述致灾体的失稳类型相匹配的线性回归模型根据上述诱发因素监测数据来确定上述诱发因素的诱发度计算结果,其中,在上述致灾体的失稳类型表明瞬时失稳和累积失稳的情况下,线性回归模型为:I=0.3122R24h+0.1049R3d+0.1505R7d,在上述致灾体的失稳类型表明累积失稳的情况下,线性回归模型为:I=0.3999R24h+0.0324R3d+0.3073R7d,其中I为诱发因素的诱发度,R24h为24小时的降雨量指标,R3d为3天的降雨量指标,R7d为7天的降雨量指标。
可选地,上述确定与上述诱发因素对应的单体预警分级结果包括:获取诱发度分级数据,其中,上述诱发度分级数据包括多个诱发度等级、与每个诱发度等级相对应的诱发度取值范围以及与每个诱发度等级相对应的诱发度预警等级;基于上述诱发因素的诱发度计算结果和上述诱发度分级数据,确定与上述诱发因素对应的单体预警分级结果。
可选地,在监测对象包括致灾体的情况下,上述针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对上述致灾体,获得致灾体监测设备采集到的致灾体监测数据,上述致灾体监测设备安装在上述致灾体上;以及使用形变指数模型根据上述致灾体监测数据来确定上述致灾体的形变指数的计算结果,上述形变指数模型为:
其中,H为致灾体的形变指数,n为致灾体监测设备的类型数,B为当前表面位移监测值的最大值,且B=max{B1,B2,B3,…,Bm},S为当前深部位置监测值中的最大值,且S=max{S1,S2,S3,…,Sm},L为当前裂缝监测值中的最大值,且L=max{L1,L2,L3,…,Lm},X为当前X监测值中的最大值,且X=max{X1,X2,X3,…,Xm},B1,B2,B3,…,Bm分别为表面位移的监测值,S1,S2,S3,…,Sm分别为深部位移的监测值,L1,L2,L3,…,Lm分别为裂缝的监测值,X1,X2,X3,…,Xm分别为X的监测值,B′为表面位移的警戒值,S′为深部位移的警戒值,L′为裂缝的警戒值,X′为第n种监测类型的警戒值。
可选地,上述确定与上述致灾体对应的单体预警分级结果包括:获取形变指数分级数据,其中,上述形变指数分级数据包括多个形变指数等级、与每个形变指数等级相对应的形变指数取值范围以及与每个形变指数等级相对应的形变指数预警等级;以及基于上述致灾体的形变指数的计算结果和上述形变指数分级数据,确定与上述致灾体对应的单体预警分级结果。
可选地,在监测对象包括承灾体的情况下,上述针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对上述承灾体,获得承灾体监测设备采集到的承灾体监测数据,其中,上述承灾体监测设备安装在上述承灾体上;以及使用承受应力模型根据上述承灾体监测数据来确定上述承灾体的承受应力的计算结果,其中,上述承受应力模型为:P=σP+σT+σr+σ′max,其中,P为承载体的承受应力,σP为内压产生的轴向拉应力,σT为弹性敷设弯曲应力,σr为σT的温差应力,σ′max为监测到的应力。
可选地,上述确定与上述承灾体对应的单体预警分级结果包括:获取承受应力分级数据,其中,上述承受应力分级数据包括多个承受应力等级、与每个承受应力等级相对应的承受应力取值范围以及与每个承受应力等级相对应的承受应力预警等级;以及基于上述承灾体的承受应力的计算结果和上述承受应力分级数据,确定与上述承灾体对应的单体预警分级结果。
可选地,上述基于上述与上述诱发因素对应的单体预警分级结果、上述与上述致灾体对应的单体预警分级结果以及上述与上述承灾体对应的单体预警分级结果,构建综合预警判别矩阵包括:获取预警优先级信息,上述预警优先级信息包括与上述诱发因素对应的预警优先级、与上述致灾体对应的预警优先级、以及与上述承灾体对应的预警优先级;按照上述预警优先级信息,基于上述与上述诱发因素对应的单体预警分级结果、上述与上述致灾体对应的单体预警分级结果以及上述与上述承灾体对应的单体预警分级结果,构建综合预警判别矩阵。
本公开的另一个方面提供了一种地质灾害的监测预警装置,包括:第一确定模块,用于针对多个监测对象,确定每个监测对象的单体监测指标值,上述多个监测对象包括诱发因素、致灾体以及承灾体;第二确定模块,用于基于上述每个监测对象的单体监测指标值,确定与上述诱发因素对应的单体预警分级结果、与上述致灾体对应的单体预警分级结果以及与上述承灾体对应的单体预警分级结果;矩阵构建模块,用于基于上述与上述诱发因素对应的单体预警分级结果、上述与上述致灾体对应的单体预警分级结果以及上述与上述承灾体对应的单体预警分级结果,构建综合预警判别矩阵;以及结果获得模块,用于基于上述综合预警判别矩阵,获得上述地质灾害的预警结果。
可选地,在监测对象包括诱发因素的情况下,上述第一确定模块包括:第一获得子模块,用于针对上述诱发因素,获得诱发因素监测设备采集到的诱发因素监测数据;失稳类型确定子模块,用于根据上述诱发因素监测数据,确定上述致灾体的失稳类型;第一确定子模块,用于使用与上述致灾体的失稳类型相匹配的线性回归模型根据上述诱发因素监测数据来确定上述诱发因素的诱发度计算结果,在上述致灾体的失稳类型表明瞬时失稳和累积失稳的情况下,线性回归模型为:I=0.3122R24h+0.1049R3d+0.1505R7d,在上述致灾体的失稳类型表明累积失稳的情况下,线性回归模型为:I=0.3999R24h+0.0324R3d+0.3073R7d,其中I为诱发因素的诱发度,R24h为24小时的降雨量指标,R3d为3天的降雨量指标,R7d为7天的降雨量指标。
可选地,上述第二确定模块包括:第一获取子模块,用于获取诱发度分级数据,上述诱发度分级数据包括多个诱发度等级、与每个诱发度等级相对应的诱发度取值范围以及与每个诱发度等级相对应的诱发度预警等级;第二确定子模块,用于基于上述诱发因素的诱发度计算结果和上述诱发度分级数据,确定与上述诱发因素对应的单体预警分级结果。
可选地,在监测对象包括致灾体的情况下,上述第一确定模块包括:第二获得子模块,用于针对上述致灾体,获得致灾体监测设备采集到的致灾体监测数据,其中,上述致灾体监测设备安装在上述致灾体上;以及第三确定子模块,用于使用形变指数模型根据上述致灾体监测数据来确定上述致灾体的形变指数的计算结果,其中,上述形变指数模型为:
其中,H为致灾体的形变指数,n为致灾体监测设备的类型数,B为当前表面位移监测值的最大值,且B=max{B1,B2,B3,…,Bm},S为当前深部位置监测值中的最大值,且S=max{S1,S2,S3,…,Sm},L为当前裂缝监测值中的最大值,且L=max{L1,L2,L3,…,Lm},X为当前X监测值中的最大值,且X=max{X1,X2,X3,…,Xm},B1,B2,B3,…,Bm分别为表面位移的监测值,S1,S2,S3,…,Sm分别为深部位移的监测值,L1,L2,L3,…,Lm分别为裂缝的监测值,X1,X2,X3,…,Xm分别为X的监测值,B′为表面位移的警戒值,S′为深部位移的警戒值,L′为裂缝的警戒值,X′为第n种监测类型的警戒值。
可选地,上述第二确定模块包括:第二获取子模块,用于获取形变指数分级数据,其中,上述形变指数分级数据包括多个形变指数等级、与每个形变指数等级相对应的形变指数取值范围以及与每个形变指数等级相对应的形变指数预警等级;以及第四确定子模块,用于基于上述致灾体的形变指数的计算结果和上述形变指数分级数据,确定与上述致灾体对应的单体预警分级结果。
可选地,在监测对象包括承灾体的情况下,上述第一确定模块包括:第三获得子模块,用于针对上述承灾体,获得承灾体监测设备采集到的承灾体监测数据,其中,上述承灾体监测设备安装在上述承灾体上;以及第五确定子模块,用于使用承受应力模型根据上述承灾体监测数据来确定上述承灾体的承受应力的计算结果,其中,上述承受应力模型为:P=σP+σT+σr+σ′max,其中,P为承载体的承受应力,σP为内压产生的轴向拉应力,σT为弹性敷设弯曲应力,σr为σT的温差应力,σ′max为监测到的应力。
可选地,上述第二确定模块包括:第三获取子模块,用于获取承受应力分级数据,其中,上述承受应力分级数据包括多个承受应力等级、与每个承受应力等级相对应的承受应力取值范围以及与每个承受应力等级相对应的承受应力预警等级;以及第六确定子模块,用于基于上述承灾体的承受应力的计算结果和上述承受应力分级数据,确定与上述承灾体对应的单体预警分级结果。
可选地,上述矩阵构建模块包括:第四获取子模块,用于获取预警优先级信息,其中,上述预警优先级信息包括与上述诱发因素对应的预警优先级、与上述致灾体对应的预警优先级、以及与上述承灾体对应的预警优先级;矩阵构建子模块,用于按照上述预警优先级信息,基于上述与上述诱发因素对应的单体预警分级结果、上述与上述致灾体对应的单体预警分级结果以及上述与上述承灾体对应的单体预警分级结果,构建综合预警判别矩阵。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器,存储器,用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,上述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,上述计算机程序包括计算机可执行指令,上述指令在被执行时用于实现如上所述的方法。
通过本公开所提供的地质灾害的监测预警方法,不仅可以实现对地质灾害的单独预警(包括诱发因素预警、致灾体预警、以及承载体预警),而且还可以实现对地质灾害的综合预警(综合诱发因素预警、致灾体预警以及承载体预警的预警结果),有效地提高地质灾害监测预警的可靠性。
附图说明
附图中以示例性而非限制性的方式示出了本公开的若干实施方式。
图1示意性示出了根据本公开实施例的监测预警方法的流程图;
图2示意性示出了根据本公开另一实施例的监测预警方法的流程图;
图3示意性示出了根据本公开实施例的监测预警装置的框图;
图4示意性示出了根据本公开实施例的适于实现上文描述的监测预警方法的计算机可读存储介质产品的示意图;以及
图5示意性示出了根据本公开实施例的适于实现上文描述的监测预警方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了上述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程地质灾害的监测预警装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
地质灾害的监测预警有效的管道地质灾害监测预警,可以减少或避免管道遭受地质灾害破坏,保障人民生命财产安全,成为管道防灾减灾的有效途径。但是相关技术提供的针对油气管道的地质灾害的检测解决方案存在诸多弊端,导致监测效果并不理想。本公开提供了一种降雨诱发型油气管道单体地质灾害的监测预警方法,适用于油气管道沿线因降雨所诱发的滑坡、崩塌、泥石流等地质灾害的监测预警。
图1示意性示出了根据本公开实施例的监测预警方法的流程图。
如图1所示,该监测预警方法100可以包括操作S110~操作S140。
在操作S110,针对多个监测对象,确定每个监测对象的单体监测指标值。根据本公开的实施例,多个监测对象包括诱发因素、致灾体以及承灾体。可以理解的是,地质灾害的发生是由诱发因素所引起的,地质体中埋设的油气管道发生变形、弯曲、甚至破坏是由地质灾害的发生导致地质体中的岩土体崩塌、滑动作用于油气管道之上的结果。因此,油气管道受地质灾害的影响产生破坏的过程可以描述为诱发因素引起了地质灾害的发生,地质灾害的发生导致了在地质灾害的影响范围之内的岩土体发生崩塌、滑动并作用于埋设其中的油气管道,随着油气管道所受应力的逐渐增大,产生变形弯曲,并在所受应力达到其屈服强度的情况下发生断裂。需要说明的是,地质灾害导致地质体中的岩土体崩塌、滑动作用,可以包括但不限于滑坡、崩塌、泥石流。
为了实现对地质灾害的监测预警,根据油气管道的地质灾害以及油气管道受地质灾害影响的特点,本公开将监测对象分为诱发因素(即外界诱发因素)、致灾体(即地质灾害)以及承灾体(即油气管道)。
在操作S120,基于每个监测对象的单体监测指标值,确定与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果。
根据本公开的实施例,诱发因素的单体监测指标值为诱发度,用于衡量外界诱发因素诱发地质灾害的程度。致灾体的单体监测指标值为形变指数,用于衡量地质灾害的发育程度。承灾体的单体监测指标值为承受应力,用于衡量地质灾害的破坏程度。
在操作S130,基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵。
在操作S140,基于综合预警判别矩阵,获得地质灾害的预警结果。
通过本公开,不仅可以实现对地质灾害的单独预警(包括诱发因素预警、致灾体预警、承载体预警),而且还可以实现对地质灾害的综合预警(综合诱发因素预警、致灾体预警以及承载体预警的预警结果),有效地提高对油气管道地质灾害的监测预警的可靠性。
图2示意性示出了根据本公开另一实施例的监测预警方法的流程图。如图2所示,该监测预警方法200可以包括操作S210~操作S290。
首先执行操作S210,监测设备安装。具体实施时,通过在降雨诱发的管道单体地质灾害体上或附近安装诱发因素监测设备210、致灾体监测设备220,在管道本体上安装承灾体监测设备230。然后通过多元线性回归分析(操作S220)、地质专家知识分析(操作S230)、以及管道力学分析(操作S240)来建立外界诱发因素、致灾体、以及承灾体的数学模型,计算诱发度、致灾体形变指数、以及承灾体的承受应力,进行外界诱发因素预警(操作S250)、致灾体预警(操作S260)、以及承灾体预警(操作S270),在三者预警的基础之上通过构建综合判别矩阵(操作S280)来获得地质灾害的预警结果(操作S290)。
需要说明的是,本公开适用于降雨诱发型管道地质灾害类型的单体监测预警,包括降雨诱发的管道沿线的滑坡、崩塌、泥石流等灾害的监测预警。本公开通过外界诱发因素监测、致灾体监测、承灾体监测,以及在诱发因素预警、致灾体预警以及承灾体预警的基础上复合叠加建立综合判别矩阵,综合确定最终的管道单体地质灾害监测预警结果,考虑降雨诱发型管道单体地质灾害的影响因素较为全面,建立了系统的降雨诱发型管道单体地质灾害监测预警体系,有效提高了降雨诱发型管道单体地质灾害监测预警的可靠性。
根据本公开的实施例,针对不同的监测对象需要安装不同的监测设备,因此监测设备可以包括与诱发因素相关的外界诱发因素监测设备,与致灾体相关的致灾体监测设备以及与承灾体相关的承灾体监测设备。其中外界诱发因素监测设备可以包括但不限于一体化雨量监测站,雨量计,致灾体监测设备可以包括但不限于GNSS(Global NavigationSatellite System,全球导航卫星系统)表面位移监测站、深部位移计、裂缝仪、激光泥位、含水率仪,承灾体监测设备可以包括但不限于管道应变计。通过在监测对象的相应位置处安装监测设备,可以采集来获得不同监测对象的监测数据。
根据本公开的实施例,可以在需要监测预警的降雨诱发的管道单体地质灾害体附近,或者管道单体地质灾害体附近的稳定区域安装外界诱发因素监测设备,在地质灾害体上安装致灾体监测设备,在经过地质灾害体附近的管道本体上安装承灾体监测设备。
根据本公开的实施例,监测设备需要进行系统性安装,即既要安装外界诱发因素监测设备,也要安装致灾体监测设备,还要安装承灾体监测设备。针对油气管道沿线地质灾害类型的不同,实际安装的监测设备略有不同。具体实施时,若地质灾害类型为滑坡、崩塌,则安装的外界诱发因素监测设备为一体化雨量监测站或雨量计,安装的致灾体监测设备为GNSS表面位移监测站、深部位移计、裂缝仪,安装的承灾体监测设备可以为管道应变计。若地质灾害类型为泥石流,则安装的外界诱发因素监测设备可以为一体化雨量监测站或雨量计,安装的致灾体监测设备可以为激光泥位、含水率仪,安装的承灾体监测设备为管道应变计。不同的地质灾害类型,安装的致灾体监测设备不同,安装的外界诱发因素监测设备以及承灾体监测设备相同。
作为一种可选的实施例,在监测对象包括诱发因素的情况下,针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对诱发因素,获得诱发因素监测设备采集到的诱发因素监测数据;根据诱发因素监测数据,确定致灾体的失稳类型;以及使用与致灾体的失稳类型相匹配的线性回归模型根据诱发因素监测数据来确定诱发因素的诱发度计算结果,在致灾体的失稳类型表明瞬时失稳和累积失稳的情况下,线性回归模型为:I=0.3122R24h+0.1049R3d+0.1505R7d,在致灾体的失稳类型表明累积失稳的情况下,线性回归模型为:I=0.3999R24h+0.0324R3d+0.3073R7d,I为诱发因素的诱发度,R24h为24小时的降雨量指标,R3d为3天的降雨量指标,R7d为7天的降雨量指标。
根据本公开的实施例,在降雨诱发型的地质灾害监测预警中,外界诱发因素指的是导致发生滑坡、崩塌、泥石流等地质灾害的主要诱发因素,例如降雨。与外界诱发因素对应的监控指标结果指的是诱发度,通过诱发度可以判断外界诱发因素诱发地质灾害的程度。
由于降雨诱发的地质灾害导致的致灾体失稳可以分为两种失稳类型,一种失稳类型表明瞬时失稳和累积失稳,即为当日降雨量大,或者连续累计降雨量大所诱发的致灾体失稳,另一种失稳类型表明累积失稳,即为当日降雨量小,但是连续累计降雨量大所诱发的致灾体失稳。针对油气管道地质灾害的地质环境条件的具体分析,可以确定致灾体是受当日降雨量的影响大,并连续累计降雨量的影响大,还是受连续累计降雨量的影响大,进而可以确定致灾体的失稳类型。例如砂土质边坡的地质环境条件,致灾体受当日降雨量并多日连续降雨影响大,红土、黏土质边坡的地质环境条件,受连续累计降雨量的影响大。
根据本公开的实施例,致灾体的失稳类型不同,相应地用来计算诱发度的回归函数是不同的。本公开根据致灾体的失稳类型的不同,提供了两种回归函数以供选择。需要说明的是,在建立与失稳类型对应的回归函数时,可以收集与该失稳类型相同或相似地区的降雨诱发地质灾害的数据作为样本数据,使用多元线性回归分析的方法而建立,本领域技术人员可以根据实际情况,自行选择合适的多元线性回归分析方法建立回归函数,本公开对此不做具体地限定。
作为一种可选的实施例,针对致灾体受当日降雨量和连续累计降雨量的影响大的失稳类型,可以通过以下等式来确定与外界诱发因素对应的诱发度,该等式表示为I=0.3122R24h+0.1049R3d+0.1505R7d,其中I、R24h、R3d、R7d如前所述,各降雨量指标均可以由外界诱发因素监测设备的监测数据计算得出。
作为一种可选的实施例,针对致灾体受连续累计降雨量的影响大的失稳类型,可以通过以下等式来确定与外界诱发因素对应的诱发度,该等式表示为I=0.3999R24h+0.0324R3d+0.3073R7d,其中I、R24h、R3d、R7d如前所述,各降雨量指标均可以由外界诱发因素监测设备的监测数据计算得出。
针对外界诱发因素这一监测对象,本公开根据外界诱发因素监测设备采集到的现场监测数据和回归函数,计算出诱发度,结合与不同预警分级相对应的诱发度的区间范围就可以确定出外界诱发因素的预警分级结果,实现对外界诱发因素这一监测对象的监测预警。
作为一种可选的实施例,确定与诱发因素对应的单体预警分级结果包括:获取诱发度分级数据,其中,诱发度分级数据包括多个诱发度等级、与每个诱发度等级相对应的诱发度取值范围以及与每个诱发度等级相对应的诱发度预警等级;以及基于诱发因素的诱发度计算结果和诱发度分级数据,确定与诱发因素对应的单体预警分级结果。
根据本公开的实施例,诱发度分级数据包括如表1所示的与指标(外界诱发因素)的诱发度I相关的4个分级,分别为蓝色级、黄色级、橙色级、以及红色级,蓝色级所对应的诱发度最小,红色级所对应的诱发度最大,从蓝色级到红色级,地质灾害发生的几率随着诱发度的增大而增大。与每个诱发度等级相对应的诱发度取值范围包括与蓝色级相对应的诱发度的区间范围为I≤I3,与黄色级相对应的诱发度的区间范围为I3<I≤I2,与橙色级相对应的诱发度的区间范围为I2<I≤I1,与红色级相对应的诱发度的区间范围为I>I1。根据计算出的诱发度I,结合不同预警分级相对应的诱发度的区间范围,可以确定出外界诱发因素的预警分级结果。
表1
与每个诱发度等级相对应的诱发度预警等级(三级、二级、一级)分别以黄色、橙色、红色予以标志,包括当I3<I≤I2时,诱发度预警等级为黄色预警,且黄色预警表示三级,当I2<I≤I1时,诱发度预警等级为橙色预警,且橙色预警表示二级,当I>I1时,诱发度预警等级为红色预警,且红色预警表示一级。例如I3=60,I2=80,I1=90,若I=77,由于I3<I≤I2,最终确定的预警分级结果为黄色预警。若I=82,由于I2<I≤I1,最终确定的预警分级结果为橙色预警。若I=91,由于I>I1,最终确定的预警分级结果为红色预警。需要说明的是,区间范围所对应的阈值I3、I2、以及I1可以根据经验自行设定,本公开对此不做限定。
作为一种可选的实施例,在监测对象包括致灾体的情况下,针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对致灾体,获得致灾体监测设备采集到的致灾体监测数据,其中,致灾体监测设备安装在致灾体上;以及使用形变指数模型根据致灾体监测数据来确定致灾体的形变指数的计算结果,其中,形变指数模型为:
其中,H为致灾体的形变指数,n为致灾体监测设备的类型数,B为当前表面位移监测值的最大值,且B=max{B1,B2,B3,…,Bm},S为当前深部位置监测值中的最大值,且S=max{S1,S2,S3,…,Sm},L为当前裂缝监测值中的最大值,且L=max{L1,L2,L3,…,Lm},X为当前X监测值中的最大值,且X=max{X1,X2,X3,…,Xm},B1,B2,B3,…,Bm分别为表面位移的监测值,S1,S2,S3,…,Sm分别为深部位移的监测值,L1,L2,L3,…,Lm分别为裂缝的监测值,X1,X2,X3,…,Xm分别为X的监测值,B′为表面位移的警戒值,S′为深部位移的警戒值,L′为裂缝的警戒值,X′为第n种监测类型的警戒值。
根据本公开的实施例,在降雨诱发型的地质灾害监测预警中,地质灾害作为致灾体导致在地质灾害影响范围之内的油气管道产生变形、弯曲,甚至断裂。与致灾体相对应的监控指标结果指的是形变指数,通过形变指数可以判断地质灾害的发育程度。
根据致灾体监测设备现场采集的监测数据,可以使用建立的致灾体的形变指数计算数学模型来确定与致灾体相对应的形变指数。
具体地,若监测类型包括表面位移(B)、深部位移(S)、裂缝(L),该形变指数计算数学模型可以表示为以下等式。
需要说明的是,表面位移的警戒值B′、深部位移的警戒值S′、裂缝的警戒值L′以及第n种监测类型的警戒值X′,由地质专家根据监测地质灾害体的区域位置、岩土体性质进行综合判断给出。
针对致灾体这一监测对象,本公开根据致灾体监测设备采集到的现场监测数据和致灾体的形变指数计算数学模型,计算出致灾体的形变指数,结合与不同预警分级相对应的形变指数的区间范围就可以确定出致灾体的预警分级结果,实现对致灾体这一监测对象的监测预警。
作为一种可选的实施例,确定与致灾体对应的单体预警分级结果包括:获取形变指数分级数据,形变指数分级数据包括多个形变指数等级、与每个形变指数等级相对应的形变指数取值范围以及与每个形变指数等级相对应的形变指数预警等级;基于致灾体的形变指数的计算结果和形变指数分级数据,确定与致灾体对应的单体预警分级结果。
根据本公开的实施例,形变指数分级数据包括如表1所示的与指标(致灾体)的形变指数H相关的4个分级,分别为蓝色级、黄色级、橙色级、以及红色级,蓝色级所对应的形变指数最小,红色级所对应的形变指数最大,从蓝色级到红色级,地质灾害发生的几率随着形变指数的增大而增大。与每个形变指数等级相对应的形变指数取值范围包括与蓝色级相对应的形变指数的区间范围为H≤H3,与黄色级相对应的形变指数的区间范围为H3<H≤H2,与橙色级相对应的形变指数的区间范围为H2<H≤H1,与红色级相对应的形变指数的区间范围为H>H1。根据计算出的形变指数H,结合不同预警分级相对应的形变指数的区间范围,可以确定出致灾体的预警分级结果。与每个形变指数等级相对应的形变指数预警等级(三级、二级、一级)分别以黄色、橙色、红色予以标志,包括当H3<H≤H2时,形变指数预警等级为黄色预警,且黄色预警表示三级,当H2<H≤H1时,形变指数预警等级为橙色预警,且橙色预警表示二级,当H>H1时,形变指数预警等级为红色预警,且红色预警表示一级。例如H3=0.6,H2=0.8,H1=0.9,若I=0.7,由于H3<H≤H2,最终确定的预警分级结果为黄色预警。若I=0.85,由于H2<H≤H1,最终确定的预警分级结果为橙色预警。若H=0.92,由于H>H1,最终确定的预警分级结果为红色预警。需要说明的是,区间范围所对应的阈值H3、H2、以及H1可以根据经验自行设定,本公开对此不做限定。
作为一种可选的实施例,在监测对象包括承灾体的情况下,针对多个监测对象,确定每个监测对象的单体监测指标值包括:针对承灾体,获得承灾体监测设备采集到的承灾体监测数据,承灾体监测设备安装在承灾体上;使用承受应力模型根据承灾体监测数据来确定承灾体的承受应力的计算结果,承受应力模型为:P=σP+σT+σr+σ′max,其中,P为承载体的承受应力,σP为内压产生的轴向拉应力,σT为弹性敷设弯曲应力,σr为σT的温差应力,σ′max为监测到的应力。
根据本公开的实施例,在降雨诱发型的地质灾害监测预警中,油气管道作为承灾体,致灾体在形变的过程中作用于承灾体上的应力会导致在地质灾害影响范围之内的油气管道产生变形、弯曲,在承灾体所受应力超过其屈服强度的情况下甚至断裂而失效。与承灾体相对应的监控指标结果指的是承受应力,通过承受应力可以判断地质灾害的破坏程度。
根据承灾体监测设备现场采集的监测数据,根据所设定的管道承受力的值及突变点确定。具体地,可以使用通过管道力学分析所建立的承受应力数学模型来确定与承灾体相对应的承受应力。
具体实施时,可以使用以下等式计算内压产生的轴向拉应力σP。
其中,μ为泊松比,P为管道设计或输送压力Mpa(不同于承灾体指标P),d为油气管道的内径,t为油气管道的公称壁厚。
具体实施时,可以使用以下等式计算温差应力σT。
σT=Eα(T1-T2)
其中,E为钢材的弹性模量,α为钢材的线膨胀系数,T1为油气管道下沟时的温度,T2为油气管道的工作温度。
具体实施时,可以使用以下等式计算弹性敷设弯曲应力σr。
其中,E为钢材的弹性模量,D为油气管道的外径,r为弹性敷设段弯曲半径。
具体实施时,可以使用以下等式计算监测应力σ′max。
σ′max=Eεmax
其中,E为钢材的弹性模量,εmax为监测截面最大轴向应变。
具体实施时,可以使用以下等式计算监测截面最大轴向应变εmax。
具体实施时,可以使用以下等式计算监测截面薄膜应变εm。
其中,R为3点钟方向监测的应变,L为9点钟方向监测应变。
其中,R为3点钟方向监测的应变,L为9点钟方向监测应变。
其中,U为0点钟方向监测应变,R为3点钟方向监测的应变,L为9点钟方向监测应变。
最终该管道承受应力的数学模型可以表示为以下等式。
需要说明的是,等式右侧式中的P为管道设计或输送压力Mpa。
针对承灾体这一监测对象,本公开根据承灾体监测设备采集到的现场监测数据和承灾体的承受应力数学模型,计算出承受应力,结合与不同预警分级相对应的承受应力的区间范围就可以确定出承灾体的预警分级结果,实现对承灾体这一监测对象的监测预警。
作为一种可选的实施例,确定与承灾体对应的单体预警分级结果包括:获取承受应力分级数据,承受应力分级数据包括多个承受应力等级、与每个承受应力等级相对应的承受应力取值范围以及与每个承受应力等级相对应的承受应力预警等级;基于承灾体的承受应力的计算结果和承受应力分级数据,确定与承灾体对应的单体预警分级结果。
根据本公开的实施例,承受应力分级数据包括如表1所示的与指标(承灾体)的承受应力P相关的4个分级,分别为蓝色级、黄色级、橙色级、以及红色级,蓝色级所对应的承受应力最小,红色级所对应的承受应力最大,从蓝色级到红色级,地质灾害发生的几率随着形变指数的增大而增大。与每个承受应力等级相对应的承受应力取值范围包括与蓝色级相对应的承受应力的区间范围为P≤P3,与黄色级相对应的承受应力的区间范围为P3<P≤P2,与橙色级相对应的承受应力的区间范围为P2<P≤P1,与红色级相对应的承受应力的区间范围为P>P1。根据计算出的承受应力P,结合不同预警分级相对应的承受应力的区间范围,可以确定出承灾体的预警分级结果。与每个承受应力等级相对应的承受应力预警等级(三级、二级、一级),分别以黄色、橙色、红色予以标志,包括当P3<P≤P2时,预警分级结果为黄色预警,且黄色预警表示三级,当P2<P≤P1时,预警分级结果为橙色预警,且橙色预警表示二级,当P>P1时,预警分级结果为红色预警,且红色预警表示一级。例如P3=0.3[σ],P2=0.6[σ],P1=0.9[σ],若P=0.7[σ],由于P3<P≤P2,最终确定的预警分级结果为黄色预警。若P=0.85[σ],由于P2<P≤P1,最终确定的预警分级结果为橙色预警。若P=0.92[σ],由于P>P1,最终确定的预警分级结果为红色预警。
需要说明的是,不同的钢材有不同的屈服强度,油气管道的屈服强度可以通过所使用的钢材型号查阅资料来获得,设油气管道地质灾害单体监测区内管道的屈服强度为[σ],承受应力的区间范围可以根据该屈服强度设定。在本公开中,区间范围所对应的阈值P3、P2、以及P1可以根据经验自行设定,本公开对此不做限定。
作为一种可选的实施例,基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵包括:获取预警优先级信息,预警优先级信息包括与诱发因素对应的预警优先级、与致灾体对应的预警优先级、以及与承灾体对应的预警优先级;按照预警优先级信息,基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵。
作为一种可选的实施例,可以按照外界诱发因素、致灾体和承灾体的预警优先级原理建立综合判别矩阵。具体实施时,优先级从大到小依次为承灾体、致灾体、外界诱发因素。
表2
作为一种可选的实施例,当承灾体的承受应力落入区间范围P≤P3时,承灾体的处于安全状态,无需预警,此时的预警等级可以综合考虑的指标包括与外界诱发因素有关的诱发度、与致灾体有关的形变指数,建立的综合判别矩阵如表2所示,根据该矩阵可以判定单体预警等级,发布单体预警。
表3
作为一种可选的实施例,当承灾体的承受应力落入区间范围P3<P≤P2时,承灾体的承受应力预警等级达到三级(黄色预警),此时的预警等级可以综合考虑的指标包括与外界诱发因素有关的诱发度、与致灾体有关的形变指数,建立的综合判别矩阵如表3所示,根据该矩阵可以判定单体预警等级,发布单体预警。
表4
作为一种可选的实施例,当承灾体的承受应力落入区间范围P2<P≤P1时,承灾体的承受应力预警等级达到二级(橙色预警),此时预警等级可以综合考虑的指标包括与外界诱发因素有关的诱发度、与致灾体有关的形变指数,建立的综合判别矩阵如表4所示,根据该矩阵可以判定单体预警等级,发布单体预警。
表5
作为一种可选的实施例,当承灾体的承受应力落入区间范围P>P1时,承灾体的承受应力预警等级达到一级(红色预警),此时的预警等级可以综合考虑的指标包括与外界诱发因素有关的诱发度、与致灾体有关的形变指数,建立的综合判别矩阵如表5所示,根据该矩阵可以判定单体预警等级,发布单体预警。
通过本公开的监测预警方法,不仅可以实现对地质灾害的单独预警(包括诱发因素预警、致灾体预警、以及承载体预警),而且还可以实现对地质灾害的综合预警(综合诱发因素预警、致灾体预警以及承载体预警的预警结果),有效地提高地质灾害监测预警的可靠性。
图3示意性示出了根据本公开实施例的地质灾害的监测预警装置的框图。如图3所示,该监测预警装置300可以包括第一确定模块310、第二确定模块320、矩阵构建模块330以及结果获得模块340。
第一确定模块310,用于针对多个监测对象,确定每个监测对象的单体监测指标值,多个监测对象包括诱发因素、致灾体及承灾体。可选地,第一确定模块310例如可执行前述操作S110,在此不再赘述。第二确定模块320,用于基于每个监测对象的单体监测指标值,确定与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果。可选地,第二确定模块320例如可以执行前述操作S120,在此不再赘述。矩阵构建模块330,用于基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵。可选地,矩阵构建模块330例如可以执行前述操作S130,在此不再赘述。结果获得模块340,用于基于综合预警判别矩阵,获得地质灾害的预警结果。可选地,结果获得模块340例如可以执行前述操作S140,在此不再赘述。
作为一种可选的实施例,在监测对象包括诱发因素的情况下,第一确定模块包括:第一获得子模块,用于针对诱发因素,获得诱发因素监测设备采集到的诱发因素监测数据;失稳类型确定子模块,用于根据诱发因素监测数据,确定致灾体的失稳类型;以及第一确定子模块,用于使用与致灾体的失稳类型相匹配的线性回归模型根据诱发因素监测数据来确定诱发因素的诱发度计算结果,其中,致灾体的失稳类型表明瞬时失稳和累积失稳的情况下,线性回归模型为:I=0.3122R24h+0.1049R3d+0.1505R7d,在致灾体的失稳类型表明累积失稳的情况下,线性回归模型为:I=0.3999R24h+0.0324R3d+0.3073R7d,其中I为诱发因素的诱发度,R24h为24小时的降雨量指标,R3d为3天的降雨量指标,R7d为7天的降雨量指标。
作为一种可选的实施例,第二确定模块包括:第一获取子模块,用于获取诱发度分级数据,诱发度分级数据包括多个诱发度等级、与每个诱发度等级相对应的诱发度取值范围及与每个诱发度等级相对应的诱发度预警等级;第二确定子模块,用于基于诱发因素的诱发度计算结果和诱发度分级数据,确定与诱发因素对应的单体预警分级结果。
作为一种可选的实施例,在监测对象包括致灾体的情况下,第一确定模块包括:第二获得子模块,用于针对致灾体,获得致灾体监测设备采集到的致灾体监测数据,其中,致灾体监测设备安装在致灾体上;以及第三确定子模块,用于使用形变指数模型根据致灾体监测数据来确定致灾体的形变指数的计算结果,其中,形变指数模型为:
其中,H为致灾体的形变指数,n为致灾体监测设备的类型数,B为当前表面位移监测值的最大值,且B=max{B1,B2,B3,…,Bm},S为当前深部位置监测值中的最大值,且S=max{S1,S2,S3,…,Sm},L为当前裂缝监测值中的最大值,且L=max{L1,L2,L3,…,Lm},X为当前X监测值中的最大值,且X=max{X1,X2,X3,…,Xm},B1,B2,B3,…,Bm分别为表面位移的监测值,S1,S2,S3,…,Sm分别为深部位移的监测值,L1,L2,L3,…,Lm分别为裂缝的监测值,X1,X2,X3,…,Xm分别为X的监测值,B′为表面位移的警戒值,S′为深部位移的警戒值,L′为裂缝的警戒值,X′为第n种监测类型的警戒值。
作为一种可选的实施例,第二确定模块包括:第二获取子模块,用于获取形变指数分级数据,形变指数分级数据包括多个形变指数等级、与每个形变指数等级相对应的形变指数取值范围以及与每个形变指数等级相对应的形变指数预警等级;第四确定子模块,用于基于致灾体的形变指数的计算结果和形变指数分级数据,确定与致灾体对应的单体预警分级结果。
作为一种可选的实施例,在监测对象包括承灾体的情况下,第一确定模块包括:第三获得子模块,用于针对承灾体,获得承灾体监测设备采集到的承灾体监测数据,承灾体监测设备安装在承灾体上;第五确定子模块,用于使用承受应力模型根据承灾体监测数据来确定承灾体的承受应力的计算结果,承受应力模型为:P=σP+σT+σr+σ′max,其中,P为承载体的承受应力,σP为内压产生的轴向拉应力,σT为弹性敷设弯曲应力,σr为σT的温差应力,σ′max为监测到的应力。
作为一种可选的实施例,第二确定模块包括:第三获取子模块,用于获取承受应力分级数据,承受应力分级数据包括多个承受应力等级、与每个承受应力等级相对应的承受应力取值范围以及与每个承受应力等级相对应的承受应力预警等级;第六确定子模块,用于基于承灾体的承受应力的计算结果和承受应力分级数据,确定与承灾体对应的单体预警分级结果。
作为一种可选的实施例,矩阵构建模块包括:第四获取子模块,用于获取预警优先级信息,其中,预警优先级信息包括与诱发因素对应的预警优先级、与致灾体对应的预警优先级、以及与承灾体对应的预警优先级;矩阵构建子模块,用于按照预警优先级信息,基于与诱发因素对应的单体预警分级结果、与致灾体对应的单体预警分级结果以及与承灾体对应的单体预警分级结果,构建综合预警判别矩阵。
需要说明的是,监测预警装置部分实施例中各模块的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与监测预警方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似,在此不再赘述。
根据本公开的实施例的模块、子模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一确定模块、第二确定模块、矩阵构建模块、结果获得模块、第一获得子模块、第一确定子模块、第一获取子模块、第二确定子模块、第二获得子模块、第三确定子模块、第二获取子模块、第四确定子模块、第三获得子模块、第五确定子模块、第三获取子模块、第六确定子模块、第四获取子模块、以及矩阵构建子模块可以合并在一个模块中实现、或者其中的任意一个模块可以被拆分成多个模块。或者、这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合、并在一个模块中实现。根据本公开的实施例、第一确定模块、第二确定模块、矩阵构建模块、结果获得模块、第一获得子模块、第一确定子模块、第一获取子模块、第二确定子模块、第二获得子模块、第三确定子模块、第二获取子模块、第四确定子模块、第三获得子模块、第五确定子模块、第三获取子模块、第六确定子模块、第四获取子模块、以及矩阵构建子模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FNGA)、可编程逻辑阵列(NLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一确定模块、第二确定模块、矩阵构建模块、结果获得模块、第一获得子模块、第一确定子模块、第一获取子模块、第二确定子模块、第二获得子模块、第三确定子模块、第二获取子模块、第四确定子模块、第三获得子模块、第五确定子模块、第三获取子模块、第六确定子模块、第四获取子模块、以及矩阵构建子模块中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图4示意性示出了根据本公开实施例的适于实现上文描述的地质灾害的监测预警方法的计算机可读存储介质产品的示意图。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在设备上运行时,程序代码用于使设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的地质灾害的监测预警方法中的前述各项操作(或步骤),例如图1和图2所示的各项操作。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
如图4所示,描述了根据本发明的实施方式的地质灾害的监测预警的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本公开的程序产品不限于此。可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆,RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java,C++等,还包括常规的过程式程序设计语言-诸如“C”,语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAA)或广域网(WAA)一连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
图5示意性示出了根据本公开实施例的适于实现上文描述的地质灾害的监测预警方法的电子设备的框图。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,根据本公开实施例的电子设备500包括处理器501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CNU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中,存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行图1和图2的各项操作。
根据本公开的实施例,电子设备500还可以包括输入/输出(I/O)接口505,输入/输出(I/O)接口505也连接至总线504。系统500还可以包括连接至I/O接口505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAA卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的地质灾害的监测预警方法,包括图1和图2中各项操作。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ENROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目标,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (1)
1.一种地质灾害的监测预警方法,包括:
针对多个监测对象,确定每个监测对象的单体监测指标值,其中,所述多个监测对象包括诱发因素、致灾体以及承灾体;
基于所述每个监测对象的单体监测指标值,确定与所述诱发因素对应的单体预警分级结果、与所述致灾体对应的单体预警分级结果以及与所述承灾体对应的单体预警分级结果;
基于所述与所述诱发因素对应的单体预警分级结果、所述与所述致灾体对应的单体预警分级结果以及所述与所述承灾体对应的单体预警分级结果,构建综合预警判别矩阵;
基于所述综合预警判别矩阵,获得所述地质灾害的预警结果,
其中,所述综合预警判别矩阵的构建过程,包括以下步骤:
获取预警优先级信息,其中,所述预警优先级信息包括与所述诱发因素对应的预警优先级、与所述致灾体对应的预警优先级、以及与所述承灾体对应的预警优先级;
按照所述预警优先级信息,基于所述与所述诱发因素对应的单体预警分级结果、所述与所述致灾体对应的单体预警分级结果以及所述与所述承灾体对应的单体预警分级结果,构建所述综合预警判别矩阵;
在监测对象包括诱发因素的情况下,所述针对多个监测对象,确定每个监测对象的单体监测指标值包括:
针对所述诱发因素,获得诱发因素监测设备采集到的诱发因素监测数据;
根据所述诱发因素监测数据,确定所述致灾体的失稳类型;
使用与所述致灾体的失稳类型相匹配的线性回归模型根据所述诱发因素监测数据来确定所述诱发因素的诱发度计算结果,其中,
在所述致灾体的失稳类型表明瞬时失稳的情况下,线性回归模型为:
在所述致灾体的失稳类型表明累积失稳的情况下,线性回归模型为:
与所述诱发因素对应的单体预警分级结果的确定方法,包括以下步骤:
获取诱发度分级数据,其中,所述诱发度分级数据包括多个诱发度等级、与每个诱发度等级相对应的诱发度取值范围以及与每个诱发度等级相对应的诱发度预警等级;
基于所述诱发因素的诱发度计算结果和所述诱发度分级数据,生成与所述诱发因素对应的单体预警分级结果;
在监测对象包括致灾体的情况下,所述针对多个监测对象,确定每个监测对象的单体监测指标值包括:
针对所述致灾体,获得致灾体监测设备采集到的致灾体监测数据,其中,所述致灾体监测设备安装在所述致灾体上;
使用形变指数模型根据所述致灾体监测数据来确定所述致灾体的形变指数的计算结果,其中,所述形变指数模型为:
其中,H为致灾体的形变指数,n为致灾体监测设备的类型数,B为当前表面位移监测值的最大值,即B=max{B1,B2,B3,⋯,Bm},S为当前深部位置监测值中的最大值,即S=max{S1,S2,S3,⋯,Sm},L为当前裂缝监测值中的最大值,即L= max{L1,L2,L3,⋯,Lm},X为当前X监测值中的最大值,即X=max{X1,X2,X3,⋯,Xm},B1,B2,B3,⋯,Bm分别为表面位移的监测值,S1,S2,S3,⋯,Sm分别为深部位移的监测值,L1,L2,L3,⋯,Lm分别为裂缝的监测值,X1,X2,X3,⋯,Xm分别为X的监测值,B'为表面位移的警戒值,S'为深部位移的警戒值,L'为裂缝的警戒值,X'为第n种监测类型的警戒值;
与所述致灾体对应的单体预警分级结果的确定方法,包括以下步骤:
获取形变指数分级数据,其中,所述形变指数分级数据包括多个形变指数等级、与每个形变指数等级相对应的形变指数取值范围以及与每个形变指数等级相对应的形变指数预警等级;
基于所述致灾体的形变指数的计算结果和所述形变指数分级数据,生成与所述致灾体对应的单体预警分级结果;
在监测对象包括承灾体的情况下,所述针对多个监测对象,确定每个监测对象的单体监测指标值包括:
针对所述承灾体,获得承灾体监测设备采集到的承灾体监测数据,其中,所述承灾体监测设备安装在所述承灾体上;
使用承受应力模型根据所述承灾体监测数据来确定所述承灾体的承受应力的计算结果,其中,所述承受应力模型为:
与所述承灾体对应的单体预警分级结果的确定方法,包括以下步骤:
获取承受应力分级数据,其中,所述承受应力分级数据包括多个承受应力等级、与每个承受应力等级相对应的承受应力取值范围以及与每个承受应力等级相对应的承受应力预警等级;
基于所述承灾体的承受应力的计算结果和所述承受应力分级数据,生成与所述承灾体对应的单体预警分级结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531566.7A CN113284323B (zh) | 2021-05-14 | 2021-05-14 | 地质灾害的监测预警方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531566.7A CN113284323B (zh) | 2021-05-14 | 2021-05-14 | 地质灾害的监测预警方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113284323A CN113284323A (zh) | 2021-08-20 |
CN113284323B true CN113284323B (zh) | 2023-01-10 |
Family
ID=77279288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110531566.7A Active CN113284323B (zh) | 2021-05-14 | 2021-05-14 | 地质灾害的监测预警方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284323B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667324A (zh) * | 2008-09-03 | 2010-03-10 | 中国石油天然气股份有限公司 | 一种管道滑坡监测预警方法和系统及系统的构建方法 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
CN110211338A (zh) * | 2019-05-23 | 2019-09-06 | 四川省地质工程勘察院 | 一种单体管道滑坡灾害的预警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515970A (zh) * | 2017-08-09 | 2017-12-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡段电网杆塔危险性三维多点位多指标的预警方法 |
-
2021
- 2021-05-14 CN CN202110531566.7A patent/CN113284323B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667324A (zh) * | 2008-09-03 | 2010-03-10 | 中国石油天然气股份有限公司 | 一种管道滑坡监测预警方法和系统及系统的构建方法 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
CN110211338A (zh) * | 2019-05-23 | 2019-09-06 | 四川省地质工程勘察院 | 一种单体管道滑坡灾害的预警方法 |
Non-Patent Citations (2)
Title |
---|
四川省降雨诱发滑坡灾害的气象预警模型;费晓燕等;《水土保持通报》;20171015(第05期);全文 * |
油气长输管道滑坡地质灾害危险性评价专家系统研究;方浩等;《水文地质工程地质》;20120715(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113284323A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Davis et al. | A selection framework for infrastructure condition monitoring technologies in water and wastewater networks | |
He et al. | Life-cycle reliability-based design and reliability updating of reinforced concrete shield tunnels in coastal regions | |
US20130199273A1 (en) | Monitoring fluid flow in a conduit | |
CN117275209B (zh) | 一种基于分布式光纤声波传感的监测预警方法以及相关装置 | |
Wang et al. | Study on the risk assessment of water inrush in karst tunnels based on intuitionistic fuzzy theory | |
Su et al. | Prediction of risk in submarine tunnel construction by multi-factor analysis: A collapse prediction model | |
EP3605050B1 (en) | Pipe diagnosis device, asset management device and pipe diagnosis method. | |
Liu et al. | Rock landslide early warning system combining slope stability analysis, two-stage monitoring, and case-based reasoning: a case study | |
Loganathan et al. | Development of a decision support tool for inspection and monitoring of large-diameter steel and prestressed concrete cylinder water pipes | |
Woldesellasse et al. | Failure assessment of oil and gas transmission pipelines using an integrated Bayesian belief network and GIS model | |
CN113284323B (zh) | 地质灾害的监测预警方法、装置和电子设备 | |
Liu et al. | Developing a prediction model for segment joint opening in an underwater shield tunnel | |
Zhou et al. | Prospective forecast of sliding instability time using a precursory AE time series | |
Jiang et al. | Risk-based integrity model for offshore pipelines subjected to impact loads from falling objects | |
CN111612336B (zh) | 一种基于大数据的油气管道失效因素修正方法 | |
JP2017150193A (ja) | 管路被災予測装置、管路被災予測方法および管路被災予測プログラム | |
JP4819009B2 (ja) | ケーブル地震被害推定装置及び方法及びプログラム | |
CN112597618A (zh) | 隧道工程管幕支护施工地表沉降预测方法及装置 | |
Vanuvamalai et al. | Seismic performance of tunnel structures: a case study | |
WO2022013974A1 (ja) | 被害率曲線作成方法、被害率曲線作成装置、及びプログラム | |
Wang et al. | Multi-parameter maximum corrosion depth prediction model for buried pipelines based on GSCV-XGBoost | |
Du et al. | A new method for determining the conditions of use of the inverse velocity method | |
Nekrasova et al. | Regional seismic risk assessment based on the Unified Scaling Law for Earthquakes: The Lake Baikal railway system | |
Bertolo | A decision support system (DSS) for critical landslides and rockfalls and its application to some cases in the Western Italian Alps | |
Li et al. | Prediction model of maximum stress for concrete pipes based on XGBoost-PSO algorithm |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Room 799, Building 3, No.10 Guaxiang Road, Panggezhuang Town, Daxing District, Beijing 102600 Patentee after: Beijing Zhongdi Huaan Technology Co.,Ltd. Address before: 33007 Hongyun Building, No.3 Shuangqing Road, Haidian District, Beijing 100085 Patentee before: Beijing Zhongdi Huaan Environmental Engineering Co.,Ltd. |