CN113295212B - 应用多监测点协同作用的滑坡整体稳定性安全预警系统 - Google Patents

应用多监测点协同作用的滑坡整体稳定性安全预警系统 Download PDF

Info

Publication number
CN113295212B
CN113295212B CN202110576887.9A CN202110576887A CN113295212B CN 113295212 B CN113295212 B CN 113295212B CN 202110576887 A CN202110576887 A CN 202110576887A CN 113295212 B CN113295212 B CN 113295212B
Authority
CN
China
Prior art keywords
landslide
data
evaluation
module
index
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
CN202110576887.9A
Other languages
English (en)
Other versions
CN113295212A (zh
Inventor
邱海军
聂闻
杜驰
杨冬冬
刘子敬
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.)
NORTHWEST UNIVERSITY
Original Assignee
NORTHWEST UNIVERSITY
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 NORTHWEST UNIVERSITY filed Critical NORTHWEST UNIVERSITY
Priority to CN202110576887.9A priority Critical patent/CN113295212B/zh
Publication of CN113295212A publication Critical patent/CN113295212A/zh
Application granted granted Critical
Publication of CN113295212B publication Critical patent/CN113295212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/10Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明属于坡体稳定性监测预警技术领域,公开了一种应用多监测点协同作用的滑坡整体稳定性安全预警系统,应用多监测点协同作用的滑坡整体稳定性安全预警系统包括:历史信息采集模块、数据采集模块、环境数据采集模块、中央控制模块、数据处理模块、数据分析模块、指标确定模块、权重确定模块、综合评价模块以及预警模块;本发明方法在边坡稳定性评价与监测预警中综合考虑边坡主滑区位移监测点形变、降雨、地质影响,灵活选取能反映边坡整体稳定性的多个定性、定量指标,并分别确定权重,能够综合对边坡整体稳定性进行阶段划分及监测预警,提高预测模型的准确性。

Description

应用多监测点协同作用的滑坡整体稳定性安全预警系统
技术领域
本发明属于坡体稳定性监测预警技术领域,尤其涉及一种应用多监测点协同作用的滑坡整体稳定性安全预警系统。
背景技术
目前,滑坡是破坏性和危害性非常严重的地质灾害之一,滑坡稳定性的科学监测与预测预报是科学防灾减灾工程的基础与前提。
在滑坡地质灾害监测预警与防治和边坡稳定性评价领域,广泛采用的预测评价方法为极限平衡法和位移监测法。极限平衡法,是将滑坡体视为刚体,通过计算滑面上抗滑力与下滑力的比值作为安全系数,评价边坡的稳定性。该方法虽是物理力学模型且有明确的稳定性判据,但该模型是一种与时间无关的静态物理力学模型,因此,该方法评价不了边坡稳定性随时间的变化规律,因而无法对滑坡进行监测预警。位移监测方法是在滑坡位移监测的基础上,以位移参数及其变化作为边坡稳定与否和稳定程度的预测参数与评价准则,所以其在某种程度克服了极限平衡法的不足与局限。由于边坡稳定性状态能通过位移监测直观反映,且位移监测方法具有实施容易、计算精度高等特点,因此,该类方法在我国重大工程滑坡区域已得到了普遍应用。应当承认,位移监测方法对于滑动边界条件简单、边坡物质组成和动力因素单一的土壤滑坡或堆积滑坡的预测、评价和防治具有重要意义。然而对于边界与动力条件复杂的大型滑坡而言,滑坡的发展过程是临滑速率、前缘位移、后缘数量、滑坡周围裂缝扩展、边坡变化以及地下水位等因素综合作用的发展过程,所以对其成功预报往往并非仅依据某一点位移监测数据来判断的,而是根据上述宏观地质形变情况综合预报的。由此决定了位移监测方法所依据的位移监测数据仅能代表监测点所在区域的边坡局部稳定性,无法反映边坡整体稳定性。
通过上述分析,现有技术存在的问题及缺陷为:现有的边坡稳定性评价方法无法对边坡进行安全预警且评价精准度不高。
发明内容
针对现有技术存在的问题,本发明提供了一种应用多监测点协同作用的滑坡整体稳定性安全预警系统。
本发明是这样实现的,一种应用多监测点协同作用的滑坡整体稳定性安全预警系统,所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统包括:
历史信息采集模块、数据采集模块、环境数据采集模块、中央控制模块、数据处理模块、数据分析模块、指标确定模块、权重确定模块、综合评价模块以及预警模块;
历史信息采集模块,与中央控制模块连接,用于采集滑坡地区的地质、降雨、历史滑坡记录以及其他数据;
数据采集模块,与中央控制模块连接,用于利用设置于多个监测点的监测设备进行数据采集;
环境数据采集模块,与中央控制模块连接,用于利用湿度传感器以及风力传感器进行监测区域湿度、风力数据采集;同时用于利用数据接口获取气象部门监测的滑坡区域的预计降雨或其他气候数据;
综合评价模块,与中央控制模块连接,用于基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价;
所述基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括:
将因子分子与模糊数学的隶属度相结合,得出单个指标的因子隶属度,并评价单个指标的稳定性;通过计算综合权重,得到对应于不同指标水平的综合评价权重;用模糊模型中的统一权重计算获得滑坡稳定性评估的综合权重矩阵,计算得到滑坡稳定性评价状况;
所述滑坡稳定性评价综合权重矩阵B如下:
B=[W1,W2,……,Wn];
其中,Wk代表单一指标权重;
预警模块,与中央控制模块连接,用于当稳定性评价结果超出预警阈值时进行预警。
进一步,所述数据采集模块包括:
位移数据采集单元,用于利用设置于多个监测点的监测设备进行位移数据采集;
图像采集单元,用于利用设置于多个监测点的摄像设备进行滑坡监测区域的图像采集。
进一步,所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统还包括:
中央控制模块,与历史信息采集模块、数据采集模块、环境数据采集模块、数据处理模块、数据分析模块、指标确定模块、权重确定模块、综合评价模块以及预警模块连接,用于利用单片机或控制器控制各个模块正常工作;
数据处理模块,与中央控制模块连接,用于对采集的监测数据以及环境进行预处理;
数据分析模块,与中央控制模块连接,用于对采集的历史滑坡记录以及相应的地质、降雨及其他数据进行分析;
指标确定模块,与中央控制模块连接,用于基于分析结果确定滑坡稳定性指标;
权重确定模块,与中央控制模块连接,用于确定滑坡稳定性指标的相应权重。
进一步,所述基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括以下步骤:
将因子分子与模糊数学隶属度结合得到因子隶属度,如下公式:
Figure BDA0003084651450000041
式中,x0代表滑坡稳定性评价指标前一个等级;x1代表滑坡稳定性评价指标后一个等级;x代表当前滑坡稳定性评价样本值;
根据公式
Figure BDA0003084651450000042
对滑坡稳定性评价单项指标评价;
W为滑坡稳定性评价各项指标样本集合,L为滑坡稳定性评价各项指标污染等级集合,建立如下公式:
Figure BDA0003084651450000043
式中:A为样本数值;n为指标数目;m为等级个数据;
通过下公式计算出单项指标的因子隶属度,对应n个滑坡稳定性评价指标得到m*n的矩阵R;
Figure BDA0003084651450000044
计算综合权重;
滑坡稳定性评价效果是由多个指标引起的,不同等级对综合评定权重有影响,单个指标的权重计算如下公式:
Figure BDA0003084651450000045
即/>
Figure BDA0003084651450000046
式中:Ai代表当前指标数值;Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
Figure BDA0003084651450000047
式中:Wk代表单一指标权重;
有n个滑坡稳定性评价指标,即得到滑坡稳定性评价综合权重矩阵B,如下公式:
B=[W1,W2,……,Wn]
将矩阵R与矩阵B复合计算,计算得到滑坡稳定性评价状况。
进一步,所述对采集的位移监测数据进行预处理包括:
(1)确定滑坡的整体坐标系;在滑坡不同高程的垂线测点位置分别建立以相应测点处切向和径向为坐标轴的局部坐标系;
(2)根据滑坡体型方程计算得到各测点局部坐标对整体坐标系的坐标变换矩阵;
(3)在垂线各测点测读相应点位置的切向和径向位移增量;
(4)根据矢量坐标变换规则,利用坐标变换矩阵将各测点位移分量的增量变换至整体坐标系;
(5)通过代数求和方法计算滑坡垂线各测点在整体坐标系下的位移分量,并通过位移矢量的坐标逆变换得到各测点径向位移和切向位移的精确值。
进一步,所述基于分析结果确定滑坡稳定性指标包括:
获取滑坡数据的样本数量、预设评价指标数据及目标评价变量;构建数据操作函数库,对所述预设评价指标数据进行数据处理;
构建预设深度的层次模型,确定预设评价指标数据所在的层次节点;获取各预设评价指标数据的操作函数,以及各个预设评价指标数据的预设权重;
利用神经网络训练所述层次模型中的评价指标数据及相应的权重,得到训练后的评价指标及对应的权重;
根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重和目标评价变量的值。
进一步,所述根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重,包括:
获取滑坡的真实评价结果数据;根据所述真实评价结果数据对所述训练后的评价指标及对应的权重进行适应修改后,确定待评价对象的评价指标及对应的权重。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明方法在边坡稳定性评价与监测预警中综合考虑边坡主滑区位移监测点形变、降雨、地质影响,灵活选取能反映边坡整体稳定性的多个定性、定量指标,并分别确定权重,能够综合对边坡整体稳定性进行阶段划分及监测预警,提高预测模型的准确性。
本发明还考虑了同一滑坡剖面不同监测点之间的相互协同作用,以此建立以稳定性系数为基础的整体稳定性预警模型,使坡体的稳定系数计算更加准确,同时也提高了坡体稳定性预警的可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的应用多监测点协同作用的滑坡整体稳定性安全预警系统;
图中:1、历史信息采集模块;2、数据采集模块;3、环境数据采集模块;4、中央控制模块;5、数据处理模块;6、数据分析模块;7、指标确定模块;8、权重确定模块;9、综合评价模块;10、预警模块。
图2是本发明实施例提供的数据采集模块结构示意图;
图中:21、位移数据采集单元;22、图像采集单元。
图3是本发明实施例提供的对采集的位移监测数据进行预处理的方法流程图。
图4是本发明实施例提供的基于分析结果确定滑坡稳定性指标的方法流程图。
图5是本发明实施例提供的基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种应用多监测点协同作用的滑坡整体稳定性安全预警系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的应用多监测点协同作用的滑坡整体稳定性安全预警系统包括:
历史信息采集模块1,与中央控制模块4连接,用于采集滑坡地区的地质、降雨、历史滑坡记录以及其他数据;
数据采集模块2,与中央控制模块4连接,用于利用设置于多个监测点的监测设备进行数据采集;
环境数据采集模块3,与中央控制模块4连接,用于利用湿度传感器以及风力传感器进行监测区域湿度、风力数据采集;同时用于利用数据接口获取气象部门监测的滑坡区域的预计降雨或其他气候数据;
中央控制模块4,与历史信息采集模块1、数据采集模块2、环境数据采集模块3、数据处理模块5、数据分析模块6、指标确定模块7、权重确定模块8、综合评价模块9以及预警模块10连接,用于利用单片机或控制器控制各个模块正常工作;
数据处理模块5,与中央控制模块4连接,用于对采集的监测数据以及环境进行预处理;
数据分析模块6,与中央控制模块4连接,用于对采集的历史滑坡记录以及相应的地质、降雨及其他数据进行分析;
指标确定模块7,与中央控制模块4连接,用于基于分析结果确定滑坡稳定性指标;
权重确定模块8,与中央控制模块4连接,用于确定滑坡稳定性指标的相应权重;
综合评价模块9,与中央控制模块4连接,用于基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价;
预警模块10,与中央控制模块4连接,用于当稳定性评价结果超出预警阈值时进行预警。
如图2所示,本发明实施例提供的数据采集模块2包括:
位移数据采集单元21,用于利用设置于多个监测点的监测设备进行位移数据采集;
图像采集单元22,用于利用设置于多个监测点的摄像设备进行滑坡监测区域的图像采集。
如图3所示,本发明实施例提供的对采集的位移监测数据进行预处理包括:
S101,确定滑坡的整体坐标系;在滑坡不同高程的垂线测点位置分别建立以相应测点处切向和径向为坐标轴的局部坐标系;
S102,根据滑坡体型方程计算得到各测点局部坐标对整体坐标系的坐标变换矩阵;
S103,在垂线各测点测读相应点位置的切向和径向位移增量;
S104,根据矢量坐标变换规则,利用坐标变换矩阵将各测点位移分量的增量变换至整体坐标系;
S105,通过代数求和方法计算滑坡垂线各测点在整体坐标系下的位移分量,并通过位移矢量的坐标逆变换得到各测点径向位移和切向位移的精确值。
如图4所示,本发明实施例提供的基于分析结果确定滑坡稳定性指标包括:
S201,获取滑坡数据的样本数量、预设评价指标数据及目标评价变量;构建数据操作函数库,对所述预设评价指标数据进行数据处理;
S202,构建预设深度的层次模型,确定预设评价指标数据所在的层次节点;获取各预设评价指标数据的操作函数,以及各个预设评价指标数据的预设权重;
S203,利用神经网络训练所述层次模型中的评价指标数据及相应的权重,得到训练后的评价指标及对应的权重;
S204,根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重和目标评价变量的值。
本发明实施例提供的根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重,包括:
获取滑坡的真实评价结果数据;根据所述真实评价结果数据对所述训练后的评价指标及对应的权重进行适应修改后,确定待评价对象的评价指标及对应的权重。
如图5所示,本发明实施例提供的基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括:
S301,将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度,得到对稳定性单项指标评价;计算综合权重,得到不同指标等级对应的综合评定权重;
S302,使用模糊模型中统一化权重计算,得到滑坡稳定性评价综合权重矩阵,计算得到滑坡稳定性评价状况。
本发明实施例提供的基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括以下步骤:
将因子分子与模糊数学隶属度结合得到因子隶属度,如下公式:
Figure BDA0003084651450000091
式中,x0代表滑坡稳定性评价指标前一个等级;x1代表滑坡稳定性评价指标后一个等级;x代表当前滑坡稳定性评价样本值;
根据公式
Figure BDA0003084651450000101
对滑坡稳定性评价单项指标评价;
W为滑坡稳定性评价各项指标样本集合,L为滑坡稳定性评价各项指标污染等级集合,建立如下公式:
Figure BDA0003084651450000102
式中:A为样本数值;n为指标数目;m为等级个数据;
通过下公式计算出单项指标的因子隶属度,对应n个滑坡稳定性评价指标得到m*n的矩阵R;
Figure BDA0003084651450000103
计算综合权重;
滑坡稳定性评价效果是由多个指标引起的,不同等级对综合评定权重有影响,单个指标的权重计算如下公式:
Figure BDA0003084651450000104
即/>
Figure BDA0003084651450000105
式中:Ai代表当前指标数值;Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
Figure BDA0003084651450000106
式中:Wk代表单一指标权重;
有n个滑坡稳定性评价指标,即得到滑坡稳定性评价综合权重矩阵B,如下公式:
B=[W1,W2,……,Wn]
将矩阵R与矩阵B复合计算,计算得到滑坡稳定性评价状况。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种应用多监测点协同作用的滑坡整体稳定性安全预警系统,其特征在于,所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统包括:
历史信息采集模块,与中央控制模块连接,用于采集滑坡地区的地质、降雨、历史滑坡记录以及其他数据;
数据采集模块,与中央控制模块连接,用于利用设置于多个监测点的监测设备进行数据采集;
环境数据采集模块,与中央控制模块连接,用于利用湿度传感器以及风力传感器进行监测区域湿度、风力数据采集;同时用于利用数据接口获取气象部门监测的滑坡区域的预计降雨或其他气候数据;
综合评价模块,与中央控制模块连接,用于基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价;
所述基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括:
将单项指标因子与模糊数学隶属度结合得到单项指标的因子隶属度,对稳定性单项指标评价;计算综合权重,得到不同指标等级对应的综合评定权重;使用模糊模型中统一化权重计算,得到滑坡稳定性评价综合权重矩阵,计算得到滑坡稳定性评价状况;
预警模块,与中央控制模块连接,用于当稳定性评价状况超出预警阈值时进行预警;
所述基于预处理的数据结合稳定性指标以及相应权重进行整体稳定性评价包括以下步骤:
W’为滑坡稳定性评价各项指标样本集合,L’为滑坡稳定性评价各项指标污染等级集合,建立如下公式:
Figure FDA0004217263400000021
式中:A为样本数值;n为指标数目;m为等级数据;
通过下公式计算出单项指标的因子隶属度,对应n个滑坡稳定性评价指标得到n*m的矩阵R;
Figure FDA0004217263400000022
计算综合权重;
滑坡稳定性评价状况是由多个指标引起的,不同等级对综合评定权重有影响,单一指标的权重计算如下公式:
Figure FDA0004217263400000023
即/>
Figure FDA0004217263400000024
式中:Ai代表当前指标数值;Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
Figure FDA0004217263400000025
式中:Wk代表单一指标权重;
有n个滑坡稳定性评价指标,即得到滑坡稳定性评价综合权重矩阵B,如下公式:
Figure FDA0004217263400000026
将矩阵R与矩阵B复合计算,计算得到滑坡稳定性评价状况;
应用多监测点协同作用的滑坡整体稳定性安全预警系统还包括:
中央控制模块,与历史信息采集模块、数据采集模块、环境数据采集模块、数据处理模块、数据分析模块、指标确定模块、权重确定模块、综合评价模块以及预警模块连接,用于利用单片机或控制器控制各个模块正常工作;
数据处理模块,与中央控制模块连接,用于对采集的监测数据以及环境数据进行预处理;
数据分析模块,与中央控制模块连接,用于对采集的历史滑坡记录以及相应的地质、降雨及其他数据进行分析;
指标确定模块,与中央控制模块连接,用于基于分析结果确定滑坡稳定性指标;
权重确定模块,与中央控制模块连接,用于确定滑坡稳定性指标的相应权重;
对采集的位移监测数据进行预处理包括:
(1)确定滑坡的整体坐标系;在滑坡不同高程的垂线测点位置分别建立以相应测点处切向和径向为坐标轴的局部坐标系;
(2)根据滑坡体型方程计算得到各测点局部坐标对整体坐标系的坐标变换矩阵;
(3)在垂线各测点测读相应点位置的切向和径向位移增量;
(4)根据矢量坐标变换规则,利用坐标变换矩阵将各测点位移分量的增量变换至整体坐标系;
(5)通过代数求和方法计算滑坡垂线各测点在整体坐标系下的位移分量,并通过位移矢量的坐标逆变换得到各测点径向位移和切向位移的精确值。
2.如权利要求1所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统,其特征在于,所述数据采集模块包括:
位移数据采集单元,用于利用设置于多个监测点的监测设备进行位移数据采集;
图像采集单元,用于利用设置于多个监测点的摄像设备进行滑坡监测区域的图像采集。
3.如权利要求1所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统,其特征在于,确定滑坡稳定性评价指标包括:
获取滑坡数据的样本数量、预设评价指标数据及目标评价变量;构建数据操作函数库,对所述预设评价指标数据进行数据处理;
构建预设深度的层次模型,确定预设评价指标数据所在的层次节点;获取各预设评价指标数据的操作函数,以及各个预设评价指标数据的预设权重;
利用神经网络训练所述层次模型中的评价指标数据及相应的权重,得到训练后的评价指标及对应的权重;
根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重和目标评价变量的值。
4.如权利要求3所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统,其特征在于,所述根据训练后的评价指标及对应的权重,确定待评价对象的评价指标及对应的权重,包括:
获取滑坡的真实评价结果数据;根据所述真实评价结果数据对所述训练后的评价指标及对应的权重进行适应修改后,确定待评价对象的评价指标及对应的权重。
5.一种信息数据处理终端,其特征在于,所述信息数据处理终端应用如权利要求1-4任意一项所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统。
6.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用如权利要求1-4任意一项所述的应用多监测点协同作用的滑坡整体稳定性安全预警系统。
CN202110576887.9A 2021-05-26 2021-05-26 应用多监测点协同作用的滑坡整体稳定性安全预警系统 Active CN113295212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110576887.9A CN113295212B (zh) 2021-05-26 2021-05-26 应用多监测点协同作用的滑坡整体稳定性安全预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110576887.9A CN113295212B (zh) 2021-05-26 2021-05-26 应用多监测点协同作用的滑坡整体稳定性安全预警系统

Publications (2)

Publication Number Publication Date
CN113295212A CN113295212A (zh) 2021-08-24
CN113295212B true CN113295212B (zh) 2023-07-07

Family

ID=77325170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110576887.9A Active CN113295212B (zh) 2021-05-26 2021-05-26 应用多监测点协同作用的滑坡整体稳定性安全预警系统

Country Status (1)

Country Link
CN (1) CN113295212B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115116202B (zh) * 2022-08-29 2022-11-15 西南交通大学 一种滑坡灾害预警方法、装置、设备及可读存储介质
CN117435891B (zh) * 2023-12-20 2024-02-27 成都嘉新科技集团有限公司 一种土质边坡的稳定性模拟评估方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI390096B (zh) * 2009-08-24 2013-03-21 Nat Applied Res Laboratories Safety Monitoring System and Method of Bridge Structure
WO2019123475A1 (en) * 2017-12-18 2019-06-27 Varun Dutt Low-cost sensor-based system for landslide monitoring and alerts
CN108538026A (zh) * 2018-02-23 2018-09-14 青岛理工大学 一种边坡稳定性的多指标综合评价与预警方法
CN108847000A (zh) * 2018-08-03 2018-11-20 青海大学 一种滑坡地质灾害预警推送方法
CN110795812B (zh) * 2019-08-13 2023-01-31 福建工程学院 一种基于大数据分析的滑坡预测方法及系统
CN110751397A (zh) * 2019-10-22 2020-02-04 深圳市城市交通规划设计研究中心有限公司 一种边坡监测系统评价方法
CN111415492B (zh) * 2020-04-29 2021-03-16 中国水利水电科学研究院 一种基于模糊综合评价算法的边坡滑坡预警方法及系统
CN112085921B (zh) * 2020-08-20 2022-11-11 青岛地质工程勘察院(青岛地质勘查开发局) 一种基于位移与动力多参数的滑坡综合监测预警方法

Also Published As

Publication number Publication date
CN113295212A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN113295212B (zh) 应用多监测点协同作用的滑坡整体稳定性安全预警系统
CN108508863A (zh) 一种基于灰色模型的机电设备故障诊断方法
Mondoro et al. Prediction of structural response of naval vessels based on available structural health monitoring data
Cheung et al. The application of statistical pattern recognition methods for damage detection to field data
CN108241901B (zh) 一种基于预测数据的变压器预警评估方法及装置
CN113614359A (zh) 用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统
CN111104736B (zh) 基于时间序列的异常数据检测方法、装置、介质和设备
KR101711606B1 (ko) 유사도 기반 해양 구조물 손상 추정 방법
Zhu et al. A rapid structural damage detection method using integrated ANFIS and interval modeling technique
CN115220133B (zh) 一种多气象要素降雨预测方法、装置、设备及存储介质
CN104048843B (zh) 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法
CN115979310B (zh) 一种惯导系统性能退化评估方法、系统、电子设备及介质
CN115114822A (zh) 基于数字孪生的水下节流阀剩余使用寿命估计方法及系统
CN116105802A (zh) 一种基于物联网的地下设施安全监测预警方法
CN101382474B (zh) 一种桥梁结构安全的安全预警方法
CN115081677A (zh) 一种风速预测方法、装置、电子设备及可读存储介质
JP7141309B2 (ja) 地盤変位に起因する災害発生危険度定量評価システムとその方法とそのプログラム
CN113962253A (zh) 基于深度小波极限学习机的轴承剩余寿命预测方法及系统
CN117191147A (zh) 一种泄洪大坝水位监测预警方法及系统
Akintunde et al. Singular value decomposition and unsupervised machine learning for virtual strain sensing: Application to an operational railway bridge
CN117235540A (zh) 基于特征匹配融合的传感器动态信息联动分析方法
Sun et al. A data-driven framework for tunnel infrastructure maintenance
Nie et al. Structural damage detection using wavelet packet transform combining with principal component analysis
Feizi et al. Identifying damage location under statistical pattern recognition by new feature extraction and feature analysis methods
Chavan et al. An Overview of Machine Learning Techniques for Evaluation of Pavement Condition

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