CN113865495A - 一种边坡变形无线监测系统及方法 - Google Patents
一种边坡变形无线监测系统及方法 Download PDFInfo
- Publication number
- CN113865495A CN113865495A CN202110948656.6A CN202110948656A CN113865495A CN 113865495 A CN113865495 A CN 113865495A CN 202110948656 A CN202110948656 A CN 202110948656A CN 113865495 A CN113865495 A CN 113865495A
- Authority
- CN
- China
- Prior art keywords
- slope
- data
- monitoring
- deformation
- sensor
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000006073 displacement reaction Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 239000011148 porous material Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000005553 drilling Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 7
- 238000005422 blasting Methods 0.000 description 6
- 238000009412 basement excavation Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000011435 rock Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Abstract
本发明公开了一种边坡变形无线监测系统及方法,所述系统包括数据采集系统和服务器;其中,所述数据采集系统包括传感器组和激光扫描装置,用于实时采集边坡监测数据;所述服务器用于根据边坡监测数据,对边坡变形情况进行分析。本发明主要应用于岩质高陡边坡的变形监测中,能够实现边坡变形的实时主动监测,并对边坡失稳灾害进行预警。
Description
技术领域
本发明涉及一种灾害预警技术领域,具体涉及一种岩质高陡边坡爆破开挖下的边坡变形无线监测系统及方法。
背景技术
山区高速公路修建时地势起伏大,道路两侧形成高陡路堑边坡。岩质高陡边坡爆破开挖时或开挖后不稳定,对来往车辆以及现场施工人员的人身安全造成一定威胁。
据发明人了解,岩质高陡边坡失稳前表面位移小,边坡失稳具有突发性,预警时间短等特点,现有的岩质高陡边坡变形监测还停留在依靠人员现场监测的阶段,由于爆破开挖,施工环境相对不安全,监测人员无法全天候连续监测,对岩质高陡边坡失稳灾害的示警滞后。传统的岩质高陡边坡监测手段需要布线,但爆破施工时会破坏线路,造成无法监测岩陡边坡的形变。传统的监测系统数据处理模块只是单纯的预报各个监测量的值,只有当监测量的值超过阈值时,才会报警警示,但在实际过程中,滑坡模型采集了大量应力、位移、角度、加速度、地下水位等物理量,但不同物理量之间差别较大且受量纲选择的影响,不同组数据很难绘制到同一坐标系下,不利于分析各物理量的变化趋势及其之间的相互影响,应考虑各个物理量的耦合对边坡稳定性的影响。
发明内容
为克服上述现有技术的不足,本发明提供了一种边坡变形数据处理方法及其可视化无线监测系统,可实现对岩质高陡边坡变形的实时监测,并对边坡变形数据进行处理,实现边坡失稳灾害预警。
为实现上述目的,本发明采用如下技术方案:
一种边坡变形无线监测系统,包括数据采集系统和服务器;其中,所述数据采集系统包括传感器组和激光扫描装置,用于实时采集边坡监测数据;所述服务器用于根据边坡监测数据,对边坡变形情况进行分析。
进一步地,所述传感器组包括地表位移传感器、应力传感器、深层位移传感器、加速度传感器、倾角传感器和孔隙水压计;其中,所述倾角传感器和加速度传感器均设置于监测钻孔的顶端和底端。
进一步地,所述激光扫描装置远离边坡一定距离布置,包括支座,所述支座与激光发射装置旋转连接,所述激光发射装置环向设有激光炮。
进一步地,所述系统还包括数据处理系统,接收数据采集系统采集的边坡监测数据,进行归一化预处理,并发送至服务器。
进一步地,所述系统还包括终端,用于访问服务器中的监测数据,以及接收服务器发送的边坡变形分析数据并进行可视化。
进一步地,所述系统还包括警示系统,安装于监控室和待测边坡处。
进一步地,所述服务器对边坡变形情况进行分析包括:根据位移序列数据进行滑坡预测分析。
进一步地,根据位移序列数据进行滑坡预测分析包括:
获取边坡一定时间范围内的位移时间序列;
基于灰色预测方法对边坡位移时间序列进行累加生成预处理,得到新序列;
基于LS-SVM模型进行边坡位移预测。
进一步地,终端对边坡变形分析数据进行可视化包括:
接收边坡变形可视化请求并发送至服务器;
所述服务器获取一定时间范围内的传感器数据和激光扫描数据;
基于设定的时间间隔对激光扫描数据进行分组,针对每个分组分别进行一次边坡三维重建,得到该时间范围内的边坡整体变形情况;
基于传感器数据,并结合各个传感器所在位置和类型,得到该时间范围内各时刻各个传感器位置的边坡变形数据;
结合边坡变形数据对边坡整体变形情况进行修正,生成可视化文件并传输至终端。
一个或多个实施例提供了一种边坡变形无线监测方法,包括以下步骤:
接收数据采集系统实时采集的边坡监测数据,所述数据采集系统包括传感器组和激光扫描装置;
根据边坡监测数据,对边坡变形情况进行分析。
以上一个或多个技术方案具有以下有益效果:
(1)本发明可实现多个参数主动监测,可视化远程实时监测,并且可以超值预警,保障现场施工人员的人身安全。本发明通过无线网络传输数据,无需布线,可实现全天24小时自动实时监测。
(2)本发明的激光扫描装置,可通过调整环向激光炮的布置范围和布置角度,实现了边坡多角度实时监测的问题。
(3)本发明的数据处理采用归一化方法,消除监测量取值与量纲差异的影响,为所有的监测量提供一个统一的标尺,能准确描述不同监测量的变化趋势,发现各监测量之间的相互联系,通过本发明的滑坡预测模型,预测滑坡。
(4)本发明可实现自动监测,简单方便快捷,最多只需配备一名记录人员定期采集数据和设备维护,节省人工。本发明操作简单,现场施工人员通过预警系统判断边坡变形情况,不需要具备专业监测知识,方便操作。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明实施例提供的无线监测系统结构框图。
图2为本发明实施例中边坡监测传感器布置示意图。
图3为本发明实施例中激光扫描装置结构示意图。
图4为本发明实施例中倾角传感器布置示意图。
其中,1.数据采集系统;2.数据处理系统;3.服务器;4.终端;5.警示系统;1-1.地表位移传感器;1-2.应力传感器;1-3.深层位移传感器;1-4.加速度传感器;1-5.倾角传感器;1-6.孔隙水压计;1-7.激光扫描装置;1-7-1.激光发射装置;1-7-2.环向激光炮;1-7-3.支座;1-7-4.支撑桩。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种边坡变形无线监测系统,如图1所示,包括数据采集系统1、数据处理系统2、服务器3、终端4和警示系统5。
所述数据采集系统1包括传感器组、激光扫描装置和通信模块。
如图2所示,所述传感器组包括地表位移传感器1-1、应力传感器1-2、深层位移传感器1-3、加速度传感器1-4、倾角传感器1-5、孔隙水压计1-6和激光扫描装置1-7。地表位移传感器1-1用于监测岩质高陡边坡在爆破开挖下的地表位移形变,应力传感器1-2用于监测开挖下边坡的应力情况,深层位移传感器1-3监测边坡深部的位移情况,加速度传感器1-4用于监测微震信号,倾角传感器1-5用于监测所在位置的坡度信号,孔隙水压计1-6用于监测地下水位,激光扫描装置1-7用于多角度监测边坡的变形。
地表位移传感器1-1平行于坡面布置,应力传感器1-2和深层位移传感器1-3垂直于坡面布置,加速度传感器1-4、倾角传感器1-5和孔隙水压计1-6垂直于地面布置,激光扫描装置1-7远离边坡一定距离布置。
激光扫描装置1-7示意图如图3所示,在激光发射装置1-7-1一定范围内布置环向激光炮1-7-2,环向激光炮1-7-2的布置范围和倾斜角度可根据待监测边坡的宽度和高度确定,环向激光炮1-7-2与激光发射装置1-7-1以球铰形式连接。支座1-7-3上安装有水平水准泡,以确保激光扫描装置1-7的水平安装,激光发射装置1-7-1与支座1-7-3以球铰形式连接。
倾角传感器1-5的布置方式如图4所示,在监测钻孔的顶端和底端分别布置倾角传感器,顶端的倾角传感器和坡体表面相连,分别监测坡体表面和坡体深部的坡度变化值,加速度传感器的布置方式如倾角传感器。
所述激光扫描装置1-7根据现场监测条件,远离边坡一定距离布置,并根据支座1-7-3上的水平水准泡调平安装。环向激光炮1-7-2的倾斜角度根据待监测边坡的高度现场调整,满足边坡多角度实时动态监测的需求。
每个传感器或激光扫描装置连接一个通信模块,通过通信模块将采集到的信号发送到数据处理系统2,通信模块通过无线协议将数据发送到数据处理系统2。所述数据处理系统2包括数据接收模块、数据存储模块和数据处理模块,用于接收、存储及处理采集到的信号,并通过服务器3发送到终端4显示。
所述数据处理系统2中的数据处理模块,采用归一化数据处理方法,将数据映射到0~1范围内处理,将采集到的有量纲的位移、角度和地下水位等数据,经过变换,化为无量纲的表达式,消除物理量取值与量纲差异的影响,为所有的物理量树立一个统一的标尺,在这个统一的标尺下考虑监测数据的变化规律。
所述归一化数据处理方法为线性函数转换法,设样本数据值域为[min,max],则归一化表达式为:
表达式具有以下性质:
(1)样本的大小关系保持不变,若x1<x2,则g(x1)<g(x2);
(2)样本的相对距离保持不变,若d1=|x1-x2|,d2=|x3-x4|,d1'=|g(x1)-g(x2)|,d'2=|g(x3)-g(x4)|,则d1:d2=d1':d'2。
经过归一化处理后,虽然改变了各监测物理量的幅值,但可以准确描述不同物理量之间的变化趋势,并且可以看到各监测数据在滑坡前的异常反应;
所述服务器接收数据处理系统处理后的应力、位移、倾角、地下水位和微震信息等,预测是否发生滑坡。具体地,所述服务器中存储各应力传感器、位移传感器、倾角传感器、孔隙水压计和加速度传感器监测到的物理量值以及警报装置的标识信息和所在位置。所述预测滑坡的方法具体为:
截取到当前时刻为止一定时间范围内的经过归一化处理的应力序列数据、位移序列数据、角度序列数据、地下水位序列数据和微震序列数据中的一项或多项作为训练数据,训练滑坡预测模型;
所述滑坡预测模型,以位移序列为例:
应用LS-SVM模型建立边坡位移预测模型。设样本的预测集为{(xi,yi)|i=1,2,...,m},其中,xi∈Rn为输入向量,yi∈Rn为输出向量,采用非线性映射将样本输入原空间映射到高维特征空间,构造LS-SVM模型的回归函数其中,为满足Mercer条件的核函数,ω为超平面的权值向量,b为偏置项。
LS-SVM模型的回归问题等价为最小化泛函:
本实施例中,为了更准确的进行滑坡预测,分别针对位移数据、应力数据、倾角数据和微震数据建立滑坡预测模型,基于多个预测模型的预测结果,给出最终预测结论。本领域技术人员可以理解,建立滑坡预测模型可通过仿真模拟的形式获取各类数据与滑坡事件发生的关系,可将各类数据的数值对滑坡事件的贡献作为模型的输入参数。
根据所述滑坡预测模型得到的应力、位移、角度等数据,数据处理系统2将数据绘制成相应曲线,根据曲线的突变点作为滑坡的前兆,预测是否发生滑坡。
所述服务器3通过GPRS数据传输、无线网络等将数据传送至终端4显示。
当所述服务器接收终端发送的边坡变形过程可视化请求时,执行以下步骤:
获取距离当前时间一定时间范围内的激光扫描数据、应力、位移、角度等数据;
基于激光扫描数据进行边坡三维模型构建,由于本实施例中的激光扫描雷达设有多角度换向激光炮,可快速获取边坡的表面形态数据,设定时间间隔t,将获取的激光扫描数据安装时间间隔t进行分组,每个分组分别进行一次边坡三维重建,得到该时间范围内的边坡整体变形情况;
基于位移传感器、应力传感器、深层位移传感器、加速度传感器和倾角传感器获取的数据,对边坡变形情况进行修正。具体地,由于服务器中预先存储了各个传感器的位置和类型,接收到数据后,计算边坡各个位置在各个时刻的位移变化、倾角变化、应力变化等数据,修正边坡三维模型,得到该时间范围内的边坡变形情况;
基于该时间范围内的边坡变形情况生成模型文件,发送至终端并进行显示。本领域技术人员可以理解,也可以生成视频文件,以视频关键帧表示边坡变形的关键节点,以便于用户查看。
上述数据处理系统2和服务器3在硬件上可以是分开的两个设备,也可以是一个设备。
所述终端4为手机或电脑,终端4与警示系统5相连,当危险概率超出一定范围时,警示系统5预警。所述警示系统5为信号灯报警装置,信号灯报警装置安装在监控室和待测边坡处,当边坡滑坡危险发生时,信号灯报警装置示警,便于监控室人员和现场施工人员采取措施。
实施例二
本实施例提供了一种应用于服务器端的边坡变形监测方法,包括以下步骤:
接收数据采集系统实时采集的边坡监测数据,所述数据采集系统包括传感器组和激光扫描装置;
根据边坡监测数据,对边坡变形情况进行分析。
若分析发现边坡存在滑坡危险,向信号灯报警装置发送示警指令。
进一步地,还包括基于边坡变形情况生成可视化文件并发送至终端。
该实施例中各步骤的具体实现方法参见实施例一相应部分,在此不再赘述。
本发明可实现多个参数主动监测,通过传感器组对岩质高陡边坡爆破开挖后的应力、位移、角度和微震信号的采集,远程实时监测边坡的稳定性,为边坡后期支护提供指导。
本发明小型化、低功耗、操作简单、可视化远程实时监测、可超值警示,实现对现场施工人员及监测人员的人身安全的保障。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种边坡变形无线监测系统,其特征在于,包括数据采集系统和服务器;其中,所述数据采集系统包括传感器组和激光扫描装置,用于实时采集边坡监测数据;所述服务器用于根据边坡监测数据,对边坡变形情况进行分析。
2.如权利要求1所述的一种边坡变形无线监测系统,其特征在于,所述传感器组包括地表位移传感器、应力传感器、深层位移传感器、加速度传感器、倾角传感器和孔隙水压计;其中,所述倾角传感器和加速度传感器均设置于监测钻孔的顶端和底端。
3.如权利要求2所述的一种边坡变形无线监测系统,其特征在于,所述激光扫描装置远离边坡一定距离布置,包括支座,所述支座与激光发射装置旋转连接,所述激光发射装置环向设有激光炮。
4.如权利要求1所述的一种边坡变形无线监测系统,其特征在于,所述系统还包括数据处理系统,接收数据采集系统采集的边坡监测数据,进行归一化预处理,并发送至服务器。
5.如权利要求1所述的一种边坡变形无线监测系统,其特征在于,所述系统还包括终端,用于访问服务器中的监测数据,以及接收服务器发送的边坡变形分析数据并进行可视化。
6.如权利要求1所述的一种边坡变形无线监测系统,其特征在于,所述系统还包括警示系统,安装于监控室和待测边坡处。
7.如权利要求1所述的一种边坡变形无线监测系统,其特征在于,所述服务器对边坡变形情况进行分析包括:根据位移序列数据进行滑坡预测分析。
8.如权利要求7所述的一种边坡变形无线监测系统,其特征在于,根据位移序列数据进行滑坡预测分析包括:
获取边坡一定时间范围内的位移时间序列;
基于灰色预测方法对边坡位移时间序列进行累加生成预处理,得到新序列;
基于LS-SVM模型进行边坡位移预测。
9.如权利要求5所述的一种边坡变形无线监测系统,其特征在于,终端对边坡变形分析数据进行可视化包括:
接收边坡变形可视化请求并发送至服务器;
所述服务器获取一定时间范围内的传感器数据和激光扫描数据;
基于设定的时间间隔对激光扫描数据进行分组,针对每个分组分别进行一次边坡三维重建,得到该时间范围内的边坡整体变形情况;
基于传感器数据,并结合各个传感器所在位置和类型,得到该时间范围内各时刻各个传感器位置的边坡变形数据;
结合边坡变形数据对边坡整体变形情况进行修正,生成可视化文件并传输至终端。
10.一种边坡变形无线监测方法,其特征在于,包括以下步骤:
接收数据采集系统实时采集的边坡监测数据,所述数据采集系统包括传感器组和激光扫描装置;
根据边坡监测数据,对边坡变形情况进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948656.6A CN113865495A (zh) | 2021-08-18 | 2021-08-18 | 一种边坡变形无线监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948656.6A CN113865495A (zh) | 2021-08-18 | 2021-08-18 | 一种边坡变形无线监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113865495A true CN113865495A (zh) | 2021-12-31 |
Family
ID=78990593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110948656.6A Pending CN113865495A (zh) | 2021-08-18 | 2021-08-18 | 一种边坡变形无线监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113865495A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050163A (zh) * | 2022-06-15 | 2022-09-13 | 中铁第四勘察设计院集团有限公司 | 一种边坡监测预警系统 |
CN116739184A (zh) * | 2023-08-08 | 2023-09-12 | 四川川核地质工程有限公司 | 一种滑坡预测方法及系统 |
CN116935581A (zh) * | 2023-07-21 | 2023-10-24 | 深圳市天工测控技术有限公司 | 基于多传感监测的山体滑坡预警方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111623722A (zh) * | 2020-07-29 | 2020-09-04 | 湖南致力工程科技有限公司 | 一种基于多传感器的边坡变形立体监测系统和方法 |
CN113251913A (zh) * | 2021-05-08 | 2021-08-13 | 中国长江三峡集团有限公司 | 用于库岸边坡表面变形的综合监测方法 |
CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
-
2021
- 2021-08-18 CN CN202110948656.6A patent/CN113865495A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111623722A (zh) * | 2020-07-29 | 2020-09-04 | 湖南致力工程科技有限公司 | 一种基于多传感器的边坡变形立体监测系统和方法 |
CN113251913A (zh) * | 2021-05-08 | 2021-08-13 | 中国长江三峡集团有限公司 | 用于库岸边坡表面变形的综合监测方法 |
CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
Non-Patent Citations (1)
Title |
---|
郭得令: "基于LS-SVM的围岩位移非线性预测应用研究", 《硕士电子期刊》, 15 August 2006 (2006-08-15), pages 29 - 54 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050163A (zh) * | 2022-06-15 | 2022-09-13 | 中铁第四勘察设计院集团有限公司 | 一种边坡监测预警系统 |
CN115050163B (zh) * | 2022-06-15 | 2023-10-03 | 中铁第四勘察设计院集团有限公司 | 一种边坡监测预警系统 |
CN116935581A (zh) * | 2023-07-21 | 2023-10-24 | 深圳市天工测控技术有限公司 | 基于多传感监测的山体滑坡预警方法及系统 |
CN116935581B (zh) * | 2023-07-21 | 2024-05-03 | 深圳市天工测控技术有限公司 | 基于多传感监测的山体滑坡预警方法及系统 |
CN116739184A (zh) * | 2023-08-08 | 2023-09-12 | 四川川核地质工程有限公司 | 一种滑坡预测方法及系统 |
CN116739184B (zh) * | 2023-08-08 | 2023-11-07 | 四川川核地质工程有限公司 | 一种滑坡预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113865495A (zh) | 一种边坡变形无线监测系统及方法 | |
US7228136B2 (en) | Location estimation in wireless telecommunication networks | |
CN112364802B (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
CN108415052A (zh) | 基于北斗定位技术的危旧建筑物监测系统及方法 | |
CN107144255B (zh) | 一种边坡自动化实时立体监测与预警的方法 | |
CN104239885A (zh) | 一种基于无人机航拍的地震灾害损毁度评估方法 | |
CN111879305B (zh) | 一种面向高危生产环境的多模态感知定位模型与系统 | |
CN107300703B (zh) | 一种雷达数据的组网处理系统 | |
CN101576382B (zh) | 一种基于三维展示平台的水利监测方法 | |
CN109471911B (zh) | 一种基于地球同步轨道卫星的电网山火监测预警方法 | |
CN113240886A (zh) | 一种地质灾害监测方法、系统及电子设备 | |
EP3329212B1 (en) | System and method for detecting ground position changes | |
CN110929565A (zh) | 基于机器学习的风险监控方法、装置、存储介质及电子设备 | |
CN113156456A (zh) | 一种路面、隧道一体化检测方法及检测设备、车辆 | |
CN114357567A (zh) | 基于bim的风振监测、系统、存储介质及计算机设备 | |
Lozano et al. | Data collection tools for post-disaster damage assessment of building and lifeline infrastructure systems | |
CN111881566B (zh) | 基于实景仿真的滑坡位移检测方法及装置 | |
JP3745280B2 (ja) | 防災監視システムおよび防災監視方法 | |
KR102237505B1 (ko) | 지오 클라우드 기반의 실시간 급경사지 공간정보 처리 플랫폼 및 데이터 처리 방법 | |
CN112055070B (zh) | 基于物联网的无线分布式地质灾害监测数据采集系统 | |
SoleimaniBabakamali et al. | Mast arm monitoring via traffic camera footage: a pixel-based modal analysis approach | |
CN107480864B (zh) | 一种基于ahp评价的民航应急救援能力分析方法 | |
WO2021106006A1 (en) | Machine learning enabled system for landslide early warning | |
CN111709334A (zh) | 基于卫星遥感的地铁安全预警方法 | |
CN116524699B (zh) | 一种基于区域分析的地质灾害预警方法及系统 |
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 |