CN114037190B - 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 - Google Patents
一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 Download PDFInfo
- Publication number
- CN114037190B CN114037190B CN202210012862.0A CN202210012862A CN114037190B CN 114037190 B CN114037190 B CN 114037190B CN 202210012862 A CN202210012862 A CN 202210012862A CN 114037190 B CN114037190 B CN 114037190B
- Authority
- CN
- China
- Prior art keywords
- inclination angle
- dimensional
- accumulated
- prediction
- speed
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种含陡倾裂隙危岩体临崩时间区间预测方法及装置,涉及边坡危岩体崩塌时间预测技术领域。包括:采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据;基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪;基于滤波去噪后的数据,筛选建立预测方程的基础数据集;基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程;基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。本发明能够解决现有的监测方法与预测模型难以实现危岩体崩塌时间预测的问题。
Description
技术领域
本发明涉及边坡危岩体崩塌时间预测技术领域,特别是指一种含陡倾裂隙危岩体临崩时间区间预测方法及装置。
背景技术
被陡倾裂隙切割的边坡危岩体,突然脱离母体,翻滚而下的地质现象称为崩塌。含陡倾裂隙危岩体往往赋存在险峻的高陡边坡上且崩塌失稳过程具有突发性,因此危岩体变形监测应具有高精度、高分辨率与高采样频率的基本要求。目前,现有常规的位移监测方法应用在崩塌监测中存在很大的局限性,例如:基于全球卫星导航系统的毫米级静态坐标星历解算周期一般大于30分钟,不能及时获取到实时位移数据;通过位移计连接数据采集传输设备监测裂缝开度的方法可以实现毫米级高频监测,但也存在地形适应性低、安装困难和维护复杂的问题;此外雷达或激光遥测方法等远程监测精度不足、设备价格昂贵、专业性强、需要人工值守,也难以应用于大量危岩体的长期自动化监测。在监测方法方面,位移监测不适用于崩塌灾害的预测预报,因此危岩体的位移演化规律也尚未明晰,传统“位移切线角模型”、“Saito预测模型”、“Fukuzono预测模型”等基于位移监控的滑坡时间预测方法无法应用于危岩体崩塌时间预测中。因此现有的监测方法与预测模型难以实现危岩体崩塌时间区间预测。
发明内容
本发明针对现有的监测方法与预测模型难以实现危岩体崩塌时间区间预测的问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:
一方面,本发明提供了一种含陡倾裂隙危岩体临崩时间区间预测方法,该方法由电子设备实现,该方法包括:
S1、采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据。
S2、基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪。
S3、基于滤波去噪后的数据,筛选建立预测方程的基础数据集。
S4、基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程。
S5、基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。
可选地S1中的采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据包括:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。
可选地,S2中的基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪包括:
分别计算长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
可选地,S3中的基于滤波去噪后的数据,筛选建立预测方程的基础数据集包括:
基于滤波去噪后的数据,分别确定多维度累计倾斜角度变化量阶跃过程中的最大阶跃速度,并以多维度累计倾斜角度变化量加速上升过程中,倾斜角度变化速度在至范围内的多维度累计倾斜角度变化量与倾斜角度变化速度时间序列作为基础数据集;其中,最大阶跃速度指多个倾斜角度变化量阶跃过程中的最大倾斜角度变化速度。
可选地,基于预测基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程的过程包括:
可选地,S5中的基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,计算得到临崩时间预测区间包括:
另一方面,本发明提供了一种含陡倾裂隙危岩体临崩时间区间预测装置,该装置应用于实现含陡倾裂隙危岩体临崩时间区间预测方法,该装置包括:
获取模块,用于采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据。
滤波去噪模块,用于采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪。
数据集建立模块,用于基于滤波去噪后的数据,筛选建立预测方程的基础数据集。
方程建立模块,用于基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程。
区间预测模块,用于基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。
可选地,获取模块,进一步用于:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。
可选地,滤波去噪模块,进一步用于:
分别计算长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
可选地,数据集建立模块,进一步用于:
基于滤波去噪后的数据,分别确定多维度累计倾斜角度变化量阶跃过程中的最大阶跃速度,并以多维度累计倾斜角度变化量加速上升过程中,倾斜角度变化速度在至范围内的多维度累计倾斜角度变化量与倾斜角度变化速度时间序列作为基础数据集;其中,最大阶跃速度指多个倾斜角度变化量阶跃过程中的最大倾斜角度变化速度。
可选地,方程建立模块,进一步用于:
可选地,区间预测模块,进一步用于:
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述含陡倾裂隙危岩体临崩时间区间预测方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述含陡倾裂隙危岩体临崩时间区间预测方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
上述方案中,克服了现有位移预测方法应用在危岩体中无法实际应用的缺点,具有操作计算简便,预测结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、水利水电、露天矿山等工程边坡的含陡倾裂隙危岩体的崩塌时间预测。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明含陡倾裂隙危岩体临崩时间区间预测方法流程示意图;
图2是本发明含陡倾裂隙危岩体临崩时间区间预测方法流程示意图;
图3是本发明双准则凸优化EMD滤波算法最优滤波策略数识别示意图;
图4是本发明阶跃过程倾斜角度变化速度示意图;
图5是本发明累计倾斜角度变化量阶跃过程示意图;
图6是本发明累计倾斜角度变化量加速上升过程示意图;
图7是本发明加速上升过程倾斜角度变化速度示意图;
图8是本发明含陡倾裂隙危岩体临崩时间区间预测装置框图;
图9是本发明一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种含陡倾裂隙危岩体临崩时间区间预测方法,该方法可以由电子设备实现。如图1所示的含陡倾裂隙危岩体临崩时间区间预测方法流程图,该方法的处理流程可以包括如下的步骤:
S11、采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据。
S12、基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪。
S13、基于滤波去噪后的数据,筛选建立预测方程的基础数据集。
S14、基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程。
S15、基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。
可选地,S11中的采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据包括:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。
可选地,S12中的基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪包括:
分别计算长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
可选地,S13中的基于滤波去噪后的数据,筛选建立预测方程的基础数据集包括:
基于滤波去噪后的数据,分别确定多维度累计倾斜角度变化量阶跃过程中的最大阶跃速度,并以多维度累计倾斜角度变化量加速上升过程中,倾斜角度变化速度在至范围内的多维度累计倾斜角度变化量与倾斜角度变化速度时间序列作为基础数据集;其中,最大阶跃速度指多个倾斜角度变化量阶跃过程中的最大倾斜角度变化速度。
可选地,基于预测基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程的过程包括:
可选地,S15中的基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,计算得到临崩时间预测区间包括:
本发明实施例中,克服了现有位移预测方法应用在危岩体中无法实际应用的缺点,具有操作计算简便,预测结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、水利水电、露天矿山等工程边坡的含陡倾裂隙危岩体的崩塌时间预测。
如图2所示,本发明实施例提供了一种含陡倾裂隙危岩体临崩时间区间预测方法,该方法可以由电子设备实现。如图2所示的含陡倾裂隙危岩体临崩时间区间预测方法流程图,该方法的处理流程可以包括如下的步骤:
S21、获取危岩体多维度倾斜角度的长期监测数据。
一种可行的实施方式中,上述步骤S21的过程可以包括:
配置MEMS(Micro-Electro-Mechanical System,微机电系统)倾角传感器的数据采集、计算、传输机制,基于MEMS对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。本申请提出仅利用一个MEMS传感器监测多维度倾斜角度可以全面表征含陡倾裂隙危岩体不同裂隙扩展方式的倾斜变形特性,可以得到具有预测分析价值的数据集,使后续的预测方法可实现。
一种可行的实施方式中,基于MEMS三轴加速度传感器的倾斜角度监测设备,以1000Hz采样频率实时采集重力加速度,并通过边缘解算得到累计倾斜角度变化量,倾斜角度温度漂移在-30℃到70℃范围内优于±0.1°,倾斜角度分辨率优于0.005°,量程大于45°。配置MEMS倾角传感器的数据传输机制具体为:配置累计倾斜角度变化量定时传输频率不少于1次/小时,配置累计倾斜角度变化量初始触发传输阈值为5°。
式中:分别为重力加速度在传感器敏感轴的倾斜分量;为传感器水平时重力加速度空间向量(0,0,-1);为向量的长度;为监测过程中重力加速度在传感器敏感轴分量的向量;为向量的长度;分别为三向水平夹角; 为倾斜向量空间夹角;为倾斜方向角。
S22、分别计算长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用双准则凸优化经验模态分解EMD滤波算法对多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
一种可行的实施方式中,上述步骤S22可以包括下述步骤S221-S223:
S223:确定最优滤波策略。
一种可行的实施方式中,上述步骤S223可以包括:
(1)计算滤波数据损失度,如下式(8)所示:
(2)计算滤波数据粗糙度,如下式(9)所示:
本申请中,由于采用高精度MEMS传感器进行危岩体倾斜特征的获取,然而,由于MEMS传感器获得的倾斜角度数据会受环境温度、环境振动噪等影响,倾斜角度时间序列会程非等周期波动的情况。不进行数据的滤波去噪会导致后续预测模型无法应用,而过度滤波会导致数据失真,预测模型结果也因此偏离真实值。因此,本申请提出滤波去噪的方法适配于此类监测数据的真实趋势提取。
一种可行的实施方式中,上述步骤S23的过程可以包括:
基于滤波去噪数据,分别确定多维度倾斜角度变化量阶跃过程中的最大阶跃速度,并以多维度倾斜角度变化量加速上升过程中,倾斜角度变化速度在至范围内的时间历程数据作为基础数据,建立倾斜角度变化速度预测方程与倾斜角度变化速度倒数预测方程。
其中,满足方程的条件为:将累计倾斜角度变化量时间序列,通过方程进行拟合,得到的拟合方程的拟合相关性系数大于0.85。
举例来说,根据获得的累计倾斜角度变化量的时间序列进行拟合,得到拟合方程,计算该拟合方程与预设的标准方程的拟合相关性系数,若该拟合相关性系数大于0.85,则获取的累计倾斜角度变化量的时间序列满足对应的方程。
可选地,倾斜角度变化速度预测方程的建立过程可以包括:
一种可行的实施方式中,上述步骤S24可以包括:
本申请中,预测基础数据的选择需在倾斜角度加速上升过程中在至时间范围,是在倾斜角度阶跃过程中的最大速度,这是在实例统计中发现含陡倾结构面危岩体倾斜角度时间曲线仅包含平稳、阶跃与加速上升的特征分析得到的。而预测基础数据选择时间段在之前,会导致模型失效,而预测基础数据选择倾斜角度变化速度在至范围内的多维度累计倾斜角度变化量与倾斜角度变化速度时间序列,既保证了两种模型均可使用,也保证了预测分析时段不会过晚,规定了预测基础数据选择时间段,使不同危岩体的倾角曲线都有相同的计算区域,使预报值不受人为影响而导致结果不同。
根据实际监测数据的分析表明,危岩体倾斜角度累计变化量在加速阶段成类对数上升趋势,而在速度大于后,速度倒数成近似线性趋势,但仅靠某一预测方程会导致预测的可靠性不足,尤其是模型可能会导致预测时间偏晚,但一味的将预测模型复杂化不利于现场的实际应用,所以在本申请中提出了“临崩预测时间区间”的概念,利用两种相对简洁的预测方程得到更加可靠的崩塌时间范围,可以为专业技术人员做出预警响应提供方便且科学的依据。
本发明实施例中,克服了现有位移预测方法应用在危岩体中无法实际应用的缺点,具有操作计算简便,预测结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、水利水电、露天矿山等工程边坡的含陡倾裂隙危岩体的崩塌时间预测。
如图8所示,本发明实施例提供了一种含陡倾裂隙危岩体临崩时间区间预测装置800,该装置800应用于实现含陡倾裂隙危岩体临崩时间区间预测方法,该装置800包括:
获取模块810,用于采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据。
滤波去噪模块820,用于采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪。
数据集建立模块830,用于基于滤波去噪后的数据,筛选建立预测方程的基础数据集。
方程建立模块840,用于基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程。
区间预测模块850,用于基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。
可选地,获取模块810,进一步用于:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。
可选地,滤波去噪模块820,进一步用于:
分别计算长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
可选地,数据集建立模块830,进一步用于:
基于滤波去噪后的数据,分别确定多维度累计倾斜角度变化量阶跃过程中的最大阶跃速度,并以多维度累计倾斜角度变化量加速上升过程中,倾斜角度变化速度在至范围内的多维度累计倾斜角度变化量与倾斜角度变化速度时间序列作为基础数据集;其中,最大阶跃速度指多个倾斜角度变化量阶跃过程中的最大倾斜角度变化速度。
可选地,方程建立模块840,进一步用于:
可选地,区间预测模块850,进一步用于:
本发明实施例中,克服了现有位移预测方法应用在危岩体中无法实际应用的缺点,具有操作计算简便,预测结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、水利水电、露天矿山等工程边坡的含陡倾裂隙危岩体的崩塌时间预测。
图9是本发明实施例提供的一种电子设备900的结构示意图,该电子设备900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)901和一个或一个以上的存储器902,其中,存储器902中存储有至少一条指令,至少一条指令由处理器901加载并执行以实现下述含陡倾裂隙危岩体临崩时间区间预测方法:
S1、采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据。
S2、基于长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪。
S3、基于滤波去噪后的数据,筛选建立预测方程的基础数据集。
S4、基于基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程。
S5、基于累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述含陡倾裂隙危岩体临崩时间区间预测方法。例如,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种含陡倾裂隙危岩体临崩时间区间预测方法,其特征在于,所述方法包括:
S1、采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据;
S2、基于所述长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪;
S3、基于滤波去噪后的数据,筛选建立预测方程的基础数据集;
S4、基于所述基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程;
S5、基于所述累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间;
所述基于所述基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程的过程包括:
2.根据权利要求1所述的方法,其特征在于,所述S1中的采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据包括:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于所述MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得危岩体多维度倾斜角度的长期监测数据。
3.根据权利要求1所述的方法,其特征在于,所述S2中的基于所述长期监测数据,采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪包括:
分别计算所述长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对所述多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到所述危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
6.根据权利要求1所述的方法,其特征在于,所述S5中的基于所述累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,计算得到临崩时间预测区间包括:
基于累计倾斜角度变化量预测方程,计算得到第一临崩时间预测结果,取所述第一临崩时间预测结果中的最小值,记为预测结果I;
基于倾斜角度变化速度倒数预测方程,计算得到第二临崩时间预测结果,取所述第二临崩时间预测结果中的最小值,记为预测结果II;
基于所述预测结果I及预测结果II,得到临崩时间预测区间。
7.一种含陡倾裂隙危岩体临崩时间区间预测装置,其特征在于,所述装置包括:
获取模块,用于采用微机电系统MEMS倾斜角度传感器获取危岩体多维度倾斜角度的长期监测数据;
滤波去噪模块,用于采用双准则凸优化经验模态分解EMD滤波算法对危岩体多维度累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪;
数据集建立模块,用于基于滤波去噪后的数据,筛选建立预测方程的基础数据集;
方程建立模块,用于基于所述基础数据集,建立累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程;
区间预测模块,用于基于所述累计倾斜角度变化量预测方程与倾斜角度变化速度倒数预测方程,得到临崩时间预测区间;
所述方程建立模块,进一步用于:
8.根据权利要求7所述的装置,其特征在于,所述获取模块,进一步用于:
配置微机电系统MEMS倾斜角度传感器的数据采集、计算、传输机制,基于所述MEMS倾斜角度传感器对危岩体多维度倾斜角度进行长期监测,获得所述危岩体多维度倾斜角度的长期监测数据。
9.根据权利要求7所述的装置,其特征在于,所述滤波去噪模块,进一步用于:
分别计算所述长期监测数据中的多维度累计倾斜角度变化量与倾斜角度变化速度,并采用EMD滤波算法对所述多维度累计倾斜角度变化量与倾斜角度变化速度中的每个维度的累计倾斜角度变化量与倾斜角度变化速度进行滤波去噪,得到所述危岩体多维度累计倾斜角度变化量与倾斜角度变化速度的滤波去噪数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210012862.0A CN114037190B (zh) | 2022-01-07 | 2022-01-07 | 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210012862.0A CN114037190B (zh) | 2022-01-07 | 2022-01-07 | 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114037190A CN114037190A (zh) | 2022-02-11 |
CN114037190B true CN114037190B (zh) | 2022-04-29 |
Family
ID=80147430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210012862.0A Active CN114037190B (zh) | 2022-01-07 | 2022-01-07 | 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037190B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013035B (zh) * | 2023-02-02 | 2024-06-25 | 中铁第一勘察设计院集团有限公司 | 崩塌地质灾害的预警方法、装置及电子设备 |
CN116956629B (zh) * | 2023-08-08 | 2024-03-19 | 北京中关村智连安全科学研究院有限公司 | 一种拉裂型边坡危岩体崩塌时间长期预测方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597149A (zh) * | 2019-10-10 | 2019-12-20 | 中国地质环境监测院 | 一种交互式耦合多维度智能崩塌落石监测系统及方法 |
CN112927478A (zh) * | 2020-12-30 | 2021-06-08 | 广州翰南工程技术有限公司 | 一种地质灾害普适型监测预警系统 |
CN113761744A (zh) * | 2021-09-07 | 2021-12-07 | 四川中科数微科技有限公司 | 一种基于倾角突变的斜坡失稳时间预测方法 |
-
2022
- 2022-01-07 CN CN202210012862.0A patent/CN114037190B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597149A (zh) * | 2019-10-10 | 2019-12-20 | 中国地质环境监测院 | 一种交互式耦合多维度智能崩塌落石监测系统及方法 |
CN112927478A (zh) * | 2020-12-30 | 2021-06-08 | 广州翰南工程技术有限公司 | 一种地质灾害普适型监测预警系统 |
CN113761744A (zh) * | 2021-09-07 | 2021-12-07 | 四川中科数微科技有限公司 | 一种基于倾角突变的斜坡失稳时间预测方法 |
Non-Patent Citations (2)
Title |
---|
Slope disaster monitoring and early warning system based on 3D-MEMS and NB-IoT;Mowen Xie,et al.;《2019 IEEE 4th Advanced Information Technology, Electronic and Automation Control Conference》;20191222;90-94 * |
基于灰色突变理论的块裂岩质边坡崩塌时间预测;田卿燕等;《华南理工大学学报(自然科学版)》;20091215(第12期);122-126 * |
Also Published As
Publication number | Publication date |
---|---|
CN114037190A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114037190B (zh) | 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 | |
Ubertini et al. | Assessment of a monumental masonry bell-tower after 2016 Central Italy seismic sequence by long-term SHM | |
Ferry et al. | Mercator global Eddy permitting ocean reanalysis GLORYS1V1: Description and results | |
US20170363504A1 (en) | System and method for determining the risk of failure of a structure | |
Kohout et al. | A device for measuring wave-induced motion of ice floes in the Antarctic marginal ice zone | |
US9310517B2 (en) | Method and system for determining accuracy of a weather prediction model | |
CN106482917B (zh) | 一种斜拉桥主梁动态挠度的检测方法 | |
CN112834193B (zh) | 一种基于三维图的运营桥梁振动和健康状态异常预警方法 | |
CN105074503B (zh) | 地震预测装置 | |
CN107807381B (zh) | 基于岩体破裂微震波活动规律的边坡失稳风险的动态监测方法及装置 | |
CN114485788B (zh) | 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 | |
KR102209749B1 (ko) | 지진가속도 시간이력 생성 방법 및 장치 | |
CN110852542A (zh) | 一种道路平整度的计算方法及系统 | |
Pereira et al. | Modal identification of concrete dams under natural excitation | |
CN106772697A (zh) | 云海自然景观预报方法及系统 | |
CN117473263A (zh) | 一种桥梁振动监测的频率与阻尼比自动识别方法和系统 | |
Nassar et al. | INS and INS/GPS accuracy improvement using autoregressive (AR) modeling of INS sensor errors | |
Shen et al. | Traffic velocity prediction using GPS data: IEEE ICDM contest task 3 report | |
RU2650779C1 (ru) | Способ контроля движения наблюдаемого с космического аппарата ледника | |
CN105404708A (zh) | 基于实测加速度的大跨度桥梁结构外界时段激励评价方法 | |
CN113366344A (zh) | 雨水传感器 | |
JP2004239901A (ja) | 地震の予知方法、地震の予知システム、地震の予知プログラム及び記録媒体 | |
CN117098977A (zh) | 用于确定结构失效风险的系统和方法 | |
CN110531444B (zh) | 数值天气预报模式的误差来源确定方法及装置 | |
JP2018159631A (ja) | 構造物解析装置、構造物解析システムおよび構造物解析方法 |
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 |