CN114187744A - 一种滑坡泥石流监测预警方法、设备、系统及介质 - Google Patents
一种滑坡泥石流监测预警方法、设备、系统及介质 Download PDFInfo
- Publication number
- CN114187744A CN114187744A CN202111474878.5A CN202111474878A CN114187744A CN 114187744 A CN114187744 A CN 114187744A CN 202111474878 A CN202111474878 A CN 202111474878A CN 114187744 A CN114187744 A CN 114187744A
- Authority
- CN
- China
- Prior art keywords
- data
- sound wave
- time
- early warning
- monitoring
- 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 129
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000002002 slurry Substances 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims 3
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Evolutionary Biology (AREA)
- Remote Sensing (AREA)
- Computer Graphics (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)
- Alarm Systems (AREA)
Abstract
本发明公开了一种滑坡泥石流监测预警方法、设备、系统及介质,预警方法包括以下步骤:获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。同时基于地貌数据和声波数据实现预警,可降低误判率,预警准确性高。
Description
技术领域
本发明属于滑坡监测技术领域,具体地涉及一种滑坡泥石流监测预警方法、设备、系统及介质。
背景技术
泥石流是指在上去或者其他地形险峻的地区因暴雨或其他自然灾害引发的山体滑坡并携带大量泥沙及十块的洪流,具有突然性以及流速快,流量大,破坏力强的特点,通常会冲毁公路铁路等交通设施、淹没村镇等,造成巨大的损失。
泥石流灾害一般发生突然,前兆现象不明显,突发性泥石流灾害活动强烈,因此,预测预防比较困难,从而造成巨大的损失,在现有技术中,存在对于泥石流灾害的监测识别精度低、效率低以及预警响应慢的问题,因此,急需提供一种泥石流监测预警系统及方法,进而避免泥石流造成的损失。
发明内容
本发明提供一种滑坡泥石流监测预警方法、设备、系统及介质,其可实现滑坡监测,且同时基于地貌数据和声波数据实现预警,可降低误判率,预警准确性高。
本发明通过以下技术方案实现:
本发明第一方面提供一种滑坡泥石流监测预警方法,包括以下步骤:
获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;
对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;
对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;
响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
在一种可能的设计中,所述对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
所述根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度,包括:
对所述实时监控数据中的声波数据进行多维特征提取,得到一包含多个维度特征值的实时特征值组;
将所述实时特征值组中多个维度的特征值分别与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到多个维度的声波相似度;
对所述多个维度的声波相似度进行加权求和,得到声波相似度。
在一种可能的设计中,所述得到声波相似度后,还包括:
响应于当所述声波相似度小于一第一预设阈值时,计算所述监控区域山体滑坡速度和时间。
在一种可能的设计中,响应于所述地貌数据差异大于一第二预设阈值时,计算山体滑坡速度和滑坡达到保护区域的时间。
在一种可能的设计中,所述计算山体滑坡速度和滑坡达到保护区域的时间,包括:
分析模拟所述监控区域的滑体部分,以监控区域所在山体的底部中心为原点建立空间直角坐标系,所述山体的底部中心为山体最高点所在铅锤面、监控区域所在破面最低处所在平面和滑体部分所在山体切面的交汇点,求取纵坡比降;
通过极限平衡法获取滑坡部分的平均半径和安全系数;
根据所述滑坡部分的平均半径、纵坡比降和安全系数计算平均流速;
根据保护区域与所述监控区域的距离和所述平均流速计算滑坡达到保护区域的时间。
在一种可能的设计中,所述获取监控区域的实时监测数据,之前还包括:
确定监控区域的泥质含量、泥浆路径影响系数以及坡面各个凹凸点的声波时差测量值;
根据泥质含量确定每个凹凸点的声波时差上限值,由凹凸点的声波时差上限值、泥浆路径影响系数和凹凸点的声波时差测量值得到各个凹凸点声波时差的校正值;
对各个凹凸点声波时差的校正值进行汇总,由各个凹凸点声波时差的校正值的波幅度和时间,按山体360度方位显示成3D地貌图像;
通过监测区域的视频和/或图片对所述3D地貌图像进行矫正补全,进而对山体进行高分辨率成像,得到仿真3D地貌图。
本发明第二方面提供一种滑坡泥石流监测预警设备,包括依次信号连接的数据获取单元、特征提取单元、声波相似度计算单元、预警单元,所述数据获取单元和所述预警单元之间还连接有地貌数据差异计算单元,
所述数据获取单元用于获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;
所述特征提取单元用于对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
所述声波相似度计算单元用于根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;
所述地貌数据差异计算单元用于对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;
所述预警单元用于响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
本发明第三方面提供一种滑坡泥石流监测预警设备,包括依次通信连接的存储器和控制器,所述存储器上存储有计算机程序,所述控制器用于读取所述计算机程序,执行第一方面及其任一种可能中所述的一种滑坡泥石流监测预警方法。
本发明第四方面提供一种滑坡泥石流监测预警系统,包括用于采集监控区域数据的数据采集单元和根据数据采集单元实现预警的预警单元,所述预警单元为第二方面或第三方面任一所述的滑坡泥石流监测预警设备。
本发明第五方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于:当所述指令在计算机上运行时,执行第一方面及其任一种可能中所述的一种滑坡泥石流监测预警方法。
本发明与现有技术相比,至少具有以下优点和有益效果:
1、本发明同时基于地貌数据和声波数据实现预警,通过将实时的声波数据、地貌数据分别与历史中监控区域未发生滑坡时的声波数据、地貌数据进行比对,当声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,实现告警,该方法可降低误判率,预警准确性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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是本发明预警方法的流程图;
图2是本发明预警设备的原理框图;
图3是山体坡面的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得示例不清楚。
如图1所示,本发明第一方面公开了一种滑坡泥石流监测预警方法,该方法可以但不限于由一预警设备来执行,预警设备可以是软件,或者为软件和硬件的组合,预警设备可以集成在智能移动端、平板、电脑、服务器等智能设备中。具体的,该预警方法包括以下步骤S01~步骤S02。
步骤S01、准备布局阶段。
首先,在监控区域分布监测源,监测员至少有3个,可360旋转,可纵向等距离分布在监测区域,采集监控区域的视频或者图像信息,即地貌数据。
同时在监控区域安装声波传感器,采集监控区域的声波数据。
现场设备安装完成后,在调试成功后,获取上述声波传感器和监测源的数据,以采集该监测区域未发生滑坡泥石流时的历史监测数据。
预警设备通过获取上述监控区域的未发生泥石流时的历史监测数据,并对上述历史监测数据进行处理。
具体的,针对声波数据:对所述历史监测数据中的声波数据进行特征提取,得到一历史特征值组。特征提取时,采用多维特征提取方式,提取声波数据多个维度的特征值,比如声波的长短、频率、横波和纵波。
针对地貌数据,可做以下步骤A-D的处理。
A、确定监测源的位置,通过雷达或者超声波找准监测源各个方位点,确定监控区域的泥质含量、泥浆路径影响系数以及坡面各个凹凸点的声波时差测量值。
B、根据泥质含量确定每个凹凸点的声波时差上限值,由凹凸点的声波时差上限值、泥浆路径影响系数和凹凸点的声波时差测量值得到各个凹凸点声波时差的校正值。凹凸点为山坡坡面凹凸地形的交汇处,如图3所示,A面为坡面,A面上的小黑点即为凹凸点。该步骤中,可采用声波时差上限约束法,如Faust公式法,多参数拟合法。
具体的,可先根据山坡泥质含量n确定每个凹凸点的声波时差上限值为Tmax;
Tmax=n×Ts+(1-n),其中,Ts为凹凸点声波时差测量值;
再由凹凸点的声波时差上限值Tmax、泥浆路径影响系数γ和凹凸点的声波时差测量值得到各个凹凸点声波时差的校正值Tc;
Tc=(Ts-n)/γ。
C、对各个凹凸点声波时差的校正值进行汇总,由各个凹凸点声波时差的校正值的波幅度和时间,按山体360度方位显示成3D地貌图像。
D、通过监测区域的视频和/或图片对所述3D地貌图像进行矫正补全,进而对山体进行高分辨率成像,得到仿真3D地貌图。
步骤S02、实测阶段。
步骤S01中所有现场设备安装调试成功后,且上述步骤完成后,即可对监控区域进行实时监测。具体的,实测阶段包括步骤S021~步骤S024。
步骤S021、获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据。
与步骤S01相同的,获取到现场设备即声波传感器和监测源的数据的实时监测数据,可通过有线或者无线的方式获取,根据实际情况决定即可。实时监测数据中的声波数据和地貌数据均为同一时刻或者一时间段内采集的数据,此处的一时间段对应的时间段较短,譬如10秒、20秒、30秒等。
步骤S022、对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度。
具体的,在该步骤中,先对声波提取声波数据多个维度的特征值,其维度与历史声波的特征提取相同,包括且不限于声波的长短、频率、横波和纵波,此时提取实时特征值组包括多个维度特征值。
再将所述实时特征值组中多个维度的特征值分别与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到多个维度的声波相似度,若实时特征值组中包括声波的长短、频率、横波和纵波,则此时,可得到4个维度的声波相似度。
最后对所述多个维度的声波相似度进行加权求和,得到声波相似度。
步骤S023、对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异。
对监控区域的历史地貌数据和实时地貌数据,进行AI融合,进而计算历史和实时地貌数据中体积大小、方位、坐标等信息的差异。
步骤S024、响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
此处需要说明的是,步骤S022和S023没有先后顺序的限制,可同时进行,也可先后进行,也可先进行步骤S023,再进行S022,其顺序在此不做限定。
通过步骤S022和S023后,得到声波相似度和地貌数据差异值,则可根据两个数据进行数据判定是否进行预警且预警等级。
具体的,预警信息的可根据以下方法:
假设声波相似度为p,第一预设阈值包括α,β,γ,其中α<β<γ。
在地貌数据差异小于第二预设阈值时,比如无差异,若α<p<β,可设置为一级响应,此时可采用现场鸣笛进行预警提示。
在地貌数据差异小于第二预设阈值时,若β<p<γ,可设置为二级响应,此时可在采用现场鸣笛进行预警提示的同时且寻求人工介入,比如,发送短信提示。
在地貌数据差异小于第二预设阈值时,若γ<p,可设置为三级响应,此时可报警鸣笛并倒计时报数、寻求人工介入以及通过信息通知相关部门。
在该步骤中,若地貌数据差异大于一第二预设阈值,比如地貌数据存在差异时,在声波相似度大于一第一预设阈值时,此处的第一预设阈值可以是α,β,γ,此时计算山体滑坡速度和滑坡达到保护区域的时间。
具体的,先对历史监测数据和实时监测数据中的体积大小、方位、坐标等信息进行比对,分析模拟所述监控区域的滑体部分,以监控区域所在山体的底部中心为原点建立空间直角坐标系,所述山体的底部中心为山体最高点所在铅锤面、监控区域所在破面最低处所在平面和滑体部分所在山体切面的交汇点,如图3所示。以建立的直角坐标系为基础,获取滑体部分中心点的坐标,计算滑体部分到山体底部的垂直高度和水平面距离,通过正切函数公式求出纵坡比降。
再通过极限平衡法获取滑坡部分的平均半径HC(m)和安全系数α。极限平衡法包括Spencer法或Morgenstern-Price法。
其次,根据所述滑坡部分的平均半径、纵坡比降和安全系数计算平均流速VC:
最后,根据保护区域与所述监控区域的距离和所述平均流速计算滑坡达到保护区域的时间t:
其中,S表示监测区域与保护区域之间的距离;
纵坡比降=坡面垂直高度H/水平宽度L;θ为坡角度。
在生成预警信息时,可将上述滑坡达到保护区域的时间t发送给相关人员或设备实现预警。
本发明第二方面公开了一种滑坡泥石流监测预警设备,包括依次信号连接的数据获取单元、特征提取单元、声波相似度计算单元、预警单元,所述数据获取单元和所述预警单元之间还连接有地貌数据差异计算单元,
所述数据获取单元用于获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;
所述特征提取单元用于对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
所述声波相似度计算单元用于根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;
所述地貌数据差异计算单元用于对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;
所述预警单元用于响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
本发明第三方面提供一种滑坡泥石流监测预警设备,包括依次通信连接的存储器和控制器,所述存储器上存储有计算机程序,所述控制器用于读取所述计算机程序,执行第一方面及其任一种可能中所述的一种滑坡泥石流监测预警方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-OnlyMemory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和或先进后出存储器(First Input Last Output,FILO)等等;所述控制器可以不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源单元、显示屏和其它必要的部件。
本发明第四方面提供一种滑坡泥石流监测预警系统,包括用于采集监控区域数据的数据采集单元和根据数据采集单元实现预警的预警单元,所述预警单元为第二方面或第三方面任一所述的滑坡泥石流监测预警设备。
在一种可能的设计中,本系统还可包括接收预警信息的终端设备,终端设备可以是便携式智能终端或者是指挥平台等,此时,预警设备还包括与终端设备进行信息交互的信息收发单元。数据采集单元根据第一方面中所述,可以是声波传感器、监控源等。
需要说明的是,第二、第三和第四方面所述的设备和系统,其运行原理详见第一方面的方法部分,在此不做赘述。
本发明第五方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行第一方面及其任一种可能中所述的一种滑坡泥石流监测预警方法。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (9)
1.一种滑坡泥石流监测预警方法,其特征在于,包括以下步骤:
获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;
对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;
对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;
响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
2.根据权利要求1所述的一种滑坡泥石流监测预警方法,其特征在于,所述对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
所述根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度,包括:
对所述实时监控数据中的声波数据进行多维特征提取,得到一包含多个维度特征值的实时特征值组;
将所述实时特征值组中多个维度的特征值分别与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到多个维度的声波相似度;
对所述多个维度的声波相似度进行加权求和,得到声波相似度。
3.根据权利要求1或2所述的一种滑坡泥石流监测预警方法,其特征在于,响应于所述地貌数据差异大于一第二预设阈值时,计算山体滑坡速度和滑坡达到保护区域的时间。
4.根据权利要求3所述的一种滑坡泥石流监测预警方法,其特征在于,所述计算山体滑坡速度和滑坡达到保护区域的时间,包括:
分析模拟所述监控区域的滑体部分,以监控区域所在山体的底部中心为原点建立空间直角坐标系,所述山体的底部中心为山体最高点所在铅锤面、监控区域所在破面最低处所在平面和滑体部分所在山体切面的交汇点,求取纵坡比降;
通过极限平衡法获取滑坡部分的平均半径和安全系数;
根据所述滑坡部分的平均半径、纵坡比降和安全系数计算平均流速;
根据保护区域与所述监控区域的距离和所述平均流速计算滑坡达到保护区域的时间。
5.根据权利要求1所述的一种滑坡泥石流监测预警方法,其特征在于,所述获取监控区域的实时监测数据,之前还包括:
确定监控区域的泥质含量、泥浆路径影响系数以及坡面各个凹凸点的声波时差测量值;
根据泥质含量确定每个凹凸点的声波时差上限值,由凹凸点的声波时差上限值、泥浆路径影响系数和凹凸点的声波时差测量值得到各个凹凸点声波时差的校正值;
对各个凹凸点声波时差的校正值进行汇总,由各个凹凸点声波时差的校正值的波幅度和时间,按山体360度方位显示成3D地貌图像;
通过监测区域的视频和/或图片对所述3D地貌图像进行矫正补全,进而对山体进行高分辨率成像,得到仿真3D地貌图。
6.一种滑坡泥石流监测预警设备,其特征在于:包括依次信号连接的数据获取单元、特征提取单元、声波相似度计算单元、预警单元,所述数据获取单元和所述预警单元之间还连接有地貌数据差异计算单元,
所述数据获取单元用于获取监控区域的实时监测数据,所述实时监测数据包括地貌数据和声波数据;
所述特征提取单元用于对所述实时监测数据中的声波数据进行特征提取,得到一实时特征值组;
所述声波相似度计算单元用于根据实时特征值组与监控区域未发生泥石流时采集的历史声波数据对应的特征值组进行比对,得到声波相似度;
所述地貌数据差异计算单元用于对所述实时监测数据中的地貌数据和监控区域未发生泥石流时采集的地貌数据在仿真3D地貌图中进行融合,计算地貌数据差异;
所述预警单元用于响应于当所述声波相似度小于一第一预设阈值和/或所述地貌数据差异大于一第二预设阈值时,生成预警信息。
7.一种滑坡泥石流监测预警设备,包括依次通信连接的存储器和控制器,所述存储器上存储有计算机程序,其特征在于:所述控制器用于读取所述计算机程序,执行权利要求1-5任一所述的一种滑坡泥石流监测预警方法。
8.一种滑坡泥石流监测预警系统,包括用于采集监控区域数据的数据采集单元和根据数据采集单元实现预警的预警单元,其特征在于:所述预警单元为权利要求6或7任一所述的滑坡泥石流监测预警设备。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于:当所述指令在计算机上运行时,执行权利要求1-5任一所述的一种滑坡泥石流监测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474878.5A CN114187744A (zh) | 2021-12-06 | 2021-12-06 | 一种滑坡泥石流监测预警方法、设备、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474878.5A CN114187744A (zh) | 2021-12-06 | 2021-12-06 | 一种滑坡泥石流监测预警方法、设备、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187744A true CN114187744A (zh) | 2022-03-15 |
Family
ID=80542370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111474878.5A Pending CN114187744A (zh) | 2021-12-06 | 2021-12-06 | 一种滑坡泥石流监测预警方法、设备、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187744A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882676A (zh) * | 2022-07-12 | 2022-08-09 | 云南华尔贝光电技术有限公司 | 基于智能杆的多场景下智能监控预警方法及系统 |
CN116153026A (zh) * | 2022-11-29 | 2023-05-23 | 北京声智科技有限公司 | 地质灾害预警方法、装置、电子设备、系统以及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766513A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流断面平均流速的测算方法 |
CN110927723A (zh) * | 2019-11-11 | 2020-03-27 | 中国地质环境监测院 | 毫米波雷达泥石流智能监测预警系统与方法 |
CN110988130A (zh) * | 2019-12-18 | 2020-04-10 | 成都理工大学 | 一种用于岩质斜坡室内试验损伤识别的测试系统 |
CN111815909A (zh) * | 2020-07-17 | 2020-10-23 | 江苏曌丰智能安防有限公司 | 基于uwb传感定位无线自组网山体滑坡崩塌泥石流监测系统 |
CN113077609A (zh) * | 2021-03-08 | 2021-07-06 | 黑河学院 | 一种基于大数据的自然灾害预警系统及方法 |
-
2021
- 2021-12-06 CN CN202111474878.5A patent/CN114187744A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766513A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流断面平均流速的测算方法 |
CN110927723A (zh) * | 2019-11-11 | 2020-03-27 | 中国地质环境监测院 | 毫米波雷达泥石流智能监测预警系统与方法 |
CN110988130A (zh) * | 2019-12-18 | 2020-04-10 | 成都理工大学 | 一种用于岩质斜坡室内试验损伤识别的测试系统 |
CN111815909A (zh) * | 2020-07-17 | 2020-10-23 | 江苏曌丰智能安防有限公司 | 基于uwb传感定位无线自组网山体滑坡崩塌泥石流监测系统 |
CN113077609A (zh) * | 2021-03-08 | 2021-07-06 | 黑河学院 | 一种基于大数据的自然灾害预警系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882676A (zh) * | 2022-07-12 | 2022-08-09 | 云南华尔贝光电技术有限公司 | 基于智能杆的多场景下智能监控预警方法及系统 |
CN114882676B (zh) * | 2022-07-12 | 2022-11-01 | 云南华尔贝光电技术有限公司 | 基于智能杆的多场景下智能监控预警方法及系统 |
CN116153026A (zh) * | 2022-11-29 | 2023-05-23 | 北京声智科技有限公司 | 地质灾害预警方法、装置、电子设备、系统以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6831414B2 (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
KR101933216B1 (ko) | 드론과 공간정보를 이용한 하천지형정보 생성 방법 | |
Austin et al. | Rip current prediction: development, validation, and evaluation of an operational tool | |
CN114187744A (zh) | 一种滑坡泥石流监测预警方法、设备、系统及介质 | |
CN110009037B (zh) | 一种基于物理信息耦合的工程风速短时预测方法及系统 | |
Gesch | Consideration of vertical uncertainty in elevation-based sea-level rise assessments: Mobile Bay, Alabama case study | |
CN114021487B (zh) | 一种山坡崩塌的预警方法、装置、设备及可读存储介质 | |
Chmielewski et al. | Estimating outdoor advertising media visibility with voxel-based approach | |
Wedajo | LiDAR DEM Data for flood mapping and assessment; opportunities and challenges: A Review | |
KR102319145B1 (ko) | 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치 | |
CN113432549B (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
CN112132144A (zh) | 一种基于遥感图像的无人机航线撞地风险评估方法 | |
JP6806396B1 (ja) | 災害予測システム、および災害予測方法 | |
JP6945755B1 (ja) | 解析装置および解析方法 | |
CN116434485A (zh) | 基于多维度气象数据的灾害预警方法、系统、设备及介质 | |
CN103778633B (zh) | 确定数字高程模型单元网格遮挡的方法及装置 | |
CN114036866A (zh) | 一种城市风况仿真模型的训练方法及装置 | |
Hao et al. | Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR | |
Kaplinski et al. | Channel mapping river miles 29–62 of the Colorado River in grand canyon National Park, Arizona, May 2009 | |
KR101527806B1 (ko) | 3차원 정보를 이용한 최단거리 산출 및 우회 경로 검색 시스템 및 방법 | |
CN115493657B (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
CN115457739A (zh) | 一种地质灾害预警方法、装置、电子设备及存储介质 | |
KR20230119483A (ko) | 월파 예측 시뮬레이션 시스템 및 이를 이용한 예측 방법 | |
CN114943809A (zh) | 一种地图模型的生成方法、装置及存储介质 | |
Sharma et al. | An ensemble learning–based experimental framework for smart landslide detection, monitoring, prediction, and warning in IoT-cloud environment |
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 |