CN114333249A - 滑坡预警方法和装置 - Google Patents
滑坡预警方法和装置 Download PDFInfo
- Publication number
- CN114333249A CN114333249A CN202210042826.9A CN202210042826A CN114333249A CN 114333249 A CN114333249 A CN 114333249A CN 202210042826 A CN202210042826 A CN 202210042826A CN 114333249 A CN114333249 A CN 114333249A
- Authority
- CN
- China
- Prior art keywords
- early warning
- landslide
- data
- rainfall
- type
- 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
Images
Abstract
本发明提供了一种滑坡预警方法和装置。其中,该方法包括:获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据;将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;基于预警类型进行预警操作。该方式中,可以获取设置于滑坡监测点的传感器采集的包括降雨量数据、地下水位数据和裂缝数据的监测数据,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;并且基于预警类型进行预警操作。可以提高滑坡预警的精度,实现实时监测和实时预警。
Description
技术领域
本发明涉及灾害预警的技术领域,尤其是涉及一种滑坡预警方法和装置。
背景技术
滑坡是给人们生产生活造成巨大损失的重要地质灾害类型之一,其作为自然界普遍存在的一种地质现象,通常表现为自然边坡或人工边坡在外界环境的影响下发生变形,并在外界环境条件触发时发生的整体滑动。降雨是边坡失稳的主要诱发因素,当前对于因降雨因素导致的边坡失稳机理的普遍认知为:降雨入渗使得边坡体内的地下水潜水面升高,滑面处岩体软化,从而降低边坡稳定性,导致滑坡下滑。调查显示:天然边坡失稳以及公路、铁路、尾矿库等开挖边坡的失稳多发生在雨季,降雨历时、降雨量、降雨强度以及降雨形式等因素对滑坡的发生具有重要的影响。
目前,研究降雨影响滑坡的方法主要有两种,一是集于无限边坡算法的室内外试验、数值模拟,以此作为滑坡预警依据;二是根据记录的降雨导致滑坡灾害的事件,通过统计学方法建立降雨与滑坡之间的经验性降雨阈值或建立概率预报模型。上述两种方法较多依赖气象监测数据,或对试验精度要求较高,研究难度大、精度偏低,不能很好地实现滑坡的实时监测和及时预警。
发明内容
有鉴于此,本发明的目的在于提供一种滑坡预警方法和装置,以提高滑坡预警的精度,实现实时监测和实时预警。
第一方面,本发明实施例提供了一种滑坡预警方法,方法包括:获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据;将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;基于预警类型进行预警操作。
在本发明的较佳实施例中,上述传感器设置于滑坡监测点的强形变区、主轴线和裂缝部位;传感器包括:位移监测终端、雨量传感器、裂缝传感器、水位计、孔隙水压力计。
在本发明的较佳实施例中,上述获取设置于滑坡监测点的传感器采集的监测数据的步骤之后,方法还包括:剔除监测数据中的异常数据。
在本发明的较佳实施例中,上述将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型的步骤,包括:将监测数据输入预先设置的滑坡灾害预警模型;滑坡灾害预警模型基于降雨量数据确定滑坡的预警类型是否为第一预警;滑坡灾害预警模型基于地下水位数据确定滑坡的预警类型是否为第二预警或第三预警;滑坡灾害预警模型基于裂缝数据确定滑坡的预警类型。
在本发明的较佳实施例中,上述滑坡灾害预警模型基于降雨量数据确定滑坡的预警类型是否为第一预警的步骤,包括:滑坡灾害预警模型基于降雨量数据确定当前时刻的前N小时的第一降雨量,以及当前时刻的前M天的第二降雨量;其中,N大于0,M大于0;如果第一降雨量大于预设的第一阈值,或者第二降雨量大于预设的第二阈值,确定滑坡的预警类型为第一预警。
在本发明的较佳实施例中,上述滑坡灾害预警模型基于地下水位数据确定滑坡的预警类型是否为第二预警或第三预警的步骤,包括:滑坡灾害预警模型基于地下水位数据确定滑坡的地下水位和地下水位的稳定性系数;如果地下水位大于预设的第三阈值,或者地下水位的稳定性系数小于预设的第四阈值,确定滑坡的预警类型为第二预警;如果地下水位大于第三阈值,并且地下水位的稳定性系数小于第四阈值,确定滑坡的预警类型为第三预警。
在本发明的较佳实施例中,上述滑坡灾害预警模型基于裂缝数据确定滑坡的预警类型的步骤,包括:滑坡灾害预警模型基于裂缝数据确定滑坡的当日形变量、累计形变量和裂缝变形速率;基于当日形变量、累计形变量和裂缝变形速率确定滑坡的预警类型。
在本发明的较佳实施例中,上述滑坡为降雨型滑坡。
第二方面,本发明实施例还提供一种滑坡预警装置,装置包括:监测数据获取模块,用于获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据;预警类型确定模块,用于将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;预警操作执行模块,用于基于预警类型进行预警操作。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种滑坡预警方法和装置,可以获取设置于滑坡监测点的传感器采集的包括降雨量数据、地下水位数据和裂缝数据的监测数据,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;并且基于预警类型进行预警操作。可以提高滑坡预警的精度,实现实时监测和实时预警。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种滑坡预警方法的流程图;
图2为本发明实施例提供的另一种滑坡预警方法的流程图;
图3为本发明实施例提供的一种地下水位大致变动情况的示意图;
图4为本发明实施例提供的一种地表裂缝位移阶段及预警的示意图;
图5为本发明实施例提供的一种滑坡预警装置的结构示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,滑坡是给人们生产生活造成巨大损失的重要地质灾害类型之一,其作为自然界普遍存在的一种地质现象,通常表现为自然边坡或人工边坡在外界环境的影响下发生变形,并在外界环境条件触发时发生的整体滑动。降雨是边坡失稳的主要诱发因素,当前对于因降雨因素导致的边坡失稳机理的普遍认知为:降雨入渗使得边坡体内的地下水潜水面升高,滑面处岩体软化,从而降低边坡稳定性,导致滑坡下滑。调查显示:天然边坡失稳以及公路、铁路、尾矿库等开挖边坡的失稳多发生在雨季,降雨历时、降雨量、降雨强度以及降雨形式等因素对滑坡的发生具有重要的影响。
研究降雨影响滑坡的方法主要有两种,一是集于无限边坡算法的室内外试验、数值模拟,以此作为滑坡预警依据;二是根据记录的降雨导致滑坡灾害的事件,通过统计学方法建立降雨与滑坡之间的经验性降雨阈值或建立概率预报模型。上述两种方法较多依赖气象监测数据,或对试验精度要求较高,研究难度大、精度偏低,不能很好地实现滑坡的实时监测和及时预警。基于此,本发明实施例提供一种滑坡预警方法和装置,具体涉及一种基于多层级指标的降雨型滑坡监测预警方法,可以通过时序降雨量、地下水位和GNSS(GlobalNavigation Satellite System,全球导航卫星系统)位移监测数据,进行滑坡灾害的监测与预警,旨在为现代物联网滑坡灾害监测提供数据辅助,并对同类型单体滑坡灾害发生进行预警预报。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种滑坡预警方法进行详细介绍。
实施例一:
本发明实施例提供一种滑坡预警方法,参见图1所示的一种滑坡预警方法的流程图,该滑坡预警方法包括如下步骤:
步骤S102,获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据。
本发明实施例中的监测数据可以由设置于滑坡监测点的传感器采集,具体地,传感器可以设置于滑坡监测点的强形变区、主轴线和裂缝部位;传感器包括:位移监测终端、雨量传感器、裂缝传感器、水位计、孔隙水压力计。本发明实施例中的滑坡可以为降雨型滑坡,本实施例可以对降雨型滑坡进行预警。
步骤S104,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型。
将监测数据输入预先设置的滑坡灾害预警模型,滑坡灾害预警模型可以根据降雨量数据、地下水位数据和裂缝数据分别进行预警,可以根据单体地质灾害的类型及特点,进行多维度、多参数甄别,生成传感器预警信息,再通过多传感器预警信息的级别进行组合,形成对监测点的预警级别的判断模型,提高预警信息的准确性。
例如,一是根据即时雨量和连续降雨量综合判断雨量值是否超过预警阈值范畴,触发二级水位分析预警;二是根据地下水位及其上涨速率综合判断是否超过预警阈值范畴;三是综合雨量和地下水位信息,以地表裂缝位移为主要依据,判断并确定预警等级(即预警类型)。
步骤S106,基于预警类型进行预警操作。
在确定预警类型之后可以执行响应的预警操作,例如:发送推送、电话预警等。
本发明实施例提供的一种滑坡预警方法,可以获取设置于滑坡监测点的传感器采集的包括降雨量数据、地下水位数据和裂缝数据的监测数据,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;并且基于预警类型进行预警操作。可以提高滑坡预警的精度,实现实时监测和实时预警。
实施例二:
本发明实施例提供另一种滑坡预警方法,该方法在上述实施例提供的方法的基础上执行;参见图2所示的另一种滑坡预警方法的流程图,该滑坡预警方法包括如下步骤:
步骤S202,获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据。
本发明实施例中可以首先滑坡灾害点位及其影响因素。根据区域地质灾害调查结果,确定滑坡的位置及滑坡类型(降雨型滑坡、重力型滑坡等),调取灾害点附近的地形地貌、地层岩性、水文地质、地质环境、气象数据、人类工程建设活动等资料,定性分析滑坡点的主要影响因素。同时,针对部分隐患点开展必要的补充调查。
之后可以现场踏勘,布置监测设备仪器。依据前期资料调查分析,结合现场地形地貌特征、通视条件、灾害类型,开展实地踏勘工作,初步确定监测项目、监测网点和监测精度;通过对现场踏勘资料的分析论证,确定监测方法和精度要求,监测设备选型和技术要求,具体监测点位与监测设备,变形破坏或活动判据与预警阈值设定,启动相应的工程建设活动。降雨型滑坡隐患点监测,主要监测指标包括降雨量、地下水位、变形、位移、土壤含水量等指标的动态变化,主要仪器有GNSS位移监测终端、雨量传感器、裂缝传感器、水位计、孔隙水压力计等设备仪器。监测点和监测设备主要沿强形变区、主轴线、重要裂缝关键部位等重要部位剖面布设。
步骤S204,剔除监测数据中的异常数据。
获取监测数据之后可以进行预处理。根据监测业务需求,构建统一的、覆盖全面的数据存储、管理、应用和服务平台,以滑坡灾害点为单位,统一采集、存储监测点建设的传感器采集的数据,然后传输至数据预处理模块,完成异常数据的清洗。
步骤S206,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型。
具体地,可以通过下述步骤将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型:将监测数据输入预先设置的滑坡灾害预警模型;滑坡灾害预警模型基于降雨量数据确定滑坡的预警类型是否为第一预警;滑坡灾害预警模型基于地下水位数据确定滑坡的预警类型是否为第二预警或第三预警;滑坡灾害预警模型基于裂缝数据确定滑坡的预警类型。
例如,滑坡灾害预警模型基于降雨量数据确定当前时刻的前N小时的第一降雨量,以及当前时刻的前M天的第二降雨量;其中,N大于0,M大于0;如果第一降雨量大于预设的第一阈值,或者第二降雨量大于预设的第二阈值,确定滑坡的预警类型为第一预警。
根据单体地质灾害的类型及特点,进行多维度、多参数甄别,生成传感器预警信息,再通过多传感器预警信息的级别进行组合,形成对监测点的预警级别的判断模型,提高预警信息的准确性。
单体降雨型滑坡预警模型:一是根据即时雨量和连续降雨量综合判断雨量值是否超过预警阈值范畴,触发二级水位分析预警;二是根据地下水位及其上涨速率综合判断是否超过预警阈值范畴;三是综合雨量和地下水位信息,以地表裂缝位移为主要依据,判断并确定预警等级。
(1)降雨量监测:降雨量监测与预警:研究证明,80%-90%的滑坡复活及形成滑坡现象均与水相关,大多数滑坡灾害都发生在雨季,降雨量、降雨强度、将于类型是诱发滑坡的重要因素。降雨量条件达到以下任意一个条件,则触发滑坡蓝色预警,进入地下水位分析模块。
1)当前时间前N小时,T≥Y。其中,T为降雨量,Y为降雨量预警阈值,阈值根据当地降雨经验进行设置,单位:mm。
2)以当前时刻前3天为例,A×t1+B×t2+C×t3≥Y1,其中,A、B、C分别为每日降雨量所占权重,A+B+C=1。t1为前1天的降雨量,t2为前2天的降雨量,t3为前3天降雨量,Y1为降雨量预警阈值,单位:mm。
又例如,滑坡灾害预警模型基于地下水位数据确定滑坡的地下水位和地下水位的稳定性系数;如果地下水位大于预设的第三阈值,或者地下水位的稳定性系数小于预设的第四阈值,确定滑坡的预警类型为第二预警;如果地下水位大于第三阈值,并且地下水位的稳定性系数小于第四阈值,确定滑坡的预警类型为第三预警。
(2)地下水位监测预警:滑坡地下水位变化至关重要,考虑降雨后水位上涨滞后性,密切收集并上传自发生降雨以来的地下水位监测数据,地下水位变化情况,判断地下水位对滑坡影响的所处阶段。
根据勘察阶段的资料,建立边坡几何模型,采用Geostudio有限元软件对降雨入神条件下边坡饱和-非饱和渗流和稳定性进行模拟分析。结合地下水位、孔隙水压力等监测数据,运用seep/w模块进行稳态、瞬态分析,确定孔隙水压力、地下水位变化规律;然后瞬态分析结果耦合slope/w模块,计算边坡稳定性。
满足以下任一预警条件则触发黄色预警,进入位移分析模块;如同时满足2个条件,则直接触发橙色预警。
1)地下水位超过预警水位,参见图3所示的一种地下水位大致变动情况的示意图,可以看出如果地下水位超过预警水位h,则满足预警条件。
2)由软件计算得出的稳定性系数K,K≤Ki,其中,Ki为经验设定阈值。
边坡稳定性(即稳定性系数K)是一个定量评价概念,从数值上讲是抗滑力和下滑力的比值,当稳定性系数为1时,边坡抗滑力等于下滑力,此时的边坡处于临滑极限状态。设边坡的高为H,展宽为B,边坡系数=B/H,如果这个边坡稳定了,就是这个系数为此点边坡稳定系数。
在边坡稳定计算方法中,通常采用整体的极限平衡方法来进行分析。根据边坡不同破裂面形状而有不同的分析模式。边坡失稳的破裂面形状按土质和成因不同而不同,粗粒土或砂性土的破裂面多呈直线形;细粒土或粘性土的破裂面多为圆弧形;滑坡的滑动面为不规则的折线或圆弧状。
又例如,滑坡灾害预警模型基于裂缝数据确定滑坡的预警类型的步骤,包括:滑坡灾害预警模型基于裂缝数据确定滑坡的当日形变量、累计形变量和裂缝变形速率;基于当日形变量、累计形变量和裂缝变形速率确定滑坡的预警类型。
(3)裂缝位移:裂缝位移计可根据变形量、变形速率、连续变形速率综合判断裂缝值是否超出预警范畴并进行预警等级的判定,本发明实施例监测要素为实时裂缝宽度及累计裂缝宽度。
参见图4所示的一种地表裂缝位移阶段及预警的示意图,图4示出了滑坡监测预警曲线,可以按照以下方式进行预警,满足其中一个条件,则触发预警:当日形变量超过阈值进行预警;前几日累计变形量超过阈值进行预警;连续几日内,每日裂缝变形速率均超过阈值进行预警。
形变量阈值设置根据监测数据所绘制的形变—时间曲线的切线角进行反推得到,切线角阈值划分如图4所示,预警等级可以为:切线角α≈45°,预警级别为注意级,切线角;45°<α<80°,预警级别为警示级;80°<α<85°,预警级别为警戒级;α≥85°,预警级别为警报级。
其中,v为等速变形阶段的位移速率;vi为等速变形阶段内各不同时间段(即监测周期),m为监测次数,ΔSi为某一监测时间段内滑坡位移变化量;v为等速变形阶段的位移速率;Ti为变换后与时间相同量纲的纵坐标值;αi为切线角,ti为某一监测时刻,Δt为ΔSi计算过程中对应的单位时间段;ΔT为单位时间段内Ti的变化量。
步骤S208,基于预警类型进行预警操作。
本发明实施例提供的上述方法,可以确定滑坡灾害点位及其影响因素,现场踏勘,布置监测设备仪器,滑坡灾害监测数据收集与预处理,建降雨型滑坡灾害预警模型,设置判断条件进行预警。该方式中,可以通过时序降雨量、地下水位和GNSS位移监测数据,进行滑坡灾害的监测与预警,旨在为现代物联网滑坡灾害监测提供数据辅助,并对同类型单体滑坡灾害发生进行预警预报。
实施例三:
对应于上述方法实施例,本发明实施例提供了一种滑坡预警装置,如图5所示的一种滑坡预警装置的结构示意图,该装置包括:
监测数据获取模块51,用于获取设置于滑坡监测点的传感器采集的监测数据;其中,监测数据包括:降雨量数据、地下水位数据和裂缝数据;
预警类型确定模块52,用于将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;
预警操作执行模块53,用于基于预警类型进行预警操作。
本发明实施例提供的一种滑坡预警装置,可以获取设置于滑坡监测点的传感器采集的包括降雨量数据、地下水位数据和裂缝数据的监测数据,将监测数据输入预先设置的滑坡灾害预警模型,输出滑坡的预警类型;并且基于预警类型进行预警操作。可以提高滑坡预警的精度,实现实时监测和实时预警。
上述传感器设置于滑坡监测点的强形变区、主轴线和裂缝部位;传感器包括:位移监测终端、雨量传感器、裂缝传感器、水位计、孔隙水压力计。
上述装置还包括:数据预处理模块,用于剔除监测数据中的异常数据。
上述预警类型确定模块,用于将监测数据输入预先设置的滑坡灾害预警模型;滑坡灾害预警模型基于降雨量数据确定滑坡的预警类型是否为第一预警;滑坡灾害预警模型基于地下水位数据确定滑坡的预警类型是否为第二预警或第三预警;滑坡灾害预警模型基于裂缝数据确定滑坡的预警类型。
上述预警类型确定模块,用于滑坡灾害预警模型基于降雨量数据确定当前时刻的前N小时的第一降雨量,以及当前时刻的前M天的第二降雨量;其中,N大于0,M大于0;如果第一降雨量大于预设的第一阈值,或者第二降雨量大于预设的第二阈值,确定滑坡的预警类型为第一预警。
上述预警类型确定模块,用于滑坡灾害预警模型基于地下水位数据确定滑坡的地下水位和地下水位的稳定性系数;如果地下水位大于预设的第三阈值,或者地下水位的稳定性系数小于预设的第四阈值,确定滑坡的预警类型为第二预警;如果地下水位大于第三阈值,并且地下水位的稳定性系数小于第四阈值,确定滑坡的预警类型为第三预警。
上述预警类型确定模块,用于滑坡灾害预警模型基于裂缝数据确定滑坡的当日形变量、累计形变量和裂缝变形速率;基于当日形变量、累计形变量和裂缝变形速率确定滑坡的预警类型。
上述滑坡为降雨型滑坡。
本发明实施例提供的滑坡预警装置,与上述实施例提供的滑坡预警装方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例四:
本发明实施例还提供了一种电子设备,用于运行上述滑坡预警方法;参见图6所示的一种电子设备的结构示意图,该电子设备包括存储器100和处理器101,其中,存储器100用于存储一条或多条计算机指令,一条或多条计算机指令被处理器101执行,以实现上述滑坡预警方法。
进一步地,图6所示的电子设备还包括总线102和通信接口103,处理器101、通信接口103和存储器100通过总线102连接。
其中,存储器100可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100,处理器101读取存储器100中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例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存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述滑坡预警方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的滑坡预警方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和/或电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,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,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种滑坡预警方法,其特征在于,所述方法包括:
获取设置于滑坡监测点的传感器采集的监测数据;其中,所述监测数据包括:降雨量数据、地下水位数据和裂缝数据;
将所述监测数据输入预先设置的滑坡灾害预警模型,输出所述滑坡的预警类型;
基于所述预警类型进行预警操作。
2.根据权利要求1所述的方法,其特征在于,所述传感器设置于所述滑坡监测点的强形变区、主轴线和裂缝部位;所述传感器包括:位移监测终端、雨量传感器、裂缝传感器、水位计、孔隙水压力计。
3.根据权利要求1所述的方法,其特征在于,获取设置于滑坡监测点的传感器采集的监测数据的步骤之后,所述方法还包括:
剔除所述监测数据中的异常数据。
4.根据权利要求1所述的方法,其特征在于,将所述监测数据输入预先设置的滑坡灾害预警模型,输出所述滑坡的预警类型的步骤,包括:
将所述监测数据输入预先设置的滑坡灾害预警模型;
所述滑坡灾害预警模型基于所述降雨量数据确定所述滑坡的预警类型是否为第一预警;
所述滑坡灾害预警模型基于所述地下水位数据确定所述滑坡的预警类型是否为第二预警或第三预警;
所述滑坡灾害预警模型基于所述裂缝数据确定所述滑坡的预警类型。
5.根据权利要求4所述的方法,其特征在于,所述滑坡灾害预警模型基于所述降雨量数据确定所述滑坡的预警类型是否为第一预警的步骤,包括:
所述滑坡灾害预警模型基于所述降雨量数据确定当前时刻的前N小时的第一降雨量,以及当前时刻的前M天的第二降雨量;其中,N大于0,M大于0;
如果所述第一降雨量大于预设的第一阈值,或者所述第二降雨量大于预设的第二阈值,确定所述滑坡的预警类型为第一预警。
7.根据权利要求4所述的方法,其特征在于,所述滑坡灾害预警模型基于所述地下水位数据确定所述滑坡的预警类型是否为第二预警或第三预警的步骤,包括:
所述滑坡灾害预警模型基于所述地下水位数据确定所述滑坡的地下水位和地下水位的稳定性系数;
如果所述地下水位大于预设的第三阈值,或者所述地下水位的稳定性系数小于预设的第四阈值,确定所述滑坡的预警类型为第二预警;
如果所述地下水位大于所述第三阈值,并且所述地下水位的稳定性系数小于所述第四阈值,确定所述滑坡的预警类型为第三预警。
8.根据权利要求4所述的方法,其特征在于,所述滑坡灾害预警模型基于所述裂缝数据确定所述滑坡的预警类型的步骤,包括:
所述滑坡灾害预警模型基于所述裂缝数据确定所述滑坡的当日形变量、累计形变量和裂缝变形速率;
基于所述当日形变量、所述累计形变量和所述裂缝变形速率确定所述滑坡的预警类型。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述滑坡为降雨型滑坡。
10.一种滑坡预警装置,其特征在于,所述装置包括:
监测数据获取模块,用于获取设置于滑坡监测点的传感器采集的监测数据;其中,所述监测数据包括:降雨量数据、地下水位数据和裂缝数据;
预警类型确定模块,用于将所述监测数据输入预先设置的滑坡灾害预警模型,输出所述滑坡的预警类型;
预警操作执行模块,用于基于所述预警类型进行预警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042826.9A CN114333249A (zh) | 2022-01-14 | 2022-01-14 | 滑坡预警方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042826.9A CN114333249A (zh) | 2022-01-14 | 2022-01-14 | 滑坡预警方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114333249A true CN114333249A (zh) | 2022-04-12 |
Family
ID=81026032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210042826.9A Pending CN114333249A (zh) | 2022-01-14 | 2022-01-14 | 滑坡预警方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333249A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115325928A (zh) * | 2022-10-17 | 2022-11-11 | 西北大学 | 一种基于北斗通信的滑坡地表裂缝综合监测系统 |
CN115331394A (zh) * | 2022-08-30 | 2022-11-11 | 重庆地质矿产研究院 | 基于关键参数预测值降低地质灾害预警系统故障率的方法 |
CN115900838A (zh) * | 2023-03-10 | 2023-04-04 | 江西飞尚科技有限公司 | 一种边坡预警方法、系统、计算机设备及可读存储介质 |
CN115938095A (zh) * | 2023-02-22 | 2023-04-07 | 湖北通达数科科技有限公司 | 一种基于集成融合模型的山体滑坡监测预警方法及系统 |
CN116222670A (zh) * | 2023-05-08 | 2023-06-06 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
CN117351659A (zh) * | 2023-12-01 | 2024-01-05 | 四川省华地建设工程有限责任公司 | 一种水文地质灾害监测装置及监测方法 |
JP7466883B1 (ja) | 2024-01-19 | 2024-04-15 | 浙江大学 | 降雨型地滑りモニタリング・早期警報方法とシステム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318058A (zh) * | 2014-09-25 | 2015-01-28 | 航天科工惯性技术有限公司 | 基于雨量监测的泥石流预警方法 |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
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 |
CN109389807A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 蠕变型滑坡智能监测预警系统 |
CN113281742A (zh) * | 2021-06-02 | 2021-08-20 | 西南交通大学 | 一种基于滑坡形变信息和气象数据的sar滑坡预警方法 |
-
2022
- 2022-01-14 CN CN202210042826.9A patent/CN114333249A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318058A (zh) * | 2014-09-25 | 2015-01-28 | 航天科工惯性技术有限公司 | 基于雨量监测的泥石流预警方法 |
KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
CN109389807A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 蠕变型滑坡智能监测预警系统 |
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 |
CN113281742A (zh) * | 2021-06-02 | 2021-08-20 | 西南交通大学 | 一种基于滑坡形变信息和气象数据的sar滑坡预警方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331394A (zh) * | 2022-08-30 | 2022-11-11 | 重庆地质矿产研究院 | 基于关键参数预测值降低地质灾害预警系统故障率的方法 |
CN115331394B (zh) * | 2022-08-30 | 2023-09-01 | 重庆地质矿产研究院 | 基于关键参数预测值降低地质灾害预警系统故障率的方法 |
CN115325928A (zh) * | 2022-10-17 | 2022-11-11 | 西北大学 | 一种基于北斗通信的滑坡地表裂缝综合监测系统 |
CN115325928B (zh) * | 2022-10-17 | 2023-01-31 | 西北大学 | 一种基于北斗通信的滑坡地表裂缝综合监测系统 |
CN115938095A (zh) * | 2023-02-22 | 2023-04-07 | 湖北通达数科科技有限公司 | 一种基于集成融合模型的山体滑坡监测预警方法及系统 |
CN115900838A (zh) * | 2023-03-10 | 2023-04-04 | 江西飞尚科技有限公司 | 一种边坡预警方法、系统、计算机设备及可读存储介质 |
CN116222670A (zh) * | 2023-05-08 | 2023-06-06 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
CN116222670B (zh) * | 2023-05-08 | 2023-07-21 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
CN117351659A (zh) * | 2023-12-01 | 2024-01-05 | 四川省华地建设工程有限责任公司 | 一种水文地质灾害监测装置及监测方法 |
CN117351659B (zh) * | 2023-12-01 | 2024-02-20 | 四川省华地建设工程有限责任公司 | 一种水文地质灾害监测装置及监测方法 |
JP7466883B1 (ja) | 2024-01-19 | 2024-04-15 | 浙江大学 | 降雨型地滑りモニタリング・早期警報方法とシステム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114333249A (zh) | 滑坡预警方法和装置 | |
CN104406623B (zh) | 基于地下水位与位移监测的边坡动态稳定性系数测定方法 | |
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
CN103743441B (zh) | 一种边坡安全的多元耦合在线监测系统及方法 | |
KR101788104B1 (ko) | 극한 강우를 고려한 실시간 산사태 예보 및 경보 시스템 및 방법 | |
CN109493569B (zh) | 滑坡预警方法、装置、计算机设备和存储介质 | |
CN104299367B (zh) | 一种滑坡灾害多级综合监测预警方法 | |
CN114021487B (zh) | 一种山坡崩塌的预警方法、装置、设备及可读存储介质 | |
CN104318103A (zh) | 一种滑坡灾害监测预警降雨阈值判定方法 | |
CN113111595B (zh) | 一种边坡智能预警方法和装置 | |
CN113538861B (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
CN110310021B (zh) | 一种用于基坑监测预警的场地环境与监测点匹配系统 | |
US11783691B1 (en) | Beidou communication-based integrated monitoring system for slope surface crack | |
CN111105600A (zh) | 基于降雨条件下路堑边坡稳定性动态监测预警系统及方法 | |
CN114330144B (zh) | 一种边坡危石预警方法、装置、设备及可读存储介质 | |
Mihalić Arbanas et al. | Application of innovative technologies in landslide research in the area of the City of Zagreb (Croatia, Europe) | |
CN114298549A (zh) | 一种基于大数据的水利安全监测系统及方法 | |
CN115100819B (zh) | 基于大数据分析的滑坡灾害预警方法、装置及电子设备 | |
CN112289006A (zh) | 山体滑坡风险监测预警方法和系统 | |
CN114427885A (zh) | 一种围岩及结构健康安全监测系统 | |
JP2020071138A (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 | |
JP3646726B1 (ja) | 防災事業支援システム | |
Gian et al. | Monitoring of landslides in mountainous regions based on FEM modelling and rain gauge measurements | |
CN109740898B (zh) | 一种道路网络可靠性评估方法、系统、终端及介质 | |
Thiebes et al. | Landslide analysis and integrative early warning-local and regional case studies |
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 |