CN115035256B - 一种尾矿库事故隐患及风险演化方法及系统 - Google Patents
一种尾矿库事故隐患及风险演化方法及系统 Download PDFInfo
- Publication number
- CN115035256B CN115035256B CN202210487890.8A CN202210487890A CN115035256B CN 115035256 B CN115035256 B CN 115035256B CN 202210487890 A CN202210487890 A CN 202210487890A CN 115035256 B CN115035256 B CN 115035256B
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- satellite remote
- target
- sensing image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000002699 waste material Substances 0.000 title claims description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000012502 risk assessment Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 14
- 239000000178 monomer Substances 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000013058 risk prediction model Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000011439 discrete element method Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000008595 infiltration Effects 0.000 claims description 3
- 238000001764 infiltration Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种尾矿库事故隐患及风险演化方法及系统，其方法包括：获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据，调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果，根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。通过综合地评估出目标尾矿库的宏观隐患和风险可以全面地对目标尾矿库进行安全评估，提高了评估准确性，将外界不可控因素考虑在内有效地进行预测预警，提高了实用性。
Description
技术领域
本发明涉及矿库管控技术领域，尤其涉及一种尾矿库事故隐患及风险演化方法及系统。
背景技术
尾矿库存在洪水漫顶、溃坝等多种事故风险，是非煤矿山安全生产领域的重点监管对象，较多问题目前尚未得到解决，于是科学家们研发出了线上监控系统来多维度地监控尾矿库的基础数据、工作参数从而判断其风险和隐患，但是上述方法存在以下问题：单纯地通过监控尾矿库的基础数据、工作参数无法评估出由于外界不可控因素对尾矿库的风险和隐患威胁从而无法对尾矿库进行全面地风险隐患预测预警进而造成安全事故的发生，对尾矿库工作人员的生命安全造成了极大的威胁。
发明内容
针对上述所显示出来的问题，本发明提供了一种尾矿库事故隐患及风险演化方法及系统用以解决背景技术中提到的单纯地通过监控尾矿库的基础数据、工作参数无法评估出由于外界不可控因素对尾矿库的风险和隐患威胁从而无法对尾矿库进行全面地风险隐患预测预警进而造成安全事故的发生，对尾矿库工作人员的生命安全造成了极大的威胁的问题。
一种尾矿库事故隐患及风险演化方法，包括以下步骤：
获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。
优选的，所述获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据，包括：
获取目标尾矿库的设计参数、库区地质和水文参数、尾矿库现状、设备状态数据、尾矿库地形和周边环境数据作为其基础数据；
获取目标尾矿库的干滩、库水位、坝体外部位移、坝体内部位移、浸润线、降雨量作为其在线监测数据；
获取目标尾矿库的后台监测服务器上传的视频监控数据；
获取目标尾矿库的库水位单体倾斜摄影动态信息、干滩单体倾斜摄影动态信息、溢水塔单体倾斜摄影动态信息、初期坝单体倾斜摄影动态信息、下游建筑物单体倾斜摄影动态信息和周边工程单体倾斜摄影动态信息作为其三维倾斜摄影数据。
优选的，所述调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，包括：
接通目标尾矿库所在地理区域的云端数据库；
从所述云端数据库中的地质灾害类型库中调取目标尾矿库所在地理区域的地质灾害易发风险类型数据、地质灾害监测预警数据和地质灾害预警反馈数据作为其地质灾害数据；
从所述云端数据库中的气象数据库中调取目标尾矿库所在地理区域的气象实况数据、气象预测预报数据、气象统计数据和气象预警数据作为其气象数据；
从所述云端数据库中的卫星图像库中调取目标尾矿库所在地理区域的卫星遥感图像并对其进行增强处理以获得其高精度卫星遥感数据。
优选的，所述基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果，包括：
根据所述地质灾害数据和高精度卫星遥感数据以及三维倾斜摄影数据评估出目标尾矿库的风险预警因子；
根据所述风险预警因子对应的风险指标对目标尾矿库进行宏观风险分析，获取第一分析结果；
根据所述目标尾矿库的基础数据、在线监测数据、视频监控数据以及气象数据评估出目标尾矿库的运行隐患参数；
根据所述运行隐患参数对目标尾矿库进行宏观隐患分析，获取第二分析结果，将所述第一分析结果和第二分析结果相结合以获得目标尾矿库的综合分析结果。
优选的，所述根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示，包括：
根据上述数据结合GIS平台构建目标尾矿库的GIS三维模型；
选择目标数值模拟方法，所述目标数值模拟方法包括：有限元法、离散元法及有限元与离散元相结合的耦合方法；
根据目标数值模拟方法对应的算法在GIS三维模型和分析结果中提取参数数值进行计算，获取计算结果；
将所述计算结果在GIS平台上进行可视化展示。
优选的，所述方法还包括：
利用预设语义识别或者相似度匹配算法计算出每个风险预警因子或者运行隐患参数与目标尾矿库溃坝事故原因的相关性指数；
根据所述相关性指数确定目标尾矿库的的高风险因素；
基于所述高风险因素，制定目标尾矿库的防范措施建议表；
将所述防范措施建议表上传至目标尾矿库的云服务器。
优选的，将目标尾矿库的不同时期的高精度卫星遥感数据进行比较以确定目标尾矿库是否存在风险，其步骤包括：
提取不同时期的高精度卫星遥感数据中的光谱信息和空间信息；
对所述光谱信息和空间信息进行特征提取，获取光谱特征和纹理特征；
基于所述光谱特征和纹理特征构建目标尾矿库的遥感解译模型；
通过所述遥感解译模型提取出不同时期的高精度卫星遥感数据中的空间动态数据；
基于卷积神经网络扫描出不同时期的高精度卫星遥感数据中的空间轮廓；
根据空间信息将不同时期的高精度卫星遥感数据对应的卫星影像划分为多个互不重叠的子空间；
将所述空间轮廓和空间动态数据填充到所述子空间中获得不同时期的高精度卫星遥感数据对应的空间视图；
对比不同时期的高精度卫星遥感数据对应的空间视图以确定目标尾矿库是否存在风险。
优选的，所述方法还包括：
确定每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据；
获取每个监测指标数据的生产状态，将生产状态相似的目标监测指标数据进行聚类，获取聚类结果；
根据所述聚类结果对风险预警因子或者运行隐患参数进行相关性分析，获取两两风险预警因子或者两两运行隐患参数之间的相关度；
根据相关度构建风险预警因子或者运行隐患参数的阶梯图；
根据所述阶梯图和每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据以及历史事故案例数据对原始神经模型进行训练，获得目标尾矿库的风险预测模型。
优选的，所述方法还包括：
根据每个风险预警因子或者运行隐患参数对应的危害指标设置风险预测预警等级；
生成每一个预警级别的处理建议；
根据每一个预警级别的处理建议生成目标尾矿库的部门处理预案；
根据每一个预警级别的处理建议和目标尾矿库的部门处理预案以及所述风险预测预警等级构建目标尾矿库的预警模型；
将所述预警模型和所述风险预测模型相关联。
一种尾矿库事故隐患及风险演化系统，该系统包括：
获取模块，用于获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
调取模块，用于调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
分析模块，用于基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
模拟模块，用于根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明所提供的一种尾矿库事故隐患及风险演化方法的工作流程图；
图2为本发明所提供的一种尾矿库事故隐患及风险演化方法的另一工作流程图；
图3为本发明所提供的一种尾矿库事故隐患及风险演化方法的又一工作流程图；
图4为本发明所提供的一种尾矿库事故隐患及风险演化系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
尾矿库存在洪水漫顶、溃坝等多种事故风险，是非煤矿山安全生产领域的重点监管对象，较多问题目前尚未得到解决，于是科学家们研发出了线上监控系统来多维度地监控尾矿库的基础数据、工作参数从而判断其风险和隐患，但是上述方法存在以下问题：单纯地通过监控尾矿库的基础数据、工作参数无法评估出由于外界不可控因素对尾矿库的风险和隐患威胁从而无法对尾矿库进行全面地风险隐患预测预警进而造成安全事故的发生，对尾矿库工作人员的生命安全造成了极大的威胁。为了解决上述问题，本实施例公开了一种尾矿库事故隐患及风险演化方法。
一种尾矿库事故隐患及风险演化方法，如图1所示，包括以下步骤：
步骤S101、获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
步骤S102、调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
步骤S103、基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
步骤S104、根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。
上述技术方案的工作原理为：获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据，调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果，根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。
上述技术方案的有益效果为：通过利用目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据结合尾矿库的基础数据、工作参数来综合地评估出目标尾矿库的宏观隐患和风险可以全面地对目标尾矿库进行安全评估，提高了评估准确性，将外界不可控因素考虑在内有效地进行预测预警，提高了实用性，解决了现有技术中单纯地通过监控尾矿库的基础数据、工作参数无法评估出由于外界不可控因素对尾矿库的风险和隐患威胁从而无法对尾矿库进行全面地风险隐患预测预警进而造成安全事故的发生，对尾矿库工作人员的生命安全造成了极大的威胁的问题。
在一个实施例中，所述获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据，包括：
获取目标尾矿库的设计参数、库区地质和水文参数、尾矿库现状、设备状态数据、尾矿库地形和周边环境数据作为其基础数据；
获取目标尾矿库的干滩、库水位、坝体外部位移、坝体内部位移、浸润线、降雨量作为其在线监测数据；
获取目标尾矿库的后台监测服务器上传的视频监控数据；
获取目标尾矿库的库水位单体倾斜摄影动态信息、干滩单体倾斜摄影动态信息、溢水塔单体倾斜摄影动态信息、初期坝单体倾斜摄影动态信息、下游建筑物单体倾斜摄影动态信息和周边工程单体倾斜摄影动态信息作为其三维倾斜摄影数据。
上述技术方案的有益效果为：多维度地获取每类数据，为后续进行风险和隐患评估奠定了参考条件，同时也可以更加直观地对目标尾矿库进行风险隐患评估，进一步地提高了实用性。
在一个实施例中，所述调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，包括：
接通目标尾矿库所在地理区域的云端数据库；
从所述云端数据库中的地质灾害类型库中调取目标尾矿库所在地理区域的地质灾害易发风险类型数据、地质灾害监测预警数据和地质灾害预警反馈数据作为其地质灾害数据；
从所述云端数据库中的气象数据库中调取目标尾矿库所在地理区域的气象实况数据、气象预测预报数据、气象统计数据和气象预警数据作为其气象数据；
从所述云端数据库中的卫星图像库中调取目标尾矿库所在地理区域的卫星遥感图像并对其进行增强处理以获得其高精度卫星遥感数据。
上述技术方案的有益效果为：通过调取云端数据库中不同库容内的实时数据既可以保证调取数据的准确性又可以快速地实现数据调取工作，提高了工作效率的同时也进一步地提高了实用性。
在本实施例中，上述对卫星遥感图像进行增强处理的步骤包括：
对所述卫星遥感图像进行轮廓检测，获取检测结果；
根据所述检测确定卫星遥感图像的轮廓清晰度；
标记出所述卫星遥感图像中的多个标志性区域，在所述卫星遥感图像中提取出每个标志性区域对应的特征因子；
解析每个标志性区域对应的特征因子的完整性；
根据每个标志性区域对应的特征因子的完整性和卫星遥感图像的轮廓清晰度计算出卫星遥感图像的可见度：
其中，F表示为卫星遥感图像的可见度，Q表示为卫星遥感图像的轮廓清晰度，N表示为标志性区域的数量，i表示为第i个标志性区域，Pi表示为第i个标志性区域对应的特征因子的完整性，Ai表示为第i个标志性区域对应的特征因子的分布密度，α表示为卫星遥感图像的像素灰度系数，β表示为卫星遥感图像的像素优化因子，V表示为卫星遥感图像的阴影质量比，θ表示为卫星遥感图像的分辨率对可见度计算结果的影响因子；
确认所述可见度是否大于等于预设阈值，若是，确认无需对卫星遥感图像进行增强处理，否则，确认需要对所述卫星遥感图像进行增强处理；
对所述卫星遥感图像的像素灰度进行等级划分，获取划分结果；
确认所述划分结果中每个灰度级别在所述卫星遥感图像的像素中出现的概率；
根据每个灰度级别在所述卫星遥感图像的像素中出现的概率计算出卫星遥感图像的图像熵：
其中，E表示为卫星遥感图像的图像熵，M表示为卫星遥感图像的像素灰度划分等级数量，j表示为第j级像素灰度，qj表示为第j级像素灰度在所述卫星遥感图像的像素中出现的概率，log表示为对数，e表示为自然常数，取值为2.72，δ表示为卫星遥感图像的像素分割权重参数；
确认所述图像熵是否大于等于预设熵值，若是，采取局部增强的方式对所述卫星遥感图像进行增强处理，否则，采取全局增强的方式对所述卫星遥感图像进行增强处理。
上述技术方案的有益效果为：通过计算卫星遥感图像可见度可以直观地确定其是否可以用于后续的评估处理，进而可以合理地判断卫星遥感图像的有用与否，提高了工作效率，同时也为是否对卫星遥感图像进行增强处理提供了判断条件，进一步地，通过计算出卫星遥感图像的图像熵可以全方位地确定卫星遥感图像的图像纹理参数熵值是否符合要求进而选择增强处理方式，提高了工作效率的同时也提高了实用性。
在一个实施例中，如图2所示，所述基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果，包括：
步骤S201、根据所述地质灾害数据和高精度卫星遥感数据以及三维倾斜摄影数据评估出目标尾矿库的风险预警因子；
步骤S202、根据所述风险预警因子对应的风险指标对目标尾矿库进行宏观风险分析，获取第一分析结果；
步骤S203、根据所述目标尾矿库的基础数据、在线监测数据、视频监控数据以及气象数据评估出目标尾矿库的运行隐患参数；
步骤S204、根据所述运行隐患参数对目标尾矿库进行宏观隐患分析，获取第二分析结果，将所述第一分析结果和第二分析结果相结合以获得目标尾矿库的综合分析结果。
上述技术方案的有益效果为：可分别从不同数据中分析出目标尾矿库的宏观风险和宏观隐患，从而使得评估结果更加全面和客观以及准确性，进一步地提高了工作效率。
在一个实施例中，如图3所示，所述根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示，包括：
步骤S301、根据上述数据结合GIS平台构建目标尾矿库的GIS三维模型；
步骤S302、选择目标数值模拟方法，所述目标数值模拟方法包括：有限元法、离散元法及有限元与离散元相结合的耦合方法；
步骤S303、根据目标数值模拟方法对应的算法在GIS三维模型和分析结果中提取参数数值进行计算，获取计算结果；
步骤S304、将所述计算结果在GIS平台上进行可视化展示。
上述技术方案的有益效果为：通过以GIS三维模型来进行模拟可以使得模拟结果更加直观和实际，使得工作人员可以直观清晰地了解目标尾矿库的风险和隐患，为其后续决策奠定了基础和参考。
在一个实施例中，所述方法还包括：
利用预设语义识别或者相似度匹配算法计算出每个风险预警因子或者运行隐患参数与目标尾矿库溃坝事故原因的相关性指数；
根据所述相关性指数确定目标尾矿库的的高风险因素；
基于所述高风险因素，制定目标尾矿库的防范措施建议表；
将所述防范措施建议表上传至目标尾矿库的云服务器。
上述技术方案的有益效果为：通过确定目标尾矿库的高风险因素可以获得对目标尾矿库具有最大安全威胁的要素从而针对其生成合理的防范措施建议表，可以最直观的使工作人员了解目标尾矿库面对的最大安全威胁，进一步地提高了实用性以及工作人员的体验感。
在一个实施例中，将目标尾矿库的不同时期的高精度卫星遥感数据进行比较以确定目标尾矿库是否存在风险，其步骤包括：
提取不同时期的高精度卫星遥感数据中的光谱信息和空间信息；
对所述光谱信息和空间信息进行特征提取，获取光谱特征和纹理特征；
基于所述光谱特征和纹理特征构建目标尾矿库的遥感解译模型；
通过所述遥感解译模型提取出不同时期的高精度卫星遥感数据中的空间动态数据；
基于卷积神经网络扫描出不同时期的高精度卫星遥感数据中的空间轮廓；
根据空间信息将不同时期的高精度卫星遥感数据对应的卫星影像划分为多个互不重叠的子空间；
将所述空间轮廓和空间动态数据填充到所述子空间中获得不同时期的高精度卫星遥感数据对应的空间视图；
对比不同时期的高精度卫星遥感数据对应的空间视图以确定目标尾矿库是否存在风险。
上述技术方案的有益效果为：可通过卫星影像对比的方式来初步地评估出目标尾矿库是否存在风险，为后续进行预测预警提供了良好的参考条件，进一步地，通过获取不同时期的高精度卫星遥感数据对应的空间视图可以快速直观地针对空间视图参数比较即可确定目标尾矿库是否存在风险，提高了评估效率和评估准确性。
在一个实施例中，所述方法还包括：
确定每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据；
获取每个监测指标数据的生产状态，将生产状态相似的目标监测指标数据进行聚类，获取聚类结果；
根据所述聚类结果对风险预警因子或者运行隐患参数进行相关性分析，获取两两风险预警因子或者两两运行隐患参数之间的相关度；
根据相关度构建风险预警因子或者运行隐患参数的阶梯图；
根据所述阶梯图和每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据以及历史事故案例数据对原始神经模型进行训练，获得目标尾矿库的风险预测模型。
上述技术方案的有益效果为：通过构建目标尾矿库的风险预测模型可以快速地根据目标尾矿库的参数来进行风险评估，进一步地提高了风险评估准确率以及工作效率。
在一个实施例中，所述方法还包括：
根据每个风险预警因子或者运行隐患参数对应的危害指标设置风险预测预警等级；
生成每一个预警级别的处理建议；
根据每一个预警级别的处理建议生成目标尾矿库的部门处理预案；
根据每一个预警级别的处理建议和目标尾矿库的部门处理预案以及所述风险预测预警等级构建目标尾矿库的预警模型；
将所述预警模型和所述风险预测模型相关联。
上述技术方案的有益效果为：通过设置风险预警等级并生成每一个预警级别的处理建议和部门处理预案可以使得工作人员根据处理建议和部门处理预案快速地进行人员疏散或者其他应急工作，进一步地提高了安全性和工作人员的体验感。
本实施例还公开了一种尾矿库事故隐患及风险演化系统，如图4所示，该系统包括：
获取模块401，用于获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
调取模块402，用于调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
分析模块403，用于基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
模拟模块404，用于根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种尾矿库事故隐患及风险演化方法，其特征在于，包括以下步骤：
获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示；
所述调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，包括：
接通目标尾矿库所在地理区域的云端数据库；
从所述云端数据库中的地质灾害类型库中调取目标尾矿库所在地理区域的地质灾害易发风险类型数据、地质灾害监测预警数据和地质灾害预警反馈数据作为其地质灾害数据；
从所述云端数据库中的气象数据库中调取目标尾矿库所在地理区域的气象实况数据、气象预测预报数据、气象统计数据和气象预警数据作为其气象数据；
从所述云端数据库中的卫星图像库中调取目标尾矿库所在地理区域的卫星遥感图像并对其进行增强处理以获得其高精度卫星遥感数据；
对卫星遥感图像进行增强处理的步骤包括：
对所述卫星遥感图像进行轮廓检测，获取检测结果；
根据所述检测确定卫星遥感图像的轮廓清晰度；
标记出所述卫星遥感图像中的多个标志性区域，在所述卫星遥感图像中提取出每个标志性区域对应的特征因子；
解析每个标志性区域对应的特征因子的完整性；
根据每个标志性区域对应的特征因子的完整性和卫星遥感图像的轮廓清晰度计算出卫星遥感图像的可见度：
其中，F表示为卫星遥感图像的可见度，Q表示为卫星遥感图像的轮廓清晰度，N表示为标志性区域的数量，i表示为第i个标志性区域，
表示为第i个标志性区域对应的特征因子的完整性，
表示为第i个标志性区域对应的特征因子的分布密度，
表示为卫星遥感图像的像素灰度系数，
表示为卫星遥感图像的像素优化因子，
表示为卫星遥感图像的阴影质量比，
表示为卫星遥感图像的分辨率对可见度计算结果的影响因子；
确认所述可见度是否大于等于预设阈值，若是，确认无需对卫星遥感图像进行增强处理，否则，确认需要对所述卫星遥感图像进行增强处理；
对所述卫星遥感图像的像素灰度进行等级划分，获取划分结果；
确认所述划分结果中每个灰度级别在所述卫星遥感图像的像素中出现的概率；
根据每个灰度级别在所述卫星遥感图像的像素中出现的概率计算出卫星遥感图像的图像熵：
其中，E表示为卫星遥感图像的图像熵，M表示为卫星遥感图像的像素灰度划分等级数量，j表示为第j级像素灰度，
表示为第j级像素灰度在所述卫星遥感图像的像素中出现的概率，log表示为对数，e表示为自然常数，取值为2.72，
表示为卫星遥感图像的像素分割权重参数；
确认所述图像熵是否大于等于预设熵值，若是，采取局部增强的方式对所述卫星遥感图像进行增强处理，否则，采取全局增强的方式对所述卫星遥感图像进行增强处理。
2.根据权利要求1所述尾矿库事故隐患及风险演化方法，其特征在于，所述获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据，包括：
获取目标尾矿库的设计参数、库区地质和水文参数、尾矿库现状、设备状态数据、尾矿库地形和周边环境数据作为其基础数据；
获取目标尾矿库的干滩、库水位、坝体外部位移、坝体内部位移、浸润线、降雨量作为其在线监测数据；
获取目标尾矿库的后台监测服务器上传的视频监控数据；
获取目标尾矿库的库水位单体倾斜摄影动态信息、干滩单体倾斜摄影动态信息、溢水塔单体倾斜摄影动态信息、初期坝单体倾斜摄影动态信息、下游建筑物单体倾斜摄影动态信息和周边工程单体倾斜摄影动态信息作为其三维倾斜摄影数据。
3.根据权利要求1所述尾矿库事故隐患及风险演化方法，其特征在于，所述基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果，包括：
根据所述地质灾害数据和高精度卫星遥感数据以及三维倾斜摄影数据评估出目标尾矿库的风险预警因子；
根据所述风险预警因子对应的风险指标对目标尾矿库进行宏观风险分析，获取第一分析结果；
根据所述目标尾矿库的基础数据、在线监测数据、视频监控数据以及气象数据评估出目标尾矿库的运行隐患参数；
根据所述运行隐患参数对目标尾矿库进行宏观隐患分析，获取第二分析结果，将所述第一分析结果和第二分析结果相结合以获得目标尾矿库的综合分析结果。
4.根据权利要求1所述尾矿库事故隐患及风险演化方法，其特征在于，所述根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示，包括：
根据上述数据结合GIS平台构建目标尾矿库的GIS三维模型；
选择目标数值模拟方法，所述目标数值模拟方法包括：有限元法、离散元法及有限元与离散元相结合的耦合方法；
根据目标数值模拟方法对应的算法在GIS三维模型和分析结果中提取参数数值进行计算，获取计算结果；
将所述计算结果在GIS平台上进行可视化展示。
5.根据权利要求3-4任一所述尾矿库事故隐患及风险演化方法，其特征在于，所述方法还包括：
利用预设语义识别或者相似度匹配算法计算出每个风险预警因子或者运行隐患参数与目标尾矿库溃坝事故原因的相关性指数；
根据所述相关性指数确定目标尾矿库的高风险因素；
基于所述高风险因素，制定目标尾矿库的防范措施建议表；
将所述防范措施建议表上传至目标尾矿库的云服务器。
6.根据权利要求1所述尾矿库事故隐患及风险演化方法，其特征在于，将目标尾矿库的不同时期的高精度卫星遥感数据进行比较以确定目标尾矿库是否存在风险，其步骤包括：
提取不同时期的高精度卫星遥感数据中的光谱信息和空间信息；
对所述光谱信息和空间信息进行特征提取，获取光谱特征和纹理特征；
基于所述光谱特征和纹理特征构建目标尾矿库的遥感解译模型；
通过所述遥感解译模型提取出不同时期的高精度卫星遥感数据中的空间动态数据；
基于卷积神经网络扫描出不同时期的高精度卫星遥感数据中的空间轮廓；
根据空间信息将不同时期的高精度卫星遥感数据对应的卫星影像划分为多个互不重叠的子空间；
将所述空间轮廓和空间动态数据填充到所述子空间中获得不同时期的高精度卫星遥感数据对应的空间视图；
对比不同时期的高精度卫星遥感数据对应的空间视图以确定目标尾矿库是否存在风险。
7.根据权利要求3所述尾矿库事故隐患及风险演化方法，其特征在于，所述方法还包括：
确定每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据；
获取每个监测指标数据的生产状态，将生产状态相似的目标监测指标数据进行聚类，获取聚类结果；
根据所述聚类结果对风险预警因子或者运行隐患参数进行相关性分析，获取两两风险预警因子或者两两运行隐患参数之间的相关度；
根据相关度构建风险预警因子或者运行隐患参数的阶梯图；
根据所述阶梯图和每个风险预警因子或者运行隐患参数对应的目标尾矿库的监测指标数据以及历史事故案例数据对原始神经模型进行训练，获得目标尾矿库的风险预测模型。
8.根据权利要求7所述尾矿库事故隐患及风险演化方法，其特征在于，所述方法还包括：
根据每个风险预警因子或者运行隐患参数对应的危害指标设置风险预测预警等级；
生成每一个预警级别的处理建议；
根据每一个预警级别的处理建议生成目标尾矿库的部门处理预案；
根据每一个预警级别的处理建议和目标尾矿库的部门处理预案以及所述风险预测预警等级构建目标尾矿库的预警模型；
将所述预警模型和所述风险预测模型相关联。
9.一种尾矿库事故隐患及风险演化系统，其特征在于，该系统包括：
获取模块，用于获取目标尾矿库的基础数据、在线监测数据、视频监控数据和三维倾斜摄影数据；
调取模块，用于调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据；
分析模块，用于基于上述数据对目标尾矿库进行宏观隐患和风险分析，获取综合分析结果；
模拟模块，用于根据所述分析结果和上述数据对目标尾矿库进行溃坝事故模拟，将模拟结果进行可视化展示；
所述调取模块调取所述目标尾矿库所在地理区域的地质灾害数据、气象数据和高精度卫星遥感数据，包括：
接通目标尾矿库所在地理区域的云端数据库；
从所述云端数据库中的地质灾害类型库中调取目标尾矿库所在地理区域的地质灾害易发风险类型数据、地质灾害监测预警数据和地质灾害预警反馈数据作为其地质灾害数据；
从所述云端数据库中的气象数据库中调取目标尾矿库所在地理区域的气象实况数据、气象预测预报数据、气象统计数据和气象预警数据作为其气象数据；
从所述云端数据库中的卫星图像库中调取目标尾矿库所在地理区域的卫星遥感图像并对其进行增强处理以获得其高精度卫星遥感数据；
对卫星遥感图像进行增强处理的步骤包括：
对所述卫星遥感图像进行轮廓检测，获取检测结果；
根据所述检测确定卫星遥感图像的轮廓清晰度；
标记出所述卫星遥感图像中的多个标志性区域，在所述卫星遥感图像中提取出每个标志性区域对应的特征因子；
解析每个标志性区域对应的特征因子的完整性；
根据每个标志性区域对应的特征因子的完整性和卫星遥感图像的轮廓清晰度计算出卫星遥感图像的可见度：
其中，F表示为卫星遥感图像的可见度，Q表示为卫星遥感图像的轮廓清晰度，N表示为标志性区域的数量，i表示为第i个标志性区域，
表示为第i个标志性区域对应的特征因子的完整性，
表示为第i个标志性区域对应的特征因子的分布密度，
表示为卫星遥感图像的像素灰度系数，
表示为卫星遥感图像的像素优化因子，
表示为卫星遥感图像的阴影质量比，
表示为卫星遥感图像的分辨率对可见度计算结果的影响因子；
确认所述可见度是否大于等于预设阈值，若是，确认无需对卫星遥感图像进行增强处理，否则，确认需要对所述卫星遥感图像进行增强处理；
对所述卫星遥感图像的像素灰度进行等级划分，获取划分结果；
确认所述划分结果中每个灰度级别在所述卫星遥感图像的像素中出现的概率；
根据每个灰度级别在所述卫星遥感图像的像素中出现的概率计算出卫星遥感图像的图像熵：
其中，E表示为卫星遥感图像的图像熵，M表示为卫星遥感图像的像素灰度划分等级数量，j表示为第j级像素灰度，
表示为第j级像素灰度在所述卫星遥感图像的像素中出现的概率，log表示为对数，e表示为自然常数，取值为2.72，
表示为卫星遥感图像的像素分割权重参数；
确认所述图像熵是否大于等于预设熵值，若是，采取局部增强的方式对所述卫星遥感图像进行增强处理，否则，采取全局增强的方式对所述卫星遥感图像进行增强处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210487890.8A CN115035256B (zh) | 2022-05-06 | 2022-05-06 | 一种尾矿库事故隐患及风险演化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210487890.8A CN115035256B (zh) | 2022-05-06 | 2022-05-06 | 一种尾矿库事故隐患及风险演化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115035256A CN115035256A (zh) | 2022-09-09 |
| CN115035256B true CN115035256B (zh) | 2023-01-06 |
Family
ID=83119360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210487890.8A Active CN115035256B (zh) | 2022-05-06 | 2022-05-06 | 一种尾矿库事故隐患及风险演化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115035256B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152361B (zh) * | 2023-10-26 | 2024-01-30 | 天津市滨海新区气象局(天津市滨海新区气象预警中心) | 一种基于注意力机制的遥感影像能见度估计方法 |
| CN117892624A (zh) * | 2024-01-17 | 2024-04-16 | 应急管理部大数据中心 | 基于动态模拟的尾矿库溃坝影响区域的评估方法及系统 |
| CN117953665B (zh) * | 2024-03-27 | 2024-06-18 | 中铁水利水电规划设计集团有限公司 | 一种地质灾害监测预警系统及其预警方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106990128A (zh) * | 2017-04-05 | 2017-07-28 | 北京矿冶研究总院 | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 |
| CN109636151A (zh) * | 2018-11-30 | 2019-04-16 | 四川安信科创科技有限公司 | 基于无人机的尾矿库时空数字化档案建设与风险评价方法 |
| CN109682425A (zh) * | 2019-01-29 | 2019-04-26 | 四川省安全科学技术研究院 | 一种尾矿库风险空天地一体化测控方法 |
| CN110580474A (zh) * | 2019-09-30 | 2019-12-17 | 生态环境部卫星环境应用中心 | 一种基于多源数据的农田重金属高风险区遥感快速识别方法 |
| CN113705127A (zh) * | 2021-08-30 | 2021-11-26 | 北京国信安科技术有限公司 | 尾矿库溃坝风险预估及应急响应方法、装置及电子设备 |
| CN114118677A (zh) * | 2021-10-13 | 2022-03-01 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警系统 |
| CN114413853A (zh) * | 2022-01-14 | 2022-04-29 | 成都鼎安华智慧物联网股份有限公司 | 基于传感器和三维模型的尾矿库监测方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0702819A4 (en) * | 1994-03-08 | 1996-08-14 | Univ Connecticut | METHOD FOR DIGITAL PROCESSING OF PIXEL INTENSITY BY PIXEL IMPROVING THE READABILITY OF IMAGING INFORMATION |
| US10025983B2 (en) * | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
-
2022
- 2022-05-06 CN CN202210487890.8A patent/CN115035256B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106990128A (zh) * | 2017-04-05 | 2017-07-28 | 北京矿冶研究总院 | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 |
| CN109636151A (zh) * | 2018-11-30 | 2019-04-16 | 四川安信科创科技有限公司 | 基于无人机的尾矿库时空数字化档案建设与风险评价方法 |
| CN109682425A (zh) * | 2019-01-29 | 2019-04-26 | 四川省安全科学技术研究院 | 一种尾矿库风险空天地一体化测控方法 |
| CN110580474A (zh) * | 2019-09-30 | 2019-12-17 | 生态环境部卫星环境应用中心 | 一种基于多源数据的农田重金属高风险区遥感快速识别方法 |
| CN113705127A (zh) * | 2021-08-30 | 2021-11-26 | 北京国信安科技术有限公司 | 尾矿库溃坝风险预估及应急响应方法、装置及电子设备 |
| CN114118677A (zh) * | 2021-10-13 | 2022-03-01 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警系统 |
| CN114413853A (zh) * | 2022-01-14 | 2022-04-29 | 成都鼎安华智慧物联网股份有限公司 | 基于传感器和三维模型的尾矿库监测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| "Watch Out for the Tailings Pond, a Sharp Edge Hanging over Our Heads: Lessons Learned and Perceptions from the Brumadinho Tailings Dam Failure Disaster";Deqiang Cheng .etc;《Remote Sensing》;20210502;第13卷(第9期);第1-22页 * |
| "基于纹理特征的高分辨率遥感影像灾害监测应用";王丽涛 等;《灾害学》;20140720;第29卷(第3期);第97-101页 * |
| "大型高尾矿坝灾变机制与防控方法";杨春和 等;《岩土力学》;20210110;第42卷(第1期);第1-17页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115035256A (zh) | 2022-09-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115035256B (zh) | 一种尾矿库事故隐患及风险演化方法及系统 | |
| CN114118677B (zh) | 基于物联网的尾矿库风险监测预警系统 | |
| CN113744395B (zh) | 一种建筑地基沉降的监测预警方法及系统 | |
| CN109738970B (zh) | 基于雷电数据挖掘实现雷电预警的方法、装置和存储介质 | |
| CN113611085B (zh) | 岩土工程中地质灾害的监测预警方法及系统 | |
| CN111445011B (zh) | 一种基于气象和遥感数据的山火预警方法 | |
| CN113192086B (zh) | 地质灾害隐患变形强度分布图的生成方法和存储介质 | |
| CN111062361A (zh) | 一种河湖岸线采砂监测分析的方法及装置 | |
| CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
| CN116109462B (zh) | 一种自然灾害后饮水水源地污染监测预警方法及系统 | |
| KR101937940B1 (ko) | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 | |
| CN109543870B (zh) | 一种基于邻域保持嵌入算法的输电线路杆塔雷击预警方法 | |
| CN118397796A (zh) | 基于评估函数训练的高速公路高边坡滑坡灾害预警方法 | |
| CN115471980B (zh) | 泥石流灾害预警方法 | |
| CN114067535B (zh) | 基于人工智能的地质灾害预警方法、装置及存储介质 | |
| CN111146866A (zh) | 一种输电通道控制方法 | |
| Ibrahim et al. | Landslide’s analysis and Hazard mapping based on ANALYTIC HIERARCHY PROCESS (AHP) using GIS, in Lawas, Sabah-Sarawak | |
| CN118196642A (zh) | 一种地震区滑坡的识别与易发性评价方法 | |
| CN116189010B (zh) | 一种基于卫星图谱的矿山生态识别预警方法及系统 | |
| CN111080080B (zh) | 一种村镇地质灾害风险预估方法及系统 | |
| Aqbelaghi et al. | Environmental approach in modelling of urban growth: Tehran City, Iran | |
| KR102237505B1 (ko) | 지오 클라우드 기반의 실시간 급경사지 공간정보 처리 플랫폼 및 데이터 처리 방법 | |
| Wang et al. | Application of GIS rapid mapping technology in disaster monitoring | |
| Jia et al. | A Rapid Evaluation Method of the Seismic Damage to Buildings Based on UAV Images | |
| Chen et al. | Evaluation of landslide potential due to land use in the slope |
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 |