CN115392137B - 一种基于岩溶塌陷水土耦合作用的三维模拟系统 - Google Patents

一种基于岩溶塌陷水土耦合作用的三维模拟系统 Download PDF

Info

Publication number
CN115392137B
CN115392137B CN202211321937.XA CN202211321937A CN115392137B CN 115392137 B CN115392137 B CN 115392137B CN 202211321937 A CN202211321937 A CN 202211321937A CN 115392137 B CN115392137 B CN 115392137B
Authority
CN
China
Prior art keywords
simulation
karst collapse
data
module
dimensional
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
Application number
CN202211321937.XA
Other languages
English (en)
Other versions
CN115392137A (zh
Inventor
张云峰
刘东义
魏月
于大璐
尚宇宁
谢飞
周波
王延岭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
Original Assignee
No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources filed Critical No 801 Hydrogeological Engineering Geology Brigade of Shandong Bureau of Geology and Mineral Resources
Priority to CN202211321937.XA priority Critical patent/CN115392137B/zh
Publication of CN115392137A publication Critical patent/CN115392137A/zh
Application granted granted Critical
Publication of CN115392137B publication Critical patent/CN115392137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/40—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for geology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geometry (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Paleontology (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于岩溶塌陷水土耦合作用的三维模拟系统，涉及信息处理领域，解决的技术问题是岩溶塌陷模拟数据精度低，采用的技术方案是：一种基于岩溶塌陷水土耦合作用的三维模拟系统，包括中央处理器、数据处理模块、动作命令识别模块、人机操作模块、岩溶塌陷检测模块、告警显示模块、远程无线通讯接口和三维模拟模块。本发明基于大数据分析技术对岩溶塌陷中的各类参数进行集中处理，系统平台采用先进的计算机网络技术、数据库技术、地理信息系统和信息三维可视化技术，建立适用于岩溶塌陷面向空间层次体系的数据结构以及便于不断更新发展的三维模拟系统结构，大大提高了岩溶塌陷模拟数据的精度，为防灾、救灾指挥提供科学依据。

Description

一种基于岩溶塌陷水土耦合作用的三维模拟系统
技术领域
本发明涉及信息处理领域，且更确切地涉及一种基于岩溶塌陷水土耦合作用的三维模拟系统。
背景技术
岩溶地面塌陷是指覆盖在溶蚀洞穴之上的松散土体，在外动力或人为因素作用下产生的突发性地面变形破坏，其结果多形成圆锥形塌陷坑。武汉市所处的地质环境复杂，降雨充沛，加之人类经济工程活动强烈，岩溶地面塌陷、滑坡、崩塌等地质灾害时而发生，其中岩溶地面塌陷已成为武汉市影响最大、危害性最大的地质灾害类型，严重影响了人民群众生命财产安全和城市运行秩序。岩溶探测对切实解决工程难题、指导工程实践、发展岩溶地区工程地质研究理论均有重要的理论和现实意义。
为查清岩溶的空间分布和隐伏情况，除需开展岩溶及岩溶洞穴发育规律的研究外，还应对岩溶塌陷水土耦合作用信息进行综合处理，因此，需要构建三维模拟系统对岩溶塌陷进行模拟。然而，现有技术中绝大部分岩溶塌陷系统对岩溶塌陷探测技术进行不断更新优化，在岩溶塌陷岩溶塌陷模拟数据方面存在数据精度低的问题。
发明内容
针对上述问题，本发明公开一种基于岩溶塌陷水土耦合作用的三维模拟系统，通过获取岩溶塌陷三维数据信息，进而岩溶塌陷水土耦合作用模型的构建，提高了对岩溶塌陷数据的处理能力；
为了实现上述技术效果，本发明采用以下技术方案：
一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：包括：
中央处理器，用于控制岩溶塌陷水土耦合作用的三维模拟系统的操作指令与数据流向，所述中央处理器采用STM32F芯片，所述STM32F芯片包括锁相环电路、复位电路、电压检测电路、调压器和RC振荡器，STM32F芯片结合USB2.0接口从外部存储器读取、解码和输出信号，STM32F芯片使用一个25MHz晶振即可给整个微控制器提供时钟频率；
数据处理模块，通过BLRM算法建立有权无向图映射整个环境，利用岩溶塌陷的数据和链路的集合描述函数分析岩溶塌陷数据；
动作命令识别模块，获取由kinect深度传感器采集过程中生成的控制指令码，动作命令识别模块将动作控制命令数据库内的原始控制指令码采用WinMerge软件进行对比，将对比结果输出至中央处理器；
人机操作模块，用于用户登录，还用于进行用户操作控制命令和外接应用数据的输入；
岩溶塌陷检测模块，通过kinect深度传感器进行岩溶塌陷数据获取，所述kinect深度传感器采用PS1080芯片控制kinect深度传感器识别岩溶塌陷红外点，将岩溶塌陷红外点的状态信息转换成深度值，从kinect深度传感器投射出红外点阵图案进行检测；
告警显示模块，用于根据岩溶塌陷检测模块分析出的数据信息并通过数据信号转换光声信号发出告警显示，以实时提醒岩溶塌陷的告警消息；
远程无线通讯接口，通过CDMA无线通信技术包交换将数据包装成许多独立的包，然后将这些包传输至远程监控终端；
三维模拟模块，用于进行岩溶塌陷水土耦合作用的三维模拟实验，所述三维模拟模块包括水土耦合作用模块、降维处理模块和改进型卷积分神经网络算法计算模块；
水土耦合作用模块，用于描述岩溶塌陷区域进行水资源与土地资源的相互联系；
降维处理模块，通过KICA算法将三维岩溶塌陷数据降维处理得到一维岩溶塌陷数据；
改进型卷积分神经网络算法计算模块，用于构建U个层次的神经网络进行样本学习，对一维岩溶塌陷数据进行分类调优处理；
其中，中央处理器分别与数据处理模块、动作命令识别模块、人机操作模块、岩溶塌陷检测模块、三维模拟模块和远程无线通信接口相互连接，远程无线通信接口与远程监控终端连接，岩溶塌陷检测模块与告警显示模块连接。
作为本发明的进一步技术方案，所述BLRM算法包括以下步骤：
步骤一，在岩溶塌陷仿真环境中，以算法映射出岩溶塌陷模拟数据，根据设立的虚拟链路找到三维模拟路径预测方案，使模拟用户能够满足模拟要求，对此设立的约束条件为：
Figure 408641DEST_PATH_IMAGE001
(式1)
(式1)中，B(l 1)表示三维模拟系统方案预测需求，R(l 2)表示三维模拟系统实际模拟需求，M(l 2)表示虚拟岩溶塌陷环境承载量，Ph表示模拟人员对虚拟化环境的影响度，l 1表示模拟系统预定人员数量，l 2表示实际模拟数量；预测模拟结束后模拟结果显示为：
Figure 785396DEST_PATH_IMAGE002
(式2)
(式2)中，B’(l 1)表示三维模拟系统常规模拟方案下模拟人员；
步骤二，根据三维模拟系统预测结果，对实际岩溶塌陷环境进行映射，将模拟数据输入到映射环境中，根据其运行动态演示的有权无向图为：
Figure 218913DEST_PATH_IMAGE003
(式3)
(式3)中，Ph’表示模拟操作时在虚拟环境下的变化，NULL表示虚拟环境显示在有权无向岩溶塌陷的模拟结果；根据有权无向图的演示结果分析模拟用户操作过程中出现的偏差，对模拟存在偏差的操作进行校正并反馈，得到反馈函数为：
Figure 655711DEST_PATH_IMAGE004
(式4)
(式4)中，S(G)表示演示校正系统反馈函数，G表示演示图像输入数据，α表示经过校正的虚拟环境变化效果，N 1表示模拟人员操作显示结果，n表示模拟人员输入的指令数据，N 2表示系统校正后的显示效果，g表示系统校正的指令数据，β表示系统预测模拟校正参数；
步骤三，经过校正后系统反馈结果显示模拟效果，在模拟过程中岩溶塌陷虚拟环境承载力变化量为：
Figure 955105DEST_PATH_IMAGE005
(式5)
(式5)中，τ ij (t)表示模拟期间岩溶塌陷虚拟环境承载力变化量，i与j均表示数据序号，λ表示模拟前后三维模拟系统变化参数，t表示模拟次数，△表示三维模拟系统对岩溶塌陷模拟的预测值；在整个三维模拟过程中，根据模拟人员模拟岩溶塌陷过程产生的虚拟环境承载力变化量进行推算，由此得到岩溶塌陷模拟的预测值为：
Figure 119239DEST_PATH_IMAGE006
(式6)
(式6)中，Z(p)表示进行模拟变化量进行推算值，p表示模拟变化数据，σ表示模拟用户对现实岩溶塌陷的人为影响参数；采用的BLRM算法根据模拟人员运动轨迹演示为有权无向图，在此基础上对模拟操作进行校正，使模拟人员操作手法更为符合标准，根据模拟前后反馈数据推算出岩溶塌陷预测值。
作为本发明的进一步技术方案，所述数据处理模块包括向风险评估服务接口发送评估请求，步骤包括：
S1：风险评估接口调用风险评估服务，获取所需的岩溶塌陷观测数据、预报数据和基础数据，代入评估模式进行风险评估，获得评估结果；
S2：风险评估服务根据评估结果生成评估报告文档；
S3：风险评估服务将评估结果提交给数据共享系统，供应用系统及相关应急联动部门参考；
S4：风险评估服务通过接口向前端返回评估结果及评估报表，由人机操作模块呈现。
作为本发明的进一步技术方案，所述kinect深度传感器包括红外CMOS摄像头负责接收信号，深度数据的获取采用的是Primesensor的光编码方法，即是通过激光光源对待测空间进行光学编码；kinect深度传感器获取岩溶塌陷深度信息过程如下：首先是通过红外发射器发射点光源，红外 CMOS 摄像头负责接收红外发射器发射的信息；然后利用反射信息计算出得到每个像素的深度值；在空间中不同位置的目标物离kinect深度传感器的距离不同，则反射回红外CMOS摄像头得到的结果与发射时的模版不同，kinect深度传感器通过匹配存储在PS1080 芯片的模版从而计算出在kinect深度传感器视野范围内的深度值。
作为本发明的进一步技术方案，所述三维模拟模块包括污染模拟过程，步骤如下：
S11：采用地下探测仪探测岩溶塌陷事故点坐标、污染物类型、泄漏源强和气象条件扩散参数；
S12：以扩散参数为依据初步判断最大可能污染扩散区域，构造污染扩散区域的三维网格；
S13：按设定的采样时间间隔，根据大气扩散模型，计算三维网格上各顶点的浓度值；
S14：利用 Marching Cubes 算法构造三维等值面，用三维等值面来表达污染物的浓度分布，坐标转换后在三维环境中以三维动态的方式显示扩散的过程。
作为本发明的进一步技术方案，所述水土耦合作用模块包括水资源与土地生态系统的循环利用模块、水资源工程模型、土资源工程模型和碳排放模块，其中水资源工程模型与土资源工程模型进行水土耦合作用，水资源工程模型与碳排放模块进行环境反馈交互，土资源工程模型与碳排放模块进行生态发展交互。
作为本发明的进一步技术方案，改进型卷积分神经网络算法计算模块处理岩溶塌陷数据过程如下：
假设输入的待岩溶塌陷数据样本集合经过数字化处理后的数据为：{X 1,X 2,…,X n }，数据量为W*，岩溶塌陷数据管理函数f(W*X i )*X i 与岩溶塌陷水土耦合作用输出方程Y i 为逼近关系，f在整个函数中作为启发函数使用，在岩溶塌陷水土耦合作用的过程其实也是图纸信息维度降低的过程；输入的岩溶塌陷数据集合为：
Figure 453268DEST_PATH_IMAGE007
（式7）
(式7)中，h表示输入的岩溶塌陷数据集合，θ表示岩溶塌陷数据权重参数，x表示岩溶塌陷数据自变量，y表示岩溶塌陷数据因变量，K为待岩溶塌陷数据的种类；采用的张量卷积自编码神经网络将岩溶塌陷二维数据信息转换为一维数字化数据信息表示为：
Figure 795388DEST_PATH_IMAGE008
（式8）
(式8)中，J表示为岩溶塌陷水土耦合作用数据信息的目标函数，I和f分别表示为张量卷积自编码神经网络重的变量值；然后对岩溶塌陷水土耦合作用数据信息进行故障诊断，设置岩溶塌陷水土耦合作用故障诊断神经网络迭代次数，最后输出的误差函数表示为：
Figure 595460DEST_PATH_IMAGE009
（式9）
(式9)中，m为输入的所有岩溶塌陷数据，m表示为通过改进型神经网络模型中参数数据信息的权重惩罚因子，输出的误差函数表示为：
Figure 48439DEST_PATH_IMAGE010
（式10）
(式10)中，e表示最小误差值，x i 表示岩溶塌陷测量参数值，x i *表示岩溶塌陷模拟参数值，通过下降梯度V表示为：
Figure 502554DEST_PATH_IMAGE011
（式11）
(式11)中，W表示调整权重矩阵；通过设置15次迭代次数，对岩溶塌陷数据进行训练，实现了岩溶塌陷数据处理误差优化；
作为本发明的进一步技术方案，所述三维模拟模块将岩溶塌陷区域空间进行网格化划分，将网格点位置存储在模拟数据库中，模拟过程中，三维模拟模块先读取网格点坐标，按照设定的时间间隔计算各时刻网格点岩溶塌陷模拟参数值。
本发明有益的积极效果在于：本发明基于大数据分析技术对岩溶塌陷中的各类参数进行集中处理，系统平台采用先进的计算机网络技术、数据库技术、地理信息系统和信息三维可视化技术，建立适用于岩溶塌陷面向空间层次体系的数据结构以及便于不断更新发展的三维模拟系统结构，大大提高了岩溶塌陷模拟数据的精度，为防灾、救灾指挥提供科学依据。
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，对于本领域普通模拟人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为一种基于岩溶塌陷水土耦合作用的三维模拟系统结构示意图；
图2为本发明中数据处理模块向风险评估服务接口发送评估请求流程图；
图3为本发明中岩溶塌陷地下污染模拟过程图；
图4为本发明中岩溶塌陷水土耦合作用模块示意图；
图5为本发明中张量卷积自编码神经网络结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明；
如图1所示，一种基于岩溶塌陷水土耦合作用的三维模拟系统，包括中央处理器、数据处理模块、动作命令识别模块、人机操作模块、岩溶塌陷检测模块、告警显示模块、远程无线通讯接口和三维模拟模块。其中，中央处理器用于控制岩溶塌陷水土耦合作用的三维模拟系统的操作指令与数据流向，所述中央处理器采用STM32F芯片，所述STM32F芯片包括锁相环电路、复位电路、电压检测电路、调压器和RC振荡器，STM32F芯片结合USB2.0接口从外部存储器读取、解码和输出信号，STM32F芯片使用一个25MHz晶振即可给整个微控制器提供时钟频率；数据处理模块通过BLRM算法建立有权无向图映射整个环境，利用岩溶塌陷的数据和链路的集合描述函数分析岩溶塌陷数据；动作命令识别模块获取由kinect深度传感器采集过程中生成的控制指令码，动作命令识别模块将动作控制命令数据库内的原始控制指令码采用WinMerge软件进行对比，将对比结果输出至中央处理器。
在具体实施例中，人机操作模块用于用户登录，还用于进行用户操作控制命令和外接应用数据的输入；岩溶塌陷检测模块通过kinect深度传感器进行岩溶塌陷数据获取，所述kinect深度传感器采用PS1080芯片控制kinect深度传感器识别岩溶塌陷红外点，将岩溶塌陷红外点的状态信息转换成深度值，从kinect深度传感器投射出红外点阵图案进行检测；告警显示模块用于根据岩溶塌陷检测模块分析出的数据信息并通过数据信号转换光声信号发出告警显示，以实时提醒岩溶塌陷的告警消息；远程无线通讯接口通过码分多址（Code Division Multiple Access，CDMA）无线通信技术包交换将数据包装成许多独立的包，然后将这些包传输至远程监控终端；三维模拟模块用于进行岩溶塌陷水土耦合作用的三维模拟实验。
在具体实施例中，三维模拟模块包括水土耦合作用模块、降维处理模块和改进型卷积分神经网络算法计算模块，水土耦合作用模块用于描述岩溶塌陷区域进行水资源与土地资源的相互联系；降维处理模块通过核独立分量分析（Kernel Independent ComponentAnalysis，KICA）算法将三维岩溶塌陷数据降维处理得到一维岩溶塌陷数据；改进型卷积分神经网络算法计算模块用于构建U个层次的神经网络进行样本学习，对一维岩溶塌陷数据进行分类调优处理。中央处理器分别与数据处理模块、动作命令识别模块、人机操作模块、岩溶塌陷检测模块、三维模拟模块和远程无线通信接口相互连接，远程无线通信接口与远程监控终端连接，岩溶塌陷检测模块与告警显示模块连接。
在具体实施例中，三维模拟系统主要功能模块还包括岩溶塌陷水土作用耦合数据信息模块、虚拟空间模块和模拟模块；岩溶塌陷水土作用耦合数据信息模块中不同状况下的数据信息主要将参与模拟信息进行报备；信息输入为三维模拟系统提供模拟信息；VR眼镜由模拟人员进行使用，使模拟适应三维虚拟环境，并完成模拟过程；演示屏可以显示多组人员实际操作过程；虚拟空间模块通过对岩溶塌陷状态监测对其画面进行映射，并把握虚拟化岩溶塌陷状态；通过三维巡视和算法建模实现岩溶塌陷环境的虚拟化建设，为模拟人员提供可操作的三维空间环境，增强模拟效果；对虚拟空间的环境分析主要通过视图获取信息，然后完成指令调度和信息交互；模拟流程分别为画面连接、多功能计算机演示和目标设定，完成的功能为故障分析，动态运行和设备处理；对系统中产生的数据进行划分，虚拟空间数据归类为模型数据，三维模拟系统数据归类为模拟数据。
在具体实施例中，所述备份链路重映射(Backup Link Re-Mapping，BLRM)算法包括以下步骤：
步骤一，在岩溶塌陷仿真环境中，以算法映射出岩溶塌陷模拟数据，根据设立的虚拟链路找到三维模拟路径预测方案，使模拟用户能够满足模拟要求，对此设立的约束条件为：
Figure 264842DEST_PATH_IMAGE001
(式1)
(式1)中，B(l 1)表示三维模拟系统方案预测需求，R(l 2)表示三维模拟系统实际模拟需求，M(l 2)表示虚拟岩溶塌陷环境承载量，Ph表示模拟人员对虚拟化环境的影响度，l 1表示模拟系统预定人员数量，l 2表示实际模拟数量；预测模拟结束后模拟结果显示为：
Figure 804408DEST_PATH_IMAGE002
(式2)
(式2)中，B’(l 1)表示三维模拟系统常规模拟方案下模拟人员；
步骤二，根据三维模拟系统预测结果，对实际岩溶塌陷环境进行映射，将模拟数据输入到映射环境中，根据其运行动态演示的有权无向图为：
Figure 61077DEST_PATH_IMAGE003
(式3)
(式3)中，Ph’表示模拟操作时在虚拟环境下的变化，NULL表示虚拟环境显示在有权无向岩溶塌陷的模拟结果；根据有权无向图的演示结果分析模拟用户操作过程中出现的偏差，对模拟存在偏差的操作进行校正并反馈，得到反馈函数为：
Figure 854852DEST_PATH_IMAGE004
(式4)
(式4)中，S(G)表示演示校正系统反馈函数，G表示演示图像输入数据，α表示经过校正的虚拟环境变化效果，N 1表示模拟人员操作显示结果，n表示模拟人员输入的指令数据，N 2表示系统校正后的显示效果，g表示系统校正的指令数据，β表示系统预测模拟校正参数；
步骤三，经过校正后系统反馈结果显示模拟效果，在模拟过程中岩溶塌陷虚拟环境承载力变化量为：
Figure 804353DEST_PATH_IMAGE005
(式5)
(式5)中，τ ij (t)表示模拟期间岩溶塌陷虚拟环境承载力变化量，i与j均表示数据序号，λ表示模拟前后三维模拟系统变化参数，t表示模拟次数，△表示三维模拟系统对岩溶塌陷模拟的预测值；在整个三维模拟过程中，根据模拟人员模拟岩溶塌陷过程产生的虚拟环境承载力变化量进行推算，由此得到岩溶塌陷模拟的预测值为：
Figure 768898DEST_PATH_IMAGE006
(式6)
(式6)中，Z(p)表示进行模拟变化量进行推算值，p表示模拟变化数据，σ表示模拟用户对现实岩溶塌陷的人为影响参数；采用的BLRM算法根据模拟人员运动轨迹演示为有权无向图，在此基础上对模拟操作进行校正，使模拟人员操作手法更为符合标准，根据模拟前后反馈数据推算出岩溶塌陷预测值。
在具体实施例中，如图2所示，数据处理模块包括向风险评估服务接口发送评估请求，步骤包括：首先风险评估接口调用风险评估服务，获取所需的岩溶塌陷观测数据、预报数据和基础数据，代入评估模式进行风险评估，获得评估结果；其次风险评估服务根据评估结果生成评估报告文档；然后风险评估服务将评估结果提交给数据共享系统，供应用系统及相关应急联动部门参考；最后风险评估服务通过接口向前端返回评估结果及评估报表，由人机操作模块呈现。
在具体实施例中，所述kinect深度传感器包括红外互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)摄像头负责接收信号，深度数据的获取采用的是Primesensor的光编码方法，即是通过激光光源对待测空间进行光学编码；kinect深度传感器获取岩溶塌陷深度信息过程如下：首先是通过红外发射器发射点光源，红外 CMOS 摄像头负责接收红外发射器发射的信息；然后利用反射信息计算出得到每个像素的深度值；在空间中不同位置的目标物离kinect深度传感器的距离不同，则反射回红外CMOS摄像头得到的结果与发射时的模版不同，kinect深度传感器通过匹配存储在PS1080芯片的模版从而计算出在kinect深度传感器视野范围内的深度值。
在具体实施例中，如图3所示，三维模拟模块包括岩溶塌陷地下污染模拟过程，步骤如下：首先采用地下探测仪探测岩溶塌陷事故点坐标、污染物类型、泄漏源强和气象条件扩散参数；其次以扩散参数为依据初步判断最大可能污染扩散区域，构造污染扩散区域的三维网格；然后按设定的采样时间间隔，根据大气扩散模型，计算三维网格上各顶点的浓度值；最后利用 Marching Cubes 算法构造三维等值面，用三维等值面来表达污染物的浓度分布，坐标转换后在三维环境中以三维动态的方式显示扩散的过程。
在具体实施例中，如图4所示，水土耦合作用模块包括水资源与土地生态系统的循环利用模块、水资源工程模型、土资源工程模型和碳排放模块，其中，“水—土”是区域资源系统的核心，这三种资源及其支撑生态系统构成了人类经济社会发展的基础，它们通过人类社会经济活动与自然生态系统之间的“供给—需求”关系而相互耦合、相互联系；它们之间的相互作用存在着复杂的非线性和反馈关系，这主要取决于各要素的位置、数量、质量、组合特征及其时空格局。该系统涵盖自然和“社会—经济”系统，因此要素之间的相互作用也具有明显的“二元”特征。同时，“水—土”系统也具有明显的地域分异特征，在不同状态的资源供给和需求条件下，以及不同的人类活动强度影响下，各要素作用机制、强度和过程明显不同，这进一步影响了系统的功能及其碳排放特征。“水—土”系统代表了“社会—经济—环境”巨系统的基础要素，水土关系、土能关系和水能关系分别构成了社会、经济和环境系统的主体。而碳排放表示人类社会对环境的影响。因此，区域“水—土—碳”的耦合作用不仅反映了区域各种资源匹配关系和开发利用效率，而且体现了人类社会对环境的影响程度。随着社会经济的发展不断演化。“水—土—碳”系统格局、功能和过程的改变体现了区域资源赋存、经济社会活动方式、产业结构等条件的改变。研究的最终目标是通过对区域“水—土—碳”耦合系统的调控，实现能源、土地和食物安全、区域社会的公平持续发展和生态系统的自我修复，从而实现区域水土能资源高效利用、碳减排和社会生产优化的目标。
在具体实施例中，改进型卷积分神经网络算法计算模块处理岩溶塌陷数据过程如下：假设输入的待岩溶塌陷数据样本集合经过数字化处理后的数据为：{X 1,X 2,…,X n }，数据量为W*，岩溶塌陷数据管理函数f(W*X i )*X i 与岩溶塌陷水土耦合作用输出方程Y i 为逼近关系，f在整个函数中作为启发函数使用，在岩溶塌陷水土耦合作用的过程其实也是图纸信息维度降低的过程；输入的岩溶塌陷数据集合为：
Figure 78526DEST_PATH_IMAGE012
（式7）
(式7)中，h表示输入的岩溶塌陷数据集合，θ表示岩溶塌陷数据权重参数，x表示岩溶塌陷数据自变量，y表示岩溶塌陷数据因变量，K为待岩溶塌陷数据的种类。基于MicroStation 图形平台Bentley软件可以进行实体、网格面、B-Spline 曲线曲面、特征参数化、拓扑等多种建模方式；本发明采用改进型卷积分神经网络算法模型实现岩溶塌陷水土耦合作用数据信息的多维处理，采用的张量卷积自编码神经网络将岩溶塌陷二维数据信息转换为一维数字化数据信息表示为：
Figure 241654DEST_PATH_IMAGE013
（式8）
(式8)中，J表示为岩溶塌陷水土耦合作用数据信息的目标函数，I和f分别表示为张量卷积自编码神经网络重的变量值；然后对岩溶塌陷水土耦合作用数据信息进行故障诊断，设置岩溶塌陷水土耦合作用故障诊断神经网络迭代次数，最后输出的误差函数表示为：
Figure 893215DEST_PATH_IMAGE014
（式9）
(式9)中，m为输入的所有岩溶塌陷数据，m表示为通过改进型神经网络模型中参数数据信息的权重惩罚因子，输出的误差函数表示为：
Figure 141794DEST_PATH_IMAGE010
（式10）
(式10)中，e表示最小误差值，x i 表示岩溶塌陷测量参数值，x i *表示岩溶塌陷模拟参数值，通过下降梯度V表示为：
Figure 324005DEST_PATH_IMAGE011
（式11）
(式11)中，W表示调整权重矩阵；通过设置15次迭代次数，对岩溶塌陷数据进行训练，实现了岩溶塌陷数据处理误差优化；
在具体实施例中，所述三维模拟模块将岩溶塌陷区域空间进行网格化划分，将网格点位置存储在模拟数据库中，模拟过程中，三维模拟模块先读取网格点坐标，按照设定的时间间隔计算各时刻网格点岩溶塌陷模拟参数值。
本发明在Intel i5 8代+64G内存+256G硬盘+千兆以太网卡+千兆局域网的实验环境下进行验证，在岩溶塌陷周边区域设立多个传感器用来采集数据样本，并通过高配置计算机完成数据计算和验证，实验室具体设备信息和参数如表1所示：
表1系统实验环境参数配置
Figure 341640DEST_PATH_IMAGE015
为验证本发明三维模拟系统精准程度和计算能力在同等实验环境下，与传统模拟系统模拟数据结果作为对照，明确分析两种模拟系统的计算结果，并且对两种模拟系统的均值误差进行MATLAB仿真，采用现有技术中岩溶塌陷模拟系统分别命名为方案一和方案二，对岩溶塌陷模拟数据准确度δ用下式分析：
Figure 632944DEST_PATH_IMAGE016
(式12)
对三种模拟系统进行模拟数据准确度分析，通过(式12)计算岩溶塌陷模拟数据准确度，根据MATLAB仿真得出三种模拟系统的岩溶塌陷模拟数据准确度条形图如图5所示。从图中可以看出本发明模拟系统在模拟岩溶塌陷地下区域模拟数据的准确度最高，能够达到98%，而另外两种模拟系统计算结果不到80%；在岩溶塌陷地上区域模拟数据的计算精确度上，本发明计算结果为85%，而另外两种模拟系统都在65%以下。综上所述，本发明基于岩溶塌陷水土耦合作用的三维模拟系统模拟结果更加准确，系统更加稳定，性能明显优于另外两种模拟系统，证实了本发明方案的可行性。
虽然以上描述了本发明的具体实施方式，但是本领域的模拟人员应当理解，这些具体实施方式仅是举例说明，本领域的模拟人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变；例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围；因此，本发明的范围仅由所附权利要求书限定。

Claims (7)

1.一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：包括：
中央处理器，用于控制岩溶塌陷水土耦合作用的三维模拟系统的操作指令与数据流向，所述中央处理器采用STM32F芯片，所述STM32F芯片包括锁相环电路、复位电路、电压检测电路、调压器和RC振荡器，STM32F芯片结合USB2.0接口从外部存储器读取、解码和输出信号，STM32F芯片使用25MHz晶振向整个微控制器提供时钟频率；
数据处理模块，通过BLRM算法建立有权无向图映射整个环境，利用岩溶塌陷的数据和链路的集合描述函数分析岩溶塌陷数据；
动作命令识别模块，获取由kinect深度传感器采集过程中生成的控制指令码，动作命令识别模块将动作控制命令数据库内的原始控制指令码采用WinMerge软件进行对比，将对比结果输出至中央处理器；
人机操作模块，用于用户登录，实现用户操作控制命令和外接应用数据的输入；
岩溶塌陷检测模块，通过kinect深度传感器进行岩溶塌陷数据获取，所述kinect深度传感器采用PS1080芯片控制kinect深度传感器识别岩溶塌陷红外点，将岩溶塌陷红外点的状态信息转换成深度值，从kinect深度传感器投射出红外点阵图案进行检测；
告警显示模块，用于根据岩溶塌陷检测模块分析出的数据信息并通过数据信号转换光声信号发出告警显示，以实时提醒岩溶塌陷的告警消息；
远程无线通讯接口，通过CDMA无线通信技术包交换将数据包装成许多独立的包，然后将这些包传输至远程监控终端；
三维模拟模块，用于进行岩溶塌陷水土耦合作用的三维模拟实验，所述三维模拟模块包括水土耦合作用模块、降维处理模块和改进型卷积分神经网络算法计算模块；
水土耦合作用模块，用于描述岩溶塌陷区域进行水资源与土地资源的相互联系；
降维处理模块，通过KICA算法将三维岩溶塌陷数据降维处理得到一维岩溶塌陷数据；
改进型卷积分神经网络算法计算模块，用于构建U个层次的神经网络进行样本学习，对一维岩溶塌陷数据进行分类调优处理；
其中，中央处理器分别与数据处理模块、动作命令识别模块、人机操作模块、岩溶塌陷检测模块、三维模拟模块和远程无线通信接口相互连接，远程无线通信接口与远程监控终端连接，岩溶塌陷检测模块与告警显示模块连接；
其中所述BLRM算法包括以下步骤：
步骤一，在岩溶塌陷仿真环境中，以BLRM算法映射出岩溶塌陷模拟数据，根据设立的虚拟链路找到三维模拟路径预测方案，使模拟用户满足模拟要求，约束条件为：
Figure 204072DEST_PATH_IMAGE001
(1)
式(1)中：B(l 1)表示三维模拟系统方案预测需求，R(l 2)表示三维模拟系统实际模拟需求，M(l 2)表示虚拟岩溶塌陷环境承载量，Ph表示模拟人员对虚拟化环境的影响度，l 1表示模拟系统预定人员数量，l 2表示实际模拟数量；预测模拟结束后模拟结果显示为：
Figure 258615DEST_PATH_IMAGE002
(2)
式(2)中：B’(l 1)表示三维模拟系统常规模拟方案下模拟人员；
步骤二，根据三维模拟系统预测结果，对实际岩溶塌陷环境进行映射，将模拟数据输入到映射环境中，根据运行动态演示的有权无向图为：
Figure 970351DEST_PATH_IMAGE003
(3)
式(3)中，Ph’表示模拟操作时在虚拟环境下的变化，NULL表示虚拟环境显示在有权无向岩溶塌陷的模拟结果；根据有权无向图的演示结果分析模拟用户操作过程中出现的偏差，对模拟存在偏差的操作进行校正并反馈，得到反馈函数为：
Figure 743135DEST_PATH_IMAGE004
(4)
式(4)中，S(G)表示演示校正系统反馈函数，G表示演示图像输入数据，α表示经过校正的虚拟环境变化效果，N 1表示模拟人员操作显示结果，n表示模拟人员输入的指令数据，N 2表示系统校正后的显示效果，g表示系统校正的指令数据，β表示系统预测模拟校正参数；
步骤三，经过校正后系统反馈结果显示模拟效果，在模拟过程中岩溶塌陷虚拟环境承载力变化量为：
Figure 549417DEST_PATH_IMAGE005
(5)
式(5)中，τ ij (t)表示模拟期间岩溶塌陷虚拟环境承载力变化量，i与j均表示数据序号，λ表示模拟前后三维模拟系统变化参数，t表示模拟次数，△表示三维模拟系统对岩溶塌陷模拟的预测值；在整个三维模拟过程中，根据模拟人员模拟岩溶塌陷过程产生的虚拟环境承载力变化量进行推算，由此得到岩溶塌陷模拟的预测值为：
Figure 724046DEST_PATH_IMAGE006
(6)
式(6)中，Z(p)表示进行模拟变化量进行推算值，p表示模拟变化数据，σ表示模拟用户对现实岩溶塌陷的人为影响参数；采用BLRM算法根据模拟人员运动轨迹演示为有权无向图，对模拟操作进行校正，使模拟人员操作手法更为符合标准，根据模拟前后反馈数据推算出岩溶塌陷预测值。
2.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：所述数据处理模块的工作步骤中包括向风险评估服务接口发送评估请求，所述数据处理模块的工作步骤包括：
S1：风险评估接口调用风险评估服务，获取所需的岩溶塌陷观测数据、预报数据和基础数据，代入评估模式进行风险评估，获得评估结果；
S2：风险评估服务根据评估结果生成评估报告文档；
S3：风险评估服务将评估结果提交给数据共享系统，供应用系统及相关应急联动部门参考；
S4：风险评估服务通过接口向前端返回评估结果及评估报表，由人机操作模块呈现。
3.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：所述kinect深度传感器包括红外CMOS摄像头，红外CMOS摄像头负责接收信号，深度数据的获取采用Primesensor的光编码方法，通过激光光源对待测空间进行光学编码；
通过kinect深度传感器获取岩溶塌陷深度信息过程如下：首先通过红外发射器发射点光源，红外 CMOS 摄像头负责接收红外发射器发射的信息；然后利用反射信息计算出每个像素的深度值；在空间中不同位置的目标物离kinect深度传感器的距离不同，则反射回红外CMOS摄像头得到的结果与发射时的模版不同，kinect深度传感器通过匹配存储在PS1080芯片的模版从而计算出在kinect深度传感器视野范围内的深度值。
4.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：所述三维模拟模块包括污染模拟过程，步骤如下：
S11：采用地下探测仪探测岩溶塌陷事故点坐标、污染物类型、泄漏源强和气象条件扩散参数；
S12：以扩散参数为依据初步判断最大可能污染扩散区域，构造污染扩散区域的三维网格；
S13：按设定的采样时间间隔，根据大气扩散模型，计算三维网格上各顶点的浓度值；
S14：利用 Marching Cubes 算法构造三维等值面，用三维等值面来表达污染物的浓度分布，坐标转换后在三维环境中以三维动态的方式显示扩散的过程。
5.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：所述水土耦合作用模块包括水资源与土地生态系统的循环利用模块、水资源工程模型、土资源工程模型和碳排放模块，其中水资源工程模型与土资源工程模型进行水土耦合作用，水资源工程模型与碳排放模块进行环境反馈交互，土资源工程模型与碳排放模块进行生态发展交互。
6.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：改进型卷积分神经网络算法计算模块处理岩溶塌陷数据过程为：
假设输入的待岩溶塌陷数据样本集合经过数字化处理后的数据为：{X 1,X 2,…,X n }，数据量为W*，岩溶塌陷数据管理函数f(W*X i )*X i 与岩溶塌陷水土耦合作用输出方程Y i 为逼近关系，f在整个函数中作为启发函数使用，输入的岩溶塌陷数据集合为：
Figure 105218DEST_PATH_IMAGE007
（7）
式（7）中，h表示输入的岩溶塌陷数据集合，θ表示岩溶塌陷数据权重参数，x表示岩溶塌陷数据自变量，y表示岩溶塌陷数据因变量，K为待岩溶塌陷数据的种类；采用的张量卷积自编码神经网络将岩溶塌陷二维数据信息转换为一维数字化数据信息，函数表示为：
Figure 365298DEST_PATH_IMAGE008
（8）
式（8）中，J表示为岩溶塌陷水土耦合作用数据信息的目标函数，I和f分别表示为张量卷积自编码神经网络重的变量值；然后对岩溶塌陷水土耦合作用数据信息进行故障诊断，设置岩溶塌陷水土耦合作用故障诊断神经网络迭代次数，最后输出的误差函数表示为：
Figure 975271DEST_PATH_IMAGE009
（9）
式（9）中，m为输入的所有岩溶塌陷数据，m表示为通过改进型神经网络模型中参数数据信息的权重惩罚因子，输出的误差函数表示为：
Figure 738827DEST_PATH_IMAGE010
（10）
式（10）中，e表示最小误差值，x i 表示岩溶塌陷测量参数值，x i *表示岩溶塌陷模拟参数值，通过下降梯度V表示为：
Figure 57944DEST_PATH_IMAGE011
（11）
式（11）中，W表示调整权重矩阵；通过设置15次迭代次数，对岩溶塌陷数据进行训练，实现了岩溶塌陷数据处理误差优化。
7.根据权利要求1所述的一种基于岩溶塌陷水土耦合作用的三维模拟系统，其特征在于：所述三维模拟模块将岩溶塌陷区域空间进行网格化划分，将网格点位置存储在模拟数据库中，模拟过程中，三维模拟模块先读取网格点坐标，按照设定的时间间隔计算各时刻网格点岩溶塌陷模拟参数值。
CN202211321937.XA 2022-10-27 2022-10-27 一种基于岩溶塌陷水土耦合作用的三维模拟系统 Active CN115392137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211321937.XA CN115392137B (zh) 2022-10-27 2022-10-27 一种基于岩溶塌陷水土耦合作用的三维模拟系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211321937.XA CN115392137B (zh) 2022-10-27 2022-10-27 一种基于岩溶塌陷水土耦合作用的三维模拟系统

Publications (2)

Publication Number Publication Date
CN115392137A CN115392137A (zh) 2022-11-25
CN115392137B true CN115392137B (zh) 2023-01-24

Family

ID=84128450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211321937.XA Active CN115392137B (zh) 2022-10-27 2022-10-27 一种基于岩溶塌陷水土耦合作用的三维模拟系统

Country Status (1)

Country Link
CN (1) CN115392137B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907495B (zh) * 2023-01-06 2023-10-03 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) 一种岩溶塌陷隐患区伞状快速阻隔智能应急处置系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161415A (zh) * 2020-01-03 2020-05-15 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) 一种岩溶区地下水岩溶发育通道三维空间模拟方法
CN111191388A (zh) * 2020-03-06 2020-05-22 桂林理工大学 一种基于深度学习的岩溶塌陷预测方法及装置
CN113075381A (zh) * 2021-03-15 2021-07-06 华南理工大学 一种模拟岩溶地区地铁振动引发岩溶覆土塌陷的试验系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2994309B1 (fr) * 2012-08-06 2014-08-29 Total Sa Simulation de karstification insulaire
CN105572319B (zh) * 2015-12-11 2017-11-24 河海大学 一种水力诱导覆盖型岩溶塌陷模拟试验装置及使用方法
CN107240346B (zh) * 2017-07-20 2022-10-21 长江水利委员会长江科学院 一种定量研究岩溶塌陷的试验模拟装置及方法
CN109359391B (zh) * 2018-10-19 2023-04-07 中国地质大学（武汉） 一种基于离散单元法的覆盖型岩溶塌陷灾变演化模拟方法
CN110297876A (zh) * 2019-06-17 2019-10-01 桂林理工大学 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法
CN111927558B (zh) * 2020-10-13 2021-01-12 中国科学院武汉岩土力学研究所 动水软弱围岩隧道全断面掘进的安全预警方法及装置
CN114692391A (zh) * 2022-03-08 2022-07-01 华南理工大学 用于模拟岩溶地区地层的相似试验装置及其制作的方法
CN115115180A (zh) * 2022-05-25 2022-09-27 华北科技学院 一种基于多参量分析的矿区地表塌陷风险识别与预测方法
CN114821976B (zh) * 2022-06-24 2022-09-30 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) 一种多要素岩溶塌陷的智能预报系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161415A (zh) * 2020-01-03 2020-05-15 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) 一种岩溶区地下水岩溶发育通道三维空间模拟方法
CN111191388A (zh) * 2020-03-06 2020-05-22 桂林理工大学 一种基于深度学习的岩溶塌陷预测方法及装置
CN113075381A (zh) * 2021-03-15 2021-07-06 华南理工大学 一种模拟岩溶地区地铁振动引发岩溶覆土塌陷的试验系统

Also Published As

Publication number Publication date
CN115392137A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN110457829B (zh) 一种基于集成大气扩散模型的源项释放反演和扩散预测方法
CN107016095B (zh) 基于多源碳数据的气候变化综合评估方法
CN112308292A (zh) 一种火灾风险等级分布图的绘制方法
CN114092697B (zh) 注意力融合全局和局部深度特征的建筑立面语义分割方法
CN102222313A (zh) 基于核主成分分析的城市演化模拟元胞模型处理方法
CN116738552B (zh) 一种基于物联网的环境检测设备管理方法及系统
CN115392137B (zh) 一种基于岩溶塌陷水土耦合作用的三维模拟系统
CN102646164A (zh) 一种结合空间滤波的土地利用变化建模方法及其系统
Wang et al. Simulating large-scale urban land-use patterns and dynamics using the U-Net deep learning architecture
CN201716727U (zh) 基于遥感与gis的地理模拟系统
CN117351521B (zh) 基于数字孪生的输电线鸟类检测方法、系统、介质及设备
CN113515798B (zh) 一种城市三维空间扩张模拟方法及装置
Brasebin et al. Measuring the impact of 3D data geometric modeling on spatial analysis: Illustration with Skyview factor
CN116415110B (zh) 基于多源遥感密度数据进行碳排放量分区网格化的方法
CN116257792B (zh) 一种智慧城市碳中和数据分析系统
CN116611270A (zh) 一种台风浪实时集合预报方法、介质及系统
CN116612240A (zh) 一种面向结构安全监测的建筑数字孪生模型的构建方法
Guo et al. Simulating urban growth by coupling macro-processes and micro-dynamics: a case study on Wuhan, China
CN113656918B (zh) 一种应用于成品高架库场景的四旋翼仿真测试方法
Kumar et al. Cellular automata calibration model to capture urban growth
CN115689106A (zh) 复杂网络视角的区域空间结构定量识别方法、装置及设备
CN110019167A (zh) 一种中长期新能源资源资料库构建方法及系统
Mukhacheva et al. Digital Twins of the Urban Ecosystem to Ensure the Quality of Life of the Population
CN117892092B (zh) 基于大数据实现矿山数据的智能采集方法及系统
CN117437230B (zh) 基于图像修复的光伏电站功率预测方法及系统

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
GR01 Patent grant
GR01 Patent grant