CN115860265A - 渐变型滑坡滑面预测方法、装置、设备及可读存储介质 - Google Patents
渐变型滑坡滑面预测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115860265A CN115860265A CN202310081280.2A CN202310081280A CN115860265A CN 115860265 A CN115860265 A CN 115860265A CN 202310081280 A CN202310081280 A CN 202310081280A CN 115860265 A CN115860265 A CN 115860265A
- Authority
- CN
- China
- Prior art keywords
- landslide
- gradual
- change
- monitoring
- stable
- 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.)
- Granted
Links
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明提供了一种渐变型滑坡滑面预测方法、装置、设备及可读存储介质,涉及滑面预测技术领域,包括获取渐变型滑坡的地形数据和在预设期间内的位移监测数据;利用地形数据构建滑坡模型;根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面,本发明用于解决现有技术中通过大量的数据搜索得到滑面,导致效率低下的技术问题。
Description
技术领域
本发明涉及滑面预测技术领域,具体而言,涉及渐变型滑坡滑面预测方法、装置、设备及可读存储介质。
背景技术
现有的判断滑坡的滑面的方法通常是将整个边坡的所有的滑面搜索出来,然后分别计算出安全系数,选择安全系数最小的那个滑面作为这个边坡的最危险滑面。并基于上述方法衍生得到了最小势能法的三维临界滑裂面搜索方法、基于临界位移等值线的多阶边坡多级滑动面搜索方法、基于粒子群优化算法的边坡临界滑动面搜索方法等。但上述方法均为通过大量的数据去不断的搜索,直至找到最优解,搜索过程复杂,效率低下。
发明内容
本发明的目的在于提供一种渐变型滑坡滑面预测方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种渐变型滑坡滑面预测方法,包括:
获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
利用地形数据构建滑坡模型;
根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;
根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
第二方面,本申请还提供了渐变型滑坡滑面预测装置,包括:
获取模块:获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
模型构建模块:利用地形数据构建滑坡模型;
第一计算模块:根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
第二计算模块:根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;
滑面预测模块:根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
第三方面,本申请还提供了一种渐变型滑坡滑面预测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述渐变型滑坡滑面预测方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于渐变型滑坡滑面预测方法的步骤。
本发明的有益效果为:
本发明通过稳定时间序列的位移比信息推算出每个监测点的位移偏角,根据边坡后缘裂缝底部位置信息和滑坡剪出口位置信息和每个监测点的位移偏角,直接预测出边坡中滑面的形状和位置信息。由于本发明结合了边坡体本身的属性信息来预测滑面,更具真实性和准确性。
本发明的其他特征和优点将在随后的说明书阐述,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实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例1中所述的渐变型滑坡滑面预测方法流程示意图;
图2为本发明实施例1中所述的滑坡模型结构示意图;
图3为本发明实施例1中所述的第二节点的示意图;
图4为本发明实施例1中所述的第三节点的示意图;
图5为本发明实施例1中所述的滑面经过的所有节点的示意图;
图6为本发明实施例1中所述的渐变型滑坡的预测滑面示意图;
图7为本发明实施例2中所述的滑面经过的所有节点的示意图;
图8为本发明实施例2中所述的渐变型滑坡的预测滑面示意图;
图9为本发明实施例3中所述的渐变型滑坡滑面预测装置结构示意图;
图10为本发明实施例4中所述的渐变型滑坡滑面预测设备结构示意图。
图中标记:
01、获取模块;02、模型构建模块;03、第一计算模块;031、第三划分单元;032、提取单元;033、第一计算单元;034、第二计算单元;035、第一判断单元;036、第二判断单元;037、第三判断单元;04、第二计算模块;05、滑面预测模块;051、确定单元;052、第一构造单元;053、第二构造单元;0531、第四构造单元;0532、第五构造单元;0533、第六构造单元;0534、第七构造单元;054、第三构造单元;
800、渐变型滑坡滑面预测设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
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,下面将结合本发明实施例中的附图,对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例
本实施例提供了一种渐变型滑坡滑面预测方法。
参见图1,图中示出了本方法包括:
S01.按照预设间距将渐变型滑坡沿坡面划分为上部、中部和下部;
S02.分别沿上部、中部和下部的坡面设置多个监测点;
S03.将所述预设期间划分为若干个时段,优选地,所述时段为1天;
S04.获取每个监测点在每个时段的位移;
S05.由所有监测点在预设期间内每个时段的位移构成位移监测数据。
基于以上实施例,本方法还包括:
S1.获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
具体的,所述地形数据包括:坡度、坡向、高程,土层信息以及坡面裂缝处的位置信息,所述坡面裂缝处的位置信息包括裂缝的深度信息、滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置等。
基于以上实施例,本方法还包括:
S2.利用地形数据构建滑坡模型,并在所述滑坡模型中标记出监测点所在的位置、滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
基于以上实施例,本方法还包括:
S3.根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
具体的,所述步骤S3包括以下步骤:
S31.将所述预设期间划分为若干个相等的区段,每个区段中包括多个时段;
本实施例中,令所述区段为6天。
S32.从所述位移监测数据中提取每个监测点在每个时段对应的位移;
S33.根据所述位移计算监测点在每个时段对应的相对位移比;
具体的,所述相对位移比的计算方法为:
S34.根据每个区段所包括的相对位移比计算监测点在每个区段的判别系数;
S35.判断每个区段的判别系数与预设系数的大小:
若区段的判别系数小于或等于所述预设系数,则令所述区段为预判稳定区段,监测点在所述预判稳定区段内为稳定监测点;
S36.判断在预判稳定区段内渐变型滑坡的上部、中部和下部是否均存在预设个稳定监测点:若是,根据预判稳定区段所包括的相对位移比计算监测点在预判稳定区段的相对位移比均值:
本实施例中,计算第n个区段内的所有监测点的判别系数,判断滑坡的上部、中部和下部均有10个监测点的判别系数小于或等于0.01:
若是,则计算每个监测点在预判稳定区段的相对位移比均值,具体计算方法为:
S37.判断所有监测点的相对位移比均值是否符合预设条件:
若符合,则表示所述预判稳定区段为渐变型滑坡处于稳定变化阶段的稳定时间区间;
具体的,所述步骤S37包括以下步骤:
获取渐变型滑坡中部监测点的相对位移比均值,判断所述相对位移比均值是否在预设区间;
基于以上实施例,本方法还包括:
S5.根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
具体的,所述步骤S5包括以下步骤:
S51.如图2所示,确定滑坡模型中滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
S52.根据每个监测点的位移偏角,以监测点为起点构造多条辅助线;具体的,每个监测点的辅助线与位移偏角垂直。
S53.利用第一位置和每个监测点的辅助线确定预测滑面在每条辅助线上的节点;
具体的,所述步骤S53包括以下步骤:
S531.以第一位置(起点节点)向第一辅助线作第一垂线,所述第一垂线与第一辅助线的交点为第二节点,所述第一辅助线为与起点节点相邻的下一个监测点对应的辅助线;
具体的,请参阅图3,图中包括起点节点、与起点节点相邻的第一监测点和第一辅助线,以起点节点向第一辅助线作第一垂线,得到预测滑面在第一辅助线上的第二节点;
S532.请参阅图4,以第二节点向相邻的第二辅助线作第二垂线,得到第二垂线和第一垂线构成的第一夹角,构造所述第一夹角的第一角平分线,所述第一角平分线与第二辅助线的交点为第三节点,所述第二辅助线为与第二节点相邻的下一个监测点对应的辅助线;
S533.请参阅图5,以第二节点向相邻的第三辅助线作第三垂线,得到第三垂线和第一角平分线构成的第二夹角,构造所述第二夹角的第二角平分线,所述第二角平分线与第三辅助线的交点为第四节点,所述第三辅助线为与第二节点相邻的下一个监测点对应的辅助线;
S534.重复利用当前得到的节点和角平分线确定下一个相邻辅助线的节点,直到预测滑面所经过的剩余节点全部确认。
S54.请参阅图6,以第一位置为起点节点、第二位置为终点节点,依次连接起点节点、所有辅助线上的节点和终点节点得到一条曲线,所述曲线为渐变型滑坡的预测滑面;
本实施例中,在cad中获取预测滑面所经过的各个节点的坐标,再将各个节点的坐标导入到excel中,然后用曲线去拟合各个节点得到曲线函数,再将曲线函数绘制到cad中,即可得到所述预测滑面。
实施例1
本实施例获取待预测渐变型滑坡的地形数据、在预设期间内的7个监测点的位移监测数据;
利用地形数据构建滑坡模型;
根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
根据所述位移监测数据,计算得到在稳定时间区间内7个监测点的相对位移比均值,如表1所示;
基于以上实施例,本方法还包括:
S5.根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
具体的,所述步骤S5包括以下步骤:
S51.如图2所示,确定滑坡模型中滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
S52.根据每个监测点的位移偏角,以监测点为起点构造多条辅助线;具体的,每个监测点的辅助线与位移偏角垂直。
S53.利用第一位置和每个监测点的辅助线确定预测滑面在每条辅助线上的节点;
具体的,所述步骤S53包括以下步骤:
S531.以第一位置(起点节点)向第一辅助线作第一垂线,所述第一垂线与第一辅助线的交点为第二节点,所述第一辅助线为与起点节点相邻的下一个监测点对应的辅助线;
具体的,请参阅图3,图中包括起点节点、与起点节点相邻的第一监测点和第一辅助线,以起点节点向第一辅助线作第一垂线,得到预测滑面在第一辅助线上的第二节点;
S532.请参阅图4,以第二节点向相邻的第二辅助线作第二垂线,得到第二垂线和第一垂线构成的第一夹角,构造所述第一夹角的第一角平分线,所述第一角平分线与第二辅助线的交点为第三节点,所述第二辅助线为与第二节点相邻的下一个监测点对应的辅助线;
S533.请参阅图5,以第二节点向相邻的第三辅助线作第三垂线,得到第三垂线和第一角平分线构成的第二夹角,构造所述第二夹角的第二角平分线,所述第二角平分线与第三辅助线的交点为第四节点,所述第三辅助线为与第二节点相邻的下一个监测点对应的辅助线;
S534.重复利用当前得到的节点和角平分线确定下一个相邻辅助线的节点,直到预测滑面所经过的剩余节点全部确认。
S54.请参阅图6,以第一位置为起点节点、第二位置为终点节点,依次连接起点节点、所有辅助线上的节点和终点节点得到一条曲线,所述曲线为渐变型滑坡的预测滑面;
本实施例中,在cad中获取预测滑面所经过的各个节点的坐标,再将各个节点的坐标导入到excel中,然后用曲线去拟合各个节点得到曲线函数,再将曲线函数绘制到cad中,即可得到所述预测滑面。
实施例2
本实施例获取待预测渐变型滑坡的地形数据、在预设期间内的7个监测点的位移监测数据;
利用地形数据构建滑坡模型;
根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
根据所述位移监测数据,计算得到在稳定时间区间内7个监测点的相对位移比均值,如表1所示;
表1
监测点 | 1号 | 2号 | 3号 | 4号 | 5号 | 6号 | 7号 |
位移比均值 | 0.0534 | 0.1863 | 0.26086 | 0.26979 | 0.4040 | 0.74349 | 1.53217 |
利用所述相对位移比均值计算得到监测点的位移偏角,根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,如图7所示;
连接所有节点得到渐变型滑坡的预测滑面,如图8所示。
实施例3
如图9所示,本实施例提供了一种渐变型滑坡滑面预测装置,所述装置包括:
获取模块01:获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
模型构建模块02:利用地形数据构建滑坡模型;
第一计算模块03:根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
第二计算模块04:根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;
滑面预测模块05:根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
基于以上实施例,所述第一计算模块03包括:
第三划分单元031:将所述预设期间划分为若干个相等的区段,每个区段中包括多个时段;
提取单元032:从所述位移监测数据中提取每个监测点在每个时段对应的位移;
第一计算单元033:根据所述位移计算监测点在每个时段对应的相对位移比;
第二计算单元034:根据每个区段所包括的相对位移比计算监测点在每个区段的判别系数;
第一判断单元035:判断每个区段的判别系数与预设系数的大小:
若区段的判别系数小于或等于所述预设系数,则令所述区段为预判稳定区段,监测点在所述预判稳定区段内为稳定监测点;
第二判断单元036:判断在预判稳定区段内渐变型滑坡的上部、中部和下部是否均存在预设个稳定监测点:若是,根据预判稳定区段所包括的相对位移比计算监测点在预判稳定区段的相对位移比均值:
第三判断单元037:判断所有监测点的相对位移比均值是否符合预设条件:
若符合,则表示所述预判稳定区段为渐变型滑坡处于稳定变化阶段的稳定时间区间。
基于以上实施例,所述第三判断单元037包括:
获取渐变型滑坡中部监测点的相对位移比均值,判断所述相对位移比均值是否在预设区间;
若是,依次比较渐变型滑坡所有监测点的相对位移比均值:
若所有监测点的相对位移比均值沿滑坡的上部、中部和下部依次递减,则所有监测点的相对位移比均值符合预设条件。
基于以上实施例,所述滑面预测模块05包括:
确定单元051:确定滑坡模型中滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
第一构造单元052:根据每个监测点的位移偏角,以监测点为起点构造多条辅助线;
第二构造单元053:利用第一位置和每个监测点的辅助线确定预测滑面在每条辅助线上的节点;
第三构造单元054:以第一位置为起点节点、第二位置为终点节点,依次连接起点节点、所有辅助线上的节点和终点节点得到一条曲线,所述曲线为渐变型滑坡的预测滑面。
基于以上实施例,所述第二构造单元053包括:
第四构造单元0531:以第一位置向第一辅助线作第一垂线,所述第一垂线与第一辅助线的交点为第二节点,所述第一辅助线为与起点节点相邻的下一个监测点对应的辅助线;
第五构造单元0532:以第二节点向相邻的第二辅助线作第二垂线,得到第二垂线和第一垂线构成的第一夹角,构造所述第一夹角的第一角平分线,所述第一角平分线与第二辅助线的交点为第三节点,所述第二辅助线为与第二节点相邻的下一个监测点对应的辅助线;
第六构造单元0533:以第二节点向相邻的第三辅助线作第三垂线,得到第三垂线和第一角平分线构成的第二夹角,构造所述第二夹角的第二角平分线,所述第二角平分线与第三辅助线的交点为第四节点,所述第三辅助线为与第二节点相邻的下一个监测点对应的辅助线;
第七构造单元0534:重复利用当前得到的节点和角平分线确定下一个相邻辅助线的节点,直到预测滑面所经过的剩余节点全部确认。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例4
相应于上面的方法实施例,本实施例中还提供了一种渐变型滑坡滑面预测设备,下文描述的一种渐变型滑坡滑面预测设备与上文描述的一种渐变型滑坡滑面预测方法可相互对应参照。
图10是根据示例性实施例示出的一种渐变型滑坡滑面预测设备800的框图。如图10所示,该渐变型滑坡滑面预测设备800可以包括:处理器801,存储器802。该渐变型滑坡滑面预测设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该渐变型滑坡滑面预测设备800的整体操作,以完成上述的渐变型滑坡滑面预测方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该渐变型滑坡滑面预测设备800的操作,这些数据例如可以包括用于在该渐变型滑坡滑面预测设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该渐变型滑坡滑面预测设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,渐变型滑坡滑面预测设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的渐变型滑坡滑面预测方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的渐变型滑坡滑面预测方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由渐变型滑坡滑面预测设备800的处理器801执行以完成上述的渐变型滑坡滑面预测方法。
实施例5
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种渐变型滑坡滑面预测方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的渐变型滑坡滑面预测方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到变化或替换,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以权利要求的保护范围为准。
Claims (10)
1.一种渐变型滑坡滑面预测方法,其特征在于,包括:
获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
利用地形数据构建滑坡模型;
根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;
根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
2.根据权利要求1所述的渐变型滑坡滑面预测方法,其特征在于,根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间,包括:
将所述预设期间划分为若干个相等的区段,每个区段中包括多个时段;
从所述位移监测数据中提取每个监测点在每个时段对应的位移;
根据所述位移计算监测点在每个时段对应的相对位移比;
根据每个区段所包括的相对位移比计算监测点在每个区段的判别系数;
判断每个区段的判别系数与预设系数的大小:
若区段的判别系数小于或等于所述预设系数,则令所述区段为预判稳定区段,监测点在所述预判稳定区段内为稳定监测点;
判断在预判稳定区段内渐变型滑坡的上部、中部和下部是否均存在预设个稳定监测点:若是,根据预判稳定区段所包括的相对位移比计算监测点在预判稳定区段的相对位移比均值:
判断所有监测点的相对位移比均值是否符合预设条件:
若符合,则表示所述预判稳定区段为渐变型滑坡处于稳定变化阶段的稳定时间区间。
3.根据权利要求2所述的渐变型滑坡滑面预测方法,其特征在于,所述判断所有监测点的相对位移比均值是否符合预设条件,包括:
获取渐变型滑坡中部监测点的相对位移比均值,判断所述相对位移比均值是否在预设区间;
若是,依次比较渐变型滑坡所有监测点的相对位移比均值:
若所有监测点的相对位移比均值沿滑坡的上部、中部和下部依次递减,则所有监测点的相对位移比均值符合预设条件。
4.根据权利要求1所述的渐变型滑坡滑面预测方法,其特征在于,所述根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面,包括:
确定滑坡模型中滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
根据每个监测点的位移偏角,以监测点为起点构造多条辅助线;
利用第一位置和每个监测点的辅助线确定预测滑面在每条辅助线上的节点;
以第一位置为起点节点、第二位置为终点节点,依次连接起点节点、所有辅助线上的节点和终点节点得到一条曲线,所述曲线为渐变型滑坡的预测滑面。
5.一种渐变型滑坡滑面预测装置,其特征在于,包括:
获取模块:获取渐变型滑坡的地形数据和在预设期间内的位移监测数据,所述位移监测数据为设置在渐变型滑坡的上部、中部和下部的多个监测点位移;
模型构建模块:利用地形数据构建滑坡模型;
第一计算模块:根据所述位移监测数据,计算得到渐变型滑坡处于稳定变化阶段的稳定时间区间;
第二计算模块:根据所述位移监测数据,计算得到在稳定时间区间内监测点的相对位移比均值,利用所述相对位移比均值计算得到监测点的位移偏角;
滑面预测模块:根据监测点的位移偏角在滑坡模型中确定预测滑面所经过的节点,连接所有节点得到渐变型滑坡的预测滑面。
6.根据权利要求5所述的渐变型滑坡滑面预测装置,其特征在于,所述第一计算模块包括:
第三划分单元:将所述预设期间划分为若干个相等的区段,每个区段中包括多个时段;
提取单元:从所述位移监测数据中提取每个监测点在每个时段对应的位移;
第一计算单元:根据所述位移计算监测点在每个时段对应的相对位移比;
第二计算单元:根据每个区段所包括的相对位移比计算监测点在每个区段的判别系数;
第一判断单元:判断每个区段的判别系数与预设系数的大小:
若区段的判别系数小于或等于所述预设系数,则令所述区段为预判稳定区段,监测点在所述预判稳定区段内为稳定监测点;
第二判断单元:判断在预判稳定区段内渐变型滑坡的上部、中部和下部是否均存在预设个稳定监测点:若是,根据预判稳定区段所包括的相对位移比计算监测点在预判稳定区段的相对位移比均值:
第三判断单元:判断所有监测点的相对位移比均值是否符合预设条件:
若符合,则表示所述预判稳定区段为渐变型滑坡处于稳定变化阶段的稳定时间区间。
7.根据权利要求6所述的渐变型滑坡滑面预测装置,其特征在于,所述第三判断单元包括:
获取渐变型滑坡中部监测点的相对位移比均值,判断所述相对位移比均值是否在预设区间;
若是,依次比较渐变型滑坡所有监测点的相对位移比均值:
若所有监测点的相对位移比均值沿滑坡的上部、中部和下部依次递减,则所有监测点的相对位移比均值符合预设条件。
8.根据权利要求5所述的渐变型滑坡滑面预测装置,其特征在于,所述滑面预测模块包括:
确定单元:确定滑坡模型中滑坡剪出口所在的第一位置和后缘裂缝所在的第二位置;
第一构造单元:根据每个监测点的位移偏角,以监测点为起点构造多条辅助线;
第二构造单元:利用第一位置和每个监测点的辅助线确定预测滑面在每条辅助线上的节点;
第三构造单元:以第一位置为起点节点、第二位置为终点节点,依次连接起点节点、所有辅助线上的节点和终点节点得到一条曲线,所述曲线为渐变型滑坡的预测滑面。
9.一种渐变型滑坡滑面预测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述渐变型滑坡滑面预测方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述渐变型滑坡滑面预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081280.2A CN115860265B (zh) | 2023-02-08 | 2023-02-08 | 渐变型滑坡滑面预测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081280.2A CN115860265B (zh) | 2023-02-08 | 2023-02-08 | 渐变型滑坡滑面预测方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115860265A true CN115860265A (zh) | 2023-03-28 |
CN115860265B CN115860265B (zh) | 2023-05-12 |
Family
ID=85657763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310081280.2A Active CN115860265B (zh) | 2023-02-08 | 2023-02-08 | 渐变型滑坡滑面预测方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860265B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440424A (zh) * | 2013-09-04 | 2013-12-11 | 青岛理工大学 | 利用边坡位移监测数据检测和确定滑坡剪出口的方法 |
CN103886176A (zh) * | 2014-01-20 | 2014-06-25 | 青岛理工大学 | 确定蠕滑型边坡动态稳定性系数的方法 |
CN105808862A (zh) * | 2016-03-15 | 2016-07-27 | 石家庄铁道大学 | 一种确定边坡临界滑动面的位移分析方法 |
WO2021077536A1 (zh) * | 2019-10-24 | 2021-04-29 | 青岛理工大学 | 一种基于滑坡破坏形态的边坡风险综合评估方法 |
CN113111595A (zh) * | 2021-06-15 | 2021-07-13 | 西南交通大学 | 一种边坡智能预警方法和装置 |
CN113221371A (zh) * | 2021-05-25 | 2021-08-06 | 贵州省质安交通工程监控检测中心有限责任公司 | 一种边坡临界滑动面确定方法、装置及终端设备 |
CN114611948A (zh) * | 2022-03-16 | 2022-06-10 | 中国地质调查局水文地质环境地质调查中心 | 基于波动项、趋势项分解的滑坡位移预测方法 |
CN115330981A (zh) * | 2022-10-12 | 2022-11-11 | 西南交通大学 | 一种边坡滑面搜索方法、系统、设备及可读存储介质 |
CN115510578A (zh) * | 2022-09-26 | 2022-12-23 | 成都理工大学 | 基于InSAR近实时监测的滑坡失稳时间概率预测方法及产品 |
-
2023
- 2023-02-08 CN CN202310081280.2A patent/CN115860265B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440424A (zh) * | 2013-09-04 | 2013-12-11 | 青岛理工大学 | 利用边坡位移监测数据检测和确定滑坡剪出口的方法 |
CN103886176A (zh) * | 2014-01-20 | 2014-06-25 | 青岛理工大学 | 确定蠕滑型边坡动态稳定性系数的方法 |
CN105808862A (zh) * | 2016-03-15 | 2016-07-27 | 石家庄铁道大学 | 一种确定边坡临界滑动面的位移分析方法 |
WO2021077536A1 (zh) * | 2019-10-24 | 2021-04-29 | 青岛理工大学 | 一种基于滑坡破坏形态的边坡风险综合评估方法 |
CN113221371A (zh) * | 2021-05-25 | 2021-08-06 | 贵州省质安交通工程监控检测中心有限责任公司 | 一种边坡临界滑动面确定方法、装置及终端设备 |
CN113111595A (zh) * | 2021-06-15 | 2021-07-13 | 西南交通大学 | 一种边坡智能预警方法和装置 |
CN114611948A (zh) * | 2022-03-16 | 2022-06-10 | 中国地质调查局水文地质环境地质调查中心 | 基于波动项、趋势项分解的滑坡位移预测方法 |
CN115510578A (zh) * | 2022-09-26 | 2022-12-23 | 成都理工大学 | 基于InSAR近实时监测的滑坡失稳时间概率预测方法及产品 |
CN115330981A (zh) * | 2022-10-12 | 2022-11-11 | 西南交通大学 | 一种边坡滑面搜索方法、系统、设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
段功豪;牛瑞卿;彭令;付杰;: "诱发因素影响下的滑坡参数优化预测模型研究", 武汉大学学报(信息科学版) * |
薛晓辉 等: "滑坡滑动体底面曲线预测模型分析与应用——以陕西陇县李家下滑坡分析为例", 《河北科技大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115860265B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919957B (zh) | 处理数据的方法及装置 | |
JPWO2006073081A1 (ja) | 識別用データ学習システム、学習装置、識別装置及び学習方法 | |
CN111289998A (zh) | 障碍物检测方法、装置、存储介质以及车辆 | |
CN113033108B (zh) | 一种基于AdaBoost算法的边坡可靠度判断方法 | |
CN116108590B (zh) | 一种重力式挡土墙设计方法、装置、设备及可读存储介质 | |
CN117351368B (zh) | 自然村边界的获取方法、装置、电子设备及存储介质 | |
CN117390471A (zh) | 一种水文地质数据管理方法及系统 | |
CN112381358A (zh) | 面向城市区域的绿化树木风灾破坏风险近实时评估方法 | |
US10922451B2 (en) | Ensemble-based reservoir characterization method using multiple Kalman gains and dynamic data selection | |
CN110275895B (zh) | 一种缺失交通数据的填充设备、装置及方法 | |
CN112861692B (zh) | 一种房间分类模型构建方法及装置、房间分类方法及装置 | |
CN115860265A (zh) | 渐变型滑坡滑面预测方法、装置、设备及可读存储介质 | |
CN105931297A (zh) | 三维地质表面模型中的数据处理方法 | |
US7623998B1 (en) | System and method for identifying Bezier curves from a shape | |
CN115659900B (zh) | 用于呈现集成电路版图的方法、设备和介质 | |
CN114357099B (zh) | 一种聚类方法、聚类系统和存储介质 | |
CN114154222B (zh) | 一种用于bim翻模的图像分割方法、电子设备及存储介质 | |
CN115758038A (zh) | 盾构施工的地层复合比计算方法、装置、设备及介质 | |
CN114996829A (zh) | 近接隧道施工条件下新建隧道设计优化方法及设备 | |
CN110826448B (zh) | 一种自主更新的室内定位方法 | |
CN113903016A (zh) | 分岔点检测方法、装置、计算机设备和计算机程序产品 | |
CN114298245A (zh) | 异常检测方法、装置、存储介质和计算机设备 | |
WO2021014557A1 (ja) | メッシュ構造設備検出装置、メッシュ構造設備検出方法、及びプログラム | |
CN112182729A (zh) | 一种基于朴素贝叶斯的隧道掌子面稳定性快速判定方法 | |
CN107291873B (zh) | 地理位置聚类方法 |
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 |