CN116401879B - 一种溃决尾矿砂下游演进模拟方法 - Google Patents
一种溃决尾矿砂下游演进模拟方法 Download PDFInfo
- Publication number
- CN116401879B CN116401879B CN202310387467.5A CN202310387467A CN116401879B CN 116401879 B CN116401879 B CN 116401879B CN 202310387467 A CN202310387467 A CN 202310387467A CN 116401879 B CN116401879 B CN 116401879B
- Authority
- CN
- China
- Prior art keywords
- flow
- tailing
- time
- evolution
- data
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000012876 topography Methods 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 57
- 238000012544 monitoring process Methods 0.000 claims description 49
- 238000004088 simulation Methods 0.000 claims description 29
- 238000005206 flow analysis Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/12—Timing analysis or timing optimisation
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Pure & Applied Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种溃决尾矿砂下游演进模拟方法,所述方法包括对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测,确定尾矿砂信息、尾矿坝地形信息和下游断面边坡信息;根据尾矿砂信息和尾矿坝地形信息,确定尾矿砂的实时溃决流量;根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数;根据实时溃决流量和涌波个数建立演进模型,进行尾矿砂下游演进,获取演进数据;通过演进数据,在地理信息系统中生成尾矿砂下游演进的可视化视频。
Description
技术领域
本发明涉及溃决尾矿砂模拟技术领域,特别涉及一种溃决尾矿砂下游演进模拟方法。
背景技术
尾矿坝是尾矿库的关键构筑物之一,它由初期坝和堆积坝构成,作用是拦挡和沉积尾矿库中的尾矿。由于尾矿坝功能的特殊性,一旦发生溃坝,将对下游居民生命财产安全、生态环境造成难以估量且无法挽回的损失。
目前,国内外对尾矿库洪水漫顶溃坝过程的模拟未能考虑溃口演变过程,而且操作复杂、成本高,因此,本发明提出了一种溃决尾矿砂下游演进模拟方法,基于断波原理建立演进模型进行演进分析,有针对性的直接针对溃决尾矿砂进行模拟分析,准确性高,而且成本低、易操作,结果也可以直观呈现。
发明内容
本发明的目的在于提供一种溃决尾矿砂下游演进模拟方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种溃决尾矿砂下游演进模拟方法,包括:
对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测,确定尾矿砂信息、尾矿坝地形信息和下游断面边坡信息;
根据尾矿砂信息和尾矿坝地形信息,确定尾矿砂的实时溃决流量;
根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数;
根据实时溃决流量和涌波个数建立演进模型,进行尾矿砂下游演进,获取演进数据;
通过演进数据,在地理信息系统中生成尾矿砂下游演进的可视化视频。
进一步的,所述方法还包括:
预先通过地理信息系统的空间分析工具,对尾矿坝和尾矿坝下游断面进行空间定位;其中,
空间定位包括:溃口定位、边坡定位和下游断面定位;
并基于空间定位,获取地形三维图像;
根据地形三维图像,构建尾矿坝和尾矿坝下游断面的高斯函数和图像尺度空间;
通过高斯函数搜索图像尺度空间中,具有尾矿坝特征和尾矿坝下游断面特征的目标特征点:
目标特征点包括:目标尺度特征点、旋转不变特征点和边坡特征点;
根据目标尺度特征点和旋转不变特征点,确定特征点的目标位置,确定位置尺寸;
获取位置尺寸中的边坡特征点,并基于边坡特征点,设置溃决尾矿砂的涌波演变特征点;
基于涌波演变特征点的位置尺寸,生成基于涌波标记的溃决尾矿砂线路三维模拟空间。
进一步的,所述方法还包括:
基于溃决尾矿砂线路三维模拟空间,构建BIM可视化模型,并确定溃决尾矿砂线路的映射纹理;其中,
BIM可视化模型通过地形的多边规则网格进行地形精度等距固定,基于网格坐标确定图像尺度空间;
通过插值算法,计算每个网格的高程值,确定三维图像的空间数据;
通过映射纹理对空间数据进行渲染,生成溃决尾矿砂线路的地形演进模型。
进一步的,所述方法还包括:
对尾矿砂的实时溃决流量进行坐标分析,并获取数据分析结果;其中,
在采用坐标分析的方式进行数据分析时,将时间作为自变量,尾矿砂流量作为因变量针对溃坝流量数据进行建模分析,确定涌波的实时预测数据;
在坐标分析中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波;
根据数据分析结果,依次确定每个涌波的建模数据。
进一步的,所述方法还包括:
预先在下游断面边坡设置监测站,获取每个监测站的监测的尾矿砂的实时尾矿砂流量数据;
将所述尾矿砂的实时溃决流量作为先选因子;
将每个监测站的实时尾矿砂流量数据作为预报因子;
将先选因子和预报因子作为互信息,进行归一化计算;
将归一化计算结果属于预设的BP神经网络,进行反归一化计算,获取预测结果;确定涌波数据。
进一步的,所述方法还包括:
利用DB-IWHR模型计算溃坝溃口演化情况和下泄流量过程线,基于所述溃坝溃口演化情况和下泄流量过程线得到溃坝流量数据。
进一步的,所述计算溃决尾矿砂在下游断面生成的涌波个数,包括:
获取尾矿砂的实时溃决流量和下游断面边坡信息,并代入坐标分析的方式进行数据计算;其中,
在采用坐标分析的方式进行数据分析时,将时间作为自变量流量作为因变量针对所述溃坝流量数据进行整理,得到溃坝流量整理数据;
在溃坝流量整理数据中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波。
进一步的,所述方法还包括:
根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数,还包括:
对第i个涌波进行流量分析,计算对应时间段内涌波的平均流量以及第i个涌波的总流量;
根据涌波的平均流量以及第i个涌波的总流量获取所述第i个涌波的波高以及确定所述第i个涌波的初始流速;
采用曼宁公式针对所述第i个涌波的初始流速分析所述第i个涌波的沿程水头损失;
结合所述第i个涌波的沿程水头损失计算洪水分析过程中下游断面中第i个涌波的波高、波流量、时间长度;
然后针对下一个涌波继续进行流量分析,循环操作直至所有的涌波都获得下游断面中涌波的波高、波流量、时间长度,确定尾矿砂流量演进数据。
进一步的,所述方法还包括:
将所述演进数据转化为可视化视频时,在地理信息系统中生成演进数据图表;并在其中,
演进数据图表包括:根据洪水分析过程中下游断面中第i个涌波的波高、波流量、时间长度以及泥石流分析过程中下游断面中第i个涌波的波高、波流量、时间长度进行制作流量与时间之间的流量-时间折线图;其中,
在流量-时间折线图中以两条不同的曲线区别显示洪水分析过程与泥石流分析过程,并且在流量-时间折线图中进行峰值比较,并将两条曲线中峰值较高的点对应的流量以及时间单独进行数据显示;
将下游断面中水深与时间之间的关系以折线图的形式进行呈现;
演进数据图表在表格中还包括:溃口数据区域块和下游断面数据区域块,分别以时间作为变量呈现与时间对应时刻的溃口流量或者下游断面流量和下游断面水位。
进一步的,还包括:针对所述溃决尾矿砂的溃坝进行监测,实时获取监测图像,并对所述监测图像进行实时分析,包括:将当前监测图像与上一时刻的监测图像进行比对,通过图像处理针对所述当前监测图进行目标区域识别,获得当前溃坝信息,将所述当前溃坝信息结合上一时刻的溃坝信息进行比较,分析并确定溃坝是否发生变化,得到监测结果信息,根据所述监测结果信息在溃坝发生变化时利用所述仪器设备重新勘测溃决尾矿砂,更新所述溃坝参数信息。
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、权利要求书、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。在附图中:
图1为本发明所述的一种溃决尾矿砂下游演进模拟方法的步骤示意图;
图2为本发明所述的一种溃决尾矿砂下游演进模拟方法中溃决地形数据示意图。
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,此处所描述的优选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,本发明实施例中,包括:
对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测,确定尾矿砂信息、尾矿坝地形信息和下游断面边坡信息;
根据尾矿砂信息和尾矿坝地形信息,确定尾矿砂的实时溃决流量;
根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数;
根据实时溃决流量和涌波个数建立演进模型,进行尾矿砂下游演进,获取演进数据;
通过演进数据,在地理信息系统中生成尾矿砂下游演进的可视化视频。上述技术方案提供了一种溃决尾矿砂下游演进模拟方法,本发明在解决溃决尾矿砂演进预测方面,采用的方案是一种基于实景的演进模拟方式,本发明的原理是通过对尾矿坝和尾矿坝下游断面进行勘测,即,实时场景中,尾矿坝的实时地形数据和尾矿砂溃决的轨迹路线的地形数据,进而,根据这些地形数据,计算尾矿砂在溃决的时候,溃决口的实时流量,以及,在不同的坡面,根据坡度差,生成的一个一个涌波;在进行模拟的时候,通过涌波的个数和溃决的流量数据,模拟演进尾矿砂在溃决的轨迹路线上的整个溃决过程,通过演进数据,对尾矿砂的溃决数据进行模拟,并且生成对应的模拟数据,通过模拟数据实现对尾矿砂的模拟,生成可视化的,尾矿砂溃决的模拟可视化动画视频,实现演进数据的可视化展示和数据的动态采集。
上述技术方案具有较强的针对性,能够直接针对溃决尾矿砂进行模拟分析,从而能够获取尾矿库坝身渗透破坏引起的溃坝下游受灾具体情况,为政府决策部门及相关设计单位科学合理地制定尾矿库溃决应急预案及抢险与补救措施提供依据,从而减轻因尾矿库溃决造成的损失,降低事故风险。通过基于断波原理建立演进模型进行演进分析,以简洁高效的模拟溃决洪水演进,为下游应急决策提供技术支撑,而且通过将演进数据以可视化视频的形式呈现反馈,使得结果可视化,直观地呈现出来。
本发明提供的一个实施例中,
所述方法还包括:
预先通过地理信息系统的空间分析工具,对尾矿坝和尾矿坝下游断面进行空间定位;其中,
空间定位包括:溃口定位、边坡定位和下游断面定位;
并基于空间定位,获取地形三维图像;
根据地形三维图像,构建尾矿坝和尾矿坝下游断面的高斯函数和图像尺度空间;
通过高斯函数搜索图像尺度空间中,具有尾矿坝特征和尾矿坝下游断面特征的目标特征点:
目标特征点包括:目标尺度特征点、旋转不变特征点和边坡特征点;
根据目标尺度特征点和旋转不变特征点,确定特征点的目标位置,确定位置尺寸;
获取位置尺寸中的边坡特征点,并基于边坡特征点,设置溃决尾矿砂的涌波演变特征点;
基于涌波演变特征点的位置尺寸,生成基于涌波标记的溃决尾矿砂线路三维模拟空间。
上述技术方案的原理在于:本发明能够通过地理信息系统的空间分析工具,对尾矿坝整体进行空间定位,确定尾矿坝整体的三维图像,通过三维图像,进行尾矿砂溃决可能途径的地形进行尺度测量和高程计算,通过尺度数据和高程数据,确定整体区域的特征点。基于整体区域的特征点,确定尾矿砂区域的整体目标位置和目标尺寸,进而通过尺寸测量后的溃决尾矿砂的演变特征,实现尾矿砂严谨的地形的三维模型,生成对应的三维模拟空间,进而可以通过三维模拟空间的结合尾矿砂的流量数据,进行下游演进,本发明中的目标特征点为附图2中的每个高程线距离下一维度高程线之间的坡度的坐标点,以及每个高程线对应的坐标点。
在本发明对对尾矿坝和尾矿坝下游断面进行空间定位的过程中,还包括括如下步骤:
步骤1:为进行完整的空间定位,本发明会基于地理信息系统的空间分析工具,构建基于尾矿坝和尾矿坝下游断面的地理空间模型:
其中,D表示地理空间模型;yi表示尾矿坝在第i个地理坐标位置的地理特征(地理特征包括:地形、土壤或者尾矿砂堆积高度、堆积量等等);Wi表示尾矿坝在第i个地理坐标位置在空间分析工具中划分的区域特征(区域特征包括区域范围、区域几何图形和区域坐标等特征);aj表示尾矿坝下游断面的第j个地理坐标位置的地理特征(包括:坡度、边坡特征、植被、土壤和高度等等);bj表示尾矿坝下游断面的第j个地理坐标位置的下游轨迹特征;(包括下游的轨迹角度和轨迹航道的宽度;)cj表示尾矿坝下游断面的第j个地理坐标位置的目标特征点的坐标;dj表示尾矿坝下游断面的第j个地理坐标位置的目标特征点的参照物坐标;
上述公式中,构建了整个尾矿坝和尾矿坝下游断面的空间地理模型;是尾矿坝的空间地理模型;/>是尾矿坝下游断面的空间地理模型;/>是在进行下游断面地理空间划分的时候,参照物的坐标特征模型,前两个模型是地理模型,而参照物模型是为了提高地理空间模型的划分精度。
步骤2:根据地理空间模型,构建定位标识模型:
其中,f(x)表示任意尾矿坝和尾矿坝下游断面的地理位置特征的特征函数;x表示任意尾矿坝和尾矿坝下游断面的地理位置特征;L表示定位标识模型;当L符合式(1);时,表示定位点在尾矿坝上,进而通过带入yi,在式1=1时,进行对应位置定位;在其他情况下,式1大于1,表明定位的地方不在尾矿坝;当式2和式3同时小于1时,表示定位点在尾矿坝下游面。
上述步骤2是通过定位标识模型,实现在地理位置的定位。进而在进行下游演进的时候,演进位置的快速定位,调取任意演进位置的实时演进画面。
进一步的:所述方法还包括:
基于溃决尾矿砂线路三维模拟空间,构建BIM可视化模型,并确定溃决尾矿砂线路的映射纹理;其中,
BIM可视化模型通过地形的多边规则网格进行地形精度等距固定,基于网格坐标确定图像尺度空间;
通过插值算法,计算每个网格的高程值,确定三维图像的空间数据;
通过映射纹理对空间数据进行渲染,生成溃决尾矿砂线路的地形演进模型。
上述技术方案的原理在于:
本发明应用了BIM技术,通过BIM技术构建可视化模型,进而确定尾矿砂溃决线路上的纹理,纹理就是地形数据,包括地形尺寸和地形中不同区域的高度差,在进行尺度测量的时候,本发明是基于多变规则网格,通过网格坐标,实现图像尺度空间的搭建。本发明通过插值算法,计算网格的高程值,就是计算地形的高度差,通过高度差,确定地形的三维模拟空间的结构,进而通过渲染的方式,生成尾矿砂线路的溃决演进模型。
进一步的:
所述方法还包括:
对尾矿砂的实时溃决流量进行坐标分析,并获取数据分析结果;其中,
在采用坐标分析的方式进行数据分析时,将时间作为自变量,尾矿砂流量作为因变量针对溃坝流量数据进行建模分析,确定涌波的实时预测数据;
在坐标分析中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波;
根据数据分析结果,依次确定每个涌波的建模数据。
上述技术方案的原理在于:
本发明在进行尾矿砂的流量分析的过程中,基于坐标分析的方式,通过时间作为自变量,尾矿砂的流量作为因变量,进而实现尾矿砂溃决的流量计算,进而在尾矿砂溃口的下游断面边坡处,根据边坡的高度和方向,进行尾矿砂整体的建模分析,进而实现对每个涌波的实时预测计算,在这个过程中,因为存在多个边坡,进而在尾矿砂溃决时,也会通过边坡生成多个涌波,而这些涌波形成的过程和数据,就是尾矿砂溃决的流量预测数据。
进一步的:
所述方法还包括:
预先在下游断面边坡设置监测站,获取每个监测站的监测的尾矿砂的实时尾矿砂流量数据;
将所述尾矿砂的实时溃决流量作为先选因子;
将每个监测站的实时尾矿砂流量数据作为预报因子;
将先选因子和预报因子作为互信息,进行归一化计算;
将归一化计算结果属于预设的BP神经网络,进行反归一化计算,获取预测结果;确定涌波数据。
本发明在确定涌波数据的过程中,会根据边坡的数据,设置多个监测站,监测尾矿砂溃决后到达每个边坡处的流量数据,溃决口的溃决流量作为先选因子,每个监测站的实时尾矿砂流量数据,作为预报因子,进而通过两个可以交互的信息,在BP神经网络进行反演预测的计算,确定了涌波数据。
本发明在勘测溃决尾矿砂时,通过仪器设备对溃决尾矿砂直接进行信息获取,将根据获取的溃坝参数信息采用专业仪器设备进行数据采集与分析,得到溃坝参数信息。
本发明通过采用仪器设备进行信息获取不仅能够高效获得数据信息,还能够避免勘测过程中主观因素的影响,确保溃坝参数信息准确性,并且仪器设备在采集数据信息时工作人员无需近距离接触勘测溃决尾矿砂,降低勘测溃决尾矿砂对工作人员造成的危险,而且还能够避免在数据信息采集过程中对勘测溃决尾矿砂造成破坏,增加勘测溃决尾矿砂的风险。
本发明提供的一个实施例中,根据溃坝参数信息利用DB-IWHR模型进行溃坝流量获取时,根据所述溃坝参数信息利用DB-IWHR模型计算溃坝溃口演化情况和下泄流量过程线,基于所述溃坝溃口演化情况和下泄流量过程线得到溃坝流量数据。
上述技术方案根据溃坝参数信息利用DB-IWHR模型进行溃坝流量获取时,根据溃坝参数信息利用DB-IWHR模型计算溃坝溃口演化情况和下泄流量过程线,基于溃坝溃口演化情况和下泄流量过程线得到溃坝流量数据。
上述技术方案通过DB-IWHR模型进行溃坝流量获取使得获取的溃坝流量符合砂流演进一般规律,减小了溃坝流量数据与溃决尾矿砂实际情况之间的误差,确保了溃坝流量数据的准确性。
本发明提供的一个实施例中,针对所述溃坝流量数据进行分析,并将溃坝流程过程分为多个涌波,包括:
获取所述溃坝流量数据,并采用坐标分析的方式进行数据分析,在采用坐标分析的方式进行数据分析时,将时间作为自变量流量作为因变量针对所述溃坝流量数据进行整理,得到溃坝流量整理数据;
在所述溃坝流量整理数据中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波。
上述技术方案针对溃坝流量数据进行分析,并将溃坝流程过程分为多个涌波,在将溃坝流程过程分为多个涌波时,首先,获取溃坝流量数据,并采用坐标分析的方式进行数据分析,在采用坐标分析的方式进行数据分析时,将时间作为自变量流量作为因变量针对溃坝流量数据进行整理,得到溃坝流量整理数据;然后在溃坝流量整理数据中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波。
上述技术方案通过分成多个涌波实现对溃坝流程过程中非恒定急变流的分析,使得能够准确的针对流量在较短的时间内发生较大的变化分别进行分析,从而提高演进模拟的准确性。
本发明提供的一个实施例中,如图2所示,上述技术方案中演进模型包括:洪水演进模型和泥石流演进模型,在通过演进模型根据涌波进行演进分析时,包括:洪水分析和泥石流分析,其中,洪水分析是针对涌波采用洪水演进模型进行演进分析得到下游断面的水位流量过程,泥石流分析是针对涌波采用泥石流演进模型进行演进分析得到下游断面的水位流量过程。
上述技术方案通过采用洪水分析以及泥石流分析双重分析演进模拟下游中的情况,使得能够及时根据演进数据针对下游采取解决方案,进而降低下游决堤带来的危害,同时减轻下游区域因尾矿库溃决造成的损失,降低事故风险。
本发明提供的一个实施例中,所述洪水分析在针对所述涌波采用所述洪水演进模型进行演进分析时依次针对每一个涌波进行分析,包括:对第i个涌波进行流量分析,计算对应时间段内所述涌波的平均流量以及第i个涌波的总流量;根据所述涌波的平均流量以及第i个涌波的总流量获取所述第i个涌波的波高以及确定所述第i个涌波的初始流速;采用曼宁公式针对所述第i个涌波的初始流速分析所述第i个涌波的沿程水头损失;结合所述第i个涌波的沿程水头损失计算洪水分析过程中下游断面中第i个涌波的波高、波流量、时间长度;然后针对下一个涌波继续进行流量分析,循环操作直至所有的涌波都获得下游断面中涌波的波高、波流量、时间长度。
本发明提供的一个实施例中,所述泥石流分析在针对所述涌波采用所述泥石流演进模型进行演进分析时,针对第i个涌波进行流量分析,计算对应时间段内所述涌波的平均流量以及第i个涌波的总流量;根据所述涌波的平均流量以及第i个涌波的总流量获取所述第i个涌波的波高以及确定所述第i个涌波的初始流速;结合泥石流参数采用库伦摩阻力模型分析所述第i个涌波的沿程水头损失;结合所述第i个涌波的沿程水头损失计算泥石流分析过程中下游断面中第i个涌波的波高、波流量、时间长度;然后继续针对第i+1个涌波进行演进分析。
本发明提供的一个实施例中,将所述演进数据以图表的形式呈现反馈时,在结果显示区中以图表的形式进行呈现,根据洪水分析过程中下游断面中第i个涌波的波高、波流量、时间长度以及泥石流分析过程中下游断面中第i个涌波的波高、波流量、时间长度进行制作流量与时间之间的流量-时间折线图,在所述流量-时间折线图中以两条不同的曲线区别显示洪水分析过程与泥石流分析过程,并且在所述流量-时间折线图中进行峰值比较,并将两条曲线中峰值较高的点对应的流量以及时间单独进行数据显示;所述结果显示区中还将下游断面中水深与时间之间的关系以折线图的形式进行呈现。
上述技术方案在将演进数据以图表的形式呈现反馈时,在结果显示区中以图表的形式进行呈现,在结果显示区域中包括两个折线图和一个表格数据图,其中一个折线图是根据洪水分析过程中下游断面中第i个涌波的波高、波流量、时间长度以及泥石流分析过程中下游断面中第i个涌波的波高、波流量、时间长度进行制作流量与时间之间的流量-时间折线图,在流量-时间折线图中以两条不同的曲线区别显示洪水分析过程与泥石流分析过程,另一个折线图是呈现下游断面中水深与时间之间的关系,表格数据图则是针对流量-时间折线图中进行峰值比较,将两条曲线中峰值较高的点对应的流量以及时间提取处理在表格数据图中单独进行数据显示。
上述技术方案通过图表的形式使得更加直观的呈现演进数据,使得相关工作人员能够更加容易的从图表中获取关键信息。
本发明提供的一个实施例中,将所述演进数据以图表的形式呈现反馈还设有计算数据显示区域,将所述演进数据以表格的形式呈现出来,在表格中包括:溃口数据区域块和下游断面数据区域块,分别以时间作为变量呈现与时间对应时刻的溃口流量或者下游断面流量和下游断面水位。
上述技术方案在将演进数据以图表的形式呈现反馈还设有计算数据显示区域,将演进数据以表格的形式呈现出来,在表格中包括:溃口数据区域块和下游断面数据区域块,在溃口数据区域块中,以时间作为变量,将对应时间刻度的溃口流量数据一同显示,在下游断面数据区域块中,以时间作为变量,将对应时间刻度的下游断面流量和下游断面水位一同显示。
上述技术方案通过计算数据显示区域将演进数据直观的呈现出来,使得能够更加明确演进模拟过程中各个变量的具体数据,使得演进模拟过程透明化。
本发明提供的一个实施例中,所述方法还包括:针对所述溃决尾矿砂的溃坝进行监测,实时获取监测图像,并对所述监测图像进行实时分析,包括:将当前监测图像与上一时刻的监测图像进行比对,通过图像处理针对所述当前监测图进行目标区域识别,获得当前溃坝信息,将所述当前溃坝信息结合上一时刻的溃坝信息进行比较,分析并确定溃坝是否发生变化,得到监测结果信息,根据所述监测结果信息在溃坝发生变化时利用所述仪器设备重新勘测溃决尾矿砂,更新所述溃坝参数信息。
上述技术方案在溃决尾矿砂下游演进模拟方法中还针对溃决尾矿砂的溃坝进行监测,针对溃决尾矿砂进行实时图像获取,得到监测图像,然后针对监测图像进行实时分析,其分别将当前监测图像与上一时刻的监测图像进行比对,具体包括:针对分析过程中的当前溃坝信息和上一时刻的溃坝信息进行更新,上一时刻的溃坝信息利用上一次分析过程中的当前溃坝信息进行更新,当前溃坝信息则是根据监测图像中当前时刻的图像获得的,针对监测图像进行图像处理,识别图像中溃坝的区域,将图像中溃坝信息识别提取出来得到当前溃坝信息,然后再将当前溃坝信息结合上一时刻的溃坝信息进行比较,分析并确定溃坝是否发生变化,从而得到监测结果信息,接着再根据监测结果信息在溃坝发生变化时利用仪器设备重新勘测溃决尾矿砂,更新溃坝参数信息,从而使得利用更新后的溃坝参数信息进行演进模拟。
上述技术方案通过对溃决尾矿砂的溃坝进行监测实现了对溃坝参数信息的及时更新,使得能够在利用溃坝参数信息进行演进模拟时能够及时进行调整,从而使得演进模拟与实际情况更加符合,提高了演进模拟的准确性,而且在监测时,采用图像进行分析,不仅效率高,能够及时发现溃坝参数发生了变化,而且成本消耗也低,并且在监测分析过程中还不容易出现错误。
本领域技术人员应当理解的是,本发明中的第一、第二仅仅指的是不同应用阶段而已。
本领域技术客户员在考虑说明书及实践公开后,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 (10)
1.一种溃决尾矿砂下游演进模拟方法,其特征在于,包括:
对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测,确定尾矿砂信息、尾矿坝地形信息和下游断面边坡信息;
根据尾矿砂信息和尾矿坝地形信息,确定尾矿砂的实时溃决流量;
根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数;
根据实时溃决流量和涌波个数建立演进模型,进行尾矿砂下游演进,获取演进数据;
通过演进数据,在地理信息系统中生成尾矿砂下游演进的可视化视频。
2.根据权利要求1所述一种溃决尾矿砂下游演进模拟方法,其特征在于,所述对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测包括:
预先通过地理信息系统的空间分析工具,对尾矿坝和尾矿坝下游断面进行空间定位;其中,
空间定位包括:溃口定位、边坡定位和下游断面定位;
并基于空间定位,获取地形三维图像;
根据地形三维图像,构建尾矿坝和尾矿坝下游断面的高斯函数和图像尺度空间;
通过高斯函数搜索图像尺度空间中,具有尾矿坝特征和尾矿坝下游断面特征的目标特征点:
目标特征点包括:目标尺度特征点、旋转不变特征点和边坡特征点;
根据目标尺度特征点和旋转不变特征点,确定特征点的目标位置,确定位置尺寸;
获取位置尺寸中的边坡特征点,并基于边坡特征点,设置溃决尾矿砂的涌波演变特征点;
基于涌波演变特征点的位置尺寸,生成基于涌波标记的溃决尾矿砂线路三维模拟空间。
3.根据权利要求2所述一种溃决尾矿砂下游演进模拟方法,其特征在于,所述对溃决尾矿砂的尾矿坝和尾矿坝下游断面进行勘测还包括:
基于溃决尾矿砂线路三维模拟空间,构建BIM可视化模型,并确定溃决尾矿砂线路的映射纹理;其中,
BIM可视化模型通过地形的多边规则网格进行地形精度等距固定,基于网格坐标确定图像尺度空间;
通过插值算法,计算每个网格的高程值,确定三维图像的空间数据;
通过映射纹理对空间数据进行渲染,生成溃决尾矿砂线路的地形演进模型。
4.根据权利要求1所述一种溃决尾矿砂下游演进模拟方法,其特征在于,所述计算溃决尾矿砂在下游断面生成的涌波个数包括:
对尾矿砂的实时溃决流量进行坐标分析,并获取数据分析结果;其中,
在采用坐标分析的方式进行数据分析时,将时间作为自变量,尾矿砂流量作为因变量,针对实时溃决流量数据进行建模分析,确定涌波的实时预测数据;
在坐标分析中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波;
根据数据分析结果,依次确定每个涌波的建模数据。
5.根据权利要求1所述一种溃决尾矿砂下游演进模拟方法,其特征在于,所述计算溃决尾矿砂在下游断面生成的涌波个数还包括:
预先在下游断面边坡设置监测站,获取每个监测站的监测的尾矿砂的实时尾矿砂流量数据;
将所述尾矿砂的实时溃决流量作为先选因子;
将每个监测站的实时尾矿砂流量数据作为预报因子;
将先选因子和预报因子作为互信息,进行归一化计算;
将归一化计算结果属于预设的BP神经网络,进行反归一化计算,获取预测结果,确定涌波数据。
6.根据权利要求1所述的方法,其特征在于,所述确定尾矿砂的实时溃决流量包括:
利用DB-IWHR模型计算溃坝溃口演化情况和下泄流量过程线,基于所述溃坝溃口演化情况和下泄流量过程线得到实时溃决流量数据。
7.根据权利要求1所述的方法,其特征在于,所述根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数包括:
获取尾矿砂的实时溃决流量和下游断面边坡信息,并代入坐标分析的方式进行数据计算;其中,
在采用坐标分析的方式进行数据分析时,将时间作为自变量流量作为因变量针对所述实时溃决流量数据进行整理,得到溃坝流量整理数据;
在溃坝流量整理数据中,针对自变量进行限定,将自变量按照预设时间间隔平均分成多个相同的时间段,在每个时间段中结合流量过程对应的流量得到多个涌波。
8.根据权利要求1所述的方法,其特征在于,所述根据下游断面边坡信息,计算溃决尾矿砂在下游断面生成的涌波个数还包括:
对第个涌波进行流量分析,计算对应时间段内涌波的平均流量以及第个涌波的总流量;
根据涌波的平均流量以及第个涌波的总流量获取所述第个涌波的波高以及确定所述第个涌波的初始流速;
采用曼宁公式针对所述第个涌波的初始流速分析所述第个涌波的沿程水头损失;
结合所述第个涌波的沿程水头损失计算洪水分析过程中下游断面中第个涌波的波高、波流量、时间长度;
然后针对下一个涌波继续进行流量分析,循环操作直至所有的涌波都获得下游断面中涌波的波高、波流量、时间长度,确定尾矿砂流量演进数据。
9.根据权利要求1所述的方法,其特征在于,所述在地理信息系统中生成尾矿砂下游演进的可视化视频包括:
将所述演进数据转化为可视化视频时,在地理信息系统中生成演进数据图表;其中,
演进数据图表包括:根据洪水分析过程中下游断面中第个涌波的波高、波流量、时间长度以及泥石流分析过程中下游断面中第个涌波的波高、波流量、时间长度进行制作流量与时间之间的流量-时间折线图;其中,
在流量-时间折线图中以两条不同的曲线区别显示洪水分析过程与泥石流分析过程,并且在流量-时间折线图中进行峰值比较,并将两条曲线中峰值较高的点对应的流量以及时间单独进行数据显示;
将下游断面中水深与时间之间的关系以折线图的形式进行呈现;
演进数据图表在表格中还包括:溃口数据区域块和下游断面数据区域块,分别以时间作为变量呈现与时间对应时刻的溃口流量或者下游断面流量和下游断面水位。
10.根据权利要求1所述的方法,其特征在于,所述确定尾矿砂的实时溃决流量还包括:针对所述溃决尾矿砂的溃坝进行监测,实时获取监测图像,并对所述监测图像进行实时分析,包括:将当前监测图像与上一时刻的监测图像进行比对,通过图像处理针对所述当前监测图进行目标区域识别,获得当前溃坝信息,将所述当前溃坝信息结合上一时刻的溃坝信息进行比较,分析并确定溃坝是否发生变化,得到监测结果信息,根据所述监测结果信息在溃坝发生变化时利用仪器设备重新勘测溃决尾矿砂,更新所述溃坝参数信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310387467.5A CN116401879B (zh) | 2023-04-12 | 2023-04-12 | 一种溃决尾矿砂下游演进模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310387467.5A CN116401879B (zh) | 2023-04-12 | 2023-04-12 | 一种溃决尾矿砂下游演进模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401879A CN116401879A (zh) | 2023-07-07 |
CN116401879B true CN116401879B (zh) | 2024-01-02 |
Family
ID=87008731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310387467.5A Active CN116401879B (zh) | 2023-04-12 | 2023-04-12 | 一种溃决尾矿砂下游演进模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401879B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007506B (zh) * | 2023-08-16 | 2024-04-02 | 北方工业大学 | 透镜体影响下尾矿坝加载试验方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
-
2023
- 2023-04-12 CN CN202310387467.5A patent/CN116401879B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456325A (zh) * | 2022-07-27 | 2022-12-09 | 北方工业大学 | 一种用于非煤矿山的灾害设防能力的分析方法 |
Non-Patent Citations (5)
Title |
---|
堵江滑坡坝的溃坝方式模拟与环境效应分析;孙蔚;董云;;自然灾害学报(04);第72-77页 * |
尾矿坝排渗技术的研究现状;金松丽;徐宏达;张伟;闫浩;;现代矿业(07);第35-38页 * |
尾矿坝溃决泥浆运动机制及其预测模型研究;郑欣;许开立;徐晓虎;;工业安全与环保(09);第33、48-50页 * |
尾砂库溃坝洪水演进过程模拟;周扬;张强;;南昌工程学院学报(01);第60-63页 * |
整体模型法在城市水库溃坝洪水演进数学模型研究中的应用;马喜荣;姚志坚;陈文龙;陈豪;李慧婧;;广东水利水电(02);第1-4、39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116401879A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11333796B2 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
CN110677859B (zh) | 弱覆盖区域的确定方法、装置和计算机可读存储介质 | |
Minelli et al. | An open source GIS tool to quantify the visual impact of wind turbines and photovoltaic panels | |
CN111062361B (zh) | 一种河湖岸线采砂监测分析的方法及装置 | |
CN106355166A (zh) | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 | |
CN109508508B (zh) | 一种露天矿山治理勘查设计方法 | |
CN106815850A (zh) | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 | |
Klouček et al. | How does data accuracy influence the reliability of digital viewshed models? A case study with wind turbines | |
CN108459318A (zh) | 基于遥感技术的潜在滑坡早期识别方法 | |
CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
CN107393006B (zh) | 一种衡量隧道整体变形的方法 | |
CN116401879B (zh) | 一种溃决尾矿砂下游演进模拟方法 | |
CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
CN109933637B (zh) | 一种洪水风险动态展示及分析系统 | |
CN108632832B (zh) | 网络覆盖分析方法及系统 | |
CN109238227B (zh) | 一种表征地面沉降时空演变的方法 | |
CN103205972B (zh) | 一种分析基坑变形与坑外地面沉降关系的方法 | |
CN111784831A (zh) | 一种基于倾斜摄影的城区河道洪水三维淹没分析方法 | |
Esch et al. | Urban remote sensing–how can earth observation support the sustainable development of urban environments? | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN107119657A (zh) | 一种基于视觉测量基坑监测方法 | |
CN110059870A (zh) | 基于bim和gis的航道整治建筑物维护分析方法 | |
CN113420458A (zh) | 一种风场数据精细化处理方法、装置、终端及介质 | |
CN117408173B (zh) | 一种基于机器学习的水文流量整编智能模型构建方法 |
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 |