CN117150978B - 基于岩体裂隙渗流信息的岩体变化预测系统 - Google Patents
基于岩体裂隙渗流信息的岩体变化预测系统 Download PDFInfo
- Publication number
- CN117150978B CN117150978B CN202311435002.9A CN202311435002A CN117150978B CN 117150978 B CN117150978 B CN 117150978B CN 202311435002 A CN202311435002 A CN 202311435002A CN 117150978 B CN117150978 B CN 117150978B
- Authority
- CN
- China
- Prior art keywords
- rock mass
- rock
- fracture
- value
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 744
- 230000008859 change Effects 0.000 title claims abstract description 199
- 238000012545 processing Methods 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 29
- 239000003673 groundwater Substances 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 230000003746 surface roughness Effects 0.000 claims description 19
- 230000035699 permeability Effects 0.000 claims description 16
- 230000010485 coping Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 238000013499 data model Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013598 vector Substances 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了基于岩体裂隙渗流信息的岩体变化预测系统，涉及地质工程领域，用于改善当前岩体变化预测系统主观因素影响较大，导致预测结果不确定性大的问题，预测系统包括数据获取模块、数据处理模块、模型建立模块和变化预测模块，数据获取模块获取预测基础数据，数据处理模块根据预测基础数据获取预测模型数据，模型建立模块接收预测模型数据建立岩体变化预测模型，变化预测模块根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略，本发明通过获取预测基础数据和预测模型数据建立岩体变化预测模型对岩体变化进行预测，提高了岩体变化预测结果的确定性。
Description
技术领域
本发明属于地质工程领域，涉及预测模型技术，具体是基于岩体裂隙渗流信息的岩体变化预测系统。
背景技术
岩体渗流信息是指岩体中的流体，包括水、油和气在岩体裂隙中流动的情况和特征，岩体渗流信息包括岩体的渗流方向、渗流速度、渗流量等，岩体渗流信息获取的方式包括现场勘测、模型实验等方式，岩体渗流信息能够反映岩体的变形和破坏情况，通过测量和分析岩体渗流信息能够对岩体变化预测提供关键的数据和依据，为地下工程、矿山工程等领域的设计和施工提供科学依据的同时保障施工人员的生命安全。
传统的岩体变化预测系统通过获取岩体初步数据结合分析人员的经验和以往的岩体案例分析来进行岩体变化预测，这种方式在很大程度上依靠分析人员经验，预测结果受到个人主观因素影响较大，不同的分析人员进行预测会产生不同的预测结果，导致预测的不确定性增加，为此，我们提出基于岩体裂隙渗流信息的岩体变化预测系统。
发明内容
针对现有技术存在的不足，本发明目的是提供基于岩体裂隙渗流信息的岩体变化预测系统。
本发明通过获取预测基本数据，并对预测基本数据进行处理得到预测模型数据建立岩体变化预测模型，同时，获取多种不同岩体的预测模型数据作为训练数据，使用最小二乘法拟合线性回归方程对岩体变化预测模型进行拟合，使其更加符合实际，岩体变化模块根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略。
为了实现上述目的，本发明采用了如下技术方案进行实现，基于岩体裂隙渗流信息的岩体变化预测系统各模块具体工作过程如下：
数据获取模块：获取预测基础数据；
数据处理模块：根据预测基础数据获取预测模型数据；
模型建立模块：根据预测模型数据建立岩体变化预测模型；
变化预测模块：根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略：
服务器分别与数据获取模块、数据处理模块、模型建立模块、变化预测模块相连。
进一步地，数据获取模块包括第一获取单元、第二获取单元、第三获取单元、第四获取单元组成，数据获取模块对预测基础数据进行获取，具体如下：
第一获取单元对岩体密度数值、岩体孔隙度数值和岩体饱和度数值进行获取；
第二获取单元对岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数进行获取；
第三获取单元对岩体表面高度数据和岩体表面角度数据进行获取；
第四获取单元对岩体所在区域地下水水位高度数值进行获取；
数据获取模块将岩体密度数值、岩体孔隙度数值、岩体饱和度数值、岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数、岩体裂隙节点数、岩体表面高度数据、岩体表面角度数据、岩体所在区域地下水水位高度数值作为预测基础数据。
进一步地，第一获取单元和第二获取单元对数据的获取过程，具体如下：
第一获取单元通过岩体厚度数值、超声波频率、超声波发射脉冲的时间和接收反射超声波脉冲的时间，计算得到获取岩体密度数值；
第一获取单元通过岩体密度、岩体中岩石密度、岩体的体积数值和岩体中岩石的体积数值，计算得到岩体孔隙度数值；
第一获取单元通过超声波岩体中传播的速度、超声波在水体中传播的速度、岩体密度数值和水的密度，计算得到岩体饱和度数值；
第二获取单元通过样本岩体裂隙长度数值、样本岩体裂隙宽度数值和样本岩体面积数值，计算样本岩体裂隙面积数值和样本岩体裂隙密度数值，根据样本岩体面积数值和样本岩体裂隙密度数值预估岩体裂隙面积数值和岩体裂隙密度数值；
第二获取单元获取样本岩体内部的裂隙条数和裂隙节点数，根据样本岩体裂隙条数和裂隙节点数，根据样板岩体获取岩体裂隙条数和岩体裂隙节点数。
进一步地，第三获取单元和第四获取单元对数据的获取过程，具体如下：
第三获取单元在岩体表面设立n个特征点，分别为特征点1、特征点2……特征点n，设立特征点位置包括但不限于岩体顶部、岩体底部、岩体断面和岩体平面，利用全站仪分别获取n个特征点与地面的高度数值和与地面的夹角数值，将n个特征点与地面的高度数值和夹角数值并设置为岩体表面高度数据；
第四获取单元获取岩体所在区域地下水水位高度处的压力数值、大气压力数值，水的密度数值和重力常数数值，计算得到岩体所在区域地下水水位高度数值。
进一步地，数据处理模块包括第一处理单元、第二处理单元、第三处理单元、第四处理单元，数据处理模块对预测模型数据进行获取，具体如下：
第一处理单元、第二处理单元、第三处理单元和第四处理单元分别获取岩体渗流强度、岩体内部裂隙连通性分级数据、岩体表面粗糙系数和岩体渗透系数；
数据处理模块将地下水水位高度数值、岩体渗流强度和岩体渗透系数作为预测模型数据。
进一步地，第一处理单元、第二处理单元获取数据的过程，具体如下：
第一处理单元通过岩体密度、岩体孔隙度数值和岩体饱和度数值计算得到获取岩体渗流强度；
第二处理单元通过岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数数值计算得到岩体内部裂隙连通系数N；
针对岩体内部裂隙连通系数N设定第一裂隙连通性区间、第二裂隙连通性区间、第三裂隙连通性区间和第四裂隙连通性区间，并设置阈值N1、N2和N3进行判断，且0<N1<N2<N3；
当0＜N≤N1时，判断为第一裂隙连通性区间；
当N1＜N≤N2时，判断为第二裂隙连通性区间；
当N2＜N≤N3时，判断为第三裂隙连通性区间；
当N3<N时，判断为第四裂隙连通性区间。
进一步地，第三处理单元和第四处理单元获取数据的过程，具体如下：
第三处理单元根据岩体表面高度数据和岩体表面角度数据计算岩体平均高度数值、岩体高度方差和岩体夹角平均数，并通过岩体平均高度数值、岩体高度方差和岩体夹角平均数计算得到岩体表面粗糙系数；
第四处理单元通过岩体裂隙节点数数值、岩体内部裂隙连通性分级数据、岩体表面粗糙系数值计算得到岩体渗透系数。
进一步地，模型建立模块建立岩体变化预测模型，具体如下：
模型建立模块获取n个不同岩体的地下水水位高度数值、岩体渗流强度和岩体渗透系数作为训练模型数据；
根据公式，计算获取岩体变化预测系数y，其中hw为地下水水位高度数值、QD为岩体渗流强度和STXS为岩体渗透系数，w1、w2、w3是模型的权重，b是模型的偏置项且w1、w2、w3和b均大于0；
利用训练模型数据使用最小二乘法拟合线性回归方程获取公式的模型权重w1、w2、w3和最优偏置项b。
进一步地，变化预测模块获取岩体变化预测分级数据，具体如下：
针对岩体变化预测系数y设定第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间，分别对应岩体无变化等级、岩体轻微变化等级、岩体明显变化等级和岩体显著变化等级，并设置阈值y1、y2和y3判断不同岩体所对应的岩体变化区间和岩体变化等级且0＜y1＜y2＜y3；
当y1≥y＞0，判断为第一岩体变化区间，对应岩体无变化等级；
当y2≥y＞y1，判断为第二岩体变化区间，对应岩体轻微变化等级；
当y3≥y＞y2，判断为第三岩体变化区间，对应岩体明显变化等级；
当y＞y3，判断为第四岩体变化区间，对应岩体显著变化等级；
将第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间对应的岩体设置为岩体变化预测分级数据。
进一步地，变化预测模块根据岩体变化预测分级数据制定应对策略，具体如下：
（1）针对岩体无变化等级对应的岩体，变化预测模块定期监测岩体裂隙渗流信息，对岩体进行常规的检测和维护工作，保证岩体的稳定性；
（2）针对岩体轻微变化等级对应的岩体，变化预测模块加大对岩体裂隙渗流的监测频率，并通过钢丝网固定在岩体表面，在岩体表面形成网状支护对岩体进行加固；
（3）针对岩体明显变化等级对应的岩体，变化预测模块实时对岩体裂隙信息进行检测，并对岩体周围及底部进行挖掘桩孔，灌注混凝土形成桩墙，以增加岩体的支撑性和稳定性；
（4）针对岩体显著变化等级对应的岩体，变化预测模块对岩体周围人群进行疏散，并对岩体进行爆破，改变岩体的结构和应力状态，以减少岩体的裂隙和变形。
由于采用了上述技术方案，本发明的有益效果是：
1、本发明通过获取岩体内部的具体参数设计预测模型进行岩体变化预测，使得预测模型能够适用了各种复杂岩体的变化预测；
2、本发明通过获取不同岩体的内部参数作为训练数据对岩体预测模型进行训练，进一步提高了预测结果的准确性和预测范围的广泛性；
3、本发明利用获取岩体预测基础数据进行岩体变化预测，降低了主观预测带来的不确定性。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框架图；
图2为本发明的实施步骤图；
图3为本发明的岩体剖面图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
实施例一
请参阅图1和图2，本发明提供一种技术方案：基于岩体裂隙渗流信息的岩体变化预测系统，包括数据获取模块、数据处理模块、模型建立模块和变化预测模块，数据获取模块、数据处理模块、模型建立模块和变化预测模块分别与服务器相连；
数据获取模块获取预测基础数据；
数据获取模块包括第一获取单元、第二获取单元、第三获取单元和第四获取单元；
第一获取单元包括超声波传感器，超声波传感器对岩体密度数值、岩体孔隙度数值和岩体饱和度数值进行获取，具体如下：
（1）获取岩体密度数值，具体如下：
请参阅图3，利用超声波传感器获取岩体厚度数值d，设置超声波传感器发出的超声波频率为p，将超声波传感器放置于岩体表面，超声波传感器发射超声波脉冲至岩体中，当超声波脉冲进入岩体内部，部分超声波脉冲会经岩体反射至超声波传感器，记录超声波发射脉冲的时间为t1，超声波传感器接收反射超声波脉冲的时间为t2，超声波传感器发出的根据公式，获取岩体密度数值ρy；
（2）获取岩体孔隙度数值，具体如下：
利用超声波传感器获取岩体密度ρy和岩体中岩石密度ρs，获取岩体的体积数值Vy和岩体中岩石的体积数值Vs，根据公式得到岩体孔隙度数值KXD；
（3）获取岩体饱和度数值，具体如下：
分别获取超声波在岩体中传播的速度vt，超声波在水体中传播的速度vs，岩体密度数值ρy和水的密度ρw，根据公式，得到岩体饱和度数值BHD；
需要说明的是：
岩体孔隙度是指岩体中孔隙占据的体积与总体积的比例；
饱和度是指岩石中的孔隙被水所填充的程度。
第二获取单元包括激光扫描仪和样本岩体，激光扫描仪通过扫描对岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数进行获取，具体如下：
（1）获取岩体裂隙面积数值和密度数值，具体如下：
获取样本岩体，利用激光扫描仪获取样本岩体裂隙长度数值Ld和宽度数值Lk和样本岩体面积数值Ss，通过公式LXMJ=Ld*Lk得到样本岩体裂隙面积数值LXMJ，根据公式，得到样本岩体裂隙密度数值LDMD，根据样本岩体面积数值Ss和样本岩体裂隙面积数值LXMJ预估岩体裂隙面积数值和岩体裂隙密度数值分别为Sz和LDMDZ；
（2）使用激光扫描仪获取样本岩体内部的裂隙条数Ts和裂隙节点数Jd，根据样本岩体裂隙条数Ts和裂隙节点数Jd，根据样板岩体获取岩体裂隙条数和岩体裂隙节点数分别为ZTs和ZJd；
第三获取单元包括全站仪，全站仪对岩体表面高度数据和岩体表面角度数据进行获取，具体如下：
请参阅图3，在岩体表面设立n个特征点，分别为特征点1、特征点2……特征点n，设立特征点位置包括但不限于岩体顶部、岩体底部、岩体断面和岩体平面，利用全站仪分别获取n个特征点与地面的高度数值和与地面的夹角数值，将n个特征点与地面的高度数值和夹角数值并设置为岩体表面高度数据；
第四获取单元包括压力传感器，压力传感器对岩体所在区域地下水水位高度数值进行获取，具体如下：
将压力传感器安装至岩体所在区域地下水水位高度处，获取压力传感器的压力数值Pw，利用公式获取岩体所在区域地下水水位高度数值hw，其中，压力传感器的压力数值Pw，P0为大气压力数值，ρw为水的密度，g为重力常数。
数据获取单元将岩体密度数值、岩体孔隙度数值、岩体饱和度数值、岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数、岩体裂隙节点数、岩体表面高度数据、岩体表面角度数据、岩体所在区域地下水水位高度数值作为预测基础数据并输送至数据处理模块。
数据处理模块根据预测基础数据获取预测模型数据；
数据处理模块包括第一处理单元、第二处理单元、第三处理单元和第四处理单元，第一处理单元根据岩体密度、岩体孔隙度数值和岩体饱和度数值获取岩体渗流强度；
第一处理单元获取岩体渗流强度，具体如下：
接收岩体密度数值ρy、岩体孔隙度数值KXD和岩体饱和度数值BHD，根据公式，获取岩体渗流强度QD；
第二处理单元根据岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数数值获取岩体内部裂隙连通性分级数据，具体如下：
（1）岩体裂隙面积数值Sz、岩体裂隙密度数值LDMDZ、岩体裂隙条数ZTs和岩体裂隙节点数ZJd；
（2）根据公式计算得到岩体内部裂隙连通系数N；
（3）针对岩体内部裂隙连通系数N设定第一裂隙连通性区间、第二裂隙连通性区间、第三裂隙连通性区间和第四裂隙连通性区间，并设置阈值进行判断；
当0＜N≤N1时，判断为第一裂隙连通性区间；
当N1＜N≤N2时，判断为第二裂隙连通性区间；
当N2＜N≤N3时，判断为第三裂隙连通性区间；
当N3<N时，判断为第四裂隙连通性区间；
可理解的是：Sz为岩体裂隙面积数值、LDMDZ为岩体裂隙密度数值、ZTs为岩体裂隙条数值、ZJd为岩体裂隙节点数值、N为岩体内部裂隙连通系数、a1、a2和a3为设定的比例系数且a1、a2和a3均大于0，N1、N2和N3为设定的消费意愿系数标准数据且0<N1<N2<N3，第一裂隙连通性区间的岩体内部裂隙连通性小于第二裂隙连通性区间的岩体；第二裂隙连通性区间的岩体内部裂隙连通性小于第三裂隙连通性区间的岩体；第三裂隙连通性区间的岩体内部裂隙连通性小于第四裂隙连通性区间的岩体；将不同岩体对应的裂隙连通性区间设置为岩体内部裂隙连通性分级数据LTFJ；
第三处理单元根据岩体表面高度数据和岩体表面角度数据获取岩体表面粗糙系数，具体如下：
（1）接收岩体表面n个特征点与地面的高度数值和与地面的夹角数值，分别设置为h1、h2、h3……hn和j1、j2、j3……jn；
（2）根据公式计算得到岩体平均高度数值MH
（3）根据公式，计算得到岩体高度方差HF；
（3）根据公式，计算得到岩体夹角平均数MA；
（4）根据公式计算得到岩体表面粗糙系数值CCXS；
第四处理单元根据岩体裂隙节点数数值、岩体内部裂隙连通性分级数据、岩体表面粗糙系数值获取岩体渗透系数，具体如下：
通过公式计算得到岩体渗透系数STXS；
可理解的是：STXS为岩体表面粗糙系数值、ZJd岩体裂隙节点数数值、LTFJ为岩体内部裂隙连通性分级数据、CCXS为岩体表面粗糙系数值，针对岩体内部裂隙连通性分级数据中的第一、第二、第三和第四裂隙连通性区间，分别使用参数F1、F2、F3和F4进行赋值，且0＜F1＜F2＜F3＜F4；
将地下水水位高度数值hw、岩体渗流强度QD和岩体渗透系数STXS作为预测模型数据输送至模型建立模块；
模型建立模块接收预测模型数据建立岩体变化预测模型；
选择不同岩体，利用上述方式获取n个不同岩体的地下水水位高度数值hw1、hw2、hw3……hwn、岩体渗流强度QD1、QD2、QD3、……QDn和岩体渗透系数STXS1、STXS2、STXS3……STXSn作为训练模型数据；
根据公式，计算获取岩体变化预测系数y，其中hw为地下水水位高度数值、QD为岩体渗流强度和STXS为岩体渗透系数，w1、w2、w3是模型的权重，b是模型的偏置项且w1、w2、w3和b均大于0；
利用训练模型数据使用最小二乘法拟合线性回归方程获取公式的模型权重w1、w2、w3和最优偏置项b，具体代码实现方式如下：
import numpy as np;
X = np.array([[hw1, QD1, STXS1], [hw2, QD2, STXS2],[…… ],…… [hwn
QDn， STXSn]);
y = np.array([y1, y2, ...]);
X = np.c_[X, np.ones(X.shape[0])];
w = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y);
print("权重：", w[:-1]);
print("偏置项：", w[-1]);
在上述代码中，X是特征矩阵，包含地下水水位高度（hw）、岩体渗流强度（QD）和岩体渗透系数（STXS），y是目标变量，即岩体变化预测系数；通过最小二乘法求解最优参数w，其中w[:-1]为权重w，w[-1]为偏置项b，在特征矩阵X中添加一列全为1的向量，作为偏置项的输入，将偏置项b与权重w1、w2、w3统一处理，得到最优参数w和b的数值，利用公式中的获取w1、w2、w3和b的数值；
变化预测模块根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略：
变化预测模块获取岩体变化预测分级数据，具体如下：
针对岩体变化预测系数y设定第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间，分别对应岩体无变化等级、岩体轻微变化等级、岩体明显变化等级和岩体显著变化等级，并设置阈值y1、y2和y3判断不同岩体所对应的岩体变化区间和岩体变化等级；
当y1≥y＞0，判断为第一岩体变化区间，对应岩体无变化等级；
当y2≥y＞y1，判断为第二岩体变化区间，对应岩体轻微变化等级；
当y3≥y＞y2，判断为第三岩体变化区间，对应岩体明显变化等级；
当y＞y3，判断为第四岩体变化区间，对应岩体显著变化等级；
可理解的是：y为岩体变化预测系数，y1、y2和y3为根据岩体变化预测系数设定的阈值且0＜y1＜y2＜y3，岩体无变化等级对应的岩体变化预测系数小于岩体轻微变化等级对应的岩体变化预测系数，岩体轻微变化等级对应的岩体变化预测系数小于岩体明显变化等级对应的岩体变化预测系数，岩体明显变化等级对应的岩体变化预测系数小于岩体显著变化等级对应的岩体变化预测系数；
将第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间对应的岩体设置为岩体变化预测分级数据；
变化预测模块根据岩体变化预测分级数据制定应对策略，具体如下：
（1）针对岩体无变化等级对应的岩体，变化预测模块定期监测岩体裂隙渗流信息，对岩体进行常规的检测和维护工作，保证岩体的稳定性；
（2）针对岩体轻微变化等级对应的岩体，变化预测模块加大对岩体裂隙渗流的监测频率，并通过钢丝网固定在岩体表面，在岩体表面形成网状支护对岩体进行加固；
（3）针对岩体明显变化等级对应的岩体，变化预测模块实时对岩体裂隙信息进行检测，并对岩体周围及底部进行挖掘桩孔，灌注混凝土形成桩墙，以增加岩体的支撑性和稳定性；
（4）针对岩体显著变化等级对应的岩体，变化预测模块对岩体周围人群进行疏散，并对岩体进行爆破，改变岩体的结构和应力状态，以减少岩体的裂隙和变形。
在本申请中，若出现相应的计算公式，则上述计算公式均是去量纲取其数值计算，公式中存在的权重系数、比例系数等系数，其设置的大小是为了将各个参数进行量化得到的一个结果值，关于权重系数和比例系数的大小，只要不影响参数与结果值的比例关系即可。
实施例二
基于同一发明的又一构思，现提出基于岩体裂隙渗流信息的岩体变化预测方法，包括如下步骤：
步骤S1：获取预测基础数据；
步骤S2：根据预测基础数据获取预测模型数据；
步骤S3：接收预测模型数据建立岩体变化预测模型；
步骤S4：根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略；
进一步地，步骤S1获取预测基础数据，具体步骤如下：
步骤S11：利用超声波传感器获取岩体密度数值、岩体孔隙度数值和岩体饱和度数值具体如下：
步骤S111：利用超声波传感器获取岩体厚度数值d，设置超声波传感器发出的超声波频率为p，将超声波传感器放置于岩体表面，超声波传感器发射超声波脉冲至岩体中，当超声波脉冲进入岩体内部，部分超声波脉冲会经岩体反射至超声波传感器，记录超声波发射脉冲的时间为t1，超声波传感器接收反射超声波脉冲的时间为t2，超声波传感器发出的根据公式，获取岩体密度数值ρy；
步骤S112：利用超声波传感器获取岩体密度ρy和岩体中岩石密度ρs，获取岩体的体积数值Vy和岩体中岩石的体积数值Vs，根据公式得到岩体孔隙度数值KXD；
步骤S113：分别获取超声波在岩体中传播的速度vt，超声波在水体中传播的速度vs，岩体密度数值ρy和水的密度ρw，根据公式，得到岩体饱和度数值BHD；
步骤S12：获取岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数，具体如下：
步骤S121：获取样本岩体，利用激光扫描仪获取样本岩体裂隙长度数值Ld和宽度数值Lk和样本岩体面积数值Ss，通过公式LXMJ=Ld*Lk得到样本岩体裂隙面积数值LXMJ，根据公式，得到样本岩体裂隙密度数值LDMD，根据样本岩体面积数值Ss和样本岩体裂隙面积数值LXMJ预估岩体裂隙面积数值和岩体裂隙密度数值分别为Sz和LDMDZ；
步骤S122：使用激光扫描仪获取样本岩体内部的裂隙条数Ts和裂隙节点数Jd，根据样本岩体裂隙条数Ts和裂隙节点数Jd，根据样板岩体获取岩体裂隙条数和岩体裂隙节点数分别为ZTs和ZJd；
步骤S13：获取岩体表面高度数据和岩体表面角度数据，具体如下：
在岩体表面设立n个特征点，分别为特征点1、特征点2……特征点n，设立特征点位置包括但不限于岩体顶部、岩体底部、岩体断面和岩体平面，利用全站仪分别获取n个特征点与地面的高度数值和与地面的夹角数值，将n个特征点与地面的高度数值和夹角数值并设置为岩体表面高度数据；
步骤S14：获取岩体所在区域地下水水位高度数值，具体如下：
将压力传感器安装至岩体所在区域地下水水位高度处，获取压力传感器的压力数值Pw，利用公式获取岩体所在区域地下水水位高度数值hw，其中，压力传感器的压力数值Pw，P0为大气压力数值，ρw为水的密度，g为重力常数；
进一步地，步骤S2根据预测基础数据获取预测模型数据，具体步骤如下：
步骤S21：接收岩体密度数值ρy、岩体孔隙度数值KXD和岩体饱和度数值BHD，根据公式，获取岩体渗流强度QD；
步骤S22：根据岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数数值获取岩体内部裂隙连通性分级数据，具体如下：
步骤S221：接收岩体裂隙面积数值Sz、岩体裂隙密度数值LDMDZ、岩体裂隙条数ZTs和岩体裂隙节点数ZJd；
步骤S222：根据公式计算得到岩体内部裂隙连通系数N；
步骤S223：针对岩体内部裂隙连通系数N设定第一裂隙连通性区间、第二裂隙连通性区间、第三裂隙连通性区间和第四裂隙连通性区间，并设置阈值进行判断；
当0＜N≤N1时，判断为第一裂隙连通性区间；
当N1＜N≤N2时，判断为第二裂隙连通性区间；
当N2＜N≤N3时，判断为第三裂隙连通性区间；
当N3<N时，判断为第四裂隙连通性区间；
可理解的是：Sz为岩体裂隙面积数值、LDMDZ为岩体裂隙密度数值、ZTs为岩体裂隙条数值、ZJd为岩体裂隙节点数值、N为岩体内部裂隙连通系数、a1、a2和a3为设定的比例系数且a1、a2和a3均大于0，N1、N2和N3为设定的消费意愿系数标准数据且0<N1<N2<N3；
步骤S23：根据岩体表面高度数据和岩体表面角度数据获取岩体表面粗糙系数，具体如下：
步骤S231：接收岩体表面n个特征点与地面的高度数值和与地面的夹角数值，分别设置为h1、h2、h3……hn和j1、j2、j3……jn；
步骤S232：根据公式计算得到岩体平均高度数值MH
步骤S233：根据，计算得到岩体高度方差HF；
步骤S234：根据公式，计算得到岩体夹角平均数MA；
步骤S235：根据公式计算得到岩体表面粗糙系数值CCXS；
步骤S24：根据岩体裂隙节点数数值、岩体内部裂隙连通性分级数据、岩体表面粗糙系数值获取岩体渗透系数，具体步骤如下：
步骤S241：通过公式计算得到岩体渗透系数STXS；
可理解的是：STXS为岩体表面粗糙系数值、ZJd岩体裂隙节点数数值、LTFJ为岩体内部裂隙连通性分级数据、CCXS为岩体表面粗糙系数值，针对岩体内部裂隙连通性分级数据中的第一、第二、第三和第四裂隙连通性区间，分别使用参数F1、F2、F3和F4进行赋值，且0＜F1＜F2＜F3＜F4；
进一步地，步骤S3根据预测模型数据建立岩体变化预测模型，具体步骤如下：
步骤S31：选择不同岩体，利用上述方式获取n个不同岩体的地下水水位高度数值hw1、hw2、hw3……hwn、岩体渗流强度QD1、QD2、QD3、……QDn和岩体渗透系数STXS1、STXS2、STXS3……STXSn作为训练模型数据；
步骤S32：根据公式，计算获取岩体变化预测系数y，其中hw为地下水水位高度数值、QD为岩体渗流强度和STXS为岩体渗透系数，w1、w2、w3是模型的权重，b是模型的偏置项且w1、w2、w3和b均大于0；
步骤S33：利用训练模型数据使用最小二乘法拟合线性回归方程获取公式的模型权重w1、w2、w3和最优偏置项b；
进一步地，步骤S4根据岩体变化预测模型获取岩体变化预测分级数据并制定应对策略：
步骤S41：针对岩体变化预测系数y设定第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间，分别对应岩体无变化等级、岩体轻微变化等级、岩体明显变化等级和岩体显著变化等级，并设置阈值y1、y2和y3判断不同岩体所对应的岩体变化区间和岩体变化等级；
当y1≥y＞0，判断为第一岩体变化区间，对应岩体无变化等级；
当y2≥y＞y1，判断为第二岩体变化区间，对应岩体轻微变化等级；
当y3≥y＞y2，判断为第三岩体变化区间，对应岩体明显变化等级；
当y＞y3，判断为第四岩体变化区间，对应岩体显著变化等级；
可理解的是：y为岩体变化预测系数，y1、y2和y3为根据岩体变化预测系数设定的阈值且0＜y1＜y2＜y3，将第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间对应的岩体设置为岩体变化预测分级数据；
步骤S42：根据岩体变化预测分级数据制定应对策略，具体步骤如下：
步骤S421：针对岩体无变化等级对应的岩体，变化预测模块定期监测岩体裂隙渗流信息，对岩体进行常规的检测和维护工作，保证岩体的稳定性；
步骤S422：针对岩体轻微变化等级对应的岩体，变化预测模块加大对岩体裂隙渗流的监测频率，并通过钢丝网固定在岩体表面，在岩体表面形成网状支护对岩体进行加固；
步骤S423：针对岩体明显变化等级对应的岩体，变化预测模块实时对岩体裂隙信息进行检测，并对岩体周围及底部进行挖掘桩孔，灌注混凝土形成桩墙，以增加岩体的支撑性和稳定性；
步骤S424：针对岩体显著变化等级对应的岩体，变化预测模块对岩体周围人群进行疏散，并对岩体进行爆破，改变岩体的结构和应力状态，以减少岩体的裂隙和变形。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，包括：
数据获取模块：利用超声波传感器对岩体密度数值、岩体孔隙度数值和岩体饱和度数值进行获取，利用激光扫描仪扫描样本岩体完成对岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数的获取，利用全站仪和压力传感器对岩体表面高度数据、岩体表面角度数据及岩体所在区域地下水水位高度数值进行获取；
数据处理模块：通过岩体密度数值、岩体孔隙度数值和岩体饱和度数值，获取岩体渗流强度，根据岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数数值获取岩体内部裂隙连通性分级数据，根据岩体表面高度数据和岩体表面角度数据获取岩体表面粗糙系数，根据岩体裂隙节点数数值、岩体内部裂隙连通性分级数据、岩体表面粗糙系数值获取岩体渗透系数；
模型建立模块：根据地下水水位高度数值、岩体渗流强度和岩体渗透系数建立岩体变化预测模型，利用最小二乘法拟合线性回归方程式岩体变化预测模型；
变化预测模块：利用岩体变化预测模型获取岩体变化预测分级数据并制定应对策略；
还包括服务器，所述数据获取模块、数据处理模块、模型建立模块和变化预测模块分别与服务器相连。
2.根据权利要求1所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述数据获取模块包括第一获取单元、第二获取单元、第三获取单元、第四获取单元组成，数据获取模块对预测基础数据进行获取，具体如下：
第一获取单元对岩体密度数值、岩体孔隙度数值和岩体饱和度数值进行获取；
第二获取单元对岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数进行获取；
第三获取单元对岩体表面高度数据和岩体表面角度数据进行获取；
第四获取单元对岩体所在区域地下水水位高度数值进行获取；
数据获取模块将岩体密度数值、岩体孔隙度数值、岩体饱和度数值、岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数、岩体裂隙节点数、岩体表面高度数据、岩体表面角度数据、岩体所在区域地下水水位高度数值作为预测基础数据。
3.根据权利要求2所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述第一获取单元和第二获取单元对数据的获取过程，具体如下：
第一获取单元通过岩体厚度数值、超声波频率、超声波发射脉冲的时间和接收反射超声波脉冲的时间，计算得到获取岩体密度数值；
第一获取单元通过岩体密度、岩体中岩石密度、岩体的体积数值和岩体中岩石的体积数值，计算得到岩体孔隙度数值；
第一获取单元通过超声波岩体中传播的速度、超声波在水体中传播的速度、岩体密度数值和水的密度，计算得到岩体饱和度数值；
第二获取单元通过样本岩体裂隙长度数值、样本岩体裂隙宽度数值和样本岩体面积数值，计算样本岩体裂隙面积数值和样本岩体裂隙密度数值，根据样本岩体面积数值和样本岩体裂隙密度数值预估岩体裂隙面积数值和岩体裂隙密度数值；
第二获取单元获取样本岩体内部的裂隙条数和裂隙节点数，根据样本岩体裂隙条数和裂隙节点数，根据样板岩体获取岩体裂隙条数和岩体裂隙节点数。
4.根据权利要求2所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述第三获取单元和第四获取单元对数据的获取过程，具体如下：
第三获取单元在岩体表面设立n个特征点，分别为特征点1至特征点n，设立特征点位置包括但不限于岩体顶部、岩体底部、岩体断面和岩体平面，利用全站仪分别获取n个特征点与地面的高度数值和与地面的夹角数值，将n个特征点与地面的高度数值和夹角数值并设置为岩体表面高度数据；
第四获取单元获取岩体所在区域地下水水位高度处的压力数值、大气压力数值，水的密度数值和重力常数数值，计算得到岩体所在区域地下水水位高度数值。
5.根据权利要求1所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述数据处理模块包括第一处理单元、第二处理单元、第三处理单元、第四处理单元，数据处理模块对预测模型数据进行获取，具体如下：
第一处理单元、第二处理单元、第三处理单元和第四处理单元分别获取岩体渗流强度、岩体内部裂隙连通性分级数据、岩体表面粗糙系数和岩体渗透系数；
数据处理模块将地下水水位高度数值、岩体渗流强度和岩体渗透系数作为预测模型数据。
6.根据权利要求5所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述第一处理单元、第二处理单元获取数据的过程，具体如下：
第一处理单元通过岩体密度、岩体孔隙度数值和岩体饱和度数值计算得到获取岩体渗流强度；
第二处理单元通过岩体裂隙密度数值、岩体裂隙面积数值、岩体裂隙条数和岩体裂隙节点数数值计算得到岩体内部裂隙连通系数N；
针对岩体内部裂隙连通系数N设定第一裂隙连通性区间、第二裂隙连通性区间、第三裂隙连通性区间和第四裂隙连通性区间，并设置阈值N1、N2和N3进行判断，且0<N1<N2<N3；
当0＜N≤N1时，判断为第一裂隙连通性区间；
当N1＜N≤N2时，判断为第二裂隙连通性区间；
当N2＜N≤N3时，判断为第三裂隙连通性区间；
当N3<N时，判断为第四裂隙连通性区间。
7.根据权利要求5所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述第三处理单元和第四处理单元获取数据的过程，具体如下：
第三处理单元根据岩体表面高度数据和岩体表面角度数据计算岩体平均高度数值、岩体高度方差和岩体夹角平均数，并通过岩体平均高度数值、岩体高度方差和岩体夹角平均数计算得到岩体表面粗糙系数；
第四处理单元通过岩体裂隙节点数数值、岩体内部裂隙连通性分级数据、岩体表面粗糙系数值计算得到岩体渗透系数。
8.根据权利要求1所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述模型建立模块建立岩体变化预测模型，具体如下：
模型建立模块获取n个不同岩体的地下水水位高度数值、岩体渗流强度和岩体渗透系数作为训练模型数据；
根据公式，计算获取岩体变化预测系数y，其中hw为地下水水位高度数值、QD为岩体渗流强度和STXS为岩体渗透系数，w1、w2、w3是模型的权重，b是模型的偏置项且w1、w2、w3和b均大于0；
利用训练模型数据使用最小二乘法拟合线性回归方程获取公式的模型权重w1、w2、w3和最优偏置项b，将岩体变化预测系数y输送至变化预测模块。
9.根据权利要求8所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述变化预测模块接收岩体变化预测系数对岩体变化预测分级数据进行获取，具体如下：
针对岩体变化预测系数y设定第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间，分别对应岩体无变化等级、岩体轻微变化等级、岩体明显变化等级和岩体显著变化等级，并设置阈值y1、y2和y3判断不同岩体所对应的岩体变化区间和岩体变化等级且0＜y1＜y2＜y3；
当y1≥y＞0，判断为第一岩体变化区间，对应岩体无变化等级；
当y2≥y＞y1，判断为第二岩体变化区间，对应岩体轻微变化等级；
当y3≥y＞y2，判断为第三岩体变化区间，对应岩体明显变化等级；
当y＞y3，判断为第四岩体变化区间，对应岩体显著变化等级；
将第一岩体变化区间、第二岩体变化区间、第三岩体变化区间和第四岩体变化区间对应的岩体设置为岩体变化预测分级数据。
10.根据权利要求9所述的基于岩体裂隙渗流信息的岩体变化预测系统，其特征在于，所述变化预测模块根据岩体变化预测分级数据制定应对策略，具体如下：
（1）针对岩体无变化等级对应的岩体，变化预测模块定期监测岩体裂隙渗流信息，对岩体进行常规的检测和维护工作，保证岩体的稳定性；
（2）针对岩体轻微变化等级对应的岩体，变化预测模块加大对岩体裂隙渗流的监测频率，并通过钢丝网固定在岩体表面，在岩体表面形成网状支护对岩体进行加固；
（3）针对岩体明显变化等级对应的岩体，变化预测模块实时对岩体裂隙信息进行检测，并对岩体周围及底部进行挖掘桩孔，灌注混凝土形成桩墙，增加岩体的支撑性和稳定性；
（4）针对岩体显著变化等级对应的岩体，变化预测模块对岩体周围人群进行疏散，并对岩体进行爆破，改变岩体的结构和应力状态，减少岩体的裂隙和变形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311435002.9A CN117150978B (zh) | 2023-11-01 | 2023-11-01 | 基于岩体裂隙渗流信息的岩体变化预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311435002.9A CN117150978B (zh) | 2023-11-01 | 2023-11-01 | 基于岩体裂隙渗流信息的岩体变化预测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117150978A CN117150978A (zh) | 2023-12-01 |
| CN117150978B true CN117150978B (zh) | 2024-01-05 |
Family
ID=88908609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311435002.9A Active CN117150978B (zh) | 2023-11-01 | 2023-11-01 | 基于岩体裂隙渗流信息的岩体变化预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150978B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102798705A (zh) * | 2012-08-03 | 2012-11-28 | 河海大学 | 基于单孔水流波动方程确定各向异性介质渗透参数的方法 |
| WO2019238451A1 (en) * | 2018-06-13 | 2019-12-19 | Danmarks Tekniske Universitet | A method and a system for modelling and simulating a fractured geological structure |
| CN115524275A (zh) * | 2022-10-18 | 2022-12-27 | 中国水利水电科学研究院 | 考虑岩块渗流和裂隙渗流的裂隙岩体渗透张量确定方法 |
| CN116879125A (zh) * | 2023-06-09 | 2023-10-13 | 中石化石油工程技术服务股份有限公司 | 地下水封洞库岩体渗透系数估算方法、系统及电子设备 |
-
2023
- 2023-11-01 CN CN202311435002.9A patent/CN117150978B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102798705A (zh) * | 2012-08-03 | 2012-11-28 | 河海大学 | 基于单孔水流波动方程确定各向异性介质渗透参数的方法 |
| WO2019238451A1 (en) * | 2018-06-13 | 2019-12-19 | Danmarks Tekniske Universitet | A method and a system for modelling and simulating a fractured geological structure |
| CN115524275A (zh) * | 2022-10-18 | 2022-12-27 | 中国水利水电科学研究院 | 考虑岩块渗流和裂隙渗流的裂隙岩体渗透张量确定方法 |
| CN116879125A (zh) * | 2023-06-09 | 2023-10-13 | 中石化石油工程技术服务股份有限公司 | 地下水封洞库岩体渗透系数估算方法、系统及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 某裂隙岩质边坡渗透张量的确定及应用;汪旭涛;陈新国;王亮;;长江科学院院报(第02期);全文 * |
| 裂隙岩体饱和-非饱和渗流研究进展;张彦洪;柴军瑞;;工程勘察(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117150978A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111457962B (zh) | 一种隧道内部病害的快速检测方法 | |
| CN103953076B (zh) | 基于旁孔透射波拐点法的既有工程桩桩底深度确定方法 | |
| CN105672371B (zh) | 一种既有工程桩桩身完整性及缺陷类型判别方法 | |
| CN102768176B (zh) | 应用透地雷达检测钢筋混凝土构件内的钢筋腐蚀度的方法 | |
| CN109341528B (zh) | 一种基于三维激光扫描的建筑物爆破振动损伤评价方法 | |
| CN106382972B (zh) | 一种单孔地下水位监测方法及实时监控装置 | |
| CN108174442B (zh) | 一种水下构筑物裂缝修复机器人传感网定位检测方法 | |
| KR20080021300A (ko) | 라이다를 이용한 구조물 건전성 진단방법 | |
| CN106645421A (zh) | 一种海底沉积物声学原位测量与同步取样装置及方法 | |
| CN117150978B (zh) | 基于岩体裂隙渗流信息的岩体变化预测系统 | |
| CN116184401A (zh) | 一种用于工程质量检验的系统及方法 | |
| US10612995B2 (en) | Nondestructive inspection tools for timber distribution poles, and related methods | |
| CN118257299A (zh) | 水运工程在役基桩检测激振器及其检测方法 | |
| CN113514554A (zh) | 一种基于桩外跨孔的无损基桩检测方法 | |
| CN115563874A (zh) | 一种基于大数据的隧道健康度分析方法及系统 | |
| CN111735437A (zh) | 一种基于Jason-1和CryoSat-2卫星数据的海底地貌解译方法 | |
| CN113008994B (zh) | 工程勘察地层划分用高精度物探剪切波测试方法 | |
| CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
| CN115264410A (zh) | 一种海底管道风险评估方法及系统 | |
| Yuk-Iung et al. | Assessing seismic response of soft soil sites in Hong Kong using icrotremor records | |
| Zhu et al. | Damage detection of pile foundations in marine engineering based on a multidimensional dynamic signature | |
| CN116695801B (zh) | 一种基于大数据的桩基安全监测方法及系统 | |
| CN110618455A (zh) | 一种沉积盆地构造隆升的定量评价方法 | |
| CN116972954B (zh) | 基于原位激振的岩土波速测量方法及装置 | |
| CN116630676B (zh) | 大尺度范围的场地分类处理方法、装置及电子设备 |
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 |