CN117152342A - 实时地质数据智能感知方法及相关设备 - Google Patents
实时地质数据智能感知方法及相关设备 Download PDFInfo
- Publication number
- CN117152342A CN117152342A CN202310659883.6A CN202310659883A CN117152342A CN 117152342 A CN117152342 A CN 117152342A CN 202310659883 A CN202310659883 A CN 202310659883A CN 117152342 A CN117152342 A CN 117152342A
- Authority
- CN
- China
- Prior art keywords
- data
- tunnel
- tunnel segment
- geological
- ground construction
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005065 mining Methods 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims description 65
- 230000008859 change Effects 0.000 claims description 23
- 239000002689 soil Substances 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 15
- 239000004575 stone Substances 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 7
- 238000009412 basement excavation Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 239000011435 rock Substances 0.000 description 14
- 230000009471 action Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000005553 drilling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000003673 groundwater Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Graphics (AREA)
- Agronomy & Crop Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种实时地质数据智能感知方法及相关设备,涉及隧道地质勘探领域,主要为解决目前缺少一种更精准的对前方路段的进行地质预测的方法的问题。该方法包括:基于智能感知设备获取当前隧道段的基础参数;基于所述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;基于所述隧道三维数字模型预测所述目标隧道段的下一隧道段的地质数据。本发明用于实时地质数据智能感知过程。
Description
技术领域
本发明涉及隧道地质勘探领域,尤其涉及一种实时地质数据智能感知方法及相关设备。
背景技术
隧道工程地质勘察是指为隧道工程的设计、施工等进行的专门工程地质调查工作。隧道勘察一般分为初步勘察阶段和定测阶段。初勘阶段主要是调查选线地段的地形、地质构造、岩性、断层、风化破碎带等地质地貌条件,然而现有技术在初勘阶段,仅能基于勘探设备对于当前地段进行直接勘探,无法基于当前地段的地质数据对前方地段的地质进行预测。
发明内容
鉴于上述问题,本发明提供一种实时地质数据智能感知方法及相关设备,主要目的在于解决目前缺少一种更精准的对前方路段的进行地质预测的方法的问题。
为解决上述至少一种技术问题,第一方面,本发明提供了一种实时地质数据智能感知方法,该方法包括:
基于智能感知设备获取当前隧道段的基础参数;
基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
可选的,上述基础参数包括:气象数据、土壤数据、地形数据、水文数据和应力数据中的至少一种。
可选的,上述基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型,包括:
将上述基础参数转化为点云数据,其中,上述点云数据具备结构化特征;
基于上述点云数据和三维点云坐标系构建隧道三维点云模型;
基于上述隧道三维数字模型和上述开采规划数据构建隧道三维数字模型。
可选的,上述基础参数还包括上述当前隧道段开挖所获取的石子粒径变化数据和土壤湿润度变化数据,
上述基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据,包括:
基于上述石子粒径变化数据、上述土壤湿润度变化数据和上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
可选的,上述方法还包括:
基于上述开采规划数据获取下一隧道段的地面施工数据;
基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据。
可选的,上述地面施工数据包括地面施工强度和地面施工波及范围,上述基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据,包括:
在上述地面施工强度和上述地面施工波及范围反映上述地面施工项目会影响到上述目标隧道段的下一隧道段的情况下,基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据。
可选的,在上述地面施工强度和上述地面施工波及范围反映上述地面施工项目会影响到上述目标隧道段的下一隧道段的情况下,基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据,包括:
基于上述地面施工强度和上述地面施工波及范围确定地质灾害数据,其中,上述地质灾害包括地面沉降、地面塌陷和基坑坍塌中的至少一种;
基于上述地质灾害数据修正上述目标隧道段的下一隧道段的地质数据。
第二方面,本发明实施例还提供了一种实时地质数据智能感知装置,包括:
获取单元,用于基于智能感知设备获取当前隧道段的基础参数;
构建单元,用于基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
预测单元,用于基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
为了实现上述目的,根据本发明的第三方面,提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序被处理器执行时实现上述的实时地质数据智能感知方法的步骤。
为了实现上述目的,根据本发明的第四方面,提供了一种电子设备,包括至少一个处理器、以及与上述处理器连接的至少一个存储器;其中,上述处理器用于调用上述存储器中的程序指令,执行上述的实时地质数据智能感知方法的步骤。
借由上述技术方案,本发明提供的实时地质数据智能感知方法及相关设备,对于目前缺少一种更精准的对前方路段的进行地质预测的方法的问题,本发明通过基于智能感知设备获取当前隧道段的基础参数;基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。在上述方案中,通过当前隧道段的基础参数并综合开采规划数据确定隧道走向,以此构建隧道的数字化的地质三维模型即上述隧道三维数字模型,通过该模型实现地下隧道地质数据的变化预测。本方案由此形成的具有共享联动和智能分析特征的隧道三维数字模型,在持续完善、优化和提升后,可以有效达到提高隧道地质勘探效率,显著提升了地质勘探的的智能化程度。
相应地,本发明实施例提供的实时地质数据智能感知装置、设备和计算机可读存储介质,也同样具有上述技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种实时地质数据智能感知方法的流程示意图;
图2示出了本发明实施例提供的一种实时地质数据智能感知装置的组成示意框图;
图3示出了本发明实施例提供的一种实时地质数据智能感知电子设备的组成示意框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了解决目前缺少一种更精准的对前方路段的进行地质预测的方法的问题,本发明实施例提供了一种实时地质数据智能感知方法,如图1所示,该方法包括:
S101、基于智能感知设备获取当前隧道段的基础参数;
示例性的,上述智能感知设备用于勘探地下隧道的基础参数,由钻探施工中所使用的机械设备和智能分析系统组成,上述机械设备包括钻机、泥浆泵、空压机、钻塔、动力机、冲洗液制备、固控设备、钻进参数检测仪表和附钻机等,上述智能分析系统用于对隧道的智能感知需求做出分析,结合机械设备掘进所获取的参数进行分析,以获取当前隧道段的基础参数。
S102、基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
示例性的,上述开采规划数据可以反馈隧道挖掘的走向和布局,基于上述基础参数和开采规划数据构建当前隧道段的动态三维地质模型,通过对多源异构数据融合与集成,形成了当前隧道段的基于统一标准和规范的评价模型,该模型可以用于对上述目标隧道段的下一隧道段的地质数据进行预测。
S103、基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
借由上述技术方案,本发明提供的实时地质数据智能感知方法,对于目前缺少一种更精准的对前方路段的进行地质预测的方法的问题,本发明通过基于智能感知设备获取当前隧道段的基础参数;基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。在上述方案中,通过当前隧道段的基础参数并综合开采规划数据确定隧道走向,以此构建隧道的数字化的地质三维模型即上述隧道三维数字模型,通过该模型实现地下隧道地质数据的变化预测。本方案由此形成的具有共享联动和智能分析特征的隧道三维数字模型,在持续完善、优化和提升后,可以有效达到提高隧道地质勘探效率,显著提升了地质勘探的的智能化程度。
在一种实施例中,上述基础参数包括:气象数据、土壤数据、地形数据、水文数据和应力数据中的至少一种。
示例性的,影响地质环境的因素是包括但不限于构造运动、地震作用、岩浆作用、变质作用、风化作用、地面流水地质作用、地下水地质作用、冰川地质作用、海洋地质作用、湖泊和沼泽地质作用、风的地质作用和重力地质作用,故通过上述智能感知设备,本发明实施例获取气象数据、土壤数据、地形数据、水文数据和应力数据中的至少一种,用于构建当前隧道段的隧道三维数字模型以为后续隧道段的地质预测提供数据基础。
在一种实施例中,上述基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型,包括:
将上述基础参数转化为点云数据,其中,上述点云数据具备结构化特征;
基于上述点云数据和三维点云坐标系构建隧道三维点云模型;
基于上述隧道三维数字模型和上述开采规划数据构建隧道三维数字模型。
示例性的,本发明实施例通过将隧道基础参数转化为结构化点云参数,将结构化点云参数通过三维坐标系中转化为隧道三维点云模型,并将上述隧道三维点云模型进行数字化显示,在确定上述开采规划数据后,基于上述隧道三维数字模型和上述开采规划数据构建隧道三维数字模型。从而通过在虚拟环境中呈现出隧道三维数字模型以为后续预测提供基础。
在一种实施例中,上述基础参数还包括上述当前隧道段开挖所获取的石子粒径变化数据和土壤湿润度变化数据,
上述基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据,包括:
基于上述石子粒径变化数据、上述土壤湿润度变化数据和上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
示例性的,在上述目标隧道段的挖掘过程中,可以确定上述石子粒径变化数据、上述土壤湿润度变化数据,由于构造运动、地震作用、岩浆作用、变质作用、风化作用、地面流水地作用、地下水地质作用、冰川地质作用、海洋地质作用、湖泊和沼泽地质作用、风的地质作用和重力地质作用均会对上述石子粒径变化数据、上述土壤湿润度变化数据构成影响,故本发明实施例将上述目标隧道段的石子粒径变化数据和土壤湿润度变化数据结合到上述隧道三维数字模型,从而通过更新上述隧道三维数字模型在不同的图层中可以直接对下一隧道段的地质数据进行预测。本发明实施例综合目标隧道段的石子粒径变化数据和土壤湿润度变化数据辅助更精准的预测下一隧道段的地质数据。
在一种实施例中,上述方法还包括:
基于上述开采规划数据获取下一隧道段的地面施工数据;
基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据。
示例性的,随着智慧城市的建设,一网统管作为智慧城市运行管理的新模式,已经涵盖并深入到了城市运行的方方面面。城市运行工单简称城运工单,作为其核心部分,记录着海量的城市管理运行数据,建设一网统管下的城市管理需要挖掘事件关键因素,研究城市管理运行的客观规律,有效分配利用城市管理资源,为城市管理决策提供支撑。
进一步的,上述开采规划数据可以反映出下一隧道段的走向,基于下一隧道段的走向可以进一步确定下一隧道段的位置,从而更精准的确定下一隧道段的地面施工数据,进而更精准的指导下一隧道段的地质数据的预测。
在一种实施例中,上述地面施工数据包括地面施工强度和地面施工波及范围,上述基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据,包括:
在上述地面施工强度和上述地面施工波及范围反映上述地面施工项目会影响到上述目标隧道段的下一隧道段的情况下,基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据。
进一步的,通过上述城运工单数据可以直接确定上述地面施工数据,由于人类活动会影响地质环境变化,故在确定下一隧道段的位置所进行的地面施工强度和地面施工波及范围会影响到上述目标隧道段的下一隧道段的挖掘的情况下,基于地面施工数据修正目标隧道段的下一隧道段的地质数据预测,以获取更精准的预测结果。
在一种实施例中,在上述地面施工强度和上述地面施工波及范围反映上述地面施工项目会影响到上述目标隧道段的下一隧道段的情况下,基于上述地面施工数据修正上述目标隧道段的下一隧道段的地质数据,包括:
基于上述地面施工强度和上述地面施工波及范围确定地质灾害数据,其中,上述地质灾害包括地面沉降、地面塌陷和基坑坍塌中的至少一种;
基于上述地质灾害数据修正上述目标隧道段的下一隧道段的地质数据。
示例性的,地面施工对地质环境的影响存在多种方式:一是产生工程荷载效应。工程荷载加载到地基或围岩上,导致地基变形,尤其在地基及周边应力集中区域会造成岩土屈服张拉变形。例如隧道岩体中的软弱结构面受到荷载作用后,产生压缩闭合和剪切破坏。二是岩土开挖会形成新的临空面,使岩土中的应力释放。岩土中的应力调整和释放,在岩土及周边形成屈服区和张拉区。隧道新临空面的出现,导致原有抗力体支撑解除,使岩土变形、滑移、失稳。三是影响地下水状态和工程地区水文地质环境。工程建设过程中排出地下水,引起岩土渗压改变、水理软化、水力混合和水质改变,而疏干地下水则引起地面沉陷。而在隧道施工中遇到涌水,围岩在水的冲刷、浸泡下强度下降,加速风化。如果地下水进入软弱结构面,岩石软化、破碎后引起岩块坍塌。四是工程建设产生的热力作用使岩土温升,进而引发温度应力、应变,岩土中的水温改变,触发水理、水化作用。
进一步的,在确定地面施工强度和地面施工波及范围会引发地面沉降、地面塌陷和基坑坍塌的情况下,可以确定下一隧道段的地质数据也会受到波及,由此基于地质灾害数据修正下一隧道段的地质数据的预测结果以获取更精准的预测结果。
进一步的,作为对上述图1所示方法的实现,本发明实施例还提供了一种实时地质数据智能感知装置,用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图2所示,该装置包括:获取单元21、构建单元22和预测单元23,其中
获取单元21,用于基于智能感知设备获取当前隧道段的基础参数;
构建单元22,用于基于上述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
预测单元23,用于基于上述隧道三维数字模型预测上述目标隧道段的下一隧道段的地质数据。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现一种实时地质数据智能感知方法,能够解决目前缺少一种更精准的对前方路段的进行地质预测的方法的问题。
本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,该程序被处理器执行时实现上述实时地质数据智能感知方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述实时地质数据智能感知方法。
本发明实施例提供了一种电子设备,上述电子设备包括至少一个处理器、以及与上述处理器连接的至少一个存储器;其中,上述处理器用于调用上述存储器中的程序指令,执行如上述的实时地质数据智能感知方法
本发明实施例提供了一种电子设备30,如图3所示,电子设备包括至少一个处理器301、以及与处理器连接的至少一个存储器302、总线303;其中,处理器301、存储器302通过总线303完成相互间的通信;处理器301用于调用存储器中的程序指令,以执行上述的实时地质数据智能感知方法。
本文中的智能电子设备可以是PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在流程管理电子设备上执行时,适于执行初始化有上述实时地质数据智能感知方法步骤的程序。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的存储器的控制的流程。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括: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以存储程序代码的介质。
以上,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种实时地质数据智能感知方法,其特征在于,包括:
基于智能感知设备获取当前隧道段的基础参数;
基于所述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
基于所述隧道三维数字模型预测所述目标隧道段的下一隧道段的地质数据。
2.根据权利要求1所述的方法,其特征在于,所述基础参数包括:气象数据、土壤数据、地形数据、水文数据和应力数据中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述基于所述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型,包括:
将所述基础参数转化为点云数据,其中,所述点云数据具备结构化特征;
基于所述点云数据和三维点云坐标系构建隧道三维点云模型;
基于所述隧道三维数字模型和所述开采规划数据构建隧道三维数字模型。
4.根据权利要求1所述的方法,其特征在于,所述基础参数还包括所述当前隧道段开挖所获取的石子粒径变化数据和土壤湿润度变化数据,
所述基于所述隧道三维数字模型预测所述目标隧道段的下一隧道段的地质数据,包括:
基于所述石子粒径变化数据、所述土壤湿润度变化数据和所述隧道三维数字模型预测所述目标隧道段的下一隧道段的地质数据。
5.根据权利要求1所述的方法,其特征在于,还包括:
基于所述开采规划数据获取下一隧道段的地面施工数据;
基于所述地面施工数据修正所述目标隧道段的下一隧道段的地质数据。
6.根据权利要求5所述的方法,其特征在于,所述地面施工数据包括地面施工强度和地面施工波及范围,所述基于所述地面施工数据修正所述目标隧道段的下一隧道段的地质数据,包括:
在所述地面施工强度和所述地面施工波及范围反映所述地面施工项目会影响到所述目标隧道段的下一隧道段的情况下,基于所述地面施工数据修正所述目标隧道段的下一隧道段的地质数据。
7.根据权利要求6所述的方法,其特征在于,在所述地面施工强度和所述地面施工波及范围反映所述地面施工项目会影响到所述目标隧道段的下一隧道段的情况下,基于所述地面施工数据修正所述目标隧道段的下一隧道段的地质数据,包括:
基于所述地面施工强度和所述地面施工波及范围确定地质灾害数据,其中,所述地质灾害包括地面沉降、地面塌陷和基坑坍塌中的至少一种;
基于所述地质灾害数据修正所述目标隧道段的下一隧道段的地质数据。
8.一种实时地质数据智能感知装置,其特征在于,包括:
获取单元,用于基于智能感知设备获取当前隧道段的基础参数;
构建单元,用于基于所述基础参数和开采规划数据构建当前隧道段的隧道三维数字模型;
预测单元,用于基于所述隧道三维数字模型预测所述目标隧道段的下一隧道段的地质数据。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序被处理器执行时实现如权利要求1至权利要求8中任一项所述的实时地质数据智能感知方法。
10.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器;其中,所述处理器用于调用所述存储器中的程序指令,执行如权利要求1至权利要求8中任一项所述的实时地质数据智能感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659883.6A CN117152342A (zh) | 2023-06-05 | 2023-06-05 | 实时地质数据智能感知方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659883.6A CN117152342A (zh) | 2023-06-05 | 2023-06-05 | 实时地质数据智能感知方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117152342A true CN117152342A (zh) | 2023-12-01 |
Family
ID=88901459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310659883.6A Pending CN117152342A (zh) | 2023-06-05 | 2023-06-05 | 实时地质数据智能感知方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152342A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367772A (zh) * | 2017-08-29 | 2017-11-21 | 西南石油大学 | 一种预测隧道前方不良地质的超前预报方法 |
CN110109895A (zh) * | 2019-03-29 | 2019-08-09 | 山东大学 | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 |
CN115062368A (zh) * | 2022-05-06 | 2022-09-16 | 华南理工大学 | 一种隧道长管棚数字孪生体和精细建模系统及方法 |
CN115690354A (zh) * | 2022-10-27 | 2023-02-03 | 中交第三航务工程局有限公司 | 一种基于三维实景数值分析的浅埋隧道施工动态控制方法 |
US20230144184A1 (en) * | 2021-11-11 | 2023-05-11 | Shandong University | Advanced geological prediction method and system based on perception while drilling |
-
2023
- 2023-06-05 CN CN202310659883.6A patent/CN117152342A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367772A (zh) * | 2017-08-29 | 2017-11-21 | 西南石油大学 | 一种预测隧道前方不良地质的超前预报方法 |
CN110109895A (zh) * | 2019-03-29 | 2019-08-09 | 山东大学 | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 |
US20230144184A1 (en) * | 2021-11-11 | 2023-05-11 | Shandong University | Advanced geological prediction method and system based on perception while drilling |
CN115062368A (zh) * | 2022-05-06 | 2022-09-16 | 华南理工大学 | 一种隧道长管棚数字孪生体和精细建模系统及方法 |
CN115690354A (zh) * | 2022-10-27 | 2023-02-03 | 中交第三航务工程局有限公司 | 一种基于三维实景数值分析的浅埋隧道施工动态控制方法 |
Non-Patent Citations (1)
Title |
---|
武强;徐华;: "数字矿山中三维地质建模方法与应用", 中国科学:地球科学, no. 12, 20 December 2013 (2013-12-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Slope stability prediction using ensemble learning techniques: A case study in Yunyang County, Chongqing, China | |
CN109978226B (zh) | 基于循环神经网络的盾构施工地面沉降预测方法 | |
Shirani Faradonbeh et al. | Application of self-organizing map and fuzzy c-mean techniques for rockburst clustering in deep underground projects | |
Zhang et al. | Analytical model for assessing collapse risk during mountain tunnel construction | |
Liu et al. | Microseismicity-based method for the dynamic estimation of the potential rockburst scale during tunnel excavation | |
Fattahi et al. | Hybrid Monte Carlo simulation and ANFIS-subtractive clustering method for reliability analysis of the excavation damaged zone in underground spaces | |
Liu et al. | A hybrid data-driven model for geotechnical reliability analysis | |
Xie et al. | Parametric analysis of mixshield tunnelling in mixed ground containing mudstone and protection of adjacent buildings: case study in Nanning metro | |
CN108842821A (zh) | 一种钻爆法修建海底隧道合理埋深的计算方法 | |
Yu et al. | Numerical simulation on the excavation damage of Jinping deep tunnels based on the SPH method | |
Li et al. | Prediction of Surface Settlement Induced by Large‐Diameter Shield Tunneling Based on Machine‐Learning Algorithms | |
CN113536414B (zh) | 基于三维建模的岩质边坡稳定性分析方法、系统及介质 | |
He et al. | A short overview of soft computing techniques in tunnel construction | |
Xiang-Sheng et al. | Intelligent geotechnical engineering | |
Li et al. | Stress-strain analysis and safety evaluation of concrete-faced rockfill dams | |
CN111767642B (zh) | 薄松散层采煤沉陷区地基稳定性评价方法及装置 | |
CN117152342A (zh) | 实时地质数据智能感知方法及相关设备 | |
Yang et al. | Intelligent rating method of tunnel surrounding rock based on one-dimensional convolutional neural network | |
Alizadeh et al. | Application of soft computing and statistical methods to predict rock mass permeability | |
CN116776553A (zh) | 基于数字孪生的盾构施工地表变形量的控制方法与装置 | |
Ye et al. | Prediction of maximum upward displacement of shield tunnel linings during construction using particle swarm optimization-random forest algorithm | |
Wu et al. | Multisource information fusion for real-time prediction and multiobjective optimization of large-diameter slurry shield attitude | |
Liu et al. | Geomorphological transformations and future deformation estimations of a large potential landslide in the high-order position area of Diexi, China | |
CN112906239B (zh) | 综合管廊的安全性态评价方法、装置、处理器及存储介质 | |
Zou et al. | Development and application of an intelligent evaluation and control platform for tunnel smooth blasting |
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 |