CN117195610A - 边坡监测预警方法、装置、电子设备及可读存储介质 - Google Patents
边坡监测预警方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117195610A CN117195610A CN202311480887.4A CN202311480887A CN117195610A CN 117195610 A CN117195610 A CN 117195610A CN 202311480887 A CN202311480887 A CN 202311480887A CN 117195610 A CN117195610 A CN 117195610A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- slope
- monitoring data
- early warning
- acquisition
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 296
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012417 linear regression Methods 0.000 claims description 43
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 238000006073 displacement reaction Methods 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 239000011148 porous material Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 239000011435 rock Substances 0.000 claims description 18
- 239000003673 groundwater Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本申请提供了一种边坡监测预警方法、装置、电子设备及可读存储介质，涉及边坡监测技术领域。包括：获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
Description
技术领域
本申请涉及边坡监测技术领域，尤其涉及一种边坡监测预警方法、装置、电子设备及可读存储介质。
背景技术
目前，在道路、桥梁等工程建设中会不可避免地涉及到边坡问题。为了减少或避免边坡问题带来的损失，边坡稳定性的预警工作显得尤为重要。现有技术中，一般是在边坡上埋设多个监测设备，每个监测设备对应一块区域，通过每个监测设备采集其所在位置的监测数据（如位移），利用该位置的监测数据表征对应区域内的边坡稳定性，以此实现对整个边坡的稳定性的监测和预警。
然而，这种直接利用某一个监测设备采集的监测数据，来描述对应区域内的边坡稳定性的方式，对于区域内非监测设备所在位置的稳定性描述不够准确，导致对边坡的监测预警不够准确。
发明内容
为了解决上述技术问题，本申请提供了一种边坡监测预警方法、装置、电子设备及可读存储介质。
第一方面，本申请实施例提供一种边坡监测预警方法，包括：
获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
在一个可能的实施方式中，所述数据类型包括：轴力、水平位移、孔隙水压力、地下水位及岩体内部位移。
在一个可能的实施方式中，所述基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，包括：
确定所述监测点在所述待监测边坡上的监测位置；
针对每个监测数据集合对应的边坡曲面，在所述边坡曲面上确定所述监测位置对应的监测值；
将多个所述边坡曲面对应的监测值输入至预设的预警模型，以由所述预警模型输出所述监测点对应的稳定性预警值。
在一个可能的实施方式中，所述方法还包括：
获取样本数据，以及所述样本数据对应的实际预警值和预测预警值，其中，所述样本数据包括多种所述数据类型的样本监测数据；
基于多种所述样本监测数据和所述实际预警值，构建第一多元线性回归方程；
基于多种所述样本监测数据和所述预测预警值，构建第二多元线性回归方程；
基于最小二乘法对所述第一多元线性回归方程和所述第二多元线性回归方程进行设定运算，得到回归常数的值以及每种所述数据类型对应的回归系数的值；
基于所述回归常数和每种所述数据类型对应的回归系数的值，构建目标多元线性回归方程，将所述目标多元线性回归方程作为所述预警模型。
在一个可能的实施方式中，所述针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置之前，还包括：
针对每个监测数据集合，确定所述监测数据集合中是否存在异常值；
在所述监测数据集合中存在异常值的情况下，对所述异常值对应的异常位置进行预警；
在所述监测数据集合中不存在异常值的情况下，执行针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置的步骤。
在一个可能的实施方式中，所述基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面，包括：
将多个所述采集点划分为至少两个点集，其中，每组所述点集中包含至少两个采集点，且，至少两个所述采集点在水平方向上处于同一直线；
针对每个点集，确定所述点集中每个采集点对应的采集位置，以及在所述监测数据集合中确定每个所述采集点对应的监测数据；
针对每个采集点，以所述采集点对应的采集位置为平面坐标、以所述采集点对应的监测数据为垂直坐标，得到对应的三维坐标；
基于所述点集中所有采集点对应的三维坐标，构建对应的曲线；
对多条所述曲线进行拟合，得到所述监测数据集合对应的边坡曲面。
在一个可能的实施方式中，所述基于所述点集中所有采集点对应的三维坐标，构建对应的曲线，包括：
基于所述点集中所有采集点对应的三维坐标进行线性插值处理，得到多个插值点对应的三维坐标；
连接所有所述采集点对应的三维坐标和所有所述插值点对应的三维坐标，得到对应的曲线。
第二方面，本申请实施例提供一种边坡监测预警装置，包括：
获取模块，用于获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
第一确定模块，用于针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
曲面构建模块，用于基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
第二确定模块，用于针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
预警模块，用于在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
在一个可能的实施方式中，所述数据类型包括：轴力、水平位移、孔隙水压力、地下水位及岩体内部位移。
在一个可能的实施方式中，所述第二确定模块，具体用于：
确定所述监测点在所述待监测边坡上的监测位置；
针对每个监测数据集合对应的边坡曲面，在所述边坡曲面上确定所述监测位置对应的监测值；
将多个所述边坡曲面对应的监测值输入至预设的预警模型，以由所述预警模型输出所述监测点对应的稳定性预警值。
在一个可能的实施方式中，所述装置还包括模型构建模块，用于：
获取样本数据，以及所述样本数据对应的实际预警值和预测预警值，其中，所述样本数据包括多种所述数据类型的样本监测数据；
基于多种所述样本监测数据和所述实际预警值，构建第一多元线性回归方程；
基于多种所述样本监测数据和所述预测预警值，构建第二多元线性回归方程；
基于最小二乘法对所述第一多元线性回归方程和所述第二多元线性回归方程进行设定运算，得到回归常数的值以及每种所述数据类型对应的回归系数的值；
基于所述回归常数和每种所述数据类型对应的回归系数的值，构建目标多元线性回归方程，将所述目标多元线性回归方程作为所述预警模型。
在一个可能的实施方式中，所述装置还包括执行模块，用于：
针对每个监测数据集合，确定所述监测数据集合中是否存在异常值；
在所述监测数据集合中存在异常值的情况下，对所述异常值对应的异常位置进行预警；
在所述监测数据集合中不存在异常值的情况下，执行针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置的步骤。
在一个可能的实施方式中，所述曲面构建模块，具体用于：
将多个所述采集点划分为至少两个点集，其中，每组所述点集中包含至少两个采集点，且，至少两个所述采集点在水平方向上处于同一直线；
针对每个点集，确定所述点集中每个采集点对应的采集位置，以及在所述监测数据集合中确定每个所述采集点对应的监测数据；
针对每个采集点，以所述采集点对应的采集位置为平面坐标、以所述采集点对应的监测数据为垂直坐标，得到对应的三维坐标；
基于所述点集中所有采集点对应的三维坐标，构建对应的曲线；
对多条所述曲线进行拟合，得到所述监测数据集合对应的边坡曲面。
在一个可能的实施方式中，所述曲面构建模块，具体用于：
基于所述点集中所有采集点对应的三维坐标进行线性插值处理，得到多个插值点对应的三维坐标；
连接所有所述采集点对应的三维坐标和所有所述插值点对应的三维坐标，得到对应的曲线。
第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。
第四方面，提供了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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的边坡监测预警方法。
本申请实施例有益效果：
本申请实施例提供了一种边坡监测预警方法、装置、电子设备及可读存储介质，本申请实施例中，首先，获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合，然后，针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置，并基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面，最后，针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，并在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。通过本方案，可以基于在待监测边坡采集的多种数据类型的监测数据集合，构建多个边坡曲面，进而，通过多个边坡曲面确定待监测边坡上任一监测点的稳定性预警值，由此提高对非采集位置的稳定性描述的准确性，从而提高对边坡监测预警的准确性。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，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。
图1为本申请实施例提供的一种边坡监测预警方法的流程图；
图2为一种边坡曲面效果图；
图3为本申请实施例提供的另一种边坡监测预警方法的流程图；
图4为本申请实施例提供的一种边坡监测预警方法的处理流程图；
图5为本申请实施例提供的一种边坡监测预警装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合附图以具体实施例对本申请提供的边坡监测预警方法做出解释说明，实施例并不构成对本申请实施例的限定。
参见图1，为本申请实施例提供的一种边坡监测预警方法的实施例流程图。如图1所示，该流程可包括以下步骤：
S101，获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合。
上述数据类型包括：轴力、水平位移、孔隙水压力、地下水位及岩体内部位移。
轴力，是指待监测边坡上某个位置所受的纵向力。
水平位移，是指待监测边坡上某个位置在水平方向上的移动距离。
孔隙水压力，是指在监测边坡上某个位置处的孔隙水所施加的压力。
地下水位，是指在监测边坡上某个位置下方土层或岩石中的地下水的水位高度。
岩体内部位移，是指在监测边坡上某个位置处岩体内发生的位移或变形量。
上述监测数据集合中包含某一采集时刻采集的、对应数据类型的所有数据，即，轴力集合中包含在某一采集时刻，于待监测边坡采集的所有轴力值；水平位移集合中包含在该采集时刻，于待监测边坡采集的所有水平位移值；孔隙水压力集合中包含在该采集时刻，于待监测边坡采集的所有孔隙水压力值；地下水位集合中包含在该采集时刻，于待监测边坡采集的所有地下水位值；岩体内部位移集合中包含在该采集时刻，于待监测边坡采集的所有岩体内部位移值。
应用中，可以预先在待监测边坡上设置多个采集点，并在每个采集点上布置监测装置。其中，监测装置可以包括关键点监测锚、固定斜测仪、孔隙水压力计、地下水位计及多点位移计。
其中，关键点监测锚，用于测量待监测边坡上对应采集点的轴力；固定斜测仪，用于测量待监测边坡上对应采集点的水平位移；孔隙水压力计，用于测量待监测边坡上对应采集点的孔隙水压力值；地下水位计，用于测量待监测边坡上对应采集点的地下水位；多点位移计，用于测量待监测边坡上对应采集点的岩体内部位移。
本申请实施例中，通过多个监测装置对对应采集点处的监测数据进行采集，并通过有线或者无线传输的传输方式将采集到的监测数据，传输到传感器，由传感器将监测数据传输至用于进行后续计算的计算机，由计算机的DTU (Data Transfer unit，数据传输单元)实时接收各个监测装置上传的数据，并进行储存，从而得到多种数据类型的监测数据集合。
具体的，传感器可以利用LoRa（Long Range Radio，远距离无线电）无线信号进行监测数据的传输，不需布线，受现场施工扰动影响小。
S102，针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置。
本申请实施例中，对于每个监测数据集合，首先，确定采集该监测数据集合中包含的每个监测数据的监测装置，将这些监测装置对应的采集点确定为该监测数据集合对应的采集点，进而，将这些采集点在待监测边坡上的位置确定为该监测数据集合对应的采集位置。
S103，基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面。
本申请实施例中，基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面的具体实现可包括：将多个所述采集点划分为至少两个点集，其中，每组所述点集中包含至少两个采集点，且，至少两个所述采集点在水平方向上处于同一直线，针对每个点集，确定所述点集中每个采集点对应的采集位置，以及在所述监测数据集合中确定每个所述采集点对应的监测数据，针对每个采集点，以所述采集点对应的采集位置为平面坐标、以所述采集点对应的监测数据为垂直坐标，得到对应的三维坐标，基于所述点集中所有采集点对应的三维坐标，构建对应的曲线，对多条所述曲线进行拟合，得到所述监测数据集合对应的边坡曲面。
作为一种可能的实现方式，基于所述点集中所有采集点对应的三维坐标，构建对应的曲线可以包括以下步骤：连接所有所述采集点对应的三维坐标，得到对应的曲线。如此，可以快速构建对应曲线。
作为另一种可能的实现方式，基于所述点集中所有采集点对应的三维坐标，构建对应的曲线可以包括以下步骤：基于所述点集中所有采集点对应的三维坐标进行线性插值处理，得到多个插值点对应的三维坐标，连接所有所述采集点对应的三维坐标和所有所述插值点对应的三维坐标，得到对应的曲线。如此，可以生成更加光滑的曲线，进而得到更加光滑的曲面。
其中，曲线可以是NURBS（NonUniformRationalB-spline，非均匀有理B样条）曲线，曲面可以是NURBS（NonUniformRationalB-spline，非均匀有理B样条）曲面。
NURBS曲面可看作由多条NURBS曲线在u、v方向上多次构建而成，是由(m+1)×(n+1)个控制顶点构成的控制网格，一张次NURBS曲面有理分式表示形式如下：
式中，控制顶点组成了一个呈拓扑矩形阵列的控制网格；/>是与控制顶点/>联系的权因子；/>是节点矢量U上的k次非有理B样条基函数；/>是节点矢量V上的l次非有理B样条基函数；它们分别由u向的节点矢量：/>，v向的节点矢量：/>，按照德布尔递推公式决定，u、v 为节点值。
以关键点监测锚测量待监测边坡对应采集点的轴力值为例：
若在待监测边坡某区域一共存在4个测点（即，采集点，其中，测点越多，拟合的边坡曲面越准确），通过关键点监测锚采集某时刻这4个测点的轴力值，针对每个测点，以该测点的经纬度坐标为平面坐标（x，y轴），以该测点的轴力值为z轴的值构建三维坐标系。基于4个测点做线性插值运算，得到多个插值点，然后，基于在水平方向上处于同一直线的至少两个点（测点和插值点）构建曲线，由此得到多条曲线，进而，对多条曲线进行拟合得到如图2所示的边坡曲面。
S104，针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值。
上述监测点，可以是待监测边坡上任意一点，包括放置监测装置的采集点以及未放置监测装置的其他点。
本申请实施例中，可以基于多个监测数据集合对应的边坡曲面，确定待监测边坡上任一监测点对应的稳定性预警值。由此，实现对待监测边坡的全面监测。
至于具体如何基于多个监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，将通过后文实施例进行详细说明，这里先不详述。
S105，在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
预设阈值，为预先根据上述多元线性回归方程结合边坡稳定性实验确定的预警值。具体的，基于边坡稳定性实验获取边坡失稳时，导致失稳的测点的测值（包括：轴力值、水平位移值、孔隙水压力值、地下水位值、岩体内部位移值），将该测点的测值代入多元线性回归方程得到破坏值，进而，将破坏值与安全系数（如0.8）相乘得到预警值。如此，可以得到小于破坏值的预警值，从而可以在边坡失稳前进行预警，避免损失。
基于此，本申请实施例中，在稳定性预警值小于预设阈值的情况下，意味着，该监测点不会导致待监测边坡失稳，而在稳定性预警值大于或等于预设阈值的情况下，意味着，该监测点可能导致待监测边坡失稳，此时，对该监测点进行预警，提示工作人员进行防范。
本申请实施例中，首先，获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合，然后，针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置，并基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面，最后，针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，并在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。通过本方案，可以基于在待监测边坡采集的多种数据类型的监测数据集合，构建多个边坡曲面，进而，通过多个边坡曲面确定待监测边坡上任一监测点的稳定性预警值，由此提高对非采集位置的稳定性描述的准确性，从而提高对边坡监测预警的准确性。
参见图3，为本申请实施例提供的另一种边坡监测预警方法的实施例流程图。该图3所示流程在上述图1所示流程的基础上，描述如何基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值。如图3所示，该流程可包括以下步骤：
S301，确定所述监测点在所述待监测边坡上的监测位置。
S302，针对每个监测数据集合对应的边坡曲面，在所述边坡曲面上确定所述监测位置对应的监测值。
S303，将多个所述边坡曲面对应的监测值输入至预设的预警模型，以由所述预警模型输出所述监测点对应的稳定性预警值。
以下对S301-S303进行统一说明：
预警模型，为预先构建的多元线性回归方程，具体如下：
多元线性回归方程为：，其中，ε为随机误差,表示各种因素对y的影响的总和，其他字母含义参见表1。
表1
这里，预警模型中的及ε，为经过计算得到的已知值。
例如，对于待监测边坡上的点a，首先，确定点a在待监测边坡上的位置（平面坐标），然后，基于待监测边坡上的平面坐标与轴力边坡曲面上平面坐标的对应关系，确定轴力边坡曲面上与点a对应的平面坐标，将该平面坐标对应的z轴的值确定为对应的监测值（即，轴力值）；基于待监测边坡上的平面坐标与水平位移边坡曲面上平面坐标的对应关系，确定水平位移边坡曲面上与点a对应的平面坐标，将该平面坐标对应的z轴的值确定为对应的监测值（即，水平位移值）；同理，得到孔隙水压力边坡曲面对应的监测值（即，孔隙水压力值）、地下水位边坡曲面对应的监测值（即，地下水位值）、岩体内部位移边坡曲面对应的监测值（即，岩体内部位移值）。
进而，将点a对应的轴力值、水平位移值、孔隙水压力值、地下水位值、岩体内部位移值代入上述多元线性回归方程，得到稳定性预警值y。
通过图3所示流程，可以基于多元线性回归模型，由其中边坡某点的轴力值、水平位移值、孔隙水压力值，地下水位值，岩体内部位移值的组合对边坡稳定性进行融合分析，共同计算稳定性预警值，相较于只用一个自变量，通过本方案计算稳定性预警值更加准确。
在本申请又一实施例中，所述方法还可以包括以下步骤：
步骤A1，获取样本数据，以及所述样本数据对应的实际预警值和预测预警值，其中，所述样本数据包括多种所述数据类型的样本监测数据；
步骤A2，基于多种所述样本监测数据和所述实际预警值，构建第一多元线性回归方程；
步骤A3，基于多种所述样本监测数据和所述预测预警值，构建第二多元线性回归方程；
步骤A4，基于最小二乘法对所述第一多元线性回归方程和所述第二多元线性回归方程进行设定运算，得到回归常数的值以及每种所述数据类型对应的回归系数的值；
步骤A5，基于所述回归常数和每种所述数据类型对应的回归系数的值，构建目标多元线性回归方程，将所述目标多元线性回归方程作为所述预警模型。
以下对步骤A1至步骤A5进行统一说明：
样本监测数据包括：样本轴力值，样本水平位移/>，样本孔隙水压力值/>，样本地下水位值/>，样本岩体内部位移值/>。
则，第一多元线性回归方程：；第二多元线性回归方程：/>。其中，/>是回归常数，/>、、/>、/>、/>是回归系数，y是实验测得的实际预警值，/>是根据实验数据拟合成的预测预警值，ε为随机误差,表示各种因素对y的影响的总和。
此时，在第一多元线性回归方程和第二多元线性回归方程中，y和为已知值，/>、/>、/>、/>、/>，为已知的样本监测数据，/>及ε为未知值。
应用中，通常假设：
根据上述方程组计算得到ε的值。
对于，可以采用最小二乘法进行估计，具体为：由残差平方和:，根据微积分中求极小值的原理，可知残差平方和SSE存在极小值。欲使SSE达到最小，SSE对/>的偏导数必须为零。
将SSE对求偏导数，并令其等于零，加以整理后可得到6个方程式，分别为：
，/>，/>，，/>，/>；
通过求解上述6个方程式构成的方程组，便可分别得到回归常数和回归系数的估计值。
接下来，基于回归常数和回归系数的估计值，以及，ε的值，构建目标多元线性回归方程：/>，并将目标多元线性回归方程作为预警模型。由此，实现对预警模型的构建。
如此，预警模型中，仅、/>、/>、/>、/>和y为未知值。应用中，仅需将某个监测点对应的/>、/>、/>、/>、/>的值代入预警模型，即可得到对应的稳定性预警值y。
此外，在本申请另一实施例中，在S103之前，还可以包括以下步骤：
步骤B1，针对每个监测数据集合，确定所述监测数据集合中是否存在异常值；
步骤B2，在所述监测数据集合中存在异常值的情况下，对所述异常值对应的异常位置进行预警；
步骤B3，在所述监测数据集合中不存在异常值的情况下，执行针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置的步骤。
以下对步骤B1至步骤B3进行统一说明：
本申请实施例中，在S103之前，对于每个监测数据集合，可以利用孤立森林模型在监测数据集合中进行数据异常值的查找。孤立森林模型是一种无监督学习算法，可以显式地隔离异常值，而不是通过为每个数据点分配分数来分析和构造正常点和区域。它利用了一个事实，即异常是少数数据点，并且它们的属性值与正常实例的属性值大不相同。
具体的，将监测数据集合输入至孤立森林模型中，由孤立森林模型输出监测数据集合中每个数据的预测。如果输出的结果为1，则表示该数据不是异常值。如果输出的结果为-1，则表示该数据为异常值。在输出异常值时，确定采集该异常值的监测装置，通过该监测装置上传的定位信息（每个监测装置均带有定位系统），确定出发生异常的异常位置，对该异常位置进行预警。而在监测数据集合中不存在异常值的情况下，则执行S103-S105，即，通过计算每个监测点的稳定性预警值，来确定是否存在容易发生边坡失稳的位置。
通过该方案，可以先根据异常值快速确定待监测边坡是否存在失稳风险，在根据异常值无法确定时，才利用S103-S105的方案进行确定，从而减少计算量，节省计算资源。并且，基于孤立森林模型，可以显式地隔离异常值，可以有效避免模型因为参数过多而造成的误差。
此外，在又一实施例中，在所述监测数据集合中存在异常值的情况下，可以通过对应监测装置重新采集该位置的数据，并确定重新获取的数据是否还是异常值，若重新获取的数据还是异常值，则对异常值对应的异常位置进行预警；若重新获取的数据不是异常值，意味着，首次确定的异常值为误测，即，该位置未发生异常。如此，可以避免因误测导致的误报警。
可选的，本申请实施例还提供了边坡监测预警方法的处理流程，如图4所示，具体步骤如下。
步骤一，通过监测装置采集待监测边坡上对应采集点处的监测数据，即，通过关键点监测锚测量待监测边坡上对应采集点的轴力；通过固定斜测仪测量待监测边坡上对应采集点的水平位移；通过孔隙水压力计测量待监测边坡上对应采集点的孔隙水压力值；通过地下水位计测量待监测边坡上对应采集点的地下水位；通过多点位移计测量待监测边坡上对应采集点的岩体内部位移；并将监测数据通过有线或无线的方式传输至传感器。
步骤二，由传感器通过Lora无线信号传输的方式，将监测数据传输至用于计算的计算机。
步骤三，计算机通过孤立森林模型查找异常值，若查找到异常值则进行预警，若未查找到异常值，则执行步骤四。
步骤四，利用Nurbs曲面拟合技术基于监测数据构建相应包络面，即，面域。
步骤五，利用线性回归模型基于面域，对待监测边坡上的任一监测点的稳定性预警值进行计算，并在稳定性预警值符合预警条件时进行预警。
由此，提高对非采集位置的稳定性描述的准确性，从而提高对边坡监测预警的准确性。
基于相同的技术构思，本申请实施例还提供了一种边坡监测预警装置，如图5所示，该装置包括：
获取模块401，用于获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
第一确定模块402，用于针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
曲面构建模块403，用于基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
第二确定模块404，用于针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
预警模块405，用于在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
在一个可能的实施方式中，所述数据类型包括：轴力、水平位移、孔隙水压力、地下水位及岩体内部位移。
在一个可能的实施方式中，所述第二确定模块，具体用于：
确定所述监测点在所述待监测边坡上的监测位置；
针对每个监测数据集合对应的边坡曲面，在所述边坡曲面上确定所述监测位置对应的监测值；
将多个所述边坡曲面对应的监测值输入至预设的预警模型，以由所述预警模型输出所述监测点对应的稳定性预警值。
在一个可能的实施方式中，所述装置还包括模型构建模块，用于：
获取样本数据，以及所述样本数据对应的实际预警值和预测预警值，其中，所述样本数据包括多种所述数据类型的样本监测数据；
基于多种所述样本监测数据和所述实际预警值，构建第一多元线性回归方程；
基于多种所述样本监测数据和所述预测预警值，构建第二多元线性回归方程；
基于最小二乘法对所述第一多元线性回归方程和所述第二多元线性回归方程进行设定运算，得到回归常数的值以及每种所述数据类型对应的回归系数的值；
基于所述回归常数和每种所述数据类型对应的回归系数的值，构建目标多元线性回归方程，将所述目标多元线性回归方程作为所述预警模型。
在一个可能的实施方式中，所述装置还包括执行模块，用于：
针对每个监测数据集合，确定所述监测数据集合中是否存在异常值；
在所述监测数据集合中存在异常值的情况下，对所述异常值对应的异常位置进行预警；
在所述监测数据集合中不存在异常值的情况下，执行针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置的步骤。
在一个可能的实施方式中，所述曲面构建模块，具体用于：
将多个所述采集点划分为至少两个点集，其中，每组所述点集中包含至少两个采集点，且，至少两个所述采集点在水平方向上处于同一直线；
针对每个点集，确定所述点集中每个采集点对应的采集位置，以及在所述监测数据集合中确定每个所述采集点对应的监测数据；
针对每个采集点，以所述采集点对应的采集位置为平面坐标、以所述采集点对应的监测数据为垂直坐标，得到对应的三维坐标；
基于所述点集中所有采集点对应的三维坐标，构建对应的曲线；
对多条所述曲线进行拟合，得到所述监测数据集合对应的边坡曲面。
在一个可能的实施方式中，所述曲面构建模块，具体用于：
基于所述点集中所有采集点对应的三维坐标进行线性插值处理，得到多个插值点对应的三维坐标；
连接所有所述采集点对应的三维坐标和所有所述插值点对应的三维坐标，得到对应的曲线。
本申请实施例中，首先，获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合，然后，针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置，并基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面，最后，针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，并在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。通过本方案，可以基于在待监测边坡采集的多种数据类型的监测数据集合，构建多个边坡曲面，进而，通过多个边坡曲面确定待监测边坡上任一监测点的稳定性预警值，由此提高对非采集位置的稳定性描述的准确性，从而提高对边坡监测预警的准确性。
基于相同的技术构思，本申请实施例还提供了一种电子设备，如图6所示，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，
存储器113，用于存放计算机程序；
处理器111，用于执行存储器113上所存放的程序时，实现如下步骤：
获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一边坡监测预警方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一边坡监测预警方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述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所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述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。所述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个计算机可读存储介质传输，例如，所述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（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。所述计算机可读存储介质可以是计算机能够存取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。所述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。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种边坡监测预警方法，其特征在于，所述方法包括：
获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
2.根据权利要求1所述的方法，其特征在于，所述数据类型包括：轴力、水平位移、孔隙水压力、地下水位及岩体内部位移。
3.根据权利要求1所述的方法，其特征在于，所述基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值，包括：
确定所述监测点在所述待监测边坡上的监测位置；
针对每个监测数据集合对应的边坡曲面，在所述边坡曲面上确定所述监测位置对应的监测值；
将多个所述边坡曲面对应的监测值输入至预设的预警模型，以由所述预警模型输出所述监测点对应的稳定性预警值。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取样本数据，以及所述样本数据对应的实际预警值和预测预警值，其中，所述样本数据包括多种所述数据类型的样本监测数据；
基于多种所述样本监测数据和所述实际预警值，构建第一多元线性回归方程；
基于多种所述样本监测数据和所述预测预警值，构建第二多元线性回归方程；
基于最小二乘法对所述第一多元线性回归方程和所述第二多元线性回归方程进行设定运算，得到回归常数的值以及每种所述数据类型对应的回归系数的值；
基于所述回归常数和每种所述数据类型对应的回归系数的值，构建目标多元线性回归方程，将所述目标多元线性回归方程作为所述预警模型。
5.根据权利要求1所述的方法，其特征在于，所述针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置之前，还包括：
针对每个监测数据集合，确定所述监测数据集合中是否存在异常值；
在所述监测数据集合中存在异常值的情况下，对所述异常值对应的异常位置进行预警；
在所述监测数据集合中不存在异常值的情况下，执行针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置的步骤。
6.根据权利要求1所述的方法，其特征在于，所述基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面，包括：
将多个所述采集点划分为至少两个点集，其中，每组所述点集中包含至少两个采集点，且，至少两个所述采集点在水平方向上处于同一直线；
针对每个点集，确定所述点集中每个采集点对应的采集位置，以及在所述监测数据集合中确定每个所述采集点对应的监测数据；
针对每个采集点，以所述采集点对应的采集位置为平面坐标、以所述采集点对应的监测数据为垂直坐标，得到对应的三维坐标；
基于所述点集中所有采集点对应的三维坐标，构建对应的曲线；
对多条所述曲线进行拟合，得到所述监测数据集合对应的边坡曲面。
7.根据权利要求6所述的方法，其特征在于，所述基于所述点集中所有采集点对应的三维坐标，构建对应的曲线，包括：
基于所述点集中所有采集点对应的三维坐标进行线性插值处理，得到多个插值点对应的三维坐标；
连接所有所述采集点对应的三维坐标和所有所述插值点对应的三维坐标，得到对应的曲线。
8.一种边坡监测预警装置，其特征在于，所述装置包括：
获取模块，用于获取在待监测边坡采集的边坡数据，其中，所述边坡数据包括多种数据类型的监测数据集合；
第一确定模块，用于针对每个监测数据集合，在所述待监测边坡上确定采集所述监测数据集合的多个采集点的采集位置；
曲面构建模块，用于基于所述监测数据集合及所述监测数据集合对应的多个所述采集点的采集位置，构建所述监测数据集合对应的边坡曲面；
第二确定模块，用于针对所述待监测边坡上的任一监测点，基于多个所述监测数据集合对应的边坡曲面确定所述监测点对应的稳定性预警值；
预警模块，用于在所述稳定性预警值大于或等于预设阈值的情况下，对所述监测点进行预警。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一方法步骤。
10.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311480887.4A CN117195610B (zh) | 2023-11-08 | 2023-11-08 | 边坡监测预警方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311480887.4A CN117195610B (zh) | 2023-11-08 | 2023-11-08 | 边坡监测预警方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117195610A true CN117195610A (zh) | 2023-12-08 |
| CN117195610B CN117195610B (zh) | 2024-01-26 |
Family
ID=88985498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311480887.4A Active CN117195610B (zh) | 2023-11-08 | 2023-11-08 | 边坡监测预警方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117195610B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117782228A (zh) * | 2024-02-26 | 2024-03-29 | 南京峟思工程仪器有限公司 | 用于分布式自动测量单元的数据处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113802622A (zh) * | 2021-10-26 | 2021-12-17 | 中国十七冶集团有限公司 | 一种临近铁路深基坑施工安全监测方法 |
| KR102379472B1 (ko) * | 2021-12-10 | 2022-03-29 | 대한민국 | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 |
| CN115167212A (zh) * | 2022-07-13 | 2022-10-11 | 中交第三航务工程局有限公司 | 基于监测平台的基坑动态施工控制系统及方法 |
-
2023
- 2023-11-08 CN CN202311480887.4A patent/CN117195610B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113802622A (zh) * | 2021-10-26 | 2021-12-17 | 中国十七冶集团有限公司 | 一种临近铁路深基坑施工安全监测方法 |
| KR102379472B1 (ko) * | 2021-12-10 | 2022-03-29 | 대한민국 | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 |
| CN115167212A (zh) * | 2022-07-13 | 2022-10-11 | 中交第三航务工程局有限公司 | 基于监测平台的基坑动态施工控制系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| XU. SHILUO等: "Displacement prediction of Baijiabao landslide based on empirical mode decomposition and long short-term memory neural network in Three Gorges area, China", 《COMPUTERS AND GEOSCIENCES》 * |
| 刘廷;: "云母片岩剪切蠕变特性试验研究", 工程勘察, no. 02 * |
| 李立云;孙庆玺;: "基坑开挖诱发既有建(构)筑物变形的SVM-BP预测模型及其工程应用", 防灾科技学院学报, no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117782228A (zh) * | 2024-02-26 | 2024-03-29 | 南京峟思工程仪器有限公司 | 用于分布式自动测量单元的数据处理方法及系统 |
| CN117782228B (zh) * | 2024-02-26 | 2024-04-26 | 南京峟思工程仪器有限公司 | 用于分布式自动测量单元的数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117195610B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117195610B (zh) | 边坡监测预警方法、装置、电子设备及可读存储介质 | |
| CN109543353B (zh) | 三维水汽反演方法、装置、设备和计算机可读存储介质 | |
| Yang et al. | Laser scanning-based updating of a finite-element model for structural health monitoring | |
| JP5658372B2 (ja) | 監視装置、監視システム及び監視方法 | |
| CN117252863B (zh) | 一种地理信息异常数据快速检测分析方法 | |
| CN111080682A (zh) | 点云数据的配准方法及装置 | |
| CN114387332B (zh) | 一种管道测厚方法及装置 | |
| CN111932612B (zh) | 基于二阶隐马尔科夫模型的智能车视觉定位方法及装置 | |
| CN115455793A (zh) | 基于多尺度模型修正的高层结构复杂构件受力分析方法 | |
| Cabaleiro et al. | A case study of measurements of deformations due to different loads in pieces less than 1 m from lidar data | |
| CN116716927A (zh) | 塔基监测方法、装置、计算机设备、存储介质和产品 | |
| CN111336985A (zh) | 一种采空区铁塔的监测方法、装置、存储介质及电子设备 | |
| Zhang et al. | Point cloud registration methods for long‐span bridge spatial deformation monitoring using terrestrial laser scanning | |
| CN114449439A (zh) | 一种地下管廊空间的定位方法及装置 | |
| CN113358226A (zh) | 一种温度测量方法、电子设备及存储介质 | |
| CN116822285A (zh) | 一种边坡失稳规模的估算方法、装置、设备及存储介质 | |
| CN114781042A (zh) | 基于优化算法的地震下结构位移时程反演方法及装置 | |
| Qiu et al. | A deformation prediction approach for supertall building using sensor monitoring system | |
| CN104793179A (zh) | 一种基于完好性检测的tdoa无源定位方法 | |
| CN115079166B (zh) | 毫米波雷达灾害监测方法、系统和电子设备 | |
| CN115077537A (zh) | 高精度地图感知容器设计方法及装置、存储介质、终端 | |
| CN111366172A (zh) | 数字高程模型的质量检测方法、装置和存储介质 | |
| CN115728383B (zh) | 桥梁结构损伤定位方法、装置、计算机设备和介质 | |
| CN117968621B (zh) | 围岩变形监测方法、装置、电子设备及可读存储介质 | |
| CN111366972B (zh) | 一种采空区输电线路监测方法和装置 |
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 |