CN117196350B - 一种矿山地质环境特征监测与恢复治理方法及系统 - Google Patents
一种矿山地质环境特征监测与恢复治理方法及系统 Download PDFInfo
- Publication number
- CN117196350B CN117196350B CN202311462967.7A CN202311462967A CN117196350B CN 117196350 B CN117196350 B CN 117196350B CN 202311462967 A CN202311462967 A CN 202311462967A CN 117196350 B CN117196350 B CN 117196350B
- Authority
- CN
- China
- Prior art keywords
- geological disaster
- evolution
- geological
- evolution state
- information
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011084 recovery Methods 0.000 title claims abstract description 46
- 230000007704 transition Effects 0.000 claims description 138
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000005856 abnormality Effects 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012097 association analysis method Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims 1
- 238000011161 development Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000003673 groundwater Substances 0.000 description 4
- 238000005067 remediation Methods 0.000 description 4
- 238000003900 soil pollution Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种矿山地质环境特征监测与恢复治理方法及系统，属于矿山地质环境监测技术领域，本发明引入马尔科夫链来获取地质灾害的演化状态转移概率矩阵，从而构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，最后通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。本发明通过对各地质灾害类型的各个演化阶段进行智能监测，从而能够及时发现发生每个地质灾害类型所处的演化阶段，进而对相关的地质灾害类型采取恢复治理措施，能够避免生命财产的损失。
Description
技术领域
本发明涉及地质环境监测技术领域，尤其涉及一种矿山地质环境特征监测与恢复治理方法及系统。
背景技术
矿产资源开发中会伴随着各种各样的安全问题，然而，由于各个行业对矿山资源的需求只增不减，从减少矿山开采方面来减少矿山事故发生不可行。在早期的矿井开采中，安排人工定时查巡矿井来减少灾害事故的发生。随着科技快速发展，计算机技术、传感技术、通信技术等应用于矿山行业，建立矿山灾害监测监控系统来代替人工查巡，大大降低了矿山灾害的发生。矿山灾害监测监控系统主要分为监测和控制功能。监测功能可将矿山内部的环境参数、机械设备运行参数、生产情况等通过传感器进行收集，然后传输到地面。控制功能是根据收集的数据去控制井下各设备的运行状况，当危险源发生时，能够及时警报并提醒井下工作人员及时撤离，避免生命财产的损失。然而，现有技术中，由于发生某一地质灾害往往是一个演化的过程，即从一种演化状态转移为另一种演化状态，最终发生地质灾害，现有技术中往往不能监测整个每个演化阶段，监测精度低下。
发明内容
本发明克服了现有技术的不足，提供了一种矿山地质环境特征监测与恢复治理方法及系统。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种矿山地质环境特征监测与恢复治理方法，包括以下步骤：
通过监测网络获取矿山区域的地质监测数据信息，并通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。
进一步的，在本方法中，通过监测网络获取矿山区域的地质监测数据信息，具体包括：
通过大数据获取与各矿山区域中历史发生的地质灾害类型相关的影响因子数据信息，并根据影响因子数据信息设置相关的监控设备，并根据相关的监控设备初始化监控网络；
初始化监控网络中信息汇聚节点的布局点位置信息，通过对监控网络进行测试，获取监控设备传输信息的速率信息，并引入粒子群算法，通过粒子群算法设置迭代代数；
预设速率阈值信息，当监控设备传输信息的速率信息低于速率阈值信息时，调整监控网络中信息汇聚节点的布局点位置信息，直至监控设备传输信息的速率信息不低于速率阈值信息，迭代结束，输出信息汇聚节点的布局点位置信息；
根据信息汇聚节点的布局点位置信息以及监控设备构建监控网络，并通过监控网络获取矿山区域的地质监测数据信息。
进一步的，在本方法中，通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息，具体包括：
获取矿山区域历史发生的地质灾害类型，并对矿山区域历史发生的地质灾害类型设置若干地质灾害演化状态，将地质灾害演化状态确定每种演化状态所对应监测数据阈值范围；
将演化状态所对应监测数据阈值范围作为分裂标准，引入决策树算法，将矿山区域的地质监测数据信息作为根节点，根据分裂标准对根节点进行分裂，获取若干叶节点；
获取每个叶节点的演化状态隶属度，并设置每种地质灾害类型的隶属度阈值范围，并判断演化状态隶属度是否在地质灾害类型的隶属度阈值范围之内；
当演化状态隶属度在地质灾害类型的隶属度阈值范围之内时，则将对应的演化状态隶属度作为矿山区域中各地质灾害类型异常的演化状态隶属度信息进行输出。
进一步的，在本方法中，引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
构建演化状态的转移概率修正模型，并基于关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
根据修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将地质灾害的演化状态转移概率矩阵输出。
进一步的，在本方法中，构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将地质灾害的演化状态转移概率矩阵输入到地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过循环空间注意力机制对地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将实时演化状态隶属度信息输入到地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
当转移概率值大于转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
进一步的，在本方法中，通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案，包括以下步骤：
预设地质灾害预警状态阈值范围信息，判断当前矿山区域各地质灾害类型的演化状态是否在地质灾害预警状态阈值范围信息之内；
当地质灾害类型的演化状态在地质灾害预警状态阈值范围信息之内时，则获取对应的地质灾害类型，并根据对应的地质灾害类型生成即将发生的地质灾害类型；
通过大数据获取各地质灾害类型的恢复治理方案，并构建治理方案知识图谱，将地质灾害类型的恢复治理方案依次输入到治理方案知识图谱中；
基于即将发生的地质灾害类型生成评估结果，并将评估结果输入到治理方案知识图谱中进行数据匹配，获取相关的恢复治理方案。
本发明第二方面提供了一种矿山地质环境特征监测与恢复治理系统，系统包括存储器以及处理器，存储器中包括矿山地质环境特征监测与恢复治理方法程序，矿山地质环境特征监测与恢复治理方法程序被处理器执行时，实现如下步骤：
通过监测网络获取矿山区域的地质监测数据信息，并通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。
进一步的，在本系统中，引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
构建演化状态的转移概率修正模型，并基于关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
根据修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将地质灾害的演化状态转移概率矩阵输出。
进一步的，在本系统中，构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将地质灾害的演化状态转移概率矩阵输入到地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过循环空间注意力机制对地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将实时演化状态隶属度信息输入到地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
当转移概率值大于转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
本发明第三方面提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质中包括矿山地质环境特征监测与恢复治理方法程序，矿山地质环境特征监测与恢复治理方法程序被处理器执行时，实现任一项的矿山地质环境特征监测与恢复治理方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过监测网络获取矿山区域的地质监测数据信息，并通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息，进而引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，从而构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，最后通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。本发明通过对各地质灾害类型的各个演化阶段进行智能监测，从而能够及时发现发生每个地质灾害类型所处的演化阶段，进而对相关的地质灾害类型采取恢复治理措施，能够避免生命财产的损失。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1示出了一种矿山地质环境特征监测与恢复治理方法的整体方法流程图；
图2示出了一种矿山地质环境特征监测与恢复治理方法的第一方法流程图；
图3示出了一种矿山地质环境特征监测与恢复治理方法的第二方法流程图；
图4示出了一种矿山地质环境特征监测与恢复治理系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
需要说明的是，如图1所示，本发明第一方面提供了一种矿山地质环境特征监测与恢复治理方法，包括以下步骤：
S102:通过监测网络获取矿山区域的地质监测数据信息，并通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
S104:引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
S106:构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
S108:通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。
需要说明的是，本发明通过对各地质灾害类型的各个演化阶段进行智能监测，从而能够及时发现发生每个地质灾害类型所处的演化阶段，进而对相关的地质灾害类型采取恢复治理措施，能够避免生命财产的损失。
进一步的，在本方法中，通过监测网络获取矿山区域的地质监测数据信息，具体包括：
通过大数据获取与各矿山区域中历史发生的地质灾害类型相关的影响因子数据信息，并根据影响因子数据信息设置相关的监控设备，并根据相关的监控设备初始化监控网络；
初始化监控网络中信息汇聚节点的布局点位置信息，通过对监控网络进行测试，获取监控设备传输信息的速率信息，并引入粒子群算法，通过粒子群算法设置迭代代数；
预设速率阈值信息，当监控设备传输信息的速率信息低于速率阈值信息时，调整监控网络中信息汇聚节点的布局点位置信息，直至监控设备传输信息的速率信息不低于速率阈值信息，迭代结束，输出信息汇聚节点的布局点位置信息；
根据信息汇聚节点的布局点位置信息以及监控设备构建监控网络，并通过监控网络获取矿山区域的地质监测数据信息。
需要说明的是，地质灾害类型包括地基沉降、山体滑坡、地面沉降、地质裂缝灾害等，影响因子数据信息包括如地基沉降以及地面沉降灾害中的地下水水位监测、由于地质污染物导致植被退化山体滑坡灾害中的地质污染物等。由于无线传感器在信息传输时，常常通过信息汇聚到信息汇聚设备（信息汇聚节点）中，再统一将数据传输到监控终端中进行数据分析，通过粒子群算法设置迭代代数，调整监控网络中信息汇聚节点的布局点位置信息，直至监控设备传输信息的速率信息不低于速率阈值信息，能够提高信息汇聚节点的布局点位置信息布局的合理性，实现监控信息的实时采集。
如图2所示，进一步的，在本方法中，通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息，具体包括：
S202:获取矿山区域历史发生的地质灾害类型，并对矿山区域历史发生的地质灾害类型设置若干地质灾害演化状态，将地质灾害演化状态确定每种演化状态所对应监测数据阈值范围；
S204:将演化状态所对应监测数据阈值范围作为分裂标准，引入决策树算法，将矿山区域的地质监测数据信息作为根节点，根据分裂标准对根节点进行分裂，获取若干叶节点；
S206:获取每个叶节点的演化状态隶属度，并设置每种地质灾害类型的隶属度阈值范围，并判断演化状态隶属度是否在地质灾害类型的隶属度阈值范围之内；
S208:当演化状态隶属度在地质灾害类型的隶属度阈值范围之内时，则将对应的演化状态隶属度作为矿山区域中各地质灾害类型异常的演化状态隶属度信息进行输出。
需要说明的是，地质灾害演化状态如沉降灾害可以分为低微风险状态沉降灾害、低风险状态沉降灾害、中风险状态沉降灾害、高风险状态沉降灾害等，如可以设置监控地下水的水位数据阈值范围，例如水位处于1m-1.5m属于低微风险状态沉降灾害，均可根据实际的情况进行自行设定，如每个区域均有不同的最高地下水位数据；其中，地质灾害类型的隶属度阈值范围为可根据实际的情况进行设定。
如图3所示，进一步的，在本方法中，引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
S302:构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
S304:通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
S306:构建演化状态的转移概率修正模型，并基于关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
S308:根据修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将地质灾害的演化状态转移概率矩阵输出。
需要说明的是，地质灾害的产生往往是从一种演化状态转移到另一种演化状态，当演化状态为预定的演化状态时，地质灾害就产生了。通过马尔科夫链能够每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值。其中，演化状态的转移与气象特征数据密切相关，如地面沉降灾害与地质沉降灾害与地下水位密切相关，而地下水位与天气的干旱程度也相关，干旱程度容易影响地下水的水位变化；又如山体滑坡灾害主要是由于植被被破坏而导致了山体滑坡的产生，而植被的生长又与土壤的污染相关，土壤的污染能够导致植物的生长环境产生变化，从而导致植物死亡，而土壤的污染由于气象密切相关，如雨天能够使得污染发生转移，从而提升演化状态转移到下一个演化状态的转移概率。其中，演化状态的转移概率修正模型满足一下关系式：
；
其中，P为某一地质灾害类型在修正后的转移概率，为马尔科夫链计算出来的转移概率，N为影响因子的个数，/>表示通过灰色关关联分析法计算出的第i个关联系数。
需要说明的是，其中，的取值范围为0-1，通过以上关系式，能够修正转移概率，提高地质灾害转移到下一演化状态的预测精度。
进一步的，在本方法中，构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将地质灾害的演化状态转移概率矩阵输入到地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过循环空间注意力机制对地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将实时演化状态隶属度信息输入到地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
需要说明的是，通过本方法能够预测出转移到下一演化状态的转移概率值，从而确定发生某一地质灾害类型所处的演化阶段，其中，通过循环空间注意力机制对地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，能够抑制多尺度的冗余信息，降低计算的复杂度以及提高预测精度。
当转移概率值大于转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
进一步的，在本方法中，通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案，包括以下步骤：
预设地质灾害预警状态阈值范围信息，判断当前矿山区域各地质灾害类型的演化状态是否在地质灾害预警状态阈值范围信息之内；
当地质灾害类型的演化状态在地质灾害预警状态阈值范围信息之内时，则获取对应的地质灾害类型，并根据对应的地质灾害类型生成即将发生的地质灾害类型；
通过大数据获取各地质灾害类型的恢复治理方案，并构建治理方案知识图谱，将地质灾害类型的恢复治理方案依次输入到治理方案知识图谱中；
基于即将发生的地质灾害类型生成评估结果，并将评估结果输入到治理方案知识图谱中进行数据匹配，获取相关的恢复治理方案。
需要说明的是，相关的恢复治理方案包括补充地下水，对污染区域的土壤进行修复等治理方案。
此外，本方法还可以包括以下步骤：
获取每个叶节点中的地质监测数据信息，并引入奇异值分解算法，通过所述奇异值分解算法对地质监测数据信息进行分解，生成对应的特征向量信息，构建虚拟空间；
将所述对应的特征向量信息输入到所述虚拟空间中，并引入正则角的相似度量法，计算对应的特征向量信息之间的正则角值，并预设正则角阈值信息；
根据所述对应的特征向量信息之间的正则角值构建正则角数集，并判断所述正则角数集中是否存在所述正则角值大于正则角阈值信息的特征向量比较组；
若所述正则角数集中存在所述正则角值大于正则角阈值信息的特征向量比较组，则获取所述特征向量比较组中特征向量信息关联的地质监测数据信息，并对该地质监测数据信息进行重新分裂，生成新的叶节点，将所述新的节点作为最终的叶节点进行输出。
需要说明的是，由于决策树算法可能会出现局部最优解的现象，当所述正则角数集中存在所述正则角值大于正则角阈值信息的特征向量比较组时，说明叶节点中出现了分类异常的地质监测数据信息，通过本方法能够进一步提高数据分类的精度，从而提高地质灾害的监测精度。
此外，本方法还可以包括以下步骤：
获取每一工作人员的通讯设备，并根据所述工作人员的通讯设备在矿山开放区域构建局域网，获取所述局域网中当前矿山开发区域中存在的通讯设备，并获取每一通信设备所在的位置信息；
获取矿山开发区域中实施的地形结构信息以及空间结构信息，并根据所述矿山开发区域中实施的地形结构信息以及空间结构信息构建矿山开发区域的三维模型图；
当矿山区域中相关地质灾害的隶属度为高风险状态时，获取在矿山开放区域中即将发生地质灾害的区域信息，并将所述在矿山开放区域中即将发生地质灾害的区域信息在所述矿山开发区域的三维模型图中进行标记，生成标记信息；
通过对所述矿山开发区域的三维模型图进行特征提取，获取相关的逃生通道信息，并根据所述通信设备所在的位置信息以及相关的逃生通道信息初始化若干逃生路线；
当所述标记信息在所述逃生路线上时，则将对应的逃生路线剔除，生成若干条候选路线，并选取出一条距离最短的逃生路线作为推荐路线，按照预设方式将推荐路线发送到通讯设备中。
需要说明的是，通过三维建模软件（如SolidWorks、UG、虚拟现实技术等）构建矿山开发区域的三维模型图，从而对矿山开发区域的实时结构进行可视化显示，当所述标记信息在所述逃生路线上时，危险区域可能已经发生了地址灾害，不适合选做逃生路线，通过本方法能够提高更加合理的逃生路线给用户，合理保障了用户的安全。局域网中可以得知用户是谁，有多少个用户进入等信息。
如图4所示，本发明第二方面提供了一种矿山地质环境特征监测与恢复治理系统4，系统4包括存储器41以及处理器42，存储器41中包括矿山地质环境特征监测与恢复治理方法程序，矿山地质环境特征监测与恢复治理方法程序被处理器42执行时，实现如下步骤：
通过监测网络获取矿山区域的地质监测数据信息，并通过对矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
通过对当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于评估结果生成相关的恢复治理方案。
进一步的，在本系统中，引入马尔科夫链，通过马尔科夫链对矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
构建演化状态的转移概率修正模型，并基于关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
根据修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将地质灾害的演化状态转移概率矩阵输出。
进一步的，在本系统中，构建地质灾害预测模型，并根据地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将地质灾害的演化状态转移概率矩阵输入到地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过循环空间注意力机制对地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将实时演化状态隶属度信息输入到地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
当转移概率值大于转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
本发明第三方面提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质中包括矿山地质环境特征监测与恢复治理方法程序，矿山地质环境特征监测与恢复治理方法程序被处理器执行时，实现任一项的矿山地质环境特征监测与恢复治理方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种矿山地质环境特征监测与恢复治理方法，其特征在于，包括以下步骤：
通过监测网络获取矿山区域的地质监测数据信息，并通过对所述矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
引入马尔科夫链，通过所述马尔科夫链对所述矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
构建地质灾害预测模型，并根据所述地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
通过对所述当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于所述评估结果生成相关的恢复治理方案；
通过对所述矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息，具体包括：
获取矿山区域历史发生的地质灾害类型，并对所述矿山区域历史发生的地质灾害类型设置若干地质灾害演化状态，将所述地质灾害演化状态确定每种演化状态所对应监测数据阈值范围；
将所述演化状态所对应监测数据阈值范围作为分裂标准，引入决策树算法，将所述矿山区域的地质监测数据信息作为根节点，根据所述分裂标准对所述根节点进行分裂，获取若干叶节点；
获取每个叶节点的演化状态隶属度，并设置每种地质灾害类型的隶属度阈值范围，并判断所述演化状态隶属度是否在所述地质灾害类型的隶属度阈值范围之内；
当所述演化状态隶属度在所述地质灾害类型的隶属度阈值范围之内时，则将对应的演化状态隶属度作为矿山区域中各地质灾害类型异常的演化状态隶属度信息进行输出；
引入马尔科夫链，通过所述马尔科夫链对所述矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过所述马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
构建演化状态的转移概率修正模型，并基于所述关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
根据所述修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将所述地质灾害的演化状态转移概率矩阵输出；
构建地质灾害预测模型，并根据所述地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将所述地质灾害的演化状态转移概率矩阵输入到所述地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过所述循环空间注意力机制对所述地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当所述地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将所述实时演化状态隶属度信息输入到所述地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
当所述转移概率值大于所述转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
2.根据权利要求1所述的一种矿山地质环境特征监测与恢复治理方法，其特征在于，通过监测网络获取矿山区域的地质监测数据信息，具体包括：
通过大数据获取与各矿山区域中历史发生的地质灾害类型相关的影响因子数据信息，并根据所述影响因子数据信息设置相关的监控设备，并根据所述相关的监控设备初始化监控网络；
初始化所述监控网络中信息汇聚节点的布局点位置信息，通过对所述监控网络进行测试，获取监控设备传输信息的速率信息，并引入粒子群算法，通过粒子群算法设置迭代代数；
预设速率阈值信息，当所述监控设备传输信息的速率信息低于所述速率阈值信息时，调整监控网络中信息汇聚节点的布局点位置信息，直至所述监控设备传输信息的速率信息不低于所述速率阈值信息，迭代结束，输出信息汇聚节点的布局点位置信息；
根据所述信息汇聚节点的布局点位置信息以及监控设备构建监控网络，并通过所述监控网络获取矿山区域的地质监测数据信息。
3.根据权利要求1所述的一种矿山地质环境特征监测与恢复治理方法，其特征在于，通过对所述当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于所述评估结果生成相关的恢复治理方案，包括以下步骤：
预设地质灾害预警状态阈值范围信息，判断所述当前矿山区域各地质灾害类型的演化状态是否在所述地质灾害预警状态阈值范围信息之内；
当所述地质灾害类型的演化状态在所述地质灾害预警状态阈值范围信息之内时，则获取对应的地质灾害类型，并根据所述对应的地质灾害类型生成即将发生的地质灾害类型；
通过大数据获取各地质灾害类型的恢复治理方案，并构建治理方案知识图谱，将所述地质灾害类型的恢复治理方案依次输入到所述治理方案知识图谱中；
基于所述即将发生的地质灾害类型生成评估结果，并将所述评估结果输入到所述治理方案知识图谱中进行数据匹配，获取相关的恢复治理方案。
4.一种矿山地质环境特征监测与恢复治理系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括矿山地质环境特征监测与恢复治理方法程序，所述矿山地质环境特征监测与恢复治理方法程序被所述处理器执行时，实现如下步骤：
通过监测网络获取矿山区域的地质监测数据信息，并通过对所述矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息；
引入马尔科夫链，通过所述马尔科夫链对所述矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵；
构建地质灾害预测模型，并根据所述地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态；
通过对所述当前矿山区域各地质灾害类型的演化状态进行评估，获取评估结果，并基于所述评估结果生成相关的恢复治理方案；
通过对所述矿山区域的地质监测数据信息进行评价，获取矿山区域中各地质灾害类型异常的演化状态隶属度信息，具体包括：
获取矿山区域历史发生的地质灾害类型，并对所述矿山区域历史发生的地质灾害类型设置若干地质灾害演化状态，将所述地质灾害演化状态确定每种演化状态所对应监测数据阈值范围；
将所述演化状态所对应监测数据阈值范围作为分裂标准，引入决策树算法，将所述矿山区域的地质监测数据信息作为根节点，根据所述分裂标准对所述根节点进行分裂，获取若干叶节点；
获取每个叶节点的演化状态隶属度，并设置每种地质灾害类型的隶属度阈值范围，并判断所述演化状态隶属度是否在所述地质灾害类型的隶属度阈值范围之内；
当所述演化状态隶属度在所述地质灾害类型的隶属度阈值范围之内时，则将对应的演化状态隶属度作为矿山区域中各地质灾害类型异常的演化状态隶属度信息进行输出；
引入马尔科夫链，通过所述马尔科夫链对所述矿山区域中各地质灾害类型异常的演化状态隶属度信息进行处理，获取地质灾害的演化状态转移概率矩阵，具体包括：
构建时间戳，获取每个时间戳的矿山区域中各地质灾害类型异常的演化状态隶属度信息，引入马尔科夫链，并通过所述马尔科夫链计算每个时间戳中异常的演化状态转移到下一个演化状态的实时转移概率值；
通过大数据获取影响每一地质灾害类型演化状态转移概率值相关的气象特征数据信息，并通过灰色关联分析法计算出气象特征数据与地质灾害类型演化状态转移概率值之间的关联系数；
构建演化状态的转移概率修正模型，并基于所述关联系数以及演化状态的转移概率修正模型对实时转移概率值进行修正，获取修正后的实时转移概率值；
根据所述修正后的实时转移概率值构建地质灾害的演化状态转移概率矩阵，并将所述地质灾害的演化状态转移概率矩阵输出；
构建地质灾害预测模型，并根据所述地质灾害的演化状态转移概率矩阵以及地质灾害预测模型预测当前矿山区域各地质灾害类型的演化状态，具体包括：
基于深度神经网络构建地质灾害预测模型，并将所述地质灾害的演化状态转移概率矩阵输入到所述地质灾害预测模型中进行编码学习，并融合循环空间注意力机制；
通过所述循环空间注意力机制对所述地质灾害的演化状态转移概率矩阵进行处理，使得注意力集中在演化状态转移概率中，并更新隐含层的状态，当所述地质灾害预测模型的模型参数符合预设参数要求之后，输出地质灾害预测模型；
获取预设时间之内各地质灾害类型的实时演化状态隶属度信息，并将所述实时演化状态隶属度信息输入到所述地质灾害预测模型中，获取转移到下一演化状态的转移概率值；
当所述转移概率值大于所述转移概率值时，则将实时演化状态隶属度信息的下一级别演化状态作为当前矿山区域各地质灾害类型的演化状态。
5.一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中包括矿山地质环境特征监测与恢复治理方法程序，所述矿山地质环境特征监测与恢复治理方法程序被处理器执行时，实现如权利要求1-3任一项所述的矿山地质环境特征监测与恢复治理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311462967.7A CN117196350B (zh) | 2023-11-06 | 2023-11-06 | 一种矿山地质环境特征监测与恢复治理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311462967.7A CN117196350B (zh) | 2023-11-06 | 2023-11-06 | 一种矿山地质环境特征监测与恢复治理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117196350A CN117196350A (zh) | 2023-12-08 |
| CN117196350B true CN117196350B (zh) | 2024-01-05 |
Family
ID=88990908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311462967.7A Active CN117196350B (zh) | 2023-11-06 | 2023-11-06 | 一种矿山地质环境特征监测与恢复治理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117196350B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636104A (zh) * | 2018-11-06 | 2019-04-16 | 青岛理工大学 | 矿山地质环境质量演变规律的综合评价方法 |
| CN113689072A (zh) * | 2021-07-16 | 2021-11-23 | 中国绿发投资集团有限公司 | 一种基于马尔科夫链的海上风电机组运行状态评估方法 |
| CN115438867A (zh) * | 2022-09-14 | 2022-12-06 | 中国矿业大学 | 煤矿顶板事故风险预测方法 |
| CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风系统 |
-
2023
- 2023-11-06 CN CN202311462967.7A patent/CN117196350B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636104A (zh) * | 2018-11-06 | 2019-04-16 | 青岛理工大学 | 矿山地质环境质量演变规律的综合评价方法 |
| CN113689072A (zh) * | 2021-07-16 | 2021-11-23 | 中国绿发投资集团有限公司 | 一种基于马尔科夫链的海上风电机组运行状态评估方法 |
| CN115438867A (zh) * | 2022-09-14 | 2022-12-06 | 中国矿业大学 | 煤矿顶板事故风险预测方法 |
| CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风系统 |
Non-Patent Citations (1)
| Title |
|---|
| 山区公路边坡安全评价与灾害预警研究;林孝松;中国博士学位论文全文数据库工程科技Ⅱ辑;105-149 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117196350A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| CN116385689B (zh) | 一种场地污染数据的可视化信息管理方法、系统及介质 | |
| CN110766192A (zh) | 基于深度学习的钻井井漏预测系统及方法 | |
| CN110210169B (zh) | 一种基于lstm的盾构机故障预测方法 | |
| CN116109462B (zh) | 一种自然灾害后饮水水源地污染监测预警方法及系统 | |
| CN116485202B (zh) | 一种基于物联网工业污染实时监测方法及系统 | |
| CN114862169A (zh) | 一种基于bim的隧道工程安全风险监测系统及方法 | |
| CN115730684A (zh) | 一种基于lstm-cnn模型的空气质量检测系统 | |
| CN116881749B (zh) | 一种污染场地施工监测方法及系统 | |
| CN110795888A (zh) | 一种石油钻井风险预测方法 | |
| CN112085869A (zh) | 一种基于飞参数据的民机飞行安全性分析方法 | |
| Kothari et al. | Machine learning: A novel approach to predicting slope instabilities | |
| CN117171695B (zh) | 一种抗生素污染土壤生态修复效果评价的方法及系统 | |
| CN117196350B (zh) | 一种矿山地质环境特征监测与恢复治理方法及系统 | |
| CN112380945B (zh) | 一种基于卫星遥感影像的输电通道环境隐患的识别方法和系统 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| CN113891342B (zh) | 基站巡检方法、装置、电子设备及存储介质 | |
| CN116703004B (zh) | 一种基于预训练模型的水系流域智慧巡护方法和装置 | |
| CN117035424A (zh) | 一种基于反绎学习的矿井安全态势协作感知系统及方法 | |
| CN109636194B (zh) | 一种输变电项目重大变动多源协同检测方法与系统 | |
| CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
| He et al. | Integration of interpretive structural modeling with fuzzy Bayesian network for risk assessment of tunnel collapse | |
| JP3674707B1 (ja) | 防災事業計画支援システムとその方法 | |
| CN113986673A (zh) | 一种故障关联方法、装置及计算机可读存储介质 | |
| CN116611004B (zh) | 煤矿安全灾害预测模型训练方法、预警方法、预警系统 |
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 |