CN117349779A - 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 - Google Patents
深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 Download PDFInfo
- Publication number
- CN117349779A CN117349779A CN202311641933.4A CN202311641933A CN117349779A CN 117349779 A CN117349779 A CN 117349779A CN 202311641933 A CN202311641933 A CN 202311641933A CN 117349779 A CN117349779 A CN 117349779A
- Authority
- CN
- China
- Prior art keywords
- measuring points
- deformation
- inclinometer
- sliding surface
- potential sliding
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 239000002689 soil Substances 0.000 title claims abstract description 60
- 238000009412 basement excavation Methods 0.000 title claims abstract description 32
- 238000005192 partition Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000638 solvent extraction Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004441 surface measurement Methods 0.000 claims description 3
- 108091006146 Channels Proteins 0.000 description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 230000002522 swelling effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明涉及一种深挖方膨胀土渠道边坡潜在滑动面判定方法及系统,方法包括利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;根据变形数据计算不同测点变形的整体相似程度;基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。本发明具有可靠性高、实用性强和便于技术推广等特点,用以保障引调水工程深挖方膨胀土渠道边坡运行期的工程安全。
Description
技术领域
本发明涉及深挖方膨胀土渠道边坡智能变形监控技术领域,尤其是指一种深挖方膨胀土渠道边坡潜在滑动面判定方法及系统。
背景技术
深挖方膨胀土渠道边坡开挖卸荷效应显著,且为涉水边坡,受地下水、降雨和渠道水位等多重因素作用,渠道边坡遭受干湿循环影响,胀缩性和裂隙性活动活跃,这成为了迫切需要解决的问题。
与一般岩土边坡滑坡所不同的是,膨胀土边坡失稳滑坡呈现出更复杂的性态,主要有浅层、深层滑动破坏两种类型,且表现出渐变性、牵引性等特征。尤其是对于受结构面、裂隙面控制的深层滑动破坏,与一般均质土质边坡滑动失稳有着明显区别。该类滑坡的滑动面形态均为折线型,而不是常见的均质土质边坡失稳滑动面的圆弧型。其滑动面后缘拉裂面倾角通常较大(>60°),底滑面水平或者接近于水平。
已有研究通过室内试验、现场大剪及滑坡反分析,对深挖方膨胀土渠道边坡滑动失稳破坏的滑动面进行了分析,但是由于缺乏变形安全监测数据,缺少运行期的潜在滑动面的相关研究,从而影响了深挖方膨胀土渠道边坡运行期的长期稳定性研究,因此,迫切需要提供一种深挖方膨胀土渠道边坡潜在滑动面判定方法及系统。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中存在的技术缺陷,而提出一种深挖方膨胀土渠道边坡潜在滑动面判定方法及系统,其具有可靠性高、实用性强和便于技术推广等特点,用以保障引调水工程深挖方膨胀土渠道边坡运行期的工程安全,以及引调水工程的供水安全。
为解决上述技术问题,本发明提供了一种深挖方膨胀土渠道边坡潜在滑动面判定方法,包括:
利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
在本发明的一个实施例中,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理的方法,包括:
采用莱依达准则对某一测斜管上某一测点的变形时间序列进行粗差剔除处理;和/或对某一测斜管上某一测点的变形时间序列的缺失值进行插值处理。
在本发明的一个实施例中,根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度的方法,包括:
计算不同测点变形的整体相似程度为:
,
式中,表示加权绝对距离,/>表示加权增量距离,/>表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中。
在本发明的一个实施例中,基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区的方法,包括:
设置聚类数为[m,n],将同一测斜管上的测点分为m~n个不同位移变化规律的分区。
在本发明的一个实施例中,计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点的方法,包括:
利用分区测点的变形数据构成数据集,计算局部异常系数;
以局部异常系数最大值为潜在滑动面通过的测点,连接各个测斜管对应局部异常系数最大值的测点,绘制得到潜在滑动面。
在本发明的一个实施例中,计算局部异常系数的方法包括:
对象的局部异常系数/>的计算公式为:
,
式中,局部可达密度定义为对象/>的/>近邻的平均可达密度的倒数:
,
式中,表示近邻数,其为常数;/>的/>近邻记为/>;对象/>的记为/>,其被定义为与对象/>距离第/>近的近邻,即/>第/>小的值;/>为对象/>与另一个对象/>的可达距离,即。
此外,本发明还提供了一种深挖方膨胀土渠道边坡潜在滑动面判定系统,包括:
数据处理模块,其用于利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
空间聚类模块,其用于根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
聚类分区模块,其用于基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
滑动面判定模块,其用于对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
在本发明的一个实施例中,所述空间聚类模块用于计算不同测点变形的整体相似程度为:
,
式中,表示加权绝对距离,/>表示加权增量距离,/>表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中。
在本发明的一个实施例中,所述聚类分区模块用于设置聚类数为[m,n],将同一测斜管上的测点分为m~n个不同位移变化规律的分区。
在本发明的一个实施例中,所述滑动面判定模块用于利用测斜管测点的变形数据构成数据集,计算局部异常系数;以局部异常系数最大值为潜在滑动面通过的测点,连接各个测斜管对应局部异常系数最大值的测点,绘制得到潜在滑动面。
本发明的上述技术方案相比现有技术具有以下优点:
本发明提供的深挖方膨胀土渠道边坡潜在滑动面判定方法及系统,其包括横截面上各测斜管上各测点的变形数据整理、同一测斜管上测点的空间聚类、同一测斜管上测点的聚类分区、同一横截面上变形空间的测点分区和潜在滑动面判定,具有可靠性高、实用性强和便于技术推广等特点,用以保障引调水工程深挖方膨胀土渠道边坡运行期的工程安全,以及引调水工程的供水安全。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明。
图1是本发明提出的一种深挖方膨胀土渠道边坡潜在滑动面判定方法的流程示意图。
图2是本发明提出的一种深挖方膨胀土渠道边坡潜在滑动面判定系统的示意框图。
图3是本发明提出的桩号9+300渠道左岸横断面示意图。
图4是本发明提出的桩号9+300断面监测设施布置平面图。
图5是本发明提出的桩号9+300断面朝渠道方向位移分布图。
图6是本发明提出的桩号9+300断面各测斜管测点分区和判定的潜在滑动面。
图7是本发明提出的IN01-9300测斜管上各测点聚类分区数得分值。
图8是本发明提出的IN03-9300的局部异常系数LOF值。
其中,附图标记说明如下:11、数据处理模块;12、空间聚类模块;13、聚类分区模块;14、滑动面判定模块。
实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明实施例提供一种深挖方膨胀土渠道边坡潜在滑动面判定方法,包括以下步骤:
步骤S10:利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
步骤S20:根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
步骤S30:基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
步骤S40:对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
本发明提供的深挖方膨胀土渠道边坡潜在滑动面判定方法,其包括横截面上各测斜管上各测点的变形数据整理、同一测斜管上测点的空间聚类、同一测斜管上测点的聚类分区、同一横截面上变形空间的测点分区和潜在滑动面判定,具有可靠性高、实用性强和便于技术推广等特点,用以保障引调水工程深挖方膨胀土渠道边坡运行期的工程安全,以及引调水工程的供水安全。
其中,在步骤S10中,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理的方法包括粗差剔除。具体地,可以采用莱依达准则(3σ准则)对某一测斜管上某一测点的变形时间序列进行粗差剔除处理;3σ准则认为若测量数据只含有随机误差,且服从正态分布,残差会以0.9973的概率出现在范围之内,而出现在3σ以外的概率仅为0.0027,相当微小,出现在3σ以外的值被认为是不可能的事,由此判定为含有粗差的观测值,该观测值应予以剔除。
进一步地,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理的方法还包括缺失值插补,对某一测斜管上某一测点的变形时间序列的缺失值进行插值处理。考虑到深挖方膨胀土渠道边坡测点呈对数型式的趋势性发展,且表现出一定幅度的年周期性变化。因此,本实施例采用对数和谐波函数组合型式进行拟合:
,
式中,d为某一测斜管上某一测点朝渠道内部方向的变形量,单位为mm;a、b和c为拟合系数,t为观测日到始测日的时间,单位为天。
上述通过对各测斜管上各测点进行粗差剔除和缺失值插补等处理,可以形成同一横截面上各测斜管各测点均衡的变形数据。
其中,在步骤S20中,同一测斜管上测点时间序列的空间聚类包括加权绝对距离、加权增量距离、增速距离以及空间综合指标。
上述加权绝对距离反映两个不同测点变形相似性大小,其采用下式计算:
,
式中,为/>个变形量/>的权重,/>为测点/>在时间/>的第/>个变形量的取值(/>),/>,/>为测点/>在时间/>的第/>个变形量的取值(/>),/>。/>基于变形量数值的大小描述了测点/>和测点/>之间在/>个时间截面的距离远近,两者变形数值越接近,/>数值越小,说明变形大小越相似。
上述加权增量距离反映两个不同测点在某一时段的变形波动值大小,其采用下式计算:
,
式中,为/>个变形量/>的权重,/>,。/>基于变形绝对量在相邻时期的差异描述了测点/>和测点/>之间在/>个时间截面数据波动数值的大小,两者波动数值越相近,/>数值越小,说明变形波动大小越相似。
上述增速距离反映变形变化幅度随时间变化的趋势,其采用下式计算:
,
,
,
式中,为/>个变形量/>的权重,/>基于每个测点变形变化幅度的大小描述了变形变化幅度随时间变化的趋势,两者变化幅度越近,/>数值越小,说明测点变形趋势越相似。
基于上述3个距离指标,综合空间指标衡量不同测点变形的整体相似程度:
,
式中,表示加权绝对距离,/>表示加权增量距离,/>表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中,/>。
其中,在步骤S30中,在综合空间指标的基础上,对同一测斜管上的测点进行聚类分区。基于聚类的原理,两个测点位移的时间序列的变化规律越相似,两者的加权绝对距离、加权增量距离/>、增速距离/>越小,两者距离的综合空间指标越小,则应当属于同一聚类。反之两个测点则属于两个不同的聚类。
由于渠道边坡还处于变形阶段,还未发生破坏,测斜管上各相邻测点的位移时间序列具有一定的连续性和相似性。距离越远的测点则位移时间序列具有较显著差别。考虑到深挖方膨胀土渠道边坡可能存在干湿循环引起的浅层破坏,干湿循环、控制结构面联合作用引起的深层结构破坏,以及两者组合等潜在破坏形式。作为优选地,可以将聚类数设为[1,5],即将同一测斜管上测点分为1~5个不同位移变化规律的分区。聚类数多为1、3和5,对应为不存在潜在滑动面、存在单一滑动破坏模式的潜在滑动面、同时存在浅层和深层滑动两种潜在滑动面。
计算不同聚类分区数时的指标值Silouette、Dunn(Dunn Index)和CH(Calinski-Harabasz Index),其中,Silouette、Dunn衡量同一聚类分区中数据的紧密性,越大越好;CH指标是基于聚类内部距离和聚类间距离的比值来评估聚类结果的质量,具体CH指标越大,表示聚类结果越好。累加各聚类分区时Silouette、Dunn、CH指标值的和,取指标值和最大的为最优分区。其中,在步骤S40中,对于同一横截面上不同测斜管上朝渠道内部方向的测点,根据各测斜管上测点的聚类分区数进行划分。当聚类数为1时,表示未发生严重变形,不存在变形体;当聚类数为3时,表示存在浅层或者深层滑动,分区1、2的边界附近测点为潜在滑动面经过区域,当滑动面的最大深度大于4m,也就是常见的气候敏感区的深度时,为深层滑动,否则为浅层滑动;当聚类数为5时,表示同时存在浅层滑动和深层滑动两种形式,分区1、2以及分区3、4的边界附近测点为潜在滑动面经过区域。
原则上,仅对同一横截面上相邻测斜管的分区进行连线,从而形成符合渐进性、牵引性等特征的深挖方膨胀土渠道边坡失稳破坏模式的潜在滑动区。
在此基础上,采用局部变异系数方法LOF来确定潜在滑动面通过的测点。具体利用分析时刻的每一测斜管上各测点的变形数据构成数据集,计算局部异常系数LOF,取局部异常系数LOF最大值为潜在滑动面通过的测点,局部异常系数LOF可通过计算对象的局部异常系数/>的计算公式为:
,
式中,局部可达密度定义为对象/>的/>近邻的平均可达密度的倒数:
,
式中,表示近邻数,其为常数;/>的/>近邻记为/>;对象/>的记为/>,其被定义为与对象/>距离第/>近的近邻,即/>第/>小的值;/>为对象/>与另一个对象/>的可达距离,即。
分别以分析时刻的变形数据构造数据集,计算测斜管上各测点变形的LOF值,以LOF最大值为潜在滑动面通过的测点,连接各个测斜管分区1、2以及分区3、4边界上对应LOF最大值的测点,绘制得到潜在滑动面。
本发明所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法还可以应用到判定横截面的上、下游的相邻横截面上,绘制得到空间、立体的三维的潜在滑动面,用以判定三维的潜在滑动面,从而对环境条件相同、地质条件相似的渠段长期稳定性做出判定和预测。
下面通过具体的实施方式对本发明提出的一种深挖方膨胀土渠道边坡潜在滑动面判定方法进行详细的阐述。
中线工程分布有膨胀土渠段387km,其中超过10m的挖方膨胀土渠道边坡达144km,最大开挖深度达50m,长期运行过程中存在深挖方膨胀土渠道边坡的失稳风险。工程桩号9+100~9+363段,渠坡为中、弱膨胀土段,渠道边坡的坡高为32~44m,典型横断面9+300布置和地质条件见图3所示。渠坡主要由al-plQ2粉质黏土组成,该渠段为5~6级边坡。渠底宽13.5m,一级马道宽5m,以上每6m设一级马道。一级边坡为过水断面,采用混凝土面板衬砌,在一级马道顶附近布置有抗滑桩;二级以上边坡采用混凝土拱圈植草护坡。
由于9+300断面的测点较为完备,该断面边坡共为6级,一级~四级马道测点布置有4根测斜管IN01-9300~IN04-9300,如图4所示,内部变形的监测数据较完整。为此,以该断面为实施例进行分析,其中IN01-9300中,IN01表示一级马道上的测斜管,9300为测斜管所在横断面的桩号。测斜管布置于各级马道和三级边坡中部,孔深15~28.5m,从深度0.5m开始每1m布置1个测点。
本发明提供一种深挖方膨胀土渠道边坡潜在滑动面判定方法,将该方法应用于上述实施例,其具体包括以下操作步骤:
S1、利用测斜管采集膨胀土渠道边坡的内部水平位移量,观测频次为1次/周,以向渠道内部变形为正,监测数据超过3个干湿循环周期,最大位移为一级马道靠近表面测点的51.86mm,如图5所示;
S2、对横截面上4根测斜管IN01-9300~IN04-9300上各个测点朝渠道内部方向变形数据进行处理,通过莱依达准则进行粗差剔除,利用对数和谐波函数组合式对缺失值插值;
S3、利用加权绝对距离、加权增量距离、增速距离及空间综合指标对时间序列进行空间聚类;
S31、加权绝对距离反映两个不同测点变形相似性大小,其采用下式计算:
,
式中,为/>个变形量/>的权重,/>为测点/>在时间/>的第/>个变形量的取值(/>),/>,/>为测点/>在时间/>的第/>个变形量的取值(/>),/>。/>基于变形量数值的大小描述了测点/>和测点/>之间在/>个时间截面的距离远近,两者变形数值越接近,/>数值越小,说明变形大小越相似。以IN01-9300上距离坡表13m、17m的两个测点为例,其加权绝对距离/>为109.5。
S32、加权增量距离反映两个不同测点在某一时段的变形波动值大小,其采用下式计算:
,
式中,为/>个变形量/>的权重,/>,。/>基于变形绝对量在相邻时期的差异描述了测点和测点/>之间在/>个时间截面数据波动数值的大小,两者波动数值越相近,/>数值越小,说明变形波动大小越相似。以位移的周变化为指标,计算加权增量距离/>为71.46。
S33、增速距离反映变形变化幅度随时间变化的趋势,其采用下式计算:
,
,
,
式中,基于每个测点变形变化幅度的大小,描述了变形变化幅度随时间变化的趋势。两者变化幅度越近,/>数值越小,说明测点变形趋势越相似。以位移的周变化速率为指标,计算增速距离/>为124.7。
S34、基于上述3个距离指标,综合空间指标衡量不同测点变形的整体相似程度:
,
式中,表示加权绝对距离,/>表示加权增量距离,表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中/>,/>。这里取/>、/>、/>分别为0.4、0.3、0.3,计算综合空间指标/>值为102.6。
S4、在综合空间指标的基础上,采用打分法对同一测斜管上的测点进行聚类分区。考虑到深挖方膨胀土渠道边坡可能存在干湿循环引起的浅层破坏,以及干湿循环、控制结构面联合作用引起的深层结构破坏等形式,将聚类分区数设为[1,5]。以IN01-9300为例计算并累加各聚类分区时Silouette、Dunn、CH指标值的和,确定IN01-9300测斜管上各测点的最优分区数为3,如图7所示。
S5、对于同一横截面上不同测斜管上朝渠道内部方向的测点,根据各测斜管上测点的聚类分区数进行划分。当聚类数为3时,表示存在浅层或者深层滑动,分区1、2的边界附近测点为潜在滑动面经过区域。从图6可以看出,综合分析方法获取的潜在滑动面位于聚类分区1、2附近测点,且滑动面的深度大于4m,判定为渠道边坡结构面和干湿循环共同作用引起的潜在的深层滑动失稳。
分别计算4根测斜管上变形数据构造的数据集的LOF值。如图8所示,以IN03-9300的分区2为例,其分区2为距坡表8.5m~21.5m的测点,上、下分别为分区1和分区3,计算该测斜管上各测点变形数据的LOF值,其中深度为8.5m的测点LOF值为4.48,显著大于附近测点的LOF,判断潜在滑动面通过该测点。类似地,计算并连接其他各测斜管上对应最大LOF值的测点,得到如图6所示的潜在滑动面。
相应于上述方法的实施例,本发明实施例还提供了一种深挖方膨胀土渠道边坡潜在滑动面判定系统,下文描述的一种深挖方膨胀土渠道边坡潜在滑动面判定系统与上文描述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法可相互对应参照。
请参照图2所示,本发明实施例提供一种深挖方膨胀土渠道边坡潜在滑动面判定系统,包括:
数据处理模块11,其用于利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
空间聚类模块12,其用于根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
聚类分区模块13,其用于基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
滑动面判定模块14,其用于对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
本实施例的深挖方膨胀土渠道边坡潜在滑动面判定系统用于实现前述的深挖方膨胀土渠道边坡潜在滑动面判定方法,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的深挖方膨胀土渠道边坡潜在滑动面判定系统用于实现前述的深挖方膨胀土渠道边坡潜在滑动面判定方法,因此其作用与上述方法的作用相对应,这里不再赘述。
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/或方框图来描述的。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、嵌入式处理机或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。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:包括:
利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
2.根据权利要求1所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理的方法,包括:
采用莱依达准则对某一测斜管上某一测点的变形时间序列进行粗差剔除处理;和/或对某一测斜管上某一测点的变形时间序列的缺失值进行插值处理。
3.根据权利要求1或2所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度的方法,包括:
计算不同测点变形的整体相似程度为:
,
式中,表示加权绝对距离,/>表示加权增量距离,/>表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中。
4.根据权利要求3所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区的方法,包括:
设置聚类数为[m,n],将同一测斜管上的测点分为m~n个不同位移变化规律的分区。
5.根据权利要求4所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点的方法,包括:
利用分区测点的变形数据构成数据集,计算局部异常系数;
以局部异常系数最大值为潜在滑动面通过的测点,连接各个测斜管对应局部异常系数最大值的测点,绘制得到潜在滑动面。
6.根据权利要求5所述的一种深挖方膨胀土渠道边坡潜在滑动面判定方法,其特征在于:计算局部异常系数的方法包括:
对象的局部异常系数/>的计算公式为:
,
式中,局部可达密度定义为对象/>的/>近邻的平均可达密度的倒数:
,
式中,表示近邻数,其为常数;/>的/>近邻记为/>;对象/>的记为/>,其被定义为与对象/>距离第/>近的近邻,即/>第/>小的值;/>为对象/>与另一个对象/>的可达距离,即。
7.一种深挖方膨胀土渠道边坡潜在滑动面判定系统,其特征在于:包括:
数据处理模块,其用于利用测斜管采集膨胀土渠道边坡的内部变形数据,对同一横截面上每一测斜管上朝渠道内部方向的每一测点的变形数据进行处理,得到均衡后的各个测斜管上各个测点的变形数据;
空间聚类模块,其用于根据各个测斜管上各个测点的变形数据计算不同测点变形的整体相似程度;
聚类分区模块,其用于基于不同测点变形的整体相似程度对同一测斜管上的测点进行聚类分区;
滑动面判定模块,其用于对于同一横截面上不同测斜管上的测点,根据各个测斜管上测点的聚类分区数进行划分,并计算局部异常系数,通过局部异常系数确定潜在滑动面通过的测点,得到渠道边坡的潜在滑动面。
8.根据权利要求7所述的一种深挖方膨胀土渠道边坡潜在滑动面判定系统,其特征在于:所述空间聚类模块用于计算不同测点变形的整体相似程度为:
,
式中,表示加权绝对距离,/>表示加权增量距离,/>表示增速距离,/>、/>、/>分别表示加权绝对距离、加权增量距离和增速距离的权重,其中。
9.根据权利要求7或8所述的一种深挖方膨胀土渠道边坡潜在滑动面判定系统,其特征在于:所述聚类分区模块用于设置聚类数为[m,n],将同一测斜管上的测点分为m~n个不同位移变化规律的分区。
10.根据权利要求9所述的一种深挖方膨胀土渠道边坡潜在滑动面判定系统,其特征在于:所述滑动面判定模块用于利用测斜管测点的变形数据构成数据集,计算局部异常系数;以局部异常系数最大值为潜在滑动面通过的测点,连接各个测斜管对应局部异常系数最大值的测点,绘制得到潜在滑动面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311641933.4A CN117349779B (zh) | 2023-12-04 | 2023-12-04 | 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311641933.4A CN117349779B (zh) | 2023-12-04 | 2023-12-04 | 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349779A true CN117349779A (zh) | 2024-01-05 |
CN117349779B CN117349779B (zh) | 2024-02-09 |
Family
ID=89365232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311641933.4A Active CN117349779B (zh) | 2023-12-04 | 2023-12-04 | 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349779B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077270A (zh) * | 2012-12-31 | 2013-05-01 | 河海大学 | 一种确定边坡最大风险面的方法 |
WO2018126984A2 (zh) * | 2017-01-06 | 2018-07-12 | 江南大学 | 一种基于mea-bp神经网络wsn异常检测方法 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN113177575A (zh) * | 2021-03-31 | 2021-07-27 | 北京理工大学 | 一种基于动态时间规整与k-means聚类的边坡形变区域划分方法 |
WO2021174794A1 (zh) * | 2020-03-02 | 2021-09-10 | 山东大学 | 一种土岩双元边坡整体破坏模式的监测验证系统与方法 |
WO2021189612A1 (zh) * | 2020-03-23 | 2021-09-30 | 青岛理工大学 | 一种基坑开挖边坡安全系数的计算方法 |
CN114047316A (zh) * | 2021-10-28 | 2022-02-15 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 一种探测边坡稳定性的装置与方法 |
CN115265398A (zh) * | 2022-07-28 | 2022-11-01 | 成都理工大学 | 多期次地震作用下斜坡损伤累积的监测方法 |
CN115436998A (zh) * | 2022-08-29 | 2022-12-06 | 安徽万泰地球物理技术有限公司 | 一种煤层底板下伏岩层中导水裂隙结构的探查方法 |
CN116863653A (zh) * | 2023-07-24 | 2023-10-10 | 中国矿业大学 | 一种基于多模集成滚动预测的双判据联合滑坡预警方法 |
-
2023
- 2023-12-04 CN CN202311641933.4A patent/CN117349779B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077270A (zh) * | 2012-12-31 | 2013-05-01 | 河海大学 | 一种确定边坡最大风险面的方法 |
WO2018126984A2 (zh) * | 2017-01-06 | 2018-07-12 | 江南大学 | 一种基于mea-bp神经网络wsn异常检测方法 |
WO2021174794A1 (zh) * | 2020-03-02 | 2021-09-10 | 山东大学 | 一种土岩双元边坡整体破坏模式的监测验证系统与方法 |
WO2021189612A1 (zh) * | 2020-03-23 | 2021-09-30 | 青岛理工大学 | 一种基坑开挖边坡安全系数的计算方法 |
CN113177575A (zh) * | 2021-03-31 | 2021-07-27 | 北京理工大学 | 一种基于动态时间规整与k-means聚类的边坡形变区域划分方法 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN114047316A (zh) * | 2021-10-28 | 2022-02-15 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 一种探测边坡稳定性的装置与方法 |
CN115265398A (zh) * | 2022-07-28 | 2022-11-01 | 成都理工大学 | 多期次地震作用下斜坡损伤累积的监测方法 |
CN115436998A (zh) * | 2022-08-29 | 2022-12-06 | 安徽万泰地球物理技术有限公司 | 一种煤层底板下伏岩层中导水裂隙结构的探查方法 |
CN116863653A (zh) * | 2023-07-24 | 2023-10-10 | 中国矿业大学 | 一种基于多模集成滚动预测的双判据联合滑坡预警方法 |
Non-Patent Citations (3)
Title |
---|
ZHAOYANG WANG: "Landslide Monitoring Point Optimization Deployment Based on Fuzzy Cluster Analysis", 《JOURNAL OF GEOSCIENCE AND ENVIRONMENT PROTECTION》, pages 116 - 120 * |
胡添翼: "基于面板数据分析方法的混凝土拱坝变形数据时空聚类模型", 《长江科学院院报》, vol. 38, no. 2, pages 39 - 45 * |
陶源 等: "基于局部离群系数的土石坝监测预警方法研究", 《江西水利科技》, vol. 49, no. 1, pages 18 - 22 * |
Also Published As
Publication number | Publication date |
---|---|
CN117349779B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165406A (zh) | 一种隧道施工过程中围岩快速动态分级预测方法 | |
CN103278115B (zh) | 一种基于dem计算淤地坝淤积量的方法及系统 | |
CN115408886B (zh) | 一种水利工程控制地下结构沉降的降排水系统及方法 | |
CN112227292A (zh) | 基于一维水动力模型的空腹拱桥壅水智能分析方法 | |
CN110929390A (zh) | 一种基于地下水水文地质试验的数值模拟检测方法 | |
Johannesson et al. | Computer simulated migration of meandering rivers in Minnesota | |
CN115828374A (zh) | 适用于复合地层隧道施工期非均匀变形预测方法及系统 | |
CN117349779B (zh) | 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 | |
CN113836630A (zh) | 一种考虑植被根系影响的河岸坍塌快速预测方法及系统 | |
CN113792369A (zh) | 土体变形预测方法、系统、设备及可读存储介质 | |
CN116862432A (zh) | 一种隧道浅埋段施工方案动态调整方法及系统 | |
CN111210141A (zh) | 基于约束机制粒子群算法的水库库容曲线修正方法 | |
CN112344983B (zh) | 软土基环境下的沉降施工水平监测方法与系统 | |
CN115130724A (zh) | 一种城市地下水开采规划动态调整方法及系统 | |
CN110174705B (zh) | 一种用于高密度的悬移质地貌的水下地形探测方法及系统 | |
CN105445177B (zh) | 岸坡侵蚀量和侵蚀速率的监测方法 | |
CN116822251B (zh) | 多含水层减压与疏干降水共同作用下的地表沉降计算方法 | |
JP2005171586A (ja) | 基礎構造物の不同沈下評価方法、基礎構造物の設計方法および基礎構造物の設計評価方法 | |
CN115221456B (zh) | 一种疏浚挖槽水动力变化引起的航槽淤积量预测方法 | |
CN115018164B (zh) | 泥水平衡顶管施工沉降预测方法、系统、设备及存储介质 | |
CN117231308B (zh) | 一种隧道应力智能预警方法及系统 | |
CN116467790B (zh) | 一种优化半掩护港区防波堤平面布局的判别方法 | |
Oleiwi et al. | Using HEC-RAS Model in Simulation of Water Flow of Tigris River from North of Baghdad to Al-Azizziyah, Iraq | |
Jing et al. | Numerical Simulation of Effects of River Reconstruction on Flooding: A Case Study of the Ba River, China | |
CN108982317B (zh) | 一种高填方土体大尺度渗透系数的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |