CN117495595A - 一种矿山地质环境智能监测预警方法及系统 - Google Patents
一种矿山地质环境智能监测预警方法及系统 Download PDFInfo
- Publication number
- CN117495595A CN117495595A CN202410001432.8A CN202410001432A CN117495595A CN 117495595 A CN117495595 A CN 117495595A CN 202410001432 A CN202410001432 A CN 202410001432A CN 117495595 A CN117495595 A CN 117495595A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target
- mine
- environment
- model
- 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 277
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000007613 environmental effect Effects 0.000 claims abstract description 207
- 238000012502 risk assessment Methods 0.000 claims abstract description 44
- 238000012512 characterization method Methods 0.000 claims description 137
- 239000013598 vector Substances 0.000 claims description 46
- 238000012216 screening Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Marine Sciences & Fisheries (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及矿山地质环境智能监测与预警领域,具体涉及一种矿山地质环境智能监测预警方法及系统。本发明所提供的方法包括如下步骤:构建矿山地质环境智能监测模型,并基于矿山地质环境智能监测模型确定各项目标环境因素的监测参数;在目标监测区域内根据所述监测参数部署智能环境监测传感网络,并利用智能环境监测传感网络采集目标监测区域内的目标环境因素数据;构建矿山地质灾害风险评估模型,通过矿山地质灾害风险评估模型结合目标环境因素数据,评估目标监测区域当前的地质灾害风险。本发明所提供的环境智能监测预警方法在提高实时监测和预警能力的同时,通过智能监测网络的合理使用,有助于实现更为可持续和节能的矿山地质监测及灾害预警。
Description
技术领域
本发明涉及矿山地质环境智能监测与预警领域,具体涉及一种矿山地质环境智能监测预警方法及系统。
背景技术
在矿山开采和生产过程中,面临着一系列的地质灾害风险,包括但不限于滑坡、崩塌、地震、泥石流等,这些地质灾害可能对矿山设备、工作人员以及环境造成严重威胁。传统的矿山地质监测方法通常依赖于定期巡检和长周期的地质勘测,这使得对潜在地质灾害的实时监测能力相对较弱。突发的地质灾害可能对矿山人员和设备安全构成威胁。同时,传统的地质监测手段涉及到大量的人力物力成本,包括人工巡检、设备维护、勘测等。这不仅增加了矿山运营的成本,而且可能导致监测不到位,从而增加事故发生的概率。长期运行的地质监测装置需要耗费大量能源,而且监测系统通常会以常规时间间隔采集数据,这可能导致对潜在问题的延迟发现,并在大部分时间内浪费能源。因此,亟需一种矿山地质环境智能监测预警方法及系统,提高矿山地质灾害的预测和监测效率,以更好地保障矿山生产的安全性和可持续性。
发明内容
针对现有技术的不足和实际应用的需求,本发明提供了一种矿山地质环境智能监测预警方法及系统,旨在提高矿山地质灾害的预测和监测效率,以更好地保障矿山生产的安全性和可持续性。
第一方面,本发明提供了一种矿山地质环境智能监测预警方法,包括如下步骤:构建矿山地质环境智能监测模型,并基于所述矿山地质环境智能监测模型确定各项目标环境因素的监测参数,所述监测参数包括各项目标环境因素的监测空间范围、监测时间长度以及监测频率;基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,并利用所述智能环境监测传感网络采集所述目标监测区域内的目标环境因素数据;构建矿山地质灾害风险评估模型,通过所述矿山地质灾害风险评估模型结合智能环境监测传感网络采集的目标环境因素数据,评估目标监测区域当前的地质灾害风险。
本发明所提供的矿山地质环境智能监测预警方法通过构建矿山地质环境智能监测模型,明确定义监测参数;并在目标监测区域内基于监测参数部署智能环境监测传感网络,利用该网络智能地采集目标环境因素数据;与此同时,通过精细建立矿山地质灾害风险评估模型,结合智能监测传感网络采集的数据,实时评估目标监测区域的地质灾害风险。本发明所提供的矿山地质环境智能监测预警方法,在提高实时监测和预警能力的同时,通过智能监测网络的合理使用,有助于实现更为可持续和节能的矿山地质监测及灾害预警。
可选地,所述构建矿山地质环境智能监测模型,包括如下步骤:获取目标监测区域内中若干项环境因素的历史表征数据;基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素;根据所述目标环境因素的历史表征数据,设置目标环境因素的监测参数;结合所述目标环境因素和对应的监测参数,构建矿山地质环境智能监测模型。本可选项实现了对目标环境因素的有效筛选和定量化监测参数的确定,为后续构建矿山地质环境智能监测模型奠定了基础。
可选地,所述历史表征数据包括离散型历史表征数据和连续型历史表征数据。
可选地,当一环境因素的历史表征数据为离散型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:获取离散型历史表征数据的均值,所述均值满足如下计算公式:,其中,/>表示离散型历史表征数据的均值,/>,/>表示离散型历史表征数据的数量,/>表示第/>个离散型历史表征数据;基于所述离散型历史表征数据的均值,获取离散型历史表征数据的第一稳定系数,所述第一稳定系数满足如下计算公式:/>,其中,/>表示离散型历史表征数据的第一稳定系数;设定第一筛选模型,并利用所述第一筛选模型筛选所述离散型历史表征数据对应的环境因素,所述第一筛选模型满足如下表征模型:,其中,/>表示离散型历史表征数据/>对应的环境因素,/>表示与离散型历史表征数据的均值之差大于第一稳定系数/>的离散型历史表征数据/>的数量,/>,/>表示第一筛选系数,/>表示离散型历史表征数据的数量,/>表示离散型历史表征数据/>对应的环境因素/>为目标环境因素,表示离散型历史表征数据/>对应的环境因素/>非目标环境因素。本可选项所提供的第一筛选模型综合考虑了离散型历史表征数据的均值、波动性,并通过第一筛选系数,对于大于一定波动阈值的离散型历史表征数据,将其对应的环境因素判定为目标环境因素,从而有针对性地构建了筛选模型。本可选项在处理离散型历史表征数据时更具智能化,能够更准确地挖掘离散型数据的特征,从而提高了对目标环境因素的精准筛选能力,这有助于在矿山地质环境智能监测模型中更精细地选取相关的环境因素。
可选地,当一环境因素的历史表征数据为连续型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:获取连续型历史表征数据对应的表征函数,并获取所述表征函数的一阶导数,所述表征函数满足如下表征公式:,其中,/>表示第t时刻的历史表征数据,/>表示连续历史表征数据对应的表征函数,所述一阶导数满足如下表征公式:/>;对所述一阶导数按照记录时间长度进行积分,并利用积分结果获得连续型历史表征数据的第二稳定系数,所述第二稳定系数满足如下计算公式:/>,其中,/>表示记录时间长度的起始记录时刻,表示记录时间长度的结束记录时刻;设定第二筛选模型,并利用所述第二筛选模型筛选所述连续型历史表征数据对应的环境因素,所述第二筛选模型满足如下表征模型:,其中,/>表示连续型历史表征数据/>对应的环境因素,/>表示连续历史表征数据/>对应的一阶导函数值大于第二稳定系数/>所对应的时间段长度,/>表示在记录时间长度内所有连续历史表征数据/>对应的一阶导数值大于第二稳定系数/>所对应的时间段长度之和,/>,/>表示第二筛选系数,表示连续历史表征数据/>对应环境因素/>为目标环境因素,/>表示连续历史表征数据/>对应环境因素/>非目标环境因素。本可选项所提供的第二筛选模型综合考虑了一阶导数值的积分和时间段长度,提高了对连续型历史表征数据的有效性筛选能力。本可选项对于连续型历史表征数据的处理更加细致和智能,能够更准确地挖掘连续型数据的特征,从而提高了对目标环境因素的精准筛选能力,这有助于在矿山地质环境智能监测模型中更精细地选取相关的环境因素。
可选地,所述矿山地质环境智能监测模型,满足如下表征模型:,其中,/>表示矿山地质环境智能监测模型,/>表示矿山地质环境智能监测模型中的第1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第2个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i+1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n个目标环境因素向量;其中,第i个目标环境因素向量/>,满足如下表征模型:,其中,/>表示第i个目标环境因素向量/>在目标监测区域内的监测坐标信息,/>表示第i个目标环境因素向量/>在目标监测区域内的监测时间长度,/>表示第i个目标环境因素向量/>在目标监测区域内的起始监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的结束监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的监测频率。
可选地,所述基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,包括如下步骤:根据所述目标环境因素的监测坐标信息,在对应的监测坐标位置处布设对应的目标环境因素传感器,并根据所述目标环境因素的监测时间长度以及监测频率,设置对应的目标环境因素传感器;基于所述目标监测区域内布设的目标环境因素传感器,对应布设智能环境监测传感网络,所述智能环境监测传感网络中包括一个中心数据节点和一个或者多个目标环境因素数据传感节点,所述中心数据节点分别全部的目标环境因素数据传感节点信号连接,任一个目标环境因素数据传感节点与一个或者多个目标环境因素传感器信号连接。本可选项所布设的智能环境监测传感网络具备高度智能性和适应性,能够实时采集各环境因素的数据并传输至中心节点进行集中分析。这不仅提高了智能环境监测传感网络的实时性和准确性,同时通过合理的网络设计也能够有效降低整体系统的能耗。这种智能环境监测传感网络的布设方式使得监测系统更加灵活、可控,为矿山地质环境的实时监测提供了可靠的技术支持。
可选地,所述构建矿山地质灾害风险评估模型,包括如下步骤:设置矿山地质灾害风险评估模型中各项目标环境因素的风险阈值和风险权重;基于各项目标环境因素的风险阈值,构建矿山地质灾害风险评估模型。本可选项通过设置风险阈值和风险权重,能够更灵活地对不同环境因素的风险进行评估,提高了模型的适应性和可调性。
可选地,所述矿山地质灾害风险评估模型满足如下:,其中,表示矿山地质灾害风险系数,/>表示矿山地质灾害风险评估模型中目标环境因素数量,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的表征数据,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险权重,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险阈值。本可选项所提供的矿山地质灾害风险评估模型,有助于更好地把握整体地质灾害风险情况,为矿山环境的安全管理提供了更丰富的信息。
第二方面,本发明还提供了一种矿山地质环境智能监测预警系统,包括输入设备、处理器、存储器和输出设备,所述输入设备、所述处理器、所述存储器和所述输出设备相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面所述的矿山地质环境智能监测预警方法。本发明所提供的矿山地质环境智能监测预警系统,整合了输入、处理、存储和输出功能,实现了对矿山地质环境的全面监测和智能预警。通过存储器中的计算机程序,本发明所提供的矿山地质环境智能监测预警系统能够执行高效且智能化的监测预警方法,从而提高对潜在地质灾害的实时感知和响应能力,为矿山生产的安全性和可持续性提供了有效的支持。
附图说明
图1为本发明实施例所提供的矿山地质环境智能监测预警方法流程图;
图2为本发明实施例所提供的矿山地质环境智能监测预警系统示意图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
在一个实施例中,请参见图1,图1为本发明实施例所提供的矿山地质环境智能监测预警方法流程图。如图1所示,本发明实施例所提供的矿山地质环境智能监测预警方法,包括如下步骤:
S01、构建矿山地质环境智能监测模型,并基于所述矿山地质环境智能监测模型确定各项目标环境因素的监测参数,所述监测参数包括各项目标环境因素的监测空间范围、监测时间长度以及监测频率。
在本实施例中,步骤S01中所述的构建矿山地质环境智能监测模型,具体包括如下步骤:S011、获取目标监测区域内中若干项环境因素的历史表征数据。
容易理解的是,影响矿山地质环境安全性的环境因素有多种,具体包括但不限于矿山土壤含水量、矿山地表位移、环境温度、环境湿度、水位变化、岩土体稳定性、制备覆盖率、地震活动、矿山开采活动等。进一步地,若干项环境因素对应历史表征数据,包括离散型历史表征数据和连续型历史表征数据。
进一步地,所述离散型历史表征数据是在离散的时间点上采集或记录的数据。这意味着它们在时间上是间隔离散的,只在特定的时间点上有取值。所述连续型历史表征数据是在一个连续的时间范围内连续采集或记录的数据。这意味着它们在时间上是无间断的,可以在任意时间点上取得值。
S012、基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素。
不同的环境因素对地质灾害的发生和发展有不同的影响,而且一些因素可能在特定的地质环境中更为关键。通过筛选目标环境因素,不仅可以集中注意力并深入研究对地质灾害风险具有重要影响的那些因素,还可以减少监测数据的量,降低运营成本。
进一步地,当一环境因素的历史表征数据为离散型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:
S0111a、获取离散型历史表征数据的均值,所述均值满足如下计算公式:,其中,/>表示离散型历史表征数据的均值,/>,/>表示离散型历史表征数据的数量,/>表示第/>个离散型历史表征数据。
S0112a、基于所述离散型历史表征数据的均值,获取离散型历史表征数据的第一稳定系数,所述第一稳定系数满足如下计算公式:,其中,/>表示离散型历史表征数据的第一稳定系数。
S0113a、设定第一筛选模型,并利用所述第一筛选模型筛选所述离散型历史表征数据对应的环境因素,所述第一筛选模型满足如下表征模型:,其中,/>表示离散型历史表征数据/>对应的环境因素,/>表示与离散型历史表征数据的均值之差大于第一稳定系数/>的离散型历史表征数据/>的数量,/>,/>表示第一筛选系数,/>表示离散型历史表征数据的数量,/>表示离散型历史表征数据/>对应的环境因素/>为目标环境因素,表示离散型历史表征数据/>对应的环境因素/>非目标环境因素。
当一环境因素的历史表征数据为连续型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:
S0111b、获取连续型历史表征数据对应的表征函数,并获取所述表征函数的一阶导数,所述表征函数满足如下表征公式:,其中,/>表示第t时刻的历史表征数据,表示连续历史表征数据对应的表征函数,所述一阶导数满足如下表征公式:/>。
S0112b、对所述一阶导数按照记录时间长度进行积分,并利用积分结果获得连续型历史表征数据的第二稳定系数,所述第二稳定系数满足如下计算公式:,其中,/>表示记录时间长度的起始记录时刻,表示记录时间长度的结束记录时刻。
S0113b、设定第二筛选模型,并利用所述第二筛选模型筛选所述连续型历史表征数据对应的环境因素,所述第二筛选模型满足如下表征模型:,其中,/>表示连续型历史表征数据/>对应的环境因素,/>表示连续历史表征数据/>对应的一阶导函数值大于第二稳定系数/>所对应的时间段长度,/>表示在记录时间长度内所有连续历史表征数据/>对应的一阶导数值大于第二稳定系数/>所对应的时间段长度之和,/>,/>表示第二筛选系数,表示连续历史表征数据/>对应环境因素/>为目标环境因素,/>表示连续历史表征数据/>对应环境因素/>非目标环境因素。
S013、根据所述目标环境因素的历史表征数据,设置目标环境因素的监测参数。
进一步地,步骤S013所述的据所述目标环境因素的历史表征数据,设置目标环境因素的监测参数,包括如下步骤:
S0131、确定目标环境因素的目标监测区域。
矿区内可能存在不同地形、地质条件,不同区域的环境因素可能会有显著差异,因此,目标监测区域的确定需考虑到目标环境因素的特性以及对地质灾害风险的影响。
S0132、根据目标监测区域设定目标环境因素的监测空间范围。
监测空间范围表示在目标监测区域内需要进行环境监测的具体区域或范围,可以是一个点、一条线或是一个区域。
S0133、根据所述历史表征数据的统计特征,设定各项目标环境因素的监测时间长度以及监测频率。
所述监测时间长度指的是对某个特定环境因素进行监测的时间跨度或时间段。它反映了监测活动持续的时间,可以是分钟、小时、天、月甚至年。监测时间长度的选择通常受到监测目的、环境变化的特性以及资源成本的考虑。较短的监测时间长度可以提供更高的时间分辨率,但可能需要更多的资源。
所述监测频率是指在监测时间长度内进行数据采集或监测的次数。它表示了对环境因素进行实时或定期监测的频繁程度。较高的监测频率意味着更频繁的数据点,有助于捕捉到变化的细节,但也可能需要更多的资源。
S014、结合所述目标环境因素和对应的监测参数,构建矿山地质环境智能监测模型。
在本实施例中,结合所述目标环境因素和对应的监测参数,所构建的矿山地质环境智能监测模型,满足如下表征模型:,其中,/>表示矿山地质环境智能监测模型,/>表示矿山地质环境智能监测模型中的第1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第2个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i+1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n个目标环境因素向量。
进一步地,针对矿山地质环境智能监测模型中第i个目标环境因素向量,满足如下表征模型:/>,其中,/>表示第i个目标环境因素向量/>在目标监测区域内的监测坐标信息,/>表示第i个目标环境因素向量/>在目标监测区域内的监测时间长度,/>表示第i个目标环境因素向量/>在目标监测区域内的起始监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的结束监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的监测频率。
S02、基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,并利用所述智能环境监测传感网络采集所述目标监测区域内的目标环境因素数据。
在本实施例中,步骤S02所述的基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,包括如下步骤:
S021、根据所述目标环境因素的监测坐标信息,在对应的监测坐标位置处布设对应的目标环境因素传感器,并根据所述目标环境因素的监测时间长度以及监测频率,设置对应的目标环境因素传感器。
根据目标环境因素的监测坐标信息,确定传感器的具体布设位置。这些坐标信息可能是地理坐标(经度、纬度、海拔)或其他相应的位置标识,以确保传感器能够准确地监测到目标环境因素的变化。
进一步地,在对应的监测坐标位置处布设对应的目标环境因素传感器。每个传感器负责监测特定位置的目标环境因素,确保覆盖整个目标监测区域。再根据监测参数中的监测时间长度和监测频率,设置每个传感器的监测时长和监测频率。
S022、基于所述目标监测区域内布设的目标环境因素传感器,对应布设智能环境监测传感网络,所述智能环境监测传感网络中包括一个中心数据节点和一个或者多个目标环境因素数据传感节点,所述中心数据节点分别全部的目标环境因素数据传感节点信号连接,任一个目标环境因素数据传感节点与一个或者多个目标环境因素传感器信号连接。
在智能环境监测传感网络中,所述中心数据节点负责集中处理和管理从各个目标环境因素数据传感节点收集到的数据。每个目标环境因素数据传感节点都与中心数据节点建立信号连接,这确保了所有传感节点采集的数据都能够传输到中心数据节点,以便进行综合分析和处理。进一步地,步骤S022还包括如下步骤:设定智能环境监测传感网络中各节点之间的通信协议,确保传感器节点之间和传感节点与中心数据节点之间的数据传输是可靠和高效的。
S03、构建矿山地质灾害风险评估模型,通过所述矿山地质灾害风险评估模型结合智能环境监测传感网络采集的目标环境因素数据,评估目标监测区域当前的地质灾害风险。
在本实施例中,步骤S03所述的构建矿山地质灾害风险评估模型,包括如下步骤:
S031、设置矿山地质灾害风险评估模型中各项目标环境因素的风险阈值和风险权重。
进一步地,设置的各项目标环境因素的风险阈值和风险权重,满足如下表征模型:,其中,/>表示目标环境因素参数表征向量,/>表示矿山地质灾害风险评估模型中的第1个目标环境因素的风险阈值,/>表示矿山地质灾害风险评估模型中的第1个目标环境因素的风险权重,/>表示矿山地质灾害风险评估模型中的第2个目标环境因素的风险阈值,/>表示矿山地质灾害风险评估模型中的第2个目标环境因素的风险权重,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险阈值,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险权重,表示矿山地质灾害风险评估模型中的第n个目标环境因素的风险阈值,/>表示矿山地质灾害风险评估模型中的第n个目标环境因素的风险权重。
S032、基于各项目标环境因素的风险阈值,构建矿山地质灾害风险评估模型。
进一步地,所述矿山地质灾害风险评估模型满足如下:,其中,/>表示矿山地质灾害风险系数,/>表示矿山地质灾害风险评估模型中目标环境因素数量,表示矿山地质灾害风险评估模型中的第i个目标环境因素的表征数据,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险权重,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险阈值。进一步地,/>值越大,当前目标监测区域的地质灾害风险程度越高。
本发明所提供的矿山地质环境智能监测预警方法通过构建矿山地质环境智能监测模型,明确定义监测参数;并在目标监测区域内基于监测参数部署智能环境监测传感网络,利用该网络智能地采集目标环境因素数据;与此同时,通过精细建立矿山地质灾害风险评估模型,结合智能监测传感网络采集的数据,实时评估目标监测区域的地质灾害风险。本发明所提供的矿山地质环境智能监测预警方法,在提高实时监测和预警能力的同时,通过智能监测网络的合理使用,有助于实现更为可持续和节能的矿山地质监测及灾害预警。
在一个实施例中,为更好实施上述矿山地质环境智能监测预警方法,还提供了一种矿山地质环境智能监测预警系统,请参见图2,图2为本发明实施例所提供的矿山地质环境智能监测预警系统示意图。
如图2所示,本发明实施例所提供的矿山地质环境智能监测预警系统包括输入设备、处理器、存储器和输出设备,所述输入设备、所述处理器、所述存储器和所述输出设备相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述矿山地质环境智能监测预警方法。
进一步地,所述输入设备是系统与外部环境进行交互的接口,用于接收外部数据或用户输入。在矿山地质环境智能监测预警系统中,输入设备可能包括各类传感器、地质勘探仪器、遥感设备等,用于采集地质环境的相关数据。所述处理器是系统的核心计算单元,负责执行矿山地质环境智能监测预警方法中的各项计算和数据处理任务。处理器根据预定的算法和模型对输入数据进行分析、处理,并生成相应的监测结果和预警信息。
所述存储器用于存储系统运行所需的计算机程序、模型、历史数据以及实时采集的环境数据等信息。其中可能包括固态硬盘、内存等。存储器在整个系统中扮演着关键的角色,确保数据的可靠性和快速访问。更进一步地,存储器中包含的计算机程序是实施矿山地质环境智能监测预警方法的关键部分。这些程序包括了构建智能监测模型、设置监测参数、布设传感网络、构建地质灾害风险评估模型等功能。处理器通过调用这些程序指令来执行相应的任务。
所述输出设备用于向用户或其他系统呈现监测结果和预警信息。在矿山地质环境智能监测预警系统中,输出设备可以包括显示屏、打印机、报警器等,以便及时向相关人员提供监测结果和预警通知。
本发明所提供的矿山地质环境智能监测预警系统,整合了输入、处理、存储和输出功能,实现了对矿山地质环境的全面监测和智能预警。通过存储器中的计算机程序,本发明所提供的矿山地质环境智能监测预警系统能够执行高效且智能化的监测预警方法,从而提高对潜在地质灾害的实时感知和响应能力,为矿山生产的安全性和可持续性提供了有效的支持。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种矿山地质环境智能监测预警方法,其特征在于,包括如下步骤:
构建矿山地质环境智能监测模型,并基于所述矿山地质环境智能监测模型确定各项目标环境因素的监测参数,所述监测参数包括各项目标环境因素的监测空间范围、监测时间长度以及监测频率;
基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,并利用所述智能环境监测传感网络采集所述目标监测区域内的目标环境因素数据;
构建矿山地质灾害风险评估模型,通过所述矿山地质灾害风险评估模型结合智能环境监测传感网络采集的目标环境因素数据,评估目标监测区域当前的地质灾害风险。
2.根据权利要求1所述的矿山地质环境智能监测预警方法,其特征在于,所述构建矿山地质环境智能监测模型,包括如下步骤:
获取目标监测区域内中若干项环境因素的历史表征数据;
基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素;
根据所述目标环境因素的历史表征数据,设置目标环境因素的监测参数;
结合所述目标环境因素和对应的监测参数,构建矿山地质环境智能监测模型。
3.根据权利要求2所述的矿山地质环境智能监测预警方法,其特征在于,所述历史表征数据包括离散型历史表征数据和连续型历史表征数据。
4.根据权利要求3所述的矿山地质环境智能监测预警方法,其特征在于,当一环境因素的历史表征数据为离散型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:
获取离散型历史表征数据的均值,所述均值满足如下计算公式:,其中,/>表示离散型历史表征数据的均值,/>,/>表示离散型历史表征数据的数量,/>表示第/>个离散型历史表征数据;
基于所述离散型历史表征数据的均值,获取离散型历史表征数据的第一稳定系数,所述第一稳定系数满足如下计算公式:,其中,/>表示离散型历史表征数据的第一稳定系数;
设定第一筛选模型,并利用所述第一筛选模型筛选所述离散型历史表征数据对应的环境因素,所述第一筛选模型满足如下表征模型:,其中,/>表示离散型历史表征数据/>对应的环境因素,/>表示与离散型历史表征数据的均值之差大于第一稳定系数/>的离散型历史表征数据/>的数量,,/>表示第一筛选系数,/>表示离散型历史表征数据的数量,/>表示离散型历史表征数据/>对应的环境因素/>为目标环境因素,/>表示离散型历史表征数据/>对应的环境因素/>非目标环境因素。
5.根据权利要求3所述的矿山地质环境智能监测预警方法,其特征在于,当一环境因素的历史表征数据为连续型历史表征数据时,所述基于所述历史表征数据,从若干项环境因素中筛选出目标环境因素,包括如下步骤:
获取连续型历史表征数据对应的表征函数,并获取所述表征函数的一阶导数,所述表征函数满足如下表征公式:,其中,/>表示第t时刻的历史表征数据,/>表示连续历史表征数据对应的表征函数,所述一阶导数满足如下表征公式:/>;
对所述一阶导数按照记录时间长度进行积分,并利用积分结果获得连续型历史表征数据的第二稳定系数,所述第二稳定系数满足如下计算公式:,其中,/>表示记录时间长度的起始记录时刻,/>表示记录时间长度的结束记录时刻;
设定第二筛选模型,并利用所述第二筛选模型筛选所述连续型历史表征数据对应的环境因素,所述第二筛选模型满足如下表征模型:,其中,表示连续型历史表征数据/>对应的环境因素,/>表示连续历史表征数据/>对应的一阶导函数值大于第二稳定系数/>所对应的时间段长度,/>表示在记录时间长度内所有连续历史表征数据/>对应的一阶导数值大于第二稳定系数/>所对应的时间段长度之和,/>,/>表示第二筛选系数,/>表示连续历史表征数据/>对应环境因素为目标环境因素,/>表示连续历史表征数据/>对应环境因素/>非目标环境因素。
6.根据权利要求3所述的矿山地质环境智能监测预警方法,其特征在于,所述矿山地质环境智能监测模型,满足如下表征模型:,其中,/>表示矿山地质环境智能监测模型,/>表示矿山地质环境智能监测模型中的第1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第2个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第i+1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n-1个目标环境因素向量,/>表示矿山地质环境智能监测模型中的第n个目标环境因素向量;
其中,第i个目标环境因素向量,满足如下表征模型:/>,其中,/>表示第i个目标环境因素向量/>在目标监测区域内的监测坐标信息,表示第i个目标环境因素向量/>在目标监测区域内的监测时间长度,/>表示第i个目标环境因素向量/>在目标监测区域内的起始监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的结束监测时间,/>表示第i个目标环境因素向量/>在目标监测区域内的监测频率。
7.根据权利要求6所述的矿山地质环境智能监测预警方法,其特征在于,所述基于所述目标环境因素的监测参数,在目标监测区域内部署智能环境监测传感网络,包括如下步骤:
根据所述目标环境因素的监测坐标信息,在对应的监测坐标位置处布设对应的目标环境因素传感器,并根据所述目标环境因素的监测时间长度以及监测频率,设置对应的目标环境因素传感器;
基于所述目标监测区域内布设的目标环境因素传感器,对应布设智能环境监测传感网络,所述智能环境监测传感网络中包括一个中心数据节点和一个或者多个目标环境因素数据传感节点,所述中心数据节点分别全部的目标环境因素数据传感节点信号连接,任一个目标环境因素数据传感节点与一个或者多个目标环境因素传感器信号连接。
8.根据权利要求7所述的矿山地质环境智能监测预警方法,其特征在于,所述构建矿山地质灾害风险评估模型,包括如下步骤:
设置矿山地质灾害风险评估模型中各项目标环境因素的风险阈值和风险权重;
基于各项目标环境因素的风险阈值,构建矿山地质灾害风险评估模型。
9.根据权利要求8所述的矿山地质环境智能监测预警方法,其特征在于,所述矿山地质灾害风险评估模型满足如下:,其中,/>表示矿山地质灾害风险系数,/>表示矿山地质灾害风险评估模型中目标环境因素数量,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的表征数据,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险权重,/>表示矿山地质灾害风险评估模型中的第i个目标环境因素的风险阈值。
10.一种矿山地质环境智能监测预警系统,其特征在于,包括输入设备、处理器、存储器和输出设备,所述输入设备、所述处理器、所述存储器和所述输出设备相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1至9任一项所述的矿山地质环境智能监测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001432.8A CN117495595B (zh) | 2024-01-02 | 2024-01-02 | 一种矿山地质环境智能监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001432.8A CN117495595B (zh) | 2024-01-02 | 2024-01-02 | 一种矿山地质环境智能监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117495595A true CN117495595A (zh) | 2024-02-02 |
CN117495595B CN117495595B (zh) | 2024-03-15 |
Family
ID=89683326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410001432.8A Active CN117495595B (zh) | 2024-01-02 | 2024-01-02 | 一种矿山地质环境智能监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495595B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892092A (zh) * | 2024-03-13 | 2024-04-16 | 贵州大学 | 基于大数据实现矿山数据的智能采集方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533887A (zh) * | 2019-08-07 | 2019-12-03 | 山东蓝光软件有限公司 | 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法,装置及存储介质 |
LU500659B1 (en) * | 2021-09-15 | 2023-03-20 | Univ Liaoning Technical | Method for evaluating geological dynamic environment of mine |
US11704449B1 (en) * | 2022-05-12 | 2023-07-18 | Beijing Longruan Technologies Inc. | Construction method of mine intelligent management and control platform based on geological survey guarantee system |
CN116597616A (zh) * | 2023-05-23 | 2023-08-15 | 中国建筑材料工业地质勘查中心四川总队 | 一种矿山开采区域地质灾害智能监测预警系统 |
CN116911571A (zh) * | 2023-08-29 | 2023-10-20 | 昆明煤炭设计研究院有限公司 | 一种矿山运行与维护监控系统 |
CN117037456A (zh) * | 2023-10-10 | 2023-11-10 | 山东科技大学 | 一种现场监测的矿山灾害预测预警方法及系统 |
CN117151468A (zh) * | 2023-09-05 | 2023-12-01 | 贵州工业职业技术学院 | 一种矿山生产用的自动化控制方法及系统 |
-
2024
- 2024-01-02 CN CN202410001432.8A patent/CN117495595B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533887A (zh) * | 2019-08-07 | 2019-12-03 | 山东蓝光软件有限公司 | 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法,装置及存储介质 |
LU500659B1 (en) * | 2021-09-15 | 2023-03-20 | Univ Liaoning Technical | Method for evaluating geological dynamic environment of mine |
US11704449B1 (en) * | 2022-05-12 | 2023-07-18 | Beijing Longruan Technologies Inc. | Construction method of mine intelligent management and control platform based on geological survey guarantee system |
CN116597616A (zh) * | 2023-05-23 | 2023-08-15 | 中国建筑材料工业地质勘查中心四川总队 | 一种矿山开采区域地质灾害智能监测预警系统 |
CN116911571A (zh) * | 2023-08-29 | 2023-10-20 | 昆明煤炭设计研究院有限公司 | 一种矿山运行与维护监控系统 |
CN117151468A (zh) * | 2023-09-05 | 2023-12-01 | 贵州工业职业技术学院 | 一种矿山生产用的自动化控制方法及系统 |
CN117037456A (zh) * | 2023-10-10 | 2023-11-10 | 山东科技大学 | 一种现场监测的矿山灾害预测预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
李朝奎;陈建辉;魏振伟;周倩;周访滨;: "显式统计预警模型下地质灾害预警方法及应用", 武汉大学学报(信息科学版), no. 07, 14 May 2019 (2019-05-14) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892092A (zh) * | 2024-03-13 | 2024-04-16 | 贵州大学 | 基于大数据实现矿山数据的智能采集方法及系统 |
CN117892092B (zh) * | 2024-03-13 | 2024-06-04 | 贵州大学 | 基于大数据实现矿山数据的智能采集方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117495595B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117495595B (zh) | 一种矿山地质环境智能监测预警方法及系统 | |
CN102741895B (zh) | 自动进行位置相关的自然灾害预报的方法和系统 | |
CN107705515A (zh) | 一种基于大数据的地质灾害监测系统 | |
JP6290859B2 (ja) | リスク予測および評価のためのシステムおよび方法 | |
CN109085641A (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
CN201794617U (zh) | 一种实时预测矿井煤与瓦斯突出危险性的系统 | |
CN108845589B (zh) | 基于无人机的古建筑区域防雷方法及系统 | |
WO2020116032A1 (ja) | 道路監視システム、道路監視装置、道路監視方法、及び非一時的なコンピュータ可読媒体 | |
JP2007155347A (ja) | 地震被害管理システム及び方法 | |
US8352191B2 (en) | Seismic detection in electricity meters | |
CN116434485A (zh) | 基于多维度气象数据的灾害预警方法、系统、设备及介质 | |
CN114519920A (zh) | 基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备 | |
Takanami et al. | Hi-net: High sensitivity seismograph network, Japan | |
Morello et al. | The design of a sensor network based on IoT technology for landslide hazard assessment | |
CN116030598A (zh) | 一种微震点云特征学习的岩爆智能预警方法 | |
Walsh et al. | Designing bat activity surveys for inventory and monitoring studies at local and regional scales | |
Prusty et al. | Prospect of low power sensor network technology in disaster management for sustainable future | |
CN115439018A (zh) | 一种大范围输变电设施地质灾害监测方法和系统 | |
WO2023006054A1 (en) | Tree monitoring system for urban tree management | |
JP7097586B2 (ja) | 地震速報システム | |
CN115035424B (zh) | 一种基于无人机的遥感图像地质识别检测方法、装置、电子设备及存储介质 | |
JP7387778B2 (ja) | 計測装置、計測システム、方法、及びプログラム | |
CN114325824B (zh) | 一种用于岩体灾变监测的微震信号边缘计算系统与方法 | |
MacNulty et al. | Validation of a new video and telemetry system for remotely monitoring wildlife | |
LU501229B1 (en) | Integrated control system and method of geological disaster prevention information service based on big data |
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 |