CN117609742B - 一种用于实现智能化管理的边坡施工监管系统及方法 - Google Patents
一种用于实现智能化管理的边坡施工监管系统及方法 Download PDFInfo
- Publication number
- CN117609742B CN117609742B CN202410096275.3A CN202410096275A CN117609742B CN 117609742 B CN117609742 B CN 117609742B CN 202410096275 A CN202410096275 A CN 202410096275A CN 117609742 B CN117609742 B CN 117609742B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- time
- slope
- slope displacement
- abnormal
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000006073 displacement reaction Methods 0.000 claims abstract description 213
- 238000012544 monitoring process Methods 0.000 claims abstract description 193
- 230000002159 abnormal effect Effects 0.000 claims abstract description 126
- 238000007726 management method Methods 0.000 claims abstract description 30
- 238000007405 data analysis Methods 0.000 claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims description 54
- 238000005452 bending Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000009795 derivation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G01B21/02—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 length, width, or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
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)
Abstract
本发明涉及边坡监测技术领域，具体为一种用于实现智能化管理的边坡施工监管系统及方法，包括：边坡监测管理模块、监测数据采集模块、数据库、监测数据分析模块和监管周期规划模块，通过边坡监测管理模块对不同区域的边坡位移进行监测，通过监测数据采集模块从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息，通过数据库存储接收到的全部数据，通过监测数据分析模块调取关系曲线数据并分析边坡位移以往出现异常的时间，通过监管周期规划模块预测区域边坡位移会出现异常的时间，对边坡位移监测周期进行规划，选择必要的区域进行对监测周期进行智能化调整管理，在减少了边坡的安全隐患的同时避免了因重复监测导致的资源浪费。
Description
技术领域
本发明涉及边坡监测技术领域，具体为一种用于实现智能化管理的边坡施工监管系统及方法。
背景技术
边坡监测是指为掌握边坡岩石移动状况、发现边坡破坏预兆对边坡位移的方向、速度等进行的监测，一般是通过在裂隙两侧设置观测桩，先测量桩距的变化，再依据桩距变化来计算边坡的位移，边坡监测的目的在于为了保证工程施工和运行的安全；
边坡监测一般会设置监测周期，现有技术中的监测周期一般由人为依据环境等情况来判断并自主设置边坡监管周期，但是没有具体实际的数据作为参考以对监测周期做出及时、合理地调整，容易出现因监测周期设置不当导致边坡监测质量或效率低的问题，例如：若监测周期设置过长，容易错过边坡稳定性发生变化和异常情况，无法及时发现边坡的安全隐患从而改善支护措施；若监测周期设置过短，则会造成重复监测从而浪费资源的问题。
所以，人们需要一种用于实现智能化管理的边坡施工监管系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种用于实现智能化管理的边坡施工监管系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种用于实现智能化管理的边坡施工监管系统，所述系统包括：边坡监测管理模块、监测数据采集模块、数据库、监测数据分析模块和监管周期规划模块；
所述边坡监测管理模块的输出端连接所述监测数据采集模块的输入端，所述监测数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述监测数据分析模块的输入端，所述监测数据分析模块的输出端连接所述监管周期规划模块的输入端；
通过所述边坡监测管理模块对不同区域的边坡位移进行监测并获取监测结果；
通过所述监测数据采集模块从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息，将采集到的全部数据传输到所述数据库中；
通过所述数据库存储接收到的全部数据；
通过所述监测数据分析模块调取关系曲线数据并分析边坡位移以往出现异常的时间；
通过所述监管周期规划模块预测区域边坡位移会出现异常的时间，依据预测结果对边坡位移监测周期进行规划。
进一步的，所述边坡监测管理模块包括边坡位移监测单元和关系曲线绘制单元；
所述边坡位移监测单元的输出端连接所述关系曲线绘制单元的输入端；
所述边坡位移监测单元用于利用测斜仪对边坡进行位移监测，获取不同时间监测到的边坡位移数据；
所述关系曲线绘制单元用于依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线。
进一步的，所述监测数据采集模块包括曲线数据采集单元和监管周期采集单元；
所述曲线数据采集单元的输入端连接所述关系曲线绘制单元的输出端，所述曲线数据采集单元和监管周期采集单元的输出端连接所述数据库的输入端；
所述曲线数据采集单元用于采集随机一个边坡区域以往依据不同时间监测到的边坡位移数据绘制出的边坡位移与时间的关系曲线；
所述监管周期采集单元用于采集设置的边坡位移监测周期信息；
边坡位移监测周期指的是间隔多长时间进行一次边坡位移监测。
进一步的，所述监测数据分析模块包括曲线数据分析单元和异常点获取单元；
所述曲线数据分析单元的输入端连接所述数据库的输出端，所述曲线数据分析单元的输出端连接所述异常点获取单元的输入端；
所述曲线数据分析单元用于从数据库中调取出以往绘制出的同一个区域的边坡位移与时间的异常关系曲线，并对异常关系曲线进行分析，得到所有异常关系曲线的函数；
所述异常点获取单元用于依据将关系异常曲线函数进行二次求导的方式获取异常关系曲线上的异常点坐标，横坐标为边坡位移出现异常的时间距对应区域监测开始时间的间隔时长，纵坐标为出现异常时监测到的边坡位移。
进一步的，所述监管周期规划模块包括异常时间预测单元和监管周期调整单元；
所述异常时间预测单元的输入端连接所述异常点获取单元的输出端，所述异常时间预测单元的输出端连接所述监管周期调整单元的输入端；
所述异常时间预测单元用于获取所有异常曲线上异常点的横坐标，分析不同区域以往边坡位移出现异常的时间并筛选出需要调整边坡位移监测周期的区域，为筛选出的区域建立异常时间预测模型；
所述监管周期调整单元用于依据异常时间预测模型预测对应区域的边坡位移会出现异常的时间，对筛选出的区域进行边坡位移监测周期调整。
一种用于实现智能化管理的边坡施工监管方法，包括以下步骤：
S1：对不同区域的边坡位移进行监测并获取监测结果；
S2：从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息；
S3：调取关系曲线数据并分析边坡位移以往出现异常的时间；
S4：分析不同区域边坡位移以往出现异常的时间和设置的监测周期，筛选出需要进行边坡位移监测周期调整的区域；
S5：预测区域边坡位移会出现异常的时间，依据预测结果对边坡位移监测周期进行规划。
进一步的，在步骤S1中：利用测斜仪对不同区域的边坡进行位移监测，获取不同时间监测到的边坡位移数据，依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线：建立二维坐标系，二维坐标系以监测时间距监测开始时间的间隔时长为横轴、间隔时长对应的监测到的边坡位移为纵轴，将不同时间监测到的边坡位移数据以数据点的形式在坐标系中进行绘制，对数据点进行拟合得到边坡位移与时间的关系曲线。
进一步的，在步骤S2中：采集随机一个边坡区域以往绘制出的边坡位移与时间的关系曲线，从关系曲线中调取出异常关系曲线，共获取到n条异常关系曲线，存在反弯点的曲线为异常关系曲线，反弯点指的是曲线拐点，获取n条异常关系曲线的曲线函数，采集到设置的对应区域边坡位移监测周期为T，采集设置的不同区域边坡位移监测周期。
进一步的，在步骤S3中：从n条中调取到第i条异常关系曲线的曲线函数为：，令/>计算得到第i条异常关系曲线中的反弯点的横坐标xi，xi即指的是对应区域的边坡位移第i次出现异常的时间距监测开始时间的间隔时长，通过相同方式计算得到对应区域的边坡位移n次出现异常的时间距每次的监测开始时间的间隔时长集合为x={x1，x2，…，xi，…，xn}；
在绘制边坡位移与时间的关系曲线后，如果位移的变化随时间而渐趋稳定，属于正常曲线，说明该处地层处于稳定状态，支护体系是有效、可靠的；若曲线出现了反弯点，即拐点，说明位移出现反常的急骤增长现象，属于异常曲线，表明支护体系已呈不稳定状态，应立即采取相应的施工措施加强支护体系来对这种异常情况进行处理；
从以往监测并绘制的边坡位移与时间的关系曲线中调取出异常关系曲线，生成异常关系曲线的函数，通过将函数进行二次求导的方式来求出反弯点的横坐标，反弯点的横坐标代表着边坡位移出现异常的时间距对应边坡开始监测的时间的间隔时长，计算间隔时长的目的在于依据间隔时长数据和设置的对应边坡区域的监测周期进行比对，分析两者之间的差异度，进而筛选出需要调整边坡位移监测周期的区域，提高了边坡位移监测周期调整的必要程度和价值。
进一步的，在步骤S4中：依据间隔时长集合x得出对应区域的边坡位移n次出现异常的时间，所述出现异常的时间由x中的间隔时长加上每次监测开始时间获得，得到对应区域的边坡位移出现异常的时间间隔集合为L={L1，L2，…，Ln-1}，其中，Ln-1表示对应区域的边坡位移第n次与第n-1次出现异常的时间间隔，根据公式计算得到对应区域边坡位移以往出现异常的时间与设置的监测周期T之间的差异度Kj，通过相同方式计算得到不同区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度集合为K={K1，K2，…，Kj，…，Km}，其中，m表示监测的区域个数，将m个区域按差异度从大到小的顺序进行排列，将排列后的区域分为z类，其中，前一类中所有区域对应的差异度都大于后一类，获取到随机一种分类结果中，z类中每类区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度均值集合为P={P1，P2，…，Pz}，根据公式/>计算随机一种分类结果的优度G，其中，Pv表示随机一种分类结果中，z类中第v类区域的边坡位移以往出现异常的时间与设置的监测周期之间的差异度均值，v=1,2,…,z，通过相同方式计算不同分类结果的优度，选择优度最高的一种分类结果，从选择出的分类结果中筛选出第一类的区域作为需要进行边坡位移监测周期调整的区域；
比较边坡位移以往出现异常的时间间隔和设置的监测周期，分析两者之间的差异度，分析不同区域的边坡位移以往出现异常的时间和监测周期的差异度，若差异度过大，说明对应区域默认设置的监测周期不合理，设置的周期存在过长或过短的问题，需要及时做出调整，将区域依据差异度大小进行分类，选择差异度偏大的一类区域作为需要调整监测周期的区域，相对于现有技术中只筛选出大于差异度平均值的区域而言，提高了对筛选出的区域进行监测周期调整的必要性，提高了筛选结果的准确度。
进一步的，在步骤S5中：获取到随机一个筛选出的区域的边坡位移出现异常的时间间隔为U={U1，U2，…，Uf-1}，其中，对应筛选出的区域共监测到f次边坡位移出现异常，为随机一个筛选出的区域建立异常时间预测模型：
；
其中，表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔，/>表示平滑系数，/>，/>表示预测到的对应筛选出的区域第f+1次与第f次边坡位移出现异常的时间间隔，/>表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔指数平滑值，根据公式/>计算得到对应筛选出的区域第2次与第1次边坡位移出现异常的时间间隔指数平滑值，根据公式计算得到对应筛选出的区域第3次与第2次边坡位移出现异常的时间间隔指数平滑值，得到对应筛选出的区域第4次与第3次边坡位移出现异常的时间间隔指数平滑值为/>，/>，依此类推得到/>，在预测得到/>之后，通过相同方式预测得到对应筛选出的区域后续c次边坡位移出现异常的时间间隔，最终得到预测时间间隔集合为W={Wf，Wf+1，…，Wf+c}，其中，Wf+c表示预测到的对应筛选出的区域第f+c+1次与第f+c次边坡位移出现异常的时间间隔，将对应筛选出的区域的边坡位移监测周期调整为Q，/>，/>表示预测到的对应筛选出的区域第e+1次与第e次边坡位移出现异常的时间间隔；
对于筛选出的区域，通过大数据技术采集筛选出的区域以往边坡位移出现异常的时间，通过指数平滑算法来寻找以往异常时间的规律并对对应区域未来会出现边坡位移异常的时间进行预测，进行多次预测区域的边坡位移后面若干次会出现异常的时间，结合多次预测结果来调整监测周期，提高了预测结果的准确度，进一步提高了调整后监测周期的合理性，选择必要的区域进行合理的监测周期调整，在减少了边坡的安全隐患的同时避免了因重复监测导致的资源浪费。
与现有技术相比，本发明所达到的有益效果是：
本发明利用测斜仪对边坡位移进行监测，有利于及时发现边坡地层的异常状态以及做好支护措施；将监测到的边坡位移和时间组成数据点，对数据点进行拟合来绘制边坡位移与时间的关系曲线，从以往监测并绘制的边坡位移与时间的关系曲线中调取出异常关系曲线，生成异常关系曲线的函数，通过将函数进行二次求导的方式来求出反弯点的横坐标，反弯点的横坐标代表着边坡位移出现异常的时间距对应边坡开始监测的时间的间隔时长，计算间隔时长的目的在于依据间隔时长数据和设置的对应边坡区域的监测周期进行比对，分析两者之间的差异度，进而筛选出需要调整边坡位移监测周期的区域，提高了边坡位移监测周期调整的必要程度和价值；
比较边坡位移以往出现异常的时间间隔和设置的监测周期，分析两者之间的差异度，分析不同区域的边坡位移以往出现异常的时间和监测周期的差异度，若差异度过大，说明对应区域默认设置的监测周期不合理，设置的周期存在过长或过短的问题，需要及时做出调整，将区域依据差异度大小进行分类，选择差异度偏大的一类区域作为需要调整监测周期的区域，相对于现有技术中只筛选出大于差异度平均值的区域而言，提高了对筛选出的区域进行监测周期调整的必要性，提高了筛选结果的准确度；
对于筛选出的区域，通过大数据技术采集筛选出的区域以往边坡位移出现异常的时间，通过指数平滑算法来寻找以往异常时间的规律并对对应区域未来会出现边坡位移异常的时间进行预测，进行多次预测区域的边坡位移后面若干次会出现异常的时间，结合多次预测结果来调整监测周期，提高了预测结果的准确度，进一步提高了调整后监测周期的合理性，选择必要的区域进行对监测周期进行智能化调整管理，在减少了边坡的安全隐患的同时避免了因重复监测导致的资源浪费。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种用于实现智能化管理的边坡施工监管系统的结构图；
图2是本发明一种用于实现智能化管理的边坡施工监管方法的流程图；
图3是本发明的异常关系曲线示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例1：如图1所示，本实施例提供了一种用于实现智能化管理的边坡施工监管系统，系统包括：边坡监测管理模块、监测数据采集模块、数据库、监测数据分析模块和监管周期规划模块，通过边坡监测管理模块对不同区域的边坡位移进行监测并获取监测结果，通过监测数据采集模块从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息，将采集到的全部数据传输到数据库中，通过数据库存储接收到的全部数据，通过监测数据分析模块调取关系曲线数据并分析边坡位移以往出现异常的时间，通过监管周期规划模块预测区域边坡位移会出现异常的时间，依据预测结果对边坡位移监测周期进行规划。
边坡监测管理模块包括边坡位移监测单元和关系曲线绘制单元，边坡位移监测单元用于利用测斜仪对边坡进行位移监测，获取不同时间监测到的边坡位移数据，关系曲线绘制单元用于依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线。
监测数据采集模块包括曲线数据采集单元和监管周期采集单元，曲线数据采集单元用于采集随机一个边坡区域以往依据不同时间监测到的边坡位移数据绘制出的边坡位移与时间的关系曲线，监管周期采集单元用于采集设置的边坡位移监测周期信息；
边坡位移监测周期指的是间隔多长时间进行一次边坡位移监测。
监测数据分析模块包括曲线数据分析单元和异常点获取单元，曲线数据分析单元用于从数据库中调取出以往绘制出的同一个区域的边坡位移与时间的异常关系曲线，并对异常关系曲线进行分析，得到所有异常关系曲线的函数，异常点获取单元用于依据将关系异常曲线函数进行二次求导的方式获取异常关系曲线上的异常点坐标，横坐标为边坡位移出现异常的时间距对应区域监测开始时间的间隔时长，纵坐标为出现异常时监测到的边坡位移。
监管周期规划模块包括异常时间预测单元和监管周期调整单元，异常时间预测单元用于获取所有异常曲线上异常点的横坐标，分析不同区域以往边坡位移出现异常的时间并筛选出需要调整边坡位移监测周期的区域，为筛选出的区域建立异常时间预测模型，监管周期调整单元用于依据异常时间预测模型预测对应区域的边坡位移会出现异常的时间，对筛选出的区域进行边坡位移监测周期调整。
实施例2：如图2所示，本实施例提供了一种用于实现智能化管理的边坡施工监管方法，其基于实施例中的监管系统实现，具体包括以下步骤：
S1：利用测斜仪对不同区域的边坡进行位移监测，获取不同时间监测到的边坡位移数据，依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线：建立二维坐标系，二维坐标系以监测时间距监测开始时间的间隔时长为横轴、间隔时长对应的监测到的边坡位移为纵轴，将不同时间监测到的边坡位移数据以数据点的形式在坐标系中进行绘制，对数据点进行拟合得到边坡位移与时间的关系曲线；
S2：采集随机一个边坡区域以往绘制出的边坡位移与时间的关系曲线，从关系曲线中调取出异常关系曲线，共获取到5条异常关系曲线，存在反弯点的曲线为异常关系曲线，反弯点指的是曲线拐点，获取5条异常关系曲线的曲线函数，采集到设置的对应区域边坡位移监测周期为T=7，采集设置的不同区域边坡位移监测周期；
S3：调取关系曲线数据并分析边坡位移以往出现异常的时间：调取到第1条异常关系曲线的曲线函数为：，令/>，计算得到第1条异常关系曲线中的反弯点的横坐标x1=3，通过相同方式计算得到对应区域的边坡位移5次出现异常的时间距每次的监测开始时间的间隔时长集合为x={x1，x2，x3，x4，x5}={3，5，6，8，11}，单位为：天；
S4：分析不同区域边坡位移以往出现异常的时间和设置的监测周期，筛选出需要进行边坡位移监测周期调整的区域：依据间隔时长集合x得出对应区域的边坡位移5次出现异常的时间，出现异常的时间由x中的间隔时长加上每次监测开始时间获得，得到对应区域的边坡位移出现异常的时间间隔集合为L={L1，L2，L3，L4}={2，1，2，3}，根据公式计算得到对应区域边坡位移以往出现异常的时间与设置的监测周期T之间的差异度Kj=5，通过相同方式计算得到不同区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度集合为K={K1，K2，K3，K4，K5，K6，K7}={5，10，12，2，1，13，6}，将7个区域按差异度从大到小的顺序进行排列，将排列后的区域分为3类，获取到随机一种分类结果为：3类区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度集合分别为{13，12}、{10，6}和{5，2，1}，对应分类结果中，三类中每类区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度均值集合为P={P1，P2，P3}={12.5，8，2.7}，根据公式计算随机一种分类结果的优度G≈4.01，通过相同方式计算不同分类结果的优度，选择优度最高的一种分类结果为：3类区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度集合分别为{13，12，10}、{6，5}和{2，1}，最高优度为4.19，从选择出的分类结果中筛选出第一类的区域，即差异度分别为13、12和10的区域作为需要进行边坡位移监测周期调整的区域；
S5：预测区域边坡位移会出现异常的时间：依据预测结果对边坡位移监测周期进行规划，获取到随机一个筛选出的区域的边坡位移出现异常的时间间隔为U={U1，U2，U3，U4}={15，12，17，16}，其中，对应筛选出的区域共监测到5次边坡位移出现异常，为随机一个筛选出的区域建立异常时间预测模型：
；
其中，表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔，/>表示平滑系数，/>，设置/>，/>表示预测到的对应筛选出的区域第f+1次与第f次边坡位移出现异常的时间间隔，/>表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔指数平滑值，根据公式/>计算得到对应筛选出的区域第2次与第1次边坡位移出现异常的时间间隔指数平滑值/>，根据公式/>计算得到对应筛选出的区域第3次与第2次边坡位移出现异常的时间间隔指数平滑值/>，得到对应筛选出的区域第4次与第3次边坡位移出现异常的时间间隔指数平滑值为/>，/>，依此类推得到，/>，在预测得到/>之后，通过相同方式预测得到对应筛选出的区域后续3次边坡位移出现异常的时间间隔，最终得到预测时间间隔集合为W={W5，W6，W7，W8}={15.9，16.2，15.6，17.1}，将对应筛选出的区域的边坡位移监测周期调整为Q，/>，对Q做四舍五入处理，即调整为每隔16天监测一次该区域的边坡位移。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种用于实现智能化管理的边坡施工监管系统，其特征在于：所述系统包括：边坡监测管理模块、监测数据采集模块、数据库、监测数据分析模块和监管周期规划模块；
所述边坡监测管理模块的输出端连接所述监测数据采集模块的输入端，所述监测数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述监测数据分析模块的输入端，所述监测数据分析模块的输出端连接所述监管周期规划模块的输入端；
通过所述边坡监测管理模块对不同区域的边坡位移进行监测并获取监测结果；
通过所述监测数据采集模块从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息，将采集到的全部数据传输到所述数据库中；
通过所述数据库存储接收到的全部数据；
通过所述监测数据分析模块调取关系曲线数据并分析边坡位移以往出现异常的时间；
通过所述监管周期规划模块预测区域边坡位移会出现异常的时间，依据预测结果对边坡位移监测周期进行规划；
所述监测数据分析模块包括曲线数据分析单元和异常点获取单元；
所述曲线数据分析单元的输入端连接所述数据库的输出端，所述曲线数据分析单元的输出端连接所述异常点获取单元的输入端；
所述曲线数据分析单元用于从数据库中调取出以往绘制出的同一个区域的边坡位移与时间的异常关系曲线，并对异常关系曲线进行分析，得到所有异常关系曲线的函数；
所述异常点获取单元用于依据将关系异常曲线函数进行二次求导的方式获取异常关系曲线上的异常点坐标，横坐标为边坡位移出现异常的时间距对应区域监测开始时间的间隔时长，纵坐标为出现异常时监测到的边坡位移；
所述监管周期规划模块包括异常时间预测单元和监管周期调整单元；
所述异常时间预测单元的输入端连接所述异常点获取单元的输出端，所述异常时间预测单元的输出端连接所述监管周期调整单元的输入端；
所述异常时间预测单元用于获取所有异常曲线上异常点的横坐标，分析不同区域以往边坡位移出现异常的时间并筛选出需要调整边坡位移监测周期的区域，为筛选出的区域建立异常时间预测模型；
所述监管周期调整单元用于依据异常时间预测模型预测对应区域的边坡位移会出现异常的时间，对筛选出的区域进行边坡位移监测周期调整。
2.根据权利要求1所述的一种用于实现智能化管理的边坡施工监管系统，其特征在于：所述边坡监测管理模块包括边坡位移监测单元和关系曲线绘制单元；
所述边坡位移监测单元的输出端连接所述关系曲线绘制单元的输入端；
所述边坡位移监测单元用于利用测斜仪对边坡进行位移监测，获取不同时间监测到的边坡位移数据；
所述关系曲线绘制单元用于依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线。
3.根据权利要求2所述的一种用于实现智能化管理的边坡施工监管系统，其特征在于：所述监测数据采集模块包括曲线数据采集单元和监管周期采集单元；
所述曲线数据采集单元的输入端连接所述关系曲线绘制单元的输出端，所述曲线数据采集单元和监管周期采集单元的输出端连接所述数据库的输入端；
所述曲线数据采集单元用于采集随机一个边坡区域以往依据不同时间监测到的边坡位移数据绘制出的边坡位移与时间的关系曲线；
所述监管周期采集单元用于采集设置的边坡位移监测周期信息。
4.一种用于实现智能化管理的边坡施工监管方法，其特征在于：包括以下步骤：
S1：对不同区域的边坡位移进行监测并获取监测结果；
S2：从监测结果中采集边坡位移与时间的关系曲线数据和监测设置信息；
S3：调取关系曲线数据并分析边坡位移以往出现异常的时间；
S4：分析不同区域边坡位移以往出现异常的时间和设置的监测周期，筛选出需要进行边坡位移监测周期调整的区域；
S5：预测区域边坡位移会出现异常的时间，依据预测结果对边坡位移监测周期进行规划；
在步骤S1中：利用测斜仪对不同区域的边坡进行位移监测，获取不同时间监测到的边坡位移数据，依据不同时间监测到的边坡位移数据绘制边坡位移与时间的关系曲线：建立二维坐标系，二维坐标系以监测时间距监测开始时间的间隔时长为横轴、间隔时长对应的监测到的边坡位移为纵轴，将不同时间监测到的边坡位移数据以数据点的形式在坐标系中进行绘制，对数据点进行拟合得到边坡位移与时间的关系曲线；
在步骤S2中：采集随机一个边坡区域以往绘制出的边坡位移与时间的关系曲线，从关系曲线中调取出异常关系曲线，共获取到n条异常关系曲线，存在反弯点的曲线为异常关系曲线，反弯点指的是曲线拐点，获取n条异常关系曲线的曲线函数，采集到设置的对应区域边坡位移监测周期为T，采集设置的不同区域边坡位移监测周期；
在步骤S3中：从n条中调取到第i条异常关系曲线的曲线函数为：，令/>计算得到第i条异常关系曲线中的反弯点的横坐标xi，xi即指的是对应区域的边坡位移第i次出现异常的时间距监测开始时间的间隔时长，通过相同方式计算得到对应区域的边坡位移n次出现异常的时间距每次的监测开始时间的间隔时长集合为x={x1，x2，…，xi，…，xn}；
在步骤S4中：依据间隔时长集合x得出对应区域的边坡位移n次出现异常的时间，所述出现异常的时间由x中的间隔时长加上每次监测开始时间获得，得到对应区域的边坡位移出现异常的时间间隔集合为L={L1，L2，…，Ln-1}，其中，Ln-1表示对应区域的边坡位移第n次与第n-1次出现异常的时间间隔，根据公式计算得到对应区域边坡位移以往出现异常的时间与设置的监测周期T之间的差异度Kj，/>表示对应区域的边坡位移第e次与第e-1次出现异常的时间间隔，T表示设置的对应区域边坡位移监测周期，通过相同方式计算得到不同区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度集合为K={K1，K2，…，Kj，…，Km}，其中，j=1,2,…,m，j表示监测的第j个区域，m表示监测的区域个数，将m个区域按差异度从大到小的顺序进行排列，将排列后的区域分为z类，获取到随机一种分类结果中，z类中每类区域边坡位移以往出现异常的时间与设置的监测周期之间的差异度均值集合为P={P1，P2，…，Pz}，根据公式/>计算随机一种分类结果的优度G，其中，Pv表示随机一种分类结果中，z类中第v类区域的边坡位移以往出现异常的时间与设置的监测周期之间的差异度均值，v=1,2,…,z，v表示第v类区域，通过相同方式计算不同分类结果的优度，选择优度最高的一种分类结果，从选择出的分类结果中筛选出第一类的区域作为需要进行边坡位移监测周期调整的区域；
在步骤S5中：获取到随机一个筛选出的区域的边坡位移出现异常的时间间隔为U={U1，U2，…，Uf-1}，其中，对应筛选出的区域共监测到f次边坡位移出现异常，为随机一个筛选出的区域建立异常时间预测模型：
；
其中，表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔，/>表示平滑系数，/>，/>表示预测到的对应筛选出的区域第f+1次与第f次边坡位移出现异常的时间间隔，/>表示对应筛选出的区域第f次与第f-1次边坡位移出现异常的时间间隔指数平滑值，根据公式/>计算得到对应筛选出的区域第2次与第1次边坡位移出现异常的时间间隔指数平滑值，根据公式/>计算得到对应筛选出的区域第3次与第2次边坡位移出现异常的时间间隔指数平滑值，得到对应筛选出的区域第4次与第3次边坡位移出现异常的时间间隔指数平滑值为/>，，依此类推得到/>，在预测得到/>之后，通过相同方式预测得到对应筛选出的区域后续c次边坡位移出现异常的时间间隔，最终得到预测时间间隔集合为W={Wf，Wf+1，…，Wf+c}，其中，Wf+c表示预测到的对应筛选出的区域第f+c+1次与第f+c次边坡位移出现异常的时间间隔，将对应筛选出的区域的边坡位移监测周期调整为Q，，/>表示预测到的对应筛选出的区域第e+1次与第e次边坡位移出现异常的时间间隔。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410096275.3A CN117609742B (zh) | 2024-01-24 | 2024-01-24 | 一种用于实现智能化管理的边坡施工监管系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410096275.3A CN117609742B (zh) | 2024-01-24 | 2024-01-24 | 一种用于实现智能化管理的边坡施工监管系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117609742A CN117609742A (zh) | 2024-02-27 |
| CN117609742B true CN117609742B (zh) | 2024-03-26 |
Family
ID=89948368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410096275.3A Active CN117609742B (zh) | 2024-01-24 | 2024-01-24 | 一种用于实现智能化管理的边坡施工监管系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117609742B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
| CN109781044A (zh) * | 2018-12-17 | 2019-05-21 | 青岛理工大学 | 边坡失稳的综合逐渐逼近预警方法 |
| CN111754540A (zh) * | 2020-06-29 | 2020-10-09 | 中国水利水电科学研究院 | 一种边坡质点位移轨迹监测实时跟踪方法及系统 |
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、系统及智能终端 |
| CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
| CN113723541A (zh) * | 2021-09-02 | 2021-11-30 | 国网福建省电力有限公司电力科学研究院 | 一种基于混合智能算法的边坡位移预测方法 |
| CN114495436A (zh) * | 2022-02-17 | 2022-05-13 | 广东省有色矿山地质灾害防治中心 | 一种高边坡施工过程中动态监测方法及预警系统 |
| CN115310274A (zh) * | 2022-07-21 | 2022-11-08 | 南昌大学 | 一种多区域多边坡综合联动一体化监测预警方法 |
| CN115618928A (zh) * | 2022-10-26 | 2023-01-17 | 山西维度空间信息科技有限公司 | 一种边坡位移预测方法、装置和电子设备 |
| CN115683012A (zh) * | 2022-10-31 | 2023-02-03 | 煤炭科学技术研究院有限公司 | 边坡监测点的位移预测方法、装置、电子设备和介质 |
| CN116467608A (zh) * | 2023-04-03 | 2023-07-21 | 中国电建集团昆明勘测设计研究院有限公司 | 一种边坡的监测方法、装置、设备及存储介质 |
| CN116524686A (zh) * | 2023-05-19 | 2023-08-01 | 贵州省水利水电勘测设计研究院有限公司 | 一种矿山边坡灾害监测系统及方法 |
| CN116739508A (zh) * | 2023-05-30 | 2023-09-12 | 中交二公局第四工程有限公司 | 一种基于数据库的隧道项目联动管理系统及方法 |
| CN116934262A (zh) * | 2023-07-26 | 2023-10-24 | 江苏晓宇水利建设有限公司 | 一种基于人工智能的施工安全监管系统及方法 |
| CN117408383A (zh) * | 2023-10-26 | 2024-01-16 | 重庆渝湘复线高速公路有限公司 | 一种高陡边坡安全状态全寿命周期监测方法及平台 |
| CN117423213A (zh) * | 2023-11-30 | 2024-01-19 | 湖北理工学院 | 一种滑坡灾害监测系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114330168B (zh) * | 2021-12-30 | 2022-06-21 | 中国科学院力学研究所 | 一种动态评价边坡安全性的方法 |
-
2024
- 2024-01-24 CN CN202410096275.3A patent/CN117609742B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
| CN109781044A (zh) * | 2018-12-17 | 2019-05-21 | 青岛理工大学 | 边坡失稳的综合逐渐逼近预警方法 |
| CN111754540A (zh) * | 2020-06-29 | 2020-10-09 | 中国水利水电科学研究院 | 一种边坡质点位移轨迹监测实时跟踪方法及系统 |
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、系统及智能终端 |
| CN113639651A (zh) * | 2021-08-24 | 2021-11-12 | 煤炭科学研究总院 | 一种露天矿边坡稳定性预测装置及其预测方法 |
| CN113723541A (zh) * | 2021-09-02 | 2021-11-30 | 国网福建省电力有限公司电力科学研究院 | 一种基于混合智能算法的边坡位移预测方法 |
| CN114495436A (zh) * | 2022-02-17 | 2022-05-13 | 广东省有色矿山地质灾害防治中心 | 一种高边坡施工过程中动态监测方法及预警系统 |
| CN115310274A (zh) * | 2022-07-21 | 2022-11-08 | 南昌大学 | 一种多区域多边坡综合联动一体化监测预警方法 |
| CN115618928A (zh) * | 2022-10-26 | 2023-01-17 | 山西维度空间信息科技有限公司 | 一种边坡位移预测方法、装置和电子设备 |
| CN115683012A (zh) * | 2022-10-31 | 2023-02-03 | 煤炭科学技术研究院有限公司 | 边坡监测点的位移预测方法、装置、电子设备和介质 |
| CN116467608A (zh) * | 2023-04-03 | 2023-07-21 | 中国电建集团昆明勘测设计研究院有限公司 | 一种边坡的监测方法、装置、设备及存储介质 |
| CN116524686A (zh) * | 2023-05-19 | 2023-08-01 | 贵州省水利水电勘测设计研究院有限公司 | 一种矿山边坡灾害监测系统及方法 |
| CN116739508A (zh) * | 2023-05-30 | 2023-09-12 | 中交二公局第四工程有限公司 | 一种基于数据库的隧道项目联动管理系统及方法 |
| CN116934262A (zh) * | 2023-07-26 | 2023-10-24 | 江苏晓宇水利建设有限公司 | 一种基于人工智能的施工安全监管系统及方法 |
| CN117408383A (zh) * | 2023-10-26 | 2024-01-16 | 重庆渝湘复线高速公路有限公司 | 一种高陡边坡安全状态全寿命周期监测方法及平台 |
| CN117423213A (zh) * | 2023-11-30 | 2024-01-19 | 湖北理工学院 | 一种滑坡灾害监测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 公路边坡变形跟踪预测系统开发及应用;邬凯等;路基工程;20130420(第02期);第38-42页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117609742A (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Christer | Developments in delay time analysis for modelling plant maintenance | |
| CN108417033B (zh) | 基于多维因素的高速路交通事故分析预测方法 | |
| CN110209560B (zh) | 数据异常检测方法及检测装置 | |
| CN107038167A (zh) | 基于模型评估的大数据挖掘分析系统及其分析方法 | |
| CN106446181A (zh) | 一种大数据处理及远程监控系统 | |
| CN115167212B (zh) | 基于监测平台的基坑动态施工控制系统及方法 | |
| CN111042143A (zh) | 一种基于大量监测数据分析的基坑工程预警方法和系统 | |
| US20230214740A1 (en) | Digital construction-based intelligent construction period early warning system and method | |
| CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
| US20210224755A1 (en) | Decision method of condition-based maintenance to power grid risk | |
| CN111882202A (zh) | 一种基于bp神经网络的群体建筑同步建造风险管理系统 | |
| CN116051037A (zh) | 基于数据分析的项目进度监管系统 | |
| CN106980874B (zh) | 一种面向配网大数据的多时态维度数据融合方法 | |
| CN117609742B (zh) | 一种用于实现智能化管理的边坡施工监管系统及方法 | |
| CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
| CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
| CN102142192A (zh) | 基于组合多步预测的行人交通拥堵预警方法及系统 | |
| CN110941646A (zh) | 基于10kv工程三率数据挖掘的项目进度管控系统 | |
| CN113570342A (zh) | 一种基于bim的装配式建筑管理系统 | |
| CN112131069B (zh) | 基于聚类的设备运行监测方法及系统 | |
| CN102156822A (zh) | 行人交通数据组合多步预测方法 | |
| CN105023108A (zh) | 一种对标数据的获取方法及系统 | |
| CN117592013B (zh) | 水闸建筑物变形实时风险率量化与预警方法 | |
| CN117726144B (zh) | 一种基于数据处理的智能数字印刷管理系统及方法 | |
| CN116545906B (zh) | 一种通信网络设备综合管理系统 |
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 |