CN117744535B - 一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 - Google Patents
一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 Download PDFInfo
- Publication number
- CN117744535B CN117744535B CN202410001419.2A CN202410001419A CN117744535B CN 117744535 B CN117744535 B CN 117744535B CN 202410001419 A CN202410001419 A CN 202410001419A CN 117744535 B CN117744535 B CN 117744535B
- Authority
- CN
- China
- Prior art keywords
- debris flow
- data
- dam
- simulation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011435 rock Substances 0.000 title claims abstract description 36
- 239000002689 soil Substances 0.000 title description 15
- 238000004088 simulation Methods 0.000 claims abstract description 157
- 230000000903 blocking effect Effects 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 81
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 230000004907 flux Effects 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000002474 experimental method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 239000012530 fluid Substances 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001687 destabilization Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011236 particulate material Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- -1 silt Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing 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
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及地质灾害防控领域，具体为一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统。本发明所述的方法包括如下步骤：获取目标堰塞坝的地理特征数据；基于地理特征数据，分别构建堰塞坝实验模型，第一堰塞坝仿真模型以及第二堰塞坝仿真模型；分别利用堰塞坝实验模型、第一堰塞坝仿真模型以及第二堰塞坝仿真模型获取溃坝过程中的第一泥石流流量数据、第二泥石流流量数据和第三泥石流流量数据；通过第一泥石流流量数据和第二泥石流流量数据修正第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值。本发明能够更精确地估计泥石流流量，有助于提前预警和采取必要的安全措施，从而降低了堰塞坝溃决可能带来的灾害风险。
Description
技术领域
本发明涉及地质灾害防控领域，具体为一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统。
背景技术
松散岩土体指的是由岩石碎片、砂、粉砂、泥和其他颗粒状材料组成的土壤或地层。这些颗粒之间可能有一定的间隙，使其具有较高的渗透性，同时也影响了其工程性质，如稳定性和抗压强度。沟道通常是由水流削减而成的线性地势，通常呈现为地表上的河流、小溪或沟渠。
在世界范围内，特别是在山区和河流上游地区，沟道松散岩土体堰塞坝是河流（小溪或沟渠）中的松散岩土体（如泥石流、碎石等）堆积而成的临时性坝体。这些堰塞坝可能由于地质灾害、降雨、泥石流或其它自然事件引起的外部作用，导致坝体的破坏和失稳，进而引发溃决。堰塞坝溃决将释放大量水和泥石流，威胁下游社区、基础设施和生态系统。
沟道松散土体堰塞坝起动流量峰值是一种关键参数，它决定了堰塞坝破坏时形成的洪水的规模和强度。如果堰塞坝破坏时的流量峰值非常大，那么产生的洪水可能非常猛烈，对下游地区的居民、农田、基础设施和生态环境都会造成严重影响。因此，预测堰塞坝起动流量峰值对于减轻自然灾害带来的风险和危害非常重要。
发明内容
针对现有方法的不足以及实际应用的需求，第一方面，本发明提供了一种松散岩土体堰塞坝泥石流流量峰值预测方法，旨在预测堰塞坝起动流量峰值的预测。本发明提供的松散岩土体堰塞坝泥石流流量峰值预测方法，包括如下步骤：获取目标堰塞坝的地理特征数据；基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，并根据所述地理特征数据调整所述第一堰塞坝仿真模型的参数，获得第二堰塞坝仿真模型；分别利用所述堰塞坝实验模型、第一堰塞坝仿真模型以及第二堰塞坝仿真模型模拟持续汇水情况下的溃坝过程，并分别获得应溃坝过程中的第一泥石流流量数据、第二泥石流流量数据和第三泥石流流量数据；通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，并利用仿真数据修正模型修正所述第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值。本发明所提供的松散岩土体堰塞坝泥石流流量峰值预测方法，通过获取目标堰塞坝的地理特征数据，构建多个仿真模型，模拟溃坝过程，并运用修正模型实现了对堰塞坝起动流量峰值的准确预测。本发明所提供的方法结合实验模型和数值模拟，能够更精确地估计流量，有助于提前预警和采取必要的安全措施，从而降低了堰塞坝溃决可能带来的灾害风险。本发明所提供的方法在水资源管理、工程设计和自然灾害管理方面具有广泛的应用潜力，并能为相关领域的决策制定提供了有力支持。
可选地，所述第一堰塞坝仿真模型和所述获得第二堰塞坝仿真模型利用FLOW 3D软件构建。通过使用FLOW 3D软件，可以更好地模拟堰塞坝的行为，能够更准确地预测堰塞坝溃决时的流量峰值，有助于提高溃坝风险评估的精度，为灾害管理和工程设计提供了有力的工具。
可选地，所述基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，包括如下步骤：设置一级比尺，并根据所述地理特征数据和所述一级比尺，确定所述堰塞坝实验模型结构中各项结构参数；根据所述堰塞坝实验模型结构中各项结构参数，搭建堰塞坝实验模型；设置二级比尺，并根据各项结构参数和所述二级比尺，确定所述仿真模型结构中的各项结构参数；根据所述仿真模型结构和各项结构参数，构建第一堰塞坝仿真模型。本可选项通过比尺和参数的合理设置，分别构建实验模型和仿真模型，这些模型能够分别从实验层面和计算仿真层面精确地模拟堰塞坝的行为，进而提高了流量峰值的预测准确性。
可选地，所述一级比尺包括一级长度比尺、一级面积比尺、一级体积比尺、一级时间比尺、一级流速比尺以及一级流量比尺；所述二级比尺包括二级长度比尺、二级面积比尺、二级体积比尺、二级时间比尺、二级流速比尺以及二级流量比尺。
可选地，所述通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，并利用仿真数据修正模型修正所述第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值，包括如下步骤：以各项数据的初始漫顶时刻为初始时刻，对齐所述第一泥石流流量数据、所述第二泥石流流量数据和所述第三泥石流流量数据；设置采样尺，并根据所述采样尺，对应采集对齐后的第一泥石流流量数据和第二泥石流流量数据中的泥石流数据，获得误差对照数据；通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型；利用仿真数据修正模型修正对齐后的第三泥石流流量数据，并提取修正后的第三泥石流流量数据中的最大流量数据作为目标堰塞坝起动流量预测峰值。本可选项通过采样、误差对照和仿真修正系数等步骤，精细地调整第三泥石流流量数据，从而提供更可信的流量预测结果。这种方法在减轻自然灾害风险和保障堰塞坝的安全性方面具有重要意义。
可选地，所述通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型，包括如下步骤：根据误差对照数据矩阵，分别提取第一泥石流流量数据向量和第二泥石流流量数据向量；利用第一泥石流流量数据向量和第二泥石流流量数据向量，构建初始仿真误差系数模型；提取第二泥石流流量数据向量中的最大第二泥石流流量值，并将所述最大第二泥石流流量值所对应的采样时刻作为第一分段时刻；获取第三泥石流流量数据向量，提取第三泥石流流量数据向量中的最大第三泥石流流量值，并将所述最大第三泥石流流量值所对应的采样时刻作为第二分段时刻；以仿真误差模型的初始时刻、第一分段时刻以及结束时刻的误差，分别对齐第三泥石流流量数据向量中初始时刻、第二分段时刻以及结束时刻的第三泥石流流量数据；根据对齐结果，将第三泥石流流量数据从初始时刻至第二分段时刻的时段分成多个正向修正时区，并获得任一个正向修正时区的仿真修正系数；根据对齐结果，将第三泥石流流量数据从第二分段时刻至结束时刻的时段分成多个负向修正时区，并获得任一个负向修正时区的仿真修正系数；结合分区结果和所述仿真误差系数模型，构建第三泥石流流量数据的仿真数据修正模型。本可选项通过数据对齐、时区分段和修正系数计算等操作，利用仿真误差系数模型和仿真数据修正模型，对第三泥石流流量数据进行修正，以提高对堰塞坝起动流量峰值的准确性。
可选地，所述仿真误差系数模型，满足如下公式：，其中，/>表示/>时刻仿真误差系数，/>表示第/>时刻的第一泥石流流量值，/>表示第/>时刻的第二泥石流流量值，/>表示第一泥石流流量值和第二泥石流流量值的初始时刻，/>表示第一泥石流流量值和第二泥石流流量值的结束时刻。本可选项所提出的仿真误差系数模型，通过对数据的多层修正和时区分段，提高了流量预测的精确性，有助于确保堰塞坝的安全运行和有效管理，尤其在自然灾害风险评估和水资源规划方面具有广泛的应用潜力。
可选地，所述仿真数据修正模型，满足如下公式：，其中,/>表示修正后/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>对应修正时区内的仿真修正系数，/>表示第三泥石流流量值的初始时刻，/>表示第三泥石流流量值的结束时刻。本可选项所提出的仿真数据修正模型，根据不同的修正时区应用不同的修正系数，以适应不同的流量情况，有助于提高流量预测的准确性。
可选地，利用仿真数据修正模型修正对齐后的第三泥石流流量数据，并提取修正后的第三泥石流流量数据中的最大流量数据作为目标堰塞坝起动流量预测峰值，包括如下步骤：利用仿真数据修正模型，修正对应时区内的第三泥石流流量数据；汇总修正后的第三泥石流流量数据，提取修正后的第三泥石流流量数据中的最大流量数据；将所述最大流量数据，设定为目标堰塞坝起动流量预测峰值。
第二方面，为更好执行上述松散岩土体堰塞坝泥石流流量峰值预测方法，本发明还提供了一种松散岩土体堰塞坝泥石流流量峰值预测系统。所述松散岩土体堰塞坝泥石流流量峰值预测系统包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，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，执行本发明第一方面所述的松散岩土体堰塞坝泥石流流量峰值预测方法。本发明所提供的松散岩土体堰塞坝泥石流流量峰值预测系统通过执行前述方法，能够准确地预测堰塞坝的起动流量峰值，有助于提前采取必要的安全措施，保护生命和财产。系统的各个组件协同工作，为流量预测提供了可靠的工具，可在自然灾害风险管理中发挥关键作用。
附图说明
图1为本发明实施例提供的松散岩土体堰塞坝泥石流流量峰值预测方法流程图；
图2为本发明实施例提供的堰塞坝实验模型结构示意图；
图3为本发明实施例提供的堰塞坝实验模型模拟过程图；
图4为本发明实施例提供的第一堰塞坝仿真模型模拟过程图；
图5为本发明实施例提供的步骤S04具体实施流程图；
图6为本发明实施例提供的松散岩土体堰塞坝泥石流流量峰值预测系统结构示意图。
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。
在一个可选的实施例中，请参见图1，图1为本发明实施例提供的松散岩土体堰塞坝泥石流流量峰值预测方法流程图。如图1所示，所述松散岩土体堰塞坝泥石流流量峰值预测方法，包括如下步骤：
S01、获取目标堰塞坝的地理特征数据。
本发明所述的目标堰塞坝可以是某个特定地理位置处的堰塞坝，也可以是表征某区域内堰塞坝普遍特征（包括结构特征和土体特征）的理想堰塞坝。本发明所述的地理特征数据用于表征目标堰塞坝的结构特征和土体特征。
具体地，所述结构特征包括目标堰塞坝所处沟道长度、沟道底部宽度、沟道顶部宽度、沟道两侧坡度和沟道升降坡度。所述结构特征可以通过激光雷达、卫星遥感等方式获取，或者通过地理信息系统（GIS）数据或现有地形图获取，具体的获取方式可结合实际需求和现有数据采集技术进行选择。
具体地，所述土体特征包括目标堰塞坝的土体孔隙率。所述土体特征可以经过土体勘探对目标土体进行采样，并通过实验室测试和分析获得对应的数据。同理，具体的获取方式可结合实际需求和现有数据采集技术进行选择。
S02、基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，并根据所述地理特征数据调整所述第一堰塞坝仿真模型的参数，获得第二堰塞坝仿真模型。
本发明所构建的堰塞坝实验模型是基于目标堰塞坝的地理特征数据，缩小比例所构建的目标堰塞坝的实验模型；本发明所构建的第一堰塞坝仿真模型是基于堰塞坝实验模型，缩小或等比构建的仿真模型；所构建的第二堰塞坝仿真模型是基于目标堰塞坝的地理特征数据，在第一堰塞坝仿真模型放大比例所构建的仿真模型。
在一个可选的实施例中，所述基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，包括如下步骤：
S021、设置一级比尺，并根据所述地理特征数据和所述一级比尺，确定所述堰塞坝实验模型结构中各项结构参数。
本实施例所述的一级长度比尺是指目标堰塞坝各项参数与堰塞坝实验模型各项参数之间的比例。具体地，所述一级长度包括：一级长度比尺、一级面积比尺、一级体积比尺、一级时间比尺、一级流速比尺以及一级流量比尺。
可以理解，基于几何相似原理和运动相似原理，上述面积比尺、体积比尺、时间比尺、流速比尺以及流量比尺，均可基于长度比尺获取。具体地，当长度比尺为时，对应的面积比尺为/>，体积比尺为/>，时间比尺为/>，流速比尺为/>，流量比尺为/>。
在本实施例中，某地区的沟道极易被固体松散物质堵塞而形成堰塞坝，为预防该地区的堰塞坝灾害，对该地区的沟道进行了地质勘探，并采集了对应的地理特征数据：沟道长度、沟道底部宽度以及沟道顶部宽度在50-500m范围内，沟道两侧坡度范围在20-60°，沟道升降坡度范围在2.5-25°，土体孔隙率在0.41至0.68之间。
为模拟该地区生成的堰塞坝普遍特征，基于上述地理特征数据，确定用于表征该地区堰塞坝普遍特征的目标堰塞坝的沟道长度为360m，沟道底部宽度为10m，沟道顶部宽度为20m，沟道两侧坡度均为40°，沟道升降坡度为12.5°，土体孔隙率为0.51。在本实施例中，一级长度比尺为1:100，即堰塞坝实验模型中的1cm表示目标堰塞坝的1m，沟道长度为360cm，沟道底部宽度为10cm，沟道顶部宽度为20cm，沟道两侧坡度均为40°，沟道升降坡度为12.5°，土体孔隙率为0.51。
S022、根据所述堰塞坝实验模型结构中各项结构参数，搭建堰塞坝实验模型。
请参见图2，图2为本发明实施例提供的堰塞坝实验模型结构示意图。如图2所示，所述堰塞坝实验模型包括实验槽1、调节架2、支撑架3、堰塞坝体4、水箱5、水管6以及水泵。
其中，所述实验槽1的一端封闭，所述实验槽1的另一端导通，所述实验槽1的两侧通过合页与实验槽1的底部连接，所述两侧可通过调节合页的开合角度调节对应的坡度；所述实验槽1的封闭端的底部与所述调节架2的一端固定连接，所述实验槽1的导通端与支撑架3接触；所述调节架2的另一端与水平地面接触，所述实验槽1的坡度可通过调整所述调节架2的高度实现。
进一步地，所述堰塞坝体4通过比重为2.60的黄土搭建，该堰塞坝体4的孔隙率与目标堰塞坝的孔隙率相同，所述堰塞坝体4设置于所述实验槽1的内部，所述堰塞坝体4与所述实验槽1的封闭端形成储水区；所述水管6的一端设置于所述储水区内，所述水管6的另一端通过所述水泵与所述水箱5导通，所述水泵用于抽取所述水箱5的水，并经过所述水管6注入所述储水区以形成堰塞湖。
S023、设置二级比尺，并根据各项结构参数和所述二级比尺，确定所述仿真模型结构中的各项结构参数。
本实施例所述的二级长度比尺是指堰塞坝实验模型各项参数与第一堰塞坝仿真各项参数之间的比例。同理，所述二级长度包括：二级长度比尺、二级面积比尺、二级体积比尺、二级时间比尺、二级流速比尺以及二级流量比尺。
在本实施例中，所述：二级长度比尺为1：1,因此，所述二级面积比尺、二级体积比尺、二级时间比尺、二级流速比尺以及二级流量比尺均为1:1。
S024、根据所述仿真模型结构和各项结构参数，构建第一堰塞坝仿真模型。
应当理解，目标堰塞坝的仿真模型（包括第一堰塞坝仿真模型和第二堰塞坝的仿真模型）可通过现有流体仿真软件实施仿真建模。在本实施例中，所述第一堰塞坝仿真模型的构建，包括如下步骤：通过用AutoCAD、Rhino等专业的建模软件，建立与堰塞坝实验模型1:1三维模型并转化为stl格式文件导出；将导出的stl格式导入FLOW 3D软件，并设定与堰塞坝实验模型符合的模型参数、边界条件以及初始条件，以构建对应的第一堰塞坝仿真模型。
FLOW-3D是一种计算流体动力学软件，用于模拟流体流动和固体互动的计算机模拟。具体地，在FLOW 3D中搭建目标堰塞坝的等比仿真模型，包括如下步骤：首先，根据导入的目标堰塞坝几何模型创建网格；再根据目标堰塞坝的流体特性选取流体模型；设置目标堰塞坝的模型参数、边界条件以及初始条件。
在FLOW 3D，所述网格包括Multi-Block网格和Conforming网格，其中，Multi-Block网格用于处理流场中的非常大的区域，其允许用户以分段的方式对整个域进行网格划分。Conforming网格用于模拟较为复杂的流体流动问题，其支持自适应网格划分。同时，FLOW 3D中支持多种物理模型，如湍流模型，高浓度颗粒介质模型，浅水模型和泥沙冲刷模块等。具体流体流场的计算模型根据实际需求进行选择。进一步地，所述模型参数包括材料物理性质、时间步长、模拟时间、输出频率等参数。所述边界条件包括称边界条件、体积流量边界条件、溢出边界条件等条件，所述初始条件包括流体的速度、温度、浓度等。这些参数即条件需要根据实模拟需求进行设定。
为获得用于模拟目标堰塞坝启动的第二堰塞坝仿真模型，因此，步骤S02中所述的根据所述地理特征数据调整所述第一堰塞坝仿真模型的参数具体是指基于一级比尺和二级比尺，反向放大第一堰塞坝仿真模型的各项参数，以趋近目标堰塞坝实际的地理特征数据。进一步地，根据调整后的各项参数，在上述FLOW 3D可根据调整后的参数，通过步骤S024至步骤S025,构建对应的第二堰塞坝仿真模型。
S03、分别利用所述堰塞坝实验模型、第一堰塞坝仿真模型以及第二堰塞坝仿真模型模拟持续汇水情况下的溃坝过程，并分别获得应溃坝过程中的第一泥石流流量数据、第二泥石流流量数据和第三泥石流流量数据。
在本实施例中，所述第一泥石流流量数据用以表征堰塞坝实验模型在堰塞坝漫顶后，单位时间的坝体冲砂流量数据，具体可通过在沟道（实验槽1）下游采集的泥石流量数据表征。所述第二泥石流流量数据和第三泥石流流量数据分别表征第一堰塞坝仿真模型和第二堰塞坝仿真模型在堰塞坝漫顶后，单位时间的坝体冲砂流量数据。
请参见图3和图4，图3为本发明实施例提供的堰塞坝实验模型模拟过程图，图4为本发明实施例提供的第一堰塞坝仿真模型模拟过程图。其中，图3中（1）图为堰塞坝实验模型模拟过程中放水冲刷的初始时刻图（0秒），图3中（2）图为堰塞坝实验模型模拟过程中水流漫顶时刻图（165秒），图3中（3）图为堰塞坝实验模型模拟过程中水流面蚀塞坝图（254秒），图3中（4）图为堰塞坝实验模型模拟过程中第一涌水图（484秒），图3中（5）图为堰塞坝实验模型模拟过程中第二涌水图（564秒），图3中（6）图为堰塞坝实验模型模拟过程中第三涌水图（882秒）。图4中的（1）图至（6）图均为第一堰塞坝仿真模型模拟过程图，其（1）图至（6）图与图3中（1）图至(6)图中的时刻一一对应。
S04、通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，并利用仿真数据修正模型修正所述第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值。
步骤S04是根据实际观测数据（第一泥石流流量数据）和仿真数据（第二泥石流流量数据）之间的差异，创建的仿真数据修正模型，并使用这个仿真数据修正模型来调整仿真数据（第三泥石流流量数据），进而通过调整后的第三泥石流流量数据以更准确地估计目标堰塞坝的起动流量峰值。
在一个可选的实施例中，请参见图5，图5为本发明实施例提供的步骤S04具体实施流程图。如图5所示，所述通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，并利用仿真数据修正模型修正所述第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值，包括如下步骤：
S041、以各项数据的初始漫顶时刻为初始时刻，对齐所述第一泥石流流量数据、所述第二泥石流流量数据和所述第三泥石流流量数据。
容易理解的是，步骤S041是将第一泥石流流量数据、第二泥石流流量数据和第三泥石流流量数据对齐，以确保它们在初始时间上是一致的。这是为了在后续步骤中进行有效的比较和分析。
S042、设置采样尺，并根据所述采样尺，对应采集对齐后的第一泥石流流量数据和第二泥石流流量数据中的泥石流数据，获得误差对照数据。
基于上述实施例所搭建的堰塞坝实验模型和第一堰塞坝仿真模型，在本实施例中，针对对应的第一泥石流流量数据和第二泥石流流量数据，设置对应的采样尺，以从第一泥石流流量数据和第二泥石流流量数据中提取泥石流数据，并将其用作误差对照数据。这些数据表示了在相同时间点或时间间隔内的两个数据源之间的差异或误差。
在本实施例中，设置的采样尺为：，/>，/>，…，/>，其中，任两个相邻的时间间隔相同，时间间隔长度可根据实际数据量设定。例如，当实际数据量大时，可设置相对较长的时间间隔，当实际数据量小时，可设置相对较短的时间间隔。这样的设定机制，有利于后续数据分析。
进一步地，在本实施例中，基于上述采样尺：，/>，/>，…，/>，从第一泥石流流量数据和第二泥石流流量数据提取的误差对照数据，满足如下表征模型：，其中，/>表示误差对照数据矩阵，/>表示/>时刻的误差对照数据向量，/>中的/>表示/>时刻的第一泥石流流量值，/>中的/>表示/>时刻的第二泥石流流量值，/>表示初始时刻，/>表示/>时刻的误差对照数据向量，/>中的表示/>时刻的第一泥石流流量值，/>中的/>表示/>时刻的第二泥石流流量值，/>表示结束时刻。
S043、通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型。
在本实施例中，步骤S043所述的通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型，包括如下步骤：
S0431、根据误差对照数据矩阵，分别提取第一泥石流流量数据向量和第二泥石流流量数据向量。
具体地，第一泥石流流量数据向量为/>，第二泥石流流量数据向量/>为/>，其中，/>表示第一泥石流流量数据向量中/>时刻的第一泥石流流量值，表示第一泥石流流量数据向量中/>时刻的第一泥石流流量值，/>表示第二泥石流流量数据向量中/>时刻的第二泥石流流量值，/>表示第二泥石流流量数据向量中/>时刻的第二泥石流流量值。
S0432、利用第一泥石流流量数据向量和第二泥石流流量数据向量，构建初始仿真误差系数模型。
具体地，在本实施例中，利用利用第一泥石流流量数据向量和第二泥石流流量数据向量所构建的仿真误差系数模型，满足如下公式：，其中，/>表示/>时刻仿真误差系数，/>表示第/>时刻的第一泥石流流量值，/>表示第/>时刻的第二泥石流流量值，/>表示第一泥石流流量值和第二泥石流流量值的初始时刻。进一步地，本发明所述的初始时刻均为漫顶时刻，因此，/>也表示下述第三泥石流流量值的初始时刻。
S0433、提取第二泥石流流量数据向量中的最大第二泥石流流量值，并将所述最大第二泥石流流量值所对应的采样时刻作为第一分段时刻。
在本实施例中，第二泥石流流量数据向量中的最大第二泥石流流量值对应的采样时刻，处于初始时刻/>和结束时刻之间/>，进一步地，处于采样时刻/>和采样时刻/>之间，即/>。
S0434、获取第三泥石流流量数据向量，提取第三泥石流流量数据向量中的最大第三泥石流流量值，并将所述最大第三泥石流流量值所对应的采样时刻作为第二分段时刻。
在本实施例中，所述第三泥石流流量数据向量为/>，/>表示第三泥石流流量数据的模拟结束时刻。同样的，最大第三泥石流流量值所对应的采样时刻/>，处于初始时刻/>和结束时刻之间/>，进一步地，处于采样时刻/>和采样时刻/>之间，即。
S0435、以仿真误差模型的初始时刻、第一分段时刻以及结束时刻的误差，分别对齐第三泥石流流量数据向量中初始时刻、第二分段时刻以及结束时刻的第三泥石流流量数据。
S0436、根据对齐结果，将第三泥石流流量数据从初始时刻至第二分段时刻的时段分成多个正向修正时区，并获得任一个正向修正时区的仿真修正系数。
在本实施例中，从初始时刻至第二分段时刻/>之间的时段，均分为了/>个正向修正时区，其中，第/>个正向修正时区的仿真修正系数即为/>时刻仿真误差系数/>，此时，。
S0437、根据对齐结果，将第三泥石流流量数据从第二分段时刻至结束时刻的时段分成多个负向修正时区，并获得任一个负向修正时区的仿真修正系数。
在本实施例中，从从第二分段时刻至结束时刻/>之间的时段，均分为了/>个负向修正时区。其中，第/>个负向修正时区的仿真修正系数即为/>时刻仿真误差系数/>，此时，/>。
例如，初始仿真误差系数模型包括：，/>，…，/>，/>，/>，其中，/>为初始时刻/>的仿真误差系数，/>为结束时刻/>的仿真误差系数，/>为第一分段时刻。第三泥石流流量数据向量/>，其中，第三泥石流流量数据中的/>为第二分段时刻。
进一步地，基于对齐结果，第三泥石流流量数据的时序获得5个正向修正时分：（包括/>），/>（包括/>），/>（包括/>），/>（包括/>），/>（包括/>）。进一步地，/>（包括/>）对应的第三泥石流流量数据向量/>至/>的仿真修正系数为；/>（包括/>）对应的第三泥石流流量数据向量/>至/>的仿真修正系数为/>；（包括/>）对应的第三泥石流流量数据向量/>至/>的仿真修正系数为/>；/>（包括/>）对应的第三泥石流流量数据向量/>至/>的仿真修正系数为/>；/>（包括）对应的第三泥石流流量数据向量/>至/>的仿真修正系数为/>。同理，本实施例中负向修正时区以及对应的仿真修正系数即可对应获取。
S0438、结合分区结果和所述仿真误差系数模型，构建第三泥石流流量数据的仿真数据修正模型。
结合上述分区结果和仿真误差系数模型，在本实施例中，所述仿真数据修正模型，满足如下公式：，其中,/>表示修正后/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>对应修正时区内的仿真修正系数。
S044、利用仿真数据修正模型修正对齐后的第三泥石流流量数据，并提取修正后的第三泥石流流量数据中的最大流量数据作为目标堰塞坝起动流量预测峰值。
在本实施例中，所述利用仿真数据修正模型修正对齐后的第三泥石流流量数据，并提取修正后的第三泥石流流量数据中的最大流量数据作为目标堰塞坝起动流量预测峰值，包括如下步骤：
S0441、利用仿真数据修正模型，修正对应时区内的第三泥石流流量数据。
利用在步骤S0438中构建的仿真数据修正模型，对对应时区内的第三泥石流流量数据进行修正。这个时区通常是从初始时刻到第二分段时刻之间，以及第二分段时刻和结束时刻之间的一个部分，具体取决于实际数据和仿真误差模型的分段结果。修正的目的是根据之前计算得到的仿真修正系数，减小或增大第三泥石流流量数据，以更好地匹配实际情况。修正后的数据将用于后续的分析和预测。
S0442、汇总修正后的第三泥石流流量数据，提取修正后的第三泥石流流量数据中的最大流量数据。
步骤S0442将修正后的第三泥石流流量数据从步骤S0441中得到的结果进行汇总。然后，从这些修正后的数据中提取出最大的流量值，通常是表示流量峰值的数据。
S0443、将所述最大流量数据，设定为目标堰塞坝起动流量预测峰值。
步骤S0443将步骤S0442中提取的最大流量数据设定为目标堰塞坝起动流量的预测峰值。这个峰值表示了在考虑了实际数据的修正后，目标堰塞坝启动时流量的最高值。这个预测峰值可以用于决策制定和安全措施的规划，以确保堰塞坝的安全运行。
在一个可选的实施例中，为更好执行上述松散岩土体堰塞坝泥石流流量峰值预测方法，还提供了一种松散岩土体堰塞坝泥石流流量峰值预测系统。请参见图6，图6为本发明实施例提供的松散岩土体堰塞坝泥石流流量峰值预测系统结构示意图。
如图6所示，所述松散岩土体堰塞坝泥石流流量峰值预测系统包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，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，执行上述的松散岩土体堰塞坝泥石流流量峰值预测方法。
其中，所述处理器是计算机系统的核心，负责执行计算机程序和程序指令。在这个系统中，处理器被配置为调用存储在存储器中的计算机程序，执行松散岩土体堰塞坝泥石流流量峰值预测方法的全部或者部分步骤。这可以是通用的中央处理器（CPU），也可以是专门设计的处理器，用于执行流量预测算法。
所述输入设备用于接收来自用户或外部系统的数据和参数。这些输入数据可能包括堰塞坝的地理信息、降雨数据、土壤类型等。输入设备将这些数据传递给处理器以供后续的流量预测使用。具体地，所述输入设备可以包括键盘、鼠标、传感器、数据接口等。例如，通过气象传感器测量的降雨数据可以通过输入设备输入到系统中。
所述输出设备用于显示或记录流量预测的结果。这可以包括显示器、打印机、报告生成工具等。输出设备用于将预测的堰塞坝起动流量峰值或其他相关信息呈现给用户或决策者。具体地，所述输出设备可以生成可视化图表、报告或直接在显示器上显示预测结果，以便用户能够理解和采取相应的行动。
所述存储器用于保存计算机程序和数据，包括程序指令和执行算法所需的模型参数。在这个系统中，存储器存储了计算机程序，包括执行松散岩土体堰塞坝泥石流流量峰值预测方法所需的指令和算法。所述存储器可以包括硬盘驱动器、固态驱动器（SSD）、RAM等。程序指令和预测所需的模型参数可以存储在持久性存储设备中，以便长期使用。
在本实施例中，用户或外部系统通过输入设备提供必要的数据和参数，处理器调用存储在存储器中的计算机程序，执行松散岩土体堰塞坝泥石流流量峰值预测方法，然后将结果传递给输出设备以供用户查看或记录。通过结合这些组件，本发明所提供的松散岩土体堰塞坝泥石流流量峰值预测系统能够更好地执行流量预测，有助于决策制定和风险管理。
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 (6)
1.一种松散岩土体堰塞坝泥石流流量峰值预测方法，其特征在于，所述松散岩土体堰塞坝泥石流流量峰值预测方法，包括如下步骤：
获取目标堰塞坝的地理特征数据；
基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，并根据所述地理特征数据调整所述第一堰塞坝仿真模型的参数，获得第二堰塞坝仿真模型；
分别利用所述堰塞坝实验模型、第一堰塞坝仿真模型以及第二堰塞坝仿真模型模拟持续汇水情况下的溃坝过程，并分别获得应溃坝过程中的第一泥石流流量数据、第二泥石流流量数据和第三泥石流流量数据；
通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，并利用仿真数据修正模型修正所述第三泥石流流量数据，并通过修正后的第三泥石流流量数据预测堰塞坝起动流量峰值；
所述通过所述第一泥石流流量数据和所述第二泥石流流量数据，获得仿真数据修正模型，包括如下步骤：
以各项数据的初始漫顶时刻为初始时刻，对齐所述第一泥石流流量数据、所述第二泥石流流量数据和所述第三泥石流流量数据；
设置采样尺，并根据所述采样尺，对应采集对齐后的第一泥石流流量数据和第二泥石流流量数据中的泥石流数据，获得误差对照数据；
通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型；
所述通过所述误差对照数据，构建第三泥石流流量数据的仿真数据修正模型，包括如下步骤：
根据误差对照数据矩阵，分别提取第一泥石流流量数据向量和第二泥石流流量数据向量；
利用第一泥石流流量数据向量和第二泥石流流量数据向量，构建初始仿真误差系数模型,所述仿真误差系数模型满足如下公式：，其中，/>表示/>时刻仿真误差系数，/>表示第/>时刻的第一泥石流流量值，/>表示第/>时刻的第二泥石流流量值，/>表示第一泥石流流量值和第二泥石流流量值的初始时刻，/>表示第一泥石流流量值和第二泥石流流量值的结束时刻；
提取第二泥石流流量数据向量中的最大第二泥石流流量值，并将所述最大第二泥石流流量值所对应的采样时刻作为第一分段时刻；
获取第三泥石流流量数据向量，提取第三泥石流流量数据向量中的最大第三泥石流流量值，并将所述最大第三泥石流流量值所对应的采样时刻作为第二分段时刻；
以仿真误差系数模型的初始时刻、第一分段时刻以及结束时刻的误差，分别对齐第三泥石流流量数据向量中初始时刻、第二分段时刻以及结束时刻的第三泥石流流量数据；
根据对齐结果，将第三泥石流流量数据从初始时刻至第二分段时刻的时段分成多个正向修正时区，并获得任一个正向修正时区的仿真修正系数；
根据对齐结果，将第三泥石流流量数据从第二分段时刻至结束时刻的时段分成多个负向修正时区，并获得任一个负向修正时区的仿真修正系数；
结合分区结果和所述仿真误差系数模型，构建第三泥石流流量数据的仿真数据修正模型，所述仿真数据修正模型满足如下公式：，其中,表示修正后/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>时刻的仿真数据，/>表示第三泥石流流量数据向量中/>对应修正时区内的仿真修正系数，/>表示第三泥石流流量值的初始时刻，/>表示第三泥石流流量值的结束时刻。
2.根据权利要求1所述的松散岩土体堰塞坝泥石流流量峰值预测方法，其特征在于，所述第一堰塞坝仿真模型和所述获得第二堰塞坝仿真模型利用FLOW 3D软件构建。
3.根据权利要求2所述的松散岩土体堰塞坝泥石流流量峰值预测方法，其特征在于，所述基于所述地理特征数据，分别构建堰塞坝实验模型和第一堰塞坝仿真模型，包括如下步骤：
设置一级比尺，并根据所述地理特征数据和所述一级比尺，确定所述堰塞坝实验模型结构中各项结构参数；
根据所述堰塞坝实验模型结构中各项结构参数，搭建堰塞坝实验模型；
设置二级比尺，并根据各项结构参数和所述二级比尺，确定所述仿真模型结构中的各项结构参数；
根据所述仿真模型结构和各项结构参数，构建第一堰塞坝仿真模型。
4.根据权利要求3所述的松散岩土体堰塞坝泥石流流量峰值预测方法，其特征在于：
所述一级比尺包括一级长度比尺、一级面积比尺、一级体积比尺、一级时间比尺、一级流速比尺以及一级流量比尺；
所述二级比尺包括二级长度比尺、二级面积比尺、二级体积比尺、二级时间比尺、二级流速比尺以及二级流量比尺。
5.根据权利要求2所述的松散岩土体堰塞坝泥石流流量峰值预测方法，其特征在于，利用仿真数据修正模型修正对齐后的第三泥石流流量数据，并提取修正后的第三泥石流流量数据中的最大流量数据作为目标堰塞坝起动流量预测峰值，包括如下步骤：
利用仿真数据修正模型，修正对应时区内的第三泥石流流量数据；
汇总修正后的第三泥石流流量数据，提取修正后的第三泥石流流量数据中的最大流量数据；
将所述最大流量数据，设定为目标堰塞坝起动流量预测峰值。
6.一种松散岩土体堰塞坝泥石流流量峰值预测系统，其特征在于，所述松散岩土体堰塞坝泥石流流量峰值预测系统包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，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，执行权利要求1-5中任一项所述的松散岩土体堰塞坝泥石流流量峰值预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410001419.2A CN117744535B (zh) | 2024-01-02 | 2024-01-02 | 一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410001419.2A CN117744535B (zh) | 2024-01-02 | 2024-01-02 | 一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117744535A CN117744535A (zh) | 2024-03-22 |
| CN117744535B true CN117744535B (zh) | 2024-05-14 |
Family
ID=90283328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410001419.2A Active CN117744535B (zh) | 2024-01-02 | 2024-01-02 | 一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117744535B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012017628A (ja) * | 2010-07-09 | 2012-01-26 | Asia Air Survey Co Ltd | 洪水流量推定システムおよび方法 |
| CN110532684A (zh) * | 2019-08-28 | 2019-12-03 | 四川建筑职业技术学院 | 一种泥石流堰塞坝溃决后的冲出量预测方法 |
| CN113420453A (zh) * | 2021-06-30 | 2021-09-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流堰塞坝溃决洪峰流量计算方法 |
| CN113705127A (zh) * | 2021-08-30 | 2021-11-26 | 北京国信安科技术有限公司 | 尾矿库溃坝风险预估及应急响应方法、装置及电子设备 |
| CN116611361A (zh) * | 2023-05-16 | 2023-08-18 | 中国长江三峡集团有限公司 | 一种水库峰值流量抵达坝前历时计算方法及装置 |
| CN116976221A (zh) * | 2023-08-10 | 2023-10-31 | 西安理工大学 | 基于冲蚀特性的堰塞体溃决峰值流量预测方法及存储介质 |
| CN116976679A (zh) * | 2023-09-20 | 2023-10-31 | 航天宏图信息技术股份有限公司 | 堰塞湖溃坝预警方法、装置、电子设备及可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200050718A1 (en) * | 2016-10-31 | 2020-02-13 | Nec Corporation | Simulation apparatus, simulation method, and storage medium |
| CN111608139B (zh) * | 2020-06-20 | 2021-10-29 | 中国科学院、水利部成都山地灾害与环境研究所 | 超大规模洪水泥石流防治方法 |
| CN111809556B (zh) * | 2020-07-22 | 2021-07-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 冰湖溃决型洪水泥石流防治方法 |
-
2024
- 2024-01-02 CN CN202410001419.2A patent/CN117744535B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012017628A (ja) * | 2010-07-09 | 2012-01-26 | Asia Air Survey Co Ltd | 洪水流量推定システムおよび方法 |
| CN110532684A (zh) * | 2019-08-28 | 2019-12-03 | 四川建筑职业技术学院 | 一种泥石流堰塞坝溃决后的冲出量预测方法 |
| CN113420453A (zh) * | 2021-06-30 | 2021-09-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流堰塞坝溃决洪峰流量计算方法 |
| CN113705127A (zh) * | 2021-08-30 | 2021-11-26 | 北京国信安科技术有限公司 | 尾矿库溃坝风险预估及应急响应方法、装置及电子设备 |
| CN116611361A (zh) * | 2023-05-16 | 2023-08-18 | 中国长江三峡集团有限公司 | 一种水库峰值流量抵达坝前历时计算方法及装置 |
| CN116976221A (zh) * | 2023-08-10 | 2023-10-31 | 西安理工大学 | 基于冲蚀特性的堰塞体溃决峰值流量预测方法及存储介质 |
| CN116976679A (zh) * | 2023-09-20 | 2023-10-31 | 航天宏图信息技术股份有限公司 | 堰塞湖溃坝预警方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| Mechanism of Cross-Feed Action between Check Dam Structure and Upper Shallow Landslide;Zhong Wei等;2013 Fifth International Conference on Measuring Technology and Mechatronics Automation;20130404;全文 * |
| 基于SVR的无实测资料小流域山洪灾害临界雨量预估模型及应用――以河南新县为例;王燕云;原文林;龙爱华;向立云;邓晓雅;付磊;宋汉振;;水文;20200425(02);全文 * |
| 堰塞坝稳定性评价方法及灾害链效应研究进展;年廷凯;吴昊;陈光齐;郑德凤;张彦君;李东阳;;岩石力学与工程学报;20180517(08);全文 * |
| 泥石流堰塞坝研究进展;曹春然;陈华勇;Robin Neupane;;人民长江;20201028(10);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117744535A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kakinuma et al. | Large-scale experiment and numerical modeling of a riverine levee breach | |
| Westoby et al. | Modelling outburst floods from moraine-dammed glacial lakes | |
| Lin et al. | Evolution of the large landslide induced by Typhoon Morakot: A case study in the Butangbunasi River, southern Taiwan using the discrete element method | |
| Worni et al. | Coupling glacial lake impact, dam breach, and flood processes: A modeling perspective | |
| Chen et al. | Back analysis of the draining process of the Tangjiashan barrier lake | |
| Xia et al. | Numerical assessment of flood hazard risk to people and vehicles in flash floods | |
| Franci et al. | 3D simulation of Vajont disaster. Part 1: Numerical formulation and validation | |
| Kleinhans et al. | Meandering channel dynamics in highly cohesive sediment on an intertidal mud flat in the Westerschelde estuary, the Netherlands | |
| Chen et al. | Numerical modeling of earthen dam breach due to piping failure | |
| Xia et al. | Modelling flash flood risk in urban areas | |
| Cleary et al. | A scenario-based risk framework for determining consequences of different failure modes of earth dams | |
| Zhang | Numerical simulation of debris flow runout using Ramms: a case study of Luzhuang Gully in China | |
| Zhou et al. | Numerical study on the evolution process of a geohazards chain resulting from the Yigong landslide | |
| Wang et al. | Simulation of dam breach development for emergency treatment of the Tangjiashan Quake Lake in China | |
| Kozyrakis et al. | Numerical modeling of sediment transport applied to coastal morphodynamics | |
| Kim | H2D morphodynamic model considering wave, current and sediment interaction | |
| Onyelowe et al. | Solving large deformation problems in geotechnical and geo-environmental engineering with the smoothed particle hydrodynamics: a state-of-the-art review of constitutive solutions | |
| Yi et al. | Deformation characteristics, mechanisms, and potential impulse wave assessment of the Wulipo landslide in the Baihetan reservoir region, China | |
| Lu et al. | Overtopping volume of impulse waves in glacier lakes: Experimental and numerical investigation using rigid dams | |
| CN117744535B (zh) | 一种松散岩土体堰塞坝泥石流流量峰值预测方法及系统 | |
| Shahraki et al. | Modeling of earth dam break with SMPDBK case study: Bidekan earth dam | |
| Jeong | A study on simulation of flood inundation in a coastal urban area using a two-dimensional well-balanced finite volume model | |
| Kamalzare et al. | Validation of erosion modeling: Physical and numerical | |
| Lim et al. | Derivation of governing equation for short-term shoreline response due to episodic storm wave incidence: comparative verification in terms of longshore sediment transport | |
| Huang et al. | Numerical simulation of landslide-generated tsunamis in lakes: A case study of the Xiluodu Reservoir |
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 |