CN118097920B - 一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 - Google Patents
一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 Download PDFInfo
- Publication number
- CN118097920B CN118097920B CN202410480535.7A CN202410480535A CN118097920B CN 118097920 B CN118097920 B CN 118097920B CN 202410480535 A CN202410480535 A CN 202410480535A CN 118097920 B CN118097920 B CN 118097920B
- Authority
- CN
- China
- Prior art keywords
- resistivity
- soil
- data
- early warning
- monitoring
- 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 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 239000002689 soil Substances 0.000 claims abstract description 121
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000012502 risk assessment Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000007774 longterm Effects 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000012806 monitoring device Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012098 association analyses Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012731 temporal analysis Methods 0.000 claims description 6
- 238000000700 time series analysis Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000002344 surface layer Substances 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法,包括以下步骤:数据采集:使用垂直电阻率测深法,测量土壤电阻率;监测装置采用电极阵列;电极阵列按预定间距插入地下,测量不同深度的土壤电阻率;电阻率‑含水率关系:建立土壤电阻率与含水率之间的关系模型;风险评估:根据电阻率数据,利用模型估算土壤含水率;该方法能够通过测量不同深度的土壤电阻率,并结合电阻率‑含水率关系模型,准确估计滑坡风险。此外,该方法还包括对长期电阻率数据进行趋势分析,并在监测数据达到预设阈值时自动触发预警机制。不仅提高了滑坡预警的准确性和及时性,还降低了监测成本,有助于保护人类生活和基础设施的安全。
Description
技术领域
本发明属于土工工程领域,具体为一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法。
背景技术
在土工工程领域,滑坡崩塌是一种常见且潜在的危险,它对建筑物、道路、桥梁和其他基础设施的安全构成威胁。滑坡的发生通常与土壤的含水率、地下水位的变化以及地质条件紧密相关。因此,对滑坡易发区域进行有效的监测和预警是确保工程安全的关键。
目前,传统的地质灾害监测方法主要依赖于地表观察、钻孔分析和间歇性的土壤测试。这些方法虽然在一定程度上有效,但存在一些局限性,如监测点有限、时效性差、人力资源投入大、数据更新不及时等。
发明内容
本发明的目的在于:本发明旨在提供一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法,该方法能够通过测量不同深度的土壤电阻率,并结合电阻率-含水率关系模型,准确估计滑坡风险。此外,该方法还包括对长期电阻率数据进行趋势分析,并在监测数据达到预设阈值时自动触发预警机制。不仅提高了滑坡预警的准确性和及时性,还降低了监测成本,有助于保护人类生活和基础设施的安全。
本发明采用的技术方案如下:
一种浅表层滑坡崩塌灾害监测预警方法,包括以下步骤:
数据采集:使用垂直电阻率测深法,测量土壤电阻率;监测装置采用电极阵列;电极阵列按预定间距插入地下,测量不同深度的土壤电阻率;
电阻率-含水率关系:建立土壤电阻率与含水率之间的关系模型;
风险评估:根据电阻率数据,利用模型估算土壤含水率;当含水率达到特定阈值,表示土壤接近饱和或过饱和,意味着滑坡风险增大;
趋势分析:对长期电阻率数据进行趋势分析,以识别滑坡发生前的典型变化模式;
阈值设定与预警:通过电阻率相对稳定的变化值,设定电阻率和含水率的安全阈值;当监测数据显示电阻率低于此阈值时,系统自动触发预警机制,通过无线通信网络发送预警信息;
紧急响应:预警信息发送至相关部门和地方居民,以便采取必要的防范措施。
其中,建立电阻率-含水率关系公式:
其中,R 是土壤的电阻率;
R0是土壤饱和时的电阻率;
Sw是土壤的含水率;
m是孔隙度指数,是一个实验确定的常数。
确定R0和m的方法为:对不同类型的土壤进行实验,测量其在不同含水率下的电阻率;首先测量土壤完全饱和时的电阻率R0,然后逐渐减少含水率,测量相应的电阻率,以此来确定m值。
其中,对长期电阻率数据进行趋势分析的方法为:
数据收集:定期收集特定监测点的土壤电阻率数据;
数据预处理:对收集的数据进行清洗和标准化处理,以消除异常值和噪声;
时间序列分析:应用时间序列分析方法,以平滑数据并突出趋势;使用自回归模型分析数据的时间依赖性和周期性变化;
变化点检测:采用变化点检测算法来识别电阻率数据中的显著变化;识别出电阻率的突变点,这些点预示着滑坡风险的增加;
模式识别与关联分析:使用机器学习技术来识别电阻率变化的典型模式;分析这些模式与历史滑坡事件的关联性;
风险评估与预警:根据识别的模式和关联分析结果,建立风险评估模型;当当前数据与滑坡前的典型变化模式匹配时,发出预警信号。
其中,所述监测装置包括:
多个集成电极:用于插入土壤下,相互之间阵列排布,集成电极作为导电介质,与土壤充分耦合,或作为电流极将电流注入土壤,或作为电位极用于测量电位差;
电缆:用于将各集成电极连接到数据采集主机;
数据采集主机:负责管理电流的输入以及测量数据的收集和处理,包括电流源、开关、伏安表、数据记录设备;
软件:用于数据分析和可视化,帮助解释测量得到的电阻率数据,从而推断出土壤含水率、土壤类型、地层结构以及滑坡风险评估。
其中,所述监测装置的土壤电阻率探测方法为:
首先,通过集成电极向土壤注入电流,并测量因电流通过土壤而产生的电位差;
通过改变集成电极之间的距离,可以获取不同深度的土壤电阻率数据;
测量得到的电位差值和已知的注入电流值可以用来计算土壤的视电阻率;视电阻率的计算公式为:,其中V是测量的电位差,I是注入的电流,K是由电极配置和它们之间的距离决定的几何因子。
所有集成电极配置下的测量数据被收集并送入数据采集主机;然后,使用配套软件进行数据处理和分析,以绘制出土壤电阻率随深度变化的剖面图;
最终得到的电阻率剖面图用来推断土壤类型、含水率、地层结构以及滑坡风险评估。
其中,所述集成电极包括位于中心成尖刺状的电流极和绕电流极外设置的多个下端为尖部的弧面扇形片状的电位极;所述电流极外周面上向外延伸出数量与电位极数量相同的肋条;所述肋条平行于电流极的轴线;多跟连接条一端与肋条铰接,另一端与电位极铰接;在集成电极向下插入土壤时,所述电位极受土壤挤压向外展开,与电流极形成间距。
其中,所述肋条中部开设有第一凹槽,所述连接条一端通过第一销轴铰接在第一凹槽内两侧;所述第一凹槽上端部限位连接条向上转动的角度;所述电位极上端中部向下开设有第二凹槽;所述连接条另一端通过第二销轴铰接在第二凹槽内两侧;所述第二凹槽的宽度略大于肋条的宽度。
其中,所述连接条为绝缘体。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明的浅表层滑坡崩塌灾害监测预警方法的优点包括:
提高预警准确性:通过使用垂直电阻率测深法测量不同深度的土壤电阻率,并结合电阻率-含水率关系模型,本发明能够更准确地评估土壤的饱和程度,从而及时预测滑坡风险。这种方法比传统的地表观测或卫星遥感技术更能直接反映土壤的实际状况。
实时监测与连续数据分析:通过定期收集电阻率数据,并进行时间序列分析和变化点检测,本发明能够持续监控土壤状态的变化,并实时识别出潜在的滑坡风险。这样的连续监测机制能够及时捕捉到关键的风险指标变化。
机器学习增强的预警系统:应用机器学习技术进行模式识别和关联分析,可以帮助预测滑坡的发生,并在土壤状态与历史滑坡事件的相似模式匹配时发出预警。这种高级数据分析方法提高了预警的精确性和及时性。
针对性的阈值设定:通过设定基于具体地质和气候条件的电阻率和含水率阈值,本发明能够针对不同地区提供定制化的预警。这种方法比一般的统一标准更为精确,能够根据具体情况调整预警级别。
紧急响应与风险管理:一旦系统触发预警,预警信息将迅速发送至相关部门和地方居民,使得防灾减灾措施能够及时启动,大大降低滑坡灾害带来的潜在损失。
低成本高效率:相比于其他地质监测技术,本发明使用的探测装置和数据处理流程成本相对较低,且能够提供持续和高效的监测,适用于广泛的地区和不同规模的监测项目。
科学决策支持:本发明提供的数据和分析结果为地质灾害管理和规划提供了科学依据,帮助决策者制定更有效的应对策略和减灾措施。
总体而言,本发明通过整合先进的电阻率测量技术和数据分析方法,提供了一种有效的滑坡预警和风险评估工具,对保护人民生命财产安全具有重要意义。
2、本方案中设计的集成电极具有以下有益效果:
高效率测量:该设计允许快速部署,并且可以同时进行多点测量,从而提高了土壤电阻率测量的速度和效率。
精确的电阻率计算:集成电极提供了准确的电流注入和电位差测量,使得计算出的视电阻率更为准确。对于判断土壤含水率、类型和地层结构至关重要。
自动展开的电位极设计:集成电极的创新设计包括一个自动展开机制,使得电位极在插入土壤时自动向外展开,形成适当的间距。不仅提高了测量的准确性,还保证了测量过程的稳定性。
结构稳定性:集成电极的结构设计(包括肋条和连接条)确保了其在土壤中的稳定性和耐用性。肋条和连接条的设计保证了电极在插入和使用过程中保持正确的形状和位置。
可视化剖面图:集成电极收集的数据能够被用来绘制土壤电阻率随深度变化的剖面图,为滑坡风险评估提供直观的视图。
综上所述,这种集成电极的设计显著提高了土壤电阻率测量的效率、准确性和适应性,为滑坡风险评估提供了一种有效的技术手段。
3、该集成电极的设计巧妙地利用了土壤的自然特性来增强其功能和稳定性:
利用土壤挤压力实现自动展开:集成电极设计中包括的弧面扇形片状电位极,在插入土壤过程中,利用土壤的挤压力自动向外展开。该机制允许电位极在到达预定深度后自动分离,确保了电位测量的准确性和有效性。
提高稳定性与夹持力:电位极的自动展开不仅有助于电位监测,还能扩大电极与土壤的接触面积,从而增加对土壤的夹持力。这增加了电极在土壤中的稳定性,避免了在松软或湿润土壤中倾倒或脱出的风险。
减少安装错误和损坏:自动展开机制减少了人为操作错误或因不当安装导致的电极损坏。电极在插入土壤时能自动调整其形态,这使得安装过程更加简单和可靠。
提高数据收集质量:自动展开的电位极能更有效地与土壤接触,提高了电位差的测量质量。对于确保长期监测的准确性和可靠性至关重要。
适应不同土壤条件:该设计将电极的截面积进行分散,能够适应土壤的不同密度和湿度,集成电极适用于多种地质环境。这使得电极可以在不同类型的土壤中,如粘土、沙土或混合土壤中有效工作。
提高长期监测效率:由于电极更稳定且易于安装,可以减少维护和重新定位的需求,从而提高长期监测项目的效率。
综上所述,这种集成电极的创新设计显著提高了土壤电阻率测量装置的实用性、稳定性和可靠性,使其成为监测和预警浅表层滑坡崩塌灾害的理想选择。
4、在集成电极设计中,在中心的电流极外间距设置几片电位极对测量土壤电阻有以下作用和优势:
改善电位测量精度:通过在电流极外围设置电位极,可以更精确地测量由电流穿过土壤产生的电位差。这种布局有助于准确捕捉由土壤电阻率变化导致的电位差异,从而提高整体测量的准确性;特别是本发明的监测方法基于阵列的电极,该结构能够与这列布局向契合,使电位监测更全面和准确。
提高测量稳定性:电位极的分布式布局有助于平衡电极与土壤的接触,减少局部土壤条件对电位测量的影响,从而增加数据的稳定性和可靠性。
优化电流传播路径:在电流极周围设置电位极可以更好地定义电流在土壤中的传播路径。这有助于确保电流均匀地分布在土壤中,从而获得更一致和代表性的土壤电阻率测量结果。
增强空间分辨率:这种配置提高了电极对土壤电阻率变化的空间分辨率。能够更精确地识别土壤层中电阻率的变化,有助于更好地理解土壤的水分含量和结构。
简化安装和维护:集成电极的设计简化了安装过程,因为所有必要的电流极和电位极都已整合在一个单元中。这种一体化设计减少了安装时的复杂性,并降低了维护需求。
总体来说,集成电极中心电流极外围的电位极设计优化了电阻率测量的效果,使其更适用于各种复杂的地质环境,并提高了测量数据的准确性和稳定性。
附图说明
图1为本发明监测装置的整体示意图;
图2为本发明集成电极的水平剖视示意图;
图3为本发明集成电极在插入土壤中电位极展开时的剖视示意图;
图4为本发明集成电极在常态下电位极合拢时的剖视示意图;
图5为本发明集成电极在插入土壤中电位极展开时的外观示意图;
图6为本发明集成电极在常态下电位极合拢时的外观示意图。
图中标记:1、集成电极;11、电流极;12、电位极;121、第二凹槽;122、第二销轴;13、肋条;131、第一凹槽;132、第一销轴;14、连接条;2、电缆;3、数据采集主机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
一种浅表层滑坡崩塌灾害监测预警方法,包括以下步骤:
数据采集:使用垂直电阻率测深法,测量土壤电阻率;监测装置采用电极阵列;电极阵列按预定间距插入地下,测量不同深度的土壤电阻率;
电阻率-含水率关系:建立土壤电阻率与含水率之间的关系模型;
风险评估:根据电阻率数据,利用模型估算土壤含水率;当含水率达到特定阈值,表示土壤接近饱和或过饱和,意味着滑坡风险增大;
趋势分析:对长期电阻率数据进行趋势分析,以识别滑坡发生前的典型变化模式;
阈值设定与预警:通过电阻率相对稳定的变化值,设定电阻率和含水率的安全阈值;当监测数据显示电阻率低于此阈值时,系统自动触发预警机制,通过无线通信网络发送预警信息;
紧急响应:预警信息发送至相关部门和地方居民,以便采取必要的防范措施。
进一步的,建立电阻率-含水率关系公式:
其中,R 是土壤的电阻率;
R0是土壤饱和时的电阻率;
Sw是土壤的含水率;
m是孔隙度指数,是一个实验确定的常数。
确定R0和m的方法为:对不同类型的土壤进行实验,测量其在不同含水率下的电阻率;首先测量土壤完全饱和时的电阻率R0,然后逐渐减少含水率,测量相应的电阻率,以此来确定m值。
进一步的,对长期电阻率数据进行趋势分析的方法为:
数据收集:定期收集特定监测点的土壤电阻率数据;
数据预处理:对收集的数据进行清洗和标准化处理,以消除异常值和噪声;
时间序列分析:应用时间序列分析方法,以平滑数据并突出趋势;使用自回归模型分析数据的时间依赖性和周期性变化;
变化点检测:采用变化点检测算法来识别电阻率数据中的显著变化;识别出电阻率的突变点,这些点预示着滑坡风险的增加;
模式识别与关联分析:使用机器学习技术来识别电阻率变化的典型模式;分析这些模式与历史滑坡事件的关联性;
风险评估与预警:根据识别的模式和关联分析结果,建立风险评估模型;当当前数据与滑坡前的典型变化模式匹配时,发出预警信号。
其中,在本实施例中,数据预处理的具体实现,主要包括以下几个步骤:
异常值检测与处理:使用统计方法(如箱型图)检测异常值,这些值是由于设备故障或其他非正常因素产生。对于检测到的异常值,可以选择删除或用平均值、中位数等替换。
去噪音:应用滤波器(如高斯滤波器)或平滑技术(如移动平均法)来减少数据中的随机波动和噪声。
数据标准化:对数据进行标准化处理,如最大最小标准化(Min-Max Scaling)或Z分数标准化(Standard Scaling),以确保数据在统一的尺度上进行比较和分析。
其中,在本实施例中,具体实现时间序列分析的方法包括:
移动平均:计算数据的滑动窗口平均值,以平滑短期波动并突出长期趋势。选择适当的窗口大小(如10天、30天等)来计算每个点的平均值。
指数平滑:对数据应用指数加权的方法,给近期数据更高的权重。这种方法对于跟踪数据的最近变化特别有效。
自回归模型(ARIMA):
确定模型参数:分析数据的自相关性和偏自相关性图,以确定ARIMA模型的参数(p, d, q)。
模型拟合:使用选择的参数对数据集进行ARIMA模型的拟合。
验证模型:通过检查残差是否呈白噪声来评估模型的拟合度,确保模型能够有效捕捉数据的时间依赖性和周期性变化。
其中,在本实施例中,具体实现变化点检测的方法包括:
CUMSUM(累积和控制图):
计算数据的累积和。
设定控制限(通常基于数据的标准差)。
当累积和超出控制限时,标记为一个变化点。
贝叶斯变化点检测:
采用贝叶斯方法来估计数据中的潜在变化点。
该方法通过计算数据分割点的后验概率来识别变化点。
选择概率最高的分割点作为变化点。
其中,在本实施例中,实现模式识别与关联分析的具体步骤包括:
聚类分析:
使用聚类算法(如K-means或DBSCAN)对电阻率数据进行分组,以识别不同的电阻率变化模式。
分析每个聚类中电阻率的共同特征,以识别典型的电阻率变化模式。
主成分分析(PCA):
对电阻率数据集应用PCA,以减少数据的维度并突出最重要的变量。
分析主成分以了解哪些因素对电阻率变化影响最大。
关联分析:
将识别出的电阻率变化模式与历史滑坡事件数据进行比较。
使用统计方法(如相关性分析)来评估电阻率变化模式与滑坡事件之间的关联性。
其中,在本实施例中,实现风险评估与预警的具体步骤包括:
风险评估模型建立:
基于之前的模式识别和关联分析结果,开发一个风险评估模型。
模型中,将电阻率变化模式与滑坡发生的概率相联系。
实时数据监测与匹配:
持续监测实时电阻率数据。
将实时数据与风险评估模型中的模式进行匹配。
预警机制:
当实时数据匹配到模型中的高风险模式时,自动触发预警系统。
预警系统通过通信网络向相关部门和公众发送警报。
后续行动协调:
确保预警机制与当地的应急响应体系相连通。
提供必要的信息,以协助决策者采取适当的预防措施。
进一步的,参见图1,所述监测装置包括:
多个集成电极1:用于插入土壤下,相互之间阵列排布,集成电极1作为导电介质,与土壤充分耦合,或作为电流极将电流注入土壤,或作为电位极用于测量电位差;
电缆2:用于将各集成电极1连接到数据采集主机3;
数据采集主机3:负责管理电流的输入以及测量数据的收集和处理,包括电流源、开关、伏安表、数据记录设备;
软件:用于数据分析和可视化,帮助解释测量得到的电阻率数据,从而推断出土壤含水率、土壤类型、地层结构以及滑坡风险评估。
进一步的,所述监测装置的土壤电阻率探测方法为:
首先,通过集成电极向土壤注入电流,并测量因电流通过土壤而产生的电位差;
通过改变集成电极之间的距离,可以获取不同深度的土壤电阻率数据;
测量得到的电位差值和已知的注入电流值可以用来计算土壤的视电阻率;视电阻率的计算公式为:,其中V是测量的电位差,I是注入的电流,K是由电极配置和它们之间的距离决定的几何因子。
所有集成电极1配置下的测量数据被收集并送入数据采集主机3;然后,使用配套软件进行数据处理和分析,以绘制出土壤电阻率随深度变化的剖面图;
最终得到的电阻率剖面图用来推断土壤类型、含水率、地层结构以及滑坡风险评估。
以下为本发明的方法监测记录:
进一步的,参见图2至6,所述集成电极1包括位于中心成尖刺状的电流极11和绕电流极11外设置的多个下端为尖部的弧面扇形片状的电位极12;所述电流极11外周面上向外延伸出数量与电位极12数量相同的肋条13;所述肋条13平行于电流极11的轴线;多跟连接条14一端与肋条13铰接,另一端与电位极12铰接;在集成电极1向下插入土壤时,所述电位极12受土壤挤压向外展开,与电流极11形成间距。
进一步的,所述肋条13中部开设有第一凹槽131,所述连接条14一端通过第一销轴132铰接在第一凹槽131内两侧;所述第一凹槽131上端部限位连接条14向上转动的角度;所述电位极12上端中部向下开设有第二凹槽121;所述连接条14另一端通过第二销轴122铰接在第二凹槽121内两侧;所述第二凹槽121的宽度略大于肋条13的宽度。
进一步的,所述连接条14为绝缘体。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,包括以下步骤:
数据采集:使用垂直电阻率测深法,测量土壤电阻率;监测装置采用电极阵列;电极阵列按预定间距插入地下,测量不同深度的土壤电阻率;
电阻率-含水率关系:建立土壤电阻率与含水率之间的关系模型;
风险评估:根据电阻率数据,利用模型估算土壤含水率;当含水率达到特定阈值,表示土壤接近饱和或过饱和,意味着滑坡风险增大;
趋势分析:对长期电阻率数据进行趋势分析,以识别滑坡发生前的典型变化模式;
阈值设定与预警:通过电阻率相对稳定的变化值,设定电阻率和含水率的安全阈值;当监测数据显示电阻率低于此阈值时,系统自动触发预警机制,通过无线通信网络发送预警信息;
紧急响应:预警信息发送至相关部门和地方居民,以便采取必要的防范措施;
所述监测装置包括:
多个集成电极(1):用于插入土壤下,相互之间阵列排布,集成电极(1)作为导电介质,与土壤充分耦合,或作为电流极将电流注入土壤,或作为电位极用于测量电位差;
电缆(2):用于将各集成电极(1)连接到数据采集主机(3);
数据采集主机(3):负责管理电流的输入以及测量数据的收集和处理,包括电流源、开关、伏安表、数据记录设备;
软件:用于数据分析和可视化,帮助解释测量得到的电阻率数据,从而推断出土壤含水率、土壤类型、地层结构以及滑坡风险评估;
所述集成电极(1)包括位于中心成尖刺状的电流极(11)和绕电流极(11)外设置的多个下端为尖部的弧面扇形片状的电位极(12);所述电流极(11)外周面上向外延伸出数量与电位极(12)数量相同的肋条(13);所述肋条(13)平行于电流极(11)的轴线;多跟连接条(14)一端与肋条(13)铰接,另一端与电位极(12)铰接;在集成电极(1)向下插入土壤时,所述电位极(12)受土壤挤压向外展开,与电流极(11)形成间距。
2.如权利要求1所述的一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,建立电阻率-含水率关系公式:
其中,R 是土壤的电阻率;
R0是土壤饱和时的电阻率;
Sw是土壤的含水率;
m是孔隙度指数,是一个实验确定的常数;
确定R0和m的方法为:对不同类型的土壤进行实验,测量其在不同含水率下的电阻率;首先测量土壤完全饱和时的电阻率R0,然后逐渐减少含水率,测量相应的电阻率,以此来确定m值。
3.如权利要求1所述的一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,对长期电阻率数据进行趋势分析的方法为:
数据收集:定期收集特定监测点的土壤电阻率数据;
数据预处理:对收集的数据进行清洗和标准化处理,以消除异常值和噪声;
时间序列分析:应用时间序列分析方法,以平滑数据并突出趋势;使用自回归模型分析数据的时间依赖性和周期性变化;
变化点检测:采用变化点检测算法来识别电阻率数据中的显著变化;识别出电阻率的突变点,这些点预示着滑坡风险的增加;
模式识别与关联分析:使用机器学习技术来识别电阻率变化的典型模式;分析这些模式与历史滑坡事件的关联性;
风险评估与预警:根据识别的模式和关联分析结果,建立风险评估模型;当当前数据与滑坡前的典型变化模式匹配时,发出预警信号。
4.如权利要求1所述的一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,所述监测装置的土壤电阻率探测方法为:
首先,通过集成电极(1)向土壤注入电流,并测量因电流通过土壤而产生的电位差;
通过改变集成电极(1)之间的距离,可以获取不同深度的土壤电阻率数据;
测量得到的电位差值和已知的注入电流值可以用来计算土壤的视电阻率;视电阻率的计算公式为:,其中V是测量的电位差,I是注入的电流,K是由电极配置和它们之间的距离决定的几何因子;
所有集成电极(1)配置下的测量数据被收集并送入数据采集主机(3);然后,使用配套软件进行数据处理和分析,以绘制出土壤电阻率随深度变化的剖面图;
最终得到的电阻率剖面图用来推断土壤类型、含水率、地层结构以及滑坡风险评估。
5.如权利要求1所述的一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,所述肋条(13)中部开设有第一凹槽(131),所述连接条(14)一端通过第一销轴(132)铰接在第一凹槽(131)内两侧;所述第一凹槽(131)上端部限位连接条(14)向上转动的角度;所述电位极(12)上端中部向下开设有第二凹槽(121);所述连接条(14)另一端通过第二销轴(122)铰接在第二凹槽(121)内两侧;所述第二凹槽(121)的宽度略大于肋条(13)的宽度。
6.如权利要求5所述的一种浅表层滑坡崩塌灾害监测预警方法,其特征在于,所述连接条(14)为绝缘体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410480535.7A CN118097920B (zh) | 2024-04-22 | 2024-04-22 | 一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410480535.7A CN118097920B (zh) | 2024-04-22 | 2024-04-22 | 一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118097920A CN118097920A (zh) | 2024-05-28 |
CN118097920B true CN118097920B (zh) | 2024-06-28 |
Family
ID=91150001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410480535.7A Active CN118097920B (zh) | 2024-04-22 | 2024-04-22 | 一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097920B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7250873B1 (ja) * | 2021-09-16 | 2023-04-03 | 中央開発株式会社 | 地盤の比抵抗モニタリング装置及び斜面崩壊警報システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2658753Y (zh) * | 2003-08-19 | 2004-11-24 | 福建省电力勘测设计院 | 用于测量对地电阻的接地电极装置 |
CN210104703U (zh) * | 2019-05-30 | 2020-02-21 | 天津市勘察院 | 一种软土电阻率静探探头 |
KR102191725B1 (ko) * | 2019-07-23 | 2020-12-16 | 연세대학교 산학협력단 | 현장 추정 습윤대 깊이 및 수치해석된 위험 습윤대 깊이를 이용한 산사태 모니터링 방법 |
KR102619016B1 (ko) * | 2023-08-13 | 2023-12-27 | 고건우 | 토사 사면 붕괴 사전 예측 방법 및 장치 |
-
2024
- 2024-04-22 CN CN202410480535.7A patent/CN118097920B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7250873B1 (ja) * | 2021-09-16 | 2023-04-03 | 中央開発株式会社 | 地盤の比抵抗モニタリング装置及び斜面崩壊警報システム |
Also Published As
Publication number | Publication date |
---|---|
CN118097920A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109298697A (zh) | 基于动态基线模型的火电厂系统各部件工作状态评估方法 | |
CN115638833B (zh) | 一种监控数据处理方法及系统 | |
WO2021051863A1 (zh) | 水位预警监控方法、装置、存储介质及电子设备 | |
CN113538861A (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
CN111140221A (zh) | 一种井场安全风险预警装置、系统及处理方法 | |
CN110260774B (zh) | 一种基于Pettitt算法的GNSS变形信息检验与预警方法 | |
CN102768638A (zh) | 基于状态转移图的软件行为可信性检测方法 | |
CN117953664B (zh) | 一种基于人工智能的地质灾害预测方法及系统 | |
CN114613116B (zh) | 防外破预警方法、装置、设备及存储介质 | |
CN109944637A (zh) | 矿井水害预警系统 | |
CN106680574B (zh) | 一种变电站设备过电压感知和数据处理方法 | |
CN118097920B (zh) | 一种浅表层滑坡崩塌灾害监测预警装置及监测预警方法 | |
CN117517877A (zh) | 一种分布式行波在线测量故障定位系统 | |
CN110455370B (zh) | 防汛抗旱远程遥测显示系统 | |
CN115775092B (zh) | 基于数字孪生技术的施工过程安全风险管控系统 | |
CN107065018A (zh) | 一种用于堤坝动态监测的电法观测系统及方法 | |
CN203881942U (zh) | 一种输电线入侵异物跟踪检测装置 | |
CN111520189B (zh) | 一种煤矿超层越界开采问题的实时监测系统与方法 | |
CN116030600B (zh) | 一种基于insar的地质灾害智能化监测方法及系统 | |
CN118225179B (zh) | 基于城市排水的智能井盖监测方法及系统 | |
CN117489413B (zh) | 一种煤层瓦斯涌出异常超前探测与预警方法 | |
CN113673632B (zh) | 边坡视频监测方法及装置 | |
CN116858082A (zh) | 一种公路边坡稳定性的实时监测方法 | |
CN118274767A (zh) | 基于云平台的深层土体水平位移智能监测系统及方法 | |
CN118349951A (zh) | 一种多参数融合的边坡监测系统 |
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 |