TWI627611B - 斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體 - Google Patents

斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體 Download PDF

Info

Publication number
TWI627611B
TWI627611B TW104119357A TW104119357A TWI627611B TW I627611 B TWI627611 B TW I627611B TW 104119357 A TW104119357 A TW 104119357A TW 104119357 A TW104119357 A TW 104119357A TW I627611 B TWI627611 B TW I627611B
Authority
TW
Taiwan
Prior art keywords
model
measurement
slope
variable
observable
Prior art date
Application number
TW104119357A
Other languages
English (en)
Other versions
TW201621836A (zh
Inventor
Shinji Kasahara
Original Assignee
Nec Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nec Corp filed Critical Nec Corp
Publication of TW201621836A publication Critical patent/TW201621836A/zh
Application granted granted Critical
Publication of TWI627611B publication Critical patent/TWI627611B/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/02—Details
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
    • E02D17/00—Excavations; Bordering of excavations; Making embankments
    • E02D17/20—Securing of slopes or inclines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • 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

Abstract

斜面監視系統的特徵為包括：分析數學式變數量測手段81，係從至少具有任意之測試層或與構成監視對象斜面之物質層大致同性質的測試層之測試環境測量改變測試層的狀態時之分析數學式變數之各個的值及既定第1可觀測量的值；及分析數學式變數模型化手段831，係根據從測試環境所得之各種值，對各個分析數學式變數，構築規定與和第1可觀測量相同或是和第1可觀測量之關係是已知之既定可觀測量的第2可觀測量或從第2可觀測量可算出之既定第3變數之關係的模型。

Description

斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體
本發明係有關於一種監視斜面之安全性的斜面監視系統、斜面安全性分析裝置、斜面監視方法以及記錄了斜面監視程式之電腦可讀取的記錄媒體。
在評估斜面之安全性的方法之一，列舉Fellenius方法或修正Fellenius方法等之使用斜面穩定分析數學式來算出安全率的方法。安全率係評估斜面之安全性的指標，並以在斜面欲滑落之滑落力、與欲抑制滑落之阻力的比表示。在此值未滿1，即滑落力比阻力更大時，被評估為具有崩潰的可能性。
Fellenius方法及修正Fellenius方法係使用土塊重量、間隙水壓、土塊之黏著力以及內部摩擦角，算出是根據重力之滑落力、與根據摩擦力或黏著力等之阻力的比之安全率的方法。
與監視斜面之安全性的技術相關聯，有記載於例如專利文獻1~專利文獻4的方法。。
【先行專利文獻】 【專利文獻】
[專利文獻1]日本特開2004-60311號公報
[專利文獻2]日本特開2006-195650號公報
[專利文獻3]日本特開2005-030843號公報
[專利文獻4]日本特開2002-070029號公報
使用斜面穩定分析數學式來評估斜面之安全性之方法的課題在於難從監視對象斜面直接測量在斜面穩定分析數學式所使用之各變數。例如，在修正Fellenius方法，為了求得安全率，不僅測量土塊重量與間隙水壓，還需要算出是土塊所具有之性質的黏著力及內部摩擦角。要從監視對象斜面直接測量這些變數，不僅需要將可測量土塊重量之重量計與可測量間隙水壓之間隙水壓計設置於監視對象斜面，而且為了算出黏著力及內部摩擦角，需要測量構成監視對象斜面之土塊崩潰時之剪切應力。可是，具有從監視對象斜面直接測量這些全部的變數係困難，而且耗費亦昂貴的問題。
在專利文獻1所記載之監視地基滑動的方法係為了消除如上述所示之測量的困難，僅將在Fellenius方法所使用之變數中的間隙水壓，並將剩餘之變數，即土塊重量、黏著力以及內部摩擦角當作常數，求得監視對象斜面之安全率，以監視或預測地基滑動之發生。
土塊係由土之粒子本身、粒子間之間隙所含的空氣以及水所構成。在因降雨而水量增加的過程，土之粒子間之間隙所含的空氣被壓出，而水分之佔有率變大。在此時，土塊 重量增加，而且是土塊之性質的黏著力及內部摩擦角變化。可是，在未考慮這些變動之專利文獻1所記載的方法具有所算出之安全率之精度變差的問題。
此外，在專利文獻2，記載使用伸縮計或傾斜計之值來輸出警報的方法、及從藉雨量計所測量之雨量或藉地下水位計測量之水位求得土粒子間隙之水的飽和度，並用於安全率之分析的方法。可是，伸縮計或傾斜計係有根據斜面上之位置而變化的事例與不變化的事例，而具有是不正確的問題。又，因為這些感測器係因斜面崩潰之前兆以外的現象亦會發生變動，所以具有誤報的可能性。進而，在雨量計、水位計之量測值進行滲透流分析的情況，忽略因土之種類而異的滲透特性，而精度可能降低。又，是設置雨量計、水位計、伸縮計以及傾斜計的構成，具有在設置處之設備耗費變貴的問題。
又，在專利文獻3，記載根據振動強度信號推算監視對象斜面內的體積含水率，再從所得之體積含水率分布推算斜面之崩潰危險度分布的方法。可是，推算體積含水率之分布，但是在從所推算之體積含水率評估崩潰危險度時，需要反映經驗或過去之實例、地質資料等，而具有若無法得到過去之資料的累積或充分之地質資料，則無法實現的問題。
又，在專利文獻4，作為根據自監視對象斜面所測量之土質係數的實測資料，製作力學模型的例子之一，記載根據土之飽和度(飽水土)之空間性分布，推測表示重量增加或剪切強度降低之物性質的例子。可是，在僅從起始資料製作力學模型上，因為將本來伴隨飽和度而變動的值當作常數來製作模 型，所以具有隨著崩潰之危險性升高，所算出之斜面的安全性之精度變低的問題。
因此，本發明之目的在於提供一面迴避對監視對象斜面之量測的困難性，一面可高精度地監視或預測監視對象斜面之安全性的斜面監視系統、斜面安全性分析裝置、斜面監視方法以及記錄了斜面監視程式之電腦可讀取的記錄媒體。
本發明之斜面監視系統係包括：分析數學式變數量測手段，係從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境，測量改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層之狀態而變化之既定第1可觀測量的值；及斜面安全性分析裝置；其特徵為：斜面安全性分析裝置係包含分析數學式變數模型化手段，該分析數學式變數模型化手段係根據藉分析數學式變數量測手段所得之分析數學式變數之各個的值、與第1可觀測量的值，對各個分析數學式變數，構築規定與和第1可觀測量相同或是和第1可觀測量之關係是已知之既定可觀測量的第2可觀測量或從第2可觀測量可算出之既定第3變數之關係的模型。
又，本發明之斜面安全性分析裝置係特徵為：包括分析數學式變數模型化手段，該分析數學式變數模型化手段係根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層 的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層之狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型。
又，本發明之斜面監視方法係特徵為：電腦根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層之狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型；電腦根據從監視對象斜面所測量之第2可觀測量的值，使用所構築之模型，算出測量第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用斜面穩定分析數學式算出監視對象斜面的安全率。
又，本發明之記錄了斜面監視程式之電腦可讀取的記錄媒體係記憶用以使電腦執行如下之處理的斜面監視程式，構築處理，係根據從至少具有是由具有與構成監視對象斜 面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層之狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之該既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型；及算出處理，係根據從監視對象斜面所測量之第2可觀測量的值，使用所構築之模型，算出測量第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用斜面穩定分析數學式算出監視對象斜面的安全率。
若依據本發明，一面迴避對監視對象斜面之量測的困難性，一面可高精度地監視或預測監視對象斜面的安全性。
100、200、300、400、501、601‧‧‧斜面監視系統
101、102‧‧‧應力感測器
103、104、208、572、672‧‧‧水分計
104A、104B、104C‧‧‧土壞水分計
105、105A、105B、108、571‧‧‧振動感測器
106、106A、106B‧‧‧間隙水壓計
107‧‧‧重量計
110‧‧‧第1模型化手段
111‧‧‧黏著力、內部摩擦角算出手段
112‧‧‧黏著力、內部摩擦角模型化手段
120、220‧‧‧第2模型化手段
121‧‧‧衰減率算出手段
122‧‧‧水量模型化手段
123、223‧‧‧間隙水壓模型化手段
124、224‧‧‧重量模型化手段
130‧‧‧模型變換手段
140、240、540、640‧‧‧模型資訊記憶手段
150‧‧‧實斜面監視手段
151、251‧‧‧安全率算出手段
152、252‧‧‧判定手段
153、253‧‧‧警報手段
500、600‧‧‧分析數學式變數模型提供系統
510、610‧‧‧模型學習手段
560、660‧‧‧模型可否應用判定手段
671‧‧‧含水比量測手段
31、41‧‧‧三軸壓縮式測試裝置
32、42‧‧‧種植機
33、43‧‧‧電腦
34、44‧‧‧實斜面量測機器
35、45‧‧‧顯示裝置
64‧‧‧實斜面物質量測機器
331、431‧‧‧黏著力、內部摩擦角算出模組
332、432‧‧‧黏著力、內部摩擦角模型化模組
333、433‧‧‧水量對應化模組
334‧‧‧衰減率算出模組
335、435‧‧‧重量、間隙水壓模型化模組
336、436‧‧‧資料庫
337、437‧‧‧實斜面監視模組
538、638‧‧‧模型可否應用判定模組
81‧‧‧分析數學式變數量測手段
82‧‧‧實斜面量測手段
83‧‧‧斜面安全性分析裝置
84‧‧‧實斜面物質量測手段
831‧‧‧分析數學式變數模型化手段
832‧‧‧模型資訊記憶手段
833‧‧‧安全率算出手段
834‧‧‧模型可否應用判定手段
第1圖係表示第1實施形態之斜面監視系統之構成例的方塊圖。
第2圖係表示第1實施形態的斜面監視系統之在模型學習階段的動作之一例的流程圖。
第3圖係表示在第1實施形態之斜面監視系統的剪切測試 之例子的流程圖。
第4圖係表示在第1實施形態之斜面監視系統的加水、加振測試之例子的流程圖。
第5圖係表示第1實施形態之斜面監視系統的衰減率之算出方法之例子的流程圖。
第6圖係表示第1實施形態之斜面監視系統的衰減率之算出方法之其他的例子的流程圖。
第7圖係表示第1實施形態的斜面監視系統之在實斜面監視階段的動作之一例的流程圖。
第8圖係表示第2實施形態之斜面監視系統之構成例的方塊圖。
第9圖係表示第2實施形態的斜面監視系統之在模型學習階段的動作之一例的流程圖。
第10圖係表示第2實施形態的斜面監視系統之在實斜面監視階段的動作之一例的流程圖。
第11圖係表示第3實施形態之分析數學式變數模型提供系統之構成例的方塊圖。
第12圖係表示第3實施形態之在模型判定階段的動作之一例的流程圖。
第13圖係表示分布之類似否判定之例子的說明圖。
第14圖係表示分布之類似度的算出方法之例子的說明圖。
第15圖係表示第4實施形態之分析數學式變數模型提供系統之構成例的方塊圖。
第16圖係表示第4實施形態之在模型判定階段的動作之 一例的流程圖。
第17圖係第1實施例之斜面監視系統的構成圖。
第18圖係表示藉三軸壓縮測試所得之黏著力c及內部摩擦角ψ之值的說明圖。
第19圖係表示在加水、加振測試所使用之種植機之一例的說明圖。
第20圖係表示藉加水、加振測試所得之各種值的說明圖。
第21圖係表示監視對象斜面及設置於監視對象斜面之實斜面量測機器之例子的說明圖。
第22圖係表示藉加水動作從第1實施例之實斜面所得之各種值的說明圖。
第23圖係第3實施例之斜面監視系統的構成圖。
第24圖係表示藉加水動作從第3實施例之實斜面所得之各種值的說明圖。
第25圖係表示藉加水動作從第3實施例之實斜面所得之各種值的說明圖。
第26圖係第8實施例之斜面監視系統的構成圖。
第27圖係第9實施例之斜面監視系統的構成圖。
第28圖係表示本發明之斜面監視系統之概要的方塊圖。
第29圖係表示本發明之斜面監視系統之其他的構成例的方塊圖。
第30圖係表示本發明之斜面監視系統之其他的構成例的方塊圖。
第31圖係表示本發明之斜面監視系統之其他的構成例的 方塊圖。
以下，參照圖面，說明本發明之實施形態。在以下，以使用如第(1)數學式所示之Fellenius方法的斜面穩定分析數學式來監視及預測斜面之安全性的情況為例，說明各實施形態，但是在本發明所使用之斜面穩定分析數學式係未限定為Fellenius方法。
首先，說明根據Fellenius方法之斜面的安全性之分析方法的原理。在Fellenius方法之斜面的安全性係根據使用在各分割片之斜面方向作用的剪切應力與阻止該剪切應力所造成之滑落的剪切阻力所算出之安全率Fs所評估。
而，在表示地基之強度的指標之一有剪切強度。剪切強度係被定義為抵抗是滑落力的剪切應力之最大的剪切阻力，若依據被稱為庫倫數學式之以下的第(2)數學式，以土壞所具有之黏著力c、與根據作用於剪切面上之垂直應力σ之阻力(σtan ψ)的和表示。在此，s是剪切強度，tan ψ係根據是表示土壞之性質的參數之一的內部摩擦角ψ之有效摩擦係數。
s=c+σtan ψ (2)
根據第(2)數學式所表示之作用於剪切面上之垂直應力σ與剪切強度s的關係被稱為破壞基準或破壞包絡線。根據這種破壞基準，例如，根據一面剪切測試等，在改變施加於 測試體(土塊等)之垂直負載下，求得破壞時之剪切應力，藉此，可求得該測試體所具有之黏著力c與內部摩擦角ψ。
在Fellenius方法，各分割片之剪切應力係以該分割片(土塊等)之作為施加於該分割片之重力的重量W與傾斜斜度角α所表示(參照第(1)數學式之分母)。另一方面，各分割片之剪切阻力係根據上述之庫倫數學式，以該分割片(土塊)之黏著力c、與根據垂直應力的阻力((W-u)cosα˙tan ψ)所表示(參照第(1)數學式之分子)。此外，u係間隙水壓。
作為Fellenius方法以外之例子，有Bishop方法。在Bishop方法，從旋轉力矩之平衡數學式導出是圓弧滑動對應之數學式之以下的第(3)數學式，作為斜面安定分析數學式。此外，在第(3)數學式所使用之參數係與Fellenius方法相同。
在其他，有Janbu方法。在Janbu方法，除了與Fellenius方法、Bishop方法共同的參數以外，還加入水平外力Q及土塊側面之鉛垂力的差△X。具體而言，以下的第(4)數學式用作斜面安定分析數學式。在第(4)數學式，因為水平外力Q及土塊側面之鉛垂力的差△X係與外力相依的參數，所以受到土質本身影響的參數係與Fellenius方法、Bishop方法相同。
[第3數學式]
又，作為沖村們所提議之斜面安定分析數學式(1985)，有以下的第(5)數學式。
A：(γ sat -γ w )h+γ t (H-h)
B：γ sat h+γ t (H-h)
在第(5)數學式，A=(γsat-γw)h+γt(H-h)、B=γsat ．h+γt(H-h)。又，cr係根系之黏著力，γsat係土之飽和單位體積重量，γw係水之單位體積重量，γt係土之濕潤單位體積重量，H係來自基岩面之表土層壓，h係來自基岩面之地下水位。因為土之單位體積重量γt係相當於在Fellenius方法之重量W，所以在Fellenius方法無新的變動參數成為僅根系之黏著力cr與水之單位體積重量γw。此外，因為兩參數(cr及γw)係不會受到土質本身影響，所以在沖村們之手法，亦受到土質本身影響的參數係可當作與Fellenius方法相同。
又，以下的第(6)數學式係根據Nash之斜面穩定分析數學式(1987)。
在第(6)數學式，γ係土之密度，γw係水之密度，z 係表土層的厚度，h係地下水面的高度。土之密度γ係相當於在Fellenius方法中之重量W。又，z及h係各斜面之固定參數。因此，在根據Nash之手法，亦受到土質本身影響的參數係與Fellenius方法、Bishop方法相同。
又，以下的第(7)數學式係Taylor們所提議之斜面穩定分析數學式(2007)。
在第(7)數學式，z係安全率算出對象深度。又，Ψ(z)係壓力頭，係與降雨量相關的參數。在係Taylor們之手法，亦受到土質本身影響的參數係與Fellenius方法、Bishop方法相同。
又，以下的第(8)數學式係Rossi們所提議之斜面穩定分析數學式(2012)。
在第(8)數學式，γd係乾燥土塊密度。此外，其他的參數係如上述所示。在此，亦乾燥土塊密度γd相當於土塊重量W。因此，在Rossi們之手法，亦受到土質本身影響的參數係與Fellenius方法、Bishop方法相同。
土塊係由土粒、介於粒子間之間隙的間隙空氣以及間隙水所構成。作為支撐土塊之重量的阻力，土粒所造成之垂直阻力、間隙氣壓以及間隙水壓作用。但，在這些力之中， 有助於剪切強度的係僅土粒所造成之垂直阻力，所以在算出剪切強度，即最大之剪切阻力時，必須使用從是施加於土塊之重力的重量減去間隙水壓與間隙氣壓所得之視在的垂直應力。此外，在上述之第(1)數學式，間隙氣壓係可忽略之程度而被省略。
而，若土壞之含水比變大，該視在的垂直應力係變小。進而，係對該垂直應力相乘或相加之係數的有效摩擦係數及黏著力係以在斜面滑落時剪切應力與剪切強度平衡之方式所設定的係數。得知這些的值亦隨著土壞之含水比的上升而減少。因此，若土壞之含水比增加，因為是滑落力之剪切應力變大，是阻力之剪切強度變小，所以發生斜面崩潰。
在以下之實施形態，說明用以藉由測量在對土壞所含之水量或土壞施加振動時所得的振動波形，偵測土壞之含水比的增加，並據此評估斜面崩潰之危險性的構成。若土壞所含之水量增加，當然，含水比增加。又，若土壞之含水比增加，因為每單位體積之質量變大，所以土壞之共振頻率的值變化。因此，與共振頻率相關之共振銳度的值亦變化。因為共振銳度與振動波形之衰減率係成反比關係，所以衰減率亦伴隨質量之變化而變化。因此，可將土壞所含之水量的變化或從在土壞所產生之振動波形算出之衰減率的變化解讀為含水比的變化，進而斜面崩潰之危險性的變化。
依此方式，在本發明，作成藉由測量對因應於構成斜面之物質層(土壤等)的狀態而變化化之既定量(在上述之例子為含水比)有影響的既定可觀測量(水量或振動波形)，可掌握斜面崩潰之危險性的變化。因此，只是測量該可觀測量，可 高精度地監視或預測監視對象斜面的安全性。此外，對斜面崩潰之危險性帶來變化的量係未限定為含水比。該量係只要因應於構成斜面之物質層的狀態而變化化的量即可，例如亦可是構成斜面之物質層所含之粒子的密度、或壓實度等。而且，實際所測量之可觀測量只要係可直接或間接地觀測該量的量，無特別限定。又，構成斜面之物質層係未限定為土壞，例如，亦可是混凝土等。
第1實施形態
第1圖係表示本實施形態之斜面監視系統之構成例的方塊圖。第1圖所示之斜面監視系統100包括各種感測器(應力感測器101、應力感測器102、水分計103、水分計104、振動感測器105、間隙水壓計106、重量計107以及振動感測器108)、第1模型化手段110、第2模型化手段120、模型變換手段130、模型資訊記憶手段140以及實斜面監視手段150。
此外，在本實施形態，作為監視之前處理，進行2種測試。第1測試係剪切測試，該剪切測試係用以得到在第1模型化手段110之模型學習所使用之資料的測試，對具有相異之含水比之測試層的各個測試體，一面改變所施加之垂直負載P的值，一面施加剪切應力至破壞，測量那時的剪切應力τ。測試體係只要至少具有是與構成監視對象斜面之物質層中有可能崩潰之物質層(以下稱為滑動層)大致同性質之物質層的測試層即可。例如，亦可測試體係具有由與構成監視對象斜面之滑動層的土砂等之物質層大致相同的種類、乾燥密度以及壓實度的物質群所構成之測試層的試料。
第2測試係加水、加振測試，該加水、加振測試係用以得到在第2模型化手段120之模型學習所使用之資料的測試，使用具有預先將含水比調整成小值之測試層的測試體，對該測試層進行加水，並在分段地使測試層所含之水量逐漸增加的過程，適當地施加振動，取得振動波形，同時測量該測試層之重量W與間隙水壓u。
應力感測器101係在是第1測試之剪切測試，測量作用於測試層之垂直應力σ。
亦可應力感測器101係例如在對具有相異之含水比之測試層的各個測試體所進行的剪切測試，測量是在使垂直負載(壓縮力)P作用於該測試體時所響應之應力的垂直應力σ，並輸出表示量測結果之垂直應力資料的感測器。
應力感測器102係在是第1測試之剪切測試，測量作用於測試層之剪切應力τ。亦可應力感測器102係例如在對具有相異之含水比之測試層的各個測試體所進行的剪切測試，測量是在使彼此反向之一對剪切力與該測試體之剪切面平行地作用時所產生之應力的剪切應力τ，並輸出表示量測結果之剪切應力資料的感測器。
應力感測器101及應力感測器102係例如是設置於三軸壓縮測試裝置的感測器，在使用該三軸壓縮測試裝置所進行之剪切測試測量垂直應力σ及剪切應力τ，亦可因應於使用者之操作，輸出表示所測量之各個垂直應力σ及剪切應力τ的垂直應力資料及剪切應力資料。
水分計103係在是第1測試之剪切測試，測量測 試層所含的水量m。水分計103係例如亦可是測量所準備之相異之含水比的各個測試層所含的水量m，並輸出表示量測結果之水量資料的感測器。水分計103係例如在測試層是土層的情況，亦可是可測量土中之水量的量測機器。所測量之水量之值的形式無特別限定。例如，亦可是體積含水率，亦可是重量含水率。此外，在測試體之測試層被預先調整成既定含水比的情況等測試層所含之水量係已知的情況，亦可省略水分計103，而使用者直接輸入水量資料。作為此時之水量m，亦可使用含水比。
第1模型化手段110係根據藉使用具有相異之含水比之測試層的複數個測試體之剪切測試所得的黏著力c及內部摩擦角ψ之各個的值、與那時之水量m，構築規定黏著力c與水量m之關係的黏著力-水量模型及規定內部摩擦角ψ與水量m之關係的內部摩擦角-水量模型。
第1模型化手段110係更具體而言，包含黏著力、內部摩擦角算出手段111與黏著力、內部摩擦角模型化手段112。
內部摩擦角算出手段111係根據對相異之含水比之測試層各自進行剪切測試的結果之自應力感測器101及應力感測器102所得的垂直應力資料及剪切應力資料，算出各測試層之黏著力c及內部摩擦角ψ。亦可黏著力、內部摩擦角算出手段111係例如對各測試層，將藉垂直應力資料及剪切應力資料所示之破壞時的剪切應力τ作為剪切強度s，與那時之垂直應力σ一起套入第(2)數學式所示之庫倫的數學式，藉此，算出 黏著力c及內部摩擦角ψ。
黏著力、內部摩擦角模型化手段112係根據自水分計103所得之各測試層的水量m、與藉黏著力、內部摩擦角算出手段111所算出之各測試層的黏著力c及內部摩擦角ψ，構築將黏著力c作為水量m之函數所模型化的黏著力-水量模型及將內部摩擦角ψ作為水量m之函數所模型化的內部摩擦角-水量模型。
水分計104係在是第2測試之加水、加振測試，測量在對測試層施加振動時所產生之振動波形。亦可水分計104係例如一直或以既定間隔或者因應於使用者之指示，測量測試層之水量m，並輸出表示量測結果之水量資料的感測器。
振動感測器105係在是第2測試之加水、加振測試，測量在對測試層施加振動時所產生之振動波形。亦可振動感測器105係例如一直或以既定間隔或者因應於使用者之指示，測量在測試層所產生之振動波形，並輸出表示量測結果之波形資料的感測器。
間隙水壓計106係在是第2測試之加水、加振測試，測量測試層之間隙水壓u。亦可間隙水壓計106係例如一直或以既定間隔或者因應於使用者之指示，測量測試層之間隙水壓u，並輸出表示量測結果之間隙水壓資料的感測器。
重量計107係在是第2測試之加水、加振測試，測量測試層之重量W。亦可重量計107係例如一直或以既定間隔或者因應於使用者之指示，測量測試層之重量，並輸出表示量測結果之重量資料的感測器。
又，第2模型化手段120係根據藉是第2測試之加水、加振測試所得之在加水過程中的重量W與間隙水壓u之各個的值以及波形資料，算出振動波形之衰減率δ，而且構築規定重量W與衰減率δ之關係的重量-衰減率模型及規定間隙水壓u與衰減率δ之關係的間隙水壓-衰減率模型。又，第2模型化手段120係根據在藉是第2測試之加水、加振測試所得之在加水過程中的水量m的值及波形資料，構築規定水量m與振動波形之衰減率δ之關係的水量-衰減率模型。
第2模型化手段120係更具體而言，包含衰減率算出手段121、水量模型化手段122、間隙水壓模型化手段123以及重量模型化手段124。
衰減率算出手段121係根據藉振動感測器105所得之在加水過程的振動波形，算出在加水過程之振動波形的衰減率δ。
水量模型化手段122係根據藉水分計104所得之在加水過程之測試層的水量m、與藉衰減率算出手段121所算出之在該過程之振動波形的衰減率δ，構築將水量m作為衰減率δ之函數所模型化的水量-衰減率模型。
此外，在可從加水前之測試層的含水比、重量、加水量等算出每次加水之測試層的水量m的情況，亦可省略水分計104。在這種情況，例如，水量模型化手段122在從加水前之測試層的含水比、重量、加水量等算出現在之測試層的水量m後，構築將水量m作為衰減率δ之函數所模型化的水量-衰減率模型。在此時，作為水量m，亦可使用含水比。
間隙水壓模型化手段123係根據藉間隙水壓計106所得之在加水過程之測試層的間隙水壓u、與藉衰減率算出手段121所算出之在該過程之振動波形的衰減率δ，構築將間隙水壓u作為衰減率δ之函數所模型化的間隙水壓-衰減率模型。
重量模型化手段124係根據藉重量計107所得之在加水過程之測試層的重量W、與藉衰減率算出手段121所算出之在該過程之振動波形的衰減率δ，構築將重量W作為衰減率δ之函數所模型化的重量-衰減率模型。
此外，在可從加水前之測試層的含水比、重量以及加水量等算出每次加水之測試層的重量W的情況，亦可省略重量計107。在這種情況，例如，重量模型化手段124在從加水前之測試層的含水比、重量、加水量等算出現在之測試層的重量W後，構築將重量W作為衰減率δ之函數所模型化的重量-衰減率模型。
模型變換手段130係根據水量模型化手段122所製作之水量-衰減率模型，將黏著力、內部摩擦角模型化手段112所製作之黏著力-水量模型及內部摩擦角-水量模型分別變換成將振動波形之衰減率δ作為函數的模型。即，模型變換手段130係將黏著力-水量模型及內部摩擦角-水量模型之模型化輸入變數從水量m變換成振動波形之衰減率δ，而構築黏著力-衰減率模型及內部摩擦角-衰減率模型。
模型資訊記憶手段140係將是在斜面穩定分析數學式所使用之變數的各個分析數學式變數作為根據在是監視 對象斜面的實斜面可測量之可觀測量所學習之模型的資訊，至少記憶上述之重量-衰減率模型、間隙水壓-衰減率模型、黏著力-衰減率模型以及內部摩擦角-衰減率模型的資訊。
亦可模型資訊記憶手段140係例如，記憶鑑定函數模型之參數、或組裝以模型化輸入變數為引數並送回分析數學式變數之值的處理之模組的位址等，作為模型之資訊。
振動感測器108係測量在實斜面之滑動層所產生的振動波形。振動感測器108係例如設置於實斜面之滑動層，測量因在該滑動層落下物或降雨所造成之加振所產生的振動波形，並輸出表示量測結果之波形資料的感測器。
實斜面監視手段150係根據藉振動感測器108所得之在實斜面之滑動層所產生的振動波形，算出實斜面之安全率，並因應於需要，輸出警報。實斜面監視手段150係更具體而言，包含安全率算出手段151、判定手段152以及警報手段153。
安全率算出手段151係根據藉振動感測器108所得之在實斜面之滑動層所產生的振動波形、模型資訊記憶手段140所記憶之重量-衰減率模型、間隙水壓-衰減率模型、黏著力-衰減率模型以及內部摩擦角-衰減率模型的資訊，算出該振動波形量測時之實斜面的安全率Fs。安全率算出手段151係具體而言，從實斜面之振動波形算出衰減率δ，再根據所算出之衰減率δ的值，使用上述之各模型，算出各分析數學式變數之值，即重量W、間隙水壓u、黏著力c以及內部摩擦角ψ之值，再將所得之值應用於上述之第(1)數學式，算出安全率 Fs。
判定手段152係根據藉安全率算出手段151所算出之安全率，判斷是否輸出警報。
警報手段153係因應於來自判定手段152的要求，輸出警報。
在本實施形態，第1模型化手段110、第2模型化手段120、模型變換手段130以及實斜面監視手段150係例如藉根據斜面監視程式動作之CPU等所實現。在此情況，CPU讀入斜面監視程式後，根據該程式，作為第1模型化手段110、第2模型化手段120、模型變換手段130以及實斜面監視手段150動作即可。又，亦可斜面監視程式係記錄於電腦可讀取的記錄媒體。又，模型資訊記憶手段140係藉記憶裝置所實現。
此外，雖省略圖示，本實施形態之斜面監視系統100採用以下的構成，包括感測器資料受理手段，該感測器資料受理手段從各種感測器與測試條件一起受理感測器資料(垂直應力資料、剪切應力資料、水量資料以及波形資料等)，並因應於需要，輸出至第1模型化手段110、第2模型化手段120、或實斜面監視手段150。此外，亦可第1模型化手段110、第2模型化手段120、或實斜面監視手段150之感測器資料處理手段直接受理感測器資料，又，亦可這些感測器資料處理手段被包含於與感測器相同的裝置(測試裝置或監視裝置等)。
其次，說明本實施形態的動作。第2圖~第7圖係表示本實施形態之斜面監視系統的動作之一例的流程圖。本實施形態的動作係大致上，可分成模型學習階段與實斜面監視階 段之2個階段。此外，在以下，以構成監視對象斜面之物質層係土層的情況為例，說明之，但是監視對象斜面之物質層係未限定為土層。
首先，說明模型學習階段的動作。第2圖係表示在模型學習階段之本實施形態的動作之一例的流程圖。在第2圖所示之例子，首先，實施三軸壓縮測試(剪切測試)(步驟S11)。
第3圖係表示剪切測試之例子的流程圖。在第3圖所示之剪切測試，首先，準備調整既定含水比的土塊(測試體)(步驟S111)。測試體之土係使用與實斜面之土同性質者。在此，作為測試體，對由與實斜面之土同一種類、乾燥密度以及壓實度之土所構成的土塊，改變含水比而製作複數個。
接著，使用水分計103，測量所準備之土塊的水量(步驟S112)。
然後，將所準備之土塊設定於包括應力感測器101及應力感測器102的三軸壓縮測試裝置，進行壓縮，並測量壓縮時之垂直應力σ與剪切應力τ(步驟S113~步驟S115)。
至達到必要次數，重複地實施步驟S114~S115的壓縮及應力量測(步驟S116)。一般最少實施3次。藉此，對一塊土塊，得到與至少複數個垂直負載對應之剪切時的垂直應力資料及剪切應力資料。
至達到模型化所需之樣本數，對已改變含水比之土塊進行相同的動作(步驟S117)。藉此，對相異之含水比之各個土塊，得到水量資料、與複數個垂直負載對應之剪切時的垂直應力資料及剪切應力資料。
藉剪切測試，對相異之含水比之各個土塊，得到水量資料、與複數個垂直負載對應之剪切時的垂直應力資料及剪切應力資料時，黏著力、內部摩擦角算出手段111係根據所得之垂直應力資料及剪切應力資料，算出黏著力c及內部摩擦角ψ(第2圖之步驟S12)。
然後，黏著力、內部摩擦角模型化手段112係根據所得之水量資料、所算出之黏著力c及內部摩擦角ψ，學習對水量m的變化之黏著力c的變化及對水量m的變化之內部摩擦角ψ的變化，並構築黏著力-水量模型及內部摩擦角-水量模型(步驟S13)。
接著，使用由與在步驟S11之剪切測試所使用的土同一種類、乾燥密度以及壓實度之土所構成的測試體，實施加水、加振測試(步驟S14)。
第4圖係表示加水、加振測試之例子的流程圖。在第4圖所示之加水、加振測試，首先，準備由與在剪切測試所使用的土同一種類、乾燥密度以及壓實度之土所構成，而且含水比相對地少的土塊(測試體)(步驟S121)。在此，作為測試體，製作被調整成含水比比在剪切測試所使用的測試體中具有最小之含水比的測試層之測試體更少的測試層的土塊。
然後，將所準備之土塊設定於包括水分計104、振動感測器105、間隙水壓計106以及重量計107的測試機，測量水量m、間隙水壓u以及重量W(步驟S122~步驟S124)。藉此，得到在至少加水前之含水比已知的狀態之土塊的水量資料、間隙水壓資料以及重量資料。
接著，對土塊施加振動，並測量其振動波形(步驟S125、步驟S126)。藉此，得到在至少加水前之含水比已知的狀態之土塊的波形資料。
然後，對土塊逐次添加水至土變成飽和(步驟S127、步驟S128)後，進行相同的量測(回到步驟S122)。藉此，在至土變成飽和之加水過程的各狀態(加水前及每次加水)之土塊的水量資料、間隙水壓資料、重量資料以及波形資料。此外，「土變成飽和」係具體而言，成為水無法滲入土之狀態。此外，除了加水至土變成飽和的方法以外，亦有加水既定次數份量的方法。
藉加水、加振測試，對至少一塊土塊(測試體)。得到在含水比相異之狀態的水量資料、間隙水壓資料、重量資料以及波形資料時，首先，衰減率算出手段121根據所得之波形資料，算出在各狀態之振動波形的衰減率δ(第2圖之步驟S15)。
第5圖係表示衰減率之算出方法之例子的流程圖。亦可衰減率算出手段121係例如根據第5圖所示之方法，求得振動波形之衰減率δ。在第5圖所示之例子，衰減率算出手段121係首先，從所得之波形資料在作為分析對象之頻率區域進行濾波(步驟S131)，再從所得之頻率區域的時系列波形資料檢測出第1尖峰值(振幅之最大值)(步驟S132)。
接著，衰減率算出手段121係以所檢測出之第1尖峰值為基準，決定切出期間後，從頻率區域的時系列波形資料切出該期間的資料(步驟S133)。然後，衰減率算出手段121係從所切出之波形資料檢測出第2尖峰值(振幅之第2大的 值)(步驟S134)。
接著，衰減率算出手段121係從所檢測出之第1尖峰值與第2尖峰值的差分，即尖峰至尖峰(Peak to Peak)的值，算出衰減率δ(步驟S135)。在此時，亦可亦檢測出第3尖峰值以後的值，並從與前一個尖峰值的差分各自算出衰減率，並取這些衰減率的平均值。
又，第6圖係表示衰減率之算出方法之其他的例子的流程圖。亦可衰減率算出手段121係例如根據第6圖所示之方法，求得振動波形的衰減率δ。在第6圖所示之例子，衰減率算出手段121係首先，從所得之波形資料在作為分析對象之頻率區域進行濾波(步驟S141)。
衰減率算出手段121係對進行濾波所得之頻率區域的時系列波形資料實施頻率變換，而得到頻率響應(步驟S142)。然後，取得在該頻率響應之尖峰頻率(步驟S143)。
接著，衰減率算出手段121係將所得之尖峰頻率當作從物理模型可導出之頻率響應函數的共振頻率，產生將衰減比作為變數的頻率響應函數(步驟S144)。
然後，衰減率算出手段121係對在步驟S142所得之頻率響應的資料，將所產生之頻率響應函數進行配適(fitting，近似)，鑑定最佳之衰減比(步驟S145)。亦可衰減率算出手段121係例如使用稱為曲1線配適之手法，將所設想之頻率響應函數的分析數學式中的固有振動頻率、衰減比、振動模式等之模態參數設定成適當的值，藉此，進行使所實測之頻率響應函數與模型之頻率響應函數儘量似近的處理，鑑定是從 其結果所得之最佳的模態參數之一的衰減比，作為最佳的衰減比。接著，根據所得之衰減比，算出衰減率δ(步驟S146)。
依此方式，衰減率算出手段121係根據藉加水、加振測試所得之在加水過程的各狀態(加水前及每次加水)之波形資料，算出各狀態的衰減率δ。此外，藉由對各波形資料賦與取得之時刻資訊或既定之識別編號等，可識別是在何種狀態時的波形資料。
在步驟S16，重量模型化手段124根據所算出之在加水過程之各狀態的衰減率δ、與藉加水、加振測試所得之在加水過程之各狀態的重量資料，將重量W作為衰減率δ之函數進行學習，而構築重量-衰減率模型。又，間隙水壓模型化手段123根據所算出之在加水過程之各狀態的衰減率δ、與藉加水、加振測試所得之在加水過程之各狀態的間隙水壓資料，將間隙水壓u作為衰減率δ之函數進行學習，而構築間隙水壓-衰減率模型。
進而，水量模型化手段122根據所算出之在加水過程之各狀態的衰減率δ、與藉加水、加振測試所得之在加水過程之各狀態的水量資料，將水量m作為衰減率δ之函數進行學習，而構築水量-衰減率模型(步驟S17)。
然後，模型變換手段130係使用在步驟S17所得之水量-衰減率模型，將在步驟S13所得之黏著力、-水量模型及內部摩擦角-水量模型變換成是將各個衰減率作為模型化輸入變數之模型的黏著力-衰減率模型及內部摩擦角-衰減率模型(步驟S18)。
最後，將在步驟S16及步驟S18所得之模型的資訊，即重量-衰減率模型、間隙水壓-衰減率模型、黏著力-衰減率模型以及內部摩擦角-衰減率模型的資訊記憶於模型資訊記憶手段140。
根據以上的動作，對4個分析數學式變數的全部，構築根據衰減率δ之函數模型的模型學習階段結束。此外，在上述之例子，在進行剪切測試後，進行加水、加振測試，但是測試之順序係無特別限定。
又，在上述，表示黏著力、內部摩擦角模型化手段112對藉剪切測試可得到狀態變化時之值的分析數學式變數(在本例的情況為黏著力c及內部摩擦角ψ)，在以在該剪切測試所得之可觀測量(在本例的情況為水量m)模型化後，模型變換手段130根據藉水量模型化手段122所構築之水量-衰減率模型，變換成將在實斜面所測量之是可觀測量的衰減率δ作為模型化輸入變數之模型的例子，但是亦可黏著力、內部摩擦角模型化手段112直接構築將衰減率作為模型化輸入變數之模型。
在這種情況，黏著力、內部摩擦角模型化手段112係不是在該步驟S13的時序，而是在該步驟S18的時序，進行如下述所示之模型構築處理即可。即，亦可黏著力、內部摩擦角模型化手段112係在2種測試結束而全部之資料齊全後，利用藉水量模型化手段122所構築之水量-衰減率模型，將在剪切測試所使用之各測試體的水量m變換成衰減率δ後，將黏著力c及內部摩擦角ψ各個作為衰減率δ的函數來學習，構築 黏著力-衰減率模型及內部摩擦角-衰減率模型。在此時，該步驟S18的動作係被省略。此外，在加水、加振測試，在得到與得到在黏著力c及內部摩擦角ψ之算出所使用的垂直應力資料及剪切應力資料時相同之條件下的波形資料，即，與在剪切測試所使用之各測試體的水量m相同之水量m時的波形資料的情況，因為不利用水量-衰減率模型，亦可將水量m變換成衰減率δ，所以步驟S17之水量-衰減率模型的構築處理是亦可省略。
其次，說明實斜面監視階段的動作。第7圖係表示在實斜面監視階段之本實施形態的動作之一例的流程圖。在第7圖所示之例子，首先，使用設置於實斜面之振動感測器108，測量在監視對象斜面之滑動層所產生的振動波形(步驟S21)。藉此，得到表示是對現在之滑動層的含水比有影響之可觀測量的振動波形之波形資料。
接著，安全率算出手段151係從所得之波形資料算出對象斜面之振動波形的衰減率δ(步驟S22)。
然後，安全率算出手段151係根據所算出之衰減率δ，使用模型資訊記憶手段140所記憶之4種模型，推測在監視對象斜面之振動波形量測時之4個分析數學式變數的值。接著，將所推測之各值應用於斜面穩定分析數學式，算出安全率Fs(步驟S23)。
判定手段152係根據所算出之安全率Fs，判定是否輸出警報(步驟S24)。亦可判定手段152係例如，若所算出之安全率Fs低於既定臨限值，判定輸出警報(步驟S24之YES)。
警報手段153係在藉判定手段152判定輸出警報的情況，輸出警報(步驟S25)。
例如重複步驟S21~S25的動作至有監視結束之指示(步驟S26)。
如以上所示，若依據本實施形態，預先使用與實斜面同性質的土，對分析數學式變數之全部，預先與從因應於構成實斜面之物質層(土砂等)的狀態而變化化之可觀測量可算出的既定變數(在此為振動波形的衰減率)結合並學習，藉此，只是將可測量該可觀測量之感測器(振動感測器)設置於實斜面，可高精度地算出安全率Fs。因此，可一面迴避對實斜面之量測的困難性，一面高精度地監視斜面的安全性。
又，若依據本實施形態，只是將一種感測器(振動感測器)設置於實斜面，可高精度地監視斜面的安全性。
第2實施形態
其次，參照圖面，說明本發明之第2實施形態。在以下，對與第1實施形態一樣者附加相同的符號，並省略說明。
第8圖係表示本發明之第2實施形態的斜面監視系統之構成例的方塊圖。第8圖所示之斜面監視系統200包括各種感測器(應力感測器101、應力感測器102、水分計103、水分計104、間隙水壓計106、重量計107以及水分計208)、第1模型化手段110、第2模型化手段220、模型資訊記憶手段240以及實斜面監視手段250。
此外，在本實施形態，亦作為監視之前處理，進 行2種測試。第1測試係剪切測試，該剪切測試係用以得到在第1模型化手段110之模型學習所使用的資料。第2測試係加水測試，該加水測試係用以得到在第2模型化手段220之模型學習所使用之資料的測試，對將含水比調整成小值之測試層進行加水，並在分段地使水量逐漸增加的過程，取得測試層所含的水量m，而且測量重量W與間隙水壓u。
在本實施形態，第2模型化手段220係根據藉加水測試所得之在加水過程之測試層的水量m、重量W以及間隙水壓u之各個的值，構築規定重量W與水量m之關係的重量-水量模型及規定間隙水壓u與水量m之關係的間隙水壓-水量模型。
第2模型化手段220係更具體而言，包含間隙水壓模型化手段223與重量模型化手段224。
間隙水壓模型化手段223係根據藉間隙水壓計106所得之在加水過程之測試層的間隙水壓u、與藉水分計104所得之在加水過程之測試層的水量m，構將作為間隙水壓u作為水量m之函數所模型化的間隙水壓-水量模型。
重量模型化手段224係根據藉重量計107所得之在加水過程之測試層的重量W、與藉水分計104所得之在加水過程之測試層的水量m，構築將重量W作為水量m之函數所模型化的重量-水量模型。
模型資訊記憶手段240係將各個分析數學式變數作為根據在實斜面可測量之可觀測量所學習之模型的資訊，至少記憶重量-水量模型、間隙水壓-水量模型、黏著力-水量 模型以及內部摩擦角-水量模型的資訊。
亦可模型資訊記憶手段240係例如，對上朮之各模型，記憶鑑定函數模型之參數、或組裝以模型化輸入變數為引數並送回分析數學式變數之值的處理之模組的位址等，作為模型之資訊。
水分計208係測量在實斜面之滑動層所含的水量m。亦可水分計208係例如設置於實斜面之滑動層，測量該滑動層所含的水量m，並輸出表示量測結果之水量資料的感測器。
實斜面監視手段250係根據藉水分計208所得之實斜面之滑動層的水量m，算出實斜面之安全率，並因應於需要，輸出警報。實斜面監視手段250係更具體而言，包含安全率算出手段251、判定手段152以及警報手段153。
安全率算出手段251係根據藉水分計208所得之實斜面之滑動層所含的水量m、模型資訊記憶手段240所記憶之重量-水量模型、間隙水壓-水量模型、黏著力-水量模型以及內部摩擦角-水量模型的資訊，算出該水量量測時之實斜面的安全率Fs。安全率算出手段251係具體而言，根據實斜面之水量m的值，使用上述之各模型，算出各分析數學式變數之值，即重量W、間隙水壓u、黏著力c以及內部摩擦角ψ之值，再將所得之值應用於上述之第(1)數學式，算出安全率Fs。
又，亦可本實施形態之安全率算出手段251係不僅根據水量資料，還在已輸入表示預測雨量之預測雨量資料的情況，根據該水量資料與該預測雨量資料，預測未來之實斜面 之滑動層所含的水量m，再使用該預測之水量m，算出未來之實斜面的安全率Fs。藉此，可更提早地偵測土地滑動之危險性。
此外，為了易於從水量資料與該預測雨量資料預測未來的水量m，例如，亦可重量模型化手段224將自在加水測試之加水量所示的累積加水量看成累積降雨量，對在各狀態之水量m，構築以累積降雨量所模型化的水量-累積降雨量模型。
在這種情況，亦可安全率算出手段251係使用水量-累積降雨量模型，從水量資料所示之現在的水量m求得現在之累積降雨量，而且更使用預測雨量資料，求得未來之累積降雨量，再根據所求得之未來的累積降雨量與水量-累積降雨量模型，推測未來的水量m。依此方式，若得到未來的水量m，使用各分析數學式變數的模型，求得未來的安全率Fs。
此外，作為預測安全率Fs的方法，除了構築在實斜面之可觀測量(在本例為水量m)-累積降雨量模型以外，亦可將加水量看成每既定單位時間的降雨量，構築對該降雨量之可觀測量的變動模型。利用該變動模型，從自實斜面所得之現在的可觀測量與預測雨量資料預測未來的可觀測量，可預測未來的安全率Fs。
其次，說明本實施形態的動作。第9圖及第10圖係表示本實施形態之斜面監視系統的動作之一例的流程圖。關於動作，亦與第1實施形態一樣者係附加相同的符號，並省略說明。
第9圖係表示在模型學習階段之本實施形態的動 作之一例的流程圖。如第9圖所示，替代加水、加振測試，進行加水測試(步驟S31)。此外，在本實施形態之加水測試係省略第4圖所示之加水、加振測試的動作之步驟S125~步驟S126的動作即可。藉此，得到至土變成飽和之在加水過程之各狀態(加水前及每次加水)的水量資料、間隙水壓資料以及重量資料。
藉加水測試，對至少一塊土塊(測試體)。得到在含水比相異之狀態的水量資料、間隙水壓資料以及重量資料時，移至步驟S32。
在步驟S32，重量模型化手段224根據藉加水測試所得之在加水過程之各狀態的水量資料及重量資料，將重量W作為水量m之函數進行學習，而構築重量-水量模型。又，間隙水壓模型化手段223根據藉加水測試所得之在加水過程之各狀態的水量資料及間隙水壓資料，將間隙水壓u作為水量m之函數進行學習，而構築間隙水壓-水量模型。
然後，將在步驟S13及步驟S32所得之模型的資訊，即黏著力-水量模型、內部摩擦角-水量模型、重量-水量模型以及間隙水壓-水量模型的資訊記憶於模型資訊記憶手段240。
根據以上的動作，對4個分析數學式變數的全部，構築根據水量m之函數模型的模型學習階段結束。此外，在上述之例子，在進行剪切測試後，進行加水測試，但是測試之順序係無特別限定。
其次，說明實斜面監視階段的動作。第10圖係表示在實斜面監視階段之本實施形態的動作之一例的流程圖。如 第10圖所示，在本實施形態，首先，使用設置於實斜面之水分計208，測量在監視對象斜面之滑動層所含的水量m(步驟S41)。藉此，得到表示是對現在之滑動層的含水比有影響之可觀測量的水量之水量資料。
在本例，接著，輸入預測雨量資料(步驟S42)。
然後，安全率算出手段251係根據藉所得之水量資料表示的水量m，使用模型資訊記憶手段240所記憶之4種模型，推測在監視對象斜面之振動波形量測時之4個分析數學式變數的值。接著，將所推測之各值應用於斜面穩定分析數學式，算出安全率Fs(步驟S43)。
在步驟S42，安全率算出手段251係更根據水量資料與預測雨量資料，算出以預測雨量資料所示的預測雨量之未來之任意的時間之實斜面的安全率Fs。
然後，判定手段152係根據所算出之安全率Fs，判定是否輸出警報(步驟S24)。亦可判定手段152係例如，只要所算出之安全率Fs中之一個低於既定臨限值，判定輸出警報。
如以上所示，若依據本實施形態，預先使用與實斜面同性質的土，對分析數學式變數之全部，預先與因應於構成實斜面之物質層(土砂等)的狀態而變化化之可觀測量的值(在此為水量)結合來學習，藉此，只是將可測量該可觀測量之感測器(水分計)設置於實斜面，可高精度地算出安全率Fs。因此，可一面迴避上述之量測的困難性，一面高精度地監視斜面的安全性。
又，在本實施形態，亦只是將一種感測器(水分計)設置於實斜面，可高精度地監視斜面的安全性。
又，若依據本實施形態，因為在加水測試中不必取得波形資料，所以可簡化測試裝置。
又，若依據本實施形態，因為根據預測雨量之未來的安全率亦可簡單且高精度地算出，所以可更提早地輸出至斜面崩潰時時的警報。
此外，在第1實施形態，亦亦可使預測雨量資料輸入實斜面監視手段150，在安全率算出手段151，根據波形資料與該預測雨量資料，算出以預測雨量資料所示的預測雨量之未來之任意的時間之實斜面的安全率Fs。
此外，在這種情況，為了易於從波形資料與預測雨量資料預測未來的衰減率δ，例如，亦可衰減率算出手段121將自在加水測試之加水量所示的累積加水量看成累積降雨量，對在各狀態之衰減率δ，構築以累積降雨量所模型化的衰減率-累積降雨量模型。在此情況，亦可安全率算出手段151係使用衰減率-累積降雨量模型，從現在的衰減率δ求得現在之累積降雨量，而且更使用預測雨量資料，求得未來之累積降雨量，再根據所求得之未來的累積降雨量與衰減率-累積降雨量模型，推測未來的衰減率δ。依此方式，若得到未來的衰減率δ，使用各分析數學式變數的模型，求得未來的安全率Fs。
此外，除了使用從實斜面所得之可觀測量(在本例，是從該可觀測量可算出之既定變數的衰減率δ)，構築可觀測量-累積降雨量模型以外，亦亦可將加水量看成每既定單位 時間的降雨量，構築對該降雨量之可觀測量的變動模型。利用該變動模型，從自實斜面所得之現在的可觀測量與預測雨量資料預測未來的可觀測量，可預測未來的安全率Fs。
第3實施形態
其次，參照圖面，說明本發明之第3實施形態。在以下，對與第1實施形態一樣者附加相同的符號，並省略說明。又，在以下，有將在第1實施形態的斜面監視系統將用以對各個分析數學式變數學習與實斜面之可觀測量對應的模型之手段總稱為「模型學習手段510」的情況。例如，在第11圖所示的例子，模型學習手段510包含是測試用之各種感測器的應力感測器101、應力感測器102、水分計103、水分計104、振動感測器105、間隙水壓計106及重量計107、第1模型化手段110、第2模型化手段120以及模型變換手段130。
第11圖係表示本發明之第3實施形態的分析數學式變數模型提供系統500之構成例的方塊圖。第11圖所示之分析數學式變數模型提供系統500係除了模型學習手段510以外，還包括模型資訊記憶手段540、振動感測器571、水分計572以及模型可否應用判定手段560。此外，亦可使分析數學式變數模型提供系統作為斜面監視系統來動作。在此情況，除了第11圖所示的構成以外，只要包括用以監視實斜面的手段(振動感測器108及實斜面監視手段150)即可。以下，有將對本實施形態的分析數學式變數模型提供系統500加上用以監視實斜面之手段的構成稱為斜面監視系統501的情況。
模型學習手段510的動作係基本上與第1實施形 態一樣。但，在本實施形態，第2模型化手段120(更具體而言，水量模型化手段122)具有使模型資訊記憶手段540記憶在是第2測試的加水、加振測試所得之在加水過程之測試層的水量m及衰減率δ等之關於在模型產生所使用之是物質層的測試層之土質的資料(以下稱為模型產生物質資料)的功能。又，例如，亦可第2模型化手段120係除了第2實施形態的功能以外，還具有根據藉加水、加振測試所得之在加水過程之測試層的衰減率δ及水量m的值，構築規定水量m與衰減率δ之關係的水量-衰減率模型，再將所構築之水量-衰減率模型的資訊作為模型產生物質資料，記憶於模型資訊記憶手段540的功能。
本實施形態之模型資訊記憶手段540係除了第1實施形態之模型資訊記憶手段140的功能以外，還至少記憶該模型產生物質資料。亦可模型資訊記憶手段540係例如，將各個分析數學式變數作為根據在實斜面可測量之可觀測量所學習之模型的資訊，記憶重量-衰減率模型、間隙水壓-衰減率模型、黏著力-衰減率模型以及內部摩擦角-衰減率模型的資訊，而且記憶從在這些之模型產生所使用的測試層在加水過程所取得的水量和所對應之衰減率的資料，作為模型產生物質資料。又，亦可模型資訊記憶手段540係例如作為模型產生物質資料，亦可記憶複數組在加水、加振測試所得之每次加水之測試層的水量與衰減率的組合，記憶水量-衰減率模型之資訊。
振動感測器571及水分計572係用以從作為監視對象之斜面(實斜面)的滑動層(實斜面的土塊等)或作成與該滑動層實質上相同的物質層取得關於土質之資料的感測器。在第 11圖所示之例子，振動感測器571及水分計572係測量實斜面的滑動層之在加水狀態相異的複數種狀態時的振動波形及水量。亦可振動感測器571係例如測量在實斜面之滑動層所產生的振動波形，並輸出表示量測結果之波形資料的感測器。又，亦可水分計572係例如測量實斜面之滑動層的土中水量，並輸出表示量測結果之水量資料的感測器。此外，亦可振動感測器571及/或水分計572係在從實斜面之滑動層難直接測量振動波形及/或水量的情況，藉使用從該滑動層所拿出之物質層的加水、加振測試等，收集振動波形及/或水量。以下，將依此方式從實斜面之滑動層直接或從藉從該滑動層拿出等而作成實質上相同的物質層所測量或收集之關於該物質層之土質的資料稱為實斜面物質資料。此外，在第11圖所示之例子，係作為實斜面物質資料，收集加水狀態相異之複數種狀態時的水量m與所對應之衰減率δ的例子。
此外，振動感測器571及/或水分計572係在作為系統監視實斜面之手段包括進行相同之量測的振動感測器108或水分計208的情況，亦可省略。在此情況，使用振動感測器108或水分計208，收集實斜面物質資料即可。
模型可否應用判定手段560係對成為監視對象的斜面，判定是否應用模型資訊記憶手段540所儲存之模型亦可監視。模型可否應用判定手段560係更具體而言，比較實斜面物質資料所示之衰減率δ與水量m的關係、和模型資訊記憶手段540所儲存之實斜面物質資料所示之衰減率δ與水量m的關係，並評估兩者之相似度，藉此，判定可否應用模型資訊記憶 手段540所儲存之模型。又，亦可模型可否應用判定手段560係將判定結果輸出至使用者。
又，斜面監視系統501係在藉模型可否應用判定手段560判定可應用模型的情況，亦可使安全率算出手段151進行根據模型資訊記憶手段540所記憶之重量-衰減率模型、間隙水壓-衰減率模型、黏著力-衰減率模型以及內部摩擦角-衰減率模型的資訊，算出該衰減率算出時之實斜面的安全率Fs之處理。另一方面，在藉模型可否應用判定手段560判定無法應用模型的情況，亦可斜面監視系統501係從使用與監視對象斜面之滑動層同性質的物質層之測試資料的收集重做，而產生新的監視對象斜面用的模型。
此外，作為實斜面物質資料及模型產生物質資料，使用水量與衰減率之至少包含在實斜面之監視所使用的可觀測量之至少2種以上的可觀測量或從該可觀測量可算出之物理量(變數)較佳，但是實斜面物質資料及模型產生物質資料係未限定如此。例如，亦可使用含水比，替代水量m。在此情況，亦可將水分計103、水分計104以及水分計572各自置換成藉含水比測試可測量含水比的手段(含水比量測手段)。亦可含水比量測手段係例如測量或收集土塊之乾燥重量與施加於該土塊之水的重量，並從那些重量算出含水比者。此外，測試體之含水比係已知，在作為測試體資料，輸入表示該測試體之含水比之含水比資料的情況，含水比量測手段係亦可省略。
此外，實斜面物質資料及模型產生物質資料係未限定為含水比或對含水比有影響的物質量，只要是表示土質之 物理量，並可從在模型產生用所使用之測試體及實斜面之滑動層或實質上與該滑動層相同之物質層可收集的物理量即可。
又，在這種情況，如第2實施形態所示，亦可間隙水壓模型化手段及重量模型化手段以從水分計104所得之水量m將間隙水壓及重量進行模型化。在此情況，只要將振動感測器571及振動感測器108更換成水分計572及水分計208即可。依此方式，可省略模型變換手段130，而且不需要藉安全率算出手段151之衰減率的算出處理。此外，在本例的情況，第2模型化手段(更具體而言，重量模型化手段)係作為模型產生物質資料，例如將水量與對應於該水量之含水比記憶模型資訊記憶手段即可。關於這種分析數學式變數模型提供系統的構成例及動作，將作為第4實施形態後述。
其次，說明本實施形態的動作。應用本實施形態的分析數學式變數模型提供系統之斜面監視系統的動作係大致上可分成模型學習階段、模型判定階段以及實斜面監視階段之3個階段。分析數學式變數模型提供系統500係進行其中之模型學習階段與模型判定階段。此外，模型學習階段的動作係基本上與第1實施形態一樣。又，在斜面監視系統501之實斜面監視階段的動作亦可與第1實施形態一樣。但，在本實施形態，在模型學習階段(例如，第2圖之步驟S17等)，第2模型化手段使模型資訊記憶手段540記憶將在加水過程之各狀態的衰減率δ與水量m賦與對應的資訊，作為模型產生物質資料。在以下，與第1實施形態一樣者係附加相同的符號，並省略說明。
第12圖係表示在模型判定階段之本實施形態的動作之一例的流程圖。在第12圖所示的例子，首先，使用水分計572，測量是作為監視對象之斜面的實斜面之滑動層的水量(步驟S51)。藉此，模型可否應用判定手段560得到水量資料。
又，在與步驟S51之水量的量測同時地使用振動感測器571，測量那時之振動波形(步驟S52)。藉此，模型可否應用判定手段560得到波形資料。此外，在步驟S52，模型可否應用判定手段560係從所得之波形資料算出衰減率。
接著，進行對實斜面之滑動層進行加水等的含水調整，並重複水量量測及波形資料量測所需的次數(步驟S53)。藉此，模型可否應用判定手段560係作為實斜面物質資料，得到包含複數組水量m與所對應之衰減率δ之組合的資訊。此外，亦可模型判定階段係從包含複數組水量m與所對應之衰減率δ之組合的實斜面物質資料被輸入時開始。
得到包含所需的次數份量之水量m與衰減率δ的實斜面物質資料時(步驟S53之YES)，模型可否應用判定手段560係從所得之實斜面物質資料，製作表示在作為監視對象之斜面的物質層之水量與衰減率的關係之水量-衰減率關係式(步驟S54)。
接著，模型可否應用判定手段560係判定從所製作之關係式所得的水量-衰減率分布是否滿足從根據位於模型資訊記憶手段540內之模型產生物質資料之水量-衰減率的分布所設定之既定基準(步驟S55)。在此，若滿足既定基準(步驟S55之YES)，模型可否應用判定手段560判定現在模型資 訊記憶手段540所記憶之模型是可應用於作為監視對象之斜面的監視(步驟S56)。另一方面，若未滿足既定基準(步驟S55之NO)，模型可否應用判定手段560判定無法應用該模型，亦可移往製作新模型之處理(步驟S57)。
亦可既定基準係例如從所製作之關係式所得的分布是否位於從模型產生物質資料所設定之關係式上限值與關係式下限值之間。亦可模型可否應用判定手段560係例如若從所製作之關係式所得的分布位於從模型產生物質資料所設定之關係式上限值與關係式下限值之間，判定可應用模型，若未位於此範圍，判定無法應用模型。例如，亦可模型可否應用判定手段560係根據是否滿足以以下之第(9)數學式所示的判定條件，判定可否應用模型。
(平均-3β)<所得之各值<(平均+3β)...(9)
在第(9)數學式，「所得之各值」係是比較對象之實斜面物質資料的值(例如水量)。又，β是不均指數，例如是標準偏差。在此，「平均+3β」相當於關係式上限值，「平均-3β」相當於關係式下限值。此外，平均及不均指數係從是比較源之模型產生物質資料所算出。第13圖係表示分布之類似否判定之例子的說明圖。亦可模型可否應用判定手段560係如第13圖所示，根據第(9)數學式，若實斜面物質資料之各值是對模型產生物質資料之平均在不均指數之既定倍(例如3倍)以內，當作兩分布係類似，判定可應用模型。此外，在第(9)數學式，不均指數係未限定為標準偏差。例如，作為不均指數，亦可使用各點之對模型數學式之距離的平均等。
此外，亦可模型可否應用判定手段560係在步驟S54不製作水量-衰減率關係式，而在步驟S56直接算出根據模型產生物質資料之水量-衰減率分布、與根據實斜面物質資料之水量-衰減率分布之間的類似度，再根據所算出之類似度，判定可否應用模型。
又，亦可模型可否應用判定手段560係例如各自以向量表達模型產生物質資料與實斜面物質資料，並算出那些向量空間模型的類似度，藉此，判定可否應用模型。作為向量空間模型之類似度的算出方法，列舉例如利用內積之方法、或利用餘弦相關值之方法等。
又，亦可模型可否應用判定手段560係例如算出將實斜面物質資料配適於從模型產生物質資料所得之水量-衰減率關係式時之各值的標準偏差與平均的比，作為類似度，再根據所算出之類似度，判定可否應用模型。
又，作為模型產生物質資料與實斜面物質資料之間的類似度之其他的例子，列舉算出模型產生物質資料之點資訊(水量-衰減率圖形上之位置座標等)與實斜面物質資料之點資訊之間的距離，再根據所算出之距離的資料所算出之類似度等。亦可模型可否應用判定手段560係例如算出模型產生物質資料之點資訊與實斜面物質資料之點資訊彼此的距離，並將在複數個點所算出之距離相加，而算出總距離。而且，亦可模型可否應用判定手段560係將那種總距離除以相加之次數，而算出平均一點之距離的平均，作為類似度的指標。第14圖係表示分布之類似度的算出方法之例子的說明圖。亦可模型可否應 用判定手段560係例如如第14圖所示，對實斜面物質資料之點資訊的各個，算出與模型產生物質資料之全部的點資訊之距離，再算出平均一點之距離的平均。而且，亦可模型可否應用判定手段560係對各點資訊所求得之平均一點之距離的平均係全部位於既定範圍內，當作兩分布係類似，判定可否應用模型。
進而，亦可判定可否應用模型之部分係調查作為監視對象之斜面之土的土質(構成元素或土質分類或密度或壓實度等)，並在地質學上判斷是否是與在模型資訊記憶手段540所儲存之模型的製作所使用之土相同，藉此，判斷可否應用模型。
又，在判定可應用模型後，亦可輸出判定結果並結束處理，亦可直接移至實斜面監視階段。
如以上所示，若依據本實施形態，每當監視對象斜面改變，亦可未必要進行模型學習，因為可再利用模型，所以可削減模型學習的耗費，而提高處理之效率。
第4實施形態
其次，參照圖面，說明本發明之第4實施形態。在以下，對與第2、第3實施形態一樣者附加相同的符號，並省略說明。又，在以下，有將在第2實施形態的斜面監視系統將用以對各個分析數學式變數學習與實斜面之可觀測量對應的模型之手段總稱為「模型學習手段610」的情況。例如，在第8圖所示的例子，模型學習手段610包含是測試用之各種感測器的應力感測器101、應力感測器102、水分計103、水分計104、間隙水壓計106及重量計107、第1模型化手段110以及 第2模型化手段220。
第15圖係表示本發明之第4實施形態的分析數學式變數模型提供系統600之構成例的方塊圖。第15圖所示之分析數學式變數模型提供系統600係除了模型學習手段610以外，還包括模型資訊記憶手段640、含水比量測手段671、水分計672以及模型可否應用判定手段660。在本實施形態，亦亦可使分析數學式變數模型提供系統作為斜面監視系統來動作。在此情況，除了第12圖所示的構成以外，只要包括用以監視實斜面的手段(振動感測器108及實斜面監視手段150)即可。以下，有將對本實施形態的分析數學式變數模型提供系統600加上用以監視實斜面之手段的構成稱為斜面監視系統601的情況。
斜面監視系統601的動作係基本上與第2實施形態一樣。但，在本實施形態，亦第2模型化手段220(更具體而言，重量模型化手段224等)具有使模型資訊記憶手段540記憶在是第2測試的加水測試所得之在加水過程之測試層的水量m及含水比s等之模型產生物質資料的功能。在此，含水比s係亦可直接使用作為測試條件等所輸入之值。又，例如，亦可重量模型化手段224在從以重量計107所測量之重量W與那時之水量m算出在加水過程之測試層的含水比s的情況，使用所算出之值。又，例如，亦可第2模型化手段220係具有根據藉加水測試所得之在加水過程之測試層的水量m及含水比s的值，構築規定含水比s與水量m之關係的含水比-水量模型，再將所構築之含水比-水量模型的資訊作為模型產生物質 資料，記憶於模型資訊記憶手段640的功能。
本實施形態之模型資訊記憶手段640係除了第2實施形態之模型資訊記憶手段240的功能以外，還至少記憶該模型產生物質資料。亦可模型資訊記憶手段640係例如，將各個分析數學式變數作為根據在實斜面可測量之可觀測量所學習之模型的資訊，記憶重量-水量模型、間隙水壓-水量模型、黏著力-水量模型以及內部摩擦角-水量模型的資訊，而且記憶從在這些之模型產生所使用的測試層在加水過程所取得的水量和所對應之含水比的資料，作為模型產生物質資料。又，模型資訊記憶手段640係例如作為模型產生物質資料，亦可記憶複數組在加水測試所得之每次加水之測試層的水量與含水比的組合，亦可記憶含水比-水量模型之資訊。
含水比量測手段671及水分計672係用以收集實斜面物質資料之量測手段及感測器的例子。在第15圖所示之例子，含水比量測手段671及水分計672係測量作為監視對象之斜面(實斜面)的滑動層或作成與該滑動層實質上相同的物質層之在加水狀態相異的複數種狀態時的含水比及水量。亦可含水比量測手段671係例如測量或收集從實斜面之滑動層所取得之土塊的乾燥重量與對土塊所施加之水的重量，再從這些算出含水比，並輸出表示算出結果之含水比資料的手段。又，亦可水分計672係例如測量實斜面之滑動層的土中水量，並輸出表示量測結果之水量資料的感測器。此外，亦可含水比量測手段671及/或水分計672係與第3實施形態一樣，在從實斜面之滑動層難直接測量含水比及/或水量的情況，藉使用從該滑動層 所拿出之物質層的含水比測試等，收集含水比及/或水量。此外，在第15圖所示之例子，係作為實斜面物質資料，收集實斜面之滑動層或作成實質上與該滑動層相同的物質層之在加水狀態相異之複數種狀態時的含水比s與所對應之水量m的例子。
此外，與第3實施形態一樣，水分計672係在作為系統監視實斜面之手段，包括進行相同之量測的水分計208的情況，亦可省略。在此情況，使用水分計208，收集實斜面物質資料即可。
模型可否應用判定手段660係對成為監視對象的斜面，判斷是否應用模型資訊記憶手段640所儲存之模型亦可監視。模型可否應用判定手段660係更具體而言，比較實斜面物質資料所示之水量m與含水比s的關係、和模型資訊記憶手段640所儲存之模型產生物質資料所示之水量m與含水比s的關係，並評估兩者之相似度，藉此，判定可否應用模型資訊記憶手段640所儲存之模型。又，亦可模型可否應用判定手段660係將判定結果輸出至使用者。
又，斜面監視系統601係在藉模型可否應用判定手段660判定可應用模型的情況，亦可使安全率算出手段251進行根據模型資訊記憶手段640所記憶之重量-水量模型、間隙水壓-水量模型、黏著力-水量模型以及內部摩擦角-水量模型的資訊，算出該水量算出時之實斜面的安全率Fs之處理。另一方面，在藉模型可否應用判定手段660判定無法應用模型的情況，亦可斜面監視系統601係從使用與監視對象斜面之滑 動層同性質的物質層之測試資料的收集重做，而產生新的監視對象斜面用的模型。
其次，說明本實施形態的動作。在本實施形態，亦斜面監視系統的動作係大致上可分成模型學習階段、模型判定階段以及實斜面監視階段之3個階段。分析數學式變數模型提供系統600係進行其中之模型學習階段與模型判定階段。此外，模型學習階段的動作係基本上與第2實施形態一樣。又，在斜面監視系統601之實斜面監視階段的動作亦可與第1實施形態一樣。但，在本實施形態，亦與第3實施形態一樣，在模型學習階段(例如，第9圖之步驟S32等)，第2模型化手段使模型資訊記憶手段640記憶將在加水過程之各狀態的水量m與含水比s賦與對應的資訊，作為模型產生物質資料。在以下，與第2或第3實施形態一樣者係附加相同的符號，並省略說明。
第16圖係表示在模型判定階段之本實施形態的動作之一例的流程圖。在第16圖所示的例子，首先，調整作為監視對象之斜面的滑動層或作成與該滑動層實質上相同之物質層的含水量(步驟S61)。在此時，使用含水比量測手段671，測量該測試層或該物質層的含水比。藉此，模型可否應用判定手段660得到含水比資料。
又，使用水分計672，與步驟S61之含水比的量測同時地或使用在步驟S61測量含水比時的物質層，測量該測試層或該物質層的水量(步驟S62)。藉此，模型可否應用判定手段660得到水量資料。
接著，進行實斜面之滑動層或與該滑動層實質上 相同之物質層的含水調整，並重複含水比量測及水量量測所需的次數(步驟S63)。藉此，模型可否應用判定手段660係作為實斜面物質資料，得到包含複數組含水比s與所對應之水量m之組合的資訊。此外，亦可模型判定階段係從包含複數組含水比s與所對應之水量m之組合的實斜面物質資料被輸入時開始。
得到包含所需的次數份量之含水比s與水量m的實斜面物質資料時(步驟S63之YES)，模型可否應用判定手段660係從所得之實斜面物質資料，製作表示在作為監視對象之斜面的物質層之含水比與水量的關係之含水比-水量關係式(步驟S64)。
接著，模型可否應用判定手段660係判定從所製作之關係式所得的含水比-水量分布是否滿足從根據位於模型資訊記憶手段640內之模型產生物質資料之含水比-水量的分布所設定之既定基準(步驟S65)。在此，若滿足既定基準(步驟S65之YES)，模型可否應用判定手段660判定現在模型資訊記憶手段640所記憶之模型是可應用於作為監視對象之斜面的監視(步驟S66)。另一方面，若未滿足既定基準(步驟S65之NO)，模型可否應用判定手段660判定無法應用該模型，亦可移往製作新模型之處理(步驟S67)。
亦可模型可否應用判定手段660係例如若從所製作之關係式所得之含水比-水量的分布位於從模型產生物質資料所設定之關係式上限值與關係式下限值之間，判定可應用模型，若未位於此範圍，判定無法應用模型。又，亦可模型可 否應用判定手段660係在步驟S64不製作含水比-水量關係式，而在步驟S66直接算出根據模型產生物質資料之含水比-水量的分布、與根據實斜面物質資料之含水比-水量的分布之間的類似度，再根據所算出之類似度，判定可否應用模型。關於其他的例子亦一樣。本實施形態之模型可否應用判定手段660係在判定可否應用模型之處理，使用含水比-水量的分布，進行第3實施形態之模型可否應用判定手段560使用水量-衰減率之分布所進行的判定處理即可。
又，在判定可應用模型後，亦可輸出判定結果並結束處理，亦可直接移至實斜面監視階段。
如以上所示，若依據本實施形態，與第3實施形態一樣，每當監視對象斜面改變，亦可未必要進行模型學習，因為可再利用模型，所以可削減模型學習的耗費，而提高處理之效率。
[實施例]
其次，使用具體之例子，更詳細說明上述之各實施形態。
第1實施例
在以下，說明是第1實施形態之斜面監視系統之具體的例子之第1實施例。第17圖係第1實施例之斜面監視系統的構成圖。第17圖所示之斜面監視系統300包括三軸壓縮式測試裝置31、種植機32、電腦33、實斜面量測機器34以及顯示裝置35。
三軸壓縮式測試裝置31包含應力感測器101與應 力感測器102。又，種植機32包含水分計104、振動感測器105以及間隙水壓計106。又，實斜面量測機器34包含振動感測器108。
收集並處理資料之電腦33係例如包括根據程式動作之CPU(未圖示)、與作為記憶裝置之資料庫336之一般的電腦。
在本例之電腦33，作為程式模組，以可執行包含黏著力、內部摩擦角算出模型331、黏著力、內部摩擦角模型化模組332、水量對應化模組333、衰減率算出模組334、重量、間隙水壓模型化模組335以及實斜面監視模組337的形態被安裝。即，電腦33係CPU讀入那種斜面監視程式後，該CPU係可執行斜面監視程式所含的各模組所規定之既定處理的狀態。
在本例，黏著力、內部摩擦角算出模型331係相當於第1實施形態之黏著力、內部摩擦角算出手段111。黏著力、內部摩擦角模型化模組332係相當於第1實施形態之黏著力、內部摩擦角模型化手段112及模型變換手段130。又，水量對應化模組333係相當於第1實施形態之水量模型化手段122或感測器資料受理手段之一部分功能。又，衰減率算出模組334係相當於第1實施形態之衰減率算出手段121。又，重量、間隙水壓模型化模組335係相當於第1實施形態之間隙水壓模型化手段123及重量模型化手段124。又，實斜面監視模組337係相當於第1實施形態之實斜面監視手段150，即安全率算出手段151、判定手段152以及警報手段153。
此外，本例之三軸壓縮式測試裝置31係未包括水 分計103。因此，使用者將表示作為測試條件所預先測量之各測試體的測試層之水量m(含水比)等的資料輸入電腦33。一樣地，種植機32係未包括重量計107。因此，重量、間隙水壓模型化模組335從加水前之測試層的含水比、重量以及每次加水之加水量算出每次加水之測試層的重量W。此外，在算出所需之這些資料係例如，作為測試條件，由使用者輸入電腦33即可。
黏著力、內部摩擦角算出模型331係從藉應力感測器101及應力感測器102所測量之量測值的垂直應力σ及剪切應力τ，算出三軸壓縮測試之測試體的黏著力c與內部摩擦角ψ。
黏著力、內部摩擦角模型化模組332係根據作為三軸壓縮測試之測試條件所示的三軸壓縮測試之各測試體的含水比、所算出之三軸壓縮測試之各測試體的黏著力c及內部摩擦角ψ、與藉後述之水量對應化模組333的賦與對應所得之三軸壓縮測試之各測試體的含水比對應的衰減率δ，將黏著力c與內部摩擦角ψ各自作為振動波形之衰減率δ的函數，進行模型化。
衰減率算出模組334係從是藉振動感測器105所測量之量測值的振動波形，算出在加水過程的各狀態之振動波形的衰減率δ。
水量對應化模組333係將作為在三軸壓縮測試所得之水量的含水比、與至少在加水、加振測試所得之衰減率δ賦與對應。在本例，水量對應化模組333係從在種植機32所 加水的量求得在加水過程的各狀態之測試體的含水比，並將在加水過程之各狀態的感測器資料及所算出之值(至少包含衰減率δ)與所求得之含水比一起記憶資料庫336，藉此，將作為在三軸壓縮測試所得之水量的含水比、與至少在加水、加振測試所得之衰減率δ賦與對應(參照後述之第20圖)。此外，在三軸壓縮測試所得之水量與在加水、加振測試所得之水量係相同之資料形式的情況，亦可水量對應化模組333係只是將在加水過程之各狀態的感測器資料及所算出之值(衰減率δ)記憶資料庫336。
此外，在本例，將在加水、加振測試得到在與得到在黏著力c及內部摩擦角ψ之算出所使用的垂直應力資料與剪切應力資料時相同的條件下的波形資料作為前提，但是在無法得到那種波形資料的情況，水量對應化模組333係構築規定作為在三軸壓縮測試所得之水量的含水比、與衰減率δ之關係的含水比-衰減率模型即可。
重量、間隙水壓模型化模組335係從在加水過程的各狀態之是以間隙水壓計106所測量之量測值的間隙水壓u、從加水量所求得之測試體的重量W以及所算出之振動波形的衰減率δ，將重量W與間隙水壓u各自作為振動波形之衰減率δ的函數，進行模型化。
資料庫336係記憶藉黏著力、內部摩擦角模型化模組332所模型化之黏著力c的函數模型(黏著力-衰減率模型)及內部摩擦角ψ的函數模型(內部摩擦角-衰減率模型)、與藉重量、間隙水壓模型化模組335所模型化之重量W的函 數模型(重量-衰減率模型)及間隙水壓u之函數模型(間隙水壓-衰減率模型)的資訊。
實斜面監視模組337係從是藉設置於實斜面之振動感測器108所測量之量測值的振動波形算出衰減率δ，再根據所算出之衰減率δ，算出斜面的安全率Fs，再根據所算出之安全率Fs，判定斜面之安全性。亦可實斜面監視模組337係作為安全性之判定結果，例如與安全率Fs同時輸出警報之有無。
顯示裝置35顯示實斜面監視模組337的判定結果。
其次，說明本實施例的動作。以下之例子係將所造成之斜面作為監視對象斜面，構成該斜面之滑動層的物質群由土，更具體而言係壓實度85%之山砂所構成的情況。
首先，使用與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的試料，準備調整成複數種含水比的測試體(土塊)。
接著，使用三軸壓縮式測試裝置31，對所準備之各個測試體實施三軸壓縮測試。
第18圖係表示藉本例之三軸壓縮測試所得之黏著力c及內部摩擦角ψ之值的說明圖。此外，在第18圖，表示對含水比被調整成14~24%之共11個的測試體，藉三軸壓縮測試所得之黏著力c及內部摩擦角ψ、以及是有效摩擦係數之tan ψ的值。亦可資料庫336係除了上述之模型的資訊以外，還記憶例如如第18圖所示的資料。
又，第19圖係表示在加水、加振測試所使用之種 植機之一例的說明圖。加水、加振測試係例如亦可使用如第19圖所示之小型種植機。第19圖所示之種植機32包括3個水分計104(土壞水分計104A、土壞水分計104B以及土壞水分計104C)、2個振動感測器105(振動感測器105A及振動感測器105B)以及2個間隙水壓計106(間隙水壓計106A及間隙水壓計106B)。此外，複數個土壞水分計及振動感測器係設置於高度相異的位置，並在用於模型化時係利用其平均值。
在本例之加水、加振測試，利用第19圖所示之小型種植機。首先，在第19圖所示之種植機32，堆上由與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的試料所構成，並含水比被調整成比在三軸壓縮測試所使用之測試體更小的土，而形成測試體(填土)。
照這樣測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A以及間隙水壓計106B的值，而且，淋水後，測量那時之振動感測器105A及振動感測器105B的值。淋水之強度係設定成相當於100mm/h之降雨量的強度，淋水時間係設定成約5秒。此外，在本例，在加水動作亦有之淋水動作相當於加振動作。
接著，利用蓮蓬頭施加既定量的水後，以與上述相同之方法，測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A、間隙水壓計106B的值、振動感測器105A以及振動感測器105B的值。重複這種加水、量測循環至土變成飽和。
在每一次的操作，測量複數個水量資料、間隙水 壓資料以及波形資料。此外，在模型學習所使用之水量m及間隙水壓u係算出各量測值的平均值。又，衰減率δ係從所得之各波形資料根據第6圖所示之方法求得。
即，根據第6圖所示之方法，對各波形資料進行頻率濾波，並對濾波後之資料進行頻率變換，而取得頻率響應。然後，取得在該頻率響應之尖峰頻率，再將所得之尖峰頻率作為可從物理模型導出之頻率響應函數的共振頻率，產生以衰減比為變數的頻率響應函數。在此，將所產生之頻率響應函數配適成與進行該頻率變換所得之各頻率響應的資料一致，而鑑定最佳的衰減比。然後，根據所得之衰減比，算出衰減率δ。
第20圖係表示藉加水、加振測試所得之各種值的說明圖。此外，在第20圖，表示在共6次之加水、量測循環所取得的量測值(水量m、衰減率δ以及間隙水壓u)、加水量、含水比、重量W等的值。在第20圖，水量之“水分計A”的欄表示土壞水分計104A之量測值。又，“水分計B”的欄表示土壞水分計104B之量測值。又，“水分計C”的欄表示土壞水分計104C之量測值。又，衰減率之“CH1”的欄表示從自振動感測器105A所得之波形資料所求得的衰減率。又，衰減率之“CH2”的欄表示從自振動感測器105B所得之波形資料所求得的衰減率。又，間隙水壓之“CH1”的欄表示間隙水壓計106A之量測值。又，間隙水壓之“CH2”的欄表示間隙水壓計106B之量測值。此外，表中之“[-]”表示無單位。
資料庫336係除了上述之模型的資訊以外，亦可記憶例如如第20圖所示的資料。此外，在第20圖，含水比及 土塊重量的值係求加水量、起始之土塊重量以及起始之含水比求得。
依此方式，得到與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的土之對複數種含水比的黏著力c、內部摩擦角ψ、水量m、間隙水壓u、重量W以及衰減率δ的資料。黏著力、內部摩擦角模型化模組332及重量、間隙水壓模型化模組335係根據所得之資料，對各個分析數學式變數，學習對衰減率δ之函數模型。在本例，對重量W、間隙水壓u、黏著力c以及內部摩擦角ψ學習對衰減率δ之迴歸數學式。此外，在含水比高的情況與低的情況黏著力c之傾向相異的情況，亦可在迴歸數學式之學習，此情況係僅使用含水比高之部分的黏著力c。即，亦可僅使用所得之資料的一部分，構築模型。
其次，說明監視動作。在本例，將第21圖所示之造成的斜面(實斜面)作為監視對象斜面(實斜面)，評估本發明之斜面監視方法。在第21圖以四角記號所示，將3×2個振動感測器108埋設於所造成的實斜面。此外，在該實斜面，為了評估用，埋設3×2個土壞水分計(參照圓記號)與4個間隙水壓計。此外，振動感測器108係在斜面之3處，被埋設於各自2種的深度位置。又，土壞水分計及間隙水壓計係被配置於緊鄰振動感測器108。但，關於間隙水壓計，在斜面之3處中之正中央位置以外的位置，僅配置於比較淺的深度位置。
作為斜面之監視動作，在使用蓮蓬頭對所造成的實斜面逐漸加水的過程，約每隔20分鐘測量各個振動感測器 108的值，而得到振動波形的波形資料。然後，根據所得之各振動波形的波形資料，求得衰減率δ，再根據所求得之衰減率δ，實斜面監視模組337求得安全率Fs，藉此，評估安全性。亦可從在複數處進行量測之各個振動感測器，算出衰減率，並使用平均值。又，在本例，為了評估該監視動作而進行加水至斜面崩潰，並記錄斜面崩潰時的時刻。
實斜面監視模組337係根據藉6個振動感測器108所測量之振動波形的波形資料，並按照第6圖所示之流程，算出衰減率δ，再從所算出之衰減率δ，使用資料庫336所記憶之各模型的資訊，預測各分析數學式變數的值，再算安全率Fs。然後，在所算出之安全率Fs低於1的情況，當作有斜面崩潰的可能性，輸出警報。此外，亦可從在複數處進行量測之各個振動感測器，使用第5圖所示之方法等，算出衰減率，並使用平均值。
第22圖係表示藉加水動作從本例之實斜面所得之各種值的說明圖。在第22圖，表示本例之對實斜面之在加水過程之波形資料的取得時的經過時間、衰減率δ、時刻以及安全率Fs。此外，在本例，從實驗開始經過7小時59分鐘後斜面崩潰。
在第22圖所示的例子，相對實際之斜面崩潰時間係從實驗開始經過7小時59分鐘後，而安全率Fs低於1之時間係從實驗開始經過7小時6分鐘後。此外，因為在前一個測量時(安全率Fs比1更大時)的經過時間係6小時49分鐘，所以得知實際之崩潰與警報輸出之間的時間差係53~70分鐘之 間。
第2實施例
在第1實施例，加水、加振測試及實斜面監視時都利用蓮蓬頭之水的壓力進行加振，但是在以下，作為加水、加振測試及實斜面監視時的加振方法，說明利用鐵球之落下的第2實施例。在第2實施例，係在與第1實施例相同的構成，追加從種植機32之正上或設置於實斜面之振動感測器的正上使鐵球落下的裝置。
在本例，亦將所造成之斜面作為監視對象斜面，構成該斜面之滑動層的物質群由土，更具體而言係壓實度85%之山砂所構成的情況作為例子。
首先，以與第1實施形態一樣的方法，得到第18圖所示之對複數種含水比之黏著力c、內部摩擦角ψ的資料，並儲存於資料庫336。
接著，與第1實施例一樣，在第19圖所示之種植機32內，造成測試體(填土)，該測試體係由與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的試料所構成，並含水比被調整成比在三軸壓縮測試所使用之測試體更小。
在仍然最初之狀態下，測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A以及間隙水壓計106B的值，而且使鐵球朝向種植機32內之測試體從正上落下，測量那時之振動感測器105A及振動感測器105B的值。鐵球係採用直徑約1cm者，並使其從土表面約10cm的高度落下。此外，從種植機32之設置振動感測器105A及振動 感測器105B之位置的正上，使鐵球落下較佳。
在進行既定量之加水後，以與上述一樣的方法，測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A、間隙水壓計106B、振動感測器105A以及振動感測器105B的值，重複這種加水、量測循環至土變成飽和。在此，本例之加水方法係無特別限定，但是使用與第1實施例一樣的蓮蓬頭。
在本例，亦在每一次的操作，測量複數個水量資料及間隙水壓資料。此外，在模型學習所使用之水量m及間隙水壓u係算出各量測值的平均值。又，含水比及(土塊)重量W的值係從加水量、起始之土塊重量以及起始之含水比所求得。又，衰減率δ係從所得之各波形資料根據第6圖所示之方法求得。藉此，得到對在一個測試體之複數種含水比的水量m、間隙水壓u、重量W以及衰減率δ的資料，並儲存於資料庫336。
依此方式，得到對與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的土之複數種含水比的黏著力c、內部摩擦角ψ、水量m、間隙水壓u、重量W以及衰減率δ的資料時，黏著力、內部摩擦角模型化模組332及重量、間隙水壓模型化模組335係根據所得之資料，學習對各個分析數學式變數之衰減率δ的函數模型。模型之學習方法係與第1實施例一樣。
其次，說明監視動作。在本例，亦將第21圖所示之造成的斜面作為監視對象斜面(實斜面)，評估本發明之斜面監視方法。作為本例之監視動作，在使用蓮蓬頭對所造成的實 斜面逐漸加水的過程，使鐵球從以固定間隔所設置之振動感測器108之各個的正上落下，並測量來自那時之各個振動感測器108的值，而得到振動波形的波形資料。然後，根據所得之各振動波形的波形資料，求得衰減率δ，再根據所求得之衰減率δ，實斜面監視模組337求得安全率Fs，藉此，評估安全性。亦可從在複數處進行量測之各個振動感測器，算出衰減率，並使用平均值。在本例，亦約每隔20分鐘取得波形資料，而且為了評估該監視動作而進行加水至斜面崩潰，並記錄斜面崩潰時的時刻。
根據本實施例，亦與第1實施例一樣，可偵測斜面崩潰的可能性。
第3實施例
在以下，說明是第2實施形態之斜面監視系統之具體的例子之第3實施例。第23圖係第3實施例之斜面監視系統的構成圖。第23圖所示之斜面監視系統400包括三軸壓縮式測試裝置41、種植機42、電腦43、實斜面量測機器44以及顯示裝置45。
三軸壓縮式測試裝置41係與第1實施例之三軸壓縮式測試裝置31一樣。
種植機42係與第1實施例之種植機32相比，在未包括振動感測器105上相異。此外，其他的事項係與第1實施例之種植機32一樣。
實斜面量測機器44包含水分計208。
電腦43亦係例如包括根據程式動作之CPU(未圖 示)、與作為記憶裝置之資料庫436之一般的電腦。
在本例之電腦43，作為程式模組，以可執行包含黏著力、內部摩擦角算出模型431、黏著力、內部摩擦角模型化模組432、水量對應化模組433、重量、間隙水壓模型化模組435以及實斜面監視模組437之斜面監視程式的形態被安裝。即，電腦43係CPU讀入那種斜面監視程式後，該CPU係可執行斜面監視程式所含的各模組所規定之既定處理的狀態。
在本例，黏著力、內部摩擦角算出模型431係相當於第2實施形態之黏著力、內部摩擦角算出手段111。黏著力、內部摩擦角模型化模組432係相當於第2實施形態之黏著力、內部摩擦角模型化手段112。又，重量、間隙水壓模型化模組435係相當於第2實施形態之間隙水壓模型化手段223及重量模型化手段224。又，實斜面監視模組437係相當於第2實施形態之實斜面監視手段250，即安全率算出手段251、判定手段252以及警報手段253。
此外，水量對應化模組433係在該第2實施形態未明示，但是在各測試所得之水量、與從在實斜面之監視所使用之水分計208的量測值所得之水量的資料形式相異的情況，將這些賦與對應。藉此，作成各模型化模組能以從在實斜面之監視所使用之水分計208的量測值所得之水量將各分析數學式變數模型化。在本例，水量對應化模組433係從在種植機42所加水的量求得在加水過程之各狀態之測試體的含水比，並將在加水過程之各狀態的感測器資料及所算出之值(至少包含作為被當作模型化輸入變數的水量之水分計量測值的平均值)與 所求得之含水比一起記憶於資料庫436，藉此，將作為在三軸壓縮測試所得之水量的含水比、與作為至少在加水測試所得之水量之水分計量測值的平均值賦與對應(參照後述之第20圖)。
此外，在本例，亦將在加水測試得到在與得到在黏著力c及內部摩擦角ψ之算出所使用的垂直應力資料與剪切應力資料時相同的條件下的水量資料作為前提，但是在無法得到那種水量資料的情況，水量對應化模組433係構築規定作為在三軸壓縮測試所得之水量的含水比、與作為被當作模型化輸入變數的水量m之水分計量測值的平均值之關係的含水比-水分計量測值模型即可。
黏著力、內部摩擦角算出模型431係與第1實施例之黏著力、內部摩擦角算出模型331一樣。
黏著力、內部摩擦角模型化模組432係根據作為測試條件所示之各測試體的含水比、所算出之各測試體的黏著力c及內部摩擦角ψ、與藉水量對應化模組433的賦與對應所得之三軸壓縮測試的各測試體之含水比對應的水分計量測值(之平均值)，將黏著力c與內部摩擦角ψ各自作為比水量m更具體之水分計量測值(之平均值)的函數，進行模型化。
重量、間隙水壓模型化模組435係從在加水過程的各狀態之是以間隙水壓計106所測量之量測值的間隙水壓u、從加水量所求得之測試體的重量W以及是以水分計104所測量之量測值的水量m，將重量W與間隙水壓u各自作為水量m，即水分計量測值(之平均值)的函數，進行模型化。
資料庫436係記憶藉黏著力、內部摩擦角模型化 模組432所模型化之黏著力c的函數模型(黏著力-水量模型)及內部摩擦角ψ的函數模型(內部摩擦角-水量模型)、與藉重量、間隙水壓模型化模組435所模型化之重量W的函數模型(重量-水量模型)及間隙水壓u之函數模型(間隙水壓-水量模型)的資訊。
實斜面監視模組437係根據是藉設置於實斜面之水分計208所測量之量測值的水量m，算出斜面之安全率Fs，再根據所算出之安全率Fs，判定斜面之安全性。亦可實斜面監視模組437係作為安全性之判定結果，例如與安全率Fs同時輸出警報之有無。
顯示裝置45顯示實斜面監視模組437的判定結果。
其次，說明本實施例的動作。以下之例子係將所造成之斜面作為監視對象斜面，構成該斜面之滑動層的物質群由土，更具體而言係壓實度85%之山砂所構成的情況。
首先，使用與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的試料，準備調整成複數種含水比的測試體(土塊)。
接著，使用三軸壓縮式測試裝置41，根據與第1實施例一樣之方法，實施三軸壓縮測試。而且，得到第18圖所示之資料。
在本例之加水測試，利用如第19圖所示之小形種植機。但，本例之種植機42係不需要振動感測器。在小形之種植機42，堆上由與構成實斜面之滑動層的山砂相同之構成、 乾燥密度以及壓實度的試料所構成，並含水比被調整成比在三軸壓縮測試所使用之測試體更小的土，而形成測試體(填土)。
照這樣測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A以及間隙水壓計106B的值。
然後，藉蓮蓬頭施加既定量的水後，以與上述相同之方法，測量土壞水分計104A、土壞水分計104B、土壞水分計104C、間隙水壓計106A、間隙水壓計106B的值。重複這種加水、量測循環至土變成飽和。
在本例，亦在每一次的操作，測量複數個水量資料及間隙水壓資料。此外，在模型學習所使用之水量m及間隙水壓u係算出各量測值的平均值。而且，得到第20圖所示之資料(但，衰減率係除外)。
依此方式，得到與構成實斜面之滑動層的山砂相同之構成、乾燥密度以及壓實度的土之對複數種含水比的黏著力c、內部摩擦角ψ、間隙水壓u、重量W以及水量m的資料時，黏著力、內部摩擦角模型化模組432及重量、間隙水壓模型化模組435係根據所得之資料，對各個分析數學式變數，學習對水量m之函數模型。在本例，對重量W、間隙水壓u、黏著力c以及內部摩擦角ψ學習對水量m之迴歸數學式。此外，在含水比高的情況與低的情況黏著力c之傾向相異的情況，亦可在迴歸數學式之學習僅使用含水比高之部分的黏著力c。
其次，說明監視動作。在本例，亦將第21圖所示之造成的斜面作為監視對象斜面(實斜面)，評估本發明之斜面 監視方法。但，在第1實施例及第2實施例，作為評估用所說明之3×2個土壞水分計(參照圓記號)成為監視用之水分計208。
作為斜面之監視動作，在使用蓮蓬頭對所造成的實斜面逐漸加水的過程，約每隔20分鐘測量各個水分計208的值，而得到水量資料。然後，根據所得之水量資料，求得水量m(在此係水分計量測值的平均值)，再根據所求得之水量m，實斜面監視模組437求得安全率Fs，藉此，評估安全性。在本例，亦為了評估該監視動作而進行加水至斜面崩潰，並記錄斜面崩潰時的時刻。
第24圖及第25圖係表示藉加水動作從本例之實斜面所得之各種值的說明圖。在第24圖及第25圖，表示本例之對實斜面之在加水過程之水量資料的取得時的經過時間、各水分計量測值、係其平均值之水量m、時刻以及安全率Fs。此外，在本例，從實驗開始經過7小時59分鐘後斜面崩潰。
在第24圖及第25圖所示的例子，相對實際之斜面崩潰時間係從實驗開始經過7小時59分鐘後，而安全率Fs低於1之時間係從實驗開始經過7小時39分鐘後。此外，因為在前一個測量時(安全率Fs比1更大時)的經過時間係7小時22分鐘，所以得知實際之崩潰與警報輸出之間的時間差係20~37分鐘之間。
第4實施例
在以下，說明對第1實施例之構成追加通訊手段的第4實施例。通訊手段係例如經由網際網路線路或無線LAN(Local Area Network)等，接收有監視斜面之地區的預測雨 量資料。
在本實施例，測量實斜面的深度，並使在種植機32所填充之土的深度一致。作為實斜面的深度，例如亦可測量構成實斜面之各物質層之界面的深度。在此條件下，以與第1實施例一樣之方法，取得對種植機32進行加水、加振時的波形資料。在此時，記錄所加水的量。
又，在本實施例，衰減率算出模組334將自所記錄之加水量所算出的累積加水量看成累積降雨量，並將所算出之衰減率δ作為根據累積降雨量的函數模型來學習，藉此，構築衰減率-累積降雨量模型。此外，其他的事項係與第1實施例一樣。
在實斜面之監視時，實斜面監視模組337係與第1實施例一樣，從各振動感測器108各自取得表示振動波形之波形資料，並算出衰減率δ(平均值)。然後，根據所算出之衰減率δ，算出各分析數學式變數的值，再算出安全率Fs。又，在本實施例，實斜面監視模組337係與此動作平行地經由通訊手段取得預測雨量資料，再根據所取得的預測雨量資料與該衰減率-累積降雨量模型，預測未來的衰減率δ。然後，根據所預測之未來的衰減率δ，算出各分析數學式變數的值，預測(算出)未來的安全率Fs。
第5實施例
在以下，說明對第1實施例之構成追加通訊手段的第5實施例。通訊手段係例如經由網際網路線路或無線LAN等，接收有監視斜面之地區的預測雨量資料。
在本實施例，亦測量實斜面的深度，並使在種植機32所填充之土的深度一致。作為實斜面的深度，例如亦可測量構成實斜面之各物質層之界面的深度。在此條件下，以與第1實施例一樣之方法，取得對種植機32進行加水、加振時的波形資料。在此時，記錄所加水的量。
在本實施例，衰減率算出模組334將加水量看成降雨量，並配合土之特性，構築對該降雨量之衰減率的變動模型。此外，其他的事項係與第1實施例一樣。
在實斜面之監視時，實斜面監視模組337係與第1實施例一樣，從各振動感測器108各自取得表示振動波形之波形資料，並算出衰減率δ(平均值)。然後，根據所算出之衰減率δ，算出各分析數學式變數的值，再算出安全率Fs。又，在本實施例，實斜面監視模組337係與此動作平行地經由通訊手段取得預測雨量資料，再根據所取得的預測雨量資料，使用減率之變動模型，預測未來的衰減率δ。然後，根據所預測之未來的衰減率δ，算出各分析數學式變數的值，預測(算出)未來的安全率Fs。
第6實施例
在以下，說明對第3實施例之構成追加通訊手段的第6實施例。通訊手段係例如經由網際網路線路或無線LAN等，接收有監視斜面之地區的預測雨量資料。
在本實施例，測量實斜面的深度，並使在種植機42所填充之土的深度一致。作為實斜面的深度，例如亦可測量構成實斜面之各物質層之界面的深度。在此條件下，以與第1 實施例一樣之方法，對種植機42進行加水，取得在各狀態之水量資料。在此時，記錄所加水的量。
又，在本實施例，水量對應化模組433或重量、間隙水壓模型化模組435將自記錄的加水量所算出之累積加水量看成累積加水量，並將所取得之是水分計104之量測值的水量m作為根據累積降雨量的函數模型來學習，藉此，構築水量-累積降雨量模型。此外，其他的事項係與第3實施例一樣。
在實斜面之監視時，實斜面監視模組437係與第3實施例一樣，從各水分計208各自取得表示水量之水量資料，並算出水量m(水分計量測值的平均值)。然後，根據所算出之水量m的平均值，算出各分析數學式變數的值，再算出安全率Fs。又，在本實施例，實斜面監視模組437係與此動作平行地經由通訊手段取得預測雨量資料，再根據所取得的預測雨量資料與該水量-累積降雨量模型，預測未來的水量m。然後，根據所預測之未來的水量m，算出各分析數學式變數的值，預測(算出)未來的安全率Fs。
第7實施例
在以下，說明對第3實施例之構成追加通訊手段的第7實施例。通訊手段係例如經由網際網路線路或無線LAN等，接收有監視斜面之地區的預測雨量資料。
在本實施例，亦測量實斜面的深度，並使在種植機42所填充之土的深度一致。作為實斜面的深度，例如亦可測量構成實斜面之各物質層之界面的深度。在此條件下，以與第1實施例一樣之方法，對種植機42進行加水，取得在各狀 態之水量資料。在此時，記錄所加水的量。
又，在本實施例，水量對應化模組433或重量、間隙水壓模型化模組435將所記錄的加水量看成降雨量，並配合土之特性，構築對該降雨量之水量m的變動模型。此外，其他的事項係與第3實施例一樣。
在實斜面之監視時，實斜面監視模組437係與第3實施例一樣，從各水分計208各自取得表示水量之水量資料，並算出水量m(水分計量測值的平均值)。然後，根據所算出之水量m，算出各分析數學式變數的值，再算出安全率Fs。又，在本實施例，實斜面監視模組437係與此動作平行地經由通訊手段取得預測雨量資料，再根據所取得的預測雨量資料與該對降雨量之水量的變動模型，預測未來的水量m。然後，根據所預測之未來的水量m，算出各分析數學式變數的值，預測(算出)未來的安全率Fs。
第8實施例
在以下，說明是第3實施形態之斜面監視系統501的具體例之第8實施例。第26圖係第8實施例之斜面監視系統501的構成圖。如第26圖所示，本實施例之斜面監視系統501包括三軸壓縮式測試裝置31、種植機32、電腦53、實斜面量測機器54以及顯示裝置35。以下，對在本例與上述之任一實施形態相同的構成附加相同的符號，並省略說明。
此外，第26圖所示之斜面監視系統501係和第17圖所示之第1實施例的構成相比，在追加相當於模型適否判定手段560之模型適否判定模組538、與水分計572上相異。又，在 資料庫336成為資料庫536上相異。
本例之電腦53係例如包括根據程式動作之CPU(未圖示)、與作為記憶裝置之資料庫536之一般的電腦。在本例之電腦53，作為程式模組，以可執行包含第1實施例所包括之程式模組及模型可否應用判定模組538之斜面監視程式的形態被安裝。
又，本例之資料庫536係不僅第1實施例之資料庫336所記憶之資訊，還記憶作為模型產生物質資料，在加水、加振測試所得之在加水過程之測試層的水量m及衰減率δ。
在本例，模型可否應用判定模組538係根據使用實斜面量測機器34所測量、收集之實斜面物質資料、與使用種植機42所測量、取得並儲存於資料庫536的模型產生物質資料，判定是否可對監視斜面應用資料庫536中所儲存之模型。
在本實施例，在加水、加振測試，一面在第26圖之種植機32改變測試體之含水比，一面取得波形資料與水量資料，而得到如第13圖所示之模型產生物質資料，更具體而言，在模型產生土(測試體)之水量-衰減率的資料分布。在此時，例如，水量對應化模組333對所得之分布導出線性關係式，再對所取得的各值，算出不均指數(與所導出之線性關係式之距離的平均或標準偏差等)。然後，將所得之水量-衰減率的資料分布、線性關係式之參數以及不均指數之值作為模型產生物質資料，與模型資訊一起儲存於資料庫536。此外，在水量對應化模組433及實斜面監視模組337不是將水量m，而是將所得之含水比直接作為對分析數學式變數賦與對應之可觀測 量的變數(模型化輸入變數)來處理的情況，亦可將該水量置換成含水比。
又，在本實施例，一面在實斜面改變含水比，一面使用振動感測器108及水分計572測量振動波形及水量。模型可否應用判定模組538係根據所測量之資料，得到如第13圖所示之實斜面物質資料，更具體而言，在監視對象土之水量-衰減率的資料分布。又，模型可否應用判定模組538係判定在此所得之實斜面物質資料是否對從根據資料庫536所記憶之模型產生物質資料表示的線性關係式所得之值(理論值)位於所求得之不均指數的既定倍(例如3倍)之範圍。然後，若位於該範圍，模型可否應用判定模組538係當作從實斜面的土所得之資料的傾向是與在模型製作時所使用的土類似，而判定可將位於資料庫536內之模型應用於斜面之安全監視。
在藉模型可否應用判定模組538判定可應用的情況，實斜面監視模組337使用位於資料庫536內之模型，算出實斜面的安全率Fs，藉此，監視實斜面。實斜面監視模組337係例如與第1實施例一樣，從是藉設置於實斜面之振動感測器108所測量之量測值的振動波形算出衰減率δ，再根據所算出之衰減率δ，使用位於資料庫536內之模型，算出斜面的安全率Fs，再根據所算出之安全率Fs，判定斜面之安全性。
另一方面，模型可否應用判定模組538係若所得之實斜面物質資料對從該線性關係式所得之值未位於不均指數之既定倍(例如3倍)的範圍，當作從實斜面的土所得之資料的傾向是與在模型製作時所使用的土相異，而判定無法將位於 資料庫536內之模型應用於斜面之安全監視。在此情況，亦可使用者係使三軸壓縮式測試裝置31及種植機32動作，從該斜面專用之模型製作開始著手。
此外，在第13圖所示之例子的情況，因為所得之實斜面物質資料對從該線性關係式所得之值位於不均指數之既定倍(例如3倍)的範圍，所以藉實斜面監視模組337，使用位於資料庫536內模型監視實斜面。
第9實施例
在以下，說明是第4實施形態之斜面監視系統501的具體例之第9實施例。第27圖係第9實施例之斜面監視系統601的構成圖。如第27圖所示，本實施例之斜面監視系統601包括三軸壓縮式測試裝置41、種植機42、電腦63、實斜面量測機器44、實斜面物質量測機器64以及顯示裝置35。以下，對在本例與上述之任一實施形態相同的構成附加相同的符號，並省略說明。
第27圖所示之斜面監視系統601係與第23圖所示之第3實施例的構成相比，在追加相當於模型可否應用判定手段660之模型可否應用判定模組638，而且追加包含含水比量測手段681與水分計682的實斜面土量測機器65上相異。又，在資料庫436成為資料庫636上相異。
本例之電腦63係例如包括根據程式動作之CPU(未圖示)、與作為記憶裝置之資料庫636之一般的電腦。在本例之電腦63，作為程式模組，以可執行包含第2實施例所包括之程式模組及模型可否應用判定模組638之斜面監視程式 的形態被安裝。
又，本例之資料庫636係不僅第3實施例之資料庫436所記憶之資訊，還記憶作為模型產生物質資料，在加水測試所得之在加水過程之測試層的含水比s及水量m。此外，亦可含水比s使用作為測試條件所輸入之值。
在本例，模型可否應用判定模組638係根據使用實斜面物質量測機器64所測量、收集之實斜面物質資料、與使用種植機42所測量、取得並儲存於資料庫636的模型產生物質資料，判定是否可對監視斜面應用資料庫636中所儲存之模型。
在本實施例，在加水測試，一面在第27圖之種植機42改變測試體之含水比，一面取得含水比資料與水量資料，而得到模型產生物質資料，更具體而言，在模型產生土(測試體)之含水比-水量的資料分布。在此時，例如，水量對應化模組433或重量、間隙水壓模型化模組435等對所得之分布導出線性關係式，再對所取得的各值，算出不均指數(與所導出之線性關係式之距離的平均或標準偏差等)。然後，將所得之含水比-水量的資料分布、線性關係式之參數以及不均指數之值作為模型產生物質資料，與模型資訊一起儲存於資料庫636。
又，在本實施例，一面在實斜面物質量測機器64改變實斜面之土的含水比，一面使用含水比量測手段671及水分計672測量含水比及水量。模型可否應用判定模組638係根據所測量之資料，得到實斜面物質資料，更具體而言，在監視對象土之含水比-水量的資料分布。又，模型可否應用判定模 組638係判定在此所得之實斜面物質資料是否對從根據資料庫636所記憶之模型產生物質資料表示的線性關係式所得之值(理論值)位於所求得之不均指數的既定倍(例如3倍)之範圍。然後，若位於該範圍，模型可否應用判定模組638係當作從實斜面的土所得之資料的傾向是與在模型製作時所使用的土類似，而判定可將位於資料庫636內之模型應用於斜面之安全監視。
在藉模型可否應用判定模組638判定可應用的情況，實斜面監視模組437使用位於資料庫636內之模型，算出實斜面的安全率Fs，藉此，監視實斜面。實斜面監視模組437係例如與第3實施例一樣，根據是藉設置於實斜面之水分計208所測量之量測值的水量m，使用位於資料庫636內之模型，算出斜面的安全率Fs，再根據所算出之安全率Fs，判定斜面之安全性。
另一方面，模型可否應用判定模組638係若所得之實斜面物質資料對從該線性關係式所得之值未位於不均指數之既定倍(例如3倍)的範圍，當作從實斜面的土所得之資料的傾向是與在模型製作時所使用的土相異，而判定無法將位於資料庫636內之模型應用於斜面之安全監視。在此情況，亦可使用者係使三軸壓縮式測試裝置41及種植機42動作，從該斜面專用之模型製作開始著手。
其次，說明本發明之概要。第28圖係表示本發明之斜面監視系統之概要的方塊圖。
如第28圖所示，本發明之斜面監視系統包括分析 數學式變數量測手段81、實斜面量測手段82以及斜面安全性分析裝置83。
又，斜面安全性分析裝置83包含分析數學式變數模型化手段831、模型資訊記憶手段832以及安全率算出手段833。
分析數學式變數量測手段81(例如三軸壓縮式測試裝置31、種植機32、三軸壓縮式測試裝置41、種植機42等)係從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境測量改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層之狀態而變化之既定第1可觀測量的值。
在此，關於「大致相同」，例如，一方之物質層(例如測試層)之對土中水量或含水比之各分析數學式變數的分布，在將自在各個土中水量或含水比從另一方之物質層(例如監視對象斜面之物質層)所取得的該分布可算出的標準偏差設定成β時，若位於平均±3β之範圍，亦可將兩物質層當作具有大致相同之種類、乾燥密度以及壓實度。又，例如，使用土之粒度分布，一方之物質層的滲水測試之結果所得的滲水係數，在將從自另一方之物質層的粒度分布等所推測之滲水係數的不均分布所算出之標準偏差設定成β時，若位於平均±3β之範圍，亦可將兩物質層當作具有大致相同之種類、乾燥密度以及壓實度。例如，預先將平均及標準偏差β與在模型產生所使用的測試層之對土中水量之各個分析數學式變數(土塊重量或間 隙水壓或黏著力或內部摩擦角)的資料一起各自儲存於模型資訊記憶手段等，若藉使用構成監視對象斜面之物理層的物質群之測試等所測量之改變土中水量時之各個分析數學式變數的資料位於平均±3β之範圍，亦可將兩物質層當作具有大致相同之種類、乾燥密度以及壓實度。又，例如，預先將滲水係數之資料的平均與標準偏差β與在模型產生所使用的測試層之對土中水量之各個分析數學式變數(土塊重量或間隙水壓或黏著力或內部摩擦角)的資料一起儲存於模型資訊記憶手段等，若藉使用構成監視對象斜面之物理層的物質群之滲水測試等所測量之滲水係數位於平均±3β之範圍，亦可將兩物質層當作具有大致相同之種類、乾燥密度以及壓實度。
實斜面量測手段82(例如實斜面量測機器34、實斜面量測機器44等)係從監視對象斜面，測量因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量的值。在此，第2可觀測量係與第1可觀測量相同或與第1可觀測量之關係是已知的既定可觀測量。
分析數學式變數模型化手段831(例如第1模型化手段110、第2模型化手段120、第2模型化手段220、黏著力、內部摩擦角模型化模組332、水量對應化模組333、重量、間隙水壓模型化模組335、黏著力、內部摩擦角模型化模組432、水量對應化模組433以及重量、間隙水壓模型化模組435等)係根據藉分析數學式變數量測手段81所得之分析數學式變數之各個的值、與第1可觀測量的值，對各個分析數學式變數，構築出規定各個分析數學式變數與第2可觀測量之關係、或各 個分析數學式與從第2可觀測量可算出之既定第3變數之關係的模型。
模型資訊記憶手段832(例如模型資訊記憶手段140、模型資訊記憶手段240、模型資訊記憶手段540、模型資訊記憶手段640、資料庫336、資料庫436、資料庫536以及資料庫636等)記憶分析數學式變數模型化手段831所構築之模型的資訊。
安全率算出手段833(例如安全率算出手段151、安全率算出手段251、實斜面監視模組337以及實斜面監視模組437等)係根據藉實斜面量測手段82所得之第2可觀測量的值、與模型資訊記憶手段所記憶之模型的資訊，算出測量第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用斜面穩定分析數學式，算出監視對象斜面的安全率。
因為包括這種特徵性要素，所以可一面迴避對監視對象斜面之量測的困難性，一面高精度地監視該斜面的安全性。例如，若依據本發明，例如作為實斜面量測手段82，僅將一種感測器設置於監視對象斜面，可高精度地監視該斜面的安全性。
又，亦可第1可觀測量及第2可觀測量係對量測對象之物質層的含水比有影響的可觀測量。
又，分析數學式變數量測手段係作為第1可觀測量之至少一個，至少包含測量在測試層所產生之振動波形的振動感測器，實斜面量測手段係作為第2可觀測量，包含測量在 構成監視對象斜面之物質層所產生之振動波形的振動感測器，亦可分析數學式變數模型化手段係對各個分析數學式變數，構築出規定各個分析數學式變數與是從第2可觀測量可算出之第3變數的衰減率之關係的模型。
又，亦可該振動感測器係測量是在量測對象之物質層因落下物或降雨所產生之振動的波形之振動波形的振動感測器。
又，亦可分析數學式變數模型化手段係作為第1可觀測量之至少一個，包含測量在測試層所含之水量的水分計，實斜面量測手段係作為第2可觀測量，包含測量在構成監視對象斜面之物質層所含之水量的水分計，分析數學式變數模型化手段係對各個分析數學式變數，構築出規定各個分析數學式變數與是第2可觀測量之水量之關係的模型。
又，亦可分析數學式變數模型化手段包含：第1測試分析數學式變數量測手段，係在至少2種相異之測試中的第1測試，測量分析數學式變數中之至少一個的值及與第2可觀測量係相異之第1可觀測量；及第2測試分析數學式變數量測手段，係在至少2種相異之測試中的第2測試，測量分析數學式變數中之至少一個的值，及包含與該第1測試之第1可觀測量相同的可觀測量、和與該第2可觀測量相同的可觀測量之2種以上之第1可觀測量的值；分析數學式變數模型化手段具有：第1分析數學式變數模型化手段，係根據藉第1測試分析數學式變數量測手段所得之分析數學式變數的值、與和第2可觀測量相異之第1可觀測量的值，對該分析數學式變數，構築 出規定該分析數學式變數與該第1可觀測量之關係的模型；第2分析數學式變數模型化手段，係根據藉第2測試分析數學式變數量測手段所得之分析數學式變數的值、與和第2可觀測量相同之第1可觀測量的值，對該分析數學式變數，構築出規定該分析數學式變數與第2可觀測量之關係、或該分析數學式變數與第3變數之關係的模型；第1可觀測量模型化手段，係根據藉第2測試分析數學式變數量測手段所得之和第1測試的第1可觀測量相同之第1可觀測量的值、與和第2可觀測量相同之第1可觀測量的值，對與第1測試相同之第1可觀測量，構築出規定第1可觀測量與第2可觀測量之關係、第1可觀測量與或第3變數之關係的模型；以及模型變換手段，係使用藉第1可觀測量模型化手段所構築的模型，將第1分析數學式變數模型化手段所構築的模型變換成將第2可觀測量或第3變數作為模型化輸入變數的模型。
又，亦可分析數學式變數模型化手段係對分析數學式變數之至少一個，根據改變測試層之狀態時之該分析數學式變數之值中滿足既定條件之一部分的值與第1可觀測量的值，構築出規定該分析數學式變數之至少一個與第2可觀測量之關係、或分析數學式變數之至少一個與第3變數之關係的模型。
又，亦可分析數學式變數模型化手段係測量在藉加水改變測試層之狀態時之各個分析數學式變數的值、與在藉加水改變測試層之狀態時之因應於測試層之狀態而變化之既定第1可觀測量的值，斜面安全性分析裝置係包含模型化輸入 變數模型化手段，該模型化輸入變數模型化手段係根據藉分析數學式變數量測手段所得之第1可觀測量的值、與測量該值時之加水量，構築出規定是分析數學式變數模型化手段在各分析數學式變數之模型化所使用之模型化輸入變數的第2可觀測量與累積降雨量之關係、或第3變數之與累積降雨量的關係之模型或對每既定單位時間之預測雨量的變動模型，安全率算出手段係根據模型化輸入變數模型化手段所構築之模型、藉實斜面量測手段所得之第2可觀測量的值、以及預測雨量資料，預測未來之第2可觀測量，再預測未來之安全率。
又，第29圖係表示本發明之斜面監視系統之其他的構成例的方塊圖。如第29圖所示，亦可斜面監視系統係包括分析數學式變數量測手段81、與分析數學式變數模型化手段831的構成。分析數學式變數量測手段81及分析數學式變數模型化手段831係如上述所示。亦可第29圖所示之斜面監視系統係例如，對各個分析數學式變數，構築出規定各個分析數學式變數與第2可觀測量之關係、或各個分析數學式變數與從第2可觀測量可算出之既定第3變數之關係的模型並輸出的系統。
又，第30圖係表示本發明之斜面監視系統之其他的構成例的方塊圖。如第30圖所示，亦可斜面監視系統係包括分析數學式變數量測手段81、實斜面物質量測手段84、分析數學式變數模型化手段831、模型資訊記憶手段832以及模型可否應用判定手段834的構成。
分析數學式變數量測手段81、分析數學式變數模 型化手段831以及模型資訊記憶手段832係如上述所示。但，在第30圖所示系統，亦可分析數學式變數量測手段81係未必使用具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境。換言之，分析數學式變數模型化手段係根據從具有任意之測試層的測試環境所測量之改變測試層之狀態時之各個分析數學式變數的值、與因應於測試層之狀態而變化之既定第1可觀測量的值，構築模型。又，分析數學式變數模型化手段係構築模型，而且使既定記憶手段(在本例的情況，模型資訊記憶手段832)記憶在構築模型時從測試層所取得之既定2種物理量的值。
又，模型資訊記憶手段832更記憶在分析數學式變數模型化手段831構築模型所使用之從該測試層所取得的因應於該測試層的狀態而變化之既定2種物理量的值。
實斜面物質量測手段84(例如，實斜面量測手段54或實斜面物質量測機器64等)係使用構成監視對象斜面之物質層，測量改變該物質層之狀態時的該既定2種物理量。
又，模型可否應用判定手段834(例如模型可否應用判定手段560、模型可否應用判定手段660、模型可否應用判定模組538、模型可否應用判定模組638等)係根據模型資訊記憶手段832所記憶之該既定2種物理量的值、與藉實斜面物質量測手段84所測量之該既定2種物理量的值，判定可否將分析數學式變數模型化手段所構築之該模型應用於監視對象斜面。
亦可模型可否應用判定手段834係例如，算出是從模型資訊記憶手段832所記憶之該既定2種物理量的值所構築之規定該既定2種物理量的關係之模型產生物質的模型、與從藉實斜面物質量測手段84所測量之該既定2種物理量的值所構築之規定該既定2種物理量的關係之實斜面物質的模型之類似度的模型類似度，或算出是模型資訊記憶手段832所記憶之該既定2種物理量的值所示的分布、與藉實斜面物質量測手段84所測量之該既定2種物理量的值所示的分布之類似度的分布類似度，再根據所算出之該模型類似度或分布類似度，判定可否應用模型。
又，該既定2種物理量係例如，亦可是水量與衰減率，亦可是含水比與水量。
又，第31圖係表示本發明之斜面監視系統之其他的構成例的方塊圖。如第31圖所示，亦可斜面監視系統係包括分析數學式變數量測手段81、實斜面量測手段82、實斜面物質量測手段84、分析數學式變數模型化手段831、模型資訊記憶手段832、模型可否應用判定手段834以及安全率算出手段833的構成。此外，第31圖所示之系統係將第28圖所示的構成與第30圖所示的構成合在一起者。
又，上述之實施形態的一部分或全部係亦可記載成如以下之附註所示，但是未限定以下之附註。
(附註1)一種斜面安全性分析裝置，其特徵為包括：分析數學式變數模型化手段，係根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及 壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層的狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型；模型資訊記憶手段，係記憶分析數學式變數模型化手段所構築之模型的資訊；以及安全率算出手段，係根據從監視對象斜面所測量之第2可觀測量的值、與模型資訊記憶手段所記憶之模型的資訊，算出測量第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用斜面穩定分析數學式，算出監視對象斜面的安全率。
(附註2)一種斜面監視方法，其特徵為：電腦根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層的狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型；電腦根據從監 視對象斜面所測量之第2可觀測量的值，使用所構築之模型，算出測量第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用斜面穩定分析數學式，算出監視對象斜面的安全率。
(附註3)如附註2之斜面監視方法，其中第1可觀測量及第2可觀測量係對量測對象之物質層的含水比有影響的可觀測量。
(附註4)如附註2之斜面監視方法，其中在測試環境，作為第1可觀測量之至少一個，設置測量在測試層所產生之振動波形的振動感測器，在監視對象斜面，作為第2可觀測量，設置測量在構成監視對象斜面之物質層所產生之振動波形的振動感測器，電腦根據從測試環境所測量之在改變測試層的狀態時之各個分析數學式變數的值、與在測試層所產生之振動波形的波形資料，對各個分析數學式變數，構築規定與在構成監視對象斜面之物質層所產生之振動波形的衰減率之關係的模型。
(附註5)如附註2之斜面監視方法，其中在測試環境，作為第1可觀測量之至少一個，設置測量在測試層所含之水量的水分計，在監視對象斜面，作為第2可觀測量，設置測量在構成監視對象斜面之物質層所含之水量的水分計，電腦根據從測試環境所測量之在改變測試層的狀態時之各個分析數學式變數的值、與在測試層所含之水量的值，對各個分析數學式變數，構築規定與在構成監視對象斜面之物質層所含的水量之關係的模型。
(附註6)如附註2至5中任一附註之斜面監視方法，其中電腦輸入以下之結果：在至少2種相異之測試中的第1測試，測量分析數學式變數中之至少一個的值及與第2可觀測量係相異之第1可觀測量的結果；及在至少2種相異之測試中的第2測試，測量分析數學式變數中之至少一個的值，及包含與第1測試之第1可觀測量相同的可觀測量、和與第2可觀測量相同的可觀測量之2種以上之第1可觀測量的值的結果；電腦根據第1測試的結果所得之分析數學式變數的值及與第2可觀測量係相異之第1可觀測量的值，對該分析數學式變數，構築規定與該第1可觀測量之關係的模型，電腦根據第2測試的結果所得之分析數學式變數的值及與第2可觀測量相同之第1可觀測量的值，對該分析數學式變數，構築規定與第2可觀測量或第3變數之關係的模型，電腦根據第2測試的結果所得之與第1測試之第1可觀測量相同之第1可觀測量的值、及與第2可觀測量相同之第1可觀測量的值，對與第1測試相同之第1可觀測量，構築是規定與第2可觀測量或第3變數之關係的模型之第1可觀測量模型，電腦使用所構築之第1可觀測量模型，將第1分析數學式變數模型化手段所構築之模型變換成將第2可觀測量或第3變數作為模型化輸入變數的模型。
(附註7)如附註2至6中任一附註之斜面監視方法，其中電腦對分析數學式變數之至少一個，根據改變測試層的狀態時之該分析數學式變數的值中滿足既定條件之一部分的值、與第1可觀測量的值，構築規定與第2可觀測量或第3變數之關係的模型。
(附註8)如附註2至7中任一附註之斜面監視方法，其中電腦根據從測試環境所測量之在藉加水改變測試層的狀態時之第1可觀測量的值、與測量該值時之加水量，構築規定是在各分析數學式變數之模型化所使用之模型化輸入變數的第2可觀測量或第3變數之與累積降雨量的關係之模型或對每既定單位時間之預測雨量的變動模型後，電腦根據所構築之是模型化輸入變數之第2可觀測量或第3變數的模型、從監視對象斜面所測量之第2可觀測量的值、以及預測雨量資料，預測未來之第2可觀測量的值，再根據所預測之第2可觀測量的值，預測未來之安全率。
(附註9)一種斜面安全性分析裝置，其特徵為：包括分析數學式變數模型化手段，該分析數學式變數模型化手段係根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於測試層的狀態而變化之既定第1可觀測量的值，對各個分析數學式變數，構築規定與是因應於構成監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與第1可觀測量相同或與第1可觀測量之關係已知的既定第2可觀測量、或者從第2可觀測量可算出之既定第3變數之關係的模型。
(附註10)一種電腦可讀取之記錄媒體，其記錄了用以使電腦執行構築處理的斜面安全性分析程式，該構築處理係根據從至少具有是由具有與構成監視對象斜面之物質層大 致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變該測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值，對各個該分析數學式變數，構築規定與是因應於構成該監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與該第1可觀測量相同或與該第1可觀測量之關係已知的既定第2可觀測量、或者從該第2可觀測量可算出之既定第3變數之關係的模型。
以上，參照實施形態及實施例，說明了本發明，但是本發明係未限定上述之實施形態及實施例。在本發明的構成或細節，可進行在本發明之範圍內本專業者可理解之各種的變更。
本專利申請係主張將於2004年8月21日所申請之國際專利申請PCT/JP2014/004303作為基礎的優先權，在此取入該揭示之全部。
【工業上的可應用性】
本發明係未限定為Fellenius方法，只要是使用既定斜面穩定分析數學式來監視斜面的系統，可適合地應用。

Claims (11)

  1. 一種斜面監視系統，其特徵為：包括：分析數學式變數量測手段，係用以從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境，測量改變該測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值；斜面安全性分析裝置；及實斜面量測手段，係用以從監視對象斜面，測量因應於構成該監視對象斜面之物質層的狀態而變化之既定的第2可觀測量的值，其中既定之該第2可觀測量和該第1可觀測量相同或是與該第1可觀測量之關係是已知；該斜面安全性分析裝置係包含分析數學式變數模型化手段，該分析數學式變數模型化手段係用以根據藉該分析數學式變數量測手段所得之該分析數學式變數之各個的值、與該第1可觀測量的值，對各個該分析數學式變數，構築出規定各個該分析數學式變數與該第2可觀測量之關係、或各個該分析數學式變數與從該第2可觀測量可算出之既定第3變數之關係的模型；模型資訊記憶手段，係用以記憶該分析數學式變數模型化手段所構築之模型的資訊；及安全率算出手段，係用以根據藉該實斜面量測手段所得之該第2可觀測量的值、與該模型資訊記憶手段所記憶之模型的資訊，算出測量該第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用該斜面穩定分析數學式，算出該監視對象斜面的安全率。
  2. 如申請專利範圍第1項之斜面監視系統，其中第1可觀測量及第2可觀測量係對量測對象之物質層的含水比有影響的可觀測量。
  3. 如申請專利範圍第1項之斜面監視系統，其中分析數學式變數量測手段係測量在藉加水改變測試層的狀態時之分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值；斜面安全性分析裝置係包含模型化輸入變數模型化手段，其係根據藉該分析數學式變數量測手段所得之第1可觀測量的值、與在測量該值時之加水量，構築出規定是分析數學式變數模型化手段在各分析數學式變數之模型化所使用之模型化輸入變數的第2可觀測量與累積降雨量的關係、或第3變數之與累積降雨量的關係之模型或對每既定單位時間之預測雨量的變動模型；安全率算出手段係根據該模型化輸入變數模型化手段所構築之模型、藉實斜面量測手段所得之該第2可觀測量的值、以及預測雨量資料，預測未來之該第2可觀測量，再根據所預測之該第2可觀測量的值，預測未來之安全率。
  4. 如申請專利範圍第1項之斜面監視系統，其中分析數學式變數量測手段係作為第1可觀測量之至少一個，至少包含測量在測試層所產生之振動波形的振動感測器；實斜面量測手段係作為第2可觀測量，包含測量在構成監視對象斜面之物質層所產生之振動波形的振動感測器；分析數學式變數量測手段係對各個分析數學式變數，構築出規定各個分析數學式變數與是從該第2可觀測量可算出之第3變數的衰減率之關係的模型。
  5. 如申請專利範圍第1項之斜面監視系統，其中分析數學式變數量測手段係作為第1可觀測量之至少一個，包含測量在測試層所含之水量的水分計；實斜面量測手段係作為第2可觀測量，包含測量在構成監視對象斜面之物質層所含之水量的水分計；分析數學式變數量測手段係對各個分析數學式變數，構築出規定各個該分析數學式變數與是該第2可觀測量之該水量之關係的模型。
  6. 如申請專利範圍第1項之斜面監視系統，其中分析數學式變數量測手段係包含：第1測試分析數學式變數量測手段，係在至少2種相異之測試中的第1測試，測量分析數學式變數中之至少一個的值及與第2可觀測量係相異之第1可觀測量；及第2測試分析數學式變數量測手段，係在至少2種相異之測試中的第2測試，測量分析數學式變數中之至少一個的值，及包含與該第1測試之第1可觀測量相同的可觀測量、和與該第2可觀測量相同的可觀測量之2種以上之第1可觀測量的值；分析數學式變數模型化手段係具有：第1分析數學式變數模型化手段，係根據藉第1測試分析數學式變數量測手段所得之該分析數學式變數的值、與和該第2可觀測量相異之第1可觀測量的值，對該分析數學式變數，構築出規定該分析數學式變數與該第1可觀測量之關係的模型；第2分析數學式變數模型化手段，係根據藉該第2測試分析數學式變數量測手段所得之該分析數學式變數的值、與和該第2可觀測量相同之第1可觀測量的值，對該分析數學式變數，構築出規定該分析數學式變數與該第2可觀測量之關係、或該分析數學式變數與第3變數之關係的模型；第1可觀測量模型化手段，係根據藉該第2測試分析數學式變數量測手段所得之和該第1測試的第1可觀測量相同之第1可觀測量的值、與和該第2可觀測量相同之第1可觀測量的值，對與該第1測試相同之第1可觀測量，構築出規定該第1可觀測量與該第2可觀測量之關係、或該第1可觀測量與該第3變數之關係的模型；以及模型變換手段，係使用藉該第1可觀測量模型化手段所構築的模型，將該第1分析數學式變數模型化手段所構築的模型變換成將該第2可觀測量或該第3變數作為模型化輸入變數的模型。
  7. 如申請專利範圍第1項之斜面監視系統，其中分析數學式變數模型化手段係對分析數學式變數之至少一個，根據改變測試層的狀態時之該分析數學式變數的值中滿足既定條件之一部分的值、與根據改變測試層的狀態時之第1可觀測量之值，構築出規定該分析數學式變數之至少一個與該第2可觀測量之關係、或該分析數學式變數之至少一個與第3變數之關係的模型。
  8. 如申請專利範圍第1至7項中任一項之斜面監視系統，其中分析數學式變數量測手段係根據從具有任意之測試層的測試環境所測量之改變該測試層之狀態時之各個分析數學式變數的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值，構築模型，而且使既定記憶手段記憶在構築該模型時從該測試層所取得之既定2種物理量的值；並包括：實斜面物質量測手段，係使用構成監視對象斜面之物質層，並測量改變該物質層之狀態時的該既定2種物理量；及模型可否應用判定手段，係根據該既定記憶手段所記憶之該既定2種物理量的值、與藉該實斜面物質量測手段所測量之該既定2種物理量的值，判定可否將該模型應用於該監視對象斜面。
  9. 一種斜面安全性分析裝置，其特徵為：包括分析數學式變數模型化手段，該分析數學式變數模型化手段係用以根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變該測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值，對各個該分析數學式變數，構築出規定各個該分析數學式變數與是因應於構成該監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與該第1可觀測量相同或與該第1可觀測量之關係已知的既定第2可觀測量之關係、或者各個該分析數學式變數與從該第2可觀測量可算出之既定第3變數之關係的模型；模型資訊記憶手段，係用以記憶該分析數學式變數模型化手段所構築之模型的資訊；及安全率算出手段，係用以根據藉從該監視對象斜面計測該第2可觀測量之該實斜面量測手段所得之該第2可觀測量的值、與該模型資訊記憶手段所記憶之模型的資訊，算出測量該第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用該斜面穩定分析數學式，算出該監視對象斜面的安全率。
  10. 一種斜面監視方法，其特徵為：電腦根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變該測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值，對各個該分析數學式變數，構築出規定各個該分析數學式變數與是因應於構成該監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與該第1可觀測量相同或與該第1可觀測量之關係已知的既定第2可觀測量之關係、或者各個該分析數學式變數與從該第2可觀測量可算出之既定第3變數之關係的模型；電腦根據從該監視對象斜面所測量之該第2可觀測量的值，使用所構築之該模型，算出測量該第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用該斜面穩定分析數學式，算出該監視對象斜面的安全率。
  11. 一種電腦可讀取之記錄媒體，記錄了用以使電腦執行如下之處理的斜面監視程式：構築處理，係根據從至少具有是由具有與構成監視對象斜面之物質層大致相同之種類、乾燥密度以及壓實度的物質群所構成之物質層的測試層之測試環境所測量之改變該測試層的狀態時之是既定斜面穩定分析數學式所需之變數的分析數學式變數之各個的值、與因應於該測試層的狀態而變化之既定第1可觀測量的值，對各個該分析數學式變數，構築出規定各個該分析數學式變數與是因應於構成該監視對象斜面之物質層的狀態而變化之既定第2可觀測量且與該第1可觀測量相同或與該第1可觀測量之關係已知的既定第2可觀測量之關係、或者各個該分析數學式變數與從該第2可觀測量可算出之既定第3變數之關係的模型；及算出處理，係根據從該監視對象斜面所測量之該第2可觀測量的值，使用所構築之該模型，算出測量該第2可觀測量的值時之各分析數學式變數的值，再根據所算出之各分析數學式變數的值，使用該斜面穩定分析數學式，算出該監視對象斜面的安全率。
TW104119357A 2014-08-21 2015-06-16 斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體 TWI627611B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/004303 WO2016027291A1 (ja) 2014-08-21 2014-08-21 斜面監視システム、斜面安全性解析装置、方法およびプログラム

Publications (2)

Publication Number Publication Date
TW201621836A TW201621836A (zh) 2016-06-16
TWI627611B true TWI627611B (zh) 2018-06-21

Family

ID=55350273

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104119357A TWI627611B (zh) 2014-08-21 2015-06-16 斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體

Country Status (4)

Country Link
US (1) US10584964B2 (zh)
JP (1) JP6414222B2 (zh)
TW (1) TWI627611B (zh)
WO (2) WO2016027291A1 (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6763393B2 (ja) 2015-09-14 2020-09-30 日本電気株式会社 災害予測システム、水分量予測装置、災害予測方法およびプログラム記録媒体
JP6760643B2 (ja) * 2016-07-05 2020-09-23 国立大学法人 岡山大学 傾斜地災害予知システム
CN107067333B (zh) * 2017-01-16 2022-12-20 长沙矿山研究院有限责任公司 一种高寒高海拔高陡边坡稳定性监控方法
CN106596897B (zh) * 2017-01-18 2019-04-26 河海大学 测定加筋植物土固坡效果与吸水性能的试验装置及方法
WO2018180686A1 (ja) 2017-03-31 2018-10-04 日本電気株式会社 植生影響算出装置、植生影響算出システム及び植生影響算出プログラムを格納した記憶媒体
CN108491575A (zh) * 2018-02-11 2018-09-04 华北水利水电大学 一种基于数字地形进行水库涉水边坡安全系数的计算方法
JP6965489B2 (ja) * 2018-03-01 2021-11-10 株式会社安藤・間 転圧回数予測システム、及び転圧方法
WO2019176835A1 (ja) * 2018-03-13 2019-09-19 日本電気株式会社 斜面監視システム、斜面監視方法及び記録媒体
CN108665146B (zh) * 2018-04-16 2022-07-29 浙江大学 大型露天矿山边坡稳定性评价精度确定方法
CN108776851B (zh) * 2018-06-11 2022-07-12 广东省科学院广州地理研究所 一种暴雨诱发的浅层滑坡灾害预警阈值确定方法
CN109634801B (zh) * 2018-10-31 2022-04-12 深圳壹账通智能科技有限公司 数据趋势分析方法、系统、计算机装置及可读存储介质
CN109815579B (zh) * 2019-01-18 2023-04-07 石家庄铁道大学 边坡参数的确定方法、计算机可读存储介质及终端设备
CN110008599B (zh) * 2019-04-09 2023-06-06 江西理工大学 一种基于高阶双套双相物质点法的水土耦合滑坡的模拟方法
CN110261573B (zh) * 2019-05-16 2021-09-03 同济大学 一种高位岩质滑坡稳定性动态评价方法
CN110208488A (zh) * 2019-05-31 2019-09-06 贵州大学 一种基于弹性波的浅层滑坡监测系统及其工作方法
CA3155367A1 (en) * 2019-11-22 2021-05-27 Tancredi Botto Systems and methods for monitoring slope stability
CN110967467B (zh) * 2019-12-07 2022-07-15 河北工业大学 一种模拟降雨诱发反序粒堆积体破坏的试验系统
CN111291996A (zh) * 2020-02-17 2020-06-16 绍兴文理学院 一种边坡稳定性评价的三参数强度折减法
CN111397541A (zh) * 2020-04-23 2020-07-10 五邑大学 排土场的边坡角测量方法、装置、终端及介质
CN111877418B (zh) * 2020-08-25 2021-05-14 东北大学 一种深基坑动态施工实时监测预警系统及使用方法
CN112595833B (zh) * 2020-10-16 2023-03-14 北京市地质研究所 一种可移动崩塌试验装置及其系统和试验方法
KR102474677B1 (ko) * 2020-11-04 2022-12-05 김석환 절토면 내부의 토사 유동 센싱을 위한 옹벽 그리드 시스템
CN112922045B (zh) * 2021-01-21 2022-06-24 安康学院 一种岩质高边坡监测系统
CN112729235B (zh) * 2021-01-26 2022-11-29 温州大学 爆破挤淤施工中快速定位抛填石落底深度及长期沉降的无线检测设备及无线检测方法
CN112927480B (zh) * 2021-01-29 2022-11-11 中交华南勘察测绘科技有限公司 基于物联网和大数据协同分析的地质灾害监测方法及预警管理平台
CN113012399B (zh) * 2021-02-25 2022-06-14 中原工学院 一种降雨型滑坡预警方法及系统
CN113139020B (zh) * 2021-04-22 2024-03-26 成都智汇数援科技有限公司 一种滑坡监测预警模型的自适应迁移方法
CN113899673B (zh) * 2021-09-29 2024-04-16 中国地质科学院地质力学研究所 一种顶部加载和降雨入渗耦合测试下边坡模型实验装置
CN114777991B (zh) * 2022-04-19 2023-09-08 重庆大学 一种倾斜倒置的u形压力计及压差检测方法
CN114896548B (zh) * 2022-05-20 2023-04-07 西南交通大学 一种边坡稳定性判断方法、装置、设备及可读存储介质
CN115748836B (zh) * 2022-10-21 2024-05-03 中铁第四勘察设计院集团有限公司 一种基于bim技术的高边坡稳定性监测方法和系统
KR102619016B1 (ko) * 2023-08-13 2023-12-27 고건우 토사 사면 붕괴 사전 예측 방법 및 장치
KR102631470B1 (ko) * 2023-08-13 2024-01-30 고건우 저수지 제방 누수 및 붕괴 사전 예측 시스템
CN117765708A (zh) * 2024-02-22 2024-03-26 城云科技（中国）有限公司 一种基于地图影像分析技术的边坡失稳预测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1028937A (ja) * 1996-07-19 1998-02-03 Mitsubishi Materials Corp 土石混合物の混合割合測定装置及びその分離装置
US20030080304A1 (en) * 2001-10-31 2003-05-01 Flow-Rite Controls, Inc. Apparatus and method for monitoring soil moisture conditions and for maintaining soil moisture conditions
CN1715948A (zh) * 2004-06-28 2006-01-04 国际航业株式会社 斜坡监视系统
TW201139788A (en) * 2010-03-10 2011-11-16 Nipponn Steel & Amp Sumikin Metal Products Co Ltd Slope stabilization system

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002070029A (ja) 2000-08-31 2002-03-08 Dai Nippon Construction 斜面の危険判定および対応システム並びに対策工の安全度評価方法
JP3742346B2 (ja) * 2002-01-17 2006-02-01 国際航業株式会社 防災情報配信サーバ及びこのサーバとともに用いられる防災配信システム
JP2004060311A (ja) 2002-07-30 2004-02-26 Pasuko:Kk 地すべり監視方法、およびシステム
JP3894494B2 (ja) 2003-07-10 2007-03-22 株式会社日立製作所 土砂災害予知システム、地域情報提供システム及び土砂災害予知方法
JP2006195650A (ja) 2005-01-12 2006-07-27 Chuo Kaihatsu Kk 斜面崩壊監視予測システム
JP2006252128A (ja) * 2005-03-10 2006-09-21 Shimizu Corp 斜面崩壊予測および周辺地域への避難情報伝達システム
JP4887532B2 (ja) * 2006-07-19 2012-02-29 独立行政法人土木研究所 岩盤斜面の安全度評価方法
KR101195409B1 (ko) * 2012-04-10 2012-11-05 한국지질자원연구원 수막현상 재현형 토석류 모형시험장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1028937A (ja) * 1996-07-19 1998-02-03 Mitsubishi Materials Corp 土石混合物の混合割合測定装置及びその分離装置
US20030080304A1 (en) * 2001-10-31 2003-05-01 Flow-Rite Controls, Inc. Apparatus and method for monitoring soil moisture conditions and for maintaining soil moisture conditions
CN1715948A (zh) * 2004-06-28 2006-01-04 国际航业株式会社 斜坡监视系统
TW201139788A (en) * 2010-03-10 2011-11-16 Nipponn Steel & Amp Sumikin Metal Products Co Ltd Slope stabilization system

Also Published As

Publication number Publication date
WO2016027390A1 (ja) 2016-02-25
WO2016027291A1 (ja) 2016-02-25
JPWO2016027390A1 (ja) 2017-06-08
TW201621836A (zh) 2016-06-16
JP6414222B2 (ja) 2018-10-31
US10584964B2 (en) 2020-03-10
US20170268874A1 (en) 2017-09-21

Similar Documents

Publication Publication Date Title
TWI627611B (zh) 斜面監視系統、斜面安全性分析裝置、方法以及記錄了程式之電腦可讀取的記錄媒體
Hashash et al. Evaluation of 1-D seismic site response modeling of sand using centrifuge experiments
JP6763394B2 (ja) 土質判定装置、土質判定方法及びプログラムを記憶する記録媒体
Kalantary et al. An investigation on the Su–NSPT correlation using GMDH type neural networks and genetic algorithms
TWI464443B (zh) 人工智慧地震預警方法與地震偵測系統
CN103150871A (zh) 利用地下水位与位移实时监测的滑坡预测方法
KR101078297B1 (ko) 강우 포화깊이비에 따른 무한사면 안정해석시스템
Nagendran et al. Analysis of rockfall hazards based on the effect of rock size and shape
Ranalli et al. Uncertainty quantification in the calibration of a dynamic viscoplastic model of slow slope movements
Linow et al. Grain-size evolution of polar firn: a new empirical grain growth parameterization based on X-ray microcomputer tomography measurements
JP6858375B2 (ja) 斜面監視システムおよび斜面監視方法
Chung et al. Relating mobile sensor soil strength to penetrometer cone index
JP2018154975A (ja) 土の品質管理方法、及び土の品質モニタリングシステム
WO2016136213A1 (ja) 土質判定装置、土質判定方法及び土質判定プログラムを記憶する記録媒体
JP2017227507A (ja) 建物健全度評価システムおよび建物健全度評価方法
CN103134433A (zh) 一种利用位移监测鉴别边坡失稳致滑因子的方法
Minasny Contrasting soil penetration resistance values acquired from dynamic and motor-operated penetrometers
Nobahar et al. Prediction of Matric Suction of Highway Slopes Using Autoregression Artificial Neural Network (ANN) Model
WO2019176836A1 (ja) 斜面監視システム、斜面監視方法及び記録媒体
Mendes et al. Physical and numerical modelling of infiltration and runoff in unsaturated exposed soil using a rainfall simulator
Kianirad et al. Equivalent quasi-static estimation of dynamic penetration force for near surface soil characterization
Chiaradonna et al. Cone penetration testing to constrain the calibration process of a sand plasticity model for nonlinear deformation analysis
Baker III et al. Utilizing a neighboring weighted-estimation method for anomaly detection with a continuous compaction control data set
Kim et al. Spatial Interpolation of Above-Ground Biomass in Labanan Concession Forest in East Kalimantan, Indonesia.
Allersma Optical analysis of stress and strain in shear zones