CN102322841A - 一种边坡监测线整体变形预测方法 - Google Patents
一种边坡监测线整体变形预测方法 Download PDFInfo
- Publication number
- CN102322841A CN102322841A CN 201110120591 CN201110120591A CN102322841A CN 102322841 A CN102322841 A CN 102322841A CN 201110120591 CN201110120591 CN 201110120591 CN 201110120591 A CN201110120591 A CN 201110120591A CN 102322841 A CN102322841 A CN 102322841A
- Authority
- CN
- China
- Prior art keywords
- sequence
- monitoring
- deformation
- value
- trend
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明针对边坡单点监测的不足,从监测线上各监测点的相似性和关联性出发,首先对监测点进行分类,依据序列相关函数对监测点进行相关分析,将监测点分为危险点和安全点,危险点构成危险区,通过危险区域与某条监测线的空间交集,确定位于同一滑移块体的监测点,然后再通过获取监测线平均值序列,对平稳序列建立适应ARMA模型,进行模型预测和精度分析,有效地提高了监测的可靠度和精度,本发明提出了新型露天矿边坡剖面线整体预测方法,更完整、更全面的实现了对区域边坡整体变形和滑坡的有效预测。
Description
(一)技术领域
本发明属于边坡工程变形监测的范畴,尤其涉及到边坡剖面线整体监测,具体涉及到多监测点整体分析整个边坡剖面未来变形预测值的监测,即对边坡监测线进行整体监测的预测方法。
(二)背景技术
传统的边坡变形监测主要通过对单点的监测对边坡变形进行评价,在实际工程中有较大的缺陷性和复杂性。
尹晖等在研究山体滑坡变形中,提出灰关联聚类分析法,能很好解决监测点分类问题。但在实际使用上此法过于复杂,没有考虑到露天边坡区域滑移明显的特性。叶斌等在建筑物变形监测分析中考虑多点的变形之间的相互影响,基于ARMA模型建立了多点CAR变形预测模型。这些模型没有充分考虑露天矿边坡监测点滑移明显等特点,相关性分析复杂,对块体变形没有给出唯一的评价指标,对边坡整体变形预测描述不清晰。
边坡监测线整体变形预测方法开展了监测点聚类分析研究,主要是依据序列相关函数对监测点进行相关分析,将监测点分为危险点和安全点,危险点构成危险区域。经过分析得知,危险区域与某条监测线的空间交集得到的各监测点具有高度相关性。可以认为监测线上危险区域内的监测点是在同一滑移块体。对某条监测线变形进行整体预测分析,可以完整全面地反应监测线剖面变形趋势,是对该区域边坡整体变形和滑坡预测的有利手段,与单点变形分析比较有了本质上的提高。
多点分析与预测,由于使用了多点变形信息,使用信息更为全面,削弱了个别监测点变形异常值对预测模型的影响,从而可以提高预测的可靠程度和精度。平均值序列的预测值,可以作为整个边坡剖面未来变形预测值,是对边坡整个剖面线未来变形进行描述的指标。
本发明,即边坡监测线整体变形预测方法,既克服了单点监测忽略相似或相依监测点互相影响的不足,还充分考虑了露天边坡区域滑移明显的特性,并且通过运用相关函数的手段,有效地实现了模型的建立和精度的计算,可以说,很大程度上简化了实际边坡工程的监测和预测的方法;更重要的此新型边坡变形整体预测方法比单点变形预测具有更高的可靠性,当某监测点变形值出现数据异常时,整体变形可以削弱单点变形值的影响,极大程度上的提高了监测的质量,有效提高了边坡变形监测的可靠度和精度。
(三)发明内容
本发明的目的在于通过多监测点监测整体分析整个边坡剖面未来变形,主要选取合适的平稳序列建立适应的边坡模型预测,并进行精度计算,以实现边坡整体变形监测或预测的目标。
本发明要解决的上述问题主要是通过以下新型方案实现的:
1)获取监测线平均值序列
设监测线上构成整体的k个监测点平均变形值序列为{xt},其中监测点i变形序列为{xti},n1为变形序列长度,则
2)获取平稳序列
作图判断平均值序列趋势,若是直线,去除直线趋势;若是曲线,采用差分法去除趋势;在去除趋势后计算平均值序列的平均值,再去除平均值,最终获得平均值平稳序列。
3)对平稳序列建立适用的ARMA模型
建立方法与单点预测模型一样。
4)模型预测
若模型合格,计算变形预测值。先计算平稳序列预测值,然后计算趋势序列及平均序列,平均值序列预测值=平稳序列预测值+趋势序列预测值+均值。
5)评定预测值精度
先计算预测值残差,再计算相对残差和相对残差平均值。
6)绘制观测值与预测值对比图
通过绘图直观分析监测线整体变形预测精度效果和变形规律。
本发明通过方案的具体实施,可以达到以下效应:
多点分析与预测,由于使用了多点变形信息,使用信息更为全面,削弱了个别监测点变形异常值对预测模型的影响,从而可以提高预测的可靠程度和精度。平均值序列的预测值,可以作为整个边坡剖面未来变形预测值,是对边坡整个剖面线未来变形进行描述的指标。
通过试验结果表明,3个预测步长以内的预测精度较高,相对残差绝对值一般小于5%。3个步长以上的预测值精度较低,超过10%。
通过应用实例预测与分析发现:用剖面监测线变形平均值作为剖面整体变形指标,可以对剖面所在边坡区域的变形进行整体评价,监测线各点变形平均值的预测值可以作为边坡整体变形的未来预测,为边坡整体治理和防止滑坡提供决策依据。边坡变形整体预测比单点变形预测具有更高的可靠性,当某监测点变形值出现数据异常时,整体变形可以削弱单点变形值的影响。从上面计算结果中可以看出,整体预测与单点预测比较具有较高的精度,说明该法可行。
(四)附图说明
附图给出了本发明在一个工程实例中应用的示意图:
图1是通过本实施方案得到的水平位移时间序列图:
图2是通过本实施方案得到的平均值序列与预测值序列对比图
图3是通过本实施方案得到的观测值与预测值对比图
示意图中的标号说明:
jn5是选取的一条监测线,1点、2点、3点、4点代表的是jn5监测线上的四个监测点
(五)具体实施方式
结合附图和附表,对本发明在实用工程中的应用加以详细说明:
露天矿jn5剖面监测线共有4个监测点,2005年4月至2007年8月共29期数据,监测数据如表1所示,变形过程如图1所示。用前20期观测值建立动态预测模型,后9个周期变形观测值用于预测精度检查。
表1jn5剖面线4个监测点观测值
1)监测点间变形序列相关分析
对jn5剖面线的4个监测点进行相关分析,相关系数见表2,相关系数均大于0.9。结果表明4个监测点的变形存在紧密相关性,可以作为一个变形整体进行变形分析。
表2测点间相关系数
2)对平均值序列进行预测,预测结果如表3和图2所示。
表3平均值序列预测结果
3)对4个监测点的变形进行预测,预测结果见表4-7和图3所示。
表4jn5-1监测点变形预测值
表5jn5-2监测点变形预测值
表6jn5-3监测点变形预测值
表7jn5-4监测点变形预测值
4)结果分析
用剖面监测线变形平均值作为剖面整体变形指标,可以对剖面所在边坡区域的变形进行整体评价,监测线各点变形平均值的预测值可以作为边坡整体变形的未来预测,为边坡整体治理和防止滑坡提供决策依据。边坡变形整体预测比单点变形预测具有更高的可靠性,当某监测点变形值出现数据异常时,整体变形可以削弱单点变形值的影响。从上面计算结果中可以看出,整体预测与单点预测比较具有较高的精度,说明该方法可行。
Claims (8)
1.边坡监测线整体变形预测方法,该方法包括以下步骤:
S1,获取监测线平均值序列;
S2,获取平稳序列;
S3,对平稳序列建立适用的ARMA模型;
S4,模型预测;
S5,评定预测值精度;
S6,绘制观测值与预测值对比图;
S7,通过绘图直观分析监测线整体变形预测精度效果和变形规律。
2.如权利要求1所述的方法,其特征在于,
S2步骤是为了方便对每个监测点变形值进行预测,而其中求平稳序列的方法就是:原始序列减去趋势序列和平均值之后便成平稳序列。
3.如权利要求2所述的方法,其特征在于,
“平均值平稳序列”是综合了各监测点的特征,是各监测点平稳序列的典型代表,用此序列建立的预测模型也是各监测点的平稳序列预测模型,用“此模型计算出的平均值平稳序列预测值,也是个监测点的平稳序列预测值”。即认为由于监测点的高度相关性,监测线各点变形时间序列的平稳序列预测模型是相同的,就是平均值序列的平稳序列对应的预测模型。
4.如权利要求1-3任一所述的方法,其特征在于,
通过加上个监测点自己的线性趋势或曲线趋势和平均值,即可得到各监测点的变形预测值,而平均值序列预测值代表了监测线整体变形未来趋势。
5.如权利要求2所述的方法,其特征在于,
作图判断平均值序列趋势,若是直线,去除直线趋势;若是曲线,采用差分法去除趋势;在去除趋势后计算平均值序列的平均值,再去除平均值,最终获得平均值平稳序列。
6.如权利要求1所述的方法,其特征在于,
S4步骤若模型合格,计算变形预测值。先计算平稳序列预测值,然后计算趋势序列及平均序列,平均值序列预测值=平稳序列预测值+趋势序列预测值+均值;
若模型不合格,需重新建立。
7.如权利要求1所述的方法,其特征在于,
S5步骤先计算预测值残差,再计算相对残差和相对残差平均值。
8.如权利要求1-7所述的方法,通过绘图直观分析监测线整体变形预测精度效果和变形规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110120591 CN102322841A (zh) | 2011-05-11 | 2011-05-11 | 一种边坡监测线整体变形预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110120591 CN102322841A (zh) | 2011-05-11 | 2011-05-11 | 一种边坡监测线整体变形预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102322841A true CN102322841A (zh) | 2012-01-18 |
Family
ID=45450637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110120591 Pending CN102322841A (zh) | 2011-05-11 | 2011-05-11 | 一种边坡监测线整体变形预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102322841A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115602A (zh) * | 2013-01-07 | 2013-05-22 | 安徽理工大学 | 矿山开采沉陷监测信息移动采集终端***及其采集方法 |
CN105717527A (zh) * | 2016-02-18 | 2016-06-29 | 河海大学 | 一种利用边坡变形数据快速确定监测点移动轨迹的方法 |
CN107885696A (zh) * | 2017-11-20 | 2018-04-06 | 河海大学 | 一种利用观测序列相似性实现缺失数据修复的方法 |
CN108106595A (zh) * | 2017-12-08 | 2018-06-01 | 太原理工大学 | 一种边坡变形的监测预警装置 |
CN109726902A (zh) * | 2018-12-19 | 2019-05-07 | 天津理工大学 | 一种边坡稳定性评价方法 |
CN117268475A (zh) * | 2023-11-21 | 2023-12-22 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种多维参数数据融合的边坡安全评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000258193A (ja) * | 1999-03-08 | 2000-09-22 | Nishimura Sokuryo Sekkei Jimusho:Kk | 斜面監視システム |
CN101344389A (zh) * | 2008-08-20 | 2009-01-14 | 中国建筑第八工程局有限公司 | 一种利用神经网络预测隧道围岩位移的方法 |
JP4219100B2 (ja) * | 2001-05-18 | 2009-02-04 | 財団法人鉄道総合技術研究所 | 地すべりや表層崩壊等の斜面崩壊による地盤変位の予測装置 |
JP4251538B2 (ja) * | 2003-03-12 | 2009-04-08 | 国際航業株式会社 | 斜面崩壊予測システム |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN101718876A (zh) * | 2009-11-13 | 2010-06-02 | 北京科技大学 | 一种基于岩土体应变状态突变的边坡稳定性监测及失稳预测方法 |
CN101788551A (zh) * | 2010-01-07 | 2010-07-28 | 云南元磨高速公路建设指挥部 | 高速公路边坡病害自动化监测*** |
CN101936008A (zh) * | 2010-09-30 | 2011-01-05 | 东北大学 | 岩体边坡三维模型及块体滑落分析方法 |
-
2011
- 2011-05-11 CN CN 201110120591 patent/CN102322841A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000258193A (ja) * | 1999-03-08 | 2000-09-22 | Nishimura Sokuryo Sekkei Jimusho:Kk | 斜面監視システム |
JP4219100B2 (ja) * | 2001-05-18 | 2009-02-04 | 財団法人鉄道総合技術研究所 | 地すべりや表層崩壊等の斜面崩壊による地盤変位の予測装置 |
JP4251538B2 (ja) * | 2003-03-12 | 2009-04-08 | 国際航業株式会社 | 斜面崩壊予測システム |
CN101344389A (zh) * | 2008-08-20 | 2009-01-14 | 中国建筑第八工程局有限公司 | 一种利用神经网络预测隧道围岩位移的方法 |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN101718876A (zh) * | 2009-11-13 | 2010-06-02 | 北京科技大学 | 一种基于岩土体应变状态突变的边坡稳定性监测及失稳预测方法 |
CN101788551A (zh) * | 2010-01-07 | 2010-07-28 | 云南元磨高速公路建设指挥部 | 高速公路边坡病害自动化监测*** |
CN101936008A (zh) * | 2010-09-30 | 2011-01-05 | 东北大学 | 岩体边坡三维模型及块体滑落分析方法 |
Non-Patent Citations (3)
Title |
---|
《中国矿业大学(北京)博士学位论文》 20110315 薄志毅 露天煤矿边坡滑移变形预测理论及其应用研究 , * |
《江西科学》 20110430 陈青等 时间序列在变形监测中的应用 第29卷, 第2期 * |
《煤炭工程》 20090930 薄志毅等 边坡监测线整体变形预测研究与应用 , 第9期 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115602A (zh) * | 2013-01-07 | 2013-05-22 | 安徽理工大学 | 矿山开采沉陷监测信息移动采集终端***及其采集方法 |
CN105717527A (zh) * | 2016-02-18 | 2016-06-29 | 河海大学 | 一种利用边坡变形数据快速确定监测点移动轨迹的方法 |
CN105717527B (zh) * | 2016-02-18 | 2017-11-17 | 河海大学 | 一种利用边坡变形数据快速确定监测点移动轨迹的方法 |
CN107885696A (zh) * | 2017-11-20 | 2018-04-06 | 河海大学 | 一种利用观测序列相似性实现缺失数据修复的方法 |
CN108106595A (zh) * | 2017-12-08 | 2018-06-01 | 太原理工大学 | 一种边坡变形的监测预警装置 |
CN108106595B (zh) * | 2017-12-08 | 2020-05-12 | 太原理工大学 | 一种边坡变形的监测预警装置 |
CN109726902A (zh) * | 2018-12-19 | 2019-05-07 | 天津理工大学 | 一种边坡稳定性评价方法 |
CN117268475A (zh) * | 2023-11-21 | 2023-12-22 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种多维参数数据融合的边坡安全评估方法 |
CN117268475B (zh) * | 2023-11-21 | 2024-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种多维参数数据融合的边坡安全评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bleischwitz et al. | Extrapolation or saturation–Revisiting growth patterns, development stages and decoupling | |
CN102322841A (zh) | 一种边坡监测线整体变形预测方法 | |
An et al. | Short-term prediction of wind power using EMD and chaotic theory | |
Rehman et al. | The future of sustainable energy production in Pakistan: A system dynamics-based approach for estimating hubbert peaks | |
Marretta et al. | Design of sheet stamping operations to control springback and thinning: A multi-objective stochastic optimization approach | |
Siddiqi et al. | A posteriori design change analysis for complex engineering projects | |
Lyashenko et al. | Marketing prospects of small developed African countries assessment for traditional Ukrainian exports | |
CN102042848A (zh) | 基于多元混合时序分析的多性能参数加速退化试验产品寿命预测方法 | |
Chaolong et al. | Track irregularity time series analysis and trend forecasting | |
CN106127380A (zh) | 一种大数据风险分析方法 | |
CN103617468A (zh) | 一种生活必需品中长期预测方法 | |
Fan et al. | Prediction algorithm for springback of frame-rib parts in rubber forming process by incorporating Sobol within improved grey relation analysis | |
JP2015140455A (ja) | 高炉通気性予測装置及び高炉通気性予測方法 | |
Hu et al. | Prediction of passenger flow on the highway based on the least square suppoert vector machine | |
Fantazzini et al. | Proposed coal power plants and coal-to-liquids plants in the US: Which ones survive and why? | |
Panic et al. | Damage assessment of threaded connections based on an advanced material model and local concepts | |
Teseletso et al. | Long-term sustainability of copper and iron based on a system dynamics model | |
CN105069214A (zh) | 一种基于非线性相关分析的工艺可靠性评估方法 | |
Markovits-Somogyi | Review and systematization of efficiency measurement methods used in the transport sector | |
Li | Retracted: Neural network economic forecast method based on genetic algorithm | |
Rosyid et al. | Comparison of Indonesian Imports Forecasting by Limited Period Using SARIMA Method. | |
Leary | Materials selection and substitution using aluminium alloys | |
Dezelak et al. | MACHINE LEARNING FOR THE IMPROVEMENT OF SPRINGBACK MODELLING. | |
Kovářík et al. | Implementing control charts to corporate financial management | |
Tran | Applying grey system theory to forecast the total value of importsand exports of top traded commodities in Taiwan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120118 |