CN112526104A - 一种边坡稳定性监测测预警方法、***、介质 - Google Patents
一种边坡稳定性监测测预警方法、***、介质 Download PDFInfo
- Publication number
- CN112526104A CN112526104A CN202011229767.3A CN202011229767A CN112526104A CN 112526104 A CN112526104 A CN 112526104A CN 202011229767 A CN202011229767 A CN 202011229767A CN 112526104 A CN112526104 A CN 112526104A
- Authority
- CN
- China
- Prior art keywords
- slope
- deformation
- stage
- displacement
- early warning
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 197
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000006073 displacement reaction Methods 0.000 claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 62
- 230000006378 damage Effects 0.000 claims abstract description 50
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 53
- 230000001133 acceleration Effects 0.000 claims description 34
- 239000002367 phosphate rock Substances 0.000 claims description 30
- OJMIONKXNSYLSR-UHFFFAOYSA-N phosphorous acid Chemical compound OP(O)O OJMIONKXNSYLSR-UHFFFAOYSA-N 0.000 claims description 29
- 238000011161 development Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 18
- 230000003247 decreasing effect Effects 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000003189 isokinetic effect Effects 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000033001 locomotion Effects 0.000 description 24
- 239000011435 rock Substances 0.000 description 22
- 238000005065 mining Methods 0.000 description 16
- 238000011160 research Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000005520 cutting process Methods 0.000 description 9
- 238000009412 basement excavation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000009418 renovation Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 239000010410 layer Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000010008 shearing Methods 0.000 description 3
- 101710154918 Trigger factor Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000010440 gypsum Substances 0.000 description 2
- 229910052602 gypsum Inorganic materials 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 229920002334 Spandex Polymers 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000004746 geotextile Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- -1 social vulnerability Chemical compound 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明属于边坡监测预警技术领域，公开了一种边坡稳定性监测测预警方法、***、介质，检测边坡数据，并对检测数据进行预处理；根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式；根据分析的结果，建立注意级(蓝色)、警示级(黄色)、警戒级(橙色)、预报级(红色)四个级别的多参数预警判据；开发边坡失稳破坏预警程序，对边坡变形失稳破坏的动态综合预警。本发明在尖山露天矿边坡的应用表明，发挥了保证尖山露天采场安全生产的作用，并可在类似条件的边坡监测工程中加以推广应用。
Description
技术领域
本发明属于边坡监测预警技术领域，尤其涉及一种边坡稳定性监测测预警方法、***、介质。
背景技术
目前，随着磷矿资源的持续、高强度开采，我国众多大型国有磷矿山陆续转入深凹露天开采或者地下开采阶段。随着采矿活动强度的持续增大，与采矿生产相关的安全问题越来越突出，也越来越成为制约企业安全、持续发展瓶颈。在选矿方式由擦洗改变为浮选以后，尾矿颗粒更细，此时尾矿的固结特性将会明显改变，如何保证尾矿坝的稳定性将对尾矿库溃坝灾害的防治起到至关重要的作用。因此，在目前“安全、高效、绿色”采矿理念的大背景下，为了保证磷矿开采活动的安全性，对磷矿山持续开发活动中可能出现的滑坡、排土场及尾矿坝等重大事故隐患进行辨识与危险性评价，开展采矿工程活动诱发矿山灾害的致因机理及地质灾害的动力演化过程方面的研究就显得尤为重要，以期能够揭示滑坡、排土场及尾矿坝等主要地质灾害可能的失效模式、致灾机理及其动力演化过程，并提出合理有效的灾害治理措施及预测预报***，能够成为磷矿山层状边坡危险性评价体系建立、失稳机理辨析及其有效防治措施建立的示范性工程，做到灾害的科学预防并使灾害损失降到最低。但是传统技术在自动化监测过程中，由于存在一些客观环境因素(如雨雾天气等)以及仪器本身等原因，使其所采集到的监测数据或带有奇异值，或出现一部分监测点漏测，或某段时间内无测量数据。同时传统的分析方法只考虑位移量或位移速率的大小，没有监测点的滑移方向来综合分析，这种分析方法不全面的。
通过上述分析，现有技术存在的问题及缺陷为：
(1)传统技术在自动化监测过程中，由于存在一些客观环境因素(如雨雾天气等)以及仪器本身等原因，使其所采集到的监测数据或带有奇异值，或出现一部分监测点漏测，或某段时间内无测量数据。
(2)传统的分析方法只考虑位移量或位移速率的大小，没有监测点的滑移方向来综合分析，这种分析方法不全面的。
解决以上问题及缺陷的难度为：长期的现场边坡工程实测数据、边坡变形破坏演化全过程关键数据的监控、海量实测数据的深入整理分析。缺乏现有可以借鉴的经验方法。
解决以上问题及缺陷的意义为：
1、矿山安全监测的必要性；矿山是三大高危行业之一，矿山灾害主要有边坡垮塌和排土场滑坡及尾矿库溃坝等。矿山灾害监测的必要性依据由两方面的因素决定，一是矿山边坡、排土场和尾矿库的稳定状态，二是边坡垮塌或滑坡和排土场滑坡及尾矿库溃坝等的危害性。矿山边坡(排土场边坡、尾矿坝)的稳定状态，可分为稳定的、基本稳定的、潜在不稳定的和不稳定的四种。需要进行监测的是潜在不稳定的和不稳定的两类，这是矿山安全监测的基本条件。矿山灾害的危害性是监测必要性的根本条件。根据“以人为本”的防灾减灾指导思想，凡是有受威胁人口的潜在不稳定和不稳定的露天矿边坡、排土场边坡、尾矿坝等，在未采取避让及工程治理措施前，必须实施监测。
2、矿山安全监测的重要性；为了反映露天矿边坡体、排土场边坡体、尾矿坝等的岩土真实力学效应、检验设计施工的可靠性和处治后的稳定状态，矿山安全监测具有极其重要的意义。矿山安全监测是分析研究矿山灾害的重要手段之一。对于大型复杂的露天矿边坡、排土场边坡、尾矿坝等，此工作应当贯穿于勘察、设计、施工以及整治效果评价的全过程，它能为边坡的稳定性分析、整治方案的拟定提供较为可靠的依据，并为边坡整治效果提供资料。矿山安全监测具有重要的现实意义，如下：①借助矿山安全监测能了解矿山露天矿边坡、排土场边坡、尾矿坝的实际状况，可以判断其稳定性及所处在变形阶段，并实现对其稳定性的预测预报研究，为其治理初步决策提供科学依据；②在治理过程中，实时监测反馈又为设计方案的修改和补充以及现场信息化；施工提供可靠资料，为工程质量提供保障；③施工结束后的监测数据又视为工程治理效果的直接指示器。
发明内容
针对现有技术存在的问题，本发明提供了一种边坡稳定性监测测预警方法、***、介质。
本发明是这样实现的，一种边坡稳定性监测测预警方法，所述边坡稳定性监测测预警方法包括：
步骤一，检测边坡数据，并对检测数据进行预处理；
步骤二，根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式；
步骤三，根据分析的结果，建立注意级(蓝色)、警示级(黄色)、警戒级(橙色)、预报级(红色)四个级别的多参数预警判据；
步骤四，开发边坡失稳破坏预警程序，对边坡变形失稳破坏的动态综合预警。
进一步，所述监测数据线性插值和基于‘3σ规则’的奇异值检验。
进一步，所述监测数据线性插值方法如下：
若实测值与时间成线性关系，漏测值可由某两个实测值进行内插，可用式(1) 计算：
式中，x,xi,xi+1表示实测值的累计变形量；t,ti,ti+1表示时间；
基于‘3σ规则’的奇异值检验方法，如下：
利用MATLAB软件介绍3σ规则检验奇异值方法；
对于观测数据序列{x1,x2,……,xn}，描述该序列的变化特征为
dj＝2xj-(xj+1+xj-1) (j＝3,4,5,…,n) (4)
这样，由n个观测数据可得n-2个dj，这时，由dj值可以计算序列数据变化的统计均值
和均方差
根据dj偏差的绝对值与均方差的比值
当qj＞3时，认为xj是奇异值，应予以剔除。
进一步，所述步骤二中，具体过程为：
在节边坡滑移机理分析的基础上，采用三维位移矢量场分析法，根据根据边坡体上所有监测点的初始时刻的三维坐标值以及三维变形数据，绘制成位移矢量图，根据三维位移矢量图，分析整个边坡体变形特征以及失稳模式。
进一步，所述步骤二中，滑坡位移-时间曲线的定性判定过程为：
在等速变形阶段，变形曲线会有所波动，此阶段变形曲线宏观的、平均的斜率应该基本保持不变，总体上表现为一“直线”；
进入加速变形阶段，曲线斜率会不断增加，变形曲线总体上为一条倾斜度不断增大的“曲线”；
根据上述的演化过程，对变形监测曲线的分析，判断斜坡的演化阶段；同时将同一监测点的斜坡位移速率-时间曲线和累积位移-时间曲线进行对比分析，根据两条曲线的特点共同判定斜坡的演化阶段；对同一个边坡体中多个监测点的变形监测曲线进行综合分析、综合判断。
进一步，所述步骤二中，位移速率角的定量判定过程为：
斜坡从变形产生到最终破坏失稳其累计位移(S)-时间(t)曲线(简称S-t曲线) 一般会经历初始变形阶段、等速变形阶段和加速变形阶段；
在斜坡的整个发展演化过程中，位移-时间曲线的斜率是在不断变化的，尤其是斜坡变形进入加速变形阶段后，曲线斜率往往会不断增加，到最后的临滑阶段，变形曲线近于竖直，其与横坐标的夹角接近90°；
当ai<45°，斜坡处于初始变形阶段；
当ai>>45°，斜坡处于等速变形阶段；
当45°<ai<80°，为初加速阶段；
当80°￡ai<85°，为中加速阶段；
当ai 385°，为临滑阶段。
进一步，所述步骤二中，位移矢量角的定性判断过程为：
当位移矢量角出现趋势性增大或减小，为初加速阶段；
当位移矢量角发生明显的趋势性增大或减小，为中加速阶段；
当位移矢量角出现突然增大或减小，为临滑阶段。
进一步，所述步骤二中，位移方位角的定性判断过程为：
当位移方位角角出现趋势性增大或减小，为初加速阶段
当位移方位角发生明显的趋势性增大或减小，为中加速阶段；
当位移方位角出现突然增大或减小，为临滑阶段。
进一步，所述步骤四中，边坡变形失稳破坏的动态综合预警方法包括：
首先，应通过调查和勘探手段，在查明坡体的地形地貌、地层岩性、坡体结构以及水文地质条件等基础上，对边坡失稳破坏规模、类型，特别是变形破坏模式和成因机制进行分析判断；
然后结合对坡体的变形监测资料和坡体宏观变形破坏迹象的综合分析，判断边坡所处的发展演化阶段，并据此采用合适的定量预报模型与定性分析方法，分析边坡的变形破坏时空演化规律和发展趋势，作出预警预报。
本发明另一目的在于提供一种实施所述的边坡稳定性监测测预警方法的边坡稳定性监测测预警***，所述边坡稳定性监测测预警***包括：
边坡环境因子与触发因子的危险源危险性辨识与评价体系，对尖山磷矿高陡边坡的自然属性方面进行评价；
边坡危险源易损度辨识与评价体系，对尖山磷矿高陡边坡的社会属性方面进行评价，包括社会易损度、经济易损度、环境易损度和物质易损度及防治措施可靠性与有效程度；
边坡危险源风险及危险源等级辨识与评价体系，根据危险源的风险及危险源等级辨识及评价体系理论，进行边坡危险源风险及危险源等级辨识与评价。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明在尖山露天矿边坡的应用表明，发挥了保证尖山露天采场安全生产的作用，并可在类似条件的边坡监测工程中加以推广应用。本发明针对现有技术所造成的数据缺失，由于线性插值计算简单，采用线性插值方法。本发明在自动化监测过程中，其监测数据中或多或少会存在奇异值，在变形分析的开始之前必须将该奇异值剔除。考虑到监测***的连续、实时和自动化，最简便的方法是用“3σ规则”来剔除奇异值，通过，利用MATLAB软件编写3σ规则检验奇异值方法的程序对对尖山露天矿边坡中表面位移监测数据的分析，表明这种方法可以有效的剔除粗差和异常值，适合于该监测项目中的监测数据误差处理。在对边坡的滑移机理进行分析的基础上，认为对边坡体上监测点的变形量的大小由监测点的位移量或位移速率角来决定，边坡体上监测点的运动方向由位移矢量角和方位角来决定，传统的分析方法只考虑位移量或位移速率的大小，没有监测点的滑移方向来综合分析，这种分析方法不全面的，本发明提出对边坡的变形综合分析法，即综合边坡位移-时间过程曲线分析法、边坡位移速率角分析法、边坡位移矢量角分析法、边坡位移方位角分析等对边坡变形进行动态分析，并总结该边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的边坡稳定性监测测预警方法流程图。
图2是本发明实施例提供的边坡体滑移机理图示意图。
图3是本发明实施例提供的边坡变形失稳破坏的演化过程图。
图4是本发明实施例提供的监测点运动方位角的推求示意图。
图5是本发明实施例提供的边坡体上监测点运动的空间特征示意图。
图6是本发明实施例提供的边坡体上监测点运动的时间特征示意图。
图7是本发明实施例提供的边坡体上监测点在平面上的运动空间特征示意图。
图8是本发明实施例提供的边坡体上监测点在平面上的运动时间特征示意图。
图9是本发明实施例提供的边坡稳定性监测测预警***结构示意图。
图9中：1、边坡环境因子与触发因子的危险源危险性辨识与评价体系；2、边坡危险源易损度辨识与评价体系；3、边坡危险源风险及危险源等级辨识与评价体系。
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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种边坡稳定性监测测预警方法、***、介质，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的边坡稳定性监测测预警方法，包括：
S101：检测边坡数据，并对检测数据进行预处理。
S102：根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式。
S103：根据分析的结果，建立注意级(蓝色)、警示级(黄色)、警戒级 (橙色)、预报级(红色)四个级别的多参数预警判据。
S104：开发边坡失稳破坏预警程序，对边坡变形失稳破坏的动态综合预警。
本发明实施例提供的检测数据进行预处理包括：监测数据线性插值和基于‘3σ规则’的奇异值检验
监测数据线性插值方法如下：
若实测值与时间成线性关系，漏测值可由某两个实测值进行内插，可用式(1) 计算：
式中，x,xi,xi+1表示实测值的累计变形量；t,ti,ti+1表示时间。
基于‘3σ规则’的奇异值检验方法，如下：
利用MATLAB软件介绍3σ规则检验奇异值方法；
对于观测数据序列{x1,x2,……,xn}，描述该序列的变化特征为
dj＝2xj-(xj+1+xj-1) (j＝3,4,5,…,n) (4)
这样，由n个观测数据可得n-2个dj，这时，由dj值可以计算序列数据变化的统计均值
和均方差
根据dj偏差的绝对值与均方差的比值
当qj＞3时，认为xj是奇异值，应予以剔除。
本发明实施例提供的S102中，具体过程为：
在节边坡滑移机理分析的基础上，采用三维位移矢量场分析法，根据根据边坡体上所有监测点的初始时刻的三维坐标值以及三维变形数据，绘制成位移矢量图，根据三维位移矢量图，分析整个边坡体变形特征以及失稳模式。
本发明实施例提供的S102中，滑坡位移-时间曲线的定性判定过程为：
在等速变形阶段，变形曲线会有所波动，此阶段变形曲线宏观的、平均的斜率应该基本保持不变，总体上表现为一“直线”。进入加速变形阶段，曲线斜率会不断增加，变形曲线总体上为一条倾斜度不断增大的“曲线”；
根据上述的演化过程，对变形监测曲线的分析，判断斜坡的演化阶段；同时将同一监测点的斜坡位移速率-时间曲线和累积位移-时间曲线进行对比分析，根据两条曲线的特点共同判定斜坡的演化阶段；对同一个边坡体中多个监测点的变形监测曲线进行综合分析、综合判断。
本发明实施例提供的S102中，位移速率角的定量判定过程为：
斜坡从变形产生到最终破坏失稳其累计位移(S)-时间(t)曲线(简称S-t曲线) 一般会经历初始变形阶段、等速变形阶段和加速变形阶段；
在斜坡的整个发展演化过程中，位移-时间曲线的斜率是在不断变化的，尤其是斜坡变形进入加速变形阶段后，曲线斜率往往会不断增加，到最后的临滑阶段，变形曲线近于竖直，其与横坐标的夹角接近90°；
当ai<45°，斜坡处于初始变形阶段；
当ai>>45°，斜坡处于等速变形阶段；
当45°<ai<80°，为初加速阶段；
当80°￡ai<85°，为中加速阶段；
当ai 385°，为临滑阶段。
本发明实施例提供的S102中，位移矢量角的定性判断过程为：
当位移矢量角出现趋势性增大或减小，为初加速阶段；
当位移矢量角发生明显的趋势性增大或减小，为中加速阶段；
当位移矢量角出现突然增大或减小，为临滑阶段；
本发明实施例提供的S102中，位移方位角的定性判断过程为：
当位移方位角角出现趋势性增大或减小，为初加速阶段
当位移方位角发生明显的趋势性增大或减小，为中加速阶段；
当位移方位角出现突然增大或减小，为临滑阶段。
本发明实施例提供的S014中，边坡变形失稳破坏的动态综合预警方法包括：
首先应通过调查和勘探手段，在查明坡体的地形地貌、地层岩性、坡体结构以及水文地质条件等基础上，对边坡失稳破坏规模、类型，特别是变形破坏模式和成因机制进行分析判断；
然后结合对坡体的变形监测资料和坡体宏观变形破坏迹象的综合分析，判断边坡所处的发展演化阶段，并据此采用合适的定量预报模型与定性分析方法，分析边坡的变形破坏时空演化规律和发展趋势，作出预警预报。
如图9所示，本发明实施例提供的边坡稳定性监测测预警***包括：
边坡环境因子与触发因子的危险源危险性辨识与评价体系1，对尖山磷矿高陡边坡的自然属性方面进行评价。
边坡危险源易损度辨识与评价体系2，对尖山磷矿高陡边坡的社会属性方面进行评价，包括社会易损度、经济易损度、环境易损度和物质易损度及防治措施可靠性与有效程度。
边坡危险源风险及危险源等级辨识与评价体系3，根据危险源的风险及危险源等级辨识及评价体系理论，进行边坡危险源风险及危险源等级辨识与评价。
下面结合具体实施例对本发明的技术方案作进一步的描述。
1矿山安全监测技术的应用
1.1矿山安全监测的重要意义
(1)矿山安全监测的必要性
矿山是三大高危行业之一，矿山灾害主要有边坡垮塌和排土场滑坡及尾矿库溃坝等。矿山灾害监测的必要性依据由两方面的因素决定，一是矿山边坡、排土场和尾矿库的稳定状态，二是边坡垮塌或滑坡和排土场滑坡及尾矿库溃坝等的危害性。矿山边坡(排土场边坡、尾矿坝)的稳定状态，可分为稳定的、基本稳定的、潜在不稳定的和不稳定的四种。需要进行监测的是潜在不稳定的和不稳定的两类，这是矿山安全监测的基本条件。矿山灾害的危害性是监测必要性的根本条件。根据“以人为本”的防灾减灾指导思想，凡是有受威胁人口的潜在不稳定和不稳定的露天矿边坡、排土场边坡、尾矿坝等，在未采取避让及工程治理措施前，必须实施监测。
(2)矿山安全监测的重要性
为了反映露天矿边坡体、排土场边坡体、尾矿坝等的岩土真实力学效应、检验设计施工的可靠性和处治后的稳定状态，矿山安全监测具有极其重要的意义。矿山安全监测是分析研究矿山灾害的重要手段之一。对于大型复杂的露天矿边坡、排土场边坡、尾矿坝等，此工作应当贯穿于勘察、设计、施工以及整治效果评价的全过程，它能为边坡的稳定性分析、整治方案的拟定提供较为可靠的依据，并为边坡整治效果提供资料。矿山安全监测具有重要的现实意义。①借助矿山安全监测能了解矿山露天矿边坡、排土场边坡、尾矿坝的实际状况，可以判断其稳定性及所处在变形阶段，并实现对其稳定性的预测预报研究，为其治理初步决策提供科学依据；②在治理过程中，实时监测反馈又为设计方案的修改和补充以及现场信息化；施工提供可靠资料，为工程质量提供保障；③施工结束后的监测数据又视为工程治理效果的直接指示器。
1.2尖山东采区边坡监测设计及实施
结合尖山磷矿边坡的实际情况，该边坡监测以表面变形监测为主，并以降雨量监测、裂缝观测以及巡视检查相结合的监测方案。建立了TM30+GeoMos 尖山磷矿边坡自动监测***。2012年3月，由重庆莱卡科技发展有限公司技术员对监测设备进行了安装调试，由于前期安装后，***、通信等方面问题，监测***未能持续正常运行，经技术人员多次处理后，2012年12月份起，边坡监测***才一直保持正常。
在尖山磷矿边坡监测过程中发现GeoMos软件的缺点
变形分析方法不够全面；变形分析方法采用时间系列曲线分析法和位移矢量分析法
时间系列曲线分析法在分析中存在以下两个缺点：(1)只能最多对18个测点进行绘制时间系列曲线图；(2)不能同时绘制同一测点的多变量时间系列曲线图。
只能采用二维的位移矢量分析法；采用二维的位移矢量分析法，不能直观、准确地放映整个边坡体上各监测点的变形特征。
预警功能没有达到边坡监测预警的目的；预警理论不够完善，该软件采用边坡位移速率的大小作为预报边坡失稳破坏的主要判据。但就某一指定边坡失稳破坏而言，具体确定出位移速率为多大时才算进入滑动阶段和临滑状态仍有很大困难，仅以滑***移速率或位移量大小来表达边坡运动特征显然是不足的。
2边坡监测数据的预处理研究
2.1监测数据插值方法
在自动化监测过程中，由于存在一些客观环境因素(如雨雾天气等)以及仪器本身等原因，使其所采集到的监测数据或带有奇异值，或出现一部分监测点漏测，或某段时间内无测量数据。针对这些情况所造成的数据缺失，必须要采取一定的补救措施，比较可行的方法就是对监测缺失数据进行插值。下面介绍几种监测数据插值方法。
(1)线性插值法
若实测值与时间成线性关系，漏测值可由某两个实测值进行内插，可用式(1) 计算：
式中，x,xi,xi+1表示实测值的累计变形量；t,ti,ti+1表示时间。
内插其实是在已知自变量域内，建立和计算一个逼近函数的过程。线性插值实质就是用直线去代替曲线，所以一般要求[ti,ti+1]要比较小，且在自变量域中的对应函[ti,ti+1]数值的变化比较平稳，否则通过方法得到的数值误差可能很大，该方法在实际应用中不常用到。
(2)拉格朗日(Lagrange)插值法
设函数f(x)在区间上[a,b]有定义，且已知f(x)在[a,b]上有n+1个互异 x0,x1,…,xn上的函数值f(x0),f(x1),…,f(xn)，若存在1个不超过n次的多项式：
Pn(xi)＝f(xi) (i＝0,1,…,n) (2)
求1个n次多项式lk(x)满足：
那么，
令
当x＝xk满足lk(xk)＝1
所以，Lagrange插值多项式Ln(x)为
拉格朗日插值多项式是不超过n次的多项式。有其性质可知，该函数具有唯一性，数值计算具有稳定性，且在自变量域内是连续函数。通过基函数很容易得到插值函数，且其形式关于节点对称，得到的数据曲线比较光滑。但是该方法的高次插值收敛性差，当插值点数目变化或其位置变化时，整个插值多项式的结构就会发生改变。而且，如果要确定f(x)在某一点的近似值，预先不知道要选多少个插值节点为宜。这不易于一些实际应用，增加了计算的难度。
2.2基于‘3σ规则’的奇异值检验方法
在自动化监测过程中，其监测数据中或多或少会存在奇异值，在变形分析的开始之前必须将该奇异值剔除。测量学者们对奇异值的检验进行了大量的试验研究,并得出了很多有效的方法和措施。比如:“3σ规则”、数据探测法、拟准检定法、部分最小二乘法等等。
考虑到***的连续、实时和自动化，最简便的方法是用“3σ规则”来剔除奇异值。其中观测数据的中误差σ既可以用观测值序列本身直接进行估计，也可根据长期观测的统计结果确定，或取经验数值。下面结合实际边坡表面变形监测数据，利用MATLAB软件介绍3σ规则检验奇异值方法。
对于观测数据序列{x1,x2,……,xn}，描述该序列的变化特征为
dj＝2xj-(xj+1+xj-1) (j＝3,4,5,…,n) (4)
这样，由n个观测数据可得n-2个dj，这时，由dj值可以计算序列数据变化的统计均值
和均方差
根据dj偏差的绝对值与均方差的比值
当qj＞3时，认为xj是奇异值，应予以剔除。
3边坡监测数据分析方法研究
3.1边坡滑移机理分析
边坡体的滑移可以看成由边坡体上各监测点共同组成的一个质点系运动。根据运动学原理和空间几何原理对边坡滑移机理进行分析。
根据图2，设边坡体上任意监测点p在t0时刻所处的位置为O点，三维坐标值为
于ti时刻所处的位置为p点，对应的三维坐标值为
在Δt(其中:Δt＝ti-t0)时间内从O点移动到P点，则从t0至ti时刻内监测点p在x,y,z方向上的滑移量(位移变化量)的大小分别为:
监测点p的总位移的变化量大小等于线段OP的长度，即
监测点p的移动的方向为
滑移的方向由位移矢量角和位移方位角来表示。
方位角为∠AOD，即
矢量角为∠DOP，即
从以上推求过程，可知边坡体的变形量的大小以及方向由x,y,z三个方向的大小共同决定。边坡体上任意一监测点的变形量的大小可以采用监测点的位移量或位移速率或位移速率角来表示，边坡体上监测点的滑移方向由位移矢量角和位移方位角来表示，传统的边坡变形分析方法只考虑位移量或位移速率的大小，没有考虑监测点的滑移方向，这种分析方法是不够全面的，因此提出边坡变形综合分析方法，该方法既考虑到位移的大小，也兼顾到位移的方向。
3.2边坡变形破坏的时空演化规律分析方法
(1)边坡的三大变形阶段演化原理
典型边坡位移-时间曲线形态及演化阶段是一个由量变到质变的渐进过程。大量的边坡监测数据分析表明，在边坡变形失稳的发展演化过程中，从开始出现变形到最终的失稳破坏，其累积位移-时间曲线可以明显分为初始变形、等速变形和加速变形三个阶段；
第一阶段(AB段)：初始变形阶段。该阶段变形从无到有，边坡体开始产生裂缝，位移-时间过程曲线出现相对较大的斜率，但随着时间的延续，曲线斜率有所减小，表现出减速变形的特征。
第二阶段(BC段)：等速变形阶段。该阶段边坡体在初始变形阶段的基础上，在重力的作用下，边坡岩土体基本上以相同(近)速率在继续滑移。因不时受到外界因素的影响，其位移-时间过程曲线可能会有所波动，但此阶段变形曲线总体趋势为一倾斜直线。
第三阶段(CF段)：加速变形阶段。对应边坡体的加速滑动阶段。当边坡体变形发展到一定的阶段后，变形速率会呈现出不断加速增长的趋势，直至边坡体整体失稳(滑坡)之前，其位移-时间过程曲线近于陡立。
从加速变形阶段(CF段)可以看出，尽管该阶段内整体为加速滑动，但滑坡的运动状态前后差别很大。因此根据边坡位移-时间过程曲线的特点，又可将其细分为初加速、中加速和临滑阶段三个亚阶段，即CD，DE和EF。滑坡速率和曲线斜率在这三个亚阶段中呈现出本质的变化，尤其是在临滑阶段由于变形急剧发展，曲线斜率呈现近于90°的翘尾。
边坡变形演化的三阶段规律是边坡岩土体在重力作用下变形演化所遵循的一个普遍规律。在滑坡预警预报时应牢牢把握此时间演化规律，根据监测点的位移时间过程曲线准确地判断边坡所处的变形阶段，并据此采取针对性的应对策略和措施。
(2)边坡变形位移速率角(切线角)分析方法
边坡变形演化的三阶段规律是边坡岩土体在重力作用下变形演化所遵循的一个普遍规律。在边坡变形演化过程中，其位移-时间过程曲线的斜率是在不断变化，尤其是当边坡变形进入加速变形阶段后，曲线斜率往往会不断增加，到临滑阶段，变形曲线近于竖直，其与横坐标的夹角接近90°。显然，根据斜坡变形曲线各阶段的斜率变化特点，也可以采用数学方法进行定量判断。边坡体的位移-时间过程曲线的斜率可以利用切线角ai来表达。王思敬等(1994.9)提出位移速率角概念，位移速率角θ的计算公式如下：
上式中，θ为位移速率角，DS为某一单位时间段(一般采用一个监测周期，如1天、1周等)内边坡位移变化量；Δt为某一单位时间段。
(3)边坡变形演化阶段的判别方法
根据目前的研究，边坡变形阶段的判别方法主要有以下两种：
方法一：地质定性判别法。将边坡变形监测成果、宏观地质资料及边坡变形破坏特征结合起来综合判定。
方法二：累积位移速率法。该方法根据边坡体在不同的变形阶段其位移-时间过程曲线的斜率不同对边坡的变形阶段进行判别。边坡变形处于等速变形阶段时，其位移-时间过程曲线的斜率基本保持不变；当边坡进入加速变形阶段后，其位移-时间过程曲线的斜率会不断增大，位移-时间过程曲线总体上为一条斜率不断增大的曲线，根据边坡变形的位移-时间过程曲线，我们可以判断边坡的变形演化阶段。在实际工程的应用中，为了能够定量地来判别边坡的变形阶段，可以根据累积位移速率(切线角)来进行判断，即用位移速率角(切线角)线性拟合方程的斜率值A来进行判断。A值的计算公式如下
⑴监测数据为等间隔时序
⑵监测数据为非等间隔时序
上式中，i(i＝1,2,3,…,n)为时间系数；ti为监测累积时间，
为时间ti的平均值；ai为累积位移Xi的切线角，
为切线角ai的平均值。ai由下式进行计算：
其中:
3.3边坡变形时空特征研究
(1)相关概念
位移矢量角的定义
由运动学可知，描述一个物体的运动状态，不但需要速率的大小，而且需要运动的方向。边坡位移矢量角的概念是阳吉宝于1995年提出，边坡位移矢量角是边坡位移矢量与水平面的夹角，是位移矢量沿边坡主滑线上的倾角，体现了边坡位移在垂直空间的方向性，位移矢量角q的计算公式如下：
其中，i为监测点的编号，m为监测的时间点，t为监测的时间长度，n为监测点的个数。根据公式(1-3-11)可以求得边坡体上各监测点的位移矢量角时间序列数据如下：
边坡角的定义：通常所说的边坡角，一般指的是最终边坡角。露天采矿场的非工作边帮最下一个台阶的坡底线和最上一个台阶的坡顶线所构成的假想斜面与水平面的夹角叫做最终边坡角，也叫做最终帮坡角。
位移方位角：监测点在平面上的运动方向用方位角来表示，监测点运动方位角的推求公式见图4，设监测点在一段时间内从A点移动到B点，A、B两点的坐标分别用(x1,y1)和(x2,y2)来表示，监测点的运动方位角为监测点在平面上的运动方向与正北方向的夹角。用α来表示，那么计算公式为
(2)边坡变形时空特征分析原理
边坡体上各监测点的滑移方向由位移矢量角和位移方位角共同决定。其中位移矢量角表示了边坡体上监测点在三维空间里垂直方向上的滑移方向，位移方位角表示了边坡体上监测点在二维平面空间上的滑移方向。根据计算公式，可以计算位移矢量角和位移方位角的大小，并判断边坡体上各监测点变形的时空特征。
3.4边坡位移矢量角的时空特征研究
(1)位移矢量角的空间特征分析
边坡体上各监测点的在三维空间上运动方向由其监测点的位移矢量角来表示，因此通过计算位移矢量值可知在垂直空间上边坡体上监测点的滑移的方向，根据监测点的矢量角与边坡角的关系，可以判断边坡体上任意一个监测点的空间变形特征。下面对边坡体上监测点变形的在垂直空间上的变形特征进行分析，分析示意图见图5。
图5(A)所示的位移矢量角
小于为边坡角θ，即
监测点的运动特征是沿着边坡面出现鼓出(膨胀)；
图5(B)所示的位移矢量角
与为边坡角θ相等，即
监测点的运动特征是沿着边坡面滑移；
图5(C)所示的位移矢量角
大于为边坡角θ等，即
监测点的运动特征是沿着边坡面后错。
(2)位移矢量角的时间特征分析
通过前后两个时段的位移矢量角的大小，可以分析边坡体上各个监测点时间的变形特征。分析示意图见图6。
图6中，
分别前后两个时间段中的位移矢量角；从某种程度上讲，边坡位移矢量角的改变恰恰是边坡体沿滑动面向临空方向剪膨的反映。
图6(A)所示的位移矢量角
监测点的变形特征表现为后错；
图6(B)所示的位移矢量角
监测点的变形特征表现为沿坡面滑移现象；
图6(C)所示的位移矢量角
监测点的变形特征表现为鼓出现象；
3.5边坡位移方位角的时空特征研究
(1)监测点运动方位角的空间特征分析
边坡体上各监测点的在二维平面上运动方向由其监测点的运动方位角来表示，因此通过计算方位角的大小可知边坡滑移的方向，根据监测点的运动方位角的推求公式，可以边坡体上任意一监测点在二维空间的运动特征，下面对边坡体上监测点运动方位角的空间特征进行分析，分析示意图见图7。
图7(a)所示的运动方位角α大于45°，即α＝45°，监测点在二维平面上在南北方向和东西方向上的变形量相等。
图7(b)所示的运动方位角α等于45°，即α>45°，监测点在二维平面上在南北方向的变形量小于东西方向上的变形量。
图7(c)所示的运动方位角α小于45°，即α<45°，监测点在二维平面上在南北方向的变形量大于东西方向上的变形量。
(2)监测点运动方位角的时间特征分析
图8中，α1,α2分别前后两个时间段内监测点的运动方位角；
图8(a)所示的运动方位角α1＝α2,监测点沿同一方向运动；
图8(b)所示的运动方位角α1＞α2,监测点随着时间的推移，相对前一段时间，监测点出现向北偏转的特；
图8(c)所示的运动方位角α1＜α2，监测点随着时间的推移，相对前一段时间，监测点出现向东偏转的特征；
3.6边坡体变形破坏模式分析方法研究
在对边坡的滑移变形量的大小和滑移方向进行了研究的基础上，提出了三维位移矢量场分析方法，该方法是分析边坡变形特征以及边坡失稳模式的一种新的方法。该方法利用了矢量既能放映滑移量(变形量)的大小，又能表示滑移方向，从而可以直观、多角度、准确地分析边坡的变形特征，根据三维位移矢量图的特征可以判断边坡的变形破坏的模式。
三维位移矢量场分析法的原理是节边坡滑移机理分析的基础上，根据根据边坡体上所有监测点的初始时刻的三维坐标值以及三维变形数据，绘制成位移矢量图，根据三维位移矢量图，分析整个边坡体变形特征以及失稳模式。
4基于监测数据边坡预测预警方法研究
从滑坡定量预报研究和滑坡宏观变形破坏特征研究(定性预报研究)可以看出：定量预报是根据监测数据，借用适宜的预报模型和判据直接预报滑坡的下滑时间；而基于宏观变形破坏特征的定性预报则是依据滑坡变形时演化过程中裂缝的分期配套特征定性判断滑坡的演化阶段和稳定性状况。
大量的滑坡预报实例表明，由于滑坡具有非常明显的个性特征，目前还没有能够准确预报滑坡的普适性预报模型和判据，因此纯粹用理论模型准确预报滑坡的下滑时间是不现实的，只有将基于理论模型的定量预报与基于滑坡宏观变形破坏迹象分析的定性预报进行有机结合的综合预警才是解决滑坡预警问题的最佳途径。因此，为了实现滑坡的准确预测预报，必须对滑坡灾害进行综合预警，这也是滑坡预测预报的必然趋势。
4.1边坡发展演化阶段的判定
斜坡与自然界其它事物的发展演化一样，斜坡从出现变形开始，到最终整体失稳破坏，也有其产生、发展及消亡的演化规律。从时间演化规律来说，就是要经历初始变形、等速变形、加速变形三个大的阶段，从空间演化规律来讲，伴随着潜在滑动面的孕育、形成和贯通，按照分期配套先后出现后缘拉张裂缝、侧翼剪裂缝、前缘隆胀裂缝等变形体系。正确把握斜坡的时空演化规律，是滑坡预测预报的基础。其中，斜坡变形演化阶段的判定又是直接关系着滑坡能否成功预报的关键。
根据非线性科学理论，***发生质变的必要条件是要进入远离平衡的非线性演化阶段。也就是说，斜坡要发生整体失稳破坏即滑坡的前提，是其变形要进入加速变形的非线性阶段。在斜坡演化的初始变形和等速变形阶段，无论变形总量或变形速率多大，如果没有外界特殊的、剧烈的扰动(如地震、特大暴雨)，斜坡都不会整体失稳破坏。斜坡演化一旦进入加速变形阶段，如不采取人工加固处理措施，随着时间的延续，其整体失稳将成必然。因此，进行边坡失稳预测预报时，要正确把握边坡的演化阶段，尤其是应密切关注从等速变形过渡到加速变形阶段的具体时间。
1、滑坡位移-时间曲线的定性判定
边坡演化从等速变形阶段过渡到加速变形阶段的一个显著特点就是位移-时间曲线的斜率发生明显的变化。在等速变形阶段，尽管受外界因素的影响，变形曲线会有所波动，但此阶段变形曲线宏观的、平均的斜率应该基本保持不变，总体上表现为一“直线”。而一旦进入加速变形阶段，曲线斜率会不断增加，变形曲线总体上为一条倾斜度不断增大的“曲线”。根据这一特点，不难通过对变形监测曲线的分析，判断斜坡的演化阶段。在实际操作过程中，为了较为准确地判断斜坡的变形阶段，一方面可以将同一监测点的斜坡位移速率-时间曲线和累积位移-时间曲线进行对比分析，根据两条曲线的特点共同判定斜坡的演化阶段。当然，为了更进一步增加判断的准确度，还可以对同一个边坡体中多个监测点的变形监测曲线进行综合分析、综合判断。
2、位移速率角的定量判定
众所周知，斜坡从变形产生到最终破坏失稳其累计位移(S)-时间(t)曲线(简称S-t曲线)一般会经历初始变形阶段、等速变形阶段和加速变形阶段，即所谓斜坡变形三阶段规律。在斜坡的整个发展演化过程中，位移-时间曲线的斜率是在不断变化的，尤其是斜坡变形进入加速变形阶段后，曲线斜率往往会不断增加，到最后的临滑阶段，变形曲线近于竖直，其与横坐标的夹角接近90°。根据斜坡演化过程中的此变形特点，有学者提出根据位移速率角来进行滑坡的预测预报。
结合前人研究得到如下结论：
当ai<45°，斜坡处于初始变形阶段；
当ai>>45°，斜坡处于等速变形阶段；
当45°<ai<80°，为初加速阶段；
当80°￡ai<85°，为中加速阶段；
当ai 385°，为临滑阶段；
3、位移矢量角的定性判断
边坡表层位移矢量角主要体现了边坡位移垂直空间的方向性。边坡位移矢量角序列的变化情况可以反映边坡所处的不同发育阶段的的时空演化特征。得到如下结论：
当位移矢量角出现趋势性增大或减小，为初加速阶段；
当位移矢量角发生明显的趋势性增大或减小，为中加速阶段；
当位移矢量角出现突然增大或减小，为临滑阶段；
4、位移方位角的定性判断
边坡表层位移方位角主要体现了边坡位移在二维平面上的方向性，边坡位移方位角序列的变化情况可以反映边坡所处的不同发育阶段的的时空演化特征。得到如下结论：
当位移方位角角出现趋势性增大或减小，为初加速阶段
当位移方位角发生明显的趋势性增大或减小，为中加速阶段；
当位移方位角出现突然增大或减小，为临滑阶段。
自边坡监测预警以来，根据对边坡目前的变形情况分析：
一、建议矿山暂停上层矿、下层矿的开采
在整个边坡体上最近五天监测的位移速率角(位移切线角)的平均值超过 80有B1、B3、D2、F3、F5这五点，预示着边坡的变形破坏正在从黄色预警向橙色预警发展。我们认为，边坡的危险程度正在增加。因此，建议矿山暂停上层矿、下层矿的开采。持续加强观测，待后续监测结果分析后再另行考虑。
二、对裂缝的处理措施
雨季来临，降水会加快边坡的变形破坏，为了减小或避免降雨对边坡变形的影响，建议采用防水土工布覆盖坡面的裂缝。
三、每天进行一次监测数据分析
建议每天监测5次，并于当天监测完毕后(晚上12点前)，把数据传给，进行分析，于第二天早上9点前把分析结果反馈给您们。
三、出现异常情况，及时联系。
监测数据如出现异常或裂缝变形较大，及时联系，我们针对具体的情况给出相关的建议以及应对措施。
四、应急治理措施——削坡卸载
目前，距离边坡整体失稳还有一段时间，为了矿山的安全生产以及经济效益，建议尽快开展削坡的工作，在削坡的过程应保护好监测点的棱镜。
该边坡与2013年3月25日停止开采，于2013年4月1日开始修路并进行削坡减载工作，削坡减载工程持续至今。
在削坡的过程中，每天进行预警情况查看，该预警模块为削坡减载工程提供了安全保障。
综上所述，预警模块在尖山露天矿边坡的应用表明，该模块发挥了保证尖山露天采场安全生产的作用，并可在类似条件的边坡监测工程中加以推广应用。
以上边坡安全检测及预测预警技术也能在排土场及尾矿库等矿山灾害方面运用。
结论：研究了尖山磷矿高陡层状边坡破坏模式、室内人工开挖模型试验，人工开挖稳定性分析及稳定性控制技术，构建了尖山磷矿高陡边坡危险源辨识与评价体系，)完成了尖山磷矿高陡边坡安全监测及预测预警技术。取得了以下的研究成果：
(1)得到了尖山磷矿高陡层状边坡的破坏模式。依据尖山磷矿高陡边坡工程分类特点，本部分研究得到了尖山磷矿高陡边坡的滑移-弯曲-剪切三段式破坏，滑面形态类似于平面与剪切圆弧面组合的“平面复合”形态的破坏模式。
(2)完成了尖山磷矿高陡层状边坡的室内人工开挖模型试验，取得了以下试验结论：
1)用石膏和河砂按质量比为6:1制成的材料试样与白云岩具有相似的物理力学特征；用石膏和河砂按质量比为9:1制成的材料试样与矿体、黑页岩具有相似的物理力学特征；直径为3～5cm的云母片可以用来模拟岩层层面；本次试验采用人工分层填筑夯实的方法，在相似材料配比过程中应该采用自然烘干的养护方式。
2)倾角和层厚对边坡的稳定性影响很大，倾角越大，在开挖时边坡的变形量则越大；岩层厚度越大，在开挖时边坡的变形量则越小，所以，在工程实践中，可以通过锚杆、锚索等支护措施使多层岩层连接在一起以增加岩层厚度，从而使边坡稳定性变强。
3)通过六组试验得到层状岩质边坡在开挖过程的得变形规律如下：岩层变形最先是上部岩体向后倾斜移动，当开采掘进一定深度时下部岩层开始出现鼓出现象，随着向下开采的继续，下部岩层均会发生鼓出现象，且开采深度越大，鼓出现象则越明显。
4)从边坡的空间位置上，接近临空面的岩层位移变形大，越往深部岩层变形量越小；对于同一层岩体，上部和下部岩体变形量大，中部岩体变形量小
5)通过试验对比分析，得到顺层岩质边坡的潜在滑移面是一平面与一剪切圆弧面组合的“平面与圆弧面复合型”结构类型。
6)根据围岩的运动趋势的不同，可将30°和35°倾角边坡围岩划分三个区域：下沉区、不动区、上鼓区；可将45°和50°倾角边坡围岩划分三个区域：下沉区、滑移区、上鼓区。
7)无论倾角多大，上部岩体均表现下沉现象，30°和35°倾角边坡下部岩体在上部岩体自重荷载的压力作用下表现为鼓出现象，其破坏形式为下部拉裂破坏；45°和50°倾角边坡下部岩体在上部弯曲产生的拉力作用下也而表现为鼓出现象，其破坏形式为下部压裂破坏。
(3)完成了尖山磷矿高陡边坡人工开挖稳定性分析。采用数值分析方法重点分析了采场边坡开挖后的稳定性及边坡动态开挖稳定性演化进程，同时结合剖面计算，分析得采场边坡在现有开采技术条件下向下延伸开采处于不稳定状态。
(4)分析研究了尖山磷矿高陡边坡稳定性控制技术。针对尖山磷矿高陡边坡具体情况，提出削方压脚；削方减载及坡脚反压边坡处治方法。该种边坡稳定性控制技术既可以解决排土问题，又可解决边坡潜在滑移问题。
(5)构建对尖山磷矿高陡边坡危险源辨识与评价体系
1)构建了包括尖山磷矿高陡边坡环境因子与触发因子的危险源危险性辨识与评价体系，该体系可对尖山磷矿高陡边坡的自然属性方面进行评价。
2)构建了尖山磷矿高陡边坡危险源易损度辨识与评价体系，该体系可对尖山磷矿高陡边坡的社会属性方面进行评价，包括社会易损度、经济易损度、环境易损度和物质易损度及防治措施可靠性与有效程度5个方面的内容。
3)根据危险源的风险及危险源等级辨识及评价体系理论，构建了尖山磷矿高陡边坡危险源风险及危险源等级辨识与评价体系。
(6)完成了尖山磷矿高陡边坡安全监测及预测预警技术。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种边坡稳定性监测测预警方法，其特征在于，所述边坡稳定性监测测预警方法包括：
检测边坡数据，并对检测数据进行预处理；
根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式；
根据分析的结果，建立注意级、警示级、警戒级、预报级四个级别的多参数预警判据；
开发边坡失稳破坏预警程序，对边坡变形失稳破坏的动态综合预警。
2.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，监测数据线性插值和基于‘3σ规则’的奇异值检验。
3.如权利要求2所述边坡稳定性监测测预警方法，其特征在于，监测数据线性插值方法如下：
若实测值与时间成线性关系，漏测值可由某两个实测值进行内插，可用式计算：
式中，x,xi,xi+1表示实测值的累计变形量；t,ti,ti+1表示时间；
基于‘3σ规则’的奇异值检验方法，如下：
利用MATLAB软件介绍3σ规则检验奇异值方法；
对于观测数据序列{x1,x2,……,xn}，描述该序列的变化特征为：
dj＝2xj-(xj+1+xj-1)(j＝3,4,5,…,n)；
这样，由n个观测数据可得n-2个dj，这时，由dj值可以计算序列数据变化的统计均值
和均方差
根据dj偏差的绝对值与均方差的比值：
当qj＞3时，认为xj是奇异值，应予以剔除。
4.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式具体过程为：在节边坡滑移机理分析的基础上，采用三维位移矢量场分析法，根据根据边坡体上所有监测点的初始时刻的三维坐标值以及三维变形数据，绘制成位移矢量图，根据三维位移矢量图，分析整个边坡体变形特征以及失稳模式。
5.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，滑坡位移-时间曲线的定性判定过程为：在等速变形阶段，变形曲线会有所波动，此阶段变形曲线宏观的、平均的斜率应该基本保持不变，总体上表现为“直线”；
进入加速变形阶段，曲线斜率会不断增加，变形曲线总体上为一条倾斜度不断增大的“曲线”；
根据上述的演化过程，对变形监测曲线的分析，判断斜坡的演化阶段；同时将同一监测点的斜坡位移速率-时间曲线和累积位移-时间曲线进行对比分析，根据两条曲线的特点共同判定斜坡的演化阶段；对同一个边坡体中多个监测点的变形监测曲线进行综合分析、综合判断。
6.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，位移速率角的定量判定过程为：斜坡从变形产生到最终破坏失稳其累计位移S、时间t曲线经历初始变形阶段、等速变形阶段和加速变形阶段；
在斜坡的整个发展演化过程中，位移-时间曲线的斜率是在不断变化的，尤其是斜坡变形进入加速变形阶段后，曲线斜率往往会不断增加，到最后的临滑阶段，变形曲线近于竖直，其与横坐标的夹角接近90°；
当ai<45°，斜坡处于初始变形阶段；
当ai＞＞45°，斜坡处于等速变形阶段；
当45°<ai<80°，为初加速阶段；
当80°￡ai<85°，为中加速阶段；
当ai 385°，为临滑阶段。
7.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，位移矢量角的定性判断过程为：
当位移矢量角出现趋势性增大或减小，为初加速阶段；
当位移矢量角发生明显的趋势性增大或减小，为中加速阶段；
当位移矢量角出现突然增大或减小，为临滑阶段。
8.如权利要求1所述边坡稳定性监测测预警方法，其特征在于，位移方位角的定性判断过程为：
当位移方位角角出现趋势性增大或减小，为初加速阶段
当位移方位角发生明显的趋势性增大或减小，为中加速阶段；
当位移方位角出现突然增大或减小，为临滑阶段；
坡变形失稳破坏的动态综合预警方法包括：
首先，应通过调查和勘探手段，在查明坡体的地形地貌、地层岩性、坡体结构以及水文地质条件等基础上，对边坡失稳破坏规模、类型，特别是变形破坏模式和成因机制进行分析判断；
然后结合对坡体的变形监测资料和坡体宏观变形破坏迹象的综合分析，判断边坡所处的发展演化阶段，并据此采用合适的定量预报模型与定性分析方法，分析边坡的变形破坏时空演化规律和发展趋势，作出预警预报。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
检测边坡数据，并对检测数据进行预处理；
根据边坡变形演化阶段、边坡位移矢量角、边坡位移速率角、边坡位移方位角以及边坡体裂缝分布情况，采用定性分析和定量分析方法进行分析判定；并总结边坡的变形时空演化规律、变形时空特征及变形失稳破坏模式；
根据分析的结果，建立注意级、警示级、警戒级、预报级四个级别的多参数预警判据；
开发边坡失稳破坏预警程序，对边坡变形失稳破坏的动态综合预警。
10.一种实施如权利要求1～9任意一项所述的边坡稳定性监测测预警方法的边坡稳定性监测测预警***，其特征在于，所述边坡稳定性监测测预警***包括：
边坡环境因子与触发因子的危险源危险性辨识与评价体系，对尖山磷矿高陡边坡的自然属性方面进行评价；
边坡危险源易损度辨识与评价体系，对尖山磷矿高陡边坡的社会属性方面进行评价，包括社会易损度、经济易损度、环境易损度和物质易损度及防治措施可靠性与有效程度；
边坡危险源风险及危险源等级辨识与评价体系，根据危险源的风险及危险源等级辨识及评价体系理论，进行边坡危险源风险及危险源等级辨识与评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229767.3A CN112526104A (zh) | 2020-11-06 | 2020-11-06 | 一种边坡稳定性监测测预警方法、***、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229767.3A CN112526104A (zh) | 2020-11-06 | 2020-11-06 | 一种边坡稳定性监测测预警方法、***、介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112526104A true CN112526104A (zh) | 2021-03-19 |
Family
ID=74979850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011229767.3A Pending CN112526104A (zh) | 2020-11-06 | 2020-11-06 | 一种边坡稳定性监测测预警方法、***、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112526104A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113250753A (zh) * | 2021-06-21 | 2021-08-13 | 云南航天工程物探检测股份有限公司 | 一种隧道监控量测改进型切线角预警方法 |
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、***及智能终端 |
| CN113450541A (zh) * | 2021-06-18 | 2021-09-28 | 湖南致力工程科技有限公司 | 一种蠕变型地质灾害监测数据自动化实时预警方法 |
| CN113704849A (zh) * | 2021-08-26 | 2021-11-26 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
| CN114234780A (zh) * | 2021-11-09 | 2022-03-25 | 煤炭科学技术研究院有限公司 | 边坡的滑动监测方法及其装置 |
| CN114323126A (zh) * | 2021-12-20 | 2022-04-12 | 济南轨道交通集团有限公司 | 一种用于地下结构变形缝病害的综合检测评价方法 |
| CN114998752A (zh) * | 2022-08-04 | 2022-09-02 | 深圳市海清视讯科技有限公司 | 地质灾害的识别方法、装置、设备及存储介质 |
| CN115240371A (zh) * | 2022-09-23 | 2022-10-25 | 西北大学 | 一种基于数据分析的山体滑坡实时监测*** |
| CN115424415A (zh) * | 2022-08-30 | 2022-12-02 | 安徽省新近纪防灾科技有限公司 | 一种基于gnss实时监测的滑坡灾害智能预警方法 |
| CN115512531A (zh) * | 2022-09-28 | 2022-12-23 | 重庆地质矿产研究院 | 一种基于形变有序性的滑坡灾害多监测点融合预警方法 |
| CN117854257A (zh) * | 2024-03-07 | 2024-04-09 | 成都理工大学 | 基于地基sar监测变形数据的次生灾害预警方法 |
| CN118293867A (zh) * | 2024-06-05 | 2024-07-05 | 兰州有色冶金设计研究院有限公司 | 一种排土场边坡滑动变形监测方法和*** |
Citations (16)
| 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 |
| CN102619209A (zh) * | 2012-04-25 | 2012-08-01 | 重庆大学 | 基于监测位移的岩土工程灾变动态实时智能预警方法 |
| CN103103974A (zh) * | 2013-02-02 | 2013-05-15 | 青岛理工大学 | 利用监测位移方向性参数检测边坡稳定性的方法 |
| CN103424099A (zh) * | 2013-08-26 | 2013-12-04 | 招商局重庆交通科研设计院有限公司 | 基于变形数据的边坡监测预警***及方法 |
| CN103440424A (zh) * | 2013-09-04 | 2013-12-11 | 青岛理工大学 | 利用边坡位移监测数据检测和确定滑坡剪出口的方法 |
| CN103646181A (zh) * | 2013-12-20 | 2014-03-19 | 青岛理工大学 | 蠕滑型人工边坡稳定性系数与预警判据的确定方法 |
| CN104501766A (zh) * | 2014-12-25 | 2015-04-08 | 青岛理工大学 | 深基坑开挖边坡垂直位移矢量角监测参数与预警方法 |
| CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
| CN106529178A (zh) * | 2016-11-14 | 2017-03-22 | 东北电力大学 | 一种滑坡灾害风险评价方法 |
| CN106803223A (zh) * | 2017-01-17 | 2017-06-06 | 中国水利水电科学研究院 | 一种基于多态***理论的山洪灾害风险评价方法 |
| CN108538026A (zh) * | 2018-02-23 | 2018-09-14 | 青岛理工大学 | 一种边坡稳定性的多指标综合评价与预警方法 |
| US20180292299A1 (en) * | 2014-01-13 | 2018-10-11 | Hubei University Of Technology | Method of critical displacement forecast based on the deformation failure mechanism of slope |
| CN109242344A (zh) * | 2018-09-30 | 2019-01-18 | 青岛理工大学 | 区域滑坡灾害风险的多因素综合测定方法 |
| CN109710893A (zh) * | 2019-01-23 | 2019-05-03 | 江西理工大学 | 一种用于修正矿山边坡变形监测异常数据的时空插值方法 |
| CN110132218A (zh) * | 2019-04-17 | 2019-08-16 | 青岛理工大学 | 基于边坡稳定性监测的多等级预警测定方法 |
| CN110795812A (zh) * | 2019-08-13 | 2020-02-14 | 福建工程学院 | 一种基于大数据分析的滑坡预测方法及*** |
-
2020
- 2020-11-06 CN CN202011229767.3A patent/CN112526104A/zh active Pending
Patent Citations (16)
| 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 |
| CN102619209A (zh) * | 2012-04-25 | 2012-08-01 | 重庆大学 | 基于监测位移的岩土工程灾变动态实时智能预警方法 |
| CN103103974A (zh) * | 2013-02-02 | 2013-05-15 | 青岛理工大学 | 利用监测位移方向性参数检测边坡稳定性的方法 |
| CN103424099A (zh) * | 2013-08-26 | 2013-12-04 | 招商局重庆交通科研设计院有限公司 | 基于变形数据的边坡监测预警***及方法 |
| CN103440424A (zh) * | 2013-09-04 | 2013-12-11 | 青岛理工大学 | 利用边坡位移监测数据检测和确定滑坡剪出口的方法 |
| CN103646181A (zh) * | 2013-12-20 | 2014-03-19 | 青岛理工大学 | 蠕滑型人工边坡稳定性系数与预警判据的确定方法 |
| US20180292299A1 (en) * | 2014-01-13 | 2018-10-11 | Hubei University Of Technology | Method of critical displacement forecast based on the deformation failure mechanism of slope |
| CN104501766A (zh) * | 2014-12-25 | 2015-04-08 | 青岛理工大学 | 深基坑开挖边坡垂直位移矢量角监测参数与预警方法 |
| CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
| CN106529178A (zh) * | 2016-11-14 | 2017-03-22 | 东北电力大学 | 一种滑坡灾害风险评价方法 |
| CN106803223A (zh) * | 2017-01-17 | 2017-06-06 | 中国水利水电科学研究院 | 一种基于多态***理论的山洪灾害风险评价方法 |
| CN108538026A (zh) * | 2018-02-23 | 2018-09-14 | 青岛理工大学 | 一种边坡稳定性的多指标综合评价与预警方法 |
| CN109242344A (zh) * | 2018-09-30 | 2019-01-18 | 青岛理工大学 | 区域滑坡灾害风险的多因素综合测定方法 |
| CN109710893A (zh) * | 2019-01-23 | 2019-05-03 | 江西理工大学 | 一种用于修正矿山边坡变形监测异常数据的时空插值方法 |
| CN110132218A (zh) * | 2019-04-17 | 2019-08-16 | 青岛理工大学 | 基于边坡稳定性监测的多等级预警测定方法 |
| CN110795812A (zh) * | 2019-08-13 | 2020-02-14 | 福建工程学院 | 一种基于大数据分析的滑坡预测方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| 孙华芬: "尖山磷矿边坡监测及预测预报研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 贺可强等: "蠕滑型边坡动态稳定性系数实时监测及其位移预警判据研究", 《岩石力学与工程学报》 * |
| 陈耀华等: "基于离散元的边坡稳定性模拟研究", 《矿产保护与利用》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、***及智能终端 |
| CN113450541A (zh) * | 2021-06-18 | 2021-09-28 | 湖南致力工程科技有限公司 | 一种蠕变型地质灾害监测数据自动化实时预警方法 |
| CN113250753A (zh) * | 2021-06-21 | 2021-08-13 | 云南航天工程物探检测股份有限公司 | 一种隧道监控量测改进型切线角预警方法 |
| CN113704849A (zh) * | 2021-08-26 | 2021-11-26 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
| CN113704849B (zh) * | 2021-08-26 | 2024-03-01 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
| CN114234780A (zh) * | 2021-11-09 | 2022-03-25 | 煤炭科学技术研究院有限公司 | 边坡的滑动监测方法及其装置 |
| CN114234780B (zh) * | 2021-11-09 | 2024-04-12 | 煤炭科学技术研究院有限公司 | 边坡的滑动监测方法及其装置 |
| CN114323126B (zh) * | 2021-12-20 | 2023-07-04 | 济南轨道交通集团有限公司 | 一种用于地下结构变形缝病害的综合检测评价方法 |
| CN114323126A (zh) * | 2021-12-20 | 2022-04-12 | 济南轨道交通集团有限公司 | 一种用于地下结构变形缝病害的综合检测评价方法 |
| CN114998752A (zh) * | 2022-08-04 | 2022-09-02 | 深圳市海清视讯科技有限公司 | 地质灾害的识别方法、装置、设备及存储介质 |
| CN115424415A (zh) * | 2022-08-30 | 2022-12-02 | 安徽省新近纪防灾科技有限公司 | 一种基于gnss实时监测的滑坡灾害智能预警方法 |
| CN115240371A (zh) * | 2022-09-23 | 2022-10-25 | 西北大学 | 一种基于数据分析的山体滑坡实时监测*** |
| CN115512531A (zh) * | 2022-09-28 | 2022-12-23 | 重庆地质矿产研究院 | 一种基于形变有序性的滑坡灾害多监测点融合预警方法 |
| CN117854257A (zh) * | 2024-03-07 | 2024-04-09 | 成都理工大学 | 基于地基sar监测变形数据的次生灾害预警方法 |
| CN117854257B (zh) * | 2024-03-07 | 2024-05-24 | 成都理工大学 | 基于地基sar监测变形数据的次生灾害预警方法 |
| CN118293867A (zh) * | 2024-06-05 | 2024-07-05 | 兰州有色冶金设计研究院有限公司 | 一种排土场边坡滑动变形监测方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112526104A (zh) | 一种边坡稳定性监测测预警方法、***、介质 | |
| Tang et al. | Geohazards in the three Gorges Reservoir Area, China–Lessons learned from decades of research | |
| Lin et al. | A new quantitative method for risk assessment of water inrush in karst tunnels based on variable weight function and improved cloud model | |
| Askaripour et al. | Rockburst in underground excavations: A review of mechanism, classification, and prediction methods | |
| Farhadian | A new empirical chart for rockburst analysis in tunnelling: Tunnel rockburst classification (TRC) | |
| Naghadehi et al. | A new open-pit mine slope instability index defined using the improved rock engineering systems approach | |
| Li et al. | A case study integrating numerical simulation and GB-InSAR monitoring to analyze flexural toppling of an anti-dip slope in Fushun open pit | |
| Li et al. | Application and outlook of information and intelligence technology for safe and efficient TBM construction | |
| McQuillan et al. | New risk assessment methodology for coal mine excavated slopes | |
| Sun et al. | Bayesian updating for progressive excavation of high rock slopes using multi-type monitoring data | |
| CN104452836A (zh) | 一种深基坑支护结构的稳定性检测预警方法 | |
| Wang et al. | Risk Assessment of Water Inrush in Karst Tunnels Based on the Efficacy Coefficient Method. | |
| Winn et al. | Multi-approach stability analyses of large caverns excavated in low-angled bedded sedimentary rock masses in Singapore | |
| Niu et al. | Identification of potential high-stress hazards in deep-buried hard rock tunnel based on microseismic information: a case study | |
| Zeng et al. | Deep learning powered long-term warning systems for reservoir landslides | |
| Brodny et al. | The use of the neuro-fuzzy model to predict the methane hazard during the underground coal mining production process | |
| Xue et al. | Prediction model for subway tunnel collapse risk based on delphi-ideal point method and geological forecast | |
| Deng et al. | Mathematical modeling and fuzzy approach for disaster analysis on geo-spatial rock mass in open-pit mining | |
| Guo et al. | Autonomous prediction of rock deformation in fault zones of coal roadways using supervised machine learning | |
| Xiao et al. | Hazard degree identification and coupling analysis of the influencing factors on goafs | |
| Shen et al. | Evaluation and prediction of earth pressure balance shield performance in complex rock strata: A case study in Dalian, China | |
| Castro et al. | Evaluating wet muck risk in block caving mines: a new model | |
| Zhao et al. | Prediction of ground subsidence by shield tunneling using ensemble learning | |
| Jia et al. | Stability analysis of shallow goaf based on field monitoring and numerical simulation: A case study at an Open-Pit Iron Mine, China | |
| Qi et al. | Prediction of brittle rock failure severity: An approach based on rock mass failure progress |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |
|
| RJ01 | Rejection of invention patent application after publication |