CN115099677B - 尾矿库安全生产风险分级预警方法 - Google Patents
尾矿库安全生产风险分级预警方法 Download PDFInfo
- Publication number
- CN115099677B CN115099677B CN202210829694.4A CN202210829694A CN115099677B CN 115099677 B CN115099677 B CN 115099677B CN 202210829694 A CN202210829694 A CN 202210829694A CN 115099677 B CN115099677 B CN 115099677B
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- tailing pond
- acquiring
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims description 147
- 238000013210 evaluation model Methods 0.000 claims description 59
- 238000012502 risk assessment Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000006424 Flood reaction Methods 0.000 claims description 4
- 101100001673 Emericella variicolor andH gene Proteins 0.000 claims 1
- 101100001675 Emericella variicolor andJ gene Proteins 0.000 claims 1
- 230000008595 infiltration Effects 0.000 claims 1
- 238000001764 infiltration Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明提出了尾矿库安全生产风险分级预警方法。所述尾矿库安全生产风险分级预警方法包括:实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控;实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控,并根据风险等级的不同对基础监控过程中的指标参数进行针对性设置和尾矿库安全生产风险的分级预警。
Description
技术领域
本发明提出的尾矿库安全生产风险分级预警方法,属于安全生产监控技术领域。
背景技术
尾矿库是金属矿采选项目的重要工程建设内容之一,是一个具有高势能的泥石流危险源。我国目前有大小尾矿上万座,具有分布广,数量多,稳定性差等特点。一旦发生溃坝事故,将对下游区域的人民生命财产造成不可估量的损失,同时还会带来环境污染、区域和谐等诸多社会问题。目前,很多企业已经配备在线尾矿库安全监测***,主要是采用自动式全站仪结合光纤光栅传感网络,对尾矿库主要部位进行可视化监测,监测指标包括尾矿库浸润线、坝***移、库水位、干滩长度、降雨量等关键安全指标,这些为企业提供尾矿库生产运行状况的真实数据,通过报表的形式提供尾矿库安全隐患数据,并发送预警信息给管理人员,对企业安全管理有一定的辅助作用。但是,目前的尾矿库在线安全监测***存在以下不足:
(1)监测***主要监测尾矿库的主要指标如坝***移、浸润线、库水位等。尾矿库安全指标体系的其他属性如尾矿库危险等级、区域水文气象条件、地质状况等指标的结合不够,缺少全方位的尾矿库安全监测量化模型。
(2)监测***大多都是安装在本地的应用且针对单个尾矿库,不利于监管部门按照尾矿库风险等级进行监管;同时,对于尾矿库监测报警,宏观风险预警,不能采用分级预警机制的方式进行推送。
发明内容
本发明提供了尾矿库安全生产风险分级预警方法,用以解决现有尾矿库风险预警由于采用数据全面性不足,导致风险预警能力较弱的问题,所采取的技术方案如下:
尾矿库安全生产风险分级预警方法,所述尾矿库安全生产风险分级预警方法包括:
实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控;
实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控,并根据风险等级的不同对基础监控过程中的指标参数进行针对性设置和尾矿库安全生产风险的分级预警。
进一步地,实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警,包括:
实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库筑坝方式、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
进一步地,实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级,包括:
监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
进一步地,监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数,包括:
通过勘测确定当前尾矿库所在区域是否处于地震带区域,并且,采集当前尾矿库所在区域历史地震记录数据;
通过勘测确定当前尾矿库所在区域是否处于台风区域,并且,采集当前尾矿库所在区域历史台风记录数据;
通过勘测确定当前尾矿库所在区域是否处于海啸区域,并且,采集当前尾矿库所在区域历史海啸记录数据;
利用历史地震记录数据、历史台风记录数据和历史海啸记录数据结合地理位置评价模型获取地理位置风险评价分数。
其中,所述地理位置评价模型如下:
其中,F1表示地理位置风险评价分数;P1、P2和P3表示评价系数;n、m和k分别表示当前尾矿库所在区域发生地震、台风和海啸的次数;Hd、Ht和Hh分别表示当前尾矿库所在区域发生地震、台风和海啸对应的级数平均值;Jd、Jt和Jh分别表示当前尾矿库所在区域发生地震、台风和海啸对应的持续时间长度;Ti表示第i次地震发生时刻,Ti+1表示第i+1次地震发生时刻;Tj表示第j次地震发生时刻,Tj+1表示第j+1次地震发生时刻;Tk表示第k次地震发生时刻,Tk+1表示第k+1次地震发生时刻。
进一步地,监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数,包括:
采集指定时间段内的历史降雨量数据和持续降雨量数据;其中,所述指定时间段范围为12-18个月;
利用所述历史降雨量数据和持续降雨量数据结合气象评价模型获取气象风险评价分数。
其中,所述气象评价模型如下:
其中,F2表示气象风险评价分数;C表示当前年份的降雨次数;Y表示当前年份每次降雨的持续降雨量;Y0表示预先设置的降雨基准量;Yie表示所述指定时间段内,第i个月对应的总降雨量;e表示指定时间段内所包含的月份数量;D表示所述指定时间内,单天降雨量超过所述降雨基准量的总天数。
进一步地,采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数,包括:
根据当前所述尾矿库所在区域位置,设置当前所述尾矿库所在区域地质灾害数据采集的标定区域范围;
采集所述标定区域范围内发生的历史地质灾害数据,其中,所述地质灾害包括洪水、泥石流和山体滑坡等;
根据所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数。
其中,所述地质灾害评价模型如下:
其中,W表示所述标定区域范围内,发生的除洪水、泥石流和山体滑坡三类地质灾害以外的地质灾害种类数量;S1、S2和S3分别表示洪水、泥石流和山体滑坡这三种地质灾害所波及的区域面积范围;L1、L2和L3分别表示洪水、泥石流和山体滑坡这三种地质灾害发生地与当前所述尾矿库所在区域位置之间的最短距离;α1、α2和α3分别表示预先设定的洪水、泥石流和山体滑坡这三种地质灾害对应的评价系数;其中,α1、α2和α3的取值范围分别对应为:0.22-0.39;0.17-0.26;0.15-0.46。具体的参数大小设定与当前所述尾矿库所在区域位置所处地址环境相关,与相应可发生地质灾害类型所具备的地质环境越近,参数值设置越大。
进一步地,结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级,包括:
将所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数进行结合,获取风险综合评价分数;
将所述风险综合评价分数与第一风险阈值和第二风险阈值进行比较;
当所述风险综合评价分数低于第一风险阈值时,确定当前尾矿库的风险等级为低风险等级;
当所述风险综合评价分数高于第一风险阈值且低于第二风险阈值时,确定当前尾矿库的风险等级为中风险等级;
当所述风险综合评价分数高于第二风险阈值时,确定当前尾矿库的风险等级为高风险等级。
进一步地,所述尾矿库安全生产风险分级预警方法的执行***包括:
基础数据采集模块,用于实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警;
外部数据采集模块,用于实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
案例采集模块,用于采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控和风险预警。
进一步地,所述基础数据采集模块,包括:
数据采集模块,用于实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库筑坝方式、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
比较模块,用于将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
监控预警模块,用于当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
进一步地,所述外部数据采集模块包括:
地理位置风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
气象风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
质灾害风险评价分数获取模块,用于采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
风险等级划分模块,用于结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
本发明有益效果:
本发明提出的一种尾矿库安全生产风险分级预警方法相对现有的尾矿库安全生产风险预警方法相比,通过结合结合企业基础数据、安全检查与隐患治理情况、在线监测接入数据,与发生事故企业的企业信息、事故原因等信息关联分析,结合气象数据、地质灾害数据、不可抗拒等因素,得出尾矿库运行的风险趋势。尤其是将气象数据、地质灾害数据、不可抗拒等因素融合至风险分级过程中,有效提高了风险分级的合理性、科学性和分级准确性。并根据不同风险级别进行预警能够最大限度提高尾矿库安全生产风险的预警有效性。
附图说明
图1为本发明所述方法的流程图一;
图2为本发明所述方法的流程图二;
图3为本发明所述方法对应执行***的***框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
尾矿库安全生产风险分级预警方法,如图1所示,所述尾矿库安全生产风险分级预警方法包括:
S1、实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控;
S2、实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
S3、采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控,并根据风险等级的不同对基础监控过程中的指标参数进行针对性设置和尾矿库安全生产风险的分级预警。
上述技术方案的工作原理为:首先,实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控;然后,实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;最后,采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控,并根据风险等级的不同对基础监控过程中的指标参数进行针对性设置和尾矿库安全生产风险的分级预警。
上述技术方案的效果为:本实施例提出的一种尾矿库安全生产风险分级预警方法相对现有的尾矿库安全生产风险预警方法相比,通过结合结合企业基础数据、安全检查与隐患治理情况、在线监测接入数据,与发生事故企业的企业信息、事故原因等信息关联分析,结合气象数据、地质灾害数据、不可抗拒等因素,得出尾矿库运行的风险趋势。尤其是将气象数据、地质灾害数据、不可抗拒等因素融合至风险分级过程中,有效提高了风险分级的合理性、科学性和分级准确性。并根据不同风险级别进行预警能够最大限度提高尾矿库安全生产风险的预警有效性。
本发明的一个实施例,实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警,包括:
S101、实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库筑坝方式、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
S102、将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
S103、当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
上述技术方案的工作原理为:首先,实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库筑坝方式、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;然后,将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;最后,当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
上述技术方案的效果为:通过上述方式能够将尾矿库内部基础数据进行有效采集,并针对基础数据对应的生产部分进行独立的安全监控和对应预警,通过这种方式能够将基础预警和分级风险预警进行独立分析,能够有效降低风险分级预警的数据含量,滤除基础数据而对高危害性风险进行分级能够进一步提高高危害性风险分级的准确性。
本发明的一个实施例,如图2所示,实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级,包括:
S201、监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
S202、监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
S203、采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
S204、结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
上述技术方案的工作原理为:首先,监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;然后,监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;之后,采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;最后,结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
上述技术方案的效果为:将气象数据、地质灾害数据、不可抗拒等因素融合至风险分级过程中,有效提高了风险分级的合理性、科学性和分级准确性。并根据不同风险级别进行预警能够最大限度提高尾矿库安全生产风险的预警有效性。
本发明的一个实施例,监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数,包括:
S2011、通过勘测确定当前尾矿库所在区域是否处于地震带区域,并且,采集当前尾矿库所在区域历史地震记录数据;
S2012、通过勘测确定当前尾矿库所在区域是否处于台风区域,并且,采集当前尾矿库所在区域历史台风记录数据;
S2013、通过勘测确定当前尾矿库所在区域是否处于海啸区域,并且,采集当前尾矿库所在区域历史海啸记录数据;
S2014、利用历史地震记录数据、历史台风记录数据和历史海啸记录数据结合地理位置评价模型获取地理位置风险评价分数。
其中,所述地理位置评价模型如下:
其中,F1表示地理位置风险评价分数;P1、P2和P3表示评价系数;n、m和k分别表示当前尾矿库所在区域发生地震、台风和海啸的次数;Hd、Ht和Hh分别表示当前尾矿库所在区域发生地震、台风和海啸对应的级数平均值;Jd、Jt和Jh分别表示当前尾矿库所在区域发生地震、台风和海啸对应的持续时间长度;Ti表示第i次地震发生时刻,Ti+1表示第i+1次地震发生时刻;Tj表示第j次地震发生时刻,Tj+1表示第j+1次地震发生时刻;Tk表示第k次地震发生时刻,Tk+1表示第k+1次地震发生时刻。
上述技术方案的工作原理为:首先,通过勘测确定当前尾矿库所在区域是否处于地震带区域,并且,采集当前尾矿库所在区域历史地震记录数据;然后,通过勘测确定当前尾矿库所在区域是否处于台风区域,并且,采集当前尾矿库所在区域历史台风记录数据;之后,通过勘测确定当前尾矿库所在区域是否处于海啸区域,并且,采集当前尾矿库所在区域历史海啸记录数据;最后,利用历史地震记录数据、历史台风记录数据和历史海啸记录数据结合地理位置评价模型获取地理位置风险评价分数。
上述技术方案的效果为:通过上述方式进行地震、台风和海啸等地理位置数据的获取,并结合上述地理位置评价模型获取地理位置风险评价分数,通过结合了地震、海啸和台风的数据信息能够有效提高地理位置风险评价与实际尾矿库所处地理位置之间的匹配性,进而有效提高风险评价和后续分级的合理性和准确性。同时,结合上述地理位置数据获得风险评价分数能够与尾矿库实际建筑地理位置和环境进行有效匹配,结合环境数据能够兼顾更多的风险因素,进而提高风险评价的精确性和实际应用型。
同时,通过上述地理位置评价模型获取的地理位置风险评价分数,由于模型结构的设置和参数设置能够有效提高风险评分的准确性和合理性。同时,由于相较于传统尾矿库的风险评价方式,本实施例增加了多种气象数据、地质灾害数据和不可抗力数据的结合,由于数据的增加势必会导致运算量的加大,而通过本实施例提出的地理位置评价模型能够在有效提高评价准确性和精确性的同时,在数据量激增的情况下简化模型结构,最大限度减少运算量,有效提高风险分级评价效率。
本发明的一个实施例,监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数,包括:
S2021、采集指定时间段内的历史降雨量数据和持续降雨量数据;其中,所述指定时间段范围为12-18个月;
S2022、利用所述历史降雨量数据和持续降雨量数据结合气象评价模型获取气象风险评价分数。
其中,所述气象评价模型如下:
其中,F2表示气象风险评价分数;C表示当前年份的降雨次数;Y表示当前年份每次降雨的持续降雨量;Y0表示预先设置的降雨基准量;Yie表示所述指定时间段内,第i个月对应的总降雨量;e表示指定时间段内所包含的月份数量;D表示所述指定时间内,单天降雨量超过所述降雨基准量的总天数。
上述技术方案的工作原理为:首先,采集指定时间段内的历史降雨量数据和持续降雨量数据;其中,所述指定时间段范围为12-18个月;然后,利用所述历史降雨量数据和持续降雨量数据结合气象评价模型获取气象风险评价分数。
上述技术方案的效果为:通过上述方式进行历史降雨量数据和持续降雨量数据的获取,并结合上述气象评价模型获取气象风险评价分数,通过结合了历史降雨量和持续降雨量的数据信息能够有效提高气象风险评价与实际尾矿库所处地理位置和对应气象环境之间的匹配性,进而有效提高风险评价和后续分级的合理性和准确性。同时,结合上述气象数据获得风险评价分数能够与尾矿库实际建筑地理位置和环境进行有效匹配,结合环境数据能够兼顾更多的风险因素,进而提高风险评价的精确性和实际应用型。
同时,通过上述气象评价模型获取的气象风险评价分数,由于模型结构的设置和参数设置能够有效提高风险评分的准确性和合理性。同时,由于相较于传统尾矿库的风险评价方式,本实施例增加了多种气象数据、地质灾害数据和不可抗力数据的结合,由于数据的增加势必会导致运算量的加大,而通过本实施例提出的气象评价模型结构能够在有效提高评价准确性和精确性的同时,在数据量激增的情况下简化模型结构,最大限度减少运算量,有效提高风险分级评价效率。
本发明的一个实施例,采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数,包括:
S2031、根据当前所述尾矿库所在区域位置,设置当前所述尾矿库所在区域地质灾害数据采集的标定区域范围;
S2032、采集所述标定区域范围内发生的历史地质灾害数据,其中,所述地质灾害包括洪水、泥石流和山体滑坡等;
S2033、根据所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数。
其中,所述地质灾害评价模型如下:
其中,F3表示灾害风险评价分数;W表示所述标定区域范围内,发生的除洪水、泥石流和山体滑坡三类地质灾害以外的地质灾害种类数量;S1、S2和S3分别表示洪水、泥石流和山体滑坡这三种地质灾害所波及的区域面积范围;L1、L2和L3分别表示洪水、泥石流和山体滑坡这三种地质灾害发生地与当前所述尾矿库所在区域位置之间的最短距离;α1、α2和α3分别表示预先设定的洪水、泥石流和山体滑坡这三种地质灾害对应的评价系数;其中,α1、α2和α3的取值范围分别对应为:0.22-0.39;0.17-0.26;0.15-0.46。具体的参数大小设定与当前所述尾矿库所在区域位置所处地址环境相关,与相应可发生地质灾害类型所具备的地质环境越近,参数值设置越大。
上述技术方案的工作原理为:首先,根据当前所述尾矿库所在区域位置,设置当前所述尾矿库所在区域地质灾害数据采集的标定区域范围;然后,采集所述标定区域范围内发生的历史地质灾害数据,其中,所述地质灾害包括洪水、泥石流和山体滑坡等;最后,根据所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数。
上述技术方案的效果为:通过上述方式进行历史地质灾害数据的获取,并结合上述地质灾害评价模型获取灾害风险评价分数,通过结合了历史地质灾害数据的数据信息能够有效提高气象风险评价与实际尾矿库所处地理位置和对应气象环境之间的匹配性,进而有效提高风险评价和后续分级的合理性和准确性。同时,结合上述气象数据获得风险评价分数能够与尾矿库实际建筑地理位置和环境进行有效匹配,结合环境数据能够兼顾更多的风险因素,进而提高风险评价的精确性和实际应用型。
同时,通过上述历史地质灾害数据获取的灾害风险评价分数,由于模型结构的设置和参数设置能够有效提高风险评分的准确性和合理性。同时,由于相较于传统尾矿库的风险评价方式,本实施例增加了多种气象数据、地质灾害数据和不可抗力数据的结合,由于数据的增加势必会导致运算量的加大,而通过本实施例提出的地理灾害评价模型能够在有效提高地质灾害评价准确性和精确性的同时,在数据量激增的情况下简化模型结构,最大限度减少运算量,有效提高风险分级评价效率。
本发明的一个实施例,结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级,包括:
S2041、将所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数进行结合,获取风险综合评价分数;
S2042、将所述风险综合评价分数与第一风险阈值和第二风险阈值进行比较;其中,所述第一风险阈值和第二风险阈值需要根据尾矿库实际建设位置以及建设位置的实际地理环境和气象环境的隐含风险情况而定;
S2043、当所述风险综合评价分数低于第一风险阈值时,确定当前尾矿库的风险等级为低风险等级;
S2044、当所述风险综合评价分数高于第一风险阈值且低于第二风险阈值时,确定当前尾矿库的风险等级为中风险等级;
S2045、当所述风险综合评价分数高于第二风险阈值时,确定当前尾矿库的风险等级为高风险等级。
上述技术方案的工作原理为:首先,将所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数进行结合,获取风险综合评价分数;然后,将所述风险综合评价分数与第一风险阈值和第二风险阈值进行比较;之后,当所述风险综合评价分数低于第一风险阈值时,确定当前尾矿库的风险等级为低风险等级;随后,当所述风险综合评价分数高于第一风险阈值且低于第二风险阈值时,确定当前尾矿库的风险等级为中风险等级;最后,当所述风险综合评价分数高于第二风险阈值时,确定当前尾矿库的风险等级为高风险等级。
上述技术方案的效果为:通过上述方式能够有效提高风险分级划分的效率,同时,能够有效提高风险划分的合理性。
本发明的一个实施例,如图3所示,所述尾矿库安全生产风险分级预警方法的执行***包括:
基础数据采集模块,用于实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警;
外部数据采集模块,用于实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
案例采集模块,用于采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控和风险预警。
其中,所述基础数据采集模块,包括:
数据采集模块,用于实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库筑坝方式、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
比较模块,用于将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
监控预警模块,用于当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
其中,所述外部数据采集模块包括:
地理位置风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
气象风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
质灾害风险评价分数获取模块,用于采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
风险等级划分模块,用于结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
上述技术方案的效果为:本实施例提出的尾矿库安全生产风险分级预警方法的执行***通过结合结合企业基础数据、安全检查与隐患治理情况、在线监测接入数据,与发生事故企业的企业信息、事故原因等信息关联分析,结合气象数据、地质灾害数据、不可抗拒等因素,得出尾矿库运行的风险趋势。尤其是将气象数据、地质灾害数据、不可抗拒等因素融合至风险分级过程中,有效提高了风险分级的合理性、科学性和分级准确性。并根据不同风险级别进行预警能够最大限度提高尾矿库安全生产风险的预警有效性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.尾矿库安全生产风险分级预警方法,其特征在在于,所述尾矿库安全生产风险分级预警方法包括:
实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控;
实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控,并根据风险等级的不同对基础监控过程中的指标参数进行针对性设置和尾矿库安全生产风险的分级预警;
实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级,包括:
监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级;
监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数,包括:
通过勘测确定当前尾矿库所在区域是否处于地震带区域,并且,采集当前尾矿库所在区域历史地震记录数据;
通过勘测确定当前尾矿库所在区域是否处于台风区域,并且,采集当前尾矿库所在区域历史台风记录数据;
通过勘测确定当前尾矿库所在区域是否处于海啸区域,并且,采集当前尾矿库所在区域历史海啸记录数据;
利用历史地震记录数据、历史台风记录数据和历史海啸记录数据结合地理位置评价模型获取地理位置风险评价分数;
其中,所述地理位置评价模型如下:
其中,F 1表示地理位置风险评价分数;P 1、P 2和P 3表示评价系数;n和m分别表示当前尾矿库所在区域发生地震和台风的次数;H d 、H t 和H h 分别表示当前尾矿库所在区域发生地震、台风和海啸对应的级数平均值;J d 、J t 和J h 分别表示当前尾矿库所在区域发生地震、台风和海啸对应的持续时间长度;T i 表示第i次地震发生时刻,T i+1表示第i+1次地震发生时刻;T j 表示第j次地震发生时刻,T j+1表示第j+1次地震发生时刻;T k 表示第k次地震发生时刻,T k+1表示第k+1次地震发生时刻。
2.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警,包括:
实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
3.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数,包括:
采集指定时间段内的历史降雨量数据和持续降雨量数据;其中,所述指定时间段范围为12-18个月;
利用所述历史降雨量数据和持续降雨量数据结合气象评价模型获取气象风险评价分数。
4.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数,包括:
根据当前所述尾矿库所在区域位置,设置当前所述尾矿库所在区域地质灾害数据采集的标定区域范围;
采集所述标定区域范围内发生的历史地质灾害数据,其中,所述地质灾害包括洪水、泥石流和山体滑坡;
根据所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数。
5.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级,包括:
将所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数进行结合,获取风险综合评价分数;
将所述风险综合评价分数与第一风险阈值和第二风险阈值进行比较;
当所述风险综合评价分数低于第一风险阈值时,确定当前尾矿库的风险等级为低风险等级;
当所述风险综合评价分数高于第一风险阈值且低于第二风险阈值时,确定当前尾矿库的风险等级为中风险等级;
当所述风险综合评价分数高于第二风险阈值时,确定当前尾矿库的风险等级为高风险等级。
6.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,所述尾矿库安全生产风险分级预警方法的执行***包括:
基础数据采集模块,用于实时监控和采集尾矿库内部基础数据,并通过所述尾矿库内部基础数据进行基础监控预警;
外部数据采集模块,用于实时采集当前所述尾矿库所在区域的地理位置、气象数据和历史地质灾害数据,根据所述气象数据和历史地质灾害数据对当前尾矿库所处安全生产风险进行风险分级,获得低风险、中风险和高风险的风险等级;
案例采集模块,用于采集国内外尾矿库事故案例数据及危害程度数据,获取案例对应的事故解决方案策略,结合不同的风险等级进行管理监控和风险预警。
7.根据权利要求6所述尾矿库安全生产风险分级预警方法,其特征在于,所述基础数据采集模块,包括:
数据采集模块,用于实时采集尾矿库内部基础数据,其中,所述尾矿库内部基础数据包括尾矿库地质构造、尾矿库运行状况、泄洪能力、浸润线、干滩、库水位和外部位移;
比较模块,用于将所述尾矿库内部基础数据中各项数据指标与其对应的阈值数据指标进行比较;
监控预警模块,用于当所述尾矿库内部基础数据中各项数据指标与其所对应的阈值数据指标之间的数量关系不满足预先设定的安全监控关系时,进行基础监控预警。
8.根据权利要求1所述尾矿库安全生产风险分级预警方法,其特征在于,外部数据采集模块包括:
地理位置风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的地理位置数据,通过所述地理位置数据结合地理位置评价模型获取地理位置风险评价分数;
气象风险评价分数获取模块,用于监控和采集当前所述尾矿库所在区域的气象数据,通过所述气象数据结合气象评价模型获取气象风险评价分数;
质灾害风险评价分数获取模块,用于采集当前所述尾矿库所在区域的历史地质灾害数据,通过所述历史地质灾害数据结合地质灾害评价模型获取灾害风险评价分数;
风险等级划分模块,用于结合所述地理位置风险评价分数、气象风险评价分数和质灾害风险评价分数获得低风险、中风险和高风险的风险等级。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210829694.4A CN115099677B (zh) | 2022-07-14 | 2022-07-14 | 尾矿库安全生产风险分级预警方法 |
PCT/CN2023/107383 WO2024012552A1 (zh) | 2022-07-14 | 2023-07-14 | 尾矿库安全生产风险分级预警方法 |
US18/505,150 US11954415B2 (en) | 2022-07-14 | 2023-11-09 | Early warning method for safety production risk of tailings pond based on risk ranking |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210829694.4A CN115099677B (zh) | 2022-07-14 | 2022-07-14 | 尾矿库安全生产风险分级预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115099677A CN115099677A (zh) | 2022-09-23 |
CN115099677B true CN115099677B (zh) | 2023-04-07 |
Family
ID=83297797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210829694.4A Active CN115099677B (zh) | 2022-07-14 | 2022-07-14 | 尾矿库安全生产风险分级预警方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11954415B2 (zh) |
CN (1) | CN115099677B (zh) |
WO (1) | WO2024012552A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115099677B (zh) * | 2022-07-14 | 2023-04-07 | 中国安全生产科学研究院 | 尾矿库安全生产风险分级预警方法 |
CN116050824B (zh) * | 2022-12-14 | 2024-04-30 | 应急管理部国家自然灾害防治研究院 | 一种复合灾害的态势感知与应急评价方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3656852B1 (ja) * | 2004-07-22 | 2005-06-08 | 有限会社山口ティー・エル・オー | 防災事業計画支援方法とそのシステム |
CN109816252A (zh) * | 2019-01-29 | 2019-05-28 | 四川省安全科学技术研究院 | 尾矿库综合风险定量预警方法及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281920A (zh) * | 2014-09-29 | 2015-01-14 | 中南大学 | 尾矿库分层指标安全评估和预警方法与*** |
JP6502405B2 (ja) * | 2017-02-28 | 2019-04-17 | 学校法人加計学園 | 危険箇所に防災気象情報発表基準を設定するシステム及び方法 |
CN107515970A (zh) * | 2017-08-09 | 2017-12-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡段电网杆塔危险性三维多点位多指标的预警方法 |
CN112116785B (zh) * | 2020-08-21 | 2022-08-19 | 中国瑞林工程技术股份有限公司 | 一种基于强降雨气象预报下尾矿库灾害预警方法及装置 |
CN113313387B (zh) * | 2021-05-31 | 2023-05-05 | 中钢集团武汉安全环保研究院有限公司 | 一种企业重大安全风险分级智能化管控方法及*** |
CN113807638A (zh) * | 2021-05-31 | 2021-12-17 | 武汉科技大学 | 一种尾矿库重大安全风险量化方法 |
CN114118677A (zh) * | 2021-10-13 | 2022-03-01 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警*** |
CN114781120B (zh) * | 2022-03-17 | 2024-03-12 | 福建省冶金工业设计院有限公司 | 一种基于尾矿库在线监测数据的智能分析方法、***以及存储介质 |
CN114707222A (zh) * | 2022-04-19 | 2022-07-05 | 南京信息工程大学 | 一种顾及渗流的尾矿库坝体稳定性实时在线分析与预测方法 |
CN115099677B (zh) * | 2022-07-14 | 2023-04-07 | 中国安全生产科学研究院 | 尾矿库安全生产风险分级预警方法 |
-
2022
- 2022-07-14 CN CN202210829694.4A patent/CN115099677B/zh active Active
-
2023
- 2023-07-14 WO PCT/CN2023/107383 patent/WO2024012552A1/zh unknown
- 2023-11-09 US US18/505,150 patent/US11954415B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3656852B1 (ja) * | 2004-07-22 | 2005-06-08 | 有限会社山口ティー・エル・オー | 防災事業計画支援方法とそのシステム |
CN109816252A (zh) * | 2019-01-29 | 2019-05-28 | 四川省安全科学技术研究院 | 尾矿库综合风险定量预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US11954415B2 (en) | 2024-04-09 |
US20240086589A1 (en) | 2024-03-14 |
CN115099677A (zh) | 2022-09-23 |
WO2024012552A1 (zh) | 2024-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115099677B (zh) | 尾矿库安全生产风险分级预警方法 | |
Wahl et al. | The stream-gaging program of the US Geological Survey | |
Fish et al. | Atmospheric river families: Definition and associated synoptic conditions | |
CN104460577A (zh) | 一种水质安全预警决策*** | |
Fengqing et al. | Magnification of flood disasters and its relation to regional precipitation and local human activities since the 1980s in Xinjiang, Northwestern China | |
CN104318717A (zh) | 一种历史数据短缺条件下的暴雨泥石流预警方法 | |
Syarifudin et al. | IDF Curve Patterns for Flood Control of Air Lakitan river of Musi Rawas Regency | |
CN116307673A (zh) | 一种用于城市生命线的地下管网交互风险预警*** | |
Zhou et al. | Identification and frequency analysis of drought–flood abrupt alternation events using a daily-scale standardized weighted average of the precipitation index | |
CN117436619A (zh) | 一种基于等效防洪作用的梯级水库防洪库容联合预留方法 | |
CN113689151B (zh) | 跨流域调水工程对交叉河流下游区域的防洪风险评估方法 | |
Gu et al. | Continuous assessment of the adaptability between river network connectivity and water security in a typical highly urbanized area in eastern China | |
CN114781769B (zh) | 一种流域超标准洪水动态精细化预警方法 | |
Dragićević et al. | Natural hazard assessment in Pčinja catchment | |
Gizaw et al. | Spatial and temporal distribution of sediment yield-case study Nashe, Blue Nile Basin, Ethiopia | |
Faizah | Identification of flood risk zones in the region of Yogyakarta | |
Wang et al. | Environmental Risk Assessment Method for Dense Tailings Ponds Areas-a Case Study of the Yellow River Basin of Henan Province, China | |
Ariyani et al. | Contributed Indicators to Fluvial Flood Along River Basin in Urban Area of Indonesia | |
Siwila et al. | Climate change impact investigation on hydro-meteorological extremes on Zambia’s Kabompo catchment | |
Bandrang et al. | Analysis of water condition in Dodokan watershed, Lombok, Indonesia | |
FS et al. | Some Stream Water Quality Characteristics of Two Small Logged Over Watersheds in Selangor | |
Li YanBin et al. | Comprehensive evaluation model of agricultural drought disaster risk. | |
Li et al. | Influence of different rainfall patterns and soil water content on hydrological processes in small watersheds | |
Hu et al. | Analysis of the specific water level of flood control and the threshold value of rainfall warning for small and medium rivers | |
Cahyono et al. | Rainfall Prediction Using Fuzzy Logic Method For Early Warning System In Flood Disaster Mitigation In Nganjuk |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |