CN115311821A - 一种基于数字孪生技术的地质灾害智能监测云平台 - Google Patents
一种基于数字孪生技术的地质灾害智能监测云平台 Download PDFInfo
- Publication number
- CN115311821A CN115311821A CN202210947481.1A CN202210947481A CN115311821A CN 115311821 A CN115311821 A CN 115311821A CN 202210947481 A CN202210947481 A CN 202210947481A CN 115311821 A CN115311821 A CN 115311821A
- Authority
- CN
- China
- Prior art keywords
- target
- hillside
- slope
- geological
- water level
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 171
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 83
- 238000006073 displacement reaction Methods 0.000 claims description 79
- 238000005070 sampling Methods 0.000 claims description 36
- 239000002689 soil Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 9
- 239000003673 groundwater Substances 0.000 claims description 9
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 230000003211 malignant effect Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 period Chemical class 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种基于数字孪生技术的地质灾害智能监测云平台，本发明通过实时获取各目标山坡的地质数据，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，进一步提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数，同时获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数，根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理，克服了传统山体滑坡监测技术存在的不足，进而大大提高监测成果的可靠性、准确性和时效性，从而为地质灾害工程安全治理措施提供可靠的决策依据，避免恶性地质灾害的发生。
Description
技术领域
本发明涉及山体滑坡监测分析领域，涉及到一种基于数字孪生技术的地质灾害智能监测云平台。
背景技术
随着社会经济的不断发展，资源开发的力度逐渐增大，给本就脆弱的地质环境造成了巨大的影响，地质灾害的频度和规模日趋增加,严重影响到国家经济建设和人民生命财产安全,地质灾害监测作为地灾安全防控的重要手段越来越受到重视,而地质灾害中以山体滑坡较为常见，因此对山体滑坡进行监测预警更值得重视。
传统的山体滑坡监测技术存在着一些不足：一方面，传统的山体滑坡监测采用人工监测，受限于环境特点，工作效率低、投入大、监测成本和安全风险都比较高，另一方面，传统山体滑坡监测的分析指标比较单一，没有综合考虑山体自身地形因素和气象因素的影响，进而使得监测成果的可靠性和准确性都比较低。
发明内容
针对上述问题，本发明提出了一种基于数字孪生技术的地质灾害智能监测云平台，实现对山体滑坡监测分析的功能。
本发明解决其技术问题采用的技术方案是：
本发明提供一种基于数字孪生技术的地质灾害智能监测云平台，包括：
目标山坡地质数据获取模块：用于实时获取各目标山坡的地质数据，其中地质数据包括边坡外观形变量、土体深层水平位移变化量和地下水位变化量；
目标山坡地质数据分析模块：用于根据各目标山坡的地质数据，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，若某目标山坡存在灾害风险，则进行预警，反之，则将该目标山坡的地质数据存入目标山坡地质信息库；
目标山坡地质信息库：用于接收各目标山坡的地质数据，并进行存储，同时存储各目标山坡中各外观形变监测点的初始三维坐标、各目标山坡中各深层水平位移监测点的初始水平位移和各目标山坡中各地下水位监测点的初始地下水位高度；
目标山坡地质隐患系数获取模块：用于提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数；
目标山坡气象影响系数获取模块：用于获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数；
目标山坡灾害预测评估模块：用于根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理。
在上述实施例的基础上，所述目标山坡地质数据获取模块的具体过程包括：
提取目标山坡地质信息库中存储的各目标山坡中各外观形变监测点的初始三维坐标，将其记为
i表示第i个目标山坡的编号，i＝1,2,...,n，p表示第p个外观形变监测点的编号，p＝1,2,...,q；
通过GNSS定位技术实时获取各目标山坡中各外观形变监测点的三维坐标，将其记为(Xip,Yip,Zip)；
将各目标山坡中各外观形变监测点的三维坐标代入公式
得到各目标山坡的边坡外观形变量αi，其中q表示外观形变监测点的数量，β表示预设的目标山坡的边坡外观形变量修正因子。
在上述实施例的基础上，所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各深层水平位移监测点的初始水平位移，将其记为
p′表示第p′个深层水平位移监测点的编号，p′＝1′,2′,...,q′；
通过滑动式倾角仪实时测量各目标山坡中各深层水平位移监测点的水平位移，将其记为bip′，将各目标山坡中各深层水平位移监测点的水平位移代入公式
得到各目标山坡的土体深层水平位移变化量χi，其中q′表示深层水平位移监测点的数量，δ表示预设的目标山坡的土体深层水平位移变化量修正因子。
在上述实施例的基础上，所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各地下水位监测点的初始地下水位高度，将其记为
p″表示第p″个地下水位监测点的编号，p″＝1″,2″,...,q″；
通过水位传感器实时检测各目标山坡中各地下水位监测点的地下水位高度，将其记为hip″，将各目标山坡中各地下水位监测点的地下水位高度代入公式
得到各目标山坡的地下水位变化量εi，其中q″表示地下水位监测点的数量，φ表示预设的目标山坡的地下水位变化量修正因子。
在上述实施例的基础上，所述目标山坡地质数据分析模块中具体分析过程为：
将各目标山坡的边坡外观形变量αi、土体深层水平位移变化量χi和地下水位变化量εi代入公式zi＝τ1*αi+τ2*χi+τ3*εi得到各目标山坡的灾害风险系数zi，其中τ1、τ2、τ3分别表示预设的目标山坡的边坡外观形变量、土体深层水平位移变化量和地下水位变化量的权重因子；
将各目标山坡的灾害风险系数与预设的山坡的灾害风险系数阈值进行比较，若某目标山坡的灾害风险系数大于或等于预设的山坡的灾害风险系数阈值，则该目标山坡存在灾害风险，并将该目标山坡的编号发送至灾害监测云平台，进行预警，反之，则该目标山坡暂时没有灾害风险，将该目标山坡的地质数据存入目标山坡地质信息库。
在上述实施例的基础上，所述目标山坡地质隐患系数获取模块中分析得到各目标山坡的地质隐患系数，具体过程为：
提取目标山坡地质信息库中存储的各目标山坡的地质数据，得到各目标山坡中各外观形变监测点在预设监测历史周期内各采样时刻的三维坐标、各目标山坡中各深层水平位移监测点在预设监测历史周期内各采样时刻的水平位移和各目标山坡中各地下水位监测点在预设监测历史周期内各采样时刻的地下水位高度，将其分别记为
和
j表示第j个采样时刻的编号，j＝1,2,...,m，进一步分析得到各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量、土体深层水平位移变化量和地下水位变化量，将其分别记为
和
将各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量
土体深层水平位移变化量
和地下水位变化量
代入公式
得到各目标山坡的地质隐患系数γi,其中m表示采集时刻的数量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的边坡外观形变量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的土体深层水平位移变化量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的地下水位变化量,η表示预设的目标山坡的地质隐患系数修正因子。
在上述实施例的基础上，所述目标山坡气象影响系数获取模块中分析得到各目标山坡的气象影响系数，具体过程为：
通过雨量计检测各目标山坡中各降雨量监测点的降雨量，将其记为fic，c表示第c个降雨量监测点的编号，c＝1,2,...,d；
通过湿度仪检测各目标山坡中各气温监测点的气温，将其记为giu，u表示第u个气温监测点的编号，u＝1,2,...,v；
将各目标山坡中各降雨量监测点的降雨量和各目标山坡中各气温监测点的气温代入公式
得到各目标山坡的气象影响系数κi，其中f设表示预设的目标山坡降雨量阈值，g设表示预设的目标山坡气温参考值，Δg设表示预设的目标山坡气温允许误差，λ1、λ2分别表示预设的目标山坡降雨量和气温的权重因子。
在上述实施例的基础上，所述目标山坡灾害预测评估模块的具体分析过程为：
将各目标山坡的地质隐患系数γi和各目标山坡的气象影响系数κi代入公式
得到各目标山坡的灾害预测指数ξi，其中ψ表示预设的目标山坡的气象影响系数的补偿因子，
表示预设的目标山坡的灾害预测指数修正因子，e表示自然常数；
将各目标山坡的灾害预测指数与预设的目标山坡的灾害预测指数阈值进行比较，若某目标山坡的灾害预测指数大于预设的目标山坡的灾害预测指数阈值，则将该目标山坡记为预测灾害风险山坡，统计得到各预测灾害风险山坡的编号，并将各预测灾害风险山坡的编号发送至灾害监测云平台。
相对于现有技术，本发明所述的一种基于数字孪生技术的地质灾害智能监测云平台以下有益效果：
本发明提供的一种基于数字孪生技术的地质灾害智能监测云平台，通过实时获取各目标山坡的边坡外观形变量、土体深层水平位移变化量和地下水位变化量，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，若某目标山坡存在灾害风险，则进行预警，反之，则将该目标山坡的地质数据存入目标山坡地质信息库，进一步地，提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数，同时获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数，根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理，克服了传统山体滑坡监测技术存在的不足，不仅提高工作效率，还降低监测成本和安全风险，结合地质数据和气象数据对目标山坡进行全方面监测分析，进而大大提高监测成果的可靠性和准确性，从而为地质灾害工程安全治理措施提供可靠的决策依据，避免恶性地质灾害的发生。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的***模块连接图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供一种基于数字孪生技术的地质灾害智能监测云平台，包括目标山坡地质数据获取模块、目标山坡地质数据分析模块、目标山坡地质信息库、目标山坡地质隐患系数获取模块、目标山坡气象影响系数获取模块和目标山坡灾害预测评估模块。
所述目标山坡地质数据分析模块与目标山坡地质数据获取模块连接，目标山坡灾害预测评估模块分别与目标山坡地质隐患系数获取模块和目标山坡气象影响系数获取模块连接，目标山坡地质信息库分别与目标山坡地质数据获取模块、目标山坡地质数据分析模块和目标山坡地质隐患系数获取模块连接。
所述目标山坡地质数据获取模块用于实时获取各目标山坡的地质数据，其中地质数据包括边坡外观形变量、土体深层水平位移变化量和地下水位变化量。
进一步地，所述目标山坡地质数据获取模块的具体过程包括：
提取目标山坡地质信息库中存储的各目标山坡中各外观形变监测点的初始三维坐标，将其记为
i表示第i个目标山坡的编号，i＝1,2,...,n，p表示第p个外观形变监测点的编号，p＝1,2,...,q；
通过GNSS定位技术实时获取各目标山坡中各外观形变监测点的三维坐标，将其记为(Xip,Yip,Zip)；
将各目标山坡中各外观形变监测点的三维坐标代入公式
得到各目标山坡的边坡外观形变量αi，其中q表示外观形变监测点的数量，β表示预设的目标山坡的边坡外观形变量修正因子。
进一步地，所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各深层水平位移监测点的初始水平位移，将其记为
p′表示第p′个深层水平位移监测点的编号，p′＝1′,2′,...,q′；
通过滑动式倾角仪实时测量各目标山坡中各深层水平位移监测点的水平位移，将其记为bip′，将各目标山坡中各深层水平位移监测点的水平位移代入公式
得到各目标山坡的土体深层水平位移变化量χi，其中q′表示深层水平位移监测点的数量，δ表示预设的目标山坡的土体深层水平位移变化量修正因子。
进一步地，所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各地下水位监测点的初始地下水位高度，将其记为
p″表示第p″个地下水位监测点的编号，p″＝1″,2″,...,q″；
通过水位传感器实时检测各目标山坡中各地下水位监测点的地下水位高度，将其记为hip″，将各目标山坡中各地下水位监测点的地下水位高度代入公式
得到各目标山坡的地下水位变化量εi，其中q″表示地下水位监测点的数量，φ表示预设的目标山坡的地下水位变化量修正因子。
所述目标山坡地质数据分析模块用于根据各目标山坡的地质数据，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，若某目标山坡存在灾害风险，则进行预警，反之，则将该目标山坡的地质数据存入目标山坡地质信息库。
进一步地，所述目标山坡地质数据分析模块中具体分析过程为：
将各目标山坡的边坡外观形变量αi、土体深层水平位移变化量χi和地下水位变化量εi代入公式zi＝τ1*αi+τ2*χi+τ3*εi得到各目标山坡的灾害风险系数zi，其中τ1、τ2、τ3分别表示预设的目标山坡的边坡外观形变量、土体深层水平位移变化量和地下水位变化量的权重因子；
将各目标山坡的灾害风险系数与预设的山坡的灾害风险系数阈值进行比较，若某目标山坡的灾害风险系数大于或等于预设的山坡的灾害风险系数阈值，则该目标山坡存在灾害风险，并将该目标山坡的编号发送至灾害监测云平台，进行预警，反之，则该目标山坡暂时没有灾害风险，将该目标山坡的地质数据存入目标山坡地质信息库。
需要说明的是，本发明通过实时获取各目标山坡的边坡外观形变量、土体深层水平位移变化量和地下水位变化量，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，若某目标山坡存在灾害风险，则进行预警，反之，则将该目标山坡的地质数据存入目标山坡地质信息库，从多维度对目标山坡的地质情况进行分析，实时监测目标山坡地质数据的变化，大大提高目标山坡地质监测结果的准确性和时效性。
所述目标山坡地质信息库用于接收各目标山坡的地质数据，并进行存储，同时存储各目标山坡中各外观形变监测点的初始三维坐标、各目标山坡中各深层水平位移监测点的初始水平位移和各目标山坡中各地下水位监测点的初始地下水位高度。
所述目标山坡地质隐患系数获取模块用于提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数。
进一步地，所述目标山坡地质隐患系数获取模块中分析得到各目标山坡的地质隐患系数，具体过程为：
提取目标山坡地质信息库中存储的各目标山坡的地质数据，得到各目标山坡中各外观形变监测点在预设监测历史周期内各采样时刻的三维坐标、各目标山坡中各深层水平位移监测点在预设监测历史周期内各采样时刻的水平位移和各目标山坡中各地下水位监测点在预设监测历史周期内各采样时刻的地下水位高度，将其分别记为
和
j表示第j个采样时刻的编号，j＝1,2,...,m，进一步分析得到各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量、土体深层水平位移变化量和地下水位变化量，将其分别记为
和
将各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量
土体深层水平位移变化量
和地下水位变化量
代入公式
得到各目标山坡的地质隐患系数γi,其中m表示采集时刻的数量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的边坡外观形变量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的土体深层水平位移变化量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的地下水位变化量,η表示预设的目标山坡的地质隐患系数修正因子。
作为一种优选方案，所述各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量、土体深层水平位移变化量和地下水位变化量的具体分析方法为：
将各目标山坡中各外观形变监测点在预设监测历史周期内各采样时刻的三维坐标代入公式
得到各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量
将各目标山坡中各深层水平位移监测点在预设监测历史周期内各采样时刻的水平位移代入公式
得到各目标山坡在预设监测历史周期内各采样时刻的土体深层水平位移变化量
将各目标山坡中各地下水位监测点在预设监测历史周期内各采样时刻的地下水位高度代入公式
得到各目标山坡在预设监测历史周期内各采样时刻的地下水位变化量
所述目标山坡气象影响系数获取模块用于获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数。
进一步地，所述目标山坡气象影响系数获取模块中分析得到各目标山坡的气象影响系数，具体过程为：
通过雨量计检测各目标山坡中各降雨量监测点的降雨量，将其记为fic，c表示第c个降雨量监测点的编号，c＝1,2,...,d；
通过湿度仪检测各目标山坡中各气温监测点的气温，将其记为giu，u表示第u个气温监测点的编号，u＝1,2,...,v；
将各目标山坡中各降雨量监测点的降雨量和各目标山坡中各气温监测点的气温代入公式
得到各目标山坡的气象影响系数κi，其中f设表示预设的目标山坡降雨量阈值，g设表示预设的目标山坡气温参考值，Δg设表示预设的目标山坡气温允许误差，λ1、λ2分别表示预设的目标山坡降雨量和气温的权重因子。
所述目标山坡灾害预测评估模块用于根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理。
进一步地，所述目标山坡灾害预测评估模块的具体分析过程为：
将各目标山坡的地质隐患系数γi和各目标山坡的气象影响系数κi代入公式
得到各目标山坡的灾害预测指数ξi，其中ψ表示预设的目标山坡的气象影响系数的补偿因子，
表示预设的目标山坡的灾害预测指数修正因子，e表示自然常数；
将各目标山坡的灾害预测指数与预设的目标山坡的灾害预测指数阈值进行比较，若某目标山坡的灾害预测指数大于预设的目标山坡的灾害预测指数阈值，则将该目标山坡记为预测灾害风险山坡，统计得到各预测灾害风险山坡的编号，并将各预测灾害风险山坡的编号发送至灾害监测云平台。
需要说明的是，本发明通过提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数，同时获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数，根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理，克服了传统山体滑坡监测技术存在的不足，不仅提高工作效率，还降低监测成本和安全风险，结合地质数据和气象数据对目标山坡进行全方面监测分析，进而大大提高监测成果的可靠性和准确性，从而为地质灾害工程安全治理措施提供可靠的决策依据，避免恶性地质灾害的发生。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于，包括：
目标山坡地质数据获取模块：用于实时获取各目标山坡的地质数据，其中地质数据包括边坡外观形变量、土体深层水平位移变化量和地下水位变化量；
目标山坡地质数据分析模块：用于根据各目标山坡的地质数据，分析得到各目标山坡的灾害风险系数，判断各目标山坡是否存在灾害风险，若某目标山坡存在灾害风险，则进行预警，反之，则将该目标山坡的地质数据存入目标山坡地质信息库；
目标山坡地质信息库：用于接收各目标山坡的地质数据，并进行存储，同时存储各目标山坡中各外观形变监测点的初始三维坐标、各目标山坡中各深层水平位移监测点的初始水平位移和各目标山坡中各地下水位监测点的初始地下水位高度；
目标山坡地质隐患系数获取模块：用于提取目标山坡地质信息库中存储的各目标山坡的地质数据，分析得到各目标山坡的地质隐患系数；
目标山坡气象影响系数获取模块：用于获取各目标山坡的气象信息，分析得到各目标山坡的气象影响系数；
目标山坡灾害预测评估模块：用于根据各目标山坡的地质隐患系数和气象影响系数，评估得到各目标山坡的灾害预测指数，并进行相应处理。
2.根据权利要求1所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡地质数据获取模块的具体过程包括：
提取目标山坡地质信息库中存储的各目标山坡中各外观形变监测点的初始三维坐标，将其记为
i表示第i个目标山坡的编号，i＝1,2,...,n，p表示第p个外观形变监测点的编号，p＝1,2,...,q；
通过GNSS定位技术实时获取各目标山坡中各外观形变监测点的三维坐标，将其记为(Xip,Yip,Zip)；
将各目标山坡中各外观形变监测点的三维坐标代入公式
得到各目标山坡的边坡外观形变量αi，其中q表示外观形变监测点的数量，β表示预设的目标山坡的边坡外观形变量修正因子。
3.根据权利要求1所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各深层水平位移监测点的初始水平位移，将其记为
p′表示第p′个深层水平位移监测点的编号，p′＝1′,2′,...,q′；
通过滑动式倾角仪实时测量各目标山坡中各深层水平位移监测点的水平位移，将其记为bip′，将各目标山坡中各深层水平位移监测点的水平位移代入公式
得到各目标山坡的土体深层水平位移变化量χi，其中q′表示深层水平位移监测点的数量，δ表示预设的目标山坡的土体深层水平位移变化量修正因子。
4.根据权利要求1所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡地质数据获取模块中具体过程还包括：
提取目标山坡地质信息库中存储的各目标山坡中各地下水位监测点的初始地下水位高度，将其记为
p″表示第p″个地下水位监测点的编号，p″＝1″,2″,...,q″；
通过水位传感器实时检测各目标山坡中各地下水位监测点的地下水位高度，将其记为hip″，将各目标山坡中各地下水位监测点的地下水位高度代入公式
得到各目标山坡的地下水位变化量εi，其中q″表示地下水位监测点的数量，φ表示预设的目标山坡的地下水位变化量修正因子。
5.根据权利要求4所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡地质数据分析模块中具体分析过程为：
将各目标山坡的边坡外观形变量αi、土体深层水平位移变化量χi和地下水位变化量εi代入公式zi＝τ1*αi+τ2*χi+τ3*εi得到各目标山坡的灾害风险系数zi，其中τ1、τ2、τ3分别表示预设的目标山坡的边坡外观形变量、土体深层水平位移变化量和地下水位变化量的权重因子；
将各目标山坡的灾害风险系数与预设的山坡的灾害风险系数阈值进行比较，若某目标山坡的灾害风险系数大于或等于预设的山坡的灾害风险系数阈值，则该目标山坡存在灾害风险，并将该目标山坡的编号发送至灾害监测云平台，进行预警，反之，则该目标山坡暂时没有灾害风险，将该目标山坡的地质数据存入目标山坡地质信息库。
6.根据权利要求5所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡地质隐患系数获取模块中分析得到各目标山坡的地质隐患系数，具体过程为：
提取目标山坡地质信息库中存储的各目标山坡的地质数据，得到各目标山坡中各外观形变监测点在预设监测历史周期内各采样时刻的三维坐标、各目标山坡中各深层水平位移监测点在预设监测历史周期内各采样时刻的水平位移和各目标山坡中各地下水位监测点在预设监测历史周期内各采样时刻的地下水位高度，将其分别记为
和
j表示第j个采样时刻的编号，j＝1,2,...,m，进一步分析得到各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量、土体深层水平位移变化量和地下水位变化量，将其分别记为
和
将各目标山坡在预设监测历史周期内各采样时刻的边坡外观形变量
土体深层水平位移变化量
和地下水位变化量
代入公式
得到各目标山坡的地质隐患系数γi,其中m表示采集时刻的数量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的边坡外观形变量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的土体深层水平位移变化量，
表示第i个目标山坡在预设监测历史周期内第j-1个采样时刻的地下水位变化量,η表示预设的目标山坡的地质隐患系数修正因子。
7.根据权利要求1所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡气象影响系数获取模块中分析得到各目标山坡的气象影响系数，具体过程为：
通过雨量计检测各目标山坡中各降雨量监测点的降雨量，将其记为fic，c表示第c个降雨量监测点的编号，c＝1,2,...,d；
通过湿度仪检测各目标山坡中各气温监测点的气温，将其记为giu，u表示第u个气温监测点的编号，u＝1,2,...,v；
将各目标山坡中各降雨量监测点的降雨量和各目标山坡中各气温监测点的气温代入公式
得到各目标山坡的气象影响系数κi，其中f设表示预设的目标山坡降雨量阈值，g设表示预设的目标山坡气温参考值，Δg设表示预设的目标山坡气温允许误差，λ1、λ2分别表示预设的目标山坡降雨量和气温的权重因子。
8.根据权利要求1所述的一种基于数字孪生技术的地质灾害智能监测云平台，其特征在于：所述目标山坡灾害预测评估模块的具体分析过程为：
将各目标山坡的地质隐患系数γi和各目标山坡的气象影响系数κi代入公式
得到各目标山坡的灾害预测指数ξi，其中ψ表示预设的目标山坡的气象影响系数的补偿因子，ζ表示预设的目标山坡的灾害预测指数修正因子，e表示自然常数；
将各目标山坡的灾害预测指数与预设的目标山坡的灾害预测指数阈值进行比较，若某目标山坡的灾害预测指数大于预设的目标山坡的灾害预测指数阈值，则将该目标山坡记为预测灾害风险山坡，统计得到各预测灾害风险山坡的编号，并将各预测灾害风险山坡的编号发送至灾害监测云平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210947481.1A CN115311821B (zh) | 2022-08-09 | 2022-08-09 | 一种基于数字孪生技术的地质灾害智能监测云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210947481.1A CN115311821B (zh) | 2022-08-09 | 2022-08-09 | 一种基于数字孪生技术的地质灾害智能监测云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115311821A true CN115311821A (zh) | 2022-11-08 |
| CN115311821B CN115311821B (zh) | 2023-12-01 |
Family
ID=83860160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210947481.1A Active CN115311821B (zh) | 2022-08-09 | 2022-08-09 | 一种基于数字孪生技术的地质灾害智能监测云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311821B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116222670A (zh) * | 2023-05-08 | 2023-06-06 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
| CN116542517A (zh) * | 2023-05-06 | 2023-08-04 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于三维可视化的矿山智慧监测管理*** |
| CN116612609A (zh) * | 2023-07-21 | 2023-08-18 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及*** |
| CN116952943A (zh) * | 2023-09-19 | 2023-10-27 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量*** |
| CN117196319A (zh) * | 2023-11-02 | 2023-12-08 | 合肥优尔电子科技有限公司 | 一种电网风险辨识分析方法、***及存储介质 |
| CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理*** |
| CN117764402A (zh) * | 2024-02-22 | 2024-03-26 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
| CN118114006A (zh) * | 2024-04-29 | 2024-05-31 | 应急管理部国家自然灾害防治研究院 | 基于多源数据融合的地质信息数据处理方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113554849A (zh) * | 2021-08-09 | 2021-10-26 | 广东智云工程科技有限公司 | 一种空天地监测边坡***及其失稳风险评估方法 |
| CN114399889B (zh) * | 2022-01-24 | 2023-11-03 | 桂林理工大学 | 一种岩土边坡地质灾害预警*** |
-
2022
- 2022-08-09 CN CN202210947481.1A patent/CN115311821B/zh active Active
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542517A (zh) * | 2023-05-06 | 2023-08-04 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于三维可视化的矿山智慧监测管理*** |
| CN116542517B (zh) * | 2023-05-06 | 2024-05-03 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于三维可视化的矿山智慧监测管理*** |
| CN116222670A (zh) * | 2023-05-08 | 2023-06-06 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
| CN116222670B (zh) * | 2023-05-08 | 2023-07-21 | 山东交通学院 | 一种城市绿地规划用生态景观边坡监测方法 |
| CN116612609A (zh) * | 2023-07-21 | 2023-08-18 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及*** |
| CN116612609B (zh) * | 2023-07-21 | 2023-11-03 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及*** |
| CN116952943B (zh) * | 2023-09-19 | 2023-12-08 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量*** |
| CN116952943A (zh) * | 2023-09-19 | 2023-10-27 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种基于倾斜摄影的林地坡面土壤侵蚀测量*** |
| CN117196319A (zh) * | 2023-11-02 | 2023-12-08 | 合肥优尔电子科技有限公司 | 一种电网风险辨识分析方法、***及存储介质 |
| CN117196319B (zh) * | 2023-11-02 | 2024-01-19 | 合肥优尔电子科技有限公司 | 一种电网风险辨识分析方法、***及存储介质 |
| CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理*** |
| CN117473791B (zh) * | 2023-12-22 | 2024-03-29 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理*** |
| CN117764402A (zh) * | 2024-02-22 | 2024-03-26 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
| CN117764402B (zh) * | 2024-02-22 | 2024-05-14 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
| CN118114006A (zh) * | 2024-04-29 | 2024-05-31 | 应急管理部国家自然灾害防治研究院 | 基于多源数据融合的地质信息数据处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115311821B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115311821A (zh) | 一种基于数字孪生技术的地质灾害智能监测云平台 | |
| CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
| CN110427857B (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
| Johns et al. | Continuous, array-based estimates of Atlantic Ocean heat transport at 26.5 N | |
| Bartley et al. | A sediment budget for a grazed semi-arid catchment in the Burdekin basin, Australia | |
| Melching et al. | A reliability estimation in modeling watershed runoff with uncertainties | |
| Gillin et al. | Evaluation of LiDAR-derived DEMs through terrain analysis and field comparison | |
| CN110610285A (zh) | 一种地下金属矿采空区危险度分级评价方法 | |
| CN110310021B (zh) | 一种用于基坑监测预警的场地环境与监测点匹配*** | |
| CN115311828B (zh) | 基于数字孪生的水下工程结构智能检测方法及*** | |
| Porto | Exploring the effect of different time resolutions to calculate the rainfall erosivity factor R in Calabria, southern Italy | |
| CN112966856A (zh) | 一种山洪风险预测方法及预测*** | |
| CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
| CN101158576A (zh) | 内置程序式电子经纬仪角规自动立体测树技术 | |
| WO2015154638A1 (zh) | 一种料场重量检测方法及*** | |
| CN116434475A (zh) | 一种基于降雨强度与地表位移变化率的滑坡预警方法 | |
| CN114495428A (zh) | 一种滑坡灾害早期预警方法及*** | |
| CN115169982A (zh) | 一种公路工程隧道围岩稳定性智能监测评价分析*** | |
| CN109633790B (zh) | 自然流域划分法中确定子流域降雨量时空分布的方法 | |
| CN115203625A (zh) | 一种旱涝指数数据缺失值插补方法及其插补装置 | |
| CN107507396A (zh) | 一种降雨型滑坡危险性三维多点位多指标的预警方法 | |
| Zou et al. | The sea-level changes in Hong Kong from tide-gauge records and remote sensing observations over the last seven decades | |
| CN106932842A (zh) | 一种基于伽玛全谱方法的降雨定量信息化实时监测方法 | |
| CN117423213A (zh) | 一种滑坡灾害监测***及方法 | |
| CN113006872A (zh) | 一种矿井通风网络关键分支风量监测装置及校正方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231110 Address after: 839000 Xingsheng Opencast Coal Mine Office Building 1-105, Naomaohu Mining Area, Yiwu County, Hami City, Xinjiang Uygur Autonomous Region Applicant after: Xinjiang Xinjiang Xinjiang Na Mining Co.,Ltd. Address before: 430040 No. 366, linkanggang Avenue, Dongxihu District, Wuhan City, Hubei Province Applicant before: Wuhan yitelanrui Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |