CN115376283B - 一种基于多元数据融合的监测预警方法及*** - Google Patents
一种基于多元数据融合的监测预警方法及*** Download PDFInfo
- Publication number
- CN115376283B CN115376283B CN202211009698.4A CN202211009698A CN115376283B CN 115376283 B CN115376283 B CN 115376283B CN 202211009698 A CN202211009698 A CN 202211009698A CN 115376283 B CN115376283 B CN 115376283B
- Authority
- CN
- China
- Prior art keywords
- data
- slope
- early warning
- monitoring
- dimensional
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 238000006073 displacement reaction Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims description 27
- 239000002245 particle Substances 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000002474 experimental method Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005553 drilling Methods 0.000 claims description 3
- 230000003204 osmotic effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明涉及地质灾害监测预警技术领域,公开了一种基于多元数据融合的监测预警方法,包括建立三维边坡数值模型;设置传感器采集边坡监测点数据,架设摄像头采集地质信息进行三维图像识别;将获取到的各项数据进行反演校正;实时输入降雨量进行分析处理,输出位移结果A;利用三维图像识别数据建立三维监测模型,计算出活动区域的位移结果B;判断三维边坡模型的位移相似度是否符合要求,若符合则进行边坡变形预测;根据位移切线角进行预警预报,划定警戒阶段,对居民进行报警提醒。本发明融合现场监测数据、数值模拟数据以及图像识别数据,可对滑坡进行“点‑面‑体”式监测、演化机理分析、三维模型可视化、破坏趋势预测和预警。
Description
技术领域
本发明涉及地质灾害监测预警技术领域,尤其是涉及一种基于多元数据融合的监测预警方法及***。
背景技术
监测预警作为有效减缓地质灾害的重要措施之一,不断得到学者们的广泛关注,在现场测量与监测方面,众多学者采用位移传感器、测斜仪、含水量传感器、孔隙水压传感器等监测仪器配合物联网技术、GNSS技术实现对边坡的监测,这些监测设备提高了监测效率。但是,此类传感器设备为点式监测,无法实现边坡的全面覆盖,监测数据来源于各个散落安装的传感器,非传感器安装点位没有相关的监测信息。
在边坡预测与预警方面,大多数学者采用基于监测参量阈值的方法进行预测预警,例如速度阈值、加速度阈值、位移阈值、降雨量阈值,可以实时对边坡进行预警预测。但是,使用监测数据对边坡进行预警只能获取边坡发生滑坡后的信息,无法得到导致边坡变形的根本原因,对边坡致灾演化过程不明确,不能有效的对边坡灾害进行预防。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出了一种基于多元数据融合的监测预警方法及***。
根据本发明第一方面实施例的基于多元数据融合的监测预警方法,其中包括:
步骤S1:进行地质勘探,掌握边坡高程数据、水文数据、结构数据以及裂隙数据;
步骤S2:在室内布置试验场景并进行试验,获取边坡岩土物理力学参数;
步骤S3:在边坡监测点设置若干个传感器采集边坡监测点的含水率数据、土压力数据以及降雨量数据,同时布置三个摄像头形成三目视觉设备,利用三目视觉设备采集边坡地质信息进行模型重建和变形区域图像识别;
步骤S4:利用地质勘探得到的边坡高程数据、水文数据、结构数据与裂隙数据建立边坡三维数值模型;
步骤S5:利用室内试验进行边坡三维数值模型的宏细观参数标定,校验边坡三维数值模型准确性;
步骤S6:将获取到的含水率数据、土压力数据以及渗压数据输入至三维边坡数值模型中再次进行反演校正,完成边坡三维数值模型校验;
步骤S7:在校验后的三维边坡数值模型中实时输入降雨量数据进行分析处理,输出位移结果A;
步骤S8:利用变形区域图像识别相同降雨条件下的位移结果B;
步骤S9:将位移结果B与三维边坡数值模型模拟得到的位移结果A进行对比,判断位移相似度是否符合≥85%的要求,若不符合要求,则跳转至步骤S5,若位移相似度符合要求,则跳转至步骤S10,
步骤S10:利用此三维边坡数值进行预测,输入实时降雨数据,得到位移-时间曲线,进而使用位移切线角阈值进行预警;
步骤S11:完成基于多元数据融合的监测预警方法。
根据本发明实施例的基于多元数据融合的监测预警方法,融合了三维图像识别技术和三维数值模拟技术,拥有机理分析、“点-面-体式”监测、趋势预测、三维可视化、预警等功能引入三维图像识别技术。通过对边坡整体进行监测,结合各类地质传感器,达到了“点-面-体”式监测相结合的目的,它比单点监测更全面、直观的显示边坡变形状态,结合监测点的异常信息,为边坡机理分析、预测预警提供更好的数据支撑。同时采用数值模拟技术建立边坡数值模型,可以快速得到边坡变形机理,利用验证后的边坡数值模型,可以准确预测未来边坡的变形趋势。通过数值模拟和图像识别技术的融合,各个预警技术之间相辅相成,协同调度监测,实现了边坡三维可视化功能,呈现了监测点的异常状态,识别了边坡变形的区域,得到了边坡变形后的几何形状,此功能提供给决策者更加直观、动态的信息。
根据本发明的一些实施例,所述步骤S1中包括如下内容:
利用无人机飞行、遥感影像等得到边坡高程数据;
利用现场测量得到当地水文气候数据以及边坡裂隙数据;
利用钻孔方法得到边坡岩层、土层数据;便于采集边坡现场多元数据。
根据本发明的一些实施例,所述步骤S2中包括如下内容:
进行室内直剪试验,获取边坡土样的抗剪强度;
进行土壤比重计实验,获取土壤颗粒比重;
进行渗流实验,求解土样的渗透系数,比较渗透系数与降雨强度;
进行粒径筛分实验,获取边坡粒径组成;便于采集多元数据进行模型校验。
根据本发明的一些实施例,所述步骤S3中包括以下内容:
传感器包括雨量计、土压力计、含水率传感器、渗压计,便于采集多元数据,更有利于提高测量的准确性。
摄像机总数为三个,呈水平共线排列,用摄像机拍摄的三个方向图片进行模型重建,进而进行图像识别得到边坡变形区域,输出位移结果。
根据本发明的一些实施例,所述步骤S4中包括以下内容:使用地质勘探得到的数据输入PFC(Particle Flow Code)3D计算软件中建立三维边坡模型。
根据本发明的一些实施例,所述步骤S10中,使用切线角阈值进行预警包括设置预警指标,所述预警指标包括:
当切线角α的大小为:0<α<45°,此时处于安全阶段,不需要警戒;
当切线角α的大小为:α=45°,此时处于注意阶段,需要注意警戒;
当切线角α的大小为:α>45°,此时处于预警阶段,需要警戒预警。
当切线角α的大小为:45<α≤80°,此时处于黄色预警的初加速阶段;
当切线角α的大小为:80<α≤85°,此时处于橙色预警的中加速阶段;
当切线角α的大小为:α>85°,此时处于红色预警的临滑阶段,便于根据降雨条件判断是否选择警戒,保障居民居住安全性。
根据本发明第二方面实施例的基于多元数据融合的监测预警***,采用上述的方法对边坡进行监测预警,包括数据采集模块,用于采集边坡降雨信息;
三维边坡数值模型模块,用于输入降雨信息后得到位移结果A;
判断预警模块,利用变形区域图像识别相同降雨条件下的位移结果B,比较位移结果A和位移结果B,进行预测和预警。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中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是根据本发明实施例的一种基于多元数据融合的监测预警方法流程图。
具体实施方式
下面详细描述本发明的实施例,参考附图描述的实施例是示例性的,应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例1
如图1所示,本实施例提供一种基于多元数据融合的监测预警方法,其中,包括:
步骤S1:进行地质勘探,掌握边坡高程数据、水文数据、结构数据以及裂隙数据,其包括如下内容:
利用无人机飞行、遥感影像等得到边坡高程数据;
利用现场测量得到当地水文气候数据以及边坡裂隙数据;
利用钻孔方法得到边坡岩层、土层数据;
步骤S2:在室内布置试验场景并进行试验,获取边坡岩土物理力学参数,其包括如下内容:
进行室内直剪试验,获取边坡土样的抗剪强度;
进行土壤比重计实验,获取土壤颗粒比重;
进行渗流实验,求解土样的渗透系数,比较渗透系数与降雨强度;
进行粒径筛分实验,获取边坡粒径组成;
步骤S3:在边坡监测点设置若干个传感器采集边坡监测点的含水率数据、土压力数据以及降雨量数据,同时布置三个摄像头形成三目视觉设备,利用三目视觉设备采集边坡地质信息进行模型重建和变形区域图像识别;
步骤S4:利用地质勘探得到的边坡高程数据、水文数据、结构数据与裂隙数据建立边坡三维数值模型,具体为将上述模拟数据导入理想元软件中,在理想元软件中建立三维边坡模型;
步骤S5:利用室内试验进行边坡三维数值模型的宏细观参数标定,校验边坡三维数值模型准确性;
步骤S6:将获取到的含水率数据、土压力数据以及渗压数据输入至三维边坡数值模型中再次进行反演校正,完成边坡三维数值模型校验;
步骤S7:在校验后的三维边坡数值模型中实时输入降雨量数据进行分析处理,输出位移结果A;
步骤S8:利用变形区域图像识别相同降雨条件下的位移结果B;
步骤S9:将位移结果B与三维边坡数值模型模拟得到的位移结果A进行对比,判断位移相似度是否符合≥85%的要求,若不符合要求,则跳转至步骤S5,若位移相似度符合要求,则跳转至步骤S10,
步骤S10:利用此三维边坡数值进行预测,输入实时降雨数据,得到位移-时间曲线,进而使用位移切线角阈值进行预警,具体地,在步骤S10中,使用切线角阈值进行预警包括设置预警指标,所述预警指标包括:
当切线角α的大小为:0<α<45°,此时处于安全阶段,不需要警戒;
当切线角α的大小为:α=45°,此时处于注意阶段,需要注意警戒;
当切线角α的大小为:α>45°,此时处于预警阶段,需要警戒预警。
当切线角α的大小为:45<α≤80°,此时处于黄色预警的初加速阶段;
当切线角α的大小为:80<α≤85°,此时处于橙色预警的中加速阶段;
当切线角α的大小为:α>85°,此时处于红色预警的临滑阶段;
步骤S11:完成基于多元数据融合的监测预警方法。
在本实施例中,具体地,所述步骤S3中包括传感器包括雨量计、土压力计、含水率传感器、渗压计;摄像机总数为三个,呈水平共线排列,用摄像机拍摄的三个方向图片进行模型重建,进而进行图像识别得到边坡变形区域,输出位移结果。
在本实施例中,具体地,所述步骤S4中包括以下内容:使用地质勘探得到的数据输入PFC(Particle Flow Code)3D计算软件中建立三维边坡模型。
本发明提供另一实施例,一种基于多元数据融合的监测预警***,采用上述的方法对边坡进行监测预警,包括数据采集模块,用于采集边坡降雨信息;
三维边坡数值模型模块,用于输入降雨信息后得到位移结果A;
判断预警模块,利用变形区域图像识别相同降雨条件下的位移结果B,比较位移结果A和位移结果B,进行预测和预警。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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,因此不能理解为对发明的限制。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或者特性可以包含在本实施例申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是相同的实施例,也不是与其它实施例互斥的独立的或是备选的实施例。本领域技术人员可以显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种基于多元数据融合的监测预警方法,其特征在于,包括:
步骤S1:进行地质勘探,掌握边坡高程数据、水文数据、结构数据以及裂隙数据;
步骤S2:在室内布置试验场景并进行试验,获取边坡岩土物理力学参数,具体包括:
进行室内直剪试验,获取边坡土样的抗剪强度;
进行土壤比重计实验,获取土壤颗粒比重;
进行渗流实验,求解土样的渗透系数,比较渗透系数与降雨强度;
进行粒径筛分实验,获取边坡粒径组成;
步骤S3:在边坡监测点设置若干个传感器采集边坡监测点的含水率数据、土压力数据以及降雨量数据,同时布置三个摄像头形成三目视觉设备,利用三目视觉设备采集边坡地质信息进行模型重建和变形区域图像识别;
步骤S4:利用地质勘探得到的边坡高程数据、水文数据、结构数据与裂隙数据建立边坡三维数值模型;
步骤S5:利用室内试验进行边坡三维数值模型的宏细观参数标定,校验边坡三维数值模型准确性;
步骤S6:将获取到的含水率数据、土压力数据以及渗压数据输入至三维边坡数值模型中再次进行反演校正,完成边坡三维数值模型校验;
步骤S7:在校验后的三维边坡数值模型中实时输入降雨量数据进行分析处理,输出位移结果A;
步骤S8:利用变形区域图像识别相同降雨条件下的位移结果B;
步骤S9:将位移结果B与三维边坡数值模型模拟得到的位移结果A进行对比,判断位移相似度是否符合≥85%的要求,若不符合要求,则跳转至步骤S5,若位移相似度符合要求,则跳转至步骤S10,
步骤S10:利用此三维边坡数值进行预测,输入实时降雨数据,得到位移-时间曲线,进而使用位移切线角阈值进行预警,其中使用切线角阈值进行预警包括设置预警指标,所述预警指标包括:
当切线角α的大小为:0<α<45°,此时处于安全阶段,不需要警戒;
当切线角α的大小为:α=45°,此时处于注意阶段,需要注意警戒;
当切线角α的大小为:α>45°,此时处于预警阶段,需要警戒预警;
当切线角α的大小为:45<α≤80°,此时处于黄色预警的初加速阶段;
当切线角α的大小为:80<α≤85°,此时处于橙色预警的中加速阶段;
当切线角α的大小为:α>85°,此时处于红色预警的临滑阶段;
步骤S11:完成基于多元数据融合的监测预警方法。
2.根据权利要求1所述的一种基于多元数据融合的监测预警方法,其特征在于,所述步骤S1中包括如下内容:
利用无人机飞行、遥感影像等得到边坡高程数据;
利用现场测量得到当地水文气候数据以及边坡裂隙数据;
利用钻孔方法得到边坡岩层、土层数据。
3.根据权利要求1所述的一种基于多元数据融合的监测预警方法,其特征在于,
所述步骤S3中包括以下内容:
传感器包括雨量计、土压力计、含水率传感器、渗压计。
4.根据权利要求1所述的一种基于多元数据融合的监测预警方法,其特征在于,所述步骤S3中包括以下内容:
摄像机总数为三个,呈水平共线排列,用摄像机拍摄的三个方向图片进行模型重建,进而进行图像识别得到边坡变形区域,输出位移结果。
5.根据权利要求1所述的一种基于多元数据融合的监测预警方法,其特征在于,所述步骤S4中包括以下内容:使用地质勘探得到的数据输入PFC(Particle Flow Code)3D计算软件中建立三维边坡模型。
6.一种基于多元数据融合的监测预警***,采用权利要求1-5中任一项所述的方法对边坡进行监测预警,包括数据采集模块,用于采集边坡降雨信息;
三维边坡数值模型模块,用于输入降雨信息后得到位移结果A;
判断预警模块,利用变形区域图像识别相同降雨条件下的位移结果B,比较位移结果A和位移结果B,进行预测和预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009698.4A CN115376283B (zh) | 2022-08-23 | 2022-08-23 | 一种基于多元数据融合的监测预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009698.4A CN115376283B (zh) | 2022-08-23 | 2022-08-23 | 一种基于多元数据融合的监测预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115376283A CN115376283A (zh) | 2022-11-22 |
CN115376283B true CN115376283B (zh) | 2023-11-28 |
Family
ID=84068073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211009698.4A Active CN115376283B (zh) | 2022-08-23 | 2022-08-23 | 一种基于多元数据融合的监测预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115376283B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578845B (zh) * | 2022-11-24 | 2023-04-07 | 西南交通大学 | 一种边坡后缘裂缝预警方法、装置、设备及可读存储介质 |
CN117473624B (zh) * | 2023-11-16 | 2024-07-05 | 江西理工大学 | 数值模型参数更新方法、***、存储介质及计算机设备 |
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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968884A (zh) * | 2012-12-04 | 2013-03-13 | 中铁二十一局集团有限公司 | 滑面法高边坡稳定性远程三维数字预警方法与预警*** |
CN103077585A (zh) * | 2013-01-09 | 2013-05-01 | 中铁二十一局集团有限公司 | 高边坡综合稳定性远程三维数字安全预警方法与*** |
CN104881583A (zh) * | 2015-06-04 | 2015-09-02 | 唐晓松 | 一种多手段、动态、全过程滑坡预警方法 |
CN108510112A (zh) * | 2018-03-19 | 2018-09-07 | 东北大学 | 一种现场监测与数值模拟相结合的矿山灾害预测预警方法 |
CN110749723A (zh) * | 2019-11-05 | 2020-02-04 | 国家电网有限公司 | 一种降雨作用下高压输电杆塔基础滑坡物理模型试验方法 |
CN110927360A (zh) * | 2019-11-29 | 2020-03-27 | 成都理工大学 | 基于降雨渗流路径和含水率变化的斜坡稳定动态评价方法 |
CN112541665A (zh) * | 2020-12-08 | 2021-03-23 | 鞍钢集团矿业有限公司 | 一种基于多源信息融合的边坡稳定性精细化评价方法 |
CN114067533A (zh) * | 2021-11-27 | 2022-02-18 | 四川大学 | 一种地质灾害摄影监测预警方法 |
CN114863643A (zh) * | 2022-04-25 | 2022-08-05 | 浙江科技学院 | 一种基于gis区域降雨型滑坡早期预警方法 |
-
2022
- 2022-08-23 CN CN202211009698.4A patent/CN115376283B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968884A (zh) * | 2012-12-04 | 2013-03-13 | 中铁二十一局集团有限公司 | 滑面法高边坡稳定性远程三维数字预警方法与预警*** |
CN103077585A (zh) * | 2013-01-09 | 2013-05-01 | 中铁二十一局集团有限公司 | 高边坡综合稳定性远程三维数字安全预警方法与*** |
CN104881583A (zh) * | 2015-06-04 | 2015-09-02 | 唐晓松 | 一种多手段、动态、全过程滑坡预警方法 |
CN108510112A (zh) * | 2018-03-19 | 2018-09-07 | 东北大学 | 一种现场监测与数值模拟相结合的矿山灾害预测预警方法 |
CN110749723A (zh) * | 2019-11-05 | 2020-02-04 | 国家电网有限公司 | 一种降雨作用下高压输电杆塔基础滑坡物理模型试验方法 |
CN110927360A (zh) * | 2019-11-29 | 2020-03-27 | 成都理工大学 | 基于降雨渗流路径和含水率变化的斜坡稳定动态评价方法 |
CN112541665A (zh) * | 2020-12-08 | 2021-03-23 | 鞍钢集团矿业有限公司 | 一种基于多源信息融合的边坡稳定性精细化评价方法 |
CN114067533A (zh) * | 2021-11-27 | 2022-02-18 | 四川大学 | 一种地质灾害摄影监测预警方法 |
CN114863643A (zh) * | 2022-04-25 | 2022-08-05 | 浙江科技学院 | 一种基于gis区域降雨型滑坡早期预警方法 |
Non-Patent Citations (2)
Title |
---|
3D visualization monitoring and early warning system of a tailings dam-gold copper mine tailings dam in zijinshan, fujian, China;wen nie et al.;《Front. Earth Sci.》;第10卷;第1-14页 * |
基于无限边坡算法的降雨型滑坡预警***的模型试验研究;王俊,黄润秋,聂闻,苏小鹏;《岩土力学》;第35卷(第12期);第3503-3510页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115376283A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115376283B (zh) | 一种基于多元数据融合的监测预警方法及*** | |
WO2023061039A1 (zh) | 基于物联网的尾矿库风险监测预警*** | |
CN104567708B (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
CN104670155B (zh) | 基于云端车联网的车辆防盗报警*** | |
CN108489403B (zh) | 基于三维激光扫描的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN102496232B (zh) | 一种输电设施监控方法及*** | |
CN111415533B (zh) | 弯道安全预警监控方法、装置以及*** | |
Dell’Acqua et al. | Post-event only VHR radar satellite data for automated damage assessment | |
CN108107462A (zh) | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 | |
CN112289006B (zh) | 山体滑坡风险监测预警方法和*** | |
CN112150769A (zh) | 一种基于大数据的地质灾害岩体崩塌智能监测预警*** | |
CN114663501A (zh) | 基于特征码图像位姿检测的地质灾害预警方法 | |
CN110796360A (zh) | 一种固定型交通检测源多尺度数据融合方法 | |
CN117133099A (zh) | 一种用于高速公路高边坡灾变的自动监测*** | |
KR101274200B1 (ko) | 태풍을 포함하는 저기압 접근 시 재해기상의 시공간적 분포 검색 시스템 | |
Motayyeb et al. | Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades | |
CN114036866A (zh) | 一种城市风况仿真模型的训练方法及装置 | |
CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查***及其排查方法 | |
Lydon et al. | Development and testing of a composite system for bridge health monitoring utilising computer vision and deep learning | |
Abdelmaboud et al. | Hybrid early warning system for rock-fall risks reduction | |
CN114782846B (zh) | 一种灾后救援引导***及方法 | |
CN113255820B (zh) | 落石检测模型训练方法、落石检测方法及相关装置 | |
Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake‐Damaged Structures Using UAV‐Based Photogrammetry | |
CN110411686A (zh) | 桥梁静动影像全息性态健康监测诊断方法及*** | |
CN116256016A (zh) | 一种建筑结构体系全过程健康监测*** |
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 |