CN115376284B - 基于表面及深部位移监测下的滑面辨识和滑坡预警方法 - Google Patents
基于表面及深部位移监测下的滑面辨识和滑坡预警方法 Download PDFInfo
- Publication number
- CN115376284B CN115376284B CN202211010677.4A CN202211010677A CN115376284B CN 115376284 B CN115376284 B CN 115376284B CN 202211010677 A CN202211010677 A CN 202211010677A CN 115376284 B CN115376284 B CN 115376284B
- Authority
- CN
- China
- Prior art keywords
- displacement
- early warning
- moment
- landslide
- random variable
- 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
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
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明提供一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,首先获取边坡各监测点位移的监测数据,然后对所获取时段内的表面及深部位移监测点监测数据进行处理,最后基于假设检验原理,采用Lilliefors检验方法对监测数据进行正态性检验,得到滑坡的二级预警时刻、一级预警时刻和预警滑面。本发明基于假设检验原理,采用Lilliefors检验方法对露天煤矿表面及深部位移监测数据生成的随机变量进行正态性检验,可实现滑坡分级预警及滑面超前辨识,克服了现有方法在露天煤矿滑体预警和滑面辨识流程繁琐、操作复杂等的不足,同时能够为露天矿边坡工程设计、安全实施和防灾措施的布置提供科学依据。
Description
技术领域
本发明涉及露天开采技术领域,尤其涉及一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法。
背景技术
边坡作为人工开挖的产物,若在滑坡发生前能辨识滑面和进行预警,对其采取有效的控制措施,可规避大型滑坡的发生。在监测实践中,边坡位移变化是边坡岩土体在时空演化过程中反馈出来的关键信息,最能体现边坡运动的状态与发展趋势。在过去的几十年,不少研究人员基于表面位移和深部位移的预警指标来判断滑面位置,评价边坡稳定性,揭示滑坡机理和滑坡模式,预测边坡深部位移趋势性发展,已在一些重大滑坡监测工程中取得了卓有成效的应用。总体上,基于边坡表面和深部位移的监测应用越来越广泛,但鲜有文献同时兼顾二者进行滑坡分析,尤其是实现滑面超前辨识与滑坡精准化预警,发出预警而不发生滑坡的现象普遍存在且频频发生。因此对于露天煤矿滑面辨识和滑坡预警方法的研究,目前已成为采矿工程和岩石力学工作者亟待解决的难题。
发明内容
针对上述现有技术的不足,本发明提供一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法。
为解决上述技术问题,本发明所采取的技术方案是:一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,包括如下步骤:
步骤1:获取边坡各监测点位移的监测数据;
步骤2:对所获取时段内的表面及深部位移监测点监测数据进行处理,包括:
步骤2.1:计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai;
式中,ΔS为某一时段的累计位移,d为该时段总时间,Δv为某一时段的位移速度;
步骤2.2:计算深部各监测点等间隔时段的位移错动量ui:
ui=hi-hi+1
式中,hi+1为某一时刻第i+1个深度的累计位移,hi为某一时刻第i个深度的累计位移;步骤3:基于假设检验原理,采用Lilliefors检验方法对监测数据进行正态性检验,得到滑坡的二级预警时刻、一级预警时刻和预警滑面,包括:
对表面监测点的位移速度值进行检验,得到滑坡的二级预警时刻;具体表示为:首先将前x个位移速度值{v1,…,vx}视为第一个随机变量X1,对其进行正态性检验,若检验结果为真,则X1服从正态分布,边坡该时段处于等速蠕变阶段;继续纳入下一个位移速度值vx+1,根据{v1,…,vx+1}生成第二个随机变量X2,对其进行正态性检验;若检验结果为真,继续令x加1直到纳入第i个位移速度值vi,生成第i-x个随机变量Xi-x,检验结果为假,则说明Xi-x不服从正态分布,边坡在ti-1~ti时刻之间进入加速变形阶段,将第i-1个位移速度值对应的时刻ti-1作为二级预警时刻;
对表面监测点的位移加速度值进行检验,得到滑坡的一级预警时刻;具体表述为:首先将ti-1时刻之前的数据删除,将ti时刻位移加速度值作为第一个数据;对位移加速度值所生成的随机变量进行正态性检验,若检验结果为真,则其服从正态分布,继续纳入下一个位移加速度值,对其进行正态性检验,直到纳入第j个位移加速度值aj,生成随机变量Yj,若检验结果为假,则说明随机变量Yj不服从正态分布,边坡在tj-1~tj时刻之间进入临滑阶段,将第j-1个位移加速度值对应的时刻tj-1作为一级预警时刻;
对深部监测点的位移错动量进行检验,得到预警滑面;具体表述为:首先在第一个时刻的监测数据中,选取前z个位移错动量{u1,…,uz}视为第一个随机变量Z1,对其进行正态性检验,若检验结果为真,则Z1服从正态分布,边坡处于等速变形阶段,继续纳入下一个位移错动量uz+1,根据{u1,…,uz+1}生成第二个随机变量Z2,对其进行正态性检验,当纳入最后一个位移错动量生成的随机变量检验结果为真时,则第一个时刻的边坡的位移错动量服从正态分布,边坡处于等速变形阶段,则继续对下一时刻的监测数据进行正态性检验,直到在第n个时刻中,当纳入第k个位移错动量uk,生成第k-z个随机变量Zk-z经正态性检验结果为假时,则说明Zk-z不服从正态分布,将第k-1个位移错动量对应的深度hk-1作为预警滑面,第n个时刻作为预警时间。
采用上述技术方案所产生的有益效果在于:本发明提供的方法是基于假设检验原理,采用Lilliefors检验方法对露天煤矿表面及深部位移监测数据生成的随机变量进行正态性检验,可实现滑坡分级预警及滑面超前辨识。本方法克服了现有方法在露天煤矿滑体预警和滑面辨识流程繁琐、操作复杂等的不足,同时能够为露天矿边坡工程设计、安全实施和防灾措施的布置提供科学依据。
附图说明
图1为本发明实施例中东帮表面监测***分布示意图;
图2为本发明实施例中东帮深部监测***分布示意图;
图3为本发明实施例中流程图;
图4为本发明实施例中钻孔59025不同监测下日期累计位移与深度的关系曲线;
图5为本发明实施例中钻孔59025不同监测日期下错动量与深度的关系曲线;
图6为本发明实施例中钻孔59025的预警滑面位置与弱层位置示意。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例中,位于内蒙古内的某露天煤矿东帮曾发生过多次大变形现象,因此在东帮表面和深部布置有监测***,如图1所示为表面监测点布置图,图2为深部监测点布置图。该露天煤矿于2020年4月30日发生滑坡,选取监测时段为2020年4月1日至2020年4月30日的监测数据,表1为监测点东帮640在该时段内的水平方向监测结果。
表1监测点东帮640水平方向监测结果
如图3所示,本实施例中一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法如下所述。
步骤1:对边坡体表面及深部布置位移监测***,获取边坡各监测点位移的监测数据;在各个监测点安装位移传感器,位移传感器连接控制器,通过位移传感器采集各监测点的位移数据,然后传输给控制器上传监测到的位移数据。
步骤2:对所获取时段内的表面及深部位移监测点监测数据进行处理,包括:
步骤2.1:计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai;
ΔS为某一时段的累计位移,d为该时段总时间,Δv为某一时段的位移速度。
本实施例中,以监测点东帮640为例,计算了监测点每天的位移速度值,如表1。
步骤2.2:计算深部各监测点等间隔时段的位移错动量{ui}。
ui=hi-hi+1
hi+1为某一时刻第i+1个深度的累计位移,hi为某一时刻第i个深度的累计位移。
本实施例中,以钻孔点59025为例,如图4所示为其在五个监测日期下累计位移与深度的关系曲线。并计算了其五个监测日期的位移错动量如图5所示。
步骤3:基于假设检验原理,采用Lilliefors检验方法对监测数据进行正态性检验,得到滑坡的二级预警时刻、一级预警时刻和预警滑面,包括:
步骤3.1:对表面监测点的位移速度值进行检验,首先将前x个位移速度值{v1,…,vx}视为第一个随机变量X1,对其进行正态性检验,若检验结果为真,则X1服从正态分布,边坡该时段处于等速蠕变阶段。继续纳入下一个位移速度值vx+1,根据{v1,…,vx+1}生成第二个随机变量X2,对其进行正态性检验……直到纳入第i个位移速度值vi,生成第i-x个随机变量Xi-x,检验结果为假,则说明Xi-x不服从正态分布,边坡在ti~ti-1时刻进入加速变形阶段。将第i-1个位移速度值对应的时刻ti-1作为二级预警时刻;
本实施例中,以监测点东帮640为例,说明正态检验过程,首先选取监测点在2020年4月1日~2020年4月10日时间段的水平位移速度构成一组随机变量X1,对其进行正态检验,检验结果为真;依次纳入新的位移速度值,对新生成的随机变量进行检验,截止到2020年4月19日,每组新生成的随机变量(X2-X10)均服从正态分布;当把2020年4月20日的位移速度值纳入时,检验结果为假,则说明X11不服从正态分布,将第19个位移速度值对应的时刻t19即2020年4月19日作为监测点640的二级预警时刻。
步骤3.2:对表面监测点的位移加速度值进行检验,首先将ti-1时刻之前的数据删除,将ti时刻位移加速度值作为第一个数据,同理,对位移加速度值所生成的随机变量进行正态性检验,若检验结果为真,则其服从正态分布,继续纳入下一个位移加速度值,对其进行正态性检验……直到纳入第j个位移加速度值aj,生成随机变量Yj,检验结果为假,则说明Yj不服从正态分布,边坡进入临滑阶段。将第j-1个位移加速度值对应的时刻tj-1作为一级预警时刻;
同理,本实施例中,对监测点640的位移加速度进行分析,首先将2020年4月19日之前的监测数据删除,对2020年4月19日之后的数据计算位移加速度,将水平位移加速度构成的随机变量进行正态性检验,纳入2020年4月27日位移加速度值生成的随机变量进行正态性检验,检验结果为真,当纳入2020年4月28日的加速度值生成新的随机变量进行检验时,结果为假,该数据为“异常”,则说明新生成的随机变量不服从正态分布,将2020年4月27日作为监测点640的一级预警时刻。表2为各监测点应用滑面辨识和滑坡预警方法识别的两级预警时刻。
表2识别出各表面监测点的两级预警时刻
步骤3.3:对深部监测点的位移错动量进行检验,首先在第一个时刻的监测数据中,选取前z个位移错动量{u1,…,uz}视为第一个随机变量Z1,对其进行正态性检验,若检验结果为真,则Z1服从正态分布,边坡处于等速变形阶段。继续纳入下一个位移错动量uz+1,根据{u1,…,uz+1}生成第二个随机变量Z2,对其进行正态性检验……当纳入最后一个位移错动量生成的随机变量检验结果为真,则第一个时刻的边坡的位移错动量服从正态分布,边坡处于等速变形阶段。则继续对下一时刻的监测数据进行正态性检验……直到在第n个时刻,当纳入第k个位移错动量uk,生成第k-z个随机变量Zk-z经正态性检验结果为假,则说明Zk-z不服从正态分布,将第k-1个位移错动量对应的深度hk-1作为预警滑面,第n个时刻作为预警时间。
本实施例中,以深部钻孔点59025的深部位移监测数据为例,首先对2020年1月7日的位移错动量进行正态性检验,选取5个位移错动量视为第一个随机变量Z1,对其进行正态性检验,检验结果为真,则纳入下一个位移错动量,正态性检验结果为真……纳入最后一个位移错动量,正态性检验结果均为真。同理,依次对2020年1月15日、2020年1月20日、2020年2月8日的位移错动量进行正态性检验,结果均为真。分析2020年2月25日的位移错动量时,当纳入深度10~11m之间的错动量生成的随机变量时检验结果为假,不服从正态分布,即可判定2020年2月25日为深部预警时间,590水平以下11m(579水平)为预警深度。如图6为钻孔59025的预警滑面位置与弱层位置示意。
Claims (2)
1.一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,其特征在于,包括:
步骤1:获取边坡各监测点位移的监测数据;
步骤2:对所获取时段内的表面及深部位移监测点监测数据进行处理;
步骤3:基于假设检验原理,采用Lilliefors检验方法对监测数据进行正态性检验,得到滑坡的二级预警时刻、一级预警时刻和预警滑面;
对表面监测点的位移速度值进行检验,得到滑坡的二级预警时刻;
对表面监测点的位移加速度值进行检验,得到滑坡的一级预警时刻;
对深部监测点的位移错动量进行检验,得到预警滑面;
所述对表面监测点的位移速度值进行检验,得到滑坡的二级预警时刻,具体表示为:首先将前x个位移速度值{v1,…,vx}视为第一个随机变量X1,对其进行正态性检验,若检验结果为真,则X1服从正态分布,边坡该时段处于等速蠕变阶段;继续纳入下一个位移速度值vx+1,根据{v1,…,vx+1}生成第二个随机变量X2,对其进行正态性检验;若检验结果为真,继续令x加1直到纳入第i个位移速度值vi,生成第i-x个随机变量Xi-x,检验结果为假,则说明Xi-x不服从正态分布,边坡在ti-1~ti时刻之间进入加速变形阶段,将第i-1个位移速度值对应的时刻ti-1作为二级预警时刻;
所述对表面监测点的位移加速度值进行检验,得到滑坡的一级预警时刻,具体表示为:首先将ti-1时刻之前的数据删除,将ti时刻位移加速度值作为第一个数据;对位移加速度值所生成的随机变量进行正态性检验,若检验结果为真,则其服从正态分布,继续纳入下一个位移加速度值,对其进行正态性检验,直到纳入第j个位移加速度值aj,生成随机变量Yj,若检验结果为假,则说明随机变量Yj不服从正态分布,边坡在tj-1~tj时刻之间进入临滑阶段,将第j-1个位移加速度值对应的时刻tj-1作为一级预警时刻;
所述对深部监测点的位移错动量进行检验,得到预警滑面,具体表述为:首先在第一个时刻的监测数据中,选取前z个位移错动量{u1,…,uz}视为第一个随机变量Z1,对其进行正态性检验,若检验结果为真,则Z1服从正态分布,边坡处于等速变形阶段,继续纳入下一个位移错动量uz+1,根据{u1,…,uz+1}生成第二个随机变量Z2,对其进行正态性检验,当纳入最后一个位移错动量生成的随机变量检验结果为真时,则第一个时刻的边坡的位移错动量服从正态分布,边坡处于等速变形阶段,则继续对下一时刻的监测数据进行正态性检验,直到在第n个时刻中,当纳入第k个位移错动量uk,生成第k-z个随机变量Zk-z经正态性检验结果为假时,则说明Zk-z不服从正态分布,将第k-1个位移错动量对应的深度hk-1作为预警滑面,第n个时刻作为预警时间。
2.根据权利要求1所述的一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,其特征在于,所述步骤2包括:
步骤2.1:计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai;
式中,ΔS为某一时段的累计位移,d为该时段总时间,Δv为某一时段的位移速度;
步骤2.2:计算深部各监测点等间隔时段的位移错动量ui:
ui=hi-hi+1
式中,hi+1为某一时刻第i+1个深度的累计位移,hi为某一时刻第i个深度的累计位移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211010677.4A CN115376284B (zh) | 2022-08-23 | 2022-08-23 | 基于表面及深部位移监测下的滑面辨识和滑坡预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211010677.4A CN115376284B (zh) | 2022-08-23 | 2022-08-23 | 基于表面及深部位移监测下的滑面辨识和滑坡预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115376284A CN115376284A (zh) | 2022-11-22 |
CN115376284B true CN115376284B (zh) | 2023-08-18 |
Family
ID=84068451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211010677.4A Active CN115376284B (zh) | 2022-08-23 | 2022-08-23 | 基于表面及深部位移监测下的滑面辨识和滑坡预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115376284B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116026267B (zh) * | 2022-12-12 | 2023-09-08 | 中铁西北科学研究院有限公司 | 基于多滑面b型深孔测斜曲线的滑动面位置精准确定方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609158A (zh) * | 2009-07-17 | 2009-12-23 | 中国矿业大学(北京) | 滑坡超前滑动力物理模拟实验方法及装置 |
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 |
CN103644850A (zh) * | 2013-12-20 | 2014-03-19 | 招商局重庆交通科研设计院有限公司 | 土质边坡表面位移监测及安全预警方法 |
CN103727911A (zh) * | 2013-12-20 | 2014-04-16 | 刘晓宇 | 基于mems阵列的组装式深部位移监测设备及*** |
CN104007246A (zh) * | 2014-05-14 | 2014-08-27 | 河南理工大学 | 三维耦合可控滑面边坡稳定性相似试验*** |
CN104793260A (zh) * | 2014-01-16 | 2015-07-22 | 辽宁工程技术大学 | 一种确定残煤自燃对露天矿边坡稳定性影响的方法 |
CN104794317A (zh) * | 2014-01-16 | 2015-07-22 | 辽宁工程技术大学 | 一种确定边坡残煤自燃温场及燃深的方法 |
JP5915916B1 (ja) * | 2015-02-20 | 2016-05-11 | 国際航業株式会社 | 観測システム |
CN106295040A (zh) * | 2016-08-17 | 2017-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 滑坡灾害监测预警地表测斜仪阈值判定方法 |
CN106441075A (zh) * | 2016-10-18 | 2017-02-22 | 长沙理工大学 | 一种高路堤边坡深部及表层变形自动监测装置及施工工艺 |
CN107067333A (zh) * | 2017-01-16 | 2017-08-18 | 长沙矿山研究院有限责任公司 | 一种高寒高海拔高陡边坡稳定性监控方法 |
CN108460964A (zh) * | 2018-04-24 | 2018-08-28 | 汪宇明 | 一种滑坡危害实时预警***和方法 |
CN108922123A (zh) * | 2018-08-02 | 2018-11-30 | 青岛理工大学 | 一种矿山边坡滑移稳定性监测预警方法 |
CN109389807A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 蠕变型滑坡智能监测预警*** |
CN109919234A (zh) * | 2019-03-12 | 2019-06-21 | 辽宁工程技术大学 | 一种基于***聚类的加权马尔科夫滑坡预警方法 |
CN109990971A (zh) * | 2019-04-01 | 2019-07-09 | 辽宁工程技术大学 | 一种压变风阻测定实验装置及方法 |
CN112766321A (zh) * | 2020-12-31 | 2021-05-07 | 中国地质调查局成都地质调查中心 | 一种基于深度学习的地质特征检测识别方法及*** |
CN113029005A (zh) * | 2021-04-08 | 2021-06-25 | 中国科学院武汉岩土力学研究所 | 一种地裂缝三向位移监测装置及地裂缝三向位移监测方法 |
CN113326256A (zh) * | 2021-08-02 | 2021-08-31 | 湖南联智监测科技有限公司 | 一种分级预警的处理方法 |
CN114865149A (zh) * | 2022-05-31 | 2022-08-05 | 西安电子科技大学芜湖研究院 | 一种基于正态分布散热方式的动力电池装置 |
-
2022
- 2022-08-23 CN CN202211010677.4A patent/CN115376284B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609158A (zh) * | 2009-07-17 | 2009-12-23 | 中国矿业大学(北京) | 滑坡超前滑动力物理模拟实验方法及装置 |
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 |
CN103644850A (zh) * | 2013-12-20 | 2014-03-19 | 招商局重庆交通科研设计院有限公司 | 土质边坡表面位移监测及安全预警方法 |
CN103727911A (zh) * | 2013-12-20 | 2014-04-16 | 刘晓宇 | 基于mems阵列的组装式深部位移监测设备及*** |
CN104793260A (zh) * | 2014-01-16 | 2015-07-22 | 辽宁工程技术大学 | 一种确定残煤自燃对露天矿边坡稳定性影响的方法 |
CN104794317A (zh) * | 2014-01-16 | 2015-07-22 | 辽宁工程技术大学 | 一种确定边坡残煤自燃温场及燃深的方法 |
CN104007246A (zh) * | 2014-05-14 | 2014-08-27 | 河南理工大学 | 三维耦合可控滑面边坡稳定性相似试验*** |
JP5915916B1 (ja) * | 2015-02-20 | 2016-05-11 | 国際航業株式会社 | 観測システム |
CN106295040A (zh) * | 2016-08-17 | 2017-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 滑坡灾害监测预警地表测斜仪阈值判定方法 |
CN106441075A (zh) * | 2016-10-18 | 2017-02-22 | 长沙理工大学 | 一种高路堤边坡深部及表层变形自动监测装置及施工工艺 |
CN107067333A (zh) * | 2017-01-16 | 2017-08-18 | 长沙矿山研究院有限责任公司 | 一种高寒高海拔高陡边坡稳定性监控方法 |
CN109389807A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 蠕变型滑坡智能监测预警*** |
CN108460964A (zh) * | 2018-04-24 | 2018-08-28 | 汪宇明 | 一种滑坡危害实时预警***和方法 |
CN108922123A (zh) * | 2018-08-02 | 2018-11-30 | 青岛理工大学 | 一种矿山边坡滑移稳定性监测预警方法 |
CN109919234A (zh) * | 2019-03-12 | 2019-06-21 | 辽宁工程技术大学 | 一种基于***聚类的加权马尔科夫滑坡预警方法 |
CN109990971A (zh) * | 2019-04-01 | 2019-07-09 | 辽宁工程技术大学 | 一种压变风阻测定实验装置及方法 |
CN112766321A (zh) * | 2020-12-31 | 2021-05-07 | 中国地质调查局成都地质调查中心 | 一种基于深度学习的地质特征检测识别方法及*** |
CN113029005A (zh) * | 2021-04-08 | 2021-06-25 | 中国科学院武汉岩土力学研究所 | 一种地裂缝三向位移监测装置及地裂缝三向位移监测方法 |
CN113326256A (zh) * | 2021-08-02 | 2021-08-31 | 湖南联智监测科技有限公司 | 一种分级预警的处理方法 |
CN114865149A (zh) * | 2022-05-31 | 2022-08-05 | 西安电子科技大学芜湖研究院 | 一种基于正态分布散热方式的动力电池装置 |
Non-Patent Citations (1)
Title |
---|
基于***聚类-加权马尔科夫耦合模型滑坡预警方法研究与应用;王东;杜涵;王前领;;煤炭学报;45(第05期);1784-1794 * |
Also Published As
Publication number | Publication date |
---|---|
CN115376284A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Tunnel boring machines (TBM) performance prediction: A case study using big data and deep learning | |
CN110866314B (zh) | 多层双向门控循环单元网络的旋转机械剩余寿命预测方法 | |
Feng et al. | Rock engineering design | |
CN108922123B (zh) | 一种矿山边坡滑移稳定性监测预警方法 | |
EP1984860B1 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
CN115376284B (zh) | 基于表面及深部位移监测下的滑面辨识和滑坡预警方法 | |
CN104406623A (zh) | 基于地下水位与位移监测的边坡动态稳定性系数测定方法 | |
Fernández et al. | Rock mass structural recognition from drill monitoring technology in underground mining using discontinuity index and machine learning techniques | |
RU2745136C1 (ru) | Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин | |
CN115628930B (zh) | 一种基于rbf神经网络的掘进机井下截割工况预测方法 | |
CN116384112A (zh) | 一种用于矿山灾害模拟和预警的方法及*** | |
CN113312696B (zh) | 基于arima算法的桥梁健康状况动态预测告警方法 | |
CN112668749B (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
RU2753289C1 (ru) | Способ прогнозирования прихватов бурильных труб в процессе бурения скважины в режиме реального времени | |
CN111738501A (zh) | 一种地下开采引起矿区地表变形中短期预测方法 | |
CN108549967B (zh) | 盾构机刀盘性能健康评估方法与*** | |
Simpson et al. | Sensitivity study of the CUSUM control chart with an economic model | |
CN116070725A (zh) | 一种基于逻辑回归的矿压危险性预测方法 | |
RU2745137C1 (ru) | Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин | |
CN113947309A (zh) | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 | |
RU2735794C1 (ru) | Способ прогнозирования прихватов бурильных труб | |
CN111274736A (zh) | 一种基于有导师学习神经网络算法的导水裂隙带预测方法 | |
CN113777668A (zh) | 用于砂泥岩互层致密气藏的地应力计算方法及装置 | |
CN117846705A (zh) | 近距离突出煤层群开采多场耦合致灾预警方法及*** | |
Mathis | Capturing/interpreting non-obvious slope controlling structures |
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 |