CN115422766B - 一种基于数字孪生技术的泥石流监测方法及*** - Google Patents
一种基于数字孪生技术的泥石流监测方法及*** Download PDFInfo
- Publication number
- CN115422766B CN115422766B CN202211170033.1A CN202211170033A CN115422766B CN 115422766 B CN115422766 B CN 115422766B CN 202211170033 A CN202211170033 A CN 202211170033A CN 115422766 B CN115422766 B CN 115422766B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- debris flow
- area
- debris
- module
- 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 171
- 238000005516 engineering process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000012530 fluid Substances 0.000 claims abstract description 56
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000004880 explosion Methods 0.000 claims abstract description 6
- 239000007787 solid Substances 0.000 claims description 26
- 230000008878 coupling Effects 0.000 claims description 23
- 238000010168 coupling process Methods 0.000 claims description 23
- 238000005859 coupling reaction Methods 0.000 claims description 23
- 239000002245 particle Substances 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 239000011435 rock Substances 0.000 abstract description 7
- 238000011835 investigation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000007794 visualization technique Methods 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
一种基于数字孪生技术的泥石流监测方法及***,属于结构监测技术领域,通过采集泥石流体所在区域的基本信息、在泥石流体所在区域布置监测设备、在泥石流体所在区域附近区域建立无人机站点等,采集并监测泥石流的具体状况;在云端监测***SasS中建立泥石流体数字孪生体,并通过设置数字孪生体唤醒模块、监测告警模块、无人机巡查模块、和/或仿真评估模块,对泥石流体的实时状况进行监测,并通过仿真计算得出未来设想工况下泥石流若爆后的流速、波及范围等。以上方法及***能够实现线上实时仿真,对泥石流体爆发后可能的流速及波及范围进行提前预判;计算结果能同步给建立的VR泥石流体模型进行显示。
Description
技术领域
本发明属于数字技术领域,特别涉及一种基于数字孪生技术的泥石流监测方法及***。
背景技术
泥石流属于我国地质灾害的三大类型之一,基于性价比原则,在不考虑拆旧建新、集体搬迁的前提下,对区域内可能造成重大危害的泥石流加以监测是行业内通用的做法。通过调研了解到,当下的泥石流监测预警***普遍存在以下问题:一是未能将既有的实时仿真技术接入***,对灾情发展态势的研判缺乏技术支持;二是形象化展示与仿真技术灾情计算结果融合程度不够深入。由于上述问题的存在,制约了泥石流监测***的发展,形成了较为明显的短板。
需要指出,数字孪生技术当前已经成为工业发展的热点,在工业制造领域发展迅猛。数字孪生是以数字化方式创建物理的虚拟实体,借助历史数据、实时数据以及算法模型,模拟、验证、预测、互动于物理实体全寿命周期过程。该技术具有互操作性质、可拓展性、实时性、保真性、闭环性等特征,目前在工业领域应用广泛。其发展有五个阶段,分别是三维几何模型、三维仿真模型、增强体仿真模型、动态孪生体、自主孪生体模型,其中前三个属于传统仿真模型的范畴、后两个阶段涵盖了人工智能技术。数字孪生技术把物理世界中的对象,以数据的形式映射到数字空间当中,它不是通过采集动态数据对物理对象简单克隆,而是一套独立于物理对象的数字***。其基本作用是,对真实实体进行持续监测,发现异常第一时间做出反应,同时对可能出现的各类情况进行超前预测和试错。
进一步的调研获悉,一方面,现阶段行业内对于泥石流监测手段和仪器的研发日渐成熟,采集泥石流灾害体物理参数的仪器不断丰富,对泥石流客体的数据采集呈现精确化和多样化趋势;例如中国专利申请201611101808.4公开了一种泥石流区域监测方法,该监测方法使用遥控装置通过无线方式对航拍装置发出航拍调试信号,控制航拍装置进行拍摄;航拍装置根据遥控装置发送的调试信号进行拍摄调整,调整完成后进行地面泥石流区域图像的采集;对采集的泥石流区域图像进行图像处理;对处理后的泥石流区域图像进行分析;由于采用航拍影像作为研究对象,可以大范围对地区进行研究;采用先进的图像处理方法,可以达到精准快速的影像处理效果,并进一步对泥石流区域监测产生积极影响。中国专利申202110292415 .0公开了一种结合泥位监测和精细化地形测量的泥石流预警方法,包括以下步骤:S1 .精细化地形测量,首先用三维激光扫描仪或无人机倾斜摄影等手段精确测量出泥石流沟道地形和治理工程尺寸;S2 .泥位计获取实时泥深数据,运用泥石流规范中的经验公式计算出实时流速、实时流量、一次泥石流过程总量和一次泥石流固体冲出物,如果暴发一次大规模泥石流事件,则需要重新测量地形,校核泥位计初始值和沟道有效库容;S3 .定义泥石流淤积程度为一次性泥石流固体冲出物与沟道可停淤体积的比值;根据泥位计测量值计算的一次泥石流固体冲出物,与测量获取的沟道可停淤体积对比,计算出泥石流淤积程度。
另一方面,现阶段泥石流数值模拟及仿真技术逐步成熟,虽然这些仿真应用都是基于一套固定数据集进行的模拟,得出相关的结论,但在客观上在泥石流仿真领域已经形成了一定经验积累。例如,西南交通大学的学位论文《泥石流灾害VR场景动态建模与交互查询可视化方法》已在泥石流形象化展示方面做了初试,形成了AR技术在泥石流情景中的应用的初步原型。以上技术积累为泥石流的数字孪生体的构建提供了技术基础,让数字孪生技术和标准应用于泥石流监测成为了可能。
发明内容
本发明的目的在于提供一种基于数字孪生技术的泥石流监控方法及***,利用先进的数据采集终端及建模技术建立泥石流的数字孪生体,利用无人机巡查机制更新数字孪生体的计算模型,利用云端实时仿真技术进行数字孪生体工况情况计算,并将计算结果同步到VR及BIM模型上进行显示,解决现有技术中泥石流监测的问题。
本发明提供一种基于数字孪生技术的泥石流监测方法,具体包括以下步骤:
步骤S01、初步采集泥石流体所在区域的数字高程模型数据,预估泥石流流域物源区、流通区及堆积区,确定泥石流流域泥石流物源范围的颗粒大小分布;确立泥石流体所在区域内泥石流降雨阈值
R 0;
步骤S02、在所述泥石流体所在区域布置监测设备,采集所述泥石流体的位移、土壤含水率、以及降雨量;所述监测设备采集的实时数据存入监测数据模块,并将所述监测数据模块接入云端监测***SasS;
步骤S03、在泥石流体所在区域附近区域建立一处无人机站点,配备n台无人机;
步骤S04、在云端监测***SasS中形成泥石流体数字孪生体:建立所述泥石流体所在区域的三维地形模型、确立刨除所述物源区的地表模型、建立所述物源区的流固耦合模型;选择离散元计算软件作为云端仿真计算求解器;将获得的未来气象数据接入云端监测***SasS;
步骤S05、在所述云端监测***SasS中设置数字孪生体唤醒模块、监测告警模块、无人机巡查模块、和/或仿真评估模块;
其中,所述数字孪生体唤醒模块,用于当未来时段的降雨数据
R大于泥石流体所在区域内泥石流降雨阈值
R 0时,指令所述监测设备转为高频监测;
所述监测告警模块,用于在所述监测数据模块中的数据超过设定的阈值时,发出告警;
所述无人机巡查模块,用于在符合降雨停止的条件下,唤醒无人机按照实现设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型数据,并将数据传输至云端监测***SaaS,所述云端监测***SaaS依据该云端监测***SaaS更新所述三维地形模型、地表模型及流固耦合模型;
所述仿真评估模块,用于利用所述三维地形模型、地表模型及流固耦合模型,采用所述云端仿真计算求解器进行仿真计算,得出未来设想工况下泥石流若爆后的流速、波及范围。
进一步地,步骤S01中,所述数字高程模型数据由无人机航测获得,其中,泥石流体所在区域的图幅大小根据该泥石流体可能获得物源沟谷水系范围确定。
进一步地,步骤S04中,利用步骤S01中采集的所述数字高程模型数据,建立所述泥石流体所在区域的三维地形模型;利用步骤S01中泥石流流域的预估结果,确立刨除所述泥石流流域物源区的地表模型;利用步骤S01中泥石流流域的预估结果,确立所述泥石流流域物源区实体,并依据步骤S01中确定的泥石流流域物源区的颗粒大小分布数据,建立所述物源区的流固耦合模型。
进一步地,在步骤S01确立的所述泥石流流域物源区范围内,布置若干GNSS位移监测传感器;在各物源区的中部布置1-2套含水率采集设备;在泥石流主沟口安全位置布置一套视频图像采集设备;在泥石流沟谷边坡制高点安全位置布置一套次声波发生采集设备;在泥石流沟谷边坡靠近泥石流沟谷一侧安全区域设置降雨量采集仪;以上仪器设备构成监测硬件模块;由所述监测硬件模块采集的实时数据存入监测数据模块,并将所述监测数据模块接入云端监测***SaaS。
所述监测硬件模块中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
本发明提供一种基于数字孪生技术的泥石流监测***,包括泥石流体基本数据模块、监测硬件模块、监测数据模块、无人机站点以及云端监测***SasS;
其中,所述泥石流体基本数据模块用于初步采集泥石流体所在区域的数字高程模型数据,泥石流流域物源区、流通区及堆积区范围数据,泥石流流域泥石流物源范围的颗粒大小分布数据;
所述监测硬件模块为在所述泥石流体所在区域布置的监测设备,用于采集所述泥石流体的位移、土壤含水率、以及降雨量;
所述监测硬件模块采集的实时数据存入监测数据模块,并且所述监测数据模块接入所述云端监测***SasS;
所述无人机站点设置在泥石流体所在区域附近区域,配备n台无人机;
所述云端监测***SasS中,包括三维地形模型、地表模型、流固耦合模型,云端仿真计算求解器;所述云端仿真计算求解器为根据实际需要选择的离散元计算软件。
进一步地,所述云端监测***SasS中,还包括数字孪生体唤醒模块、监测告警模块、无人机巡查模块、和/或仿真评估模块;
所述数字孪生体唤醒模块,用于当未来时段的降雨数据
R大于泥石流体所在区域内泥石流降雨阈值
R 0时,指令所述监测硬件模块中的监测设备转为高频监测;
所述监测告警模块,用于在所述监测数据模块中的数据超过设定的阈值时,发出告警;
所述无人机巡查模块,用于在符合降雨停止的条件下,唤醒无人机按照实现设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型数据,并且将数据传输至云端监测***SasS,所述云端监测***SaaS依据该云端监测***SaaS更新所述三维地形模型、地表模型及流固耦合模型;
所述仿真评估模块,用于利用所述三维地形模型、地表模型及流固耦合模型,采用所述云端仿真计算求解器进行仿真计算,得出未来设想工况下泥石流若爆后的计算结果。
进一步地,所述监测硬件模块中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
进一步地,所述泥石流体所在区域的所述三维地形模型利用所述泥石流体基本数据模块的所述数字高程模型数据建立;刨除所述泥石流流域物源区的所述地表模型利用所述泥石流体基本数据模块中泥石流流域的预估结果确立;所述物源区的流固耦合模型利用基本数据模块中泥石流流域的预估结果以及泥石流流域物源区的颗粒大小分布数据建立。
采用本发明提供的基于数字孪生技术的泥石流监测***及方法,可以实现以下技术效果:
(1)设置无人机巡查模块,能适时地针对每次降雨后产生的泥石流物源变化情况进行数据采集更新;
(2)引入数字孪生技术及标准,解决传统泥石流监测***存在的问题;基于无人机实时采集并更新的物源数据,结合现场监测设备收集的降雨数据,实现线上实时仿真,对泥石流体爆发后可能的流速及波及范围进行提前预判;计算结果能同步给建立的VR泥石流体模型进行显示。
附图说明
为了更完整地理解本发明,现在将参考结合附图的以下描述,其中:
图1为泥石流体所在区域及监测设备布置示意图;
图2为本发明基于数字孪生技术的泥石流监测***的结构示意图。
具体实施方式
为说明清楚本发明的目的、技术细节及有效应用,使之便于本领域普通技术人员理解与实施,下面将结合本发明实施例及附图作进一步的详细阐述。显然,此处描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明所述的泥石流灾害体,是经过调查分析已经确定的灾害体,并经过性价比原则分析,确立下游有重大威胁的对象,需要进行监测的重点灾害体。
本发明提供一种基于数字孪生技术的泥石流监测方法,具体包括以下步骤:
步骤S01、初步采集泥石流体所在区域的数字高程模型(DEM)数据,预估泥石流流域物源区1、流通区2及堆积区3,参见说明书附图图1;确定泥石流流域泥石流物源范围的颗粒大小分布,获得泥石流沟道坡比数据。
具体而言,通过无人机(UAV)航测技术采集泥石流体所在区域图幅,初步采集泥石流区域的DEM数据;通过野外地质灾害评估调查预估泥石流流域物源区1、流通区2、堆积区3;通过野外人工统计观测及采样后的室内试验确定泥石流物源范围的颗粒大小分布;通过野外调查测绘,获得泥石流沟道坡比数据。
此外,分析统计资料确立泥石流体所在区域内泥石流降雨阈值
R 0;无统计资料时,可先依据经验设定一个初始值,之后再根据降雨数据做进一步的调整。
优选地,所述无人机(UAV)航测获得泥石流体所在区域图幅大小根据该泥石流体可能获得物源沟谷水系范围确定;对于大块石泥石流颗粒度分布采用野外调查统计观测手段,对于粘性小颗粒泥石流颗粒度分布采用室内土工试验分析手段。
说明书附图图1中同时示出泥石流扰动区4及泥石流威胁区域11;其中,泥石流威胁区域11可以根据数值模拟结果做调整。
步骤S02、在所述泥石流体所在区域布置监测设备,采集所述泥石流体的位移、土壤含水率、以及降雨量等信息。
具体而言,参见说明书附图图1,在步骤S01确立的所述泥石流流域物源区1范围内,布置若干GNSS位移监测传感器5;在各物源区的中部布置1-2套含水率采集设备6;在泥石流主沟口安全位置布置一套视频图像采集设备9;在泥石流沟谷边坡制高点安全位置布置一套次声波发生采集设备7;在泥石流沟谷边坡靠近泥石流沟谷一侧安全区域设置降雨量采集仪10。以上仪器设备构成监测硬件模块D00,由所述监测硬件模块D00采集的实时数据存入监测数据模块D11,并将所述监测数据模块D11接入云端监测***SasS。
优选的,所述监测硬件模块D00中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
步骤S03、在泥石流体所在区域附近区域建立一处无人机站点8,配备
n台无人机。
其中,无人机(UAV)的数量根据监测成本性价比、重要性及泥石流区域的范围综合确定。例如重要情况时
n可取3,其中,配置2台搭载航测设备的无人机用于日常巡查,配备1台不搭载航测设备的无人机用于突发情况备换。
优选地,所述无人机站点附近区域需安全稳定,确保泥石流发生时不被破坏;所述无人机站点接有太阳能装置、备用电池,以及无线网络和有线网络各一套。
步骤S04、在云端监测***SasS中形成泥石流体数字孪生体:利用步骤S01中采集的所述数字高程模型(DEM)数据,建立所述泥石流体所在区域的三维地形模型M100;利用步骤S01中泥石流流域的预估结果,确立刨除所述泥石流流域物源区的地表模型M200;利用步骤S01中泥石流流域的预估结果,确立所述泥石流流域物源区实体,并依据步骤S01中确定的泥石流流域物源区的颗粒大小分布数据,建立所述物源区的流固耦合模型M300。
将上述三维地形模型M100、地表模型M200、以及流固耦合模型M300接入云端监测***SasS,并选择离散元计算软件作为云端仿真计算求解器。
将互联网大数据获得的未来气象数据接入云端监测***SasS。
在云端监测***SasS中形成泥石流体数字孪生体。
步骤S05、在所述云端监测***SasS中设置数字孪生体唤醒模块K1、监测告警模块K2、无人机巡查模块K3以及仿真评估模块K4。
其中,所述数字孪生体唤醒模块K1是为了在保证对泥石流体有效监测的同时,节约***算力。具体而言,通过互联网大数据获取未来时段的降雨数据
R及气象预警信息,当
R大于泥石流体所在区域内泥石流降雨阈值
R 0时,数字孪生体唤醒模块K1发送指令到所述监测硬件模块D00,使得所述监测设备转为高频监测,所述监测数据模块D11将实时数据在所述云端监测***SasS同步更新。
所述监测告警模块K2,根据对统计资料的分析,针对所述步骤S02中监测设备监测的位移、水位、次声波等设置经验阈值。当所述监测数据模块D11中的数据超过相应的所述经验阈值时,所述监测告警模块K2发出告警。
其中,可以根据具体的实时数据结果确定告警等级,并根据告警等级确定后续响应类型,例如,一级红色告警直接启动现场广播警报通知潜在受灾群众;二级橙色和三级黄色告警先以信息直接传达到相关群策防员及专家,用于进一步分析决策;四级蓝色告警***备案。
所述经验阈值的设置,如果没有相关统计资料,也可依据人为经验设定,后续做调整。
所述无人机巡查模块K3,无人机巡查用于更新灾情信息及每一次降雨产生的所述物源区变化。所述无人机巡查模块K3根据所述监测数据模块D11中的实时数据判断是否为降雨停止,如果符合降雨停止的条件,则所述无人机巡查模块K3发送信息唤醒无人机,使得搭载航测设备的无人机(UAV)起飞并按照事先设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型(DEM)数据,并且将数据传输至云端监测***SasS,云端监测***SasS根据最新的DEM数据更新所述三维地形模型M100、地表模型M200、以及流固耦合模型M300。
所述仿真评估模块K4,依据所述监测数据模块D11中的实时数据,利用更新后的所述三维地形模型M100、地表模型M200、以及流固耦合模型M300,并采用所述云端仿真计算求解器进行仿真计算,得出未来设想工况下(例如50年一遇的强降雨作用、百年一遇强降雨作用)泥石流爆发后的流速、波及范围等计算结果,并将结果同步到VR模型体系,供决策者查看参考。
为保证仿真计算结果的安全性,可以将所述监测数据模块D11中的所述实时数据乘以一定放大系数。
本发明提供一种基于数字孪生技术的泥石流监测***,参见说明书附图图2,包括泥石流体基本数据模块D100、监测硬件模块D00、监测数据模块D11、无人机站点U100以及云端监测***SasS。
所述泥石流体基本数据模块D100用于初步采集泥石流体所在区域的数字高程模型(DEM)数据,泥石流流域物源区1、流通区2及堆积区3范围数据,泥石流流域泥石流物源范围的颗粒大小分布数据,以及泥石流沟道坡比数据。
所述监测硬件模块D00为在所述泥石流体所在区域布置的监测设备,用于采集所述泥石流体的位移、土壤含水率、以及降雨量等信息。
所述监测硬件模块D00采集的实时数据存入监测数据模块D11,并且所述监测数据模块D11接入所述云端监测***SasS。
优选的,所述监测硬件模块D00中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
所述无人机站点U100设置在泥石流体所在区域附近区域,配备
n台无人机。其中,无人机的数量根据监测成本性价比、重要性及泥石流区域的范围综合确定。所述无人机站点附近区域需安全稳定,确保泥石流发生时不被破坏;所述无人机站点接有太阳能装置、备用电池,以及无线网络和有线网络各一套。
所述云端监测***SasS中,包括三维地形模型M100、地表模型M200、流固耦合模型M300,云端仿真计算求解器C100,数字孪生体唤醒模块K1、监测告警模块K2、无人机巡查模块K3以及仿真评估模块K4。
其中,所述泥石流体所在区域的所述三维地形模型M100利用所述泥石流体基本数据模块D100的所述DEM数据建立;刨除所述泥石流流域物源区的所述地表模型M200利用所述泥石流体基本数据模块D100中泥石流流域的预估结果确立;所述物源区的流固耦合模型M300利用基本数据模块D100中泥石流流域的预估结果以及泥石流流域物源区的颗粒大小分布数据建立。
所述云端仿真计算求解器C100为根据实际需要选择的离散元计算软件。
所述数字孪生体唤醒模块K1,用于当未来时段的降雨数据
R大于泥石流体所在区域内泥石流降雨阈值
R 0时,指令所述监测硬件模块D00中的监测设备转为高频监测。
所述监测告警模块K2,用于在所述监测数据模块D11中的数据超过设定的经验阈值时,发出告警。
所述无人机巡查模块K3,用于在符合降雨停止的条件下,唤醒无人机按照实现设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型(DEM)数据,并且将数据传输至云端监测***SasS。
所述仿真评估模块K4,用于利用所述三维地形模型M100、地表模型M200及流固耦合模型M300,采用所述云端仿真计算求解器C100进行仿真计算,得出未来设想工况下泥石流若爆后的流速、波及范围等计算结果;所述计算结果可以同步到VR模型体系,供决策者查看参考。
Claims (9)
1.一种基于数字孪生技术的泥石流监测方法,具体包括以下步骤:
步骤S01、初步采集泥石流体所在区域的数字高程模型数据,预估泥石流流域物源区、流通区及堆积区,确定泥石流流域泥石流物源范围的颗粒大小分布;确立泥石流体所在区域内泥石流降雨阈值R 0;
其中,通过无人机航测技术采集泥石流体所在区域图幅,初步采集所述数字高程模型数据;所述无人机航测获得泥石流体所在区域图幅大小根据该泥石流体可能获得物源沟谷水系范围确定;
步骤S02、在所述泥石流体所在区域布置监测设备,采集所述泥石流体的位移、土壤含水率、以及降雨量;所述监测设备采集的实时数据存入监测数据模块,并将所述监测数据模块接入云端监测***SasS;
步骤S03、在泥石流体所在区域附近区域建立一处无人机站点,配备n台无人机;
步骤S04、在云端监测***SasS中形成泥石流体数字孪生体:建立所述泥石流体所在区域的三维地形模型、确立刨除所述物源区的地表模型、建立所述物源区的流固耦合模型;选择离散元计算软件作为云端仿真计算求解器;将获得的未来气象数据接入云端监测***SasS;
步骤S05、在所述云端监测***SasS中设置数字孪生体唤醒模块、监测告警模块、无人机巡查模块、和/或仿真评估模块;
其中,所述数字孪生体唤醒模块,用于当未来时段的降雨数据R大于泥石流体所在区域内泥石流降雨阈值R 0时,指令所述监测设备转为高频监测;
所述监测告警模块,用于在所述监测数据模块中的数据超过设定的阈值时,发出告警;
所述无人机巡查模块,用于在符合降雨停止的条件下,唤醒无人机按照事先设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型数据,并将数据传输至云端监测***SaaS,所述云端监测***SaaS依据该云端监测***SaaS更新所述三维地形模型、地表模型及流固耦合模型;
所述仿真评估模块,用于利用所述三维地形模型、地表模型及流固耦合模型,采用所述云端仿真计算求解器进行仿真计算,得出未来设想工况下泥石流若爆后的流速、波及范围。
2.根据权利要求1所述的方法,其特征在于,步骤S01中,所述数字高程模型数据由无人机航测获得,其中,泥石流体所在区域的图幅大小根据该泥石流体可能获得物源沟谷水系范围确定。
3.根据权利要求1所述的方法,其特征在于,步骤S04中,利用步骤S01中采集的所述数字高程模型数据,建立所述泥石流体所在区域的三维地形模型;利用步骤S01中泥石流流域的预估结果,确立刨除所述泥石流流域物源区的地表模型;利用步骤S01中泥石流流域的预估结果,确立所述泥石流流域物源区实体,并依据步骤S01中确定的泥石流流域物源区的颗粒大小分布数据,建立所述物源区的流固耦合模型。
4.根据权利要求1所述的方法,其特征在于,所述步骤S02中,在所述泥石流体所在区域布置监测设备,具体可以采用以下方式:在步骤S01确立的所述泥石流流域物源区范围内,布置若干GNSS位移监测传感器;在各物源区的中部布置1-2套含水率采集设备;在泥石流主沟口安全位置布置一套视频图像采集设备;在泥石流沟谷边坡制高点安全位置布置一套次声波发生采集设备;在泥石流沟谷边坡靠近泥石流沟谷一侧安全区域设置降雨量采集仪;所述位移监测传感器、含水率采集设备、视频图像采集设备、次声波发生采集设备及降雨量采集仪构成监测硬件模块;由所述监测硬件模块采集的实时数据存入监测数据模块,并将所述监测数据模块接入云端监测***SaaS。
5.根据权利要求4所述的方法,其特征在于,所述监测硬件模块中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
6.一种基于数字孪生技术的泥石流监测***,包括泥石流体基本数据模块、监测硬件模块、监测数据模块、无人机站点以及云端监测***SasS;
其中,所述泥石流体基本数据模块用于初步采集泥石流体所在区域的数字高程模型数据,泥石流流域物源区、流通区及堆积区范围数据,泥石流流域泥石流物源范围的颗粒大小分布数据;
其中,通过无人机航测技术采集泥石流体所在区域图幅,初步采集所述数字高程模型数据;所述无人机航测获得泥石流体所在区域图幅大小根据该泥石流体可能获得物源沟谷水系范围确定;
所述监测硬件模块为在所述泥石流体所在区域布置的监测设备,用于采集所述泥石流体的位移、土壤含水率、以及降雨量;
所述监测硬件模块采集的实时数据存入监测数据模块,并且所述监测数据模块接入所述云端监测***SasS;
所述无人机站点设置在泥石流体所在区域附近区域,配备n台无人机;
所述云端监测***SasS中,包括三维地形模型、地表模型、流固耦合模型、以及云端仿真计算求解器;所述云端仿真计算求解器为根据实际需要选择的离散元计算软件。
7.根据权利要求6所述的***,其特征在于,所述云端监测***SasS中,还包括数字孪生体唤醒模块、监测告警模块、无人机巡查模块、和/或仿真评估模块;
所述数字孪生体唤醒模块,用于当未来时段的降雨数据R大于泥石流体所在区域内泥石流降雨阈值R 0时,指令所述监测硬件模块中的监测设备转为高频监测;
所述监测告警模块,用于在所述监测数据模块中的数据超过设定的阈值时,发出告警;
所述无人机巡查模块,用于在符合降雨停止的条件下,唤醒无人机按照事先设定的航线巡飞,采集最新的泥石流体所在区域的数字高程模型数据,并且将数据传输至云端监测***SasS,所述云端监测***SaaS依据该云端监测***SaaS更新所述三维地形模型、地表模型及流固耦合模型;
所述仿真评估模块,用于利用所述三维地形模型、地表模型及流固耦合模型,采用所述云端仿真计算求解器进行仿真计算,得出未来设想工况下泥石流若爆后的计算结果。
8.根据权利要求6所述的***,其特征在于,所述监测硬件模块中的所述监测设备形成Mesh无线自组网,以增加设备信息传输的稳定性和可靠性。
9.根据权利要求6所述的***,其特征在于,所述泥石流体所在区域的所述三维地形模型利用所述泥石流体基本数据模块的所述数字高程模型数据建立;刨除所述泥石流流域物源区的所述地表模型利用所述泥石流体基本数据模块中泥石流流域的预估结果确立;所述物源区的流固耦合模型利用基本数据模块中泥石流流域的预估结果以及泥石流流域物源区的颗粒大小分布数据建立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211170033.1A CN115422766B (zh) | 2022-09-26 | 2022-09-26 | 一种基于数字孪生技术的泥石流监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211170033.1A CN115422766B (zh) | 2022-09-26 | 2022-09-26 | 一种基于数字孪生技术的泥石流监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115422766A CN115422766A (zh) | 2022-12-02 |
CN115422766B true CN115422766B (zh) | 2023-04-11 |
Family
ID=84205044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211170033.1A Active CN115422766B (zh) | 2022-09-26 | 2022-09-26 | 一种基于数字孪生技术的泥石流监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115422766B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168514A (zh) * | 2023-02-27 | 2023-05-26 | 合肥中科慧晨科技有限公司 | 基于gis技术的智慧矿山报警联动方法及*** |
CN116149376B (zh) * | 2023-04-21 | 2023-07-25 | 西安迈远科技有限公司 | 一种基于装配式建筑平台的无人机巡航的控制方法 |
CN117633139B (zh) * | 2024-01-23 | 2024-03-22 | 云南省气象台 | 基于气象数据的滑坡预测方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655457B (zh) * | 2016-12-23 | 2018-09-25 | 航天星图科技(北京)有限公司 | 一种基于遥感卫星图像的泥石流地质灾害识别方法 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警***及方法 |
CN112198511A (zh) * | 2020-09-14 | 2021-01-08 | 广东省核工业地质局测绘院 | 一种基于星空地一体化地质灾害普查方法 |
CN112862152A (zh) * | 2020-12-31 | 2021-05-28 | 中铁第四勘察设计院集团有限公司 | 一种基于地貌信息熵和降雨量的泥石流灾害预警方法 |
CN115063963B (zh) * | 2022-07-26 | 2022-10-25 | 北京云庐科技有限公司 | 一种基于数字孪生技术的滑坡监测***及方法 |
-
2022
- 2022-09-26 CN CN202211170033.1A patent/CN115422766B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115422766A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115422766B (zh) | 一种基于数字孪生技术的泥石流监测方法及*** | |
CN108961688B (zh) | 一种大数据支持下的地质灾害监测与预警方法 | |
CN111191880B (zh) | 一种基于数字化映射的边坡全生命周期安全管理方法 | |
CN113222283B (zh) | 一种基于数字孪生的山洪预报预警方法及*** | |
CN102096072B (zh) | 一种城市部件自动化测量方法 | |
CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
CN108680733A (zh) | 一种沥青路面服役性能的智能感知***及方法 | |
CN113554849A (zh) | 一种空天地监测边坡***及其失稳风险评估方法 | |
CN115804334A (zh) | 一种基于数字孪生的农田灌溉智慧决策*** | |
CN116757097A (zh) | 一种数字孪生水利工程运维监测***和方法 | |
CN115130356B (zh) | 一种基于数字孪生技术的崩塌监测***与方法 | |
CN115014224A (zh) | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 | |
CN112988510A (zh) | 一种基于bim的道路压实同步监控及反馈控制*** | |
CN115326026A (zh) | 基于非接触式测量-水动力融合同化获取水力特征的方法及装置 | |
Smarsly et al. | An internet-enabled wireless multi-sensor system for continuous monitoring of landslide processes | |
CN116110210B (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
CN117152919A (zh) | 一种基于多源异构综合数据库的气象灾害预警*** | |
Zhang et al. | Quality of terrestrial data derived from UAV photogrammetry: A case study of Hetao irrigation district in northern China | |
CN107704945A (zh) | 水稻迁飞性害虫迁入峰预警方法 | |
CN116029217A (zh) | 结合地质数据的水利工程数字孪生建模预警*** | |
CN114235082B (zh) | 一种基于采砂量监测***的智能计量方法 | |
KR20130102789A (ko) | 댐 건설 전후 기후 특성 변화 예측 시스템 및 그 방법 | |
Zanella et al. | Internet of things for hydrology: Potential and challenges | |
CN115809743B (zh) | 一种溃决洪水致灾的态势感知与应急评价方法及*** |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A debris flow monitoring method and system based on digital twin technology Granted publication date: 20230411 Pledgee: Shijiazhuang Luquan Rural Commercial Bank Co.,Ltd. Pledgor: BEIJING YUNLU TECHNOLOGY CO.,LTD. Registration number: Y2024980015341 |