CN116564065A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116564065A CN116564065A CN202310455677.3A CN202310455677A CN116564065A CN 116564065 A CN116564065 A CN 116564065A CN 202310455677 A CN202310455677 A CN 202310455677A CN 116564065 A CN116564065 A CN 116564065A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- early warning
- data
- soil
- mine
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004088 simulation Methods 0.000 title claims abstract description 17
- 239000002689 soil Substances 0.000 claims abstract description 97
- 230000008859 change Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000006835 compression Effects 0.000 claims description 19
- 238000007906 compression Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000002366 time-of-flight method Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 4
- 239000011435 rock Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 239000011888 foil Substances 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001550 time effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Geology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了灾害监测领域的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，包括：步骤a，分布式埋设监测桩并与预警中心信号连接；步骤b，获取待监测区域的历史地质数据，基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型；步骤c，获取监测节点的震动量、形变量和土壤裂隙变化率；步骤d，数据处理模块进行数据预处理和优化；步骤e，通过矿山灾害预测模型获得风险度，根据风险度预测矿山灾害；步骤f，根据异常监测数据的节点位置确定风险区域发送预警信号进行预警。本方案解决了现有技术难以监测到土壤裂隙变化率，从而无法更早的对矿山灾害进行防治的问题。
Description
技术领域
本发明属于灾害监测领域，具体是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。
背景技术
由于矿产开采过程会改变原有稳定的矿藏条件，改变了当地的地质环境，而由于人为的采矿活动改变了地质环境所引起或诱发的灾害被称为矿山地质灾害。常见的矿山地质灾害主要包括岩土圈层形变灾害和地下水位异变灾害，具体表现为诱发性地震、滑坡、矿坑突水涌水和地下水漏失。矿山地质灾害的发生会对生态环境、自然资源和经济社会造成不可估量的危害和破坏，因此，对矿山地质灾害科学、准确的预测预警，能够减少矿山地质灾害带来的损失。
公告号为CN110307038B的专利公开了全数字矿山动力灾害综合监测预警***及方法，所述***包括：数字微震传感器用于获取微震信号；数字地音传感器用于获取地音信号；智能灾害源分析仪对接收到的所述微震信号和所述地音信号进行实时分析和处理；数据处理监控中心基于分析和处理过的信号数据进行信号数据后期分析，基于后期分析的信号数据进行辅助决策和实时智能预警。
该***及方法将微震监测技术和地音监测技术结合，融合传感技术、微电子技术、数字信号处理技术与计算机通信技术等研制一种全数字矿山动力灾害综合监测预警***，实现矿山动力灾害实时综合监测及预警。
该***主要预警地震引起的矿山灾害，相较于地震引起的矿山灾害具有突发性、急剧性的特点，雨水引起的灾害由于降雨入渗具有明显的时间效应，存在多次干湿循环作用，引起坡肩附近产生细小裂隙，在下次降雨时裂隙的空隙水压力增加，导致土壤吸水软化，多次干湿循环增大土壤裂隙，矿山的抗剪强度降低，容易诱发地震或者滑坡等灾害，该***难以监测到土壤裂隙变化率，从而无法更早的对矿山灾害进行防治，因此，我们提出了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。
发明内容
为了解决上述问题，本发明的目的是提供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，根据土壤裂隙变化在诱发性地震及滑坡等矿山灾害上具有时间效应的影响，构建裂隙变化率与矿山形变量、震动量的函数关系，通过监测桩监测待监测区域的土壤裂隙变化率，结合矿山的形变量和震动量数据，以预测该区域发生矿山灾害的可能性，解决了现有技术难以监测到土壤裂隙变化率，从而无法更早的对矿山灾害进行防治的问题。
为了实现上述目的，本发明的技术方案如下：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，包括如下步骤：
步骤a，在待监测区域分布式埋设监测桩，将监测桩与预警中心信号连接；
步骤b，获取待监测区域的历史地质数据，预警分析模块基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型；
步骤c，微震监测模块获取矿山内部的震动量，记为第一信号，InSAR影像监测模块获取监测节点的形变量，记为第二信号，监测桩获取待监测区域的土壤裂隙变化率，记为第三信号；
步骤d，数据处理模块对第一信号、第二信号和第三信号进行数据预处理和优化；
步骤e，优化后的第一信号、第二信号和第三信号输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害；
步骤f，数据采集模块根据异常监测数据的节点位置确定风险区域，预警分析模块根据风险区域和风险度发送预警信号进行预警。
本方案的原理：
本方案根据土壤裂隙变化在诱发性地震及滑坡等矿山灾害上具有时间效应的影响，构建裂隙变化率与矿山形变量、震动量的函数关系，通过监测桩监测待监测区域的土壤裂隙变化率，结合矿山的形变量和震动量数据，以预测该区域发生矿山灾害的风险度。
采用上述方案后实现了以下有益效果：
相较于现有技术，本方案根据裂隙变化率与矿山形变量、震动量的函数关系，对矿山灾害的风险度进行数值模拟，可以在土壤裂隙变化率到达诱发矿山灾害的阈值前进行预警，能够更早的对矿山灾害进行预警，使待发生矿山灾害区域的居民能够有更多的转移时间，进一步保护了人民和财产的安全。
进一步，矿山灾害预测预警方法基于矿山灾害预警***进行预测预警，矿山灾害预警***包括预警中心和若干设置于待监测区域用于监测矿山地下土壤裂隙变化率的监测桩：
预警中心，用于根据待监测区域的监测数据，输入矿山灾害预测模型计算风险度，基于风险度和风险区域对矿山灾害进行预测预警，包括：
数据采集模块，用于接收监测桩的监测数据，并基于RSSI测距技术和TOF测距技术获取监测桩的位置，监测桩作为独立监测节点，独立监测节点构成监测网格，根据异常监测数据的节点位置确定风险区域；
InSAR影像监测模块，用于获取预设时间内待监测区域的影像数据，计算相邻预设时间段的监测节点范围矿山的形变量；
微震监测模块，用于获取矿山内部岩体破裂产生的震动量；
数据处理模块，用于剔除异常监测数据，并基于粒子群算法进行数据优化；
存储模块，用于存储监测桩、InSAR影像监测模块和微震监测模块监测的数据；
预警分析模块，用于基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型，根据监测桩获取的监测数据、InSAR影像监测模块获取的形变量和微震监测模块获取的震动量，输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害并进行预警信号发送；
监测桩包括桩本体，桩本体顶部设有供电模块，桩本体内开有容置腔且容置腔贯穿桩本体顶部，容置腔内设有通讯模块、预处理模块和支撑组件，桩本体侧壁下部开有若干第一滑槽和滑孔，第一滑槽内沿桩本体侧壁方向依次连接有第一弹性件、第一应变片和滑块，容置腔下方连通有第二滑槽，支撑组件包括沿容置腔和第二滑槽纵向滑动的压杆，压杆底部沿竖向依次连接有第二应变片和第二弹性件，第二弹性件远离第二应变片的一端与第二滑槽底部固定连接，压杆中部铰接有若干支撑杆，支撑杆中部与容置腔之间铰接有限位杆，支撑杆的活动端设有土壤含水量传感器，支撑杆能够穿过滑孔***矿山地下土壤，加固监测桩并通过土壤含水量传感器监测桩本体周围土壤的含水量，压杆顶部设有锁止组件；
其中，第一应变片、第二应变片、土壤含水量传感器、通讯模块和供电模块均与预处理模块信号连接，预处理模块用于根据土壤含水量传感器和第一应变片的数据，构建土壤含水量与土壤裂隙的函数关系，并计算土壤裂隙变化率。
有益效果：监测桩在初始状态时，第一弹性件和第二弹性件在克服土壤压力和压杆重力下，使第一应变片和第二应变片保持受力平衡状态，雨水渗入矿山周围土壤时，土壤含水量增加，土壤软化，第一应变片接收到的土壤压力减小，土壤裂隙增大，第一应变片跟随滑块向外伸出，雨停土壤中水分挥发，土壤含水量减少，土壤硬化，第一应变片接收到的土壤压力增大，土壤裂隙减小，第一应变片跟随滑块向内缩回，通过土壤含水量和第一应变片的位移变化，构建土壤含水量与土壤裂隙的函数关系，计算出土壤裂隙变化率；再根据土壤裂隙变化在诱发性地震及滑坡等矿山灾害上具有时间效应的影响，计算矿山灾害的风险度，相较于现有技术，本方案对矿山灾害的风险度进行数值模拟，可以在土壤裂隙变化率到达诱发矿山灾害的阈值前进行预警，能够更早的对矿山灾害进行预警，使待发生矿山灾害区域的居民能够有更多的转移时间，进一步保护了人民和财产的安全。
进一步，锁止组件包括沿压杆竖向依次设置的锁止块和第三弹性件，锁止块与压杆侧壁上部铰接，第三弹性件套设在压杆上部，容置腔侧壁上部依次开有第一锁止槽和第二锁止槽，第二锁止槽连通有释放槽，其中，初始状态时，锁止块卡接于第一锁止槽，锁止状态时，锁止块卡接于第二锁止槽。
有益效果：桩本体***矿山土壤，锁止块克服第三弹性件的弹力卡接于第二锁止槽，从而锁止支撑组件，避免土壤软化时桩本体偏移影响第一应变片监测的准确性，在需要拆除监测桩时，取任一能通过释放槽的支撑件挤压锁止块，锁止块脱离第二锁止槽的限位，在第三弹性件的弹力作用下向上移动，带动支撑杆缩回至容置腔，锁止块移动至第一锁止槽，即可将监测桩取出，本方案的设置便于安装拆卸监测桩，且加固了监测桩的稳定性，使测量的数据更具准确性。
进一步，压杆顶部固定连接有密封圈。
有益效果：锁止状态时，密封圈封住容置腔，避免监测过程中雨水渗漏进容置腔损坏电子元件。
进一步，第一滑槽、第一弹性件、第一应变片和滑块的数量均为4。
有益效果：保证了第一应变片至少能感应到四个方位的土壤压力变化，提高了监测的精确度。
进一步，数据采集模块对监测节点位置的采集在于：监测节点间距在0-4m时，采用RSSI测距方法测量监测节点间距；监测节点间距超过4m时，采用TOF方法测量监测节点间距。
有益效果：由于近距离RSSI测距方法误差小，中远距离TOF测距方法误差小，根据监测节点的大致距离选择对应的测距方法进行测距，在满足同频测量时，减小了测距误差，便于提高后续预测的准确性。
进一步，数据处理模块对监测数据的处理在于：采用高斯回归模型对节点位置的数据进行均值处理。
有益效果：对节点位置的数据进行均值处理，消除了测距过程中产生的较大误差值，提高了测量精度。
进一步，数据处理模块对监测数据的处理还在于，采用卡尔曼滤波算法对均值处理后的节点位置数据进行峰值过滤。
有益效果：进一步消除了测距过程中产生的较大误差值，提高了测量精度。
附图说明
图1为本发明实施例的矿山灾害预测预警方法的流程示意图。
图2为本发明实施例的矿山灾害预测预警***的模块示意图。
图3为本发明实施例的监测桩的剖面图。
图4为图3中A处的放大图。
图5为本发明实施例的监测桩的桩本体底部的剖面图。
具体实施方式
下面通过具体实施方式进一步详细说明：
说明书附图中的附图标记包括：桩本体1、容置腔2、压杆3、支撑杆4、限位杆5、滑块6、第一弹性件7、第一应变片8、第一滑槽9、滑孔10、供电模块11、密封圈12、第二应变片13、第二弹性件14、锁止块15、第三弹性件16、第一锁止槽17、第二锁止槽18、释放槽19。
实施例1：
实施例基本如附图1-图5所示：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，基于矿山灾害预警***进行预测预警，矿山灾害预警***包括预警中心和若干设置于待监测区域用于监测矿山地下土壤裂隙变化率的监测桩：
预警中心，用于根据待监测区域的监测数据，输入矿山灾害预测模型计算风险度，基于风险度和风险区域对矿山灾害进行预测预警，包括：
数据采集模块，用于接收监测桩的监测数据，并基于RSSI测距技术和TOF测距技术获取监测桩的位置，监测桩作为独立监测节点，独立监测节点构成监测网格，根据异常监测数据的节点位置确定风险区域；
InSAR影像监测模块，用于获取预设时间内待监测区域的影像数据，计算相邻预设时间段的监测节点范围矿山的形变量；
微震监测模块，用于获取矿山内部岩体破裂产生的震动量；
数据处理模块，用于剔除异常监测数据，并基于粒子群算法进行数据优化；
存储模块，用于存储监测桩、InSAR影像监测模块和微震监测模块监测的数据；
预警分析模块，用于基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型，根据监测桩获取的监测数据、InSAR影像监测模块获取的形变量和微震监测模块获取的震动量，输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害并进行预警信号发送；
监测桩包括桩本体1，本实施例中桩本体1底部呈锥形，桩本体1顶部设有供电模块11，桩本体1内开有容置腔2且容置腔2贯穿桩本体1顶部，容置腔2内设有通讯模块、预处理模块和支撑组件，桩本体1侧壁下部开有若干第一滑槽9和滑孔10，第一滑槽9内沿桩本体1侧壁方向依次连接有第一弹性件7、第一应变片8和滑块6，容置腔2下方连通有第二滑槽，支撑组件包括沿容置腔2和第二滑槽纵向滑动的压杆3，压杆3底部沿竖向依次连接有第二应变片13和第二弹性件14，第二弹性件14远离第二应变片13的一端与第二滑槽底部固定连接，压杆3中部铰接有若干支撑杆4，支撑杆4中部与容置腔2之间铰接有限位杆5，支撑杆4的活动端设有土壤含水量传感器，支撑杆4能够穿过滑孔10***矿山地下土壤，加固监测桩并通过土壤含水量传感器监测桩本体1周围土壤的含水量，压杆3顶部设有锁止组件；
其中，第一应变片8、第二应变片13、土壤含水量传感器、通讯模块和供电模块11均与预处理模块信号连接，预处理模块用于根据土壤含水量传感器和第一应变片8的数据，构建土壤含水量与土壤裂隙的函数关系，并计算土壤裂隙变化率。
矿山灾害预测预警方法具体如下：
步骤a，在待监测区域分布式埋设监测桩，向下按压压杆3，使支撑杆4穿过滑孔10***矿山地下土壤，通过锁止组件锁止支撑杆4，使第一弹性件7和第二弹性件14在克服土壤压力和压杆3重力下，使第一应变片8和第二应变片13保持受力平衡状态，再通过通讯模块将监测桩与预警中心信号连接。
步骤b，获取待监测区域的历史地质数据，预警分析模块基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型。
步骤c，微震监测模块获取矿山内部的震动量，记为第一信号，InSAR影像监测模块获取监测节点的形变量，记为第二信号，监测桩获取待监测区域的土壤裂隙变化率，记为第三信号；土壤裂隙变化率的计算具体为：监测桩在初始状态时，第一弹性件7和第二弹性件14在克服土壤压力和压杆3重力下，使第一应变片8和第二应变片13保持受力平衡状态，雨水渗入矿山周围土壤时，土壤含水量增加，土壤软化，第一应变片8接收到的土壤压力减小，土壤裂隙增大，第一应变片8跟随滑块6向外伸出，雨停土壤中水分挥发，土壤含水量减少，土壤硬化，第一应变片8接收到的土壤压力增大，土壤裂隙减小，第一应变片8跟随滑块6向内缩回，通过土壤含水量和第一应变片8的位移变化，构建土壤含水量与土壤裂隙的函数关系，计算出土壤裂隙变化率。
步骤d，数据处理模块对第一信号、第二信号和第三信号进行数据预处理，并基于粒子群算法进行数据优化。
步骤e，优化后的第一信号、第二信号和第三信号输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害。
步骤f，数据采集模块根据异常监测数据的节点位置确定风险区域，预警分析模块根据风险区域和风险度发送预警信号进行预警。
实施例2：
与上述实施例的不同之处在于，锁止组件包括沿压杆3竖向依次设置的锁止块15和第三弹性件16，锁止块15与压杆3侧壁上部铰接，第三弹性件16套设在压杆3上部，容置腔2侧壁上部依次开有第一锁止槽17和第二锁止槽18，第二锁止槽18连通有释放槽19，其中，初始状态时，锁止块15卡接于第一锁止槽17，锁止状态时，锁止块15卡接于第二锁止槽18。
具体实施过程如下：
桩本体1***矿山土壤，锁止块15克服第三弹性件16的弹力卡接于第二锁止槽18，从而锁止支撑组件，避免土壤软化时桩本体1偏移影响第一应变片8监测的准确性，在需要拆除监测桩时，取任一能通过释放槽19的支撑件挤压锁止块15，锁止块15脱离第二锁止槽18的限位，在第三弹性件16的弹力作用下向上移动，带动支撑杆4缩回至容置腔2，锁止块15移动至第一锁止槽17，即可将监测桩取出，本方案的设置便于安装拆卸监测桩，且加固了监测桩的稳定性，使测量的数据更具准确性。
实施例3：
与上述实施例的不同之处在于，压杆3顶部固定连接有密封圈12。
具体实施过程如下：
锁止状态时，密封圈12封住容置腔2，避免监测过程中雨水渗漏进容置腔2损坏电子元件，且操作人员对压杆3施力时，避免了按压时手掌的不适。
实施例4：
与上述实施例的不同之处在于，第一滑槽9、第一弹性件7、第一应变片8和滑块6的数量均为4。
具体实施过程如下：
保证了第一应变片8至少能感应到四个方位的土壤压力变化，提高了监测的精确度。
实施例5：
与上述实施例的不同之处在于，数据采集模块对监测节点位置的采集在于：监测节点间距在0-4m时，采用RSSI测距方法测量监测节点间距；监测节点间距超过4m时，采用TOF方法测量监测节点间距。
具体实施过程如下：
由于近距离RSSI测距方法误差小，中远距离TOF测距方法误差小，根据监测节点的大致距离选择对应的测距方法进行测距，在满足同频测量时，减小了测距误差，便于提高后续预测的准确性。
实施例6：
与上述实施例的不同之处在于，数据处理模块对监测数据的处理在于：采用高斯回归模型对节点位置的数据进行均值处理。
具体实施过程如下：
对节点位置的数据进行均值处理，消除了测距过程中产生的较大误差值，提高了测量精度。
实施例7：
与上述实施例的不同之处在于，数据处理模块对监测数据的处理还在于，采用卡尔曼滤波算法对均值处理后的节点位置数据进行峰值过滤。
具体实施过程如下：
进一步消除了测距过程中产生的较大误差值，提高了测量精度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：包括如下步骤：
步骤a，在待监测区域分布式埋设监测桩，将监测桩与预警中心信号连接；
步骤b，获取待监测区域的历史地质数据，预警分析模块基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型；
步骤c，微震监测模块获取矿山内部的震动量，记为第一信号，InSAR影像监测模块获取监测节点的形变量，记为第二信号，监测桩获取待监测区域的土壤裂隙变化率，记为第三信号；
步骤d，数据处理模块对第一信号、第二信号和第三信号进行数据预处理和优化；
步骤e，优化后的第一信号、第二信号和第三信号输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害；
步骤f，数据采集模块根据异常监测数据的节点位置确定风险区域，预警分析模块根据风险区域和风险度发送预警信号进行预警。
2.根据权利要求1所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：矿山灾害预测预警方法基于矿山灾害预警***进行预测预警，矿山灾害预警***包括预警中心和若干设置于待监测区域用于监测矿山地下土壤裂隙变化率的监测桩：
预警中心，用于根据待监测区域的监测数据，输入矿山灾害预测模型计算风险度，基于风险度和风险区域对矿山灾害进行预测预警，包括：
数据采集模块，用于接收监测桩的监测数据，并基于RSSI测距技术和TOF测距技术获取监测桩的位置，监测桩作为独立监测节点，独立监测节点构成监测网格，根据异常监测数据的节点位置确定风险区域；
InSAR影像监测模块，用于获取预设时间内待监测区域的影像数据，计算相邻预设时间段的监测节点范围矿山的形变量；
微震监测模块，用于获取矿山内部岩体破裂产生的震动量；
数据处理模块，用于剔除异常监测数据，并基于粒子群算法进行数据优化；
存储模块，用于存储监测桩、InSAR影像监测模块和微震监测模块监测的数据；
预警分析模块，用于基于灰色预测算法构建土壤裂隙变化率与震动量和形变量的函数关系，获得矿山灾害预测模型，根据监测桩获取的监测数据、InSAR影像监测模块获取的形变量和微震监测模块获取的震动量，输入矿山灾害预测模型获得风险度，根据风险度预测矿山灾害并进行预警信号发送；
监测桩包括桩本体，桩本体顶部设有供电模块，桩本体内开有容置腔且容置腔贯穿桩本体顶部，容置腔内设有通讯模块、预处理模块和支撑组件，桩本体侧壁下部开有若干第一滑槽和滑孔，第一滑槽内沿桩本体侧壁方向依次连接有第一弹性件、第一应变片和滑块，容置腔下方连通有第二滑槽，支撑组件包括沿容置腔和第二滑槽纵向滑动的压杆，压杆底部沿竖向依次连接有第二应变片和第二弹性件，第二弹性件远离第二应变片的一端与第二滑槽底部固定连接，压杆中部铰接有若干支撑杆，支撑杆中部与容置腔之间铰接有限位杆，支撑杆的活动端设有土壤含水量传感器，支撑杆能够穿过滑孔***矿山地下土壤，加固监测桩并通过土壤含水量传感器监测桩本体周围土壤的含水量，压杆顶部设有锁止组件；
其中，第一应变片、第二应变片、土壤含水量传感器、通讯模块和供电模块均与预处理模块信号连接，预处理模块用于根据土壤含水量传感器和第一应变片的数据，构建土壤含水量与土壤裂隙的函数关系，并计算土壤裂隙变化率。
3.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：锁止组件包括沿压杆竖向依次设置的锁止块和第三弹性件，锁止块与压杆侧壁上部铰接，第三弹性件套设在压杆上部，容置腔侧壁上部依次开有第一锁止槽和第二锁止槽，第二锁止槽连通有释放槽，其中，初始状态时，锁止块卡接于第一锁止槽，锁止状态时，锁止块卡接于第二锁止槽。
4.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：压杆顶部固定连接有密封圈。
5.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：第一滑槽、第一弹性件、第一应变片和滑块的数量均为4。
6.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：数据采集模块对监测节点位置的采集在于：监测节点间距在0-4m时，采用RSSI测距方法测量监测节点间距；监测节点间距超过4m时，采用TOF方法测量监测节点间距。
7.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：数据处理模块对监测数据的处理在于：采用高斯回归模型对节点位置的数据进行均值处理。
8.根据权利要求2所述的现场监测与数值模拟相结合的矿山灾害预测预警方法，其特征在于：数据处理模块对监测数据的处理还在于，采用卡尔曼滤波算法对均值处理后的节点位置数据进行峰值过滤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455677.3A CN116564065A (zh) | 2023-04-25 | 2023-04-25 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455677.3A CN116564065A (zh) | 2023-04-25 | 2023-04-25 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116564065A true CN116564065A (zh) | 2023-08-08 |
Family
ID=87489084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310455677.3A Pending CN116564065A (zh) | 2023-04-25 | 2023-04-25 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116564065A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117109427A (zh) * | 2023-09-07 | 2023-11-24 | 陕西中岩物联信息科技有限公司 | 一种基于gnss卫星定位的地面形变监测***和方法 |
| CN117782226A (zh) * | 2024-02-23 | 2024-03-29 | 四川省能源地质调查研究所 | 矿山安全预警*** |
-
2023
- 2023-04-25 CN CN202310455677.3A patent/CN116564065A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117109427A (zh) * | 2023-09-07 | 2023-11-24 | 陕西中岩物联信息科技有限公司 | 一种基于gnss卫星定位的地面形变监测***和方法 |
| CN117782226A (zh) * | 2024-02-23 | 2024-03-29 | 四川省能源地质调查研究所 | 矿山安全预警*** |
| CN117782226B (zh) * | 2024-02-23 | 2024-05-14 | 四川省能源地质调查研究所 | 矿山安全预警*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116564065A (zh) | 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 | |
| Cai et al. | Assessment of excavation damaged zone using a micromechanics model | |
| Marchetti et al. | In situ tests by seismic dilatometer (SDMT) | |
| CN108412547B (zh) | 一种承压断层活化突水多场信息协同监测临突预报方法及监测*** | |
| US20170122822A1 (en) | Multipoint Coal and Rock Mass Stress Real-Time Monitoring Device and Method | |
| CN104266913B (zh) | 一种矿井工作面底板采动破坏模拟试验装置 | |
| KR20160056359A (ko) | Ｇｉｓ 기반 실시간 지진피해 예측 방법 | |
| CN107882592B (zh) | 一种煤矿地下水库储水系数的测定方法及电子设备 | |
| Guadagnuolo et al. | Integrated evaluation of the Church of S. Nicola di Mira: Conservation versus safety | |
| CN107063881B (zh) | 一种基于次声技术的滑坡监测模型装置及其试验方法 | |
| CN109268072B (zh) | 煤矿底板突水灾害智能、实时预测预警的大数据云平台 | |
| Li et al. | Effect of the inclined weak interlayers on the rainfall response of a bedded rock slope | |
| CN113591347A (zh) | 一种高边坡施工过程中动态监测方法及预警*** | |
| CN110501386A (zh) | 基于碳纤维混凝土的岩爆预警方法 | |
| Yang et al. | Experimental and theoretical studies of laterally loaded single piles in slopes | |
| CN104992533A (zh) | 水气压力传感器监测预警预报*** | |
| CN111680896B (zh) | 一种煤矿地下水库安全距离确定方法 | |
| CN103091726B (zh) | 高压富水断层工程地质岩土的遥感量化勘察方法 | |
| CN110532703B (zh) | 一种用于海域段海底隧道的海床安全性管理方法及*** | |
| Koseki et al. | Report on applications of laboratory stress-strain test results of geomaterials to geotechnical practice in Japan | |
| Yao | Research on invert monitoring system of expansive rock tunnel based on distributed optical fiber | |
| CN109505656B (zh) | 一种岩溶隧道突水预警***及预警方法 | |
| Wang et al. | Experimental investigation of crack initiation and propagation in the unreinforced masonry specimen subjected to vertical settlement | |
| Zarrella et al. | Overview of structural health monitoring systems for the foundations of historic buildings | |
| CN109165480B (zh) | 一种基于粘性土应力路径预测矿坑涌水量的方法及*** |
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 |