CN117037456B - 一种现场监测的矿山灾害预测预警方法及*** - Google Patents
一种现场监测的矿山灾害预测预警方法及*** Download PDFInfo
- Publication number
- CN117037456B CN117037456B CN202311300977.0A CN202311300977A CN117037456B CN 117037456 B CN117037456 B CN 117037456B CN 202311300977 A CN202311300977 A CN 202311300977A CN 117037456 B CN117037456 B CN 117037456B
- Authority
- CN
- China
- Prior art keywords
- data
- mine
- rock
- early warning
- factor
- 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 67
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000011435 rock Substances 0.000 claims abstract description 136
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 98
- 238000012502 risk assessment Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000007667 floating Methods 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 39
- 239000003673 groundwater Substances 0.000 claims description 33
- 230000035515 penetration Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 19
- 239000011148 porous material Substances 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000003449 preventive effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008602 contraction Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012360 testing method Methods 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
- 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
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)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种现场监测的矿山灾害预测预警方法及***，涉及矿山灾害的技术领域，通过对矿山进行现场部署传感器，实时监测地上下水数据和地下岩石数据，这使得矿山管理人员能够获得及时和全面的数据，以便更好地了解矿山环境的状态，预测分析模块将对地上下水数据和地下岩石数据进行分析，预测出风险评估指数，帮助预测潜在的灾害风险，综合考虑历史灾害次数、水位变化系数以及岩石稳定系数等多种因素，有助于量化风险水平，提供更加准确的灾害风险评估，降低矿山因灾害而造成人员的伤亡。
Description
技术领域
本发明涉及矿山灾害的技术领域，具体为一种现场监测的矿山灾害预测预警方法及***。
背景技术
在矿山行业中，安全是首要关切的问题之一，矿山灾害通常包括地下水位升高导致的水灾、岩石稳定性问题引发的滑坡、塌方和泥石流等。这些灾害不仅危及矿山设施和设备的安全，还可能对工人的生命安全和环境造成严重威胁。因此，矿山业务需要有效的监测和预测***，以提前识别潜在的危险情况，采取适当的预防措施，确保矿山运营的可持续性和安全性。
随着科技的发展，传统的矿山预测***也日益倚重信息化和智能化手段。然而，传统的预测方法在对于监测的数据方面，往往是大量的监测与采集矿山地表的相关数据信息，恰恰缺少对矿山地下的相关数据进行采集与监测，比如矿山地下的水源的水位变化和地下岩石的强度、孔径、温度差以及裂缝深度等多种因数都会影响到矿山整体的发生灾害的频率，因此，如何更为精确的预测出矿山地下的风险评估结果，是本发明所要解决的问题。
发明内容
针对现有技术的不足，本发明提供了一种现场监测的矿山灾害预测预警方法及***，解决了上述背景技术中的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种现场监测的矿山灾害预测预警***，包括数据监测模块、数据采集模块、预测分析模块、预警通知模块和维护管理模块；
所述数据监测模块用于在现场合适地段部署传感器，并实时监测矿山的地上下水数据和地下岩石数据；
所述数据采集模块用于收集与整理来自于传感器中的数据信息，并对其进行数据处理和数据转换，转换为数字信号，集中传输至数据集；
所述预测分析模块用于对矿山的地上下水数据和地下岩石数据进行深度挖掘，分析获得：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，并输入至数据集中，预测获取风险评估指数/>，所述风险评估指数/>通过以下公式获得：
；
式中，表示为历史灾害次数，/>表示为水位变化系数/>的权重值，/>表示为岩石稳定系数/>，其中/>，/>，且/>，/>表示为修正系数；
将孔径与温度差/>相关联，获得岩石渗透因子/>；将原水位/>与现水位相关联，获得浮动因子/>；将岩石渗透因子/>与浮动因子/>相关联，获得水位变化系数/>；将荷载/>与裂缝深度/>相关联，获得岩石稳定系数/>；将岩石稳定系数与水位变化系数/>相关联，获得风险评估指数/>；
所述预警通知模块用于通过抽取历史时间轴内的每周、每月或者每年的矿山的地上下水数据和地下岩石数据以及历史灾害频率数据，以获取历史数据并计算平均值，获得平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略；
所述维护管理模块用于对上述获取的灾害预警策略做出相对于的调整和管理工作。
优选的，所述数据监测模块包括传感器单元和图像记录单元；
所述传感器单元用于在矿山地表和地下合适的位置安装光纤传感器、温度传感器、湿度传感器、应变计传感器和裂缝检测仪来监测矿山的地下岩石数据，所述地下岩石数据包括岩石表面或内部应变、温度、湿度以及裂缝是否扩展或变形；
所述图像记录单元用于在矿山地表和地下合适的位置安装摄像头、水井深度测量仪、激光测距仪、水位计、雨量计和雨滴计数器进行现场监测矿山的地上下水数据，所述地上下水数据包括地表和地下水位、岩石大小、降雨体量、矿山附近的水井深度以及降雨时的速度。
优选的，所述数据采集模块包括预处理单元和数据整合单元；
所述预处理单元用于检查和识别地上下水数据和地下岩石数据的丢失情况，并填补缺失值；
所述数据整合单元用于将经过预处理单元的多个数据源中的数据进行整合，以便于后续的分析、报告和决策制定；并将模拟信号转换成数字形式信号，以统一数据格式。
优选的，依据采集来的地下岩石数据，获得岩石渗透因子，所述岩石渗透因子通过以下公式获得：
；
式中，表示为孔径大小，/>表示为湿度，/>表示为温度差，/>表示为降雨速度，其中，/>和/>分别表示为孔径大小/>、湿度/>、温度差/>和降雨速度/>的权重值，其中，/>，/>，/>，/>，，/>表示为修正常数；
所述浮动因子通过以下公式获得：
；
式中，表示为地下现水位，/>表示为地下原水位，/>表示为时间间隔。
优选的，将岩石渗透因子与浮动因子/>相关联，获得水位变化系数/>，所述水位变化系数/>通过以下公式获得：
；
式中，表示为降雨量，/>表示为水井深度，/>和/>分别表示为岩石渗透因子/>、浮动因子/>、降雨量/>和水井深度/>的权重值，其中，/>，，/>，/>，且/>，/>表示为修正系数。
优选的，将荷载与裂缝深度/>相关联，获得岩石稳定系数/>，所述岩石稳定系数/>通过以下公式获取：
；
式中，表示为岩石强度，/>表示为荷载/>的权重值，/>表示为岩石强度/>的权重值，其中，/>，/>，且/>，/>表示为修正系数。
优选的，将浮动因子与预设浮动阈值K进行对比分析，获得对比结果：
若浮动因子高于预设浮动阈值K时，即/>>K时，表示为地下水位的变化幅度变大并超出了预设指数，意味着地下水位处于异常状态；
若浮动因子低于预设浮动阈值K时，即/><K时，表示为地下水位的变化幅度处在能够接受的范围。
优选的，通过获取的历史数据并将其利用统计法计算获取平均数，生成平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略：
当风险评估指数高于平均阈值Q时，即/>>Q时，表示为当前的矿山处于高危险地带，意味着地下水位逐渐上升，随时出现涌水现象，此时矿山内外均发送紧急红色预警；
当风险评估指数等于平均阈值Q时，即/>=Q时，表示为当前矿山没有明显的异常现象，此时矿山内外均发送橙色预警，此时矿山内的管理人员将继续监测风险情况；
当风险评估指数低于平均阈值Q时，即/><Q时，表示为当前的矿山处于低危险状态，此时需定时的维持常规预防设备，确保预防设备能够正常运行。
优选的，维护管理模块包括反馈单元和报告总结单元；
所述反馈单元用于***在发出相应的预警通知之后，再次通过弹窗形式提示矿山后台观察人员，最终的执行结果是否正常或有无异常情况；
所述报告总结单元用于在定期的去矿山进行现场监测之后，通过定期生成事件的驱动报告，以向矿山的管理层和监管机构提供详细信息，报告包括关键指标、问题报告和趋势分析。
优选的，一种现场监测的矿山灾害预测预警方法，包括以下步骤，
步骤一、通过数据监测模块将通过在矿山上的合适地段安装传感器，监测获取地上下水数据和地下岩石数据；
步骤二、通过数据采集模块将监测来的数据进行数据预处理和转换，提高后续数据提取的准确度，并将其传输到数据集中；
步骤三、通过预测分析模块将数据集中的数据进行特征提取，从中计算分析获取：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，预测出风险评估指数/>；
步骤四、通过预警通知模块将从历史数据中获得来的平均阈值Q与上述风险评估指数进行对比，获得灾害预警策略；
步骤五、通过维护管理模块用于在预警通知后做出后续的反馈工作，并对往常获得的数据结果进行总结，定期制定报告。
本发明提供了一种现场监测的矿山灾害预测预警方法及***，具备以下有益效果：
（1）该一种现场监测的矿山灾害预测预警***，通过对矿山进行现场部署传感器，实时监测地上下水数据和地下岩石数据，这使得矿山管理人员能够获得及时和全面的数据，以便更好地了解矿山环境的状态，预测分析模块将对地上下水数据和地下岩石数据进行分析，预测出风险评估指数，帮助预测潜在的灾害风险，综合考虑历史灾害次数/>、水位变化系数/>以及岩石稳定系数/>等多种因素，有助于量化风险水平，提供更加准确的灾害风险评估，降低矿山因灾害而造成人员的伤亡。
（2）该一种现场监测的矿山灾害预测预警***，岩石渗透因子综合考虑了多个因素，提供了关于地下岩石内部水分传递能力的信息，预测后期矿山地下发生涌水的情况，通过对浮动因子/>的计算，可知当浮动因子高于预设浮动阈值时，可能意味着地下水位的升高，这是一种潜在的灾害风险信号，帮助***及时的察觉到潜在的灾害问题，岩石稳定系数/>的计算综合考虑了岩石强度/>和荷载/>等因素，用于评估岩石的稳定性，高稳定系数可能表明岩石对外部荷载/>具有较高的抵抗能力，低稳定系数可能暗示岩石容易发生崩塌或滑坡等问题，总之，上述数据的计算和应用使***能够更准确地评估矿山地下环境的状态和潜在的灾害风险，有助于采取适当的措施，减少灾害的风险。
（4）该一种现场监测的矿山灾害预测预警方法，通过现场监测、采集、分析、计算获得：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，预测出风险评估指数/>，并将其与平均阈值Q进行对比，最终获得灾害预警策略，采取相应的措施。
附图说明
图1为本发明一种现场监测的矿山灾害预测预警***的框图流程示意图；
图2为本发明一种现场监测的矿山灾害预测预警方法的流程示意图。
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，都属于本发明保护的范围。
在矿山行业中，安全是首要关切的问题之一，矿山灾害通常包括地下水位升高导致的水灾、岩石稳定性问题引发的滑坡、塌方和泥石流等。这些灾害不仅危及矿山设施和设备的安全，还可能对工人的生命安全和环境造成严重威胁。因此，矿山业务需要有效的监测和预测***，以提前识别潜在的危险情况，采取适当的预防措施，确保矿山运营的可持续性和安全性。
随着科技的发展，传统的矿山预测***也日益倚重信息化和智能化手段。然而，传统的预测方法在对于监测的数据方面，往往是大量的监测与采集矿山地表的相关数据信息，恰恰缺少对矿山地下的相关数据进行采集与监测，比如矿山地下的水源的水位变化和地下岩石的强度、孔径、温度差以及裂缝深度等多种因数都会影响到矿山整体的发生灾害的频率，因此，如何更为精确的预测出矿山地下的风险评估结果，是本发明所要解决的问题。
实施例1
请参阅图1，本发明提供一种现场监测的矿山灾害预测预警***，包括数据监测模块、数据采集模块、预测分析模块、预警通知模块和维护管理模块；
数据监测模块用于在现场合适地段部署传感器，并实时监测矿山的地上下水数据和地下岩石数据；
数据采集模块用于收集与整理来自于传感器中的数据信息，并对其进行数据处理和数据转换，转换为数字信号，集中传输至数据集；
预测分析模块用于对矿山的地上下水数据和地下岩石数据进行深度挖掘，分析获得：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，并输入至数据集中，预测获取风险评估指数/>，风险评估指数/>通过以下公式获得：
；
式中，表示为历史灾害次数，/>表示为水位变化系数/>的权重值，/>表示为岩石稳定系数/>，其中/>，/>，且/>，/>表示为修正系数；
上述的历史灾害次数通过查阅过去的矿山事故和灾害的记录和报告进行采集获取；
将孔径与温度差/>相关联，获得岩石渗透因子/>；将原水位/>与现水位相关联，获得浮动因子/>；将岩石渗透因子/>与浮动因子/>相关联，获得水位变化系数/>；将荷载/>与裂缝深度/>相关联，获得岩石稳定系数/>；将岩石稳定系数与水位变化系数/>相关联，获得风险评估指数/>；
预警通知模块用于通过抽取历史时间轴内的每周、每月或者每年的矿山的地上下水数据和地下岩石数据以及历史灾害频率数据，以获取历史数据并计算平均值，获得平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略；
维护管理模块用于对上述获取的灾害预警策略做出相对于的调整和管理工作。
本***运行中，数据监测模块和数据采集模块能够在矿山现场部署传感器，实时监测地上下水数据和地下岩石数据，预测分析模块将对地上下水数据和地下岩石数据进行分析，预测出风险评估指数，综合考虑历史灾害次数/>、水位变化系数/>、岩石稳定系数/>等多种因素，有助于量化风险水平，提供更加准确的灾害风险评估。
实施例2
请参照图1，具体的：数据监测模块包括传感器单元和图像记录单元；
传感器单元用于在矿山地表和地下合适的位置安装光纤传感器、温度传感器、湿度传感器、应变计传感器和裂缝检测仪来监测矿山的地下岩石数据，地下岩石数据包括岩石表面或内部应变、温度、湿度以及裂缝是否扩展或变形；
其中，岩石表面或内部应变数据通过应变计传感器和光纤传感器进行采集获取；温度通过温度传感器进行采集获取；湿度通过湿度传感器进行采集获取；裂缝是否扩展或变形通过裂缝检测仪进行检测采集获取；
图像记录单元用于在矿山地表和地下合适的位置安装摄像头、水井深度测量仪、激光测距仪、水位计、雨量计和雨滴计数器进行现场监测矿山的地上下水数据，地上下水数据包括地表和地下水位、岩石大小、降雨体量、矿山附近的水井深度以及降雨时的速度，降雨时的速度指的是每分钟降落到地面的雨滴数量。
其中，地表和地下水位均通过水位计进行采集获取；岩石大小通过激光测距仪进行测量获取，利用激光束发射和接收的原理，精确地测量岩石尺寸大小；降雨体量通过雨量计进行采集获取；矿山附近的水井深度通过水井深度测量仪进行采集获取；降雨时的速度通过雨滴计数器进行监测获取；
数据采集模块包括预处理单元和数据整合单元；
预处理单元用于检查和识别地上下水数据和地下岩石数据的丢失情况，并填补缺失值，确保从采集到的数据中提取出准确、一致和有用的信息，从而更好地支持矿山运营和管理。
其中，修复地上下水数据和地下岩石数据的丢失是通过异常检测技术进行检查和识别，检查和识别其中的丢失值或异常数据点；并使用插值技术填补缺失值，其中，插值是根据已知数据点的信息来估计缺失值，常见的插值方法包括线性插值、多项式插值、样条插值等，并且根据数据的性质和缺失值的分布选择插值方法；也可以使用统计方法来填补缺失值，如使用均值、中位数、众数等统计量来替代缺失值。
数据整合单元用于将经过预处理单元的多个数据源中的数据进行整合，以便于后续的分析、报告和决策制定；并将模拟信号转换成数字形式信号，以统一数据格式。依据不同传感器或仪器采集获取的模拟信号通过模数转换技术转换成数字形式信号。
其中，上述的将多个数据源中的数据进行整合指的是将来自多个不同传感器、不同采集仪器和不同时间戳的数据进行汇总，合并成数据集的过程，包括采用不同采集仪器获取数据信息，并通过预处理单元将地上下水数据和地下岩石数据进行检查和填补缺失值，接着，将模拟信号转换成数字形式信号，统一格式，最终将来自不同数据源的数据合并到一个单一的数据集中即可。
本实施例中，根据传感器单元和图像记录单元将从矿石中采集多维度的数据信息，有助于***获得全面的矿山环境数据，提供更全面的灾害监测。
实施例3
请参照图1，具体的：依据采集来的地下岩石数据，获得岩石渗透因子，岩石渗透因子/>通过以下公式获得：
；
式中，表示为孔径大小，/>表示为湿度，/>表示为温度差，/>表示为降雨速度，其中，/>和/>分别表示为孔径大小/>、湿度/>、温度差/>和降雨速度/>的权重值，其中，/>，/>，/>，/>，，/>表示为修正常数；
其中，上述孔径大小是指矿山岩石的渗透能力，并通过光纤传感器监测获取得来；
湿度是指岩石整体的湿度情况，并通过湿度传感器进行监测获取得来；
温度差指的是岩石昼夜温差变化情况，温度的升高会导致岩石膨胀，而温度的降低会导致岩石收缩。这些膨胀和收缩过程可能会导致孔隙的扩大或缩小，从而影响渗透性，并且通过温度传感器监测获取；
降雨速度是指每分钟降落到地面的雨滴数量，通过雨滴计数器进行监测获取。
浮动因子通过以下公式获得：
；
式中，表示为地下现水位，/>表示为地下原水位，/>表示为时间间隔。
将岩石渗透因子与浮动因子/>相关联，获得水位变化系数/>，水位变化系数/>通过以下公式获得：
；
式中，表示为降雨量，/>表示为水井深度，/>和/>分别表示为岩石渗透因子/>、浮动因子/>、降雨量/>和水井深度/>的权重值，其中，/>，，/>，/>，且/>，/>表示为修正系数。
其中，上述的降雨量通常通过雨量计进行采集获取；水井深度/>通常通过测深仪或水井深度测量仪进行监测获取。
将荷载与裂缝深度/>相关联，获得岩石稳定系数/>，岩石稳定系数/>通过以下公式获取：
；
式中，表示为岩石强度，/>表示为荷载/>的权重值，/>表示为岩石强度/>的权重值，其中，/>，/>，且/>，/>表示为修正系数。
其中，上述的岩石强度通过岩石抗压强度测试进行监测获取，具体操作是将岩石样本放入压力测试机中，然后逐渐增加压力，直到岩石样本发生破裂，测试机可以记录所需的压力值，从而确定岩石的抗压强度。
荷载表示为矿山中的地下设备、建筑物和支撑结构的荷载会施加额外的应力和重力负荷在岩石上，从而影响其稳定性，通过应变计采集获取。
裂缝深度指的是岩石裂缝的深度，通过通过激光扫描仪进行监测获取。
本实施例中，通过对浮动因子的计算，可知当浮动因子高于预设浮动阈值时，可能意味着地下水位的升高，这是一种潜在的灾害风险信号，帮助***及时的察觉到潜在的灾害问题，岩石稳定系数/>的计算综合考虑了岩石强度/>和荷载/>等因素，用于评估岩石的稳定性，高稳定系数可能表明岩石对外部荷载/>具有较高的抵抗能力，低稳定系数可能暗示岩石容易发生崩塌或滑坡等问题。
实施例4
请参照图1，具体的：将浮动因子与预设浮动阈值K进行对比分析，获得对比结果：
若浮动因子高于预设浮动阈值K时，即/>>K时，表示为地下水位的变化幅度变大并超出了预设指数，意味着地下水位处于异常状态，***将即刻触发紧急红色预警；
若浮动因子低于预设浮动阈值K时，即/><K时，表示为地下水位的变化幅度处在能够接受的范围。
通过获取的历史数据并将其利用统计法计算获取平均值，生成平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略：
其中，上述的统计法采用的是算术平均数算法；
当风险评估指数高于平均阈值Q时，即/>>Q时，表示为当前的矿山处于高危险地带，意味着地下水位逐渐上升，随时出现地下涌水现象，此时矿山内外均发送紧急红色预警，与此同时，立即启动紧急撤离计划，立即停止矿山的运营和开采活动，所有矿山工作人员迅速撤离危险区域，启动地下水应***水设备，以降低地下水位并控制涌水情况；
当风险评估指数等于平均阈值Q时，即/>=Q时，表示为当前矿山没有明显的异常现象，此时矿山内外均发送橙色预警，此时矿山内的管理人员将继续监测风险情况；
当风险评估指数低于平均阈值Q时，即/><Q时，表示为当前的矿山处于低危险状态，此时需定时的维持常规预防设备，确保预防设备能够正常运行。
维护管理模块包括反馈单元和报告总结单元；
反馈单元用于***在发出相应的预警通知之后，再次通过弹窗形式提示矿山后台观察人员，最终的执行结果是否正常或有无异常情况；
报告总结单元用于在定期的去矿山进行现场监测之后，通过定期生成事件的驱动报告，以向矿山的管理层和监管机构提供详细信息，报告包括关键指标、问题报告和趋势分析。
本实施例中，***基于风险评估指数与平均阈值Q的对比分析，触发相应的预警策略，包括紧急红色预警、橙色预警和低危险状态预警，帮助管理人员迅速采取适当的行动。当风险较高时，***将触发紧急红色预警，立即停工、紧急撤离，保护矿山工作人员的生命安全，并且启动地下水应***水设备，以降低地下水位并控制涌水情况；***通过深度挖掘历史数据，计算出各种关键因素，为风险评估提供科学依据。
实施例5
请参照图2，具体的：一种现场监测的矿山灾害预测预警方法，包括以下步骤，
步骤一、通过数据监测模块将通过在矿山上的合适地段安装传感器，监测获取地上下水数据和地下岩石数据；
步骤二、通过数据采集模块将监测来的数据进行数据预处理和转换，提高后续数据提取的准确度，并将其传输到数据集中；
步骤三、通过预测分析模块将数据集中的数据进行特征提取，从中计算分析获取：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，预测出风险评估指数/>；
步骤四、通过预警通知模块将从历史数据中获得来的平均阈值Q与上述风险评估指数进行对比，获得灾害预警策略；
步骤五、通过维护管理模块用于在预警通知后做出后续的反馈工作，并对往常获得的数据结果进行总结，定期制定报告。
本实施例中，通过现场监测，采集与记录地上下水数据和地下岩石数据，并分析计算获得：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，预测出风险评估指数/>，并将其与平均阈值Q进行对比，最终获得灾害预警策略，采取相应的措施。
示例：一个某某矿山，该矿山内部的安全管理平台中引入了一种现场监测的矿山灾害预测预警***，以下是某某矿山的示例：
数据监测和采集：孔径大小为0.05；湿度/>为0.65；温度差/>为35；降雨速度/>为12每秒；地下现水位/>为500；地下原水位/>为450；时间间隔/>为5；降雨量/>为1500；水井深度/>为50米；/>为2；/>为3；/>为5；/>为7；历史灾害次数/>为2；
结合孔径大小在岩石渗透因子/>中的重要性以及/>的范围，选取/>为0.51；
结合湿度在岩石渗透因子/>中的重要性以及/>的范围，选取/>为0.38；
结合温度差在岩石渗透因子/>中的重要性以及/>的范围，选取/>为0.46；
结合降雨速度在岩石渗透因子/>中的重要性以及/>的范围，选取/>为0.66；
结合岩石渗透因子在水位变化系数/>中的重要性以及/>的范围，选取/>为0.25；结合浮动因子/>在水位变化系数/>中的重要性以及/>的范围，选取/>为0.40；结合降雨量/>在水位变化系数/>中的重要性以及/>的范围，选取/>为0.50；结合水井深度在水位变化系数/>中的重要性以及/>的范围，选取/>为0.42；
结合荷载在岩石稳定系数/>中的重要性以及/>的范围，选取/>为0.39；结合岩石强度/>在岩石稳定系数/>中的重要性以及/>的范围，选取/>为0.23；
结合水位变化系数在风险评估指数/>中的重要性以及/>的范围，选取/>为0.50；结合岩石稳定系数/>在风险评估指数/>中的重要性以及/>的范围，选取/>为0.39；
通过以上数据，可以进行以下计算：
岩石渗透因子=/>=14.09；
浮动因子=/>=10；
水位变化系数=/>=514.51；
岩石稳定系数=/>=71.57；
风险评估指数=/>=328.72；
若预设浮动阈值K为15时，则浮动因子低于预设浮动阈值K，此时表示为地下水位的变化幅度处在能够接受的范围；
若平均阈值Q为350时，则<Q，此时表示为当前的矿山处于低危险状态，此时需定时的维持常规预防设备，确保预防设备能够正常运行。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神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，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种现场监测的矿山灾害预测预警***，其特征在于：包括数据监测模块、数据采集模块、预测分析模块、预警通知模块和维护管理模块；
所述数据监测模块用于在现场合适地段部署传感器，并实时监测矿山的地上下水数据和地下岩石数据；
所述数据采集模块用于收集与整理来自于传感器中的数据信息，并对其进行数据处理和数据转换，转换为数字信号，集中传输至数据集；
所述预测分析模块用于对矿山的地上下水数据和地下岩石数据进行深度挖掘，分析获得：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，并输入至数据集中，预测获取风险评估指数/>，所述风险评估指数/>通过以下公式获得：
；
式中，表示为历史灾害次数，/>表示为水位变化系数/>的权重值，/>表示为岩石稳定系数/>，其中/>，/>，且/>，/>表示为修正系数；
将孔径与温度差/>相关联，获得岩石渗透因子/>；将原水位/>与现水位/>相关联，获得浮动因子/>；将岩石渗透因子/>与浮动因子/>相关联，获得水位变化系数/>；将荷载/>与裂缝深度/>相关联，获得岩石稳定系数/>；将岩石稳定系数与水位变化系数/>相关联，获得风险评估指数/>；
所述预警通知模块用于通过抽取历史时间轴内的每周、每月或者每年的矿山的地上下水数据和地下岩石数据以及历史灾害频率数据，以获取历史数据并计算平均值，获得平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略；
所述维护管理模块用于对上述获取的灾害预警策略做出相对于的调整和管理工作。
2.根据权利要求1所述的一种现场监测的矿山灾害预测预警***，其特征在于：所述数据监测模块包括传感器单元和图像记录单元；
所述传感器单元用于在矿山地表和地下合适的位置安装光纤传感器、温度传感器、湿度传感器、应变计传感器和裂缝检测仪来监测矿山的地下岩石数据，所述地下岩石数据包括岩石表面或内部应变、温度、湿度以及裂缝是否扩展或变形；
所述图像记录单元用于在矿山地表和地下合适的位置安装摄像头、水井深度测量仪、激光测距仪、水位计、雨量计和雨滴计数器进行现场监测矿山的地上下水数据，所述地上下水数据包括地表和地下水位、岩石大小、降雨体量、矿山附近的水井深度以及降雨时的速度。
3.根据权利要求2所述的一种现场监测的矿山灾害预测预警***，其特征在于：所述数据采集模块包括预处理单元和数据整合单元；
所述预处理单元用于检查和识别地上下水数据和地下岩石数据的丢失情况，并填补缺失值；
所述数据整合单元用于将经过预处理单元的多个数据源中的数据进行整合，以便于后续的分析、报告和决策制定；并将模拟信号转换成数字形式信号，以统一数据格式。
4.根据权利要求3所述的一种现场监测的矿山灾害预测预警***，其特征在于：依据采集来的地下岩石数据，获得岩石渗透因子，所述岩石渗透因子/>通过以下公式获得：
；
式中，表示为孔径大小，/>表示为湿度，/>表示为温度差，/>表示为降雨速度，其中，/>和/>分别表示为孔径大小/>、湿度/>、温度差/>和降雨速度/>的权重值，其中，/>，/>，/>，/>，，/>表示为修正常数；
所述浮动因子通过以下公式获得：
；
式中，表示为地下现水位，/>表示为地下原水位，/>表示为时间间隔。
5.根据权利要求4所述的一种现场监测的矿山灾害预测预警***，其特征在于：将岩石渗透因子与浮动因子/>相关联，获得水位变化系数/>，所述水位变化系数/>通过以下公式获得：
；
式中，表示为降雨量，/>表示为水井深度，/>和/>分别表示为岩石渗透因子/>、浮动因子/>、降雨量/>和水井深度/>的权重值，其中，/>，，/>，/>，且/>，/>表示为修正系数。
6.根据权利要求5所述的一种现场监测的矿山灾害预测预警***，其特征在于：将荷载与裂缝深度/>相关联，获得岩石稳定系数/>，所述岩石稳定系数/>通过以下公式获取：
；
式中，表示为岩石强度，/>表示为荷载/>的权重值，/>表示为岩石强度/>的权重值，其中，/>，/>，且/>，/>表示为修正系数。
7.根据权利要求6所述的一种现场监测的矿山灾害预测预警***，其特征在于：将浮动因子与预设浮动阈值K进行对比分析，获得对比结果：
若浮动因子高于预设浮动阈值K时，即/>>K时，表示为地下水位的变化幅度变大并超出了预设指数，意味着地下水位处于异常状态；
若浮动因子低于预设浮动阈值K时，即/><K时，表示为地下水位的变化幅度处在能够接受的范围。
8.根据权利要求7所述的一种现场监测的矿山灾害预测预警***，其特征在于：通过获取的历史数据并将其利用统计法计算获取平均值，生成平均阈值Q，并将预测获取来的风险评估指数与平均阈值Q进行对比分析，获取灾害预警策略：
当风险评估指数高于平均阈值Q时，即/>>Q时，表示为当前的矿山处于高危险地带，意味着地下水位逐渐上升，随时出现涌水现象，此时矿山内外均发送紧急红色预警；
当风险评估指数等于平均阈值Q时，即/>=Q时，表示为当前矿山没有明显的异常现象，此时矿山内外均发送橙色预警，此时矿山内的管理人员将继续监测风险情况；
当风险评估指数低于平均阈值Q时，即/><Q时，表示为当前的矿山处于低危险状态，此时需定时的维持常规预防设备，确保预防设备能够正常运行。
9.根据权利要求8所述的一种现场监测的矿山灾害预测预警***，其特征在于：维护管理模块包括反馈单元和报告总结单元；
所述反馈单元用于***在发出相应的预警通知之后，再次通过弹窗形式提示矿山后台观察人员，最终的执行结果是否正常或有无异常情况；
所述报告总结单元用于在定期的去矿山进行现场监测之后，通过定期生成事件的驱动报告，以向矿山的管理层和监管机构提供详细信息，报告包括关键指标、问题报告和趋势分析。
10.一种现场监测的矿山灾害预测预警方法，包括上述权利要求1至9中任一所述的一种现场监测的矿山灾害预测预警***，其特征在于：包括以下步骤，
步骤一、通过数据监测模块将通过在矿山上的合适地段安装传感器，监测获取地上下水数据和地下岩石数据；
步骤二、通过数据采集模块将监测来的数据进行数据预处理和转换，提高后续数据提取的准确度，并将其传输到数据集中；
步骤三、通过预测分析模块将数据集中的数据进行特征提取，从中计算分析获取：岩石渗透因子、浮动因子/>、水位变化系数/>和岩石稳定系数/>，预测出风险评估指数/>；
步骤四、通过预警通知模块将从历史数据中获得来的平均阈值Q与上述风险评估指数进行对比，获得灾害预警策略；
步骤五、通过维护管理模块用于在预警通知后做出后续的反馈工作，并对往常获得的数据结果进行总结，定期制定报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311300977.0A CN117037456B (zh) | 2023-10-10 | 2023-10-10 | 一种现场监测的矿山灾害预测预警方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311300977.0A CN117037456B (zh) | 2023-10-10 | 2023-10-10 | 一种现场监测的矿山灾害预测预警方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117037456A CN117037456A (zh) | 2023-11-10 |
| CN117037456B true CN117037456B (zh) | 2024-01-30 |
Family
ID=88637641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311300977.0A Active CN117037456B (zh) | 2023-10-10 | 2023-10-10 | 一种现场监测的矿山灾害预测预警方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117037456B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117405176B (zh) * | 2023-12-13 | 2024-03-19 | 中铁北京工程局集团(天津)工程有限公司 | 一种大体积混凝土施工质量检测方法及*** |
| CN117495595B (zh) * | 2024-01-02 | 2024-03-15 | 北京中矿大地地球探测工程技术有限公司 | 一种矿山地质环境智能监测预警方法及*** |
| CN117576879B (zh) * | 2024-01-17 | 2024-04-16 | 兰陵城投矿业有限公司 | 一种用于矿山运输设备的检测预警方法及*** |
| CN117635219B (zh) * | 2024-01-26 | 2024-04-26 | 长春黄金设计院有限公司 | 金属矿山生产大数据智能分析***及方法 |
| CN117953664B (zh) * | 2024-03-27 | 2024-06-18 | 中铁水利水电规划设计集团有限公司 | 一种基于人工智能的地质灾害预测方法及*** |
| CN118298609A (zh) * | 2024-06-06 | 2024-07-05 | 中顾国际工程咨询有限公司 | 一种泥石流监测预警*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0954767A (ja) * | 1995-08-11 | 1997-02-25 | Seiichi Kumano | 地震等の災害予知方法およびその装置 |
| KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
| CN114718653A (zh) * | 2022-04-19 | 2022-07-08 | 安徽管锥科技有限公司 | 一种基于三场综合参数的矿山动力灾害实时监测预警方法 |
| CN116245283A (zh) * | 2023-03-08 | 2023-06-09 | 北京七兆科技有限公司 | 弃渣场次生灾害风险评估方法、装置、设备及存储介质 |
| CN116384112A (zh) * | 2023-04-06 | 2023-07-04 | 重庆移通学院 | 一种用于矿山灾害模拟和预警的方法及*** |
| CN116597619A (zh) * | 2023-07-18 | 2023-08-15 | 山东交控科技有限公司 | 一种基于人工智能的轨道交通防汛预警*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11610466B2 (en) * | 2021-08-16 | 2023-03-21 | Amrita Vishwa Vidyapeetham | Multilevel rapid warning system for landslide detection |
-
2023
- 2023-10-10 CN CN202311300977.0A patent/CN117037456B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0954767A (ja) * | 1995-08-11 | 1997-02-25 | Seiichi Kumano | 地震等の災害予知方法およびその装置 |
| KR101580062B1 (ko) * | 2014-12-05 | 2015-12-28 | 연세대학교 산학협력단 | 실시간 산사태 예경보 방법 및 시스템 |
| CN114718653A (zh) * | 2022-04-19 | 2022-07-08 | 安徽管锥科技有限公司 | 一种基于三场综合参数的矿山动力灾害实时监测预警方法 |
| CN116245283A (zh) * | 2023-03-08 | 2023-06-09 | 北京七兆科技有限公司 | 弃渣场次生灾害风险评估方法、装置、设备及存储介质 |
| CN116384112A (zh) * | 2023-04-06 | 2023-07-04 | 重庆移通学院 | 一种用于矿山灾害模拟和预警的方法及*** |
| CN116597619A (zh) * | 2023-07-18 | 2023-08-15 | 山东交控科技有限公司 | 一种基于人工智能的轨道交通防汛预警*** |
Non-Patent Citations (2)
| Title |
|---|
| 矿山灾害在线预测预警***的设计与实现;侯志华;;矿业安全与环保(S1);全文 * |
| 金属矿山地质灾害风险智能监测预警技术现状与展望;朱万成等;金属矿山;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117037456A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117037456B (zh) | 一种现场监测的矿山灾害预测预警方法及*** | |
| KR100814470B1 (ko) | 토석류 산사태 모니터링 시스템 및 방법 | |
| CN113310528B (zh) | 一种基于多元传感数据的实时隧道结构健康监测方法 | |
| CN108922123B (zh) | 一种矿山边坡滑移稳定性监测预警方法 | |
| CN111307031A (zh) | 一种埋地管道安全状态监测与预警方法 | |
| CN106224007A (zh) | 隧道施工安全监测预警管理*** | |
| US7855640B2 (en) | Method and system of determining alarm conditions | |
| CN109711632B (zh) | 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法 | |
| CN103257644A (zh) | 一种尾矿库安全状态在线监测方法 | |
| CN115324650A (zh) | 一种基于智能识别的预警分级***及方法 | |
| CN114495429B (zh) | 一种崩塌灾害早期预警方法及*** | |
| KR102118592B1 (ko) | 건설안전신호시스템 | |
| KR101845475B1 (ko) | 사면 안전관리 시스템 | |
| KR102097039B1 (ko) | 공간정보 기반의 지능형 구조물 안전 모니터링 플랫폼 | |
| CN109459094B (zh) | 基于十轴传感器的格栅位移测试***及方法 | |
| JP4027107B2 (ja) | 土砂異常検出装置、土砂異常検出システム、及び土砂異常検出方法 | |
| KR102315081B1 (ko) | 모바일로 연동 가능한 자동 계측 시스템 | |
| WO2018208271A2 (en) | Continuous ionospheric tec earthquake monitoring system | |
| KR102239394B1 (ko) | 땅밀림 발생지 조사 시스템 및 이의 모니터링 장치 | |
| CN116878592B (zh) | 一种水利工程主坝迎水面护坡安全检测***及检测方法 | |
| KR100958941B1 (ko) | 인터넷 기반 통합 계측정보 관리 시스템 | |
| KR101182414B1 (ko) | 온도 모니터링을 이용한 산사태 예측 방법 | |
| JP2004060311A (ja) | 地すべり監視方法、およびシステム | |
| Silva et al. | Correlations of geotechnical monitoring data in open pit slope back-analysis-A mine case study | |
| KR100842887B1 (ko) | 시설물 모니터링을 이용한 지진피해 신속 평가 시스템 |
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 |