[发明专利]一种岩质边坡结构面自动分组及位移预测方法

说明书

本发明的一种岩质边坡结构面自动分组及位移预测方法，包括：通过无人机获取岩质边坡的不同角度的多张图像，对不同角度的多张图像进行集成，构建岩质边坡的三维模型；对岩质边坡的结构面分组；对岩质边坡位移进行预测。本发明基于UAV(Unmanned Aerial Vehicle，无人机)技术提出的一种新型的岩质边坡结构面采集方法，实现了对结构面信息高精度、高效率的获取；同时采用一种新型的分类方法对UAV测量所得的结构面进行分组；最后通过UAV技术和神经网络方法实现了对边坡位移的监测与预测。以解决岩质边坡灾害预警问题。

技术领域

本发明属于岩质边坡灾害预警技术领域，涉及一种岩质边坡结构面自动分组及位移预测方法。

背景技术

对边坡进行地质调查以及产状统计对于研究岩质边坡稳定问题具有非常大的意义，传统测量方法测线法、窗口统计法、借助罗盘等工具直接对边坡进行近地测量，但是效率低下，工作量偏大且具有一定的危险性，对于高陡边坡来说，测量人员是无法近距离接近边坡的。三维激光和近景摄影测量作为两种新兴的测量技术，基于三维激光技术对边坡的进行扫描，获取了边坡的三维点云模型，并对结构面信息进行获取，并对边坡结构面进行聚类分组。但也存在一定的局限性，三维激光扫描可以存储海量云点坐标，但是由于设备不便于携带，且花费成本较高，在测量中往往使用的较少，而Shapematrix3D系统测量虽可以采取非接触摄影测量，但是对于测量高陡边坡，由于人工拍摄角度的不确定性，而且拍摄过程中需要在在坡体底部进行标定，具有一定的危险性。岩质边坡是由许多节理面、裂隙面、断层面等各种地质构造切割岩体所形成的非常复杂的结构体系，与土质边坡的构造具有较大的差异，其稳定性不但受制于岩石的强度，更多程度上依赖于边坡结构面的产状，因此对结构面进行统计和分组，得到其分布规律，目前对结构面分组的方法存在较大的误差。

岩质边坡破坏具有一定的突发性，需要对边坡进行实时监测，及时反馈边坡的稳定状况。根据边坡位移的变化规律来准确推演位移信息的变化趋势，能大大减少人力物力的损耗，掌握边坡变形的规律，对超前预测边坡的破坏以及判断边坡的稳定状态具有非常重要的影响。目前虽然监测技术发展得比较快，但监测资料的分析研究还处于待进一步发展的状态。边坡的监测数据虽然多，但是难以与边坡的安全稳定性状态建立直观方便的模型，由于二者之间的相关性的建立是十分复杂和闲难的，因而我们难以通过边坡的监测数据对其安全状况作直接的评判。于理论方法的不足，基于边坡所处的环境的复杂性，并且影响边坡安企稳定性的因素比较多，因此必须在边坡的监测数据反馈分析上加强研究。近年来，随着计算机技术的高速发展，神经网络，遗传算法等也被用于边坡稳定的判别总。关于边坡位移的预报预测方法，一般分为以下几种：1)神经网络与各类算法相结合，包括BP网络和遗传算法，PSO和LSSVM算法，SVM和马尔科夫链。2)考虑边坡位移的模糊性，采用时间序列及其衍生方法关于边坡位移的预测，包括时间序列与灰色系统，时间序列与神经网络，混沌时间序列。3)小波变换和神经网络，包括小波变换和神经网络，小波分析和灰色，这几种类型的方法，各有优缺点，应用上具有一定的局限性。

发明内容

本发明的目的是提供一种岩质边坡结构面自动分组及位移预测方法，以解决岩质边坡灾害预警问题。

本发明提供一种岩质边坡结构面自动分组及位移预测方法，包括如下步骤：

步骤1：通过无人机获取岩质边坡的不同角度的多张图像，对不同角度的多张图像进行集成，构建岩质边坡三维模型；

步骤2：对无人机采集获得的边坡三维模型的结构面信息进行分组；

步骤3：根据边坡结构面的分组和无人机采集的数据对岩质边坡位移进行预测。