[发明专利]一种基于切线角与多种滑坡模型的智能滑坡预测方法在审
申请号: | 202111559862.4 | 申请日: | 2021-12-20 |
公开(公告)号: | CN114444258A | 公开(公告)日: | 2022-05-06 |
发明(设计)人: | 戴颖超;张志家;金阳;刘文轩;王越 | 申请(专利权)人: | 苏州理工雷科传感技术有限公司 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F119/02 |
代理公司: | 北京理工大学专利中心 11120 | 代理人: | 高燕燕 |
地址: | 215011 江苏省苏州*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 切线 多种 滑坡 模型 智能 预测 方法 | ||
本发明提供一种基于切线角与多种滑坡模型的智能滑坡预测方法,仅需输入对滑坡监测结果的位移‑时间数据,即可自动判断出档期滑坡的危险程度,并能够综合各种滑坡预测模型对滑坡发生的时间做出预测。包括:对滑坡位移与时间结果进行卡尔曼滤波,并将滤波后的位移和时间曲线中位移做变换,除以匀速变形阶段的速度,获得变换后与时间量纲相同的纵坐标值;根据所述纵坐标值获取当前监测时段内曲线切线角,并根据所述曲线切线角判断当前滑坡所处发展阶段;并根据所述滤波后的位移和时间曲线,通过滑坡预测模型计算预测滑坡发生时间。
技术领域
本发明属于人工智能技术领域,尤其涉及一种基于切线角与多种滑坡模型的智能滑坡预测方法。
背景技术
滑坡是地壳表层斜坡上的岩土体在多种原因下发生向下滑动的现象,其在全球范围内广泛分布,危害严重。我国是世界上地质灾害最严重、受威胁人口最多的国家之一,其中滑坡灾害是地质灾害中发生频率最高和危害最大的一种。在过去的二三十年间,我国滑坡研究的理论水平得到显著提高,治理措施与方法不断改善,但还是无法准确预测滑坡发生的时间,虚警、漏报情况较多发生。
由于滑坡发生时间预测的准确与否往往关系着能否及时采取躲避措施避免人员伤亡,因而也是滑坡研究中的重点。为了实现能够对滑坡发生时间的预测,目前滑坡预测经历了经验预报阶段、统计分析预报阶段、综合分析预报阶段,并提出了定性分析方法、刚体极限平衡法、数值分析方法、综合评价方法等一系列对滑坡进行预测的方法,但这些方法各自都存在着不同的缺陷或使用上的困难,无法实现准确的自动预测,导致投入人力过大,无法普及,实用性不高的问题。
发明内容
为解决上述问题,本发明提供一种基于切线角与多种滑坡模型的智能滑坡预测方法,仅需输入对滑坡监测结果的位移-时间数据,即可自动判断出档期滑坡的危险程度,并能够综合各种滑坡预测模型对滑坡发生的时间做出预测,能够有效提高滑坡预测结果,实现全自动预测,无需人工干预。
本发明通过以下技术方案实现。
一种基于切线角与多种滑坡模型的智能滑坡预测方法,包括:
对滑坡位移与时间结果进行卡尔曼滤波,并将滤波后的位移和时间曲线中位移做变换,除以匀速变形阶段的速度,获得变换后与时间量纲相同的纵坐标值;
根据所述纵坐标值获取当前监测时段内曲线切线角,并根据所述曲线切线角判断当前滑坡所处发展阶段;并根据所述滤波后的位移和时间曲线,通过滑坡预测模型计算预测滑坡发生时间。
本发明的有益效果:
1、本发明首先对滑坡监测结果进行卡尔曼滤波,能够有效的提出突变值、野值对预测结果的影响,进而更加符合滑坡数学模型,其次通过计算获得当前滑坡的形变切线角,准确判断出滑坡的危险程度,实现对滑坡预测模型的准确选择,最后不同滑坡预测模型预测结果的可信度计算出综合的预测结果;由此可见,本发明能够综合各种滑坡预测模型的优点,利用可信度计算预测结果,结果可信度高,解决了滑坡预测结果不准确或无法预测的难题;
2、本发明通过多种滑坡模型对滑坡的发生时间进行预测,并综合各模型的预测结果进行综合评判,获得可信度和准确度更高的预测结果;
3、本发明可以自动根据预警结果与实际滑坡时间的对比,不断调整各模型计算结果的可信度,为下一次滑坡提供基础,达到与实际结果一致。
附图说明
图1为本发明实施例的基于切线角与多种滑坡模型的智能滑坡预测方法流程图;
图2为本发明实施例所提的切线角法示意图;
图3为本发明实施例所提的修复正态函数法示意图;
图4为本发明实施例所提的黄金分割法示意图;
图5为本发明实施例所提的斋藤法示意图;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州理工雷科传感技术有限公司,未经苏州理工雷科传感技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111559862.4/2.html,转载请声明来源钻瓜专利网。