一种土质边坡险情智能预警预报方法技术

本发明专利技术涉及一种土质边坡险情智能预警预报方法，包括以下步骤：1)现场设置雨量监测站，埋置土壤渗透计和位移计；2)实时采集边坡的降雨工况、土壤渗透性和位移数据并传输到远程客户端；3)数据格式化处理；4)计算降雨工况、土壤渗透性、坡体位移等数据影响边坡安全系数的权重大小；5)确定边坡各时段的安全系数；6)计算各时段的降雨工况、边坡土壤渗透系数及变形、位移与安全系数的关系，预测土质边坡破坏发生时间；7)获取潜在破坏的边坡的临界破坏和失稳时间，预测灾害发生时间；8)综合步骤6)和7)结果，对边坡险情进行早期预警预报。与现有技术相比，本发明专利技术更合理定量化、更符合实际地进行土质边坡险情的预警预报。

【技术实现步骤摘要】

本专利技术涉及土质边坡工程的灾害预警预报
，尤其是涉及一种土质边坡险 情智能预警预报方法。
技术介绍
中国是世界上滑坡最严重的国家之一。仅在2006~2011年的6年间全国共发生 滑坡157927起。近年来，中国每年因滑坡灾害造成的经济损失都在10亿美元以上。2009 年全国仅特大型和大型滑坡灾害共发生16起，直接经济损失达到1. 9亿元人民币；2011年 死亡、失踪10人以上或直接经济损失1亿元以上的重大滑坡灾害发生7起，直接经济损失 5. 99亿元人民币。滑坡灾害不仅造成巨大的经济损失，还严重危害人民的生命安全。土质 滑坡是滑坡中分布最为广泛、规模大、暴发频率高、突发性强和持续危害性较大的一类致灾 体。我国面临的此类型滑坡灾害非常严峻，对滑坡灾害进行科学、合理的评价、预测、管理和 控制是十分必要。据不完全统计，我国每年发生滑坡、泥石流、塌陷等各种地质灾害数万起， 能够在灾害发生前做出预警的还不到十分之一，如何对这些地质灾害进行预警，切实保护 人民的生命和财产安全，是我国当前面临的一个重要课题。 目前，国外内在对于土质边坡险情智能预警预报技术进行了一些相关研究：已建 立了公路边坡变形的GPS -机多天线监测系统，实现了公路边坡灾害监测的高精度、自动 化和全天候等目标；基于"3S"的大冶铁矿高陡边坡灾害信息处理系统实行全天候自动监 测；在边坡灾害预警信息生成方面进行了研究；依据边坡的特性、使用条件和破坏的经济 影响，基于评价边坡的预期变形失败和临界读取频率，构建边坡监测系统的可靠性图的方 法，评价监控系统预警临界斜坡破坏的有效性和可靠性；运用径向基函数的降雨指标，建立 日本泥石流和边坡破坏的早期预警系统；结合遗传算法和最小二乘法，提出预测土质和岩 质边坡稳定性的进化多项式回归方法。目前，在灾害预警技术上，基于模糊层次分析原理， 建立了公路路堑边坡失稳的预估模型，研制了相应的土质边坡失稳预测风险评估软件，并 采用灰色关联原理，分析降雨条件下影响路基稳定性的因素的权重，并提出相应的预防措 施。这些方法需要大量的专家经验，一般适用于岩质边坡的预测，而在土质边坡失稳预测还 不成熟。不过，国内外这些研究成果还存在精度不高、实施较烦等不足。所以，研发一种高 精度、高可靠性的土质边坡险情智能预警预报方法显得尤为紧迫。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种预警预报精度 高、可靠性高、定量化和更加合理的土质边坡险情智能预警预报方法。 本专利技术的目的可以通过以下技术方案来实现： -种土质边坡险情智能预警预报方法，其特征在于，包括以下步骤： 1)现场设置带有雨量计的雨量监测站，土体中埋置土壤渗透计和位移计； 2)使用雨量计、土壤渗透计和位移计分别实时采集边坡的降雨工况、坡体土壤渗 透性和土体位移及变形数据并传输到数据采集站，数据采集站将接收的数据实时自动传输 到远程客户端； 3)远程客户端接收数据，并对数据进行格式化处理； 4)采用层次分析灰色关联度方法，计算降雨工况、土壤渗透性、坡体位移、边坡坡 度、地下水位和岩土体抗剪强度影响边坡安全系数的权重和灰色关联度； 5)采用弹塑性强度折减法，确定边坡各时段的安全系数，得到以时间为顺序的安 全系数数列； 6)依据步骤3)、4)和5)的数据，建立反馈动力学神经网络，并采用人工智能模糊 控制方法，计算各时段的降雨工况、坡体土壤渗透系数、土体位移及变形数据与安全系数的 关系，预测土质边坡破坏的发生时间，当安全系数为1时，土质边坡发生破坏； 预测土质边坡破坏的发生时间计算式：t = f (Fs, k, u, P )。Fs= 1时，t为土质边 坡发生破坏的时间，式中，Fs为边坡的安全系数；t为土质边坡变形的计算时间；k为土壤渗 透系数；u为坡体的变形或位移；P为降雨工况。 7)对步骤3)得到的数据采用突变理论预报法进行计算，获取潜在破坏的边坡的 临界破坏时间和失稳时间； 8)综合步骤6)和7)，在临界破坏时间或失稳时间之如对土质边坡的险情进彳丁早 期预警预报。 所述步骤1)中，所述的雨量计、土壤渗透仪和位移计带有自动数据A/D转换功能。 所述步骤2)中，数据采集站采用太阳能供电，所述雨量计、土壤渗透计和位移计 与数据采集站之间通过光纤电缆传输数据，数据采集站与远程客户端之间通过物联网的虚 拟IP技术以移动信号的方式传输数据。 所述步骤3)中，对边坡的降雨工况、坡体土壤渗透系数、土体位移及变形数据的 格式化处理包括等间隔化处理、归一化处理和/或平滑化处理，所述的等间隔化处理具体 为：原始监测数据序列Xjt 1),各时段的间隔时间为At1，用下式计算平均时间间隔： 其中^为监测时间点，η为监测时间点个数， 用下式计算等间隔化后的新时间点t' 1: t' ；= (i_l) Δ t o+tp i = 1，2，…，η 用下式计算t' i对应的数值x(t',)： x(t' ；) = χ0(?；)-Δ x〇(ti) 其中， 或判断t' i所处的区间，用区间的两端点值的两点插值计算等间隔化后对应的数 值X(t';)，由下式计算： CN 105139585 A m ~P 3/14 页 上述等间隔化处理的数据包括降雨工况、坡体土壤渗透系数、土体位移及变形数 据。 所述的归一化处理具体为： 在监测数据序列X1, X2.... X1中找出最大值Xnia3^P最小值X _，将监测数据X1替换 为（Xi-Xmin) / (Xmax_Xmin)， 归一化后的所有的监测数据值为0到1之间。 所述的平滑化处理包括邻点中值平滑处理和多点平滑处理，其中邻点中值平滑处 理为： 取两个相邻的离散数据之间的中点作为新的离散数据，并包括原来的始点和终 点，新的离散数据计算式为： 多点平滑处理分为等权滑动平均和不等权滑动平均两类，其中等权滑动平均处理 得到新的离散数据为： 采用五点不等权滑动平均的不等权滑动平均处理得到新的离散数据为： 式中，平滑化处理的数据X包括降雨工况、坡体土壤渗透系数、土体位移及变形数 据。 所述步骤4)中，层次分析灰色关联方法具体包括以下步骤： 401)获得一个参考数列X。和η个比较数列X1, X2，…，Xn，数列元素为降雨工况 P (t)、坡体土壤渗透性k(t)和土体位移u(t)，计算η个比较数列各元素的关联系数，其中 第i个比较数列第k个元素的关联系数ξ i (k)为： 式中：η为分辨系数，〇彡η彡1，第1层次最小差Δ;(ιη?η)=η^ ηΡ^(~疋为不 同k值计算的绝对差IX。(k) -X1 (k) I中的最小值，第2层次最小差w - X1 (甽为 A1(Inin), A2(Hiin)，…，Δη(η?η)中最小值，第 1 层次最大差为按 不同k值计算的绝对差IxidGO-X1GOI中的最大值，第2层次最大差半为 A i (max)，Δ 2 (max)，…，Δ n (max)中最大值； 402)用下式计算第i个比较数列X1对参考数列X。的关联度r 1: 403)用下式计算层次分析的灰色关联度R1: 式中，w(k)为通过降雨条件下土质边坡稳定性的影响因素层次分析计算，获取的 第k个元素的权重。 所述步骤5)具体包括： 501)采用折减系数FJt本文档来自技高网...

【技术保护点】
一种土质边坡险情智能预警预报方法，其特征在于，包括以下步骤：1)现场设置带有雨量计的雨量监测站，土体中埋置土壤渗透计和位移计；2)使用雨量计、土壤渗透计和位移计分别实时采集边坡的降雨工况、坡体土壤渗透性和土体位移及变形数据并传输到数据采集站，数据采集站将接收的数据实时自动传输到远程客户端；3)远程客户端接收数据，并对数据进行格式化处理；4)采用层次分析灰色关联度方法，计算降雨工况、土壤渗透性、坡体位移、边坡坡度、地下水位和岩土体抗剪强度影响边坡安全系数的权重和灰色关联度；5)采用弹塑性强度折减法，确定边坡各时段的安全系数，得到以时间为顺序的安全系数数列；6)依据步骤3)、4)和5)的数据，建立反馈动力学神经网络，并采用人工智能模糊控制方法，计算各时段的降雨工况、坡体土壤渗透系数、土体位移及变形数据与安全系数的关系，预测土质边坡破坏的发生时间，当安全系数为1时，土质边坡发生破坏；7)对步骤3)得到的数据采用突变理论预报法进行计算，获取潜在破坏的边坡的临界破坏时间和失稳时间；8)综合步骤6)和7)，在临界破坏时间或失稳时间之前对土质边坡的险情进行早期预警预报。

【技术特征摘要】

【专利技术属性】
技术研发人员：许建聪，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31