一种基于人工智能和BIM的堰塞坝应急监测预警方法技术

本发明专利技术公开了一种基于人工智能和BIM的堰塞坝应急监测预警方法，该方法利用液位计、倾角传感器与基于人工智能视频监测装置进行实时监测；遥感无人机运用倾斜摄影，激光测距定向采集数据；将前者采集的数据结合InSAR和GNSS收集的数据结合导入GIS+BIM数据处理平台；将收集的数据预先不断训练，进行深度学习后的模型进行对比分析，导出可视化的实际模型，并运用于评估溃坝后灾害等级，大坝缺陷三维位置定位显示，溃坝后淹没范围模拟，便于进行快速应急响应和堰塞坝后续治理。本发明专利技术通过天+空+地的一体化的监测网络，实现了自动化、可视化、准确性和一体化监测，为堰塞坝的监测预警提供了保障，节省了人力和物力。

An emergency monitoring and early warning method for weir dam based on artificial intelligence and BIM

【技术实现步骤摘要】
一种基于人工智能和BIM的堰塞坝应急监测预警方法
本专利技术涉及山体滑坡形成堰塞坝时的应急处置监测方法，尤其涉及一种基于人工智能和建筑信息化模型BIM(BuildingInformationModeling)的堰塞坝应急监测预警方法。
技术介绍
大型山体滑坡往往会形成堰塞坝(湖)，不仅产生重大经济损失、人员伤亡及环境破坏，而且还可能对下游梯级水库造成重大隐患，进而导致下游梯级连溃的发生。堰塞坝险情一旦发生后，须在短时间内结合各种监测方法和设备收集相关的数据，分析灾害发生的原因，制定避免灾害发生的应急处置措施，以及发生灾害后人员疏散、救援支持的应急预案。但由于山体滑坡堰塞坝的形成机制、形成过程非常复杂，使得发生滑坡堰塞坝险情后的应急处置监测预警变得十分困难。一方面，由于堰塞坝应急处置监测预警要投入大量的人力物力，极大地加重了政府财政支出；另一方面，由于监测预警手段相对单一，现场布置困难，未达到平台化及体系化的要求，效率较低，同时监测的精确性难以保证，导致目前的堰塞坝应急处置的监测预警仍处于初级阶段。
技术实现思路
专利技术目的：本专利技术提出一种基于人工智能和BIM的堰塞坝应急监测预警方法，以解决目前堰塞坝应急处置监测预警及现场监测布置耗费大量物力人力、效率低、监测结果不可靠的技术问题。技术方案：本专利技术基于人工智能和BIM的堰塞坝应急监测预警方法包括以下步骤：(1)利用液位计、倾角无线传感器与基于人工智能的视频监测装置对堰塞坝进行实时监测；采集坝体承受的压力以及坝体的水平角度数据和视频监测装置发送的视频信息，输出数据；(2)运用倾斜摄影，激光测距定向采集数据；倾斜摄影从垂直角度和不同倾斜角度进行拍摄，获取的影像数据进行人工或自动化加工处理，得到三维模型数据；通过所述激光测距测出监测摄像头与堰塞坝的直线距离；(3)将采集的数据结合InSAR和GNSS收集的数据结合导入地理信息系统GIS(GeographicInformationSystem)和BIM数据处理平台；其中，GIS数据平台是对空间信息进行分析和处理,是对地球上存在的现象和发生的事件进行成图和分析，GIS技术地图的视觉化效果和地理分析功能与一般的数据库操作,如查询和统计分析集成在一起，侧重于全局整体的数据管理；而BIM是一个工程项目的物理和功能特性的数字表达，BIM数据库是动态变化的，在应用过程中不断在更新、丰富和充实，侧重于局部单体的精细表达；GIS和BIM数据平台二者结合，可实现空间地理数据的有机融合。GIS和BIM数据处理平台通过对导入的数据进行转化，生成能够在系统中展示的矢量数据。(4)将收集的数据与预先不断训练，与深度学习后的模型进行对比分析，导出可视化的实际模型，并运用于评估溃坝后灾害等级，大坝缺陷三维位置定位显示，溃坝后淹没范围模拟。步骤(1)中，将液位计及倾角无线传感器置于待监测堰塞坝坝体中，通过无线传感网络将采集的数据和视频信息发回数据处理中心，数据处理中心若发现异常数据则做出预警反馈。利用视频监测装置发送的视频信息，提取视频的每一帧画面输入基于深度学习后的堰塞坝监测的训练模型中，并对监测结果的可信度评分，最终输出堰塞坝监测数据。步骤(3)中，将收集的数据预先不断训练，对深度学习后的模型进行对比分析，导出可视化的实际模型；将监控的数据通过GIS和BIM数据处理平台进行处理，得到包括堰塞坝的坝高、坝宽、库容量在内的指标作为堰塞坝稳定性评价因素，结合模糊灰聚类算法，将堰塞坝稳定性评价因素进行量化与分析，并为堰塞坝划分危险等级,对灾害等级做出自动评估和判断，做出应急响应。有益效果：与现有技术相比，本专利技术具有以下优点：(1)本专利技术基于GIS+BIM技术和实时监控数据,结合模糊灰度聚类算法,对灾害等级做出自动评估和判断并在GIS+BIM系统平台上快速获取堰塞坝三维缺陷位置和周边环境相关信息,为堰塞坝应急响应方案提供决策支持。(3)GIS侧重于全局整体的数据管理，而BIM侧重于局部单体的精细表达，二者结合，可实现空间地理数据的有机融合。通过建立天+空+地的一体化监测网络体系，即遥感+无人机+人工智能视频监测、液位，倾角无线传感器组成的监测网络体系，达到各项技术的互为补充，提高了堰塞坝监测预警可靠性与高效性。(4)本专利技术实现了自动化监测、可视化监测、准确性监测和一体化监测。附图说明图1为本专利技术方法流程示意图；图2为本专利技术基于人工智能的视频监测流程图。具体实施方式如图1所示，本专利技术基于人工智能和BIM的堰塞坝应急监测预警方法包括以下步骤：(1)利用液位计，倾角无线传感器与基于人工智能的视频监测装置对堰塞坝进行实时监测；将液位计及倾角传感器置于待监测堰塞坝坝体中，，采集坝体承受的压力以及坝体的水平角度数据和多处定点无人值守视频监测点发送的视频信息，输出数据；再通过无线传感网络将采集的数据发回数据处理中心，数据处理中心发现异常数据则联动相应部分做出预警反馈；(2)通过遥感无人机运用倾斜摄影，激光测距定向采集数据，同时以遥感无人机作为无线传感网中的移动节点，通过无人机机群协同合作，扩大通信范围、提高通信质量、提升数据传输效率；(3)将前者采集的数据结合InSAR和GNSS收集的数据结合导入GIS+BIM数据处理平台。(4)将收集的数据与预先不断训练，与深度学习后的模型进行对比分析，导出可视化的实际BIM模型，并运用于评估溃坝后灾害等级，大坝缺陷三维位置定位显示，溃坝后淹没范围模拟；基于GIS+BIM技术和实时监控数据,结合模糊灰聚类算法划分危险等级,对灾害等级做出自动评估和判断，做出快速应急响应。(5)进行应急疏散和后期治理。步骤(1)中，该人工智能视频监测装置包括获取模块、监测模块和输出模块；利用视频监测装置发送的视频信息，提取视频的每一帧画面输入基于深度学习后的堰塞坝监测的训练模型中，并对监测结果的可信度评分，最终输出堰塞坝监测数据。步骤(2)中，倾斜摄影从1个垂直角度和四个不同倾斜角度进行拍摄，获取的影像数据进行人工或自动化加工处理，得到三维模型数据；通过激光测距测出监测摄像头与堰塞坝的直线距离。步骤(3)中，将收集的数据预先不断训练，对深度学习后的模型进行对比分析，导出可视化的实际模型；将监控的数据通过GIS和BIM数据处理平台进行处理，GIS和BIM数据处理平台通过对导入的数据进行转化，生成能够在系统中展示的矢量数据，得到包括堰塞坝的坝高、坝宽、库容量在内的指标作为堰塞坝稳定性评价因素，结合模糊灰聚类算法，将堰塞坝稳定性评价因素进行量化与分析，并为堰塞坝划分危险等级,对灾害等级做出自动评估和判断，做出应急响应。本文档来自技高网...

【技术保护点】
1.一种基于人工智能和BIM的堰塞坝应急监测预警方法，其特征在于：包括以下步骤：/n(1)利用液位计、倾角无线传感器与基于人工智能的视频监测装置对堰塞坝进行实时监测；采集坝体承受的压力以及坝体的水平角度数据和视频监测装置发送的视频信息，输出数据；/n(2)运用倾斜摄影，激光测距定向采集数据；/n(3)将采集的数据结合InSAR和GNSS收集的数据结合导入GIS和BIM数据处理平台；/n(4)将收集的数据与预先不断训练，与深度学习后的模型进行对比分析，导出可视化的实际模型，并运用于评估溃坝后灾害等级，大坝缺陷三维位置定位显示，溃坝后淹没范围模拟。/n

【技术特征摘要】
1.一种基于人工智能和BIM的堰塞坝应急监测预警方法，其特征在于：包括以下步骤：
(1)利用液位计、倾角无线传感器与基于人工智能的视频监测装置对堰塞坝进行实时监测；采集坝体承受的压力以及坝体的水平角度数据和视频监测装置发送的视频信息，输出数据；
(2)运用倾斜摄影，激光测距定向采集数据；
(3)将采集的数据结合InSAR和GNSS收集的数据结合导入GIS和BIM数据处理平台；
(4)将收集的数据与预先不断训练，与深度学习后的模型进行对比分析，导出可视化的实际模型，并运用于评估溃坝后灾害等级，大坝缺陷三维位置定位显示，溃坝后淹没范围模拟。


2.根据权利要求1所述的基于人工智能和BIM的堰塞坝应急监测预警方法，其特征在于：步骤(1)中，将液位计及倾角无线传感器置于待监测堰塞坝坝体中，通过无线传感网络将采集的数据和视频信息发回数据处理中心，数据处理中心若发现异常数据则做出预警反馈。


3.根据权利要求1所述的基于人工智能和BIM的堰塞坝应急监测预警方法，其特征在于：利用...

【专利技术属性】
技术研发人员：王如宾，阳龙，赵颖，徐卫亚，王环玲，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32