基覆型边坡破裂面预警的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了基覆型边坡破裂面预警的方法、装置、设备及存储介质，涉及山地灾害技术领域。本申请中，根据现场采集的各参数利用神经网络预测出边坡生成后缘破裂面的几何形态参数和位置参数，提高预测结果精准度的同时，也缩短了预测时间。然后再基于后缘破裂面的几何形态参数、位置参数以及现场采集的参数进行强度折减法计算，得到后缘破裂面的安全系数和潜在滑移土的总方量，并基于后缘破裂面的安全系数和潜在滑移土的总方量进行预警，同时结合众多影响因素得到最终预警等级，对于预警等级的判断考虑因素更加完善，进而提高预警等级的精准度。准度。准度。

【技术实现步骤摘要】
基覆型边坡破裂面预警的方法、装置、设备及存储介质


[0001]本专利技术涉及山地灾害
，具体而言，涉及基覆型边坡破裂面预警的方法、装置、设备及存储介质。

技术介绍

[0002]现有的预测装置和预测方法不能对基覆型边坡后缘破裂面进行较为准确的预测，不仅预警精度不够高，预测提前时间较短，还容易出现误报的情况，从而造成人员恐慌和物资浪费。此外，经过大量相关调查研究显示，过去的预警技术中对基覆型边坡生成后缘破裂面的研究较少。

技术实现思路

[0003]本专利技术的目的在于提供基覆型边坡破裂面预警的方法、装置、设备及存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本申请提供了基覆型边坡破裂面预警的方法，包括：获取第一参数、第二参数和第三参数；所述第一参数为待预警区域内坡面裂缝的三维位置参数；所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数；所述第三参数包括所述待预警区域内接触面的抗剪强度参数，所述接触面是边坡的基岩与岩土体的分界面；基于训练后的神经网络模型，将所述第一参数、所述第二参数和所述第三参数输入训练后的所述神经网络模型中，得到后缘破裂面的几何形态参数和位置参数；基于所述后缘破裂面的几何形态参数和位置参数、所述第二参数和所述第三参数，利用强度折减法计算，分别得到所述后缘破裂面的安全系数和潜在滑移土的总方量；基于所述安全系数和所述潜在滑移土的总方量，对基覆型边坡破裂面进行预警。
[0004]第二方面，本申请还提供了基覆型边坡破裂面预警的装置，包括获取模块、第一计算模块、第二计算模块和预警模块，其中：获取模块：用于获取第一参数、第二参数和第三参数；所述第一参数为待预警区域内坡面裂缝的三维位置参数；所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数；所述第三参数包括所述待预警区域内接触面的抗剪强度参数，所述接触面是边坡的基岩与岩土体的分界面。
[0005]第一计算模块：用于基于训练后的神经网络模型，将所述第一参数、所述第二参数和所述第三参数输入训练后的所述神经网络模型中，得到后缘破裂面的几何形态参数和位置参数。
[0006]第二计算模块：用于基于所述后缘破裂面的几何形态参数和位置参数、所述第二参数和所述第三参数，利用强度折减法计算，分别得到所述后缘破裂面的安全系数和潜在滑移土的总方量。
[0007]预警模块：用于基于所述安全系数和所述潜在滑移土的总方量，对基覆型边坡破
裂面进行预警。
[0008]第三方面，本申请还提供了基覆型边坡破裂面预警的设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述基覆型边坡破裂面预警的方法的步骤。
[0009]第四方面，本申请还提供了存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于基覆型边坡破裂面预警的方法的步骤。
[0010]本专利技术的有益效果为：本申请中，根据现场采集的各参数利用神经网络预测出边坡生成后缘破裂面的几何形态参数和位置参数，提高预测结果精准度的同时，也缩短了预测时间。然后再基于后缘破裂面的几何形态参数、位置参数以及现场采集的参数进行强度折减法计算，得到后缘破裂面的安全系数和潜在滑移土的总方量，并基于后缘破裂面的安全系数和潜在滑移土的总方量进行预警，同时结合众多影响因素得到最终预警等级，对于预警等级的判断考虑因素更加完善，进而提高预警等级的精准度。此外，监测预警范围广，这里的“广”分为两部分。首先是该套监测预警方法及装置适用于多数基覆型边坡；其次该预警方法及装置能将现场整个基覆型边坡和其周年部分环境纳入监测预警的区域。而且能实时全天监测，并且费用成本低、除安装位移监测仪器外无需投入过多的人力及物力，费用成本较低，保证基覆型边坡安全的同时降低工程造价。
[0011]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域图像普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0013]图1为本专利技术实施例中所述的基覆型边坡破裂面预警的方法流程示意图；图2为本专利技术实施例中所述的基覆型边坡破裂面预警的装置结构示意图；图3为本专利技术实施例中所述的基覆型边坡破裂面预警的设备结构示意图。
[0014]图中：710、获取模块；720、第一计算模块；721、第一获取单元；722、第一处理单元；7221
‑
第二获取单元；72211
‑
第三获取单元；72212
‑
筛选单元；72213
‑
分析单元；72214
‑
归纳单元；72215
‑
第五处理单元；7222
‑
第一构建单元；7223
‑
第二构建单元；7224
‑
模拟单元；7225
‑
第二处理单元；7226
‑
第三处理单元；7227
‑
第四处理单元；723、训练单元；730、第二计算模块；740、预警模块；800、基覆型边坡破裂面预警的设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
[0015]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域图像普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0017]实施例1：参见图1，图1为本专利技术实施例中所述的基覆型边坡破裂面预警的方法流程示意图。图中示出了本方法包括步骤S1、步骤S2、步骤S3和步骤S4，其中：步骤S1、获取第一参数、第二参数和第三参数；所述第一参数为待预警区域内坡面裂缝的三维位置参数；所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数；所述第三参数包括所述待预警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基覆型边坡破裂面预警的方法，其特征在于，包括：获取第一参数、第二参数和第三参数；所述第一参数为待预警区域内坡面裂缝的三维位置参数；所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数；所述第三参数包括所述待预警区域内接触面的抗剪强度参数，所述接触面是边坡的基岩与岩土体的分界面；基于训练后的神经网络模型，将所述第一参数、所述第二参数和所述第三参数输入训练后的所述神经网络模型中，得到后缘破裂面的几何形态参数和位置参数；基于所述后缘破裂面的几何形态参数和位置参数、所述第二参数和所述第三参数，利用强度折减法计算，分别得到所述后缘破裂面的安全系数和潜在滑移土的总方量；基于所述安全系数和所述潜在滑移土的总方量，对基覆型边坡破裂面进行预警。2.根据权利要求1所述的基覆型边坡破裂面预警的方法，其特征在于，所述神经网络模型的训练方法包括：获取相互对应的第四参数、第五参数，所述第四参数为基覆型边坡实际工程中边坡的物理参数和力学参数；所述第五参数为基覆型边坡实际工程中坡面裂缝的几何形态参数和位置参数；基于所述第五参数，得到裂缝集合，所述裂缝集合中的每个裂缝对应一个裂缝宽度值；基于神经网络模型，将所述裂缝集合、所述第五参数中的所述位置参数作为所述神经网络模型的输入值，所述第四参数作为所述神经网络模型的输出值，按照最小均方差规则进行学习并更新所述神经网络模型的各项参数，得到训练后的所述神经网络模型。3.根据权利要求2所述的基覆型边坡破裂面预警的方法，其特征在于，所述第四参数和所述第五参数的获取方法包括：获取第一特征参数、第二特征参数、第三特征参数和第四特征参数；所述第一特征参数为基覆型边坡中岩土体部分的几何形态参数；所述第二特征参数为基覆型边坡中基岩部分的几何形态参数；所述第三特征参数为所述接触面自定义的抗剪强度参数；所述第四特征参数为自定义物理参数和力学参数；基于所述第一特征参数和所述第二特征参数分别构建岩土体拟合模型和基岩拟合模型；基于所述岩土体拟合模型、所述基岩拟合模型和所述第三特征参数，构建第一基覆型边坡拟合模型；基于所述第一基覆型边坡拟合模型和所述第四特征参数，在离散元软件3DEC中利用节理刻画基覆型边坡生成的后缘破裂面，得到第五特征值和第六特征值，所述第五特征值为所述后缘破裂面的几何形态参数，所述第六特征值为所述后缘破裂面中每个裂缝对应的所述裂缝宽度值和位置参数；基于对应的所述第五特征值和所述第六特征值，构成所述第五参数；基于对应的所述第三特征参数和所述第四特征参数，构成所述第四参数；构建所述第四参数与所述第五参数之间的映射关系，获得相互对应的所述第四参数与所述第五参数。4.根据权利要求3所述的基覆型边坡破裂面预警的方法，其特征在于，所述第四参数中主成分因素的选择方法包括：
获取至少十个实际工程中基覆型边坡生成后缘破裂面现象的地质勘探数据；基于所述地质勘探数据，确定目标参数，所述目标参数为所述实际工程中基覆型边坡生成后缘破裂面的具体位置及形态；基于所述地质勘探数据，确定所述实际工程中基覆型边坡的组成结构；基于所述目标参数和所述实际工程中基覆型边坡的组成结构，利用分析法进行归纳总结，得到刻画因素以及所述刻画因素的权重值；基于所述刻画因素、所述权重值和预设阈值，得到主成分因素。5.基覆型边坡破裂面预警的装置，其特征在于，包括：获取模块：用于获取第一参数、第二参数和第三参数；所述第一参数为待预警区域内坡面裂缝的三维位置参数；所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数；所述第三参数包括所述待预警区域内接触面的抗剪强度参数，所述接触面是边坡的基岩与岩土体的分界面；第...

【专利技术属性】
技术研发人员：杨柳，李搏凯，宋怡鲜，饶云康，于贵，吴坤，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：