[发明专利]一种基于评估函数训练的道路高边坡滑坡灾害预警方法有效
申请号: | 201811452701.3 | 申请日: | 2018-11-30 |
公开(公告)号: | CN109584510B | 公开(公告)日: | 2021-02-02 |
发明(设计)人: | 上官甦;傅宇浩;张鹏;陈志杰;郭沛;张蕴灵;牛玉欣;任广丽 | 申请(专利权)人: | 中国公路工程咨询集团有限公司 |
主分类号: | G08B21/10 | 分类号: | G08B21/10;G08B31/00 |
代理公司: | 北京永创新实专利事务所 11121 | 代理人: | 祗志洁 |
地址: | 100089 北*** | 国省代码: | 北京;11 |
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 评估 函数 训练 道路 高边坡 滑坡 灾害 预警 方法 | ||
本发明提出一种基于评估函数训练的道路高边坡滑坡灾害预警方法,属于道路高边坡滑坡灾害的预测和研究领域。包括:基于数字高程模型DEM数据获取的道路高边坡值及利用安装有传感器的高边坡的回传监测数据及地形地质信息进行分析,构建模糊综合评判模型进行滑坡灾害等级的划分;建立与高边坡的位置坐标相关的滑坡灾害评估函数,对未安装传感器的高边坡进行滑坡灾害风险的评估;设置阈值,当滑坡风险评估值大于阈值,自动报警。本发明通过对已有数据的训练和学习,创新性的考虑高边坡的地理位置,克服了现实实施过程中边坡传感器布设成本较高及传感器监测信息缺失等方面的局限,对于道路高边坡滑坡灾害的研究和预测具有重要的意义。
技术领域
本发明涉及道路高边坡滑坡灾害的预测和研究领域,具体涉及一种基于评估函数训练的道路高边坡滑坡灾害预警方法。
背景技术
对道路滑坡采取有效的监测手段和防治措施,为预防和治理滑坡,避免和减少经济损失具有重要意义(参考文献[1])。滑坡监测的方法与技术种类较多,常用的传统监测方法有宏观地质监测法、大地精密测量法、GPS法等(参考文献[2])。近年来,随着电子技术和计算机技术的发展,远程自动遥控监测系统大量应用到灾害监测预报系统中,提供实时监控和发布预警等功能,作用效果显著。远程监控系统主要由智能传感、采集、发射系统和智能接收分析系统两部分组成(参考文献[3]),是针对特定区域的点对点监测,没有布置监测点的高边坡是监控和预警的盲区。
迄今为止,在数字高程模型DEM(Digital Elevation Model,DEM)上已提出和发展了多种坡度坡向的计算数学模型(参考文献[4])。通过对地面坡度及其组合规律的研究,以高精度DEM为信息源,提取道路高边坡已是较为成熟的技术方法(参考文献[5])。在实际工程应用中,特别是延伸区域范围广泛的道路周边,对所有识别出的高边坡进行点对点监测,人力物力消耗巨大,实施难度极高。
常见的滑坡评价模型有单变量模型、模糊数学方法、决策树模型、逻辑回归模型、支持向量机模型和粗糙集模型等(参考文献[6])。其中,在模糊数学的基础上建立的综合评价模型具有便利性高、适应性强等特点,能够很好地解决多因素、多层次的复杂问题,不少学者尝试将该方法用于滑坡风险等级评价中,但完整的模糊综合评价模型尚未建立(参考文献[7])。
参考文献:
[1]罗志强.边坡工程监测技术分析[J].公路,2002,(5):45-48.
[2]张鹏等.滑坡灾害远程监控系统的改进与应用效果分析[J].岩石力学与工程学报,2011,(10):2026-2032.
[3]何满潮.滑坡地质灾害远程监测预报系统及其工程应用[J].岩石力学与工程学报,2009,(6):1081-1090.
[4]刘学军等.基于DEM坡度坡向算法精度的分析研究[J].测绘学报,2004,(8):258-263.
[5]汤国安等.基于DEM坡度图制图中坡度分级方法的比较研究[J].水土保持学报,2006,(4):157-192.
[6]赵建华等.滑坡灾害危险性评价模型比较[J].自然灾害学报,2006,(2):129-134.
[7]潘孝城等.基于模糊综合评价法的单体滑坡风险评价[J].土木基础,2018,(6):330-334.
发明内容
针对目前对滑坡灾害建模评价存在人力物力消耗大、尚未建立有完整的滑坡灾害预警模型等问题,本发明利用模糊综合评判模型对滑坡灾害划分等级,提供一种基于评估函数训练的道路高边坡滑坡灾害预警方法。
本发明提供的基于评估函数训练的道路高边坡滑坡灾害预警方法,包括如下步骤:
步骤1:基于数字高程模型DEM数据,提取道路高边坡,获得道路坡度值;
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中国公路工程咨询集团有限公司,未经中国公路工程咨询集团有限公司许可,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/201811452701.3/2.html,转载请声明来源钻瓜专利网。