一、电子全站仪矿区地表形变自动监测系统的研究(论文文献综述)
刘丹洋[1](2021)在《基于机器视觉的露天矿边坡裂隙检测及量化统计研究》文中研究指明露天矿边坡稳定性与保证矿山安全生产、保障矿山工作人员的生命财产安全以及提高矿山经济效益有着密不可分的关系。随着露天开采的深度和边坡角度的增加,边坡稳定性问题越发突出,边坡滑坡灾害时有发生,其发生的原因往往是没有进行及时有效的边坡裂隙检测。裂隙虽不会对边坡稳定性造成直接巨大的影响,但裂隙的非及时性检测将会导致露天矿边坡发生滑坡等严重危害。因此,选择科学合理的方法对露天矿边坡裂隙进行及时、准确的检测以及量化统计至关重要,能够为露天矿的安全生产管理提供数据支持。本文的具体工作主要有以下几个方面:(1)针对露天矿边坡形变监测技术、数字图像处理技术以及裂缝检测方法进行了简要的阐述,并介绍了涉及到的相关深度学习理论及框架,为露天矿边坡裂隙的智能检测及量化模型的构建提供了思路。(2)针对目前国内外广泛使用的基于阈值分割、边缘检测以及机器学习等方法所设计的裂缝检测方法在露天矿边坡裂隙图像上直接应用所存在的检测效果不佳,分割精度较低以及误检现象严重等问题,本文选择集合了目标检测和语义分割特点的深度学习框架Mask R-CNN作为裂隙检测的基础网络,并针对其在掩膜分支所输出的裂隙边缘不清晰以及存在误检等缺点进行了相应的改进,引入了空洞空间卷积池化金字塔,并在掩膜分支加入了分类分割迭代上采样操作,实现了对边坡裂隙的多尺度特征提取,提高了模型的边坡裂隙分割精度。(3)针对目前尚无统一的合适的量化统计方法对检测出的裂缝进行损伤度评价的问题,本文结合裂隙的形态分类模型以及裂隙的量化统计模型,实现了对检测分割出的裂隙进行量化统计的目标。本方法的核心思想是:首先,基于卷积神经网络构建了一种像素级的露天矿边坡裂隙形态分类模型,将检测到的裂隙分为横向、纵向以及斜向裂隙这一类单一裂隙,以及不规则龟裂这一类不规则裂隙;然后,在裂隙形态分类的基础上,对不同种类的裂隙采用不同的统计量化方法,对于单一裂隙图像基于投影映射方法对裂隙长度、最小临界宽度和最大临界宽度等相关属性信息进行统计量化,而对于不规则裂隙图像则基于裂隙连通域标记方法以及裂隙骨架提取方法对不规则裂隙的相关属性信息进行统计量化,进而能够推断出其相应的损伤程度,为露天矿边坡稳定性的管控以及矿山安全生产管理提供数据指标。实验证明,本文所构建的露天矿边坡裂隙智能检测模型具有更好的裂隙目标检测结果以及更高的裂隙边缘分割精度,同时,在裂隙检测分割的基础上所设计的基于裂隙形态分类的量化统计方法,基本满足露天矿边坡裂隙的量化统计需求,能够为露天矿安全生产管理提供数据指标,具有一定的适用性和可行性。
孙永朝,丁咚,李广雪,王蕊,梁泽浩[2](2021)在《基于多源观测技术的海堤变形监测方法研究》文中指出海堤是沿海地区抵御潮水、防御台风的重要基础设施,海堤变形监测对于维护海堤安全至关重要。随着技术的进步,海堤变形监测技术在自动化、精细化及实时化的方向上,还有发展的空间,本文针对目前海堤变形监测技术手段,从空间、地面和水下三个方面入手,简述各技术手段的特性及其在海堤监测中的应用,客观分析各技术手段的特点、优势和不足;在对海堤监测技术手段综合比较的基础上,提出了建立空间、地面和水下一体化的海堤变形监测系统的建议。
肖海平[3](2019)在《中小型露天矿边坡稳定性动态评价方法及应用》文中进行了进一步梳理随着社会经济建设对矿产资源需求的不断增长,矿山(特别是中小型矿山)的过度开采及管理的缺失,致使露天矿边坡经常发生各种大大小小的地质灾害,并造成了重大的人员伤亡和财产损失。有效分析和评价边坡的变化趋势及其稳定性状态,是保障矿山安全生产管理和防治的重要技术手段,也是边坡工程中一项非常重要的研究内容,可为矿山边坡防灾、减灾、救灾等提供重要的技术依据和决策依据。鉴于此,本文以越堡露天矿HP1边坡为研究对象,综合利用理论分析、现场实测、数学建模、数值模拟、对比分析、实例验证等技术手段和方法,围绕解决中小型露天矿山“边坡稳定性影响因子(评价指标)的挖掘、边坡危险性动态评价模型的建立、影响因素的耦合性分析、变形监测异常数据的修复、边坡防治分析”等五个科学问题进行研究和探讨,主要取得了以下研究成果:(1)采用定性筛选和定量筛选相结合的方法,实现对边坡稳定性评价指标的挖掘。论文以越堡露天矿边坡为研究对象,在定性筛选的基础上,建立了顾及效度系数β和可靠性系数ρ的改进灰色关联度评价指标挖掘模型,提高了评价指标的有效性、稳定性和可靠性,为边坡稳定性动态评价模型的建立奠定了基础,也为提高边坡稳定性评价的准确性提供了重要保障。在此基础上,采用UDEC数值模拟强度折减的方法,以计算是否收敛作为判断边坡是否失稳的依据,揭示其影响机理,为论文后期边坡的治理提供理论参考。(2)克服了以往边坡稳定性评价模型中影响因素指标权重固定不变的不足。论文以降雨量指标因子为研究对象,构建了一种基于信息熵的指标动态变权重模型,并计算出各指标在不同月最大降雨量状态下的指标权重。计算结果表明,在不同月最大降雨量状态下,边坡稳定性影响因素各指标权重不再是一个定值,而是呈现出非线性、动态的变化规律,而且月最大降雨量、内摩擦角和黏聚力等3因素之间呈现出较强的相关性,为边坡稳定性动态评价模型的建立奠定基础。(3)在上述建立的动态变权重模型的基础上,构建了基于未确知测度的边坡危险性动态评价模型,分析了不同月最大降雨量下HP1边坡的稳定性状态,并提出利用危险性重要度指标q定量评价边坡的危险性程度。计算结果表明,随着月最大降雨量的不断增大,该边坡的危险性重要度q逐渐提高,危险性等级由III级提高到II级,也即边坡发生灾害的可能性由一般提高到较高状态,评价结果与越堡露天矿HP1边坡实际情况更具一致性。此外,论文以“水文条件”和“地下水体”两种影响因素为实验研究对象,通过引入边坡危险性重要度指标q及其相对变化率指标R(q),定量分析影响因素间的耦合性程度,研究结果表明,“水文条件”和“地下水体”两类因素之间存在一定的“弱耦合”现象,为减小建模计算工作量,提高工作效率,分析该露天矿其它边坡的稳定性提供技术支持和参考。(4)以越堡露天矿HP1边坡为研究对象,对其进行变形监测方案的设计与实施,并获取监测点的三维坐标数据,在此基础上,采用3σ准则对监测数据进行异常性检验,舍弃或剔除存在异常的监测值。同时,针对变形监测中存在的异常数据(包括丢失或剔除的异常数据),提出一种顾及点位变化的边坡变形监测异常数据时空插值方法,对其进行修正或插补,以提高边坡监测数据的连续性和完整性。该方法简单、易懂、可行,能够用于矿山测量技术人员解决变形监测异常数据处理等问题,对指导变形监测点的布设以及处理异常监测数据具有重要的理论价值和实践意义。(5)在依据上述时空插值方法获得连续、完整的变形监测数据的基础上,采用位移量、位移速率与位移矢量方位角相结合的分析方法,多角度、多方位分析边坡的稳定性及其变形趋势,明确了监测点变化方向,计算出其变形位移量及变形速率的大小,为该矿山企业的安全生产及管理起到了指导性作用,也为其它边坡及相关领域的分析及研究提供了理论依据和重要参考。(6)为防止矿山HP1边坡发生进一步的滑坡,本文提出了两套不同的防治方案和措施,并分别计算出两种方案的投资预估费用,再进行综合对比、分析,确定方案一为边坡防治的优选方案。同时,分别采用边坡危险度动态评价方法以及边坡稳定性安全系数的方法,对不同工况条件下治理后的西侧HP1边坡的危险性等级及安全系数Fs进行分析和计算,其评价等级都为IV级(边坡危险性较低),安全系数Fs为1.315,达到了边坡安全设计规范的规定要求,两种方法相互补充、验证,更准确地分析了边坡的稳定性状态,为指导矿山边坡的安全生产和防治提供参考。该论文有图59幅,表31个,参考文献188篇。
马福义[4](2019)在《鹤岗矿区工业广场“空天地”变形监测与预警系统研究》文中认为近年来,鹤岗矿区多处煤矿出现工业广场变形破坏情况,如地表沉陷、建筑物开裂、井塔倾斜、竖井井筒变形破坏等,多次造成人员受伤。为此本文采用理论分析、实测数据分析、数值模拟分析、机器学习等研究手段,对鹤岗矿区工业广场变形因素及监测方法进行了深入研究。构建了鹤岗矿区“空天地”多源监测数据融合的变形预测预警模型,并研发了鹤岗矿区变形监测智能预警系统,论文的主要研究内容与成果如下:(1)构建了双基准网的矿区工业广场“空天地”模块化变形监测系统;运用精密单点定位技术与数理统计方法对系统框架双基准网稳定性进行分析研究。①建立了以IGS站、CORS站、GNSS基准站三级架构下的矿区工业广场双基准网系统,并构建了顾及地壳速度场的双基准网精密单点定位稳定性统计分析方法。揭示了鹤岗矿区基准网受地壳速度场影响,向东侧以22mm/a速度移动的特征,与周边IGS参考站移动速率一致。通过对双基准网内点位相对位移检验发现,CORS站间3年内水平方向相对变化量13mm,GNSS基准站间3个月内水平方向坐标变化量6mm,符合规范要求,表明“空天地”多源协同变形监测系统基准框架稳定可靠。②建立了以“空天地”多源协同监测方法为子模块的立体工业广场变形监测系统。将各监测模块与天基、空基、地基、地下四部分有机融合,构建了以SBAS-InSAR系统监测矿区工业广场周边变形,以GNSS系统监测矿区工业广场地表变形,以三维激光扫描监测建筑及竖井井筒变形,以震源定位技术监测井下越界开采的多服务器立体监测模式。(2)将实验区“空天地”多源变形监测数据进行了多算法处理及数据融合,提出了分区化多源变形监测数据Web神经网络融合算法模型。将实验区分区化并提取各分区监测结果影响因子,分别进行Web神经网络Softmax函数逻辑回归分析,将迭代结果映射为[0,1]结果矩阵,并将各区结果矩阵赋权计算,获取整体安全系数矩阵,并以此判断实验区安全等级,经实测准确率92%。(3)结合数值模拟与“空天地”多源数据分析结果,对实验区变形进行了全面分析,揭示了在周边小煤矿不确定、不正规开采等复杂影响条件下矿区工业广场的变形规律。①随着周边小煤矿的开采推进,实验区垂直方向上整体呈现下沉趋势,但沉降速率各监测点均不相同,实验区南北下沉量大,中部下沉量小。通过4个月的实测结果表明,实验区南侧下沉量28mm,北侧下沉量34mm,中部下沉量20mm,南侧小煤矿聚集区域下沉速度25mm/a,实验区东北侧受两处小煤矿影响,最大下沉量达34mm。水平方向上,中部向东侧移动,上部受小煤矿影响向北侧移动,下部受小煤矿影响向东南侧移动,南北两侧紧邻小煤矿开采边界区域累计移动量19mm,实验区其余部分移动量最大23mm,揭示了在多矿井复杂采动影响条件下矿区工业广场移动规律异常的特征。②针对矿区建筑倾斜问题,提出了“双线性插值与面积射影定理法”建筑点云倾斜度算法,并对实验区井塔倾斜变化进行了分析。新主井井塔受东侧小煤矿采空区影响向东南方向倾斜,倾斜度2.15‰,混合井井塔由于与周围建筑相连接,整体刚度较大,向西南略微倾斜,倾斜度0.69‰,通过多期数据比较,倾斜度变化量0.3‰。竖井井筒井口中心较井底中心向东偏移287mm,整体位移量在100m~250m之间,自井底标高-300.468m处向上,整体井筒向西凸出,自井底标高117.896m处向上,整体井筒向东凸出,倾斜度呈现先小后大的趋势,且随标高增加呈非线性增长趋势。(4)鹤岗矿区工业广场智能监测预警系统研发以JavaScript语言为平台,开发Web平台Kalman滤波降噪程序对监测数据预处理,首次将神经网络变形预测模型融合于浏览器当中,首次提出了 Web神经网络的分区化工业广场智能预警模型,通过Web神经网络在线机器深度学习算法对工业广场各分区监测结果进行数据融合,以此判断工业广场安全等级。并研发囊括SBAS-InSAR监测、地表变形监测、建筑变形监测、震源监测、数据融合预警、VR虚拟现实等模块的鹤岗矿区“空天地”智能监测预警系统。
赵斌臣[5](2018)在《高等级公路采动变形机理与损害评价指标研究》文中研究指明我国经济的快速发展,促进了公路网的日益完善,不可避免的遇到公路下压煤开采引起的交通安全问题。为科学预测公路下采煤引起的公路损坏程度、优化设计公路下采煤沉陷控制技术方案和保障公路交通运输安全,必须掌握采动影响下公路变形破坏规律和建立可靠的采动区公路变形预测预警系统。本文通过理论分析、相似材料模拟、数值模拟和现场调研与实测相结合的方法,对采动影响下高等级公路的变形破坏机理;地基、路基、路面协同变形规律;高等级公路变形特征及破坏指标;公路沉陷变形监测与预报等进行了系统的研究,目的是揭示高等级公路的采动变形机理和变形规律,制定高等级公路采动变形破坏指标和分级指标,然后通过煤矿开采区动态监测和公路沉陷预测模型建立采动区高等级公路安全监测预报体系,取得主要成果如下:(1)通过相似材料模型试验,模拟研究了采煤过程中公路路基变形破坏的发育过程、形式及变形特征。研究表明,采动影响路基沉陷变形自下而上逐渐发展到路面,变形过程在空间上具有基本连续性、在时间上具有一定的滞后性;变形程度因公路结构层强度抵消了部分变形,致使沉降量逐渐减少,而水平位移逐渐增大。在采动初期路基、路面各分层与地基随地下采煤工作面开采同步连续下沉,路基内部各分层的移动方向具有一致性,随着地基下沉量的增加,路基各层下沉量也明显增加,路基内部没有出现明显离层发育和变形裂缝。(2)通过数值模拟试验研究了采动过程中路面刚度、路面厚度、路面材料、公路与采空区相对位置、路基高度等因素对高等级公路的变形破坏及内部应力演化规律的影响,揭示了高等级公路受地下开采影响引起的路基路面变形破坏规律。研究结果表明:(1)路面刚度是影响采动区公路变形特性的重要因素,路面刚度越大,路面、路基的下沉差异就越大,在交通荷载的作用下路面损坏就越严重;半刚性路面、刚性路面水平移动的范围和数值一般大于地基水平移动值,随着采动程度增大,路面与地基水平移动值增加但二者增加速度不同致绝对差值变大;受采动影响,在路基、路面内部产生的附加水平应力分布规律基本相同,路面的应力值远大于路基值,路面拉伸应力极值随地基变形极值的增加而增大到一定值后不再增加而保持恒定;刚性路面具有较强的抗变形能力,但刚度太大又容易造成路面与路基离层。在车辆荷载的冲击下,一旦超过其最大抗拉强度,很小的变形就造成其破碎。(2)路面厚度增加有助于提高路面结构稳定性,增加其抗变形能力。研究结果表明随着路面厚度的增加,公路与地基下沉、水平移动具有稳定的数学关系。首先路面的下沉值会有一定增加,但幅度有限;而路面水平移动值却随着路面厚度的增加而减小;路面内的拉应力随着路面厚度的增加而减小,而压应力随之产生并增大,有利于保持路面结构稳定。(3)路面材料不同也影响着公路抗变形能力,刚性路面材料水平压缩应力和压应力明显大于半刚性路面材料的指标值,因此刚性路面抗变形能力强。(4)公路与采空区相对位置不同,公路主变形方向和变形过程存在明显差异。随着公路走向与工作面推进方向之间夹角的增加,路面纵向变形极值增加,线路横向水平移动值先增加后减小。(3)结合相似材料模拟和数值模拟结果分析了开采沉陷引起的地基、路基、路面变形破坏过程和发育机理。以邹城-济宁一级公路南屯井田段为研究对象,利用数值模拟成果并结合现场实测数据,分析了采动影响下半刚性基层沥青路面破坏程度与地表(地基)变形的关系,制定了高等级公路采动变形破坏分级指标。(4)构建了基于D-In SAR技术、水准测量、GPS测量数据耦合,并与开采沉陷预计技术相结合的采动区高等级公路监测、预测与预警体系。并通过SBAS时序分析技术手段进行了数据处理,提高了数据利用率和区域监测精度,优化了采动沉陷概率积分法模型预计参数,提高了高等级公路采动损坏预报精度,为公路交通部门制定采煤塌陷区公路治理和安全预警提供了科学依据。
杜孙稳[6](2017)在《地基干涉雷达露天矿边坡形变监测数据分析与预测方法研究》文中研究说明露天矿边坡的稳定性是矿山安全生产管理的重要内容,地基干涉雷达(Ground-based Interferometric Radar)作为矿山边坡形变监测的新技术,具有高精度、大范围、远距离、非接触和自动化的特点。论文围绕地基雷达在形变数据分析和预测中存在的问题展开研究,以中煤平朔安家岭露天矿北帮边坡地基雷达监测数据作为数据源,根据地基雷达技术特点,对地基雷达的形变监测效能、监测数据的可视化表达、灾变过程和形变预测模型四个方面进行了分析研究。监测效能分析是地基雷达站点位置优化选择的重要依据。目前,地基雷达站点位置的选取主要参考量程、稳定性、监测角度以及外部保障措施等基本条件,无法对多个符合基本条件的测站位置进行优化选取。首先给出站点位置选取的基本条件,然后分析了影响其监测效能的内部因素和外部因素,建立效能分析的层次分析方法,选取回波扫描有效覆盖率和回波强度平均值两个具体指标,进行监测效能评价。最后,分析地形因素和地表特征要素对监测效能指标的影响。以安家岭北帮边坡形变监测案例进行实证分析,结果表明:在该监测区域,当坡度数值约为20°,坡向数值约为170°时,雷达采集点个数最多;当坡度数值约为25°,坡向数值约为180°时,雷达回波强度最高;边坡的坡面区域雷达采集点个数多于边坡的平盘区域。针对地基雷达系统监测数据的可视化程度偏低、涵盖信息不丰富的现状,本文提出将遥感影像数据(remotesensingimage,简称rs)和数字高程模型数据(digitalelevationmodel,简称dem)叠加之后,加载到地基雷达形变监测数据中进行表达的方法,实现了地基雷达监测过程数据、结果数据以及分类数据的三维立体表达。该方法丰富了可视化表达效果中的地表覆盖和地形起伏信息,能够直观地掌握监测区域的形变程度、快速地判断不同程度形变区域的地表特征信息,使形变分析结果更加直观。根据地基雷达监测数据特点、灾变前形变特征信息、现场条件及天气因素等开展灾变分析,可以掌握灾变前形变区域位置、扩散面积以及变化趋势。通过对监测区域的地质、地形等内部因素和气象、地震、人工开采活动等诱发因素的综合分析研究,可全面了解影响露天矿边坡形变的因素。利用空间统计分析方法,判断并提取了形变异常聚集区的空间位置,并对其进行基本特征统计,比较精确地掌握形变量累计的程度;同时,选取单点形变速率作为判断灾变发生的信号。本文以北帮边坡监测数据为例,对灾变分析方法进行实证分析,结果表明该方法能够准确确定灾变区域、精确统计形变异常区域扩散面积以及判断灾变趋势。工程实践证明,当形变积累到一定量,达到一定阈值,通常会在诱因作用下发生灾变。考虑到芦子沟背斜和安家岭逆断层等构造因素对北帮边坡形变影响较小,因此本文以气象因素,这一重要的灾变诱发因素,作为诱发因子,利用ga-bp组合模型算法建立了形变预测模型。将地基雷达气象采集模块采集的五种气象数据作为预测模型的输入,发生形变的坐标值作为预测模型的输出。该模型结合了bp神经网络(backpropagationneuralNetwork,简称BPNN)解决非线性问题收敛速度快和精度高的优势以及遗传算法(Genetic Algorithm,简称GA)解决BP神经网络易于陷入局部最小值的优势。利用该模型对安家岭露天矿边坡实测数据进行案例分析,并将GA-BP预测模型的预测结果与传统的RBF神经网络和BP神经网络预测结果进行比较。结果表明,GA-BP预测模型的预测精度、收敛速度以及泛化能力均优于其它两种模型。
吕伟才[7](2016)在《煤矿开采沉陷自动化监测系统研究》文中研究指明本论文针对开采沉陷监测的特点和存在的问题,结合淮南矿业(集团)有限责任公司的“地表移动自动化监测系统研究”项目,以GNSS CORS技术、网络通讯技术、移动PDA技术、GNSS定位技术、数据库技术等为支撑,通过系统设计与框架构建、关键算法研究、系统功能界定、数据管理规范化、软件实现、工程建设、设备研制、系统测试与工程应用等方面工作,成功建立了煤矿开采沉陷自动化监测系统(简称“CAuto Mos系统”),实现了地表移动变形信息快速采集、高精度解算、自动化处理、高效管理与分析的目标,为煤矿开采沉陷监测提供了新的集成监测技术及数据分析模式。本论文的主要研究工作及成果如下:(1)建立了CAuto Mos系统的监测网,构建了CAuto Mos系统的总体结构框架,为系统研究奠定了工程基础和指导思想。CAuto Mos系统监测网由定位基准框架、9个连续运行监测站、60个常规监测点组成;CAuto Mos系统总体框架主要由GNSS监测站子系统、GNSS基准站子系统、数据监控中心子系统、实时数据采集终端子系统和通讯子系统等组成。构成了一种集设备监控、数据采集、数据传输、数据处理与分析、沉陷监测与预警的适于连续实时监测和CORS RTK监测的地表移动自动化监测系统。(2)根据VRS技术基本原理,采用BDS/GPS双系统融合技术,构建了CAuto Mos系统的关键算法,为GNSS CORS系统的实现提供了理论和算法基础。建立了一种附有约束的网络RTK基准站间单历元模糊度快速解算方法,有效缩短了CORS RTK的初始化时间;建立了一种基于北斗三频约束的BDS/GPS双系统短基线模糊度单历元快速解算算法,以达到两个系统均能快速解算准确模糊度的目的。利用研究区域的实测数据对提出的算法进行验证,为解决CAuto Mos系统中连续运行监测站和实时数据采集终端系统高精度、快速定位问题提供了良好的理论基础和应用前景。(3)建立了CORS RTK测量获得的测点空间位置序列的卡尔曼滤波算法,提高了实时数据采集终端系统采用CORS RTK测量模式获得的空间位置的精度和可靠性,为高效、快速采集移动变形信息提供了技术保障。试验结果表明,采用卡尔曼滤波RTK测量,其平面位置精度不超过±2.5mm,完全满足开采沉陷监测对平面位置测量的精度要求;与水准测量高程相比,高程差值的中误差为±8.4mm,基本满足开采沉陷监测对高程测量的精度要求。(4)规范了开采沉陷(自动化)监测的信息管理工作,较好地解决了开采沉陷监测信息管理较混乱的局面。根据CAuto Mos系统的预定功能和目标,从属性数据结构、图形数据管理、移动终端和连续运行监测站发送到数据处理中心的必要信息格式等方面,对CAuto Mos系统的数据结构进行了定义,为实现CAuto Mos系统对信息进行高效管理提供基础,也为规范开采沉陷(自动化)监测及其他测量工程的信息管理进行了有益的探索。(5)成功研发了以数据监控中心软件(简称DMCS软件)、矿山开采沉陷综合数据处理与分析系统软件包(简称MISPAS软件包)、实时数据采集终端系统软件(简称CAuto Term S软件)为核心的,适于移动变形信息的快速采集、高精度解算、自动化处理、高效管理与分析的“煤矿开采沉陷自动化监测系统”软件平台,并从系统测试和系统应用两个层面对软件运行结果的正确性和预定功能实现的符合度进行了论证。
黄世秀[8](2015)在《基于GIS边坡地质环境监测与稳定性研究》文中进行了进一步梳理安徽铜陵新桥硫铁矿是国内大型露天矿山之一,经过三十余年的露天坑采,新桥矿主采对象-Ⅰ号主矿体采坑的上下相对垂差达398米,形成高陡边坡,给矿山开采安全造成严重威胁。为进一步推动数字矿山建设,本研究针对采矿工程所形成的高陡边坡,依托Arcgis桌面系统,首先构建了研究区地质环境数据库,按照空间数据库标准化要求,在逻辑上将研究区地质环境数据归纳为基础地理数据、环境专题数据、监测专题数据和工程勘察专题数据四大类,并从物理存储角度对要素集、要素类进行了详细设计。其次,本研究针对该高陡边坡详细设计了边坡智能变形监测及预警系统方案,并依托专业建模软件构建了边坡三维地层模型,实现了边坡三维可视化。最后,基于GIS并综合地质环境因素及监测数据作进一步分析,描述了边坡形变演化阶段及时空运动特征,绘制了边坡的形变速率分布图及稳定性分等定级图,就边坡预警给出了参考性建议。本研究就边坡智能监测、空间数据库构建、三维建模及边坡稳定性计算与分析等关键问题展开的探索成果主要体现在以下几个方面:1)根据矿方施工建设及本研究的需要,收集了新桥矿区地质资料、边坡地形资料、变形监测资料、钻孔及相关物理、力学参数和地质灾害及气象资料等,依托Arcgis平台构建了新桥矿边坡地质环境数据综合库。该数据库详细地描述了研究区基础地质、环境专题、监测专题以及勘察专题四大类数据,为边坡的三维可视化、三维地层建模及边坡的稳定性分析和计算提供可靠资源和平台。2)将专业地质建模软件Gocad与Arcgis相结合,实现了新桥矿边坡三维可视化并构建了三维地层模型,为边坡的稳定性研究提供了基础。3)描述了新桥边坡智能监测系统的设计方案及系统功能,并对监测数据从多因子角度进行深度分析,依据边坡的形变演化曲线,揭示了边坡监测点的时空运动特征。对小波消噪后的监测数据通过聚类分析,在综合时间及环境因素的BP分组基础上不断学习,最后绘制了整个研究区形变速率分布图,为进一步判别边坡的稳定性提供了数据参考。4)以新桥矿边坡南坡为研究对象,将边坡稳定性数据模型与GIS相结合,较全面地分析了影响边坡失稳的各种因素及因子的作用程度和范围并量化,通过GIS空间分析,对新桥矿南坡稳定性进行了分等定级。
王立伟[9](2015)在《基于D-InSAR数据分析的高山峡谷区域滑坡位移识别》文中提出滑坡监测是滑坡防治应用方面的采用的最主要手段。而目前传统的监测都是针对已知的和单体的滑坡,并投入大量的人力、物力、财力。实际工作中滑坡的发生发展及成灾常常超出既有滑坡的调查评价范围及人们的预想危险区域。西南高山峡谷水库区区域滑坡的早期动态识别是库区地质灾害防治最有效的手段之一。D-InSAR(合成孔径雷达差分干涉测量)技术在预见性的滑坡早期发现和监测方面能够起到了开创性的作用。然而,国内外D-InSAR技术目前在高山峡谷区滑坡监测方面还存在着一些问题。例如,地形地貌的影响,卫星数据自身精度及数据处理精度的限制,以及非岩土体移动引起的地表形变,这些干扰因素影响了滑坡位移监测的识别。本论文以金沙江乌东德库区枢纽区域为对象,采用编程的SAR数据进行了多年的试验研究。基于D-InSAR分析方法及雷达数据的特征分析,建立了高山峡谷区D-InSAR成果的可信区域分析方法、滑坡可识别位移量及误差估算方法;基于D-InSAR干涉差分成果各种影响因素分析,建立了区分滑坡岩土体位移的滤波分析方法。通过发现变动、位移识别等关键问题研究,从滑坡岩土体移动本质特征与SAR遥感差分图斑时空变化表象特征的关系出发,建立了高山峡谷水库区区域滑坡位移早期动态识别的技术方法。通过已知的金坪子滑坡、托支座滑坡及另外几处新发现滑坡的活动性证明了该方法的可行性。论文的主要探讨及研究内容如下:1、在深入分析了InSAR(合成孔径雷达干涉测量)和D-InSAR(差分干涉测量)监测形变的原理和数据处理流程的基础上,探讨了小基线子集技术在D-InSAR数据处理过程中的应用。2、通过对比平原地区,总结了高山峡谷区域地形因子及SAR数据的特征。进而研究了高山峡谷区域在特定拍摄角度下地形因子对SAR数据的后向散射系数和影像间相干系数的影响。结果表明不同的局部入射角对后向散射强度和相干系数的产生不同影响,用SAR传感器的方向角、入射角、地形坡度和坡向计算出局部入射角,基于数据统计发现局部入射角和后向散射系数和相干系数的相关关系、粗糙度与相干系数的相关关系等,从而提出了基于局部入射角的SAR数据可信区域滤波方法。利用后向散射系数稳定区域(河流)和永久散射体(人工角反射器)的位移量确定西南干热河谷地区岩土体位移误差。利用该误差范围设定非岩土体位移阈值为4cm-6cm。应用该误差准则进行滤波,可以用以识别SAR观测期产生较大(4cm以上)滑坡位移。3、引入边坡单元作为新的判别模式,对所属不同边坡的SAR处理数据进行分析和滤波,为前期D-InSAR数据处理流程进行重要补充。根据滑坡在移动过程中具有一定的区域整体性和长时间蠕变的特点,提出了在滑坡监测数据识别过程中,监测结果判读的空间连续性判别准则和时间连续性的判别准则,并基于以上研究建立了一套D-InSAR应用于高山峡谷区滑坡位移识别的技术流程,通过已知的活动的金坪子滑坡及基于SAR监测所发现的托支座活动滑坡的比较分析及现场调查表明,该方法及数据分析流程可用于区域滑坡较大移动的识别及动态监测。
李宏奎[10](2015)在《露天矿边坡自动化监测系统研究 ——以智能全站仪为例》文中进行了进一步梳理边坡变形失稳是露天煤矿开采的主要安全问题,边坡变形始终伴随着整个煤矿的开采过程,随着露天矿的不断延深,矿坑也不断加深加陡,边坡安全稳定问题将更为突出,为此,自露天煤矿发展以来,国内外众多研究机构就一直不断地研发新手段和新技术,以最大限度的实现和确保边坡安全监测的实时性、有效性和可预测性。本研究拟建立边坡智能全站仪变形监测系统对采场达采年进行地表位移自动化监测,通过对边坡动态监测,获取坡体变化的定量数据,为滑坡预报预警提供准确可靠的基础资料。从而对边坡稳定性作出评价,对滑坡地质灾害作出预报和预警。目前,关于智能全站仪监测的软件系统,国外开发的软件系统品种齐全,功能完善且丰富。但引进国外系统往往价格不菲,对工程项目后续进行造成阻碍,限制了智能全站仪自动化监测系统在国内的应用推广,国内现已开发的软件系统一般是以大坝工程为主的自动化变形监测软件,缺乏对于露天矿、桥梁、隧道、基坑等类型的工程项目的专用系统。本文重点研究了自主控制软件的开发技术,实现了利用智能全站仪进行实时有效的变形监测。主要成果如下:1.研发了以智能全站仪为监测传感器的自动化监测控制软件,实现了实时自动监测、数据管理、PC客户端与智能全站仪的通讯等功能。软件运用了Leica TM30内置的GeoCOM接口技术、Visual C++6.0语言以及SQL Server数据库,通过接口对智能全站仪进行二次开发,通过ADO技术实现数据库交互。采用Map Window GIS软件平台显示测站、棱镜的地图。2.设计了智能全站仪自动化监测系统的必要构件,如供电、避雷、通讯、观测房等,并分析讨论了其实施方法。3.经与GPS、智能全站仪重复监测点数据对比,精度相近,符合国家规范要求。智能全站仪监测系统具有布设灵活、成本低、抗灾害破坏能力强的优点。4.针对内蒙古大唐国际锡林浩特矿业有限公司东二号露天矿采场边坡进行的自动化监测实践表明:监测系统运行稳定、数据准确、在GPS和雷达同时进行监测的情况下,配合其他预防、预警措施,有效地预测预报了滑坡灾害的发生。
二、电子全站仪矿区地表形变自动监测系统的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电子全站仪矿区地表形变自动监测系统的研究(论文提纲范文)
(1)基于机器视觉的露天矿边坡裂隙检测及量化统计研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 露天矿边坡形变监测技术研究现状 |
1.2.2 数字图像技术在工程监测中应用研究现状 |
1.2.3 裂缝检测方法研究现状 |
1.2.4 研究现状评述 |
1.3 主要研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
1.4 本章小节 |
2 相关理论方法分析 |
2.1 数字图像处理技术 |
2.1.1 图像降噪 |
2.1.2 图像数据增强 |
2.2 深度学习 |
2.2.1 深度学习原理 |
2.2.2 卷积神经网络 |
2.2.3 Mask R-CNN概述 |
2.3 本章小结 |
3 基于改进MASK R-CNN的露天矿边坡裂隙检测研究 |
3.1 露天矿边坡裂隙检测模型分析 |
3.1.1 裂缝检测算法对比分析 |
3.1.2 露天矿边坡裂隙检测模型框架 |
3.2 露天矿边坡裂隙图像增强算法 |
3.2.1 基于滑动窗口的边坡裂隙图像增强算法流程 |
3.2.2 露天矿边坡裂隙图像数据集 |
3.3 露天矿边坡裂隙智能检测模型构建 |
3.3.1 边坡裂隙智能检测网络优化模型 |
3.3.2 边坡裂隙多尺度特征提取 |
3.3.3 边坡裂隙目标分割 |
3.4 露天矿边坡裂隙检测仿真实验结果与分析 |
3.4.1 模型评价指标 |
3.4.2 露天矿边坡裂隙检测模型骨干架构网络 |
3.5 本章小结 |
4 基于图像处理的露天矿边坡裂隙量化统计方法研究 |
4.1 复杂背景下的露天矿边坡裂隙拼接 |
4.2 露天矿边坡裂隙形态分类 |
4.3 露天矿边坡裂隙量化统计方法 |
4.3.1 单裂隙统计指标设计 |
4.3.2 裂隙连通域标记算法 |
4.3.3 裂隙图像骨架提取算法 |
4.4 露天矿边坡裂隙量化统计仿真实验结果与分析 |
4.4.1 裂隙形态分类评价指标 |
4.4.2 露天矿边坡裂隙量化统计结果与分析 |
4.5 本章小结 |
5 露天矿边坡裂隙检测及量化应用研究分析 |
5.1 露天矿边坡数据准备及实验环境 |
5.2 露天矿边坡裂隙检测结果评价与分析 |
5.2.1 露天矿边坡图像分类 |
5.2.2 露天矿边坡裂隙检测结果直观分析 |
5.2.3 露天矿边坡裂隙检测结果客观分析 |
5.3 露天矿边坡裂隙量化统计结果与分析 |
5.3.1 边坡裂隙形态分类 |
5.3.2 边坡裂隙量化统计分析 |
5.4 本章小结 |
6 结论与展望 |
6.1 研究总结 |
6.2 研究展望 |
参考文献 |
攻读硕士期间的学术成果 |
致谢 |
(2)基于多源观测技术的海堤变形监测方法研究(论文提纲范文)
1 技术手段 |
1.1 空间对地监测技术 |
1.1.1 GNSS技术 |
1.1.2 In SAR技术 |
1.1.3 机载激光雷达技术 |
1.1.4 倾斜摄影测量技术 |
1.2 地面监测技术 |
1.2.1 传统方法 |
1.2.2 测量机器人 |
1.2.3 地面三维激光扫描仪 |
1.3 水下监测技术 |
1.3.1 水下地形测量技术 |
1.3.2 水下机器人 |
1.3.3 海陆一体化三维测量技术 |
1.4 其他技术手段 |
2 海堤变形监测系统设计 |
2.1 海堤变形监测技术特点分析 |
2.2 海堤变形监测系统设计原则 |
2.3 海堤变形监测系统设计 |
3 结语 |
(3)中小型露天矿边坡稳定性动态评价方法及应用(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 课题研究背景及其意义 |
1.2 国内外研究现状及存在的问题 |
1.3 主要研究目标和内容 |
1.4 研究方法及技术路线 |
1.5 本章小结 |
2 研究区工程地质环境 |
2.1 研究区地质环境条件 |
2.2 研究区工程地质条件 |
2.3 研究区水文地质条件 |
2.4 本章小结 |
3 顾及效度系数和可靠性系数的露天矿边坡稳定性评价指标的挖掘及机理分析 |
3.1 露天矿边坡稳定性评价指标筛选的基本思想 |
3.2 露天矿边坡稳定性评价指标的初选 |
3.3 HP1 边坡稳定性评价指标的定性筛选 |
3.4 顾及效度系数和可靠性系数的边坡稳定性评价指标定量筛选 |
3.5 评价指标对边坡稳定性的影响机理 |
3.6 本章小结 |
4 基于未确知测度的露天矿边坡稳定性动态评价及其因素耦合性分析 |
4.1 动态变权重的确定 |
4.2 危险性动态评价模型的建立及其可行性分析 |
4.3 HP1 边坡稳定性评价 |
4.4 边坡稳定性影响因素耦合性分析 |
4.5 本章小结 |
5 顾及点位变化的露天矿边坡变形监测异常数据时空插值 |
5.1 边坡监测方案的设计 |
5.2 边坡监测数据的获取及检验 |
5.3 顾及点位变化的异常数据时空插值 |
5.4 HP1 边坡变形趋势分析 |
5.5 本章小结 |
6 HP1 边坡防治方案设计及应用 |
6.1 边坡防治方案设计基本要求 |
6.2 边坡防治措施的分析与设计 |
6.3 HP1 边坡防治方案设计及选择 |
6.4 HP1 边坡治理稳定性分析 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 不足与展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(4)鹤岗矿区工业广场“空天地”变形监测与预警系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 变形监测技术研究现状 |
1.2.2 矿区监测系统研究现状 |
1.2.3 Web神经网络研究现状 |
1.3 存在的主要问题 |
1.4 主要研究内容 |
1.5 研究方法和技术路线 |
1.5.1 研究方法 |
1.5.2 技术路线 |
1.6 本章小结 |
2 “空天地”多源协同变形监测系统构建及框架稳定性研究 |
2.1 实验区工程概况 |
2.2 “空天地”多源协同变形监测系统框架 |
2.2.1 系统主要监测内容与技术手段 |
2.2.2 系统精度要求 |
2.2.3 系统组成架构 |
2.3 系统框架稳定性研究 |
2.3.1 基于精密单点定位和统计分析的CORS网稳定性分析 |
2.3.2 地壳速度场对基准网稳定性影响分析 |
2.3.3 CORS站间相对稳定性分析 |
2.3.4 GNSS基准站网稳定性分析 |
2.4 本章小结 |
3 鹤岗矿区工业广场“空天地”系统数据获取及融合方法研究 |
3.1 系统起算数据可靠性研究 |
3.1.1 矿区原有控制点概况 |
3.1.2 尺度分析法原理 |
3.1.3 控制点小环组合尺度分析 |
3.1.4 控制点整网组合尺度分析 |
3.1.5 CORS站与控制点组合平差分析 |
3.2 系统数据获取及处理方法研究 |
3.2.1 基于SBAS-InSAR技术的沉降监测方法研究 |
3.2.2 基于三维激光扫描技术的建筑变形监测方法研究 |
3.2.3 基于GNSS技术的工业广场地表变形监测方法研究 |
3.2.4 基于三维激光扫描技术的竖井井筒变形监测方法研究 |
3.2.5 基于震源定位技术的井下越界开采监测方法研究 |
3.3 系统监测精度分析研究 |
3.3.1 三维激光扫描位移监测精度分析 |
3.3.2 “双线性插值与面积射影定理法”倾斜度算法精度分析 |
3.3.3 地表GNSS监测系统精度分析 |
3.3.4 竖井井筒三维激光扫描变形监测精度分析 |
3.4 “空天地”多源监测数据融合预警方法研究 |
3.4.1 分区化多源监测数据神经网融合预警模型 |
3.4.2 分区化多源数据融合模型影响因子及权值 |
3.4.3 分区化多源数据融合模型机器学习及预警 |
3.4.4 多源数据神经网并行计算融合系统研发 |
3.5 本章小结 |
4 鹤岗矿区工业广场地表及建(构)筑物变形规律研究 |
4.1 矿区工业广场及建筑变形数值模拟研究 |
4.1.1 基于无人机倾斜摄影测量技术的三维有限元建模 |
4.1.2 地表及建筑动态变形数值模拟 |
4.1.3 地表及建筑物变形机理分析 |
4.2 矿区工业广场地表变形规律研究 |
4.2.1 矿区工业广场地表变形分量统计分析 |
4.2.2 矿区工业广场地表变形回归分析 |
4.2.3 矿区工业广场变形规律研究 |
4.3 矿区工业广场建(构)筑物变形规律研究 |
4.3.1 矿区工业广场建筑变形规律分析 |
4.3.2 矿区工业广场竖井井筒变形规律研究 |
4.4 本章小结 |
5 鹤岗矿区工业广场“空天地”变形监测预警系统研发 |
5.1 监测数据Web-Kalman滤波方法研究 |
5.1.1 JavaScript简介 |
5.1.2 Web-Kalman滤波的监测数据降噪方法研究 |
5.2 基于多源监测数据的Web神经网融合与预警方法研究 |
5.2.1 监测数据神经网络处理原理 |
5.2.2 Web神经网络构建方法研究 |
5.2.3 监测点变形Web神经网络预测研究 |
5.2.4 Web神经网络多源数据融合预警研究 |
5.3 鹤岗矿区工业广场多源监测预警系统研发 |
5.3.1 三维浏览器绘图协议WebGL |
5.3.2 多源监测预警系统架构 |
5.3.3 多源监测预警系统主要功能展示 |
5.3.4 预警系统移动平台测试 |
5.4 本章小结 |
6 结论与展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(5)高等级公路采动变形机理与损害评价指标研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究的背景及意义 |
1.2 国内外研究现状 |
1.3 存在的问题与不足 |
1.4 主要研究内容 |
1.5 研究方法及技术路线 |
1.6 本章小结 |
2 开采引起的高等级公路变形破坏规律研究 |
2.1 公路的基本构成、分级及结构 |
2.2 采动影响下的高等级公路变形破坏相似材料模拟研究 |
2.3 采动影响下高等级公路沉陷变形破坏数值模拟分析 |
2.4 本章小结 |
3 开采引起的高等级公路沉陷变形破坏机理研究 |
3.1 高等级公路由采动引起的变形破坏特征分析 |
3.2 高等级公路采动破坏机理 |
3.3 高等级公路采动变形破坏指标 |
3.4 本章小结 |
4 采动区高等级公路沉降监测与数据融合处理 |
4.1 采动区高等级公路沉降监测体系构建 |
4.2 本章小结 |
5 采动区高等级公路沉降变形动态预测研究 |
5.1 概率积分法预测模型 |
5.2 概率积分法参数求取 |
5.2.1 计算概率积分法参数方法 |
5.2.2 沉陷预计参数求取 |
5.3 邹济一级公路南屯井田段沉陷预计及分析 |
5.4 高等级公路变形监测预警系统构建 |
5.5 本章小结 |
6 采动影响下新邹济公路保护对策和治理措施研究 |
6.1 采动影响下公路安全运行和保护对策研究 |
6.2 不同采动影响阶段邹济公路治理技术措施研究 |
6.3 不同采动影响程度新邹济公路治理技术措施研究 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 论文创新点 |
7.3 不足和展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(6)地基干涉雷达露天矿边坡形变监测数据分析与预测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 露天矿边坡形变监测技术 |
1.2.2 仪器监测效能分析 |
1.2.3 数据可视化表达 |
1.2.4 形变影响因素和灾变分析方法 |
1.2.5 形变预测方法 |
1.3 存在的问题 |
1.4 主要研究内容和技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
第二章 矿区地质概况及实验平台 |
2.1 安家岭露天矿矿区地质概况 |
2.2 地基雷达实验平台 |
2.3 本章小结 |
第三章 地基雷达形变监测效能分析方法 |
3.1 引言 |
3.2 测站位置 |
3.2.1 测站位置选取 |
3.2.2 地基雷达架设 |
3.3 监测效能影响因素分析 |
3.3.1 地形 |
3.3.2 气象 |
3.3.3 仪器系统 |
3.4 监测效能分析方法 |
3.4.1 效能分析方法建立原则 |
3.4.2 效能分析方法结构 |
3.4.3 建立效能分析方法 |
3.5 监测数据格网化及分区统计 |
3.5.1 监测数据格网划分方法 |
3.5.2 监测数据分区统计 |
3.6 边坡地形对监测效能的影响分析 |
3.6.1 地形对扫描有效覆盖率的影响 |
3.6.2 地形对回波强度的影响 |
3.6.3 地表特征对监测效果的影响 |
3.7 本章小结 |
第四章 形变监测数据的可视化表达 |
4.1 引言 |
4.2 地基雷达可视化现状 |
4.3 三维可视化实现方法 |
4.3.1 统一坐标系统 |
4.3.2 数据来源 |
4.3.3 数据融合方法 |
4.3.4 数据处理关键步骤 |
4.4 实例分析 |
4.4.1 过程数据可视化 |
4.4.2 结果数据可视化 |
4.4.3 分类数据可视化 |
4.5 本章小结 |
第五章 形变影响因素与灾变分析方法研究 |
5.1 引言 |
5.2 边坡形变影响因素分析 |
5.2.1 内部因素分析 |
5.2.2 诱发因素分析 |
5.3 矿区边坡灾变分析方法 |
5.3.1 数据特点 |
5.3.2 灾变分析方法设计 |
5.4 实例分析 |
5.4.1 整体形变特征分析 |
5.4.2 区域形变特征分析 |
5.4.3 单点形变特征分析 |
5.4.4 灾变区域扩散分析 |
5.4.5 临近灾变区域形变特征分析 |
5.4.6 现场情况及天气情况 |
5.4.7 灾变分析 |
5.5 本章小结 |
第六章 基于GA-BP的露天矿边坡形变人工智能预测模型 |
6.1 引言 |
6.2 基于GA算法优化的BP神经网络模型构建 |
6.2.1 算法介绍 |
6.2.2 模型的构建 |
6.2.3 确定模型初始权重 |
6.2.4 GA-BP模型的实现 |
6.3 实例分析 |
6.3.1 神经网络输入输出数据 |
6.3.2 GA及BP参数设置 |
6.3.3 形变预测结果分析 |
6.4 本章小结 |
第七章 结论 |
7.1 主要结论 |
7.2 创新点 |
7.3 存在的问题 |
参考文献 |
附录 |
附表 1.地基雷达形变监测数据 |
附表 2.形变监测区域危险程度划分 |
附表 3.形变监测区域坡度、坡向、地表切割度以及所属岩层数据 |
附表 4.形变监测区域地形起伏度数据 |
附表 5.形变监测区域高程数据 |
致谢 |
攻读学位期间的学术论文和科研项目 |
博士学位论文独创性说明 |
(7)煤矿开采沉陷自动化监测系统研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
Extended Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 变形监测自动化发展与现状 |
1.3 煤矿开采沉陷自动化监测现状 |
1.4 研究目标与研究内容 |
2 监测网和系统总体框架结构 |
2.1 研究区概况 |
2.2 自动化监测系统监测网布设 |
2.3 自动化监测系统总体框架设计 |
2.4 本章小结 |
3 煤矿开采沉陷自动化监测系统数据处理方法 |
3.1 基准网数据处理与质量评价 |
3.2 VRS技术基本原理和关键算法 |
3.3 多系统融合技术 |
3.4 CORS RTK测量的卡尔曼滤波算法 |
3.5 移动变形计算及制图 |
3.6 本章小结 |
4 煤矿开采沉陷自动化监测系统软件 |
4.1 设计原则与思路 |
4.2 数据监控中心软件 |
4.3 矿山开采沉陷综合数据处理与分析系统软件包 |
4.4 实时数据采集终端系统软件 |
4.5 本章小结 |
5 数据结构 |
5.1 属性数据结构 |
5.2 图形数据管理 |
5.3 移动终端发送的信息格式 |
5.4 连续运行监测站发送的信息格式 |
5.5 本章小结 |
6 系统实现与应用分析 |
6.1 软件系统的研发环境 |
6.2 系统测试 |
6.3 系统应用 |
6.4 本章小结 |
7 结论与展望 |
7.1 主要结论 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(8)基于GIS边坡地质环境监测与稳定性研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 智能监测预警系统 |
1.2.2 三维地质建模的发展 |
1.2.3 边坡稳定性研究方法 |
1.3 主要研究内容及成果 |
1.4 本研究的技术路线 |
第二章 新桥矿区地质环境背景 |
2.1 矿山概况 |
2.2 矿区地形及地貌 |
2.3 矿区水文地质条件 |
2.4 矿区地质特征 |
2.4.1 矿区地层 |
2.4.2 构造形迹 |
2.4.3 主要矿体及分布 |
2.5 小结 |
第三章 边坡空间数据库的建立 |
3.1 用户需求及可行性分析 |
3.1.1 用户需求分析 |
3.1.2 技术可行性分析 |
3.1.3 必要性分析 |
3.2 数据库系统总体设计 |
3.2.1 目标及原则 |
3.2.2 系统体系结构及功能 |
3.2.3 数据源分类 |
3.2.4 系统物理实现 |
3.2.5 系统参考标准及编码 |
3.3 边坡数据库详细设计 |
3.3.1 边坡空间数据库建设流程 |
3.3.2 基础地理数据库设计 |
3.3.3 环境专题数据库设计 |
3.3.4 勘查专题数据库设计 |
3.3.5 监测专题数据库设计 |
3.4 小结 |
第四章 边坡地层三维建模 |
4.1 三维数据结构模型 |
4.1.1 面数据模型 |
4.1.2 体元数据模型 |
4.1.3 混合模型 |
4.2 复杂地质建模关键技术 |
4.2.1 地层层序划分 |
4.2.2 复杂地层拓扑关系 |
4.2.3 地层构建 |
4.3 三维地层建模 |
4.3.1 研究区地层概况 |
4.3.2 研究区地表及钻孔三维可视化 |
4.3.3 Gocad和ArcGIS相结合的复杂地质空间建模 |
4.4 小结 |
第五章 边坡智能监测 |
5.1 边坡稳定性监测方法 |
5.2 工程背景 |
5.3 边坡智能监测系统构建 |
5.3.1 智能监测预警系统总体架构 |
5.3.2 监测网的布设 |
5.3.3 数据分析处理 |
5.4 小结 |
第六章 变形监测数据分析与预测 |
6.1 变形监测数据计算、分析 |
6.1.1 形变因子定义 |
6.1.2 位移数据计算与分析 |
6.1.3 监测点位移时空特征分析 |
6.2 监测数据的智能分析 |
6.2.1 小波消噪 |
6.2.2 基于BP神经网络边坡形变预测 |
6.3 小结 |
第七章 边坡稳定性分析与预警 |
7.1 基于GIS的边坡稳定性分析 |
7.1.1 边坡稳定性影响因素 |
7.1.2 稳定性分析数学模型及评价因子经验指标 |
7.2 基于GIS稳定性评价 |
7.2.1 利用GIS生成影响因素数据文件 |
7.2.2 影响文件的叠加与计算 |
7.3 边坡稳定性分析与预警 |
7.3.1 稳定性分析 |
7.3.2 预警建议 |
7.4 小结 |
第八章 结论与展望 |
8.1 结论 |
8.2 主要创新点 |
8.3 展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
附录1 研究区部分钻孔数据库 |
附录2 变形监测形变因子专题数据库 |
附录3 部分现场照片 |
(9)基于D-InSAR数据分析的高山峡谷区域滑坡位移识别(论文提纲范文)
致谢 |
摘要 |
Abstract |
插图清单 |
附表清单 |
缩写清单 |
名词解释 |
1 引言 |
2 绪论 |
2.1 研究背景与意义 |
2.1.1 滑坡灾害监测的重要性 |
2.1.2 滑坡监测的几种方法 |
2.1.3 现有滑坡监测方法的不足 |
2.1.4 遥感监测技术 |
2.1.5 论文研究意义 |
2.2 InSAR技术的研究现状 |
2.2.1 SAR卫星技术的发展 |
2.2.2 D-InSAR技术的国外研究现状 |
2.2.3 D-InSAR技术的国内研究现状 |
2.2.4 小基线集在InSAR技术发展与应用 |
2.3 研究内容与论文结构 |
2.3.1 研究内容 |
2.3.2 论文的结构 |
3 SAR卫星及其测量技术应用 |
3.1 合成孔径雷达干涉(InSAR)测量原理及流程 |
3.2 合成孔径雷达差分干涉(D-InSAR)测量原理及流程 |
3.3 小基线集技术(SBAS-InSAR)测量原理及流程 |
3.4 本章小结 |
4 高山峡谷库区SAR数据特征分析 |
4.1 研究对象及其平原区比照对象 |
4.1.1 研究对象 |
4.1.2 所用SAR数据及其过程参量 |
4.1.3 平原区比照对象 |
4.2 研究区域及对比区域的地形因子 |
4.2.1 地形因子计算方法 |
4.2.2 地形因子计算结果 |
4.3 SAR数据处理过程及算法研究 |
4.3.1 后向散射系数计算方法研究 |
4.3.2 局部入射角计算方法研究 |
4.4 应用D-InSAR技术处理数据特征 |
4.4.1 差分干涉数据特征 |
4.4.2 后向散射系数特征 |
4.4.3 相干系数特征 |
4.4.4 局部入射角、叠掩及阴影 |
4.4.5 SBAS-InSAR方法反演结果 |
4.5 基于边坡单元分析地形对SAR数据影响 |
4.5.1 边坡单元的定义与划分 |
4.5.2 基于边坡单元的地形因子统计分类 |
4.5.3 基于边坡单元研究地形对后向散射系数的影响 |
4.5.4 基于边坡单元研究地形对相干系数的影响 |
4.6 可信区域 |
4.7 误差分析 |
4.7.1 D-InSAR监测结果误差来源分析 |
4.7.2 误差处理方法 |
4.8 本章小结 |
5 基于D-InSAR处理数据的滑坡位移识别 |
5.1 基于D-InSAR数据的滤波分析 |
5.1.1 滤波分析方法 |
5.1.2 垂直位移滤波 |
5.1.3 坡向位移滤波 |
5.2 利用边坡单元进行滤波分析 |
5.2.1 边坡单元的应用 |
5.2.2 SAR数据处理的滤波流程建立 |
5.3 滑坡的D-InSAR动态监测方法研究 |
5.3.1 空间连续性研究 |
5.3.2 时间连续性研究 |
5.3.3 滑坡的D-InSAR动态监测方法 |
5.3.4 实例分析及现场调查 |
5.4 本章小结 |
6 结论 |
6.1 主要结论 |
6.2 创新点 |
6.3 研究展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(10)露天矿边坡自动化监测系统研究 ——以智能全站仪为例(论文提纲范文)
致谢 |
摘要 |
Abstract |
0 绪论 |
1 智能全站仪边坡自动化监测 |
1.1 智能全站仪基本结构 |
1.1.1 智能全站仪的原理及特点 |
1.1.2 智能全站仪的技术组成 |
1.1.3 智能全站仪的种类 |
1.2 自动化边坡监测 |
1.2.1 边坡监测的目的及意义 |
1.2.2 自动化监测特点 |
1.2.3 自动化监测方法 |
2 智能全站仪自动化监测系统设计 |
2.1 测区概况 |
2.2 系统组成 |
2.2.1 智能全站仪及监测系统目标 |
2.2.2 监测系统基准站 |
2.2.3 监测系统参考点 |
2.2.4 监测系统监测点 |
2.2.5 智能全站仪监测数据通讯 |
2.2.6 智能全站仪监测数据流程 |
2.2.7 智能全站仪控制软件 |
2.3 智能全站仪的配套设施 |
2.3.1 机房 |
2.3.2 供电 |
2.3.3 防雷 |
3 智能全站仪自动化监测功能设计 |
3.1 单点变形分析 |
3.2 断面变形分析 |
3.3 对比分析 |
3.4 数理统计分析 |
3.5 预警预报 |
4 监测结果分析 |
4.1 位置变化 |
4.1.1 变形值的演变方式 |
4.1.2 位置变化图及数据分析 |
4.2 变化图及其分析 |
4.2.1 位移变化 |
4.2.2 月位移变化 |
4.2.3 月位移速度变化 |
4.2.4 日位移变化 |
4.2.5 日位移速度变化 |
结论与展望 |
参考文献 |
作者简历 |
学位论文数据集 |
四、电子全站仪矿区地表形变自动监测系统的研究(论文参考文献)
- [1]基于机器视觉的露天矿边坡裂隙检测及量化统计研究[D]. 刘丹洋. 西安建筑科技大学, 2021(01)
- [2]基于多源观测技术的海堤变形监测方法研究[J]. 孙永朝,丁咚,李广雪,王蕊,梁泽浩. 海洋科学, 2021(03)
- [3]中小型露天矿边坡稳定性动态评价方法及应用[D]. 肖海平. 中国矿业大学, 2019(01)
- [4]鹤岗矿区工业广场“空天地”变形监测与预警系统研究[D]. 马福义. 中国矿业大学(北京), 2019(09)
- [5]高等级公路采动变形机理与损害评价指标研究[D]. 赵斌臣. 中国矿业大学, 2018(09)
- [6]地基干涉雷达露天矿边坡形变监测数据分析与预测方法研究[D]. 杜孙稳. 太原理工大学, 2017(01)
- [7]煤矿开采沉陷自动化监测系统研究[D]. 吕伟才. 中国矿业大学, 2016(02)
- [8]基于GIS边坡地质环境监测与稳定性研究[D]. 黄世秀. 合肥工业大学, 2015(02)
- [9]基于D-InSAR数据分析的高山峡谷区域滑坡位移识别[D]. 王立伟. 北京科技大学, 2015(06)
- [10]露天矿边坡自动化监测系统研究 ——以智能全站仪为例[D]. 李宏奎. 辽宁工程技术大学, 2015(03)