面向多源异步传感器滑坡监测数据融合及稳定性分析

发布时间：2020-11-14 17:17

　　 滑坡是一种分布较广、发生频繁的地质灾害,具有突发型、季节性、蠕变性等特征。在滑坡综合信息监测中,采用传感器种类众多,布设位置多样。传感器类型大致可分为:滑坡位移监测传感器、环境信息监测传感器,需要优化设计各种监测传感器的布设位置,将各监测传感器的作用最大化。在海量监测数据中,通过将频率、位置、深度、精度各不相同的传感器监测信息进行融合,进而反映滑坡体的整体形变综合特征。通过滑坡体监测的位移时间序列分析对滑坡体的稳定性进行评价,判断滑坡体是否安全。论文依托实际工程项目,按照“高精度模型构建——传感器优化设计——监测信息融合——稳定性分析”的主线进行研究,主要研究内容及创新点如下:(1)堆积层滑坡高精度模型构建及传感器优化设计使用高精度三维激光扫描仪结合地质勘查资料对堆积层滑坡进行高精度三维地质模型的构建,赋予各地层相应的力学参数。针对传统滑坡形变监测通常采用经验方法选取监测点、线、区域的不足,本文采用数值模拟计算不同降雨工况下的形变情况,确定了滑坡体重点监测区域,优化设计滑坡监测传感器的布设位置,在滑坡监测点、监测线传感器优化设计方面实现理论方面创新。通过监测点位模拟与安全系数的分析,确定滑坡预警阈值,给滑坡体的监测预警提供了判据条件。(2)多传感器滑坡监测数据融合针对卡尔曼滤波最优状态估计需要准确已知噪声信息的缺点,引入衰减记忆因子,采用自适应衰减记忆卡尔曼滤波(AFMKF,Adaptive Fading Memory Kalman Filtering)降低噪声的影响。针对衰减记忆因子的不确定性,本文提出了一种基于高精度观测值约束的自适应衰减记忆卡尔曼滤波算法(AFMKF with HPOC,Adaptive Fading Memory Kalman Filtering with High-Precision Observation Constraints),对于含噪声的观测序列,采用周期性高精度观测值更新新息序列,并约束衰减记忆因子的更新,提高算法的滤波能力。通过仿真实验,相比于传统自适应衰减记忆卡尔曼滤波算法,附有条件约束的AFMKF算法均方根误差降低了41.31%。并针对集中式卡尔曼滤波(CKF,Centralized Kalman Filter)数据融合算法设计了基于AFMKF with HPOC数据融合算法,针对滑坡体的监测数据进行数据融合,进而整体反映滑坡体的形变特征。(3)多尺度滑坡体稳定性分析采用位移时间序列进行滑坡稳定性分析,针对传统位移时间序列分析方法不能顾及微小尺度下位移变化特征与稳定性之间的关系,本文设计了针对不同时间尺度采用不同的位移时间序列分析方法,研究了分形理论与重标度极差分析(R/S分析)法,对滑坡的阶段稳定性与整体稳定性进行判断。分析结果表明,在降雨量较大的阶段性时间尺度内,位移时间序列多重分维值谱特征与加速形变过程谱特征一致,滑坡体在该阶段稳定性较差;长尺度位移时间序列的分析结果表明了滑坡体的稳定态势将会持续下去,具有长程持续性。
【学位单位】：北京建筑大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：P642.22
【部分图文】：

坡灾害依然是危害较广的一种地质灾害。常见的滑坡类型按照不同的诱因主要分为三种：由于库区水位变化引发的滑坡；由于降雨诱发的山体堆积层滑坡；由于工程的开挖方工作导致山体应力破坏因而诱发的滑坡；几种常见的滑坡类型如图1-1所示。针对此，党中央和国务院下发了“十三五”全国地质灾害防治规划，截止到 2015 年图 1-1 几种典型的滑坡类型Fig.1-1 Several typical types of landslides

1.1 气候条件研究区域属暖温带大陆性半湿润—半干旱型气候，主要气候特点为：春季干旱、多雨、秋季秋高气爽、冬季寒冷干燥；全年降水量多集中在 7～9 月份。由于降雨，且突发型水量较大，因此降雨极有可能成为破坏山体的稳定性的诱因之一。1.2 水文地质情况研究区域地层岩性；土层为第四系松散层（Q4-3）,基岩主要有蓟县系杨庄组（Jxy城系高于庄组（Chg）、大洪峪组（Chd）、团子山组（Cht）、长城系串岭沟组（Chch州沟组（Chc）；太古界密云群（Ar）变质岩，以及燕山期岩侵入岩，主要是脉岩，正长斑岩（ ε -Π ）、闪长玢岩（ ε -Π ）等岩脉。研究区域第四系厚度从250m-1000m不等，地层由老至新为蓟县系(Jx)、奥陶系（O炭－二迭系(C－P)、侏罗系（J）、白垩系（K）和第四系。见图 2-3 研究区基岩地质图图 2-2 研究区域地理位置示意图Fig.2-2 Location map of the study area

10研究区域地下水情况：研究区域位于纵向河谷东侧崇山峻岭中，地下水由东北、西南补给区向军都山中部河谷汇集。研究区域地下水主要为第四系孔隙潜水、基岩裂隙水和岩溶水。地下水位埋深根据地形起伏以及季节变化幅度较大，勘察期间水位埋深 0.5～30m。综上所述，研究区域内，地质构造复杂，由于人工活动造成的山体破坏情况较为严重，山体应力平衡遭到破坏，并且堆积层较厚，基岩透水性较差不利于大气降水入渗地下水较丰富。对于滑坡体而言，若突降大雨，堆积层渗透压易形成饱和从而造成山体失稳，引发堆积层形变，从而引起滑坡及其他地质灾害。2.2 京张高铁监测区域高精度三维地质模型构建三维地质模型的构建主要分为两步：一是进行外业地质调查以及勘探取样，获取地层分布、深度、厚度等情况；然后再根据取样结果分析各地层不同岩体的力学参数。二图 2-3 研究区域地质图Fig.2-3 Research area geological map
【相似文献】

相关期刊论文 前10条

1 陈帅;李赞;刘冬;;关于中小型滑坡监测的方法探讨[J];测绘与空间地理信息;2017年03期

2 张珊珊;闫述;;滑坡监测系统手机端警报和定位功能开发[J];数据通信;2017年04期

3 ;“一线多传感器”滑坡监测新技术研发成功[J];地质装备;2016年05期

4 兰志;唐宁;;滑坡监测在滑坡稳定性评价的作用[J];城市地理;2017年18期

5 王刚;何大鹏;耿海军;;浅析滑坡监测优势信息的选取[J];地质灾害与环境保护;2012年04期

6 潘怡宏;张明;王辉;;全站仪滑坡监测数据的远传和处理研究[J];西部探矿工程;2010年04期

7 钱树波;全站仪在滑坡监测中的实践[J];浙江交通职业技术学院学报;2005年01期

8 康东玲,余京生,张红秀;欧洲滑坡监测与预测新进展[J];湖北地矿;2002年04期

9 李兴举,孙增生;滑坡监测系统的设计[J];路基工程;1999年05期

10 唐绍辉;丰山铜矿西部滑坡分析和治理工程研究[J];露天采矿;1988年04期

相关博士学位论文 前7条

1 王朝阳;滑坡监测预报效果评估方法研究[D];成都理工大学;2012年

2 周勇;湘西高速公路滑坡监测关键技术及监测信息系统研究[D];中南大学;2012年

3 樊俊青;面向滑坡监测的多源异构传感器信息融合方法研究[D];中国地质大学;2015年

4 王日勖;抚顺西露天矿北帮滑坡监测预报系统研究[D];吉林大学;2011年

5 张斌;滑坡地质灾害远程监测关键问题研究[D];中国矿业大学（北京）;2010年

6 何月顺;关联规则挖掘技术的研究及应用[D];南京航空航天大学;2010年

7 吴圣林;崩塌—推覆滑移地质体成因机理及其稳定性研究[D];中国矿业大学;2008年

相关硕士学位论文 前10条

1 李洪明;3S技术在抚顺西露天矿滑坡监测中的应用[D];吉林大学;2019年

2 王来阳;面向多源异步传感器滑坡监测数据融合及稳定性分析[D];北京建筑大学;2019年

3 高思远;基于Sentinel-1数据的PS-InSAR技术在金沙江白格滑坡监测中应用研究[D];中国水利水电科学研究院;2019年

4 谢韬;基于InSAR技术的塔坪滑坡监测与研究[D];长安大学;2018年

5 黄小研;滑坡监测系统的研究与实现[D];西安工业大学;2018年

6 王京;长时序星载InSAR技术滑坡地质灾害监测研究[D];北京交通大学;2018年

7 黄观武;基于北斗/多源传感器组合的滑坡监测技术及系统研制[D];西安科技大学;2018年

8 张菖;基于BIM地质建模的滑坡监测预警研究[D];成都理工大学;2017年

9 赵泽宇;土质边（滑）坡监测软件的设计与实现[D];西南交通大学;2018年

10 刘思何;基于C#开发环境的一类滑坡监测系统的设计与实现[D];山西大学;2017年

本文编号：2883735