一种边坡稳定性估计的信息融合方法

    公开(公告)号:CN115221966A

    公开(公告)日:2022-10-21

    申请号:CN202210872743.2

    申请日:2022-07-21

    Abstract: 本发明公开了一种边坡稳定性估计的信息融合方法。本发明基于液位仪和裂缝计监测得到地下水位和地表裂缝宽度的变化情况,将其组合成特征变量,利用聚类算法求取特征变量的参考值集合,并构造相应的边坡稳定性等级参考信度分布,当在线获取监测样本后按照激活程度将参考信度向量进行融合,得到融合后的稳定性信度分布,最终根据信度最大化原则确定边坡的稳定性。本发明将影响边坡稳定性的影响因素构造成多维特征变量,该特征变量将匹配所有参考值集合得到参考信度分布,将参考信度分布进行修正和递归融合处理,进而实现边坡稳定性估计,该方法改善了传统评估报警方法依靠单一监测数据,只能匹配局部参考值,无法完整反映出边坡运动状态的局限性。

    一种基于NPR缆索滑动力监测的边坡滑坡预警方法

    公开(公告)号:CN113034855A

    公开(公告)日:2021-06-25

    申请号:CN202110254595.3

    申请日:2021-03-09

    Abstract: 本发明公开了一种基于NPR缆索滑动力监测的边坡滑坡预警方法。本发明首先构造边坡滑动力预测的证据推理模型,它的输入变量为当前时刻NPR锚索传感器采集的滑动力监测值、当前时刻与历史时刻滑动力监测值之间的差值,输出变量为边坡的未来滑动力预测值;然后构造参考证据矩阵(REM)建模输入输出变量之间的映射关系;当在线获取输入变量样本时,通过REM获得它激活的证据,通过证据推理算法融合所有输入变量样本激活的证据,得到融合结果,通过融合结果推算出未来时刻边坡滑动力的预测值,并设定报警阈值实施超限报警;利用序列线性规划方法,实时更新REM用于下一时刻的滑动力预测,本发明的预测值具有较高的预测精度。

    一种基于短时傅里叶变换和卷积神经网络的液位预测方法

    公开(公告)号:CN111811617A

    公开(公告)日:2020-10-23

    申请号:CN202010660942.8

    申请日:2020-07-10

    Abstract: 本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先,通过声共振液位测量仪器获取实验所需的共振波数据集。其次,对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后,基于卷积神经网络构建回归模型,选用均方误差作为损失函数,选用Adam函数作为优化算法。最后,将训练集输入到构建的卷积神经网络模型中进行模型,再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型,实现从原始数据到任务目标的映射过程;通过对模型参数迭代优化,提升卷积神经网络模型的泛化能力和预测结果的准确性。

    一种基于稳定性证据融合的土质边坡失稳概率计算方法

    公开(公告)号:CN109815591A

    公开(公告)日:2019-05-28

    申请号:CN201910070895.9

    申请日:2019-01-25

    Abstract: 本发明公开了一种基于稳定性证据融合的土质边坡失稳概率计算方法。本发明首先,利用圆弧法对滑动面以上的土体进行划分,分为若干个垂直的土质边坡,对于每个边坡的致灾要素参数,利用随机变量和相应的区间证据对它们进行建模,并通过集值映射得到边坡安全系数的区间证据形式。其次,对于得到的多个土质边坡安全系数的区间证据,采用ER证据推理规则对它们进行融合。最后,利用可传递新模型将融合后的区间证据转化为近似累积概率来评估边坡的稳定性。利用本发明融合后得到的失稳概率比任何一个垂直边坡得到的失稳概率更为准确,基于它进行的土体稳定性评估将更为精确可靠。

Patent Agency Ranking