本發(fā)明屬于邊坡監(jiān)測(cè)技術(shù)領(lǐng)域，具體涉及一種高邊坡松弛區(qū)的判定方法。

背景技術(shù)：

隨著人類工程活動(dòng)規(guī)模日益擴(kuò)大，礦山開(kāi)采、交通運(yùn)輸、水利和國(guó)防等建設(shè)工程大量開(kāi)發(fā)，斜坡成為工程活動(dòng)的基本地質(zhì)環(huán)境之一，采礦和切坡等人為因素造成的滑坡穩(wěn)定性問(wèn)題越來(lái)越突出?；掳l(fā)生輕則增加投資，延長(zhǎng)工期；重則摧毀建筑物，造成人員傷亡。邊坡穩(wěn)定與人工開(kāi)挖形成的擾動(dòng)區(qū)有關(guān)，受應(yīng)力變化、工程施工、環(huán)境水文因素等多重因素綜合影響，因此開(kāi)挖過(guò)程中邊坡其變形情況具有未確知性、隨機(jī)性、模糊性、可變性等特點(diǎn)，其受力變形演變過(guò)程是一個(gè)典型的非線性問(wèn)題，具有高度的復(fù)雜性。開(kāi)挖過(guò)程中坡體的松弛區(qū)實(shí)際上就是在設(shè)計(jì)的穩(wěn)定系數(shù)下潛在的最危險(xiǎn)滑動(dòng)面，松弛區(qū)范圍就是對(duì)應(yīng)的最危險(xiǎn)滑動(dòng)體。對(duì)于松弛區(qū)范圍合理、有效的界定對(duì)邊坡的穩(wěn)定性評(píng)價(jià)及整治有重要意義，對(duì)于指導(dǎo)工程實(shí)踐具有積極意義，能夠在保證安全的前提下，盡量減小土方的開(kāi)挖量，具有可觀的經(jīng)濟(jì)價(jià)值。

由于松弛區(qū)范圍的界定是一個(gè)高度復(fù)雜的非線性問(wèn)題，很難用簡(jiǎn)單的力學(xué)、數(shù)學(xué)模型進(jìn)行描述。雖然，在傳統(tǒng)工程實(shí)踐中多使用極限平衡法、有限元分析、彈塑性理論等數(shù)值分析方法進(jìn)行位移場(chǎng)和應(yīng)力場(chǎng)的數(shù)值分析，也取得了大量的成果。但是在大量的工程實(shí)踐中，由于難以獲得精確的現(xiàn)場(chǎng)參數(shù)，因此這些傳統(tǒng)統(tǒng)計(jì)方法的應(yīng)用受到限制。

傳統(tǒng)邊坡監(jiān)測(cè)采用人工方法實(shí)現(xiàn)，對(duì)于松弛區(qū)的劃分主要根據(jù)監(jiān)測(cè)工作 人員的經(jīng)驗(yàn)和直覺(jué)，由于數(shù)據(jù)量和方法的問(wèn)題，難以通過(guò)自動(dòng)化方法進(jìn)行實(shí)現(xiàn)。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種高邊坡松弛區(qū)的判定方法，實(shí)現(xiàn)對(duì)滑坡位置、當(dāng)前形態(tài)進(jìn)行判斷，可實(shí)現(xiàn)自動(dòng)化。

為了達(dá)到上述目的，本發(fā)明采取的技術(shù)方案為：

一種高邊坡松弛區(qū)的判定方法，包括以下步驟：

步驟1)對(duì)于所有的監(jiān)測(cè)位置，令監(jiān)測(cè)點(diǎn)集合S＝{x_i,y_i,z_i},i＝1,2,…,m，觀測(cè)點(diǎn)S_i在時(shí)刻t對(duì)應(yīng)一定周期內(nèi)的變形量用向量為v_i＝[Δx,Δy,Δz]^T，獲取邊坡變形監(jiān)測(cè)的原始數(shù)據(jù)，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，包括降噪、平滑和缺失數(shù)據(jù)補(bǔ)充，具體為：

1.1)對(duì)原始數(shù)據(jù)通過(guò)卡爾曼濾波過(guò)濾噪聲點(diǎn)，假設(shè)監(jiān)測(cè)誤差為方差為0的高斯白噪聲，得到降噪數(shù)據(jù)；

1.2)通過(guò)使用可配置的固定大小滑動(dòng)窗口對(duì)降噪數(shù)據(jù)進(jìn)行平滑，默認(rèn)平滑窗口大小為1個(gè)小時(shí)，得到平滑數(shù)據(jù)；

1.3)對(duì)平滑數(shù)據(jù)進(jìn)行缺失數(shù)據(jù)補(bǔ)充，采用牛頓插值法計(jì)算插值，具體計(jì)算公式為：

v_i＝v_i-1+(v_i+1-v_i-1)/(t_i+1-t_i-1)； (1)

步驟2)對(duì)于任意兩監(jiān)測(cè)點(diǎn)S_i和S_j，計(jì)算點(diǎn)對(duì)之間相似度，具體為：

2.1)依照公式(2)計(jì)算幾何距離，并采用公式(3)進(jìn)行規(guī)則化，

兩監(jiān)測(cè)點(diǎn)S_i和S_j對(duì)應(yīng)的變形向量為d_i和d_j，其幾何距離為：

$d_{i,j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(z_i-z_j)}^2}---\left(2\right)$

將d_i,j影射到[-1,1]，并使得最小值對(duì)應(yīng)-1、最大值對(duì)應(yīng)到1，用公式寫(xiě)為

$d_{{\mathrm{reg}}_{i,j}}=-\frac{2*d_{i,j}-\max \left(d_{i,j}\right)-\min \left(d_{i,j}\right)}{\max \left(d_{i,j}\right)-\min \left(d_{i,j}\right)}---\left(3\right)$

2.2)對(duì)計(jì)算的規(guī)則化后的幾何距離依照公式(4)計(jì)算幾何距離相似度S_dis；變形量的強(qiáng)度如果越相近，兩者的相關(guān)性越強(qiáng)，用公式表達(dá)為

$s_{dis}=1-\frac{|\left|d_i\right|-\left|d_j\right||}{\max \left(\right|d_i|,|d_j\left|\right)}---\left(4\right)$

2.3)依照公式(5)計(jì)算方向相似度s_dir

2.4)依照公式(6)計(jì)算綜合相似度；

$s_{i,j}=s_{dir}*s_{dis}*d_{{\mathrm{reg}}_{i,j}}---\left(6\right)$

步驟3)計(jì)算相似度分組，具體為：

3.1)對(duì)計(jì)算的綜合相似度進(jìn)行從大到小排列；

3.2)依照公式(7)采用K-Means方法計(jì)算相似度分組，分組數(shù)為3，對(duì)于初始中心點(diǎn)的選擇分別是綜合相似度的最小值、平均值和最大值，使用K-means聚類算法快速實(shí)現(xiàn)S_sub的求解，S_sub中中心點(diǎn)數(shù)值最大的分組就是最危險(xiǎn)松弛區(qū)對(duì)應(yīng)的分組，S_sub中點(diǎn)對(duì)對(duì)應(yīng)監(jiān)測(cè)點(diǎn)編號(hào)的幾何對(duì)應(yīng)的就是最危險(xiǎn)松弛區(qū)，

$S_{sub}=\underset{S_{sub}}{\arg min}\Σ{(s_{i,j}-{\stackrel{\‾}{s}}_{i,j})}^2.---\left(7\right)$

本發(fā)明的有益效果是：

本發(fā)明根據(jù)松弛區(qū)位移監(jiān)測(cè)的特點(diǎn)，在一定變形范圍內(nèi)，并行運(yùn)動(dòng)可以近似看作是剛體運(yùn)動(dòng)，因此在相對(duì)應(yīng)的變形區(qū)內(nèi)，變形位置所對(duì)應(yīng)的變形向量應(yīng)該具有相似的強(qiáng)度和方向。傳統(tǒng)邊坡監(jiān)測(cè)采用人工方法實(shí)現(xiàn)，對(duì)于松弛區(qū)的劃分主要根據(jù)監(jiān)測(cè)工作人員的經(jīng)驗(yàn)和直覺(jué)，由于數(shù)據(jù)量和方法的問(wèn)題， 難以通過(guò)自動(dòng)化方法進(jìn)行實(shí)現(xiàn)。本發(fā)明提出了在自動(dòng)測(cè)量數(shù)據(jù)的基礎(chǔ)上，通過(guò)采用新的相似度度量方法對(duì)相似變形區(qū)域進(jìn)行度量，并最終通過(guò)K-means方法實(shí)現(xiàn)對(duì)松弛區(qū)的判定，從而降低了項(xiàng)目對(duì)專家的依賴，提高了松弛區(qū)判定的精度，通過(guò)最佳松弛區(qū)判定，對(duì)采用工程手段消除松弛區(qū)隱患時(shí)，可以減少工程開(kāi)支。

附圖說(shuō)明

圖1是高邊坡松弛區(qū)判定的算法流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作詳細(xì)描述。

參照?qǐng)D1，一種高邊坡松弛區(qū)的判定方法，包括以下步驟：

步驟1)對(duì)于所有的監(jiān)測(cè)位置，令監(jiān)測(cè)點(diǎn)集合S＝{x_i,y_i,z_i},i＝1,2,…,m，觀測(cè)點(diǎn)S_i在時(shí)刻t對(duì)應(yīng)一定周期內(nèi)的變形量用向量為v_i＝[Δx,Δy,Δz]^T，獲取邊坡變形監(jiān)測(cè)的原始數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括降噪、平滑和缺失數(shù)據(jù)補(bǔ)充，具體做法為：

1.1)對(duì)原始數(shù)據(jù)通過(guò)卡爾曼濾波過(guò)濾噪聲點(diǎn)，假設(shè)監(jiān)測(cè)誤差為方差為0的高斯白噪聲，得到降噪數(shù)據(jù)；

1.2)通過(guò)使用可配置的固定大小滑動(dòng)窗口對(duì)降噪數(shù)據(jù)進(jìn)行平滑，默認(rèn)平滑窗口大小為1個(gè)小時(shí)，得到平滑數(shù)據(jù)；

1.3)對(duì)平滑數(shù)據(jù)缺失數(shù)據(jù)補(bǔ)充，采用牛頓插值法計(jì)算插值，具體計(jì)算公式為：

v_i＝v_i-1+(v_i+1-v_i-1)/(t_i+1-t_i-1) (1)

步驟2)對(duì)于任意兩監(jiān)測(cè)點(diǎn)S_i和S_j，計(jì)算點(diǎn)對(duì)之間相似度，具體為：

2.1)依照公式(2)計(jì)算幾何距離，并采用公式(3)進(jìn)行規(guī)則化，

兩監(jiān)測(cè)點(diǎn)S_i和S_j對(duì)應(yīng)的變形向量為d_i和d_j，其幾何距離為：

$d_{i,j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(z_i-z_j)}^2}---\left(2\right)$

將d_i,j影射到[-1,1]，并使得最小值對(duì)應(yīng)-1、最大值對(duì)應(yīng)到1，用公式寫(xiě)為

$d_{{\mathrm{reg}}_{i,j}}=-\frac{2*d_{i,j}-\max \left(d_{i,j}\right)-\min \left(d_{i,j}\right)}{\max \left(d_{i,j}\right)-\min \left(d_{i,j}\right)}---\left(3\right)$

2.2)對(duì)計(jì)算的規(guī)則化后的幾何距離依照公式(4)計(jì)算幾何距離相似度S_dis；變形量的強(qiáng)度如果越相近，兩者的相關(guān)性越強(qiáng)，用公式表達(dá)為

$s_{dis}=1-\frac{|\left|d_i\right|-\left|d_j\right||}{\max \left(\right|d_i|,|d_j\left|\right)}---\left(4\right)$

2.3)依照公式(5)計(jì)算方向相似度s_dir

2.4)依照公式(6)計(jì)算綜合相似度；

$s_{i,j}=s_{dir}*s_{dis}*d_{{\mathrm{reg}}_{i,j}}---\left(6\right)$

步驟3)計(jì)算相似度分組，具體為：

3.1)對(duì)計(jì)算的綜合相似度進(jìn)行從大到小排列；

3.2)依照公式(7)采用K-Means方法計(jì)算相似度分組，分組數(shù)為3，為了保證算法穩(wěn)定性，對(duì)于初始中心點(diǎn)的選擇分別是綜合相似度的最小值、平均值和最大值，使用K-means聚類算法快速實(shí)現(xiàn)S_sub的求解，S_sub中中心點(diǎn)數(shù)值最大的分組就是最危險(xiǎn)松弛區(qū)對(duì)應(yīng)的分組，S_sub中點(diǎn)對(duì)對(duì)應(yīng)監(jiān)測(cè)點(diǎn)編號(hào)的幾何對(duì)應(yīng)的就是最危險(xiǎn)松弛區(qū)，

$S_{sub}=\underset{S_{sub}}{\arg min}\Σ{(s_{i,j}-{\stackrel{\‾}{s}}_{i,j})}^2.---\left(7\right)$。