本发明涉及公路技术领域,具体涉及一种崩塌落石粒径计算模型的构建方法,可以实现对公路特别是山区公路崩塌落石灾害的预警、监测、防护做出具体指导的一种方法。
背景技术:
在山区公路边坡、陡崖或切坡表面上,或隧道进口处哪些块体有失稳、崩塌的可能,崩塌下来后落石粒径有多大是一个非常关键的问题,判别出可能的落石来源、会造成多大的危害,危害程度如何,需要对隧道进口或道路及边坡做何处理等都是一个亟需解决的问题。
传统对危岩识别而言,依赖于前期地质调查和后期勘察,一是投入大,耗时耗力,二是依赖于地质工程师专业水平高低,拥有不同经验的工程师得出的结论可能不同。而且受传统勘察方法的限制,很多地形条件差的地方无法深入调查,调查结果也无法根据边界条件的变化进行实时更新,难以对实际工程进行指导。
技术实现要素:
本发明的目的在于提供一种崩塌落石粒径计算模型的构建方法,解决公路边坡防护的问题。
为实现上述目的,本发明通过下述技术方案实现:
一种崩塌落石粒径计算模型的构建方法,所述方法包括以下步骤,
s1:对山地地形进行实地调查,获得地质影响因子q1,对目标路段进行实地调查获得落石影响因子q2,并将地质影响因子q1和落石影响因子q2上传至云平台;
s2:结合地质影响因子q1和落石影响因子q2初步对目标路段的各分段及各单元进行落石灾害的风险分级,根据落石灾害的风险分级制定相应的防护措施并上传至云平台;
s3:针对落石灾害的风险分级对风险分级较高的目标路段进行拍摄,获得岩体影响因子q3,对目标路段中工点处的落石情况进行统计得出凿坑影响因子q4,并将岩体影响因子q3和凿坑影响因子q4上传至云平台;
s4:通过云平台调用地质影响因子q1、落石影响因子q2、岩体影响因子q3和凿坑影响因子q4数据,基于模糊数学和统计学提出崩塌落石粒径的计算模型及其解析解;
s5:根据实际崩塌落石发生情况,对得出的计算模型进行修正使解析解不断逼近实际结果;
s6:根据时间的变化,对落石影响因子q2、岩体影响因子q3和凿坑影响因子q4进行更新。
进一步地,所述步骤s1中地质影响因子q1来源于:通过大范围的对山地地形进行地质调查并根据工程经验及数据分析得出,调查对象包括地形地貌、地层岩性、主控结构面、气象水文、地震和泥石流;落石影响因子q2来源于:对目标路段进行分段、分单元地调查历史崩塌落石,对历史崩塌落石频率及粒径进行统计并结合地质影响因子q1,提出落石影响因子q2。
上述技术方案的作用在于地质影响因子q1来自于大范围区域的地质调查,将地质影响因子q1作为最基本的样本数据传入并存储在云平台中,便于进行后期的调用;而落石影响因子q2来自于对目标路段进行分段、分单元地调查历史崩塌落石,对历史崩塌落石频率及粒径进行统计并结合地质影响因子q1得出,落石影响因子q2为目标数据且传入并存储在云平台中;地质影响因子q1为整体上的样本数据,包含范围与种类较广,而落石影响因子q2为局部的目标数据。
进一步地,所述步骤s3中岩体影响因子q3来源于:针对落石灾害的风险分级结果,对目标路段的重点路段进行拍摄获得工点处的岩体高清影像,并由影像分析工点处的节理、裂隙分布和岩体完整性比例,并根据工程地质及岩土力学方法获得岩体影响因子q3;凿坑影响因子q4来源于:根据目标路工点处的公路边落石堆石及已有落石凿坑的分析得出,获得凿坑影响因子q4。
上述技术方案的作用在于岩体影响因子q3来自于:针对落石灾害的风险分级然后对风险分级中的高风险工点处进行拍摄,再将拍摄到的高风险工点处的岩体影像进行分析得到,岩体影响因子q3为重点、高风险工点处的目标数据;凿坑影响因子q4来自于:针对落石灾害的风险分级然后对风险分级中的高风险工点处进行拍摄,再将拍摄到的影像中的落石堆及已有的落石凿坑进行分析得到,凿坑影响因子q4为重点、高风险工点处的落石堆及已有的落石凿坑目标数据;相比与q1和q2为样本数据,q3和q4为检测路段的重点、高风险工点处的目标数据。
进一步地,所述的地质影响因子q1为样本数据,落石影响因子q2、岩体影响因子q3和凿坑影响因子q4为目标数据,落石影响因子q2、岩体影响因子q3和凿坑影响因子q4是基于地质影响因子q1的基础上对比得出。
进一步地,所述步骤3中拍摄包括无人机航拍和卫星扫描技术。
上述技术方案的作用在于对落石灾害路段的拍摄采用无人机航拍和卫星扫描技术相比于人工拍摄能够增大拍摄的效率,同时采集到更多的样本数据,并且避免了在人工拍摄时出现安全事故。
进一步地,所述步骤s4中模糊数学包括模糊拓扑学、模糊概率和模糊逻辑学。
上述技术方案的作用在于增大所述计算模型的准确度。
进一步地,所述步骤s5中解析解为崩塌落石的粒径。
进一步地,所述步骤s6中随着时间的变化而变化的数据还包括落石灾害的风险分级和相应的防护措施。
上述技术方案的作用在于在云平台中实时地更新落石灾害的风险分级数据、防护措施数据、岩体影响因子q3数据、凿坑影响因子q4数据和解析解数据能够在实时地了解到山区公路的实际情况,并且制定相应的防护措施,增大山区公路的安全性。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明的成果可用于山区公路及隧道进出口的崩塌落石威胁预警和预判,根据计算结果可进行落石灾害的风险分级,并根据落石灾害的风险分级制定相应的防护措施,是一种科学的、有效的落石崩塌预判方法,并能够做到实时更新,数据共享,为山区公路防护核心技术。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明流程示意图。
图2为本发明技术路线路。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1、2所示,
一种崩塌落石粒径计算模型的构建方法,所述方法包括以下步骤,
s1:对山地地形进行实地调查,获得地质影响因子q1,对目标路段进行实地调查获得落石影响因子q2,并将地质影响因子q1和落石影响因子q2上传至云平台;
s2:结合地质影响因子q1和落石影响因子q2初步对目标路段的各分段及各单元进行落石灾害的风险分级,根据落石灾害的风险分级制定相应的防护措施并上传至云平台;
s3:针对落石灾害的风险分级对风险分级较高的目标路段进行拍摄,获得岩体影响因子q3,对目标路段中工点处的落石情况进行统计得出凿坑影响因子q4,并将岩体影响因子q3和凿坑影响因子q4上传至云平台;
s4:通过云平台调用地质影响因子q1、落石影响因子q2、岩体影响因子q3和凿坑影响因子q4数据,基于模糊数学和统计学提出崩塌落石粒径的计算模型及其解析解;
s5:根据实际崩塌落石发生情况,对得出的计算模型进行修正使解析解不断逼近实际结果;
s6:根据时间的变化,对落石影响因子q2、岩体影响因子q3和凿坑影响因子q4进行更新。
作为本发明的一种优选实施例,本发明是基于大数据进行数据的统计和数据的分析,该方案的优势在于能够满足本发明中所需要的大量数据样本和大量数据样本的调用,并且能够快速地对所采集的目标数据进行分析并实时更新数据。
作为一种优选技术方案,所述步骤s1中地质影响因子q1来源于:通过大范围的对山地地形进行地质调查并根据工程经验及数据分析得出,调查对象包括地形地貌、地层岩性、主控结构面、气象水文、地震和泥石流;落石影响因子q2来源于:对目标路段进行分段、分单元地调查历史崩塌落石,对历史崩塌落石频率及粒径进行统计并结合地质影响因子q1,提出落石影响因子q2。
具体地,上述方案将地质影响因子q1数据上传至云平台则形成一个包含多种地形数据的数据库,地质影响因子q1作为样本数据,而采集的样本数据越多,越有利于后期与目标数据的对比,因此而言,该技术方案为后期数据的调用和对比提供了保障。
作为一种优选技术方案,所述步骤s3中岩体影响因子q3来源于:针对落石灾害的风险分级结果,对目标路段的重点路段进行拍摄获得工点处的岩体高清影像,并由影像分析工点处的节理、裂隙分布和岩体完整性比例,并根据工程地质及岩土力学方法获得岩体影响因子q3;凿坑影响因子q4来源于:根据目标路工点处的公路边落石堆石及已有落石凿坑的分析得出,获得凿坑影响因子q4。
具体地,上述技术方案采集的岩体影响因子q3和凿坑影响因子q4为目标样本数据,将采集到的岩体影响因子q3数据和凿坑影响因子q4数据上传至云平台,便于后期的调用。
作为一种优选技术方案,所述的地质影响因子q1为样本数据,落石影响因子q2、岩体影响因子q3和凿坑影响因子q4为目标数据,落石影响因子q2、岩体影响因子q3和凿坑影响因子q4是基于地质影响因子q1的基础上对比得出。
作为一种优选技术方案,所述步骤3中拍摄包括无人机航拍和卫星扫描技术。
具体地,上述技术方案采用无人机航拍和卫星扫描技术能够采集到更多的样本数据,有利于增大本发明的准确性,同时在采集目标数据时能够更为安全、高效。
作为一种优选技术方案,所述步骤s4中模糊数学包括模糊拓扑学、模糊概率和模糊逻辑学。
作为一种优选技术方案,所述步骤s5中解析解为崩塌落石的粒径。
作为一种优选技术方案,所述步骤s6中随着时间的变化而变化的数据还包括落石灾害的风险分级和相应的防护措施。
具体地,上述技术方案在云平台中根据实际拍摄到的实地情况数据上传至云平台后,则与样本数据进行对比,然后再将样本数据与采集到的实地情况数据进行相应地计算,然后将得出的结果在云平台中更新。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。