一种边坡软化区域预测方法、系统、设备及可读存储介质

1.本发明涉及边坡地质灾害防治领域，具体而言，涉及一种边坡软化区域预测方法、系统、设备及可读存储介质。


背景技术：

2.边坡在在地质历史时期已经形成了滑带，滑带作为边坡的主要组成部分，对边坡稳定性起控制作用。长时间以来，由于滑带中的土强度弱化引起边坡发生多次滑动，为方便研究，本领域人员将土强度弱化的区域划分为软化区域，软化区域对边坡的滑动有着重大的影响。在对边坡的防治过程中，准确的找到软化区域的位置并得到软化区域的土质数据，可对边坡的防治起到决定性的作用。而现有边坡预测方法无法预测出边坡滑带的软化区域的位置，从而无法对边坡的防止提供有效的帮助。


技术实现要素：

3.本发明的目的在于提供一种边坡软化区域预测方法、系统、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：第一方面，本技术提供了一种边坡软化区域预测方法，包括：建立三维边坡模型，通过在所述三维边坡模型中添加软化区域的数据，以获得三维边坡中的裂缝数据；根据所述软化区域的数据和裂缝数据生成数据样本，构建神经网络模型所需的训练集和测试集；搭建神经网络模型，利用所述训练集和测试集对所述神经网络模型进行训练和测试，以获得边坡软化区域预测模型；将待预测边坡的裂缝数据输入所述边坡软化区域预测模型中，预测得到软化区域的数据。
4.进一步的，所述建立三维边坡模型，通过在所述三维边坡模型中添加软化区域的数据，以获得三维边坡中的裂缝数据，具体包括：获取待预测边坡的空间坐标点，在颗粒流软件中建立三维边坡模型；在所述三维边坡模型中确定出滑带的位置和形状参数；沿所述三维边坡模型水平方向选取滑带作为软化区域，对所述软化区域中的岩土体的数据进行赋值，所述岩土体的数据包括岩土体的粘聚力和内摩擦角；沿所述三维边坡模型竖直方向等间距的划分出若干个观察点，并监测所述若干个观察点的位置状态；基于所述观察点的位置状态计算出三维边坡中的裂缝数据，所述裂缝数据至少包括裂缝的宽度、深度以及角度。
5.进一步的，所述根据所述软化区域的数据和裂缝数据生成数据样本，构建神经网络模型所需的训练集和测试集，具体包括：
将裂缝数据作为输入特征标签、软化区域的数据作为输出特征标签构建出数据样本；选取80%的数据样本作为训练集，20%的数据样本作为测试集。
6.进一步的，所述将待预测边坡的裂缝数据输入所述边坡软化区域预测模型中，预测得到软化区域的数据，具体包括：获取待预测边坡当前的裂缝数据；将所述裂缝数据输入边坡软化区域预测模型，得到边坡的软化区域和软化区域中岩土体的粘聚力和内摩擦角。
7.进一步的，还包括：利用边坡的裂缝数据和软化区域的数据，计算待预测边坡下滑的土方量和局部安全系数，局部安全系数的计算方法为：；式中，表示局部安全系数，为计算点的抗剪强度，为粘聚力，为内摩擦角，为剪应力。
8.进一步的，还包括：基于待预测边坡的局部安全系数和待预测边坡下滑的土方量，评判出待预测边坡的安全等级，所述安全等级包括安全、较安全、较危险、危险及高危险。
9.第二方面，本技术还提供了一种边坡软化区域预测系统，包括：三维模型搭建模块：用于建立三维边坡模型，通过在所述三维边坡模型中添加软化区域的数据，以获得三维边坡中的裂缝数据；数据集划分模块：用于根据所述软化区域的数据和裂缝数据生成数据样本，构建神经网络模型所需的训练集和测试集；神经网络模型搭建模块：用于搭建神经网络模型，利用所述训练集和测试集对所述神经网络模型进行训练和测试，以获得边坡软化区域预测模型；预测模块：将待预测边坡的裂缝数据输入所述边坡软化区域预测模型中，预测得到软化区域的数据。
10.进一步的，所述三维模型搭建模块具体包括：数据获取单元：用于获取待预测边坡的空间坐标点，在颗粒流软件中建立三维边坡模型；滑带确定单元：用于在所述三维边坡模型中确定出滑带的位置和形状参数；赋值单元：用于沿所述三维边坡模型水平方向选取滑带作为软化区域，对所述软化区域中的岩土体的数据进行赋值，所述岩土体的数据包括岩土体的粘聚力和内摩擦角；监测单元：用于沿所述三维边坡模型竖直方向等间距的划分出若干个观察点，并监测所述若干个观察点的位置状态；计算单元：用于基于所述观察点的位置状态计算出三维边坡中的裂缝数据，所述裂缝数据至少包括裂缝的宽度、深度以及角度。
11.第三方面，本技术还提供了一种边坡软化区域预测设备，包括：存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述边坡软化区域预测方法的步骤。
12.第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于边坡软化区域预测方法的步骤。
13.本发明的有益效果为：本发明无需大量历史监测数据构造样本数据，而是通过建立三维边坡模型构造出大量的样本数据：通过在三维边坡模型中划分出软化区域，并多次改变软化区域的参数，得到若干组裂缝数据，由软化区域的数据和裂缝数据构造出大量的样本数据，从而减少人力、物力的投入。同时，经过大量样本数据训练的神经网络模型可以准确地预测现场边坡的局部软化位置，在工程上为治理边坡提供依据，使边坡的防治方法更具有依据和实用性。
14.本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
15.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
16.图1为本发明实施例中所述的边坡软化区域预测方法流程示意图;图2为边坡的结构示意图；图3为本发明实施例中所述的边坡软化区域预测系统结构示意图；图4为本发明实施例中所述的边坡软化区域预测设备结构示意图。
17.图中标记：800、边坡软化区域预测设备；801、处理器；802、存储器；803、多媒体组件；804、i/o接口；805、通信组件。
具体实施方式
18.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
20.实施例1：本实施例提供了一种边坡软化区域预测方法。
21.参见图1，图中示出了本方法包括：
s1.建立三维边坡模型，通过在所述三维边坡模型中添加软化区域的数据，以获得三维边坡中的裂缝数据；具体的，所述s1包括：s11.获取待预测边坡的空间坐标点，在颗粒流软件中建立三维边坡模型；获取待预测边坡的地质信息，如图2所示，所述地质信息包括边坡的坐标空间点，边坡的滑体、滑带、滑床中岩土体的物理参数和力学参数，所述物理参数和力学参数包括：岩土体的密度、弹性模量、泊松比、法向刚度及切向刚度、粘聚力、内摩擦角，基于所述参数在颗粒流软件pfc3d中建立待预测边坡的三维边坡模型；s12.在所述三维边坡模型中确定出滑带的位置和形状参数；s13.沿所述三维边坡模型水平方向选取滑带作为软化区域，对所述软化区域中的岩土体的数据进行赋值，所述岩土体的数据包括岩土体的粘聚力和内摩擦角；具体的，沿所述三维边坡模型水平方向，在滑带上随机确定软化区域的起点和终点，由所述地点和终点构成一个软化区域，改变软化区域的起点和终点，即可生成不同软化区域。将软化区域中岩土体的数据作为变量，对岩土体的粘聚力和内摩擦角进行多次赋值，保持其他参数不变，从而提供多组样本数据。
22.s14.沿所述三维边坡模型竖直方向等间距的划分出若干个观察点，并监测所述若干个观察点的位置状态；具体的，沿所述三维边坡模型竖直方向的投影长度等间距的布置1000个观察点，监测所述1000个观察点的位置状态，分析观察点所处位置是否存在裂缝；s15.基于所述观察点的位置状态计算出三维边坡中的裂缝数据，所述裂缝数据至少包括裂缝的宽度、深度以及角度；通过获取岩土体的粘聚力和内摩擦角以及观察点的位置状态，在颗粒流软件pfc3d中经数值模拟计算得到裂缝的宽度、深度、角度，以及裂缝的起点和终点等数据。
23.多次重复步骤s11-s15，得到不同软化区域的数据，和每个数据对应的裂缝数据。
24.s2.根据所述软化区域的数据和裂缝数据生成数据样本，构建神经网络模型所需的训练集和测试集；具体的，所述s2包括：s21.将裂缝数据作为输入特征标签、软化区域的数据作为输出特征标签构建出数据样本；具体的，将裂缝的宽度、深度、角度以及裂缝的起点和终点作为输入特征标签，软化区域的起点、终点、软化区域中岩土体的粘聚力和内摩擦角作为输出特征标签。
25.s22.选取80%的数据样本作为训练集，20%的数据样本作为测试集。
26.s3.搭建神经网络模型，利用所述训练集和测试集对所述神经网络模型进行训练和测试，以获得边坡软化区域预测模型；s4.将待预测边坡的裂缝数据输入所述边坡软化区域预测模型中，预测得到软化区域的数据；具体的，所述s4包括：s41.获取待预测边坡当前的裂缝数据；s42.将所述裂缝数据输入边坡软化区域预测模型，得到边坡的软化区域和软化区域中岩土体的粘聚力和内摩擦角。
27.s5.利用边坡的裂缝数据和软化区域的数据，计算待预测边坡的局部安全系数和待预测边坡下滑的土方量；具体的，边坡下滑的土方量计算方法为：通过现场勘察，在cad中刻画出二维的边坡滑移范围，在cad中测量出二维的边坡面积，从而得到下滑的土方量。
28.局部安全系数的计算方法为：；（1）式中，表示局部安全系数，为计算点的抗剪强度，为粘聚力，为内摩擦角，为剪应力。
29.s6.基于待预测边坡的局部安全系数和待预测边坡下滑的土方量，对照安全等级划分标准表，评判出待预测边坡的安全等级，所述安全等级包括安全、较安全、较危险、危险及高危险。安全等级划分标准表如表1-表3所示，表中，v代表下滑的土方量，k表示局部安全系数，表1为下滑的土方量在v≥2000m
³
情况下的划分标准，表2为下滑的土方量在2000m
³
》v》1000m
³
情况下的划分标准，表3为下滑的土方量在v≤1000m
³
情况下的划分标准。
30.表1表2表3
实施例2：如图3所示，本实施例提供了一种边坡软化区域预测系统，所述系统包括：三维模型搭建模块：用于建立三维边坡模型，通过在所述三维边坡模型中添加软化区域的数据，以获得三维边坡中的裂缝数据；数据集划分模块：用于根据所述软化区域的数据和裂缝数据生成数据样本，构建神经网络模型所需的训练集和测试集；神经网络模型搭建模块：用于搭建神经网络模型，利用所述训练集和测试集对所述神经网络模型进行训练和测试，以获得边坡软化区域预测模型；预测模块：将待预测边坡的裂缝数据输入所述边坡软化区域预测模型中，预测得到软化区域的数据。
31.基于以上实施例，所述三维模型搭建模块具体包括：数据获取单元：用于获取待预测边坡的空间坐标点，在颗粒流软件中建立三维边坡模型；滑带确定单元：用于在所述三维边坡模型中确定出滑带的位置和形状参数；赋值单元：用于沿所述三维边坡模型水平方向选取滑带作为软化区域，对所述软化区域中的土体的数据进行赋值，所述土体的数据包括土体的粘聚力和内摩擦角；监测单元：用于沿所述三维边坡模型竖直方向等间距的划分出若干个观察点，并监测所述若干个观察点的位置状态；计算单元：用于基于所述观察点的位置状态计算出三维边坡中的裂缝数据，所述裂缝数据至少包括裂缝的宽度、深度以及角度。
32.需要说明的是，关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
33.实施例3：相应于上面的方法实施例，本实施例中还提供了一种边坡软化区域预测设备，下文描述的一种边坡软化区域预测设备与上文描述的一种边坡软化区域预测方法可相互对应参照。
34.图4是根据示例性实施例示出的一种边坡软化区域预测设备800的框图。如图4所示，该边坡软化区域预测设备800可以包括：处理器801，存储器802。该边坡软化区域预测设备800还可以包括多媒体组件803，i/o接口804，以及通信组件805中的一者或多者。
35.其中，处理器801用于控制该边坡软化区域预测设备800的整体操作，以完成上述的边坡软化区域预测方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支
持在该边坡软化区域预测设备800的操作，这些数据例如可以包括用于在该边坡软化区域预测设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(staticrandomaccessmemory，简称sram)，电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory，简称eeprom)，可擦除可编程只读存储器(erasableprogrammableread-onlymemory，简称eprom)，可编程只读存储器(programmableread-onlymemory，简称prom)，只读存储器(read-onlymemory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该边坡软化区域预测设备800与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(nearfieldcommunication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：wi-fi模块，蓝牙模块，nfc模块。
36.在一示例性实施例中，边坡软化区域预测设备800可以被一个或多个应用专用集成电路(applicationspecificintegratedcircuit，简称asic)、数字信号处理器(digitalsignalprocessor，简称dsp)、数字信号处理设备(digitalsignalprocessingdevice，简称dspd)、可编程逻辑器件(programmablelogicdevice，简称pld)、现场可编程门阵列(fieldprogrammablegatearray，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的边坡软化区域预测方法。
37.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的边坡软化区域预测方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由边坡软化区域预测设备800的处理器801执行以完成上述的边坡软化区域预测方法。
38.实施例4：相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种边坡软化区域预测方法可相互对应参照。
39.一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的边坡软化区域预测方法的步骤。
40.该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
41.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
42.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。