【技術實現步驟摘要】
本專利技術涉及邊坡監測，具體涉及一種露天礦邊坡雷達監測預警方法及其系統。
技術介紹
1、在各類露天礦山的開發與開采過程中，卻時常受到一些礦山災害的影響，其中邊坡巖體安全性是制約著礦山生產效益和安全的最主要影響因素。邊坡是自然或人工開挖形成的斜坡，是人類工程活動中最基本的地質環境之一，也是工程建設中最常見的工程形式。作為全球性三大地質災害(地震、洪水、崩塌滑坡泥石流)之一的邊坡失穩塌滑，是礦山開采過程中經常遇到的主要的災害形式之一，對國家財產和礦山人員生命安全有著嚴重的威脅。因此對邊坡的正確認識，合理的設計、及時監測，適當的治理，把邊坡失穩造成的災害降低到最低限度，是工程界設計施工人員必須考慮的問題。
2、目前針對露天礦邊坡的位移變化監測，可采用傳統的水準儀、全站儀等測量方法，但是實時性不高、人力花費大，而且測量人員的安全很難保證；也可采用雷達不接觸監測的方法，不接觸待測量物邊坡進行實時測量，安全性有保障。
3、現有技術中邊坡的雷達測量，通常只采用單類別雷達測量，這種單一模態數據的測量可靠性不足，會降低邊坡穩定性判斷的準確度。
技術實現思路
1、本專利技術的目的在于提供一種露天礦邊坡雷達監測預警方法及其系統，以解決現有技術中單類別雷達測量，測量可靠性不足，會降低邊坡穩定性判斷的準確度的技術問題。
2、為解決上述技術問題，本專利技術具體提供下述技術方案：
3、一種露天礦邊坡雷達監測預警方法，其特征在于，包括以下步驟：
4、利用
5、利用分類器對所述地基雷達數據和車載雷達數據進行分類訓練，對應得到用于判斷露天礦邊坡穩定性的地基雷達預警模型和車載雷達預警模型；
6、對所述地基雷達預警模型和車載雷達預警模型進行同步化修正，得到用于修正露天礦邊坡穩定性判斷精度的組合型預警模型。
7、進一步地，所述地基雷達預警模型的構建方法包括：
8、對所述地基雷達數據進行露天礦邊坡穩定性狀況的分析標注，得到地基雷達數據的穩定性標簽；
9、利用分類器對所述地基雷達數據和地基雷達數據的穩定性標簽進行分類學習，得到根據地基雷達數據輸出穩定性標簽的地基雷達預警模型；
10、所述地基雷達預警模型為：
11、lg=svm(radardata_g)；
12、式中，lg為地基雷達預警模型的穩定標簽預測值，radardata_g為地基雷達數據，svm為分類器；
13、其中，設地基雷達預警模型的損失函數值為lossg，則：
14、lossg=mse(lg,lr)；
15、式中，lg為地基雷達預警模型的穩定標簽預測值，lr為地基雷達數據的穩定標簽真實值，mse為均方誤差函數，mse(lg,lr)為lg和lr之間的均方誤差。
16、進一步地，所述車載雷達預警模型的構建方法包括：
17、對所述車載雷達數據進行露天礦邊坡穩定性狀況的分析標注，得到車載雷達數據的穩定性標簽；
18、將所述車載雷達數據作為地基雷達預警模型的輸入項，并將車載雷達數據的穩定性標簽作為地基雷達預警模型的輸出項，對所述地基雷達預警模型進行遷移學習，得到根據車載雷達數據輸出穩定性標簽的車載雷達預警模型；
19、所述車載雷達預警模型為：
20、lc=svm(radardata_c)；
21、式中，lc為車載雷達預警模型的穩定標簽預測值，radardata_c為車載雷達數據，svm為分類器；
22、其中，設車載雷達預警模型的損失函數值為lossc，則：
23、lossc=mse(lc,lg)-mse(radardata_c,radardata_g)；
24、式中，lg為地基雷達預警模型的穩定標簽預測值，lc為車載雷達預警模型的穩定標簽預測值，radardata_g為地基雷達數據，radardata_c為車載雷達數據，mse為均方誤差函數，mse(lg,lc)為lg和lc之間的均方誤差，mse(radardata_c,radardata_g)為radardata_c和radardata_g之間的均方誤差。
25、進一步地，所述地基雷達數據的分析標注方法包括：
26、利用所述地基雷達數據對露天礦邊坡上的裂縫屬性進行圖像分析，得到露天礦邊坡的裂縫特征；
27、將所述裂縫特征大于裂縫閾值的地基雷達數據的穩定性標注為非穩態標簽，將所述裂縫特征小于或等于裂縫閾值的地基雷達數據的穩定性標注為穩態標簽；
28、所述車載雷達數據的分析標注方法包括：
29、利用所述車載雷達數據對露天礦邊坡上的裂縫屬性進行圖像分析，得到露天礦邊坡的裂縫特征；
30、將所述裂縫特征大于裂縫閾值的車載雷達數據的穩定性標注為非穩態標簽，將所述裂縫特征小于或等于裂縫閾值的車載雷達數據的穩定性標注為穩態標簽。
31、進一步地，露天礦邊坡的裂縫特征的獲取方法包括：
32、將地基雷達數據映射在三維坐標空間中，構建出露天礦邊坡的三維圖像，并通過邊緣提取算法在露天礦邊坡三維圖像中檢測出所述裂縫邊緣，再由裂縫邊緣計算出裂縫的位置、寬度、長度和深度特征；
33、將車載雷達數據映射在三維坐標空間中，構建出露天礦邊坡的三維圖像，并通過邊緣提取算法在露天礦邊坡三維圖像中檢測出所述裂縫邊緣，再由裂縫邊緣計算出裂縫的位置、寬度、長度和深度特征。
34、進一步地，所述組合型預警模型的構建方法包括：
35、對地基雷達預警模型和車載雷達預警模型的損失函數，分別設置各個修正因子；
36、通過所述修正因子對地基雷達預警模型和車載雷達預警模型進行修正訓練，得到所述組合型預警模型；
37、所述組合型預警模型為：
38、lradar=softmax[svm(radardata_g),svm(radardata_c)]；
39、其中，設組合型預警模型的損失函數值為lossradar，則：
40、lossradar=wg*lossg+wc*lossc；
41、式中，lradar為組合型預警模型的穩定性標簽預測值，wg為地基雷達預警模型的損失函數的修正因子，wc為車載雷達預警模型的損失函數的修正因子，softmax為softmax函數，lossg為地基雷達預警模型的損失函數值，lossc為車載雷達預警模型的損失函數值，radardata_g為地基雷達數據，radardata_c為車載雷達數據，svm為分類器。
42、進一步地，所述修正因子的設置方法包括：
43、跟蹤地基雷達預警模型和車載雷達預警模型的訓練完成度；
44、基于訓練完成度設定出修正因子，所述修正因子為：
4本文檔來自技高網...
【技術保護點】
1.一種露天礦邊坡雷達監測預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種露天礦邊坡雷達監測預警方法，其特征在于，地基雷達預警模型的構建方法包括：
3.根據權利要求2所述的一種露天礦邊坡雷達監測預警方法，其特征在于，車載雷達預警模型的構建方法包括：
4.根據權利要求3所述的一種露天礦邊坡雷達監測預警方法，其特征在于，地基雷達數據的分析標注方法包括：
5.根據權利要求4所述的一種露天礦邊坡雷達監測預警方法，其特征在于，露天礦邊坡的裂縫特征的獲取方法包括：
6.根據權利要求5所述的一種露天礦邊坡雷達監測預警方法，其特征在于，組合型預警模型的構建方法包括：
7.根據權利要求6所述的一種露天礦邊坡雷達監測預警方法，其特征在于，修正因子的設置方法包括：
8.根據權利要求1所述的一種露天礦邊坡雷達監測預警方法，其特征在于，將車載雷達數據和地基雷達數據進行歸一化處理。
9.一種露天礦邊坡雷達監測預警系統，其特征在于，應用于權利要求1-8任一項所述的一種露天礦邊坡雷達監測預警方法，系
10.根據權利要求9所述的一種露天礦邊坡雷達監測預警系統，其特征在于，數據存儲單元中的組合型預警模型的預建立方法包括：
...【技術特征摘要】
1.一種露天礦邊坡雷達監測預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種露天礦邊坡雷達監測預警方法，其特征在于，地基雷達預警模型的構建方法包括：
3.根據權利要求2所述的一種露天礦邊坡雷達監測預警方法，其特征在于，車載雷達預警模型的構建方法包括：
4.根據權利要求3所述的一種露天礦邊坡雷達監測預警方法，其特征在于，地基雷達數據的分析標注方法包括：
5.根據權利要求4所述的一種露天礦邊坡雷達監測預警方法，其特征在于，露天礦邊坡的裂縫特征的獲取方法包括：
6.根據權利要求5所述的一種露天...
【專利技術屬性】
技術研發人員：鄧日鍵，張亦海，于正興，顧玉明，任義，
申請(專利權)人：中安國泰北京科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。