金属矿山地质灾害风险智能监测预警技术现状与展望

金属矿山地质灾害风险智能监测预警技术是保障矿山安全生产的关键技术之一,是岩石力学应用于矿山安全领域研究的热点问题。从地质灾害风险定义、类型、监测方式、预警技术等方面出发,简述了金属矿山地质灾害风险监测预警技术的发展现状,指出在灾害风险定义方面,金属矿山地质灾害风险易发性、易损性和危险性量化分析理论体系尚不完善;在灾害风险监测与数据融合方面,多感知设备协同监测与数据融合理论仍不完善,尚未实现基于风险条件的感知设备布设方案智能调整,难以保障采动岩体力学响应的时空完整性与连续性;在灾害风险预警方法方面,监测与模拟相结合已成为矿山灾害预警发展趋势,应进一步与云计算、人工智能等技术相融合,建立完善的理论体系,实现实时动态、精准高效、智能的灾害风险预警。在此基础上,围绕“现场监测和数值模拟相结合灾害预测预警”的学术思想,提出了“地质灾害案例匹配、多源数据挖掘、力学机理分析、专家系统诊断”四位一体的灾害风险智能预测预警方法,进一步以弓长岭露天矿浅层隐伏空区垮塌与地表塌陷风险监测预警工作为背景,实现了上述方法的应用与推广。最后指出了金属矿山灾害风险智能监测预警技术存在着多源力学响应数据难以高精度连续协同感知、灾害预测预警模型参数难以精准选取、灾害监测预警系统尚不完善等问题,多灾种高性能、专用特种智能感知技术与装备,标准化数据通信协议与架构,监测—模拟相结合的灾害智能预警模型,地质灾害监测预警平台与数字孪生技术是解决上述问题的关键技术,是未来的主要发展趋势。

基于LSTM网络的单台仪器地震烈度预测模型

烈度是地震预警系统的关键产出.如何实现快速预测目标场址的地震烈度是地震预警方法技术研究中的核心问题.本文提出了一种基于长短时记忆神经网络(Long Short-Term Memory,LSTM)的单台仪器地震烈度的预测模型(LSTM-Ⅰ).该模型以一个台站观测到地震动参数的时间序列特征为输入,实现动态预测该台站可能遭受的最大烈度.选取了日本K-NET台网记录的102次地震的5103条强震加速度记录训练了神经网络,利用89次地震的3781条数据检验了模型的泛化能力.利用准确率、漏报率以及误报率三个评价指标评价了LSTM-Ⅰ模型的性能.结果表明,当采用P波触发后3 s的序列进行预测时,模型出现漏报的概率为46.78%,出现误报的概率为1.25%;当采用P波触发后10 s的序列进行预测时,模型出现漏报的概率大幅降低到17.6%,出现误报的概率降低到1.14%.结果表明LSTM-Ⅰ模型很好把握住了时间序列中蕴含的特征.进一步基于LSTM-Ⅰ模型评估了Ⅵ度下台站所能提供的预警时间.本文模型能够提供的预警时间与P-S波到时差接近,说明LSTM-Ⅰ模型具有较高的时效性.

基于深度学习与机器视觉的起重机吊装安全监测方法

随着我国经济的快速发展,各类大型工程层出不穷,对起重机吊装作业的需求不断增加。然而,吊装作业过程中依然存在众多的安全隐患,极易造成人员伤亡等安全事故。因此,该文提出一种基于深度学习和机器视觉的起重机吊装安全监测方法。将深度学习与机器视觉相结合对监控图像中的被吊物和工人进行识别和定位,同时可自主判断工人是否佩戴安全帽。根据监测模型的识别和定位信息,获得工人与被吊物之间的空间关系,为起重机吊装过程提供安全预警信息。为了提高所提方法的实用性和便携性,开发一个起重机吊装安全智能监测系统,不仅可以实时显示监控图像的识别结果,而且能够输出场景的语义描述、发出安全预警信号。

基于GIS与大数据分析的矿压监测预警平台

为响应国家关于加快煤矿智能化发展的号召,针对煤矿GIS“一张图”中巷道路径不能实现精确计算,矿压数据不能实现高效甄别、有效提取的问题,以及矿压预警需要实现在线推演、可视化展示的需求,提出建立基于GIS与大数据分析的矿压监测预警平台。采用GIS“一张图”、巷道结点-路径拓扑算法、多源异构监测数据处理技术、矿压大数据分析技术,搭建成能够实现矿井下复杂情况切实反映、矿压监测数据有效提取、采掘风险在线预测、可视化程度高的矿压监测预警平台。通过在李雅庄矿的实际应用,表明该系统运行稳定可靠,可有效提升煤矿的矿压风险监测预警。

基于LSTM神经网络的现地烈度实时估算模型——以JMA烈度为例

如何快速并且准确估计目标场点烈度是地震预警中的关键问题。常用基于衰减关系的场点烈度估计和基于P波信息的现地烈度估计往往存在大震烈度低估的问题。本文提出了一种基于长短时记忆神经网络(logn short-term memery,LSTM)的现地JMA烈度持续估计模型。该模型以现地观测地震动的能量、能量增长率、地震动卓越周期和震源距作为输入,以该点的最大仪器地震烈度为预测目标。选取了日本K-NET台网记录101次地震数据作为训练集,94次地震数据作为测试集,训练了现地烈度估算LSTM神经网络模型。结果表明:在采用3 s时窗长度的序列进行预测时,高估的比例为1.51%,低估的比例为4.00%;并且,随着时窗长度的增加,高估和低估的比例也在不断降低。模型对高烈度(大于等于4.5度)样本的预测时效性随震源距的增加而增加,对大震远场高烈度区域能提供20 s以上的预警时间。

近地小行星材料特性对激光烧蚀驱动效率的影响试验分析

基于激光驱动效果和小行星材料特性密切相关的问题,针对脉冲激光对近地小行星物质的烧蚀驱动效率开展了试验研究,选用不同材质、孔隙率的类小行星试验样品,开展了冲量耦合规律测量试验。试验结果表明:在脉冲激光烧蚀的作用下,C型小行星比S型小行星具有更高的冲量耦合效率;随着小行星孔隙率的升高,冲量耦合效率降低,激光烧蚀驱动的效率下降。此外,还对激光烧蚀类小行星物质质量变化的规律进行试验,试验结果表明存在使得小行星质量烧蚀效率最佳的激光功率密度。对于需长期预警时间的威胁小行星,在烧蚀驱动偏转其轨道的同时,以最快的速率减少其质量,可进一步提升防御效率,实现防御的目的。

河北省涿州市“23.7”洪水模拟反演分析及思考

河北涿州“23.7”洪水影响大、损失重。为分析其原因,以及为灾后的恢复重建与今后的防洪治理等提供参考思路,建立了涿州市相关区域二维洪水数值仿真模型,对涿州市“23.7”洪水进行模拟反演及淹没影响对比分析。结果表明:除极端暴雨引发的洪水量级大外,涿州市特殊的地理位置,防洪工程薄弱,蓄滞洪区内建设用地大量增加,是本次洪水影响大、损失重的主要原因。涿州市今后的防洪治理及其蓄滞洪区内的土地开发建设,除参考相关区域的开发经验外,更应加强防洪工程建设、完善洪水防御体系、加强蓄滞洪区的建设与管理,强化洪水风险分析及实时预报预警,提高公众的洪水风险防范意识等。

基于过程降雨的红层丘陵低山区滑坡灾害气象预警阈值研究

[目的]研究不同历时降雨强度与区域滑坡灾害的关系,并对滑坡灾害的气象预警阈值进行研究,为地方管理部门地质灾害预警提供科学依据。[方法]收集了2013—2021年研究区348个雨量站的逐小时降雨数据和231处近10 a已发生灾情、险情滑坡事件的时间及位置,基于平均降雨强度(I)—降雨历时(D)模型,分地貌单元,提出了不同降雨历时的临界降雨预警阈值和分级预警阈值。[结果]研究区丘陵地貌区不同前期降雨条件下1,3,6,12,24和48 h平均雨强的红色预警阈值依次为29.774,18.579,14.416,11.186,8.679和6.734 mm;低山地貌区不同前期降雨条件下1,3,6,12,24和48 h平均雨强的红色预警阈值依次为28.849,15.542,10.520,7.121,4.820和3.263 mm。[结论]在24 h前期降雨条件下,低山区对降雨的敏感性明显比丘陵区高,具体表现为低山区1,3,6,12和24 h的临界预警阈值明显比丘陵区更低,但随着降雨历时进一步延长,低山区和丘陵区域临界预警阈值趋于相近。

云南省地质灾害气象风险预警技术改进及应用检验

利用2014—2022年云南省地质灾害数据和气象降水资料,开展有效降水量致灾概率研究,并结合地质灾害易发因子,分区建立了新一代精细化地质灾害气象风险预警模型,并对模型性能开展了应用检验。结果表明:新建的地质灾害气象风险预警模型提高了预警产品的时空分辨率和准确率,应用效果良好。模型能提前较好地反映出区域性强降水过程背景下的气象风险预警等级;对较难预报的局地强降水,也可以通过实时更新的监测预警产品给出风险加强的趋势,提前发出地质灾害气象风险预警信息;能直接客观反映出极端强降水背景下的气象风险高级别预警,起到较好的预警提示作用。

基于机器学习预测模型的现地警报级别地震预警试验——以2022年9月5日四川泸定6.8级地震为例

2022年9月5日12时52分四川省甘孜州泸定县发生6.8级地震,造成严重的经济损失和人员伤亡.本文利用此次地震中台站记录到的强震动数据,离线模拟基于机器学习预测模型的现地警报级别地震预警方法.该方法首先构建基于支持向量机的震级预测模型与现地地震动速度峰值(peak ground velocity,PGV)预测模型,而后将每个台站的震级和PGV预测值分别与震级阈值5.7和PGV阈值9.12 cm·s^(-1)做比较,进而得到现地警报级别(0,1,2,3),并用于判断台站附近是否发生潜在破坏.其中,警报级别3为预测震级和预测PGV都超过了阈值,表明在该台站附近有潜在地震破坏且震级偏大.此次地震的离线模拟结果表明:使用P波到达后3 s时间窗,基于支持向量机震级预测模型的单台震级估计标准差为0.35、平均绝对误差为0.27;基于支持向量机PGV预测模型的现地PGV预测标准差为0.34、平均绝对误差为0.32;震级估计误差和PGV预测误差主要分布在±2倍标准差范围内.在不考虑数据打包与传输延时的条件下,地震烈度Ⅶ度区域内的触发台站在震后8 s几乎都发布了警报级别3.在此次地震的震后初期,基于机器学习预测模型的现地警报级别地震预警方法可以得到可靠的警报预测结果,并为中国地震预警系统升级提供了潜在参考.

复杂多方向威胁下的导弹预警雷达优化部署方法

针对现有导弹预警雷达部署相对独立、协同困难,难以满足大规模对抗场景的现状,从远程预警雷达、跟踪识别雷达、机动式预警雷达不同的任务特点出发,建立应对复杂多方向威胁的多型导弹预警雷达优化部署模型,在满足最优覆盖、协同交接、目标识别等任务约束下,解决雷达协同部署问题。针对所提模型设计了一种基于云自适应的分区优化离散粒子群(CPBPSO)算法,通过设计分区编码策略缩减算法求解空间、加入云自适应变异算子提高算法全局寻优和局部跳出能力,使算法更适用于导弹预警雷达部署问题的处理。实例验证了所提模型在求解单方向、多方向威胁场景部署问题的可行性,对比分析了CPBPSO算法的有效性,基本满足导弹预警雷达最优化协同部署的需求。

基于阻抗在线测量的锂离子电池过放电诱发内短路识别研究

锂离子电池的过放电行为可诱发内短路进而可能导致热失控。由于单体电池一致性差异和过放电导致的内短路初期电、热特征不明显,使得电压和温度等常规物理参数难以可靠实现故障预警,而阻抗可以反映电池内部信息,对故障状态具有较好的指示能力。该文通过分析锂离子电池过放电诱发内短路引起阻抗变化的机理,基于设计的阻抗在线测量装置,确定用于监测电池内短路故障的特征阻抗频率为70 Hz,获取过放电诱发内短路过程中特征频率下动态阻抗及阻抗变化率,提出一种基于动态阻抗特征的内短路在线识别方法并验证了方法的可靠性。实验结果表明,锂离子电池放电过程中动态阻抗半正弦变化特征可提前约144 s实现过放电预警,动态阻抗针状变化特征可提前约152 s实现内短路故障预警,动态阻抗明显回升特征可作为内短路发生的标志。此外,阻抗变化率特征有助于实现锂离子电池故障识别及预警,该方法在锂离子电池故障在线快速诊断中具有重要的应用潜力。

降雨和库水位变动联合作用下滑坡位移加权反分析及监测预警方法

降雨和库水位变动是诱发大型库岸滑坡体持续变形甚至失稳的主要外在因素。针对以上两种因素联合作用下滑坡体的变形特征,本文提出一种基于多源数据的“反演-评估-融合-预警”四步式滑坡监测预警方法。该方法采用趋势项位移进行力学参数反演,有效避免了降雨、库水位变动等外在因素对反演结果的影响。同时,采用熵权值构建了反演目标函数,借此考虑了不同位置监测点对反演结果的影响程度。此外,考虑了滑坡体自身的地质条件和坡体结构对监测预警的影响,综合运用安全系数和综合变形速率构建了具有地质和力学基础的预警模型。采用本文方法对贵州三板溪水电站东岭信滑坡体进行了力学参数反演和监测预警,结果表明:该滑坡体整个监测期间的安全系数在1.25~1.70之间波动,整体状态呈下降趋势,基于安全系数的角度判断其尚处于稳定状态;综合变形速率呈现上、下波动趋势,与安全系数在变化规律上具有高度的相关性,两者可以从整体上表征该滑坡体在降雨和库水位变动联合作用下稳定性的演进过程;当前监测时刻点的综合变形速率是0.0599,根据分级预警模型判断此滑坡体当前处于稳定变形阶段(Ⅰ级预警),与安全系数的判断结果具有一致性。

基于Deep Forest算法的对虾急性肝胰腺坏死病(AHPND)预警数学模型构建

为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据标准化处理后分析病原、宿主与环境之间的相关性,对候选预警因子进行筛选,基于Python语言编程结合Deep Forest、Light GBM、XGBoost算法进行数据建模和预测性能评判,仿真环境为Python2.7,以预警因子指标作为输入样本(即警兆),以对虾是否发病指标作为输出结果(即警情),根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵,利用原始数据矩阵对输入样本进行初始化,结合函数方程进行拟合,拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情进行预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数和盐度的4维向量预警预报模型,准确率达89.00%。本研究将人工智能算法应用到对虾AHPND发生的预测预报,相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型,并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。

基于地震P波初至2 s功率信息的高速铁路地震预警系统快速震级估算方法

震级估算是高速铁路地震预警系统的关键技术参数,更加快速、准确的震级估算模型能够更好地保障人民的生命财产安全。利用日本K-net强震动数据,建立基于地震P波到达后携带功率信息的地震动衰减模型并用于震级估算,并将本文算法与传统算法对比。结果表明,在1~5 s的时间窗下,模型的震级估算误差均明显小于传统的方法,且小震高估现象也明显改善;随着时窗长度的增加,模型的震级估算误差及标准差也逐渐降低,实现率也逐步提升,在1 s的时窗长度下,模型的单台震级估算实现率满足规范要求;对7级以下地震,模型的震级估算实现率可在地震P波到达1 s后满足规范要求;对7级以上地震,模型的震级估算实现率可以在地震P波到达2 s后满足规范要求。

受载煤体微电流效应及煤岩动力灾害预警应用展望

利用建立的受载煤体微电流测试系统,开展不同加载条件下煤样微电流测试试验,研究揭示煤体受载变形微电流效应,分析煤体受载变形过程微电流响应特征,研究微电流与煤体力学行为间的定量关系,提出微电流法预测煤岩动力灾害的原理,结合现场实践结果,对微电流技术的应用前景进行展望。结果表明,煤体受载变形能够产生微电流,微电流变化与应力变化具有较好的一致性,微电流与煤体力学行为(应力、应变、应变率等)紧密相关,在压密阶段和塑性变形阶段,微电流随应变率增加而增加,在弹性变形阶段随应力和应变线性增加;煤体在扰动载荷下能够产生随应力周期性变化的微电流,即脉动直流电,其变化与应力变化一致。微电流对煤体破坏具有较好的前兆响应,微电流在加速增加过程(塑性变形阶段)中的异常波动可作为煤体渐进性破坏的前兆特征,微电流在衰减过程中的脉冲式波动可作为煤体蠕变破坏的前兆特征。煤体受载微电流效应及现场应力梯度的存在,是矿井微电流测试的重要基础;微电流与煤体力学行为间的紧密相关性,是利用微电流技术观测煤岩体应力的重要前提;微电流对煤体破坏具有明显的前兆响应,是利用微电流技术预测预报煤岩动力灾害的重要保障。微电流技术具有响应灵敏度高、前兆信息明显和抗干扰能力强的优点,在煤岩体应力观测及煤岩动力灾害预警中具有很好的应用前景。未来需进一步开展受载煤岩微电流基础理论及应用技术方面的研究,为发展煤岩动力灾害精准时空监测预警的微电流法提供支撑。

矿井微震与电法耦合监测技术

随着煤炭资源开采区域、深度及强度的增加,矿井工作面采掘扰动极易诱发矿井突水事故,严重威胁我国煤炭资源安全开采。矿井水害事故的发生主要是岩体采动破裂与矿井水渗流共同作用的结果。研究表明,微震信号的纵横波到时、幅值、频率等参量可有效表征岩体破裂位置、强度及其震源机制,地电场信号中的电阻率、激励电流及自然电位等参量可有效表征岩体渗流演化过程。透水通道形成对应微震场特征,地下水渗流对应地电场特征,因此微震电法耦合方法对矿井水害孕育发展过程具有监测预警的功能,可有效对采动破坏过程中形成的突水通道、水源位置及渗流过程等水害三要素进行精准捕捉;减少单一地球物理方法多解性,提高水害监测预警精度,对煤矿防治水意义重大。当前,微震与电法耦合监测技术在煤矿水害实时动态监测中开始得到应用,突破传统微震与电法独立采集的局限,课题组自主研发了国内外首款煤安认证的微震与电法耦合并行监测系统,该系统以微震场与地电场并行采集基站为核心,集被动源微震波场与主被动地电场为一体,通过连接矿井物联网,实现远程数据采集控制、传输及云端存储;其一体化网络服务器主机可连接多个采集基站,并将微震检波器、电法激励电极与电位测量电极进行相互隔离、并行采集,形成微震事件密度与能级分布、电阻率分布、自然电位分布等时空云图来监测预判水害三要素。微震与电法耦合监测技术仍需在微震事件智能识别与定位、地电场的电阻率三维反演以及自然电位渗流反演方面进行专项攻关;结合并行监测的微震电法大数据集,重点在微震电法数据联合反演、智能化监测预警方向开展进一步研究。微震与电法耦合监测技术,作为矿井水害的主动预警监测新方法,可为我国智能化矿井建设发挥重要作用。

冬小麦农业气象灾害风险预警的业务实践与思考

开展冬小麦农业气象灾害风险预警工作是当前保障小麦生产安全和防灾减损的重要工作之一。2022年开始气象部门和农业部门联合开展了冬小麦农业气象灾害风险预警的业务服务工作,取得了一些技术成果和成功案例,但也存在一些问题和不足。本文简述了农业气象灾害风险预警业务的内涵,提出了综合农业气象灾害可能性预报、危险性和脆弱性预估,构建基于风险矩阵的冬小麦农业气象灾害风险预警业务的技术框架,并以2022年小麦干热风风险预警工作为例,展示了冬小麦农业气象灾害风险预警工作的技术流程。冬小麦农业气象灾害风险预警工作刚刚起步,尚有很多工作不完善,包括如何与已有的灾害风险评估成果进行深入融合,开展定量化的灾害影响预报和预警指标率定等。此外,在提升冬小麦农业气象灾害风险预警的准确率和开展服务效益评估等方面,未来还需要做大量的研发工作。

基于大数据的高校学生心理危机智能预警模型构建

目的本研究基于大学生心理健康测评数据,综合学生基本信息及日常行为数据,利用大数据、人工智能技术,探索建立大学生心理危机智能预警模型。方法采用整群抽样法,选取某高校部分在校大学生作为测试样本;采取大数据技术,分析提取影响大学生心理健康问题的特征量;采取神经网络技术,构建大学生心理危机预警模型。结果1)成功提取大学生心理健康问题的有效特征量,其中心理健康症状特征因子4个,分别是强迫、人际关系敏感、抑郁等3个单症状因子,1个多症状因子;学生基本信息特征量4个,分别是母亲教养方式、父亲教养方式、家庭经济条件、有无心理治疗(咨询)史;学生日常行为特征量2个,分别是学生学业情况和出勤情况。2)实现特征量归一化处理,通过数据对比分析及特征量的影响大小,分别对3个方面的10个特征量赋予权重并进行归一化处理。3)完成大学生心理危机预警模型构建。结论本研究提取了影响大学生心理健康问题的主要特征,建立了大学生心理危机预警指标体系,并结合心理危机预警等级,利用神经网络技术,搭建了大学生心理危机预警模型,为及时有效干预大学生心理危机提供了新的解决方案。

SlowFast架构下景区异常行为识别算法及预警研究

针对当前古建筑场景下人员异常行为识别相关实例缺乏、数据集少、古建筑级别低、质量次,导致人员异常行为识别准确率低等问题,该文在古建筑景区背景下自行拍摄了多组视频,从中挑选构建了人员异常行为动作的5033段视频数据集:具有明确的典型古建筑背景;具有多人场景下暴恐打架斗殴、刻划、刻画以及存在火灾风险的人员异常行为等特征,并对每个视频进行了注释。该文首次于SlowFast网络框架中成功引入信号时域特征活动性、移动性参数,对构建的数据集进行高阶时序特征建模、增加分类算子。在人员异常行为识别任务中,模型的Top1准确率达到93.54%,而平均准确率达到96.30%,在SlowFast模型中引入活动性、移动性算子后,模型识别的准确率提升了0.87%。与几种常见架构的算法相比,该文所提出的方法存在一定的优势。