第四讲滑坡监测预警

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,*,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第四讲滑坡监测预警,监测预警,滑坡监测分为专业监测和群测群防。,专业监测：由专业监测单位采用仪器设备进展与滑坡稳定性相关参数的定量监测；,群测群防：组织非专业技术人员，对滑坡区及其影响区进展巡查、了解地表变形破坏情况，地表水、泉水流量变化，配合简易变形监测等。,2,1、滑坡主要专业监测内容,滑坡监测内容一般包括：地表大地变形监测、,地表裂缝位错监测、地面倾斜监测、建筑物变形监测、滑坡裂缝多点位移监测,、滑坡深部位移监测、地下水监测、,孔隙,水压力监测、滑坡地应力监测等。,对于级滑坡防治工程，应建立地表与深部相结合的综合立体监测网。,3,2,、,常用的方法,与精度要求,1地表大地变形监测：,采用经纬仪、全站仪、GPS等测量仪器了解滑坡体水平位移、垂直位移以及变化速率。,为到达精度要求，上述方法均要配合进展二等以上高精度的水准测量。,上述点位误差要求不超过，水准测量每公里中误差小于。对于土质滑坡，精度可适当降低，但要求水准测量每公里中误差不超过。,4,马家沟,1,#,滑坡,防治工程布置,5,6,7,8,9,2地表裂缝位错监测,采用伸缩仪、位错计或千分卡直接量测，了解地裂缝伸缩变化和位错情况。,测量精度0.11.0MM。,3地下水动态监测,采用自动水压计监测地下水动水压力、流量与流速。,定期进展地下水水质监测。,10,4滑坡深部位移监测,采用钻孔倾斜仪、光纤监测滑坡深部，特别是滑带的位移情况。,目前有人工监测和自动监测两种钻孔倾斜仪设备。,系统总精度不超过5MM/15M。,11,5锚索预应力监测,采用锚索测力计监测锚索预应力动态变化和锚索的长期工作性能，为工程实施提供依据。,主要设备有轮幅式压力传感器、钢弦式压力盒、应变式压力盒、液压式压力盒进展监测。,长期监测的锚杆数不少于总数的5。,12,6抗滑桩受力和滑带承重阻滑受力监测,采用压力盒监测滑坡体传递给支挡工程的压力。,压力传感器依据构造和测量原理区分，类型繁多，使用中应考虑传感器的量程与精度、稳定性、抗震及抗冲击性能、密封性等因素。,13,目前监测数据的采集与传输均已根本实现了自动化。,数据处理在计算机上进展，包括建立监测数据库、数据和图形处理系统、趋势预报模型、险情预警系统等。,14,鉴于上述地表位移监测方法观测周期长，费用高如全球卫星定位系统GPS、常规大地测量等，一旦滑坡，人员及设备平安难以保障的不利因素，2003年由水利部长江勘测技术研究所承担，在引进瑞士徕卡公司的TCA2003型自动测量型仪器测量机器人的根底上，开发了具有自主知识产权的大坝及滑坡变形监测自动化系统。,3,、测量机器人变形监测自动化系统,15,测量机器人Measuring Robot测量机器人变形监测自动化系统是能进展自动搜索、跟踪、识别和准确照准目标并获取角度、距离等信息的智能型电子全站仪。,TCA2003,型测量机器人,16,技术参数,角度测量：,0.5,距离测量：,1mm+1ppm,测程：,圆棱镜,2500m,360,棱镜,1300m,微型棱镜,900m,反射片,200m,17,由三个逻辑层组成：,硬件,核心软件,应用程序,结 构,18,自动目标识别和照准系统称为ATR系统，英文Automatic Target Recognition的缩写是TCA2003的最主要的特征之一。,分为三个过程：目标搜索过程、目标照准过程和测量过程。,自动识别系统,19,自动照准：内置ATR系统可以驱动全站仪转向棱镜并自动准确照准与跟踪目标、自动调焦和识别，迅速快捷,在肉眼无法看到目标的天气,不需要用灯光照明和觇板,自动照准精度高于人工观测精度,20,测量机器人变形监测自动化系统由：,野外数据采集硬件,内业监测数据处理、分析与管理软件,两大局部组成。,21,基,站,一,基,站,二,参考点,1,参考点,2,变形体,控制站,无线通讯,通讯电缆,无线通讯,通讯电缆,外业组成,22,基准点,23,监测点,24,软件构造,数据采集模块,监测数据库管理模块,有线通讯,无线通讯,PCMCIA,存储卡,监测数据处理模块,数据分析、预报模块,控制模块,信息传输模块,有线通讯,无线通讯,监测点坐标（,x,y,h,）,图形、报表、分析结果输出,25,监测方案,针对滑坡的变形监测特点，设计了三套测量机器人监测方案。, 高精度半自动变形监测方案, 高精度全自动有线变形监测方案, 高精度全自动无线变形监测方案,26,高精度半自动变形监测方案,组成：一台测量机器人,+,机载软件,=,外业半自动化系统,27,记录卡,观测站,1,观测站,2,观测站,3,目标,1,目标,2,目标,3,目标,4,目标,5,目标,6,+,机载软件,+,脱机传输,PC,终端,+,数据后处理软件,高精度半自动变形监测方案,28,高精度全自动有线变形监测方案,组成：单台,/,多台测量机器人,+,有线传输系统,+,中央控制计算机,+,监控及数据分析软件,=,高精度全自动有线变形监测系统,29,高精度全自动有线变形监测系统,30,高精度全自动无线变形监测系统,组成：台,/,多台测量机器人,+,无线传输系统,+,中央控制计算机,+,监控及数据分析软件,=,高精度全自动无线变形监测系统,31,高精度全自动无线变形监测系统,32,该系统具有以下特点：,1在消化吸收引进的设备及软件的根底上，结合我国实际情况，就引进设备开发出了集野外数据采集、数据处理、数据库管理与变形监测资料分析与预报于一体的变形监测自动化系统，该监测系统在变形监测中可以实现无人值守及自动进展监测预报的功能，与常规的监测方法比较，这是一套相对投资省、自动化程度高、可靠性强的监测系统。,2针对滑坡和水利工程的变形监测特点，设计并完成了两套测量机器人监测方案：高精度半自动变形监测系统和高精度全自动有线变形监测系统。可根据不同地域条件、不同需要选择切合实际的测量机器人监测方案；,3建立了测量机器人变形监测数据库管理系统，对多目标、多周期、复杂背景多元监测数据实现了系统、科学的管理；,4创立了具有原创性的爆发型滑坡预报方法，并以其为根底和其它现行滑坡预报方法为根底，开发了配套的滑坡预测报软件。利用多个已发生的滑坡快速滑动前的位移监测数据，采用所开发的滑坡预测报软件进展了检验性的预报，各种方法的预报结果与滑坡实际发生时间相差很小，相比较而言爆发型滑坡预报方法的准确率更高。软件包含的预报方法较全面，界面友好，实用性强。,5所开发的方案优化设计、自动识别、自动观测、自动记录、自动数据处理、资料分析与预报的变形位移监测自动化软件系统，具有自动化程度高、数据采集与处理方便灵活、快捷的特点。,33,工程已于2007年6月通过国家引进国际先进农业科学技术工程协调领导小组办公室组织的验收。,工程在开发和研究过程中，已产生了较好的经济效益，如将该设备及开发的相应系统应用于金沙江溪洛渡水电站施工期平安监测工程取得了200多万元的经济效益，与常规平安监测方法相比，本钱减少近50%。,34,应用于三峡库区湖北省秭归县高切坡专业监测工程，合同额达456万元。,应用于彭水水电站库区龚滩滑坡与乌龟堡滑坡平安监测，合同额达350万元。,目前该系统正应用于乌江白马行电枢纽羊角滑坡群监测,35,4,、,滑坡面破裂追踪声发射实时监测预报系统的研制,利用源定位技术，研制一套多通道声发射监测仪8通道，开发相应的声源定位与破裂面追踪软件，根据源点的时、空展布规律，可以追踪滑坡破裂面，实现滑坡稳定性的预测预报。,36,硬件包括：主机PC机、探头+信号采集器8套、,无线传输器一对八。,硬件系统框图,37,系统软件框图,38,硬件系统现场布置示意图,39,5、滑坡预报,滑坡预报是一个世界难题，六十年代日本学者Saito的开创性工作以来，已有不少新的进展，但是其主要的学术思想一直影响至今，并被不断扩展而应用于火山喷发、地震等自然地质灾害的发生时间的预报。目前仅限于临滑前的短期预报。,40,蠕变曲线三阶段示意,41,岸坡的失稳类型,42,Monkman和Grant1956基于大量蠕变实验数据分析，提出了迄今广为承受的MonkmanGrant模型 ，,43,斋藤Saito将一实例滑坡第三蠕变阶段数据点入其原始模型图像中，结果发现散点分布遵从MonkmanGrant蠕变模型，从而建立了斋藤Saito-1模型1969年,t,f,破坏时间,；,T,时间；,D,位移；,A,、,B,常数。,44,由于Saito-1模型对第三蠕变阶段拟合得不甚理想，Fukuzono、Voight对蠕变理论作了重要改进。Fukuzono1985, 1990在实验室通过对滑坡施加单调递增荷载的模型试验，得到地表加速度对速度的标度律量化关系，随后Voight 1988通过常量加载条件下的一个纯剪切系统分析，再次验证了Fukuzono提出的这一关系，并提出Voight 模型1988。,(3.7-40),45,Fukuzono模型1985,Voight 模型1988：,46,苏爱军模型1990,，,Hayashi模型1988,47,謝 謝！,Thank You,48,谢谢！,49,谢谢！,