物聯網技術在人工黃土邊坡穩(wěn)定性監(jiān)測中的應用研究

摘 要：由于當前人工黃土邊坡穩(wěn)定性監(jiān)測效果不佳，為此研究了物聯網技術在人工黃土邊坡穩(wěn)定性監(jiān)測中的應用。首先利用物聯網技術部署不同傳感器完成邊坡數據采集。然后，提取邊坡穩(wěn)定性監(jiān)測獨立樹的訓練樣本，并對獨立樹進行約束輸出集合數據。通過傳感器采集邊坡數據并使用GPS定位技術對邊坡邊界進行測量和標記。運用GIS工具將結構數據與邊坡數據疊加以建立合適的彈性結構模型。利用加權算法搜索不同節(jié)點的最優(yōu)解，獲取準確監(jiān)測數據后計算不同傳感器之間的置信距離。最后，通過比較閾值附近的模糊程度，實現信息融合并實現同步監(jiān)測。測試結果表明，經過12期的觀測，邊坡變形量監(jiān)測與實際值之間的濾波殘差結果均在0～0.4 mm，符合預期設定的精度目標，實現了物聯網技術在人工黃土邊坡穩(wěn)定性監(jiān)測中的有效應用。

關鍵詞：物聯網技術；黃土邊坡；穩(wěn)定性監(jiān)測；GPS定位；GIS；加權算法

中圖分類號：TP399 文獻標識碼：A 文章編號：2095-1302（2024）06-0-03

0 引 言

隨著我國邊坡工程的發(fā)展與完善，邊坡穩(wěn)定性問題引起不斷關注[1]。在邊坡穩(wěn)定性監(jiān)測過程中，將邊坡位移變化量傳輸到相應的顯示器上，可以更加直觀對監(jiān)測數據進行觀測，減少工程施工的危害，為人工黃土邊坡施工提供重要依據。此舉不僅提升了監(jiān)測的有效性，還能降低施工難度。現階段，邊坡穩(wěn)定性監(jiān)測方法主要針對長期進行人工巡查，監(jiān)測設備有限，監(jiān)測頻次低、信息反饋不及時等問題。由于監(jiān)測位置不當，使得滑坡推力下降等數據無法及時監(jiān)測，難以獲得穩(wěn)定性保障，導致結果不符合預期[2]。因此，在接下來的研究中結合實際工程案例，闡述物聯網技術在人工黃土邊坡穩(wěn)定性監(jiān)測中的具體應用方法，對物聯網技術在地質災害監(jiān)測領域的其他應用進行展望，為相關研究提供參考與借鑒。

1 物聯網技術的邊坡穩(wěn)定性監(jiān)測

1.1 基于物聯網技術部署傳感器

運用物聯網技術將不同的傳感器進行部署[3]，其結構如圖1所示。

利用上文構建的配置結構，從邊緣服務器中提取數據，并利用該數據進行模型訓練。在邊緣層，由云計算核心層來分配任務，保證在訓練結束后，模型可以自動完成對數據的檢測[4]。接下來，建立邊坡異常監(jiān)控模型，設置邊緣層的服務器數目為k，并將任務分配給各服務器。將設置在邊坡位置的服務器設為Z=（1， 2， ...， k），并設定終端設備與邊坡位置服務器之間的傳送帶寬。在此基礎上，建立了一種用于邊坡穩(wěn)定監(jiān)測的獨立樹[5]，并對其加以限制，其約束條件如下：

（1）

式中：x為服務器中需要訓練的獨立樹的數量；Zmax為最大值。將數據集進行節(jié)點填充，并在數據集中任意選擇一個屬性q，將數據放在當前節(jié)點的子節(jié)點中，剩下的節(jié)點依次排列[6]。基于HTTP數據傳輸協議完成數據傳輸，對存儲數據進行處理。邊坡服務器數量計算公式為：

（2）

式中：y為獨立樹樣本數值。子節(jié)點重復生成新的子節(jié)點，直至滿足終止條件。文中選取了一系列任務，對不同的序列進行了交換，得到了一個新的定位。基于最佳配對策略，更新獨立樹解。設置樹的高度，得到坡服務器中獨立樹結構數量。綜上，完成邊坡監(jiān)測傳感器結構部署。

1.2 人工黃土邊坡穩(wěn)定性分析

運用GIS工具進行邊坡空間分析，將結構數據與邊坡數據疊加，構建合適的彈性結構模型。將測量的數據轉換為點云數據，使用摩爾-庫侖屈服準則對其進行轉換：

（3）

式中：δ1為最大主應力；δ2為最小應力；λ為內粘力；o為摩擦角度。由于黃土邊坡在降雨條件下穩(wěn)定性會發(fā)生一定變化，可能導致形成破裂面的位置改變，從而影響對黃土邊坡穩(wěn)定性的評價。因此，在施工過程中，結合對人工黃土邊坡穩(wěn)定性的研究，選擇合適的邊坡坡率。同時，考慮水位變化，在降雨過程中隨著降雨持續(xù)時間和滲入程度的變化，邊坡的穩(wěn)定性也會發(fā)生變化。因此，我們設定一定的邊界條件：左右為水平滑動約束，上下為自由邊界。使用STM主機對不合格的數據進行篩選，以得到邊坡在自然狀態(tài)下的土層參數結果。為確保施工期間的安全，考慮到各種因素的影響，采用MySQL數據庫對施工期進行安全監(jiān)測。根據變形監(jiān)測測點布置原則，在邊坡上布置單點位移計。從自錨桿端頭位置開始，依次間隔布置應力計，每根錨桿上布置一定數量的鋼筋應力計，并將測力計安裝在孔口墊板上。以此來完成監(jiān)測設備布置，以獲取更為準確的穩(wěn)定性數據。

1.3 物聯網技術監(jiān)測邊坡數據

運用傳感器進行信息采集時，為提高監(jiān)測精度，需要覆蓋整個邊坡穩(wěn)定性監(jiān)測區(qū)域，并及時采集所有基準點相關數據。首先設置N個節(jié)點，然后將消息傳遞給簇頭，對簇頭進行信息融合，最后將消息傳遞給網關。運用加權算法搜索不同節(jié)點所對應的最優(yōu)解，獲得最佳監(jiān)測數據[7]。故第r個節(jié)點的輸出方程為：

（4）

式中：α為加權估計值。根據上述內容，設計輔助函數來計算加權估計值，并建立方程組計算最優(yōu)加權因子的估計誤差，從中得到最小值結果[8]。通過濾波方式，可以獲取最小值節(jié)點的數值，其中節(jié)點值越小，權重越大。因此，在測量過程中使用物聯網技術能夠獲得更真實的數據。在這種情況下，節(jié)點傳輸有效數據，并且設置監(jiān)測子網中的簇數為b，利用關系矩陣法處理簇間數據。假設簇頭節(jié)點輸出的數據為g，符合Gaus分布，對不同傳感器之間的置信距離進行計算，以得到傳輸距離，其計算公式為：

（5）

式中：g為置信距離。在此基礎上，計算各傳感器的可信距離。隨著數值的減小，各傳感器間距逐漸減小。為分析監(jiān)控的有效性，需要將可信度引入網絡，構成關聯矩陣，再將其轉化為節(jié)點的量測閾值[9]。比較計算的傳輸距離與閾值的關系，在閾值范圍內均能夠實現精準監(jiān)測。因此，根據計算結果獲得傳感器在邊坡穩(wěn)定性監(jiān)測中的信息結果并輸出[10]，以有效降低網絡能耗，使得信息融合，實現同步監(jiān)測。

2 實驗測試與分析

2.1 實驗準備

使用高精度位移傳感器監(jiān)測邊坡位移。高靈敏應力傳感器監(jiān)測到拉力的變化后，將信號發(fā)送到數據采集箱，數據采集箱通過通信網絡傳輸到各終端。對于整個邊坡而言，內部埋設錨索應力等不同類型的監(jiān)測點。選取合適的間距布置導線，在山體坡面上布置位移傳感器和應力傳感器，將邊坡納入監(jiān)控區(qū)域。根據工程實際情況，確定位移計等設備的固定位置，鉆孔后使用膨脹螺栓固定，另一端則固定在鋼索導線上，記錄測力計的編號。同時，觀察信號電纜是否有破損。運用GEO有限單元分析軟件對黃土邊坡進行數值模擬與分析。為提高監(jiān)測精度，需要運用文中設計的監(jiān)測模型對邊坡變形數據集進行觀測。觀測點示意圖如圖2所示。

實際邊坡變形量為1 150.32 mm，計算經過文中監(jiān)測模型監(jiān)測的變形量與實際值的濾波殘差結果，預期目標在0.5 mm范圍內為較合理的精度。

2.2 結果與分析

根據現場和施工情況，在邊坡東側布置15個監(jiān)測點，對不同監(jiān)測點的累積位移形變量進行觀測，得到具體形變量結果如圖3所示。

在不同時間內，由圖中結果可以得到邊坡監(jiān)測的形變量數據。運用文中監(jiān)測方法進行12期的邊坡變形量結果觀測，經過計算后，得到的殘差值見表1所列。

通過表中數據可以看出，經過12期觀測，邊坡變形量監(jiān)測與實際值之間的濾波殘差結果均在0～0.4 mm，符合預期設定的精度目標，說明運用文中監(jiān)測方法能夠準確監(jiān)測邊坡變形。監(jiān)測模型具有一定的可靠性，對邊坡的變形趨勢可以進行長期預測。

3 結 語

通過對物聯網技術在人工黃土邊坡穩(wěn)定性監(jiān)測中的應用創(chuàng)新，利用多種傳感器對邊坡進行實時監(jiān)測，24小時實時傳輸雨量、裂縫等施工現場具體數據，加快了施工總體進度，從而實現了對邊坡地質災害的連續(xù)動態(tài)監(jiān)測。但該設計還在成本結算、工期分配方面存在不足，在今后的研究中，將利用物聯網技術對采集的各種數據進行處理，提取出有用的邊坡位移信息。通過對大量數據進行分析，及時發(fā)現安全隱患。一旦發(fā)現數據異常，通過公路邊坡安全監(jiān)測平臺發(fā)出警示信息，減少邊坡失穩(wěn)事故造成的財力物力損失，實現對邊坡的動態(tài)監(jiān)測，提高邊坡穩(wěn)定性監(jiān)測的準確性。

參考文獻

[1]陳蘭蘭，夏益強，肖海平，等.露天礦邊坡穩(wěn)定性監(jiān)測方法研究現狀及進展[J].測繪通報，2022，78（5）：7-13.

[2]任佳麗，熊勇，程永輝，等.基于原位監(jiān)測和模型試驗的膨脹土高邊坡穩(wěn)定性分析[J].巖土工程學報，2022，44（s2）：183-187.

[3]邢恩達，盧斌強，曹麗，等.露天礦高邊坡穩(wěn)定性監(jiān)測與分析[J].科技通報，2021，37（6）：89-94.

[4]郭從潔，時偉，楊忠年，等.凍融作用下初始含水率對膨脹土邊坡穩(wěn)定性的影響研究[J].西安建筑科技大學學報（自然科學版），2021，53（1）：69-79.

[5]齊留洋，王德勝，劉占全，等.改進加權距離判別分析模型的邊坡爆破穩(wěn)定性判別[J].中國有色金屬學報，2021，31（7）：1989-1996.

[6]張詔飛，席偉.基于FLAC3D-RAR的邊坡穩(wěn)定性分析和監(jiān)測預警[J].礦業(yè)研究與開發(fā)，2023，43（5）：63-68.

[7]王嘉，王敬翔，張慧，等.南芬露天鐵礦排土場高陡邊坡穩(wěn)定性分析及監(jiān)測設計[J].金屬礦山，2022，57（12）：226-232.

[8]董建軍，梅媛，閆斌，等.高海拔排土場邊坡安全穩(wěn)定性D-InSAR監(jiān)測[J].安全與環(huán)境學報，2022，22（5）：2514-2523.

[9]嵇其偉，史克友，洪英維.基于預應力監(jiān)測的錨固邊坡整體穩(wěn)定性分析[J].科學技術與工程，2022，22（34）：15269-15276.

[10]何義磊，張云龍，張冠軍，等.顧及系統偏差的BDS鐵路邊坡監(jiān)測方法[J].測繪通報，2023，69（4）：64-70.

作者簡介：喬 龍（1992—），男，陜西咸陽人，本科，工程師，研究方向為巖土工程。