CN119539487A 基于物联网的数据风险分析方法及系统 （武汉乐吾乐科技有限责任公司）

发区金融港四路18号普天物联网创新本申请公开了一种基于物联网的数据风险坡裂缝信息生成目标矿区的裂缝监测点分布策可以有效实现对目标矿区的边坡区域进行全方2基于预设于所述目标矿区的多类型传感器采集所述目标矿区型并通过点云计算方法计算得到所述目标矿区的边坡裂缝结合所述矿区三维模型和所述边坡裂缝信息生成所述目标矿区的边坡区域的裂缝监根据所述监测点分布策略在所述目标矿区部署多个位移传感器基于所述传感器信息、所述边坡裂缝信息和所述局部位移信息构建边坡风险预测模结合所述矿区三维模型和所述边坡风险预测模型构建所述目标矿区的矿区数字孪生对所述目标矿区中各个目标区域的所述激光雷达点云数据进行预处理，将预处理后的所述激光雷达点云数据进行曲面拟合，得到多个拟计算所述激光雷达点云数据中属于所述边坡区域的所有边坡点云与所述边坡拟合曲对于每个所述疑似裂缝点云区域，分别计算所述疑似裂缝点云区域若所述法向量夹角大于预设的夹角阈值且所述残差值小于预设利用区域生长算法将所述初始裂缝点云区域基于所述矿区三维模型对所述目标裂缝点云区域内的裂缝点云进行多方向二维映射，3根据所述初始裂缝点云区域中所有初始裂缝点云的法向量夹角对所述初始裂缝点云构建一个空的种子点序列和非裂缝区域点集，并将所基于预设的邻域阶数并通过K邻域算法识别出所述种子点的多个种子邻域点，分别计若任意一个或多个所述法线夹角小于预设的法线夹角阈值，则将若任意一个或多个所述曲率值小于预设的曲率值阈值，则将若所有所述曲率值均大于所述曲率值阈值或所述种子点序列为若判定区域生长完成，则将所述非裂缝区域点集对于每个所述目标裂缝点云区域，根据所述矿区三维模型获取所述目标基于所述点云三维坐标集将所述目标裂缝点云区域中所有所述裂缝点云分别根据三个所述映射方向上所述二维点云的二维点云坐通过所述点云三维坐标集计算得到所述目标裂缝点云区域对应所述边坡局部裂缝的将所有所述目标裂缝点云区域对应所述边坡局部裂缝的所述裂缝宽度、所述裂缝长根据预设的矿区开采方案获取所述目标矿区根据所述矿区爆破信息和所述局部位移信息对所述边坡裂缝信息进行变化趋势分析，4根据裂缝位置信息和所述矿区三维模型，并利用阈值法对所根据预先获取所述未来时间段的降水信息和所述地下水位传感器采集的地下水信息基于所述裂缝预测信息和所述地下水预测信息，并利用阈值法根据所述局部位移信息、所述应力分布信息、所述边坡渗水根据所述矿区爆破信息计算目标矿区的爆破影响半径，根据所根据所述局部位移信息和预先构建的位移裂缝数字模型对全部所述边坡裂缝进行位利用灰色关联度模型分析所述第一影响因子和所述第二影响因子对所述边坡裂缝的根据所述裂缝预测模型对所述边坡裂缝进行裂缝变化预测，得到布信息、所述边坡渗水信息和所述裂缝预测信息构建所述目标矿区的边坡风险预测模型，根据所述边坡风险预测模型预测出所述目标矿区的边坡风险信息包根据预先获取的边坡风险评价指数并利用标度法为所述局部位移信将所述局部位移信息、所述应力分布信息、所述边坡渗水信边坡核心影响因素i对所述边坡核心影响因素j的影响结合所述边坡直接影响矩阵和所有所述边坡间接影根据所述边坡综合影响矩阵计算所述边坡核心影响因素的影响度和述影响度和所述被影响度计算出所述边坡核心影响因素的中心度和结合所述中心度和所述原因度并基于耦合协调度函数建5根据所述局部位移信息、所述应力分布信息、所述边坡渗水对应的所述中心度为所述边坡核心影响因素分配权重，得到所述边坡核心影响因素的权根据所述边坡核心影响因素的所述中心度和所述原因度构建四象限根据所述边坡核心影响因素对应的所述权重和耦合协调度函数建立边坡风险预测模结合所述边坡原因因素和所述边坡结果因素并利用所述边坡风险预测模型获取所述果因素利用所述边坡风险预测模型获取所述目标矿区的边坡风险根据所述矿区三维模型将存在所述边坡原因因素的所述边坡子区域根据所述边坡结果因素对所述边坡风险区域进行分析，根据所若所述边坡风险区域不存在所述应力集中现象和/或所述渗水现象，则判定所述边坡若所述边坡风险区域同时存在所述应力集中现象和所若所述风险耦合度大于预设的风险耦合度阈值，则将若所述风险耦合度小于等于所述风险耦合度阈值，则将所根据所述矿区三维模型获取全部所述高风险区域和所述低风险区域的位置将全部所述高风险区域位置和所述低风险区域位置整合得到所述目标矿区的边坡风6处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时7维模型并通过点云计算方法计算得到所述目标矿区的边坡裂缝[0010]结合所述矿区三维模型和所述边坡裂缝信息生成所述目标矿区的边坡区域的裂8[0013]结合所述矿区三维模型和所述边坡风险预测模型构建所述目标矿区的矿区数字于所述矿区三维模型并通过点云计算方法计算得到所述目标矿区的边坡裂缝的边坡裂缝[0017]计算所述激光雷达点云数据中属于所述边坡区域的所有边坡点云与所述边坡拟[0019]若所述法向量夹角大于预设的夹角阈值且所述残差值小[0023]基于所述矿区三维模型对所述目标裂缝点云区域内的裂缝点云进行多方向二维[0024]可选的，所述利用区域生长算法将所述初始裂缝点云区[0025]根据所述初始裂缝点云区域中所有初始裂缝点云的法向量夹角对所述初始裂缝缝点云作为曲率区域生长算法的种子点添加至所述种子[0027]基于预设的邻域阶数并通过K邻域算法识别出所述种子点的多个种子邻域点，分9[0033]若判定区域生长完成，则将所述非裂缝区域点集从所述初始裂缝点云区域中剔[0038]通过所述点云三维坐标集计算得到所述目标裂缝点云区域对应所述边坡局部裂[0042]根据所述矿区爆破信息和所述局部位移信息对所述边坡裂缝信息进行变化趋势[0044]根据预先获取所述未来时间段的降水信息和所述地下水位传感器采集的地下水[0049]根据所述局部位移信息和预先构建的位移裂缝数字模型对全部所述边坡裂缝进[0050]利用灰色关联度模型分析所述第一影响因子和所述第二影响因子对所述边坡裂分布信息、所述边坡渗水信息和所述裂缝预测信息之间的影响程度进行直接影响程度赋所述边坡核心影响因素i对所述边坡核心影响因素j的影[0058]结合所述边坡直接影响矩阵和所有所述边坡间接影响矩阵建立边坡综合影响矩据所述影响度和所述被影响度计算出所述边坡核心影响因素的[0064]根据所述边坡核心影响因素对应的所述权重和耦合协调度函数建立边坡风险预[0067]结合所述边坡原因因素和所述边坡结果因素并利用所述边坡风险预测模型获取[0068]可选的所述结合所述边坡原因因素和所述边坡结果因素利用所述边坡风险预测模型获取所述目标矿区的边坡风险信息包括所述边坡风险区域是否存在应力集中现象和渗[0072]若所述边坡风险区域不存在所述应力集中现象和/或所述渗水现象，则判定所述[0076]根据所述矿区三维模型获取全部所述高风险区域和所述[0077]将全部所述高风险区域位置和所述低风险区域位置整合得到所述目标矿区的边[0090]图1示意性示出了根据本申请实施例的一种基于物联网的数据风险分析方法的流并通过点云计算方法计算得到目标矿区的边坡[0098]然后将区域边缘点云拟合成一个曲面后利用曲率计算公式计算区域边缘点云的的平均曲率为正曲率，而边坡表面凸起区域的区域边缘点云拟合的曲面是呈现内凹的状根据目标裂缝点云区域的三维坐标和矿区三维模型可以确定所有边坡局部裂缝在目标矿矿区内每一个边坡风险区域的风险耦合度，根据风险耦合度划分边坡风险区域的风险等[0108]S107、结合矿区三维模型和边坡风险预测模型构建目标矿区的矿区数字孪生模于矿区三维模型并通过点云计算方法计算得到目标矿区的边坡裂缝的边坡裂缝信息包括[0113]计算激光雷达点云数据中属于边坡区域的所有边坡点云与边坡拟合曲面之间的模软件有CloudCompare软件(三维点云处理软件)、Meshlab软件(开源网格模型处理软件)[0122]然后将区域边缘点云拟合成一个边缘曲面后利用曲率计算公式计算区域边缘点[0127]根据初始裂缝点云区域中所有初始裂缝点云的法向量夹角对初始裂缝点云进行[0129]基于预设的邻域阶数并通过K邻域算法识别出种子点的多个种子邻域点，分别计[0138]其中，α是初始裂缝点云与其对应的初始邻域点云之间连接的直线与初始裂缝点标计算出目标矿区的边坡裂缝的边坡裂缝信息包括如点云可以计算出边坡局部裂缝宽度，yz方向映射的二维点云可以计算出边坡局部裂缝长[0154]根据预先获取未来时间段的降水信息和地下水位传感器采集的地下水信息估计在位置的应力大小分析目标矿区中发生应力集中现象概率较大的区域位置信息，具体的，息、边坡渗水信息和裂缝预测信息并利用决策实验室法构建目标矿区的边坡风险预测模[0163]根据局部位移信息和预先构建的位移裂缝数字模型对全部边坡裂缝进行位移影[0164]利用灰色关联度模型分析第一影响因子和第二影响因子[0175]结合局部位移信息和边坡裂缝信息利用预先构建的位移裂缝数字模型获取不同界值之间的差值作为局部位移对每条边坡裂缝的影响程度。移临界值是通过实验模拟出感器采集的局部位移信息并利用裂缝预测模型预测出目标矿区在未来时间段的全部边坡[0178]根据预先获取的边坡风险评价指数并利用标度法为局部位移信息、应力分布信[0185]在本实施例中，根据预先获取的边坡风险评价指数将4种边坡核心影响因素之间极强4。直接影响程度按照边坡核心影响因素i对边坡核心影响因素j有影响的比例进行划其他边坡核心影响因素影响的程度或该边坡核心影响因素被其他边坡核心影响因素影响[0202]结合边坡原因因素和边坡结果因素并利用边坡风险预测模型获取目标矿区的边[0211]若边坡风险区域不存在应力集中现象和/或渗水现象，则判定边坡风险区域为低[0213]若风险耦合度大于预设的风险耦合度阈值，则将边坡风险区域标记为高风险区[0218]根据应力分布信息和边坡渗水信息判断当前边坡风险区域是否会发生应力集中等级也越高。将风险耦合度大于预设的风险耦合度阈值的边坡风险区域标记为高风险区用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列[0225]本申请实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指在流程