CN119475832A 基于数字孪生的边坡智能监测方法、系统及存储介质 （北京市市政工程研究院）

本发明公开了一种基于数字孪生的边坡智第一时长的最优模式，并计算对应的代表降雨2S1：获取边坡表面在过去预设时间点处的第一点云S3：将所述位移变化值大于第一阈值的所述第一网点将所述目标时长划分为多个时间不等的第S5：获取所述目标时长内的历史降雨量，基于所将所述数字孪生模型中的所述第一网格的一个顶点定义为第一节点，数据和所述第二点云数据转换后的三维位置坐标分别定义为第一位置坐标和第二位置坐获取所述第一网格内所述第一点云数据的第一数量，所述第二点云数据的第二数量，第二点云数据的所述第二位置坐标为终点形成的向获取所述第一网格在法线方向的单位向量，分别基于第一公式和第二公式计算第一3计算所述第一变化曲线在多个所述第一时间点处的实际降获取所述最优模式所对应的多条所述历史降雨数据在所述第一时间点处的平均降雨将每条所述历史降雨数据所在的时间段定义为历史时长，将所述若所述未来时间段内的预测降雨量大于第五阈值，以所述第一7.一种基于数字孪生的边坡智能监测系统，用于实现如权利要求1_6任一项所述的方创建模块，用于获取边坡表面在过去预设时间点4计算模块，用于获取所述边坡表面在当前时间点处的第二点划分模块，用于将所述位移变化值大于第一阈值的述第一时间点将所述目标时长划分为多个时间不等的于所述第一时长内的所述实际降雨量从所述降雨模式中筛选出一个降雨模式作为最优模监测模块，用于获取所述目标时长内的历史降雨量，基于所所述程序指令运行时控制所述计算机存储介质所在设备执行权利要求1_6任意一项所述的5[0001]本发明属于数字孪生技术领域，具体涉及一种基于数字孪生的边坡智能监测方[0006]为了达到上述的发明目的，本发明提出一种基于数字孪6点云数据和所述第二点云数据转换后的三维位置坐标分别定义为第一位置坐标和第二位云数据的所述第一位置坐标为终点形成的向量定义为第一向量，以所述第一节点为起点，所述第二点云数据的所述第二位置坐标为终点形成的向量定义若所述第一数量大于1，则计算所述第一网格内所有所述第一点云数据的重心坐获取所述第一网格在法线方向的单位向量，分别基于第一公式和第二公式计算第一向量和所述第二向量在法线方向的第一分量ua和第二分量uz，所述第一公式为：7获取所述最优模式所对应的多条所述历史降雨数据在所述第一时间点处的平均降雨量，计算每个所述第一时间点处的所述实际降雨量和对应的所述平均降雨量的差值，将所述差值小于等于第四阈值的时间点定义之间的时长定义为目标时长，计算在所述目标时长内每个所述第一网格处的位移变化值，划分模块，用于将所述位移变化值大于第一阈值的所述第一网格定义为第一区纵轴建立第一坐标系，将所述实际降雨量随时间的第一变化曲线绘制在所述第一坐标系于所述第一时间点将所述目标时长划分为多个时间不等的8优模式，基于所述最优模式和所述历史降雨数据获取每个所述第一时长内的最优时间点，述程序指令运行时控制所述计算机存储介质所在设备执行上的预测降雨量和目标时间段内的历史降雨量确定未来时间段第一区域的边坡土壤的第一9对点云数据进行预处理，包括去除噪声、滤波和数据配准等，利用三维建模软件例如发生滑坡的风险，本实施例主要基于降水量对边坡的稳定性进行进一步分析和预测.设置第一变化曲线目的是直观的展现出降雨持续时长内第一区域的实际降雨量随时间所发生[0027]通过对目标时长内的多个第一时长匹配对应的降雨模式，计算对应的代表降雨的预测降雨量和目标时间段内的历史降雨量确定未来时间段第一区域的边坡土壤的第一二点云数据转换后的三维位置坐标分别定义为第一位置坐获取第一网格在法线方向的单位向量，分别基于第一公式和第二公式计算第一式并计算代表降雨量的方法，将每个历史时长划目的是训练模型，使其能够根据历史降雨数据预测未来时间段内的最优模式和代表降雨若未来时间段内的预测降雨量大于第五阈值，以第一孔隙水压力分布为初始值，通过计算机