AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

边坡安全,关乎交通命脉与人民财产安全。在地质灾害多发的四川,金溢科技依托自研多源数据融合边坡预警模型和被动源的地动仪深部探测技术,为四川边坡监测提供了精准、高效的安全保障,用科技力量筑牢边坡防护屏障。

一、项目背景:地质风险下的安全使命

某高速填方路堤位于四川省资阳市境内,高速公路在该路段以半挖半填斜坡路堤形式通过。2017年建成通车,其后该段路面逐渐出现不规则纵向裂缝,其中重庆方向逐渐延伸发展至贯穿2、3、4车道横向裂缝,呈环形裂缝状,裂缝最大宽度约2cm;成都方向高填方段路基沉降导致路面出现跨越第2、3车道小于1.0cm裂缝,裂缝长度约70m。在历年的路面养护中,虽然养护部门多次对裂缝进行灌浆封闭处理,但进入次年雨季后,受降雨入渗影响,裂缝继续拉裂张开。裂缝表现的特征存在空间三维上发展,因此路堤不光竖向沉降变形,也伴随着平面位移,存在一定的路基滑移失稳安全风险。

金溢科技在现场部署基于以“弹性波无源监测”技术为核心的地动仪监测设备和自研多源数据融合边坡预警模型,结合其他GNSS、雨量计等其他监测设备实现对变形区域开展长周期动态监测预警,实现对边坡安全的精准监测与科学预警,为区域地质灾害防控提供坚实技术支撑。

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图1 监测路面现状

二、核心技术之AI预警:多源融合,让预警更精准

不同于传统单一监测模式,金溢科技多源数据融合预测模型,整合了雨量、GNSS位移、裂缝宽度三大核心监测数据,构建了一套高效的边坡预警框架。

模型通过对三类数据的标准化处理,实现多维度信息的深度融合,既兼顾了GNSS监测的全局形变趋势,又保留了裂缝计的局部高精度特征,同时捕捉降雨对边坡形变的影响规律,实现“外部诱因—边坡响应”的协同监测。

通过科学的特征提取与数据整合,模型能够精准区分边坡长期演化趋势与短期波动,既能捕捉日常微小形变,也能及时识别异常变化,让预警更具针对性和可靠性。

三、核心技术之地动仪:被动源探测,让探测范围更广

地动仪依托公路车辆行驶与环境背景形成的地表地下微弱震动弹性波,依据岩土介质密度、含水率、力学强度决定波体传播速度的特性,借助地动仪采集不同时刻自然振动信号并开展相关干涉运算,提取弹性波传播时长变化,结合 dv/v、自振频率、反射波响应多维度数据,精准研判边坡土体含水软化、介质异变、整体稳固性及内部结构变动等隐患;设备采用无源非侵入监测模式,具备安装部署便捷、可长期持续运行的优势,能全面精准感知边坡整体运行状态变化。

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图2 “地动仪”传感器

四、落地部署:高效便捷,适配工程实际需求

设备层面,沿公路走向布设一条地震探测测线,测线位于靠近边坡一侧。测线由88台节点式地震仪组成,台站间距5米,总测线长度435米。每台地震仪采样率设定为1000Hz,可有效捕获浅层介质内的高频弹性波信息。探测过程中,仪器数据通过4G网络实时传输至服务器。

AI模型层面,面向边坡安全监测与位移预测,构建了基于GNSS三维位移数据、雨量计等多源数据的时序预测模型,通过多模态融合实现边坡变形趋势建模。数据采集周期为2025年9月至2026年1月,采样频率设定为每小时1次。据此,单个监测点可生成7000余条时间序列数据,形成了大规模多维时序数据集,并完成了缺失值处理、异常值过滤、时间对齐及归一化等预处理工作。

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图3  地动仪部署图

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图4 软件部署

五、运行成效之AI预警:精准预警,筑牢安全防线

通过近6个月监测点实测数据与模型预测数据的对比验证,模型整体表现优异,预警效果显著。

在边坡稳定性平稳时段,模型预测数据与实测数据高度吻合,能够精准复现边坡位移日常变化规律,具备可靠的中长期趋势预判能力,可满足常规工程监测的核心需求。针对突发形变场景,模型虽在瞬时突变点位存在轻微滞后,仍能有效捕捉异常变化趋势,为应急处置争取宝贵时间。

总体而言,该模型完全适配高速边坡监测需求,精准度与稳定性均达到工程标准,为边坡安全监测提供了高效可行的解决方案。

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图5 GNSS位移监测与预测结果对比图


六、运行成效之内部探测:边坡层析成像,提早发现内部结构状况及潜在风险

层析成像结果显示有效探测深度约为40米,探测区段地下纵波速度范围在530–4500m/s之间。在地震剖面图中可见三个地层层位,沿公路走向,地层速度分布显示出一定程度的非均质性,反映了该路堤区段地下沉积环境和岩土介质性质的空间变化特征。

20m深度以内的速度剖面揭示出更加明显的横向非均质性。剖面中某位置发育一处连续分布的低速体,其范围较大、厚度稳定,综合其速度特征推测为一层结构松散、力学性质较弱的沉积层。该薄弱层的存在表明该段路堤表层地层具有较差的整体性和较高的可变形性。

在该沉积层以下,地层速度相较周边区域依然偏低,并呈现由中部向下凹陷的界面形态。这类构造特征常与断裂破碎带、构造活动造成的岩土体松散带或旧滑动面附近的剪切弱化带相吻合。因此,该区域很可能发育一条规模一定的断裂破碎带,对上覆路堤的稳定性具有潜在影响。

总体来说,探测识别到一处浅部薄弱沉积层(距测线起始位置105-176米),其下伏地层界面呈现下凹形态,显示出典型断裂破碎带或强风化软弱带特征。该结构为地基潜在薄弱环节,受降雨入渗、交通荷载及季节性变化影响,容易产生变形集中,可能对该段路堤的长期稳定性构成风险。为降低潜在隐患,金溢科技给出建议在后续治理中重点加强该区段的加固处置,并开展必要的钻探和原位测试,以进一步查明破碎带的厚度、横向展布、含水性及力学参数,为加固设计提供可靠依据和量化参数支持。

 AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图 6 坡顶台站连线-双台站地下弹性波速变化(dv/v)监测结果

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图 7 坡底台站共振频率监测结果

AI+地动仪赋能边坡监测新范式——四川边坡监测项目实践解读

图8 P波(纵波)层析成像结果(0-40米深)

七、行业意义:以科技赋能,引领边坡监测新范式

金溢科技依托多源数据融合边坡预警模型与节点式被动源地动仪双技术体系,彻底打破传统边坡单一监测模式的固有局限。深度融合地层微动振动、GNSS位移、裂缝形变、气象雨量等多维监测数据,完成全域感知数据高效归集、统一研判与智能解析,实现监测数据精细化整合与场景化精准落地,全面强化边坡风险研判的科学性、准确性与实时性。

依托地动仪全域分布式地层感知能力结合AI智能预测算法,精准捕捉岩土深层微动、岩层裂隙错动、坡体滑移前兆等隐性风险信号,构建从底层地质异动到表层形变变化的全链条感知体系,推动边坡安全防控正式从事后处置的被动应对,转向前置预判的主动预警,真正实现风险早发现、早研判、早预警。

该创新技术方案为地质灾害全域防控、公路铁路、矿山等道路基础设施长效安全运维筑牢坚实技术底座,持续引领边坡监测行业向着智能化、精准化全面转型升级,全方位筑牢各类高危边坡、山区路基、临山工程区域安全防护屏障。