CN104021267A - 一种地质灾害易发性判定方法和装置 - Google Patents
一种地质灾害易发性判定方法和装置 Download PDFInfo
- Publication number
- CN104021267A CN104021267A CN201310509417.6A CN201310509417A CN104021267A CN 104021267 A CN104021267 A CN 104021267A CN 201310509417 A CN201310509417 A CN 201310509417A CN 104021267 A CN104021267 A CN 104021267A
- Authority
- CN
- China
- Prior art keywords
- regional
- geohazards
- albefaction
- weight function
- avalanche
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种地质灾害易发性判定方法和装置,所述地质灾害易发性判定方法包括:获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;根据所述白化数和预设的灰色白化权函数得到白化权函数值;根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。本发明实施例可以提高区域地质灾害易发性的预测准确度和速度,以提高区域地质灾害易发性预测精度和效率。
Description
技术领域
本发明涉及区域地质灾害解译分析领域,尤其涉及一种地质灾害易发性判定方法和装置。
背景技术
地质灾害不仅是地质环境中一种复杂的地表变化过程,而且具有很强的区域空间特性。由于对区域地质灾害发生机理认知的局限,目前对区域地质灾害的预测、响应往往滞后,主动防灾和减灾举措不多且范围狭窄。从国内外有关区域地质灾害易发性评价分析的研究现状来看,目前对地质灾害进行易发性分析的方法主要有模糊数学法、层次分析法以及基于GIS(Geographic Information System,地理信息系统)技术的易发性定量区划等方法。模糊综合评判模型将地质灾害系统定义为一个模糊系统,应用模糊变换原理和最大隶属原则,考虑与灾害发生相关的各个要素,以模糊推理为主,运用定性和定量相结合、精确与非精确相统一的分析评判方法对地质灾害易发性进行综合评价。层次分析法是按照人们决策过程的“分解——判断——综合”的思维特点,把具有多层次、多准则特性的地质灾害易发性问题分解为各个组成因素,将这些因素按支配关系分组,形成有序的递阶层次结构,通过两两比较的方式确定层次中各因素的相对重要性,再加以综合以确定相对重要性顺序(权重),进而评价地质灾害易发性情况。但是,模糊数学法由于强调极值作用,信息损失多,权重值的科学性不够明确;一般层次分析法计算的最终步骤是按每个层次各个因素的权值最大值,即“最大原则”进行分类,忽略比它小的上一级别的层次权值,不考虑层次权值之间的关联性,从而导致易发性评价分辨率降低,评价结果出现不尽合理的现象。
总之,有关区域地质灾害易发性的分析尚没有建立起明确、一致的方法体系;对于区域地质灾害易发性影响要素的选取还主要取决于经验以及有关数据资料的掌握程度,存在着较大的主观性、不确定性;地质灾害易发性分析主要针对的是单体地质灾害,而对于区域地质灾害的易发性分析问题研究较少,并且对于区域地质灾害易发性分析的数学建模及其分析方法的研究尤其缺乏。综上可见,如何提高区域地质灾害易发性预测准确度,这是本领域的技术人员亟待解决的一个技术难题。
发明内容
本发明实施例提供一种地质灾害易发性判定方法和装置,以提高区域地质灾害易发性预测准确度。
一方面,本发明实施例提供了一种地质灾害易发性判定方法,所述地质灾害易发性判定方法包括:
获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
根据所述白化数和预设的灰色白化权函数得到白化权函数值;
根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
本发明实施例可以提高区域地质灾害易发性的预测准确度和速度。
优选的,在本发明一实施例中,所述获取统计的区域地质灾害历史信息并进行定量处理,得到白化数,包括:根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述无量纲化方法包括:极值化方法和标准化方法。本发明实施例可进一步通过无量纲化方法来规避不同数量级指标间的差异。本发明实施例进一步通过地质灾害易发性评价指标的选取,以进一步提高区域地质灾害易发性预测准确度。
优选的,在本发明一实施例中,所述区域地质灾害易发性等级可以包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数可以包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;所述利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量,可以包括:利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。本发明实施例可进一步将区域地质灾害易发性等级划分为:极易发、较易发、易发、不易发、稳定,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可进一步将预设的灰色白化权函数划分为:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可以进一步利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量,以对区域地质灾害易发性进行快速预测。
优选的,在本发明一实施例中,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,可以包括:根据所述聚类向量进行聚类分析时,采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。本发明实施例可以根据所述聚类向量进行聚类分析时,进一步采用地质灾害链式机理修正,以实现对两种以上灾种的区域综合地质灾害易发性进行总体分析预测,并进一步提高区域地质灾害易发性预测准确度。本发明实施例可以将地质灾害链式机理采用上述4种链式类型,以进一步提高区域地质灾害易发性预测准确度。
优选的,在本发明一实施例中,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,可以包括:根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。本发明实施例可以根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,以进一步提高区域地质灾害易发性等级的预测准确度。
另一方面,本发明实施例提供了一种地质灾害易发性判定装置,所述地质灾害易发性判定装置包括:
白化数获取单元,用于获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
白化权函数值获取单元,用于根据所述白化数和预设的灰色白化权函数得到白化权函数值;
标准聚类权获取单元,用于根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
聚类向量获取单元,用于利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
聚类分析单元,用于根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
本发明实施例可以提高区域地质灾害易发性的预测准确度和速度。
优选的,在本发明一实施例中,所述白化数获取单元,在获取统计的区域地质灾害历史信息后,进一步可以用于根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;所述无量纲化方法包括:极值化方法和标准化方法。本发明实施例可进一步通过无量纲化方法来规避不同数量级指标间的差异。本发明实施例进一步通过地质灾害易发性评价指标的选取,以进一步提高区域地质灾害易发性预测准确度。
优选的,在本发明一实施例中,所述区域地质灾害易发性等级可以包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;所述聚类向量获取单元,进一步可以用于利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。本发明实施例可进一步将区域地质灾害易发性等级划分为:极易发、较易发、易发、不易发、稳定,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可进一步将预设的灰色白化权函数划分为:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可以进一步利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量,以对区域地质灾害易发性进行快速预测。
优选的,在本发明一实施例中,所述地质灾害易发性判定装置还可以包括:链式机理修正单元,在所述聚类分析单元根据所述聚类向量进行聚类分析时,用于采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。本发明实施例可以根据所述聚类向量进行聚类分析时,进一步采用地质灾害链式机理修正,以实现对两种以上灾种的区域综合地质灾害易发性进行总体分析预测,并进一步提高区域地质灾害易发性预测准确度。本发明实施例可以将地质灾害链式机理采用上述4种链式类型,以进一步提高区域地质灾害易发性预测准确度。
优选的,在本发明一实施例中,所述聚类分析单元,进一步可以用于根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。本发明实施例可以根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,以进一步提高区域地质灾害易发性等级的预测准确度。
上述技术方案具有如下有益效果:因为采用所述地质灾害易发性判定方法包括:获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;根据所述白化数和预设的灰色白化权函数得到白化权函数值;根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级的技术手段,所以达到了如下的技术效果:可以提高区域地质灾害易发性的预测准确度和速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种地质灾害易发性判定方法流程图;
图2为本发明实施例一种地质灾害易发性判定装置结构示意图;
图3为本发明实施例另一种地质灾害易发性判定装置结构示意图;
图4为本发明应用实例区域地质灾害易发性评价指标示意图;
图5为本发明应用实例的典型白化权函数示意图;
图6为本发明应用实例的下限测度白化权函数示意图;
图7为本发明应用实例的适中测度白化权函数示意图;
图8为本发明应用实例的上限测度白化权函数示意图;
图9为本发明应用实例区域地质灾害易发性灰色聚类分析示意图;
图10为本发明应用实例滑坡——崩塌——泥石流——崩塌流灾链示意图;
图11为本发明应用实例崩塌——滑坡——泥石流——崩塌流灾链示意图;
图12为本发明应用实例泥石流——崩塌——滑坡——崩塌流灾链示意图;
图13为本发明应用实例泥石流——滑坡——崩塌——崩塌流灾链示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例一种地质灾害易发性判定方法流程图,所述地质灾害易发性判定方法包括:
101、获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
102、根据所述白化数和预设的灰色白化权函数得到白化权函数值;
103、根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
104、利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
105、根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
本发明实施例可以提高区域地质灾害易发性的预测准确度和速度。
优选的,所述获取统计的区域地质灾害历史信息并进行定量处理,得到白化数,可以包括:根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述无量纲化方法包括:极值化方法和标准化方法。本发明实施例可进一步通过无量纲化方法来规避不同数量级指标间的差异。本发明实施例进一步通过地质灾害易发性评价指标的选取,以进一步提高区域地质灾害易发性预测准确度。
优选的,所述区域地质灾害易发性等级可以包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数可以包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;所述利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量,可以包括:利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。本发明实施例可进一步将区域地质灾害易发性等级划分为:极易发、较易发、易发、不易发、稳定,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可进一步将预设的灰色白化权函数划分为:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可以进一步利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量,以对区域地质灾害易发性进行快速预测。
优选的,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,可以包括:根据所述聚类向量进行聚类分析时,采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。本发明实施例可以根据所述聚类向量进行聚类分析时,进一步采用地质灾害链式机理修正,以实现对两种以上灾种的区域综合地质灾害易发性进行总体分析预测,并进一步提高区域地质灾害易发性预测准确度。本发明实施例可以将地质灾害链式机理采用上述4种链式类型,以进一步提高区域地质灾害易发性预测准确度。
优选的,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,可以包括:根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。本发明实施例可以根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,以进一步提高区域地质灾害易发性等级的预测准确度。
对应于上述方法实施例,如图2所示,为本发明实施例一种地质灾害易发性判定装置结构示意图,所述地质灾害易发性判定装置包括:
白化数获取单元21,用于获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
白化权函数值获取单元22,用于根据所述白化数和预设的灰色白化权函数得到白化权函数值;
标准聚类权获取单元23,用于根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
聚类向量获取单元24,用于利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
聚类分析单元25,用于根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
本发明实施例可以提高区域地质灾害易发性的预测准确度和速度。
优选的,所述白化数获取单元,在获取统计的区域地质灾害历史信息后,进一步可以用于根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;所述无量纲化方法包括:极值化方法和标准化方法。本发明实施例可进一步通过无量纲化方法来规避不同数量级指标间的差异。本发明实施例进一步通过地质灾害易发性评价指标的选取,以进一步提高区域地质灾害易发性预测准确度。
优选的,所述区域地质灾害易发性等级可以包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;所述聚类向量获取单元,进一步可以用于利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。本发明实施例可进一步将区域地质灾害易发性等级划分为:极易发、较易发、易发、不易发、稳定,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可进一步将预设的灰色白化权函数划分为:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数,以进一步提高区域地质灾害易发性预测准确度。本发明实施例可以进一步利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量,以对区域地质灾害易发性进行快速预测。
如图3所示,为本发明实施例另一种地质灾害易发性判定装置结构示意图,所述地质灾害易发性判定装置不但包括图2中的各个单元,还可以包括:链式机理修正单元26,在所述聚类分析单元根据所述聚类向量进行聚类分析时,用于采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。本发明实施例可以根据所述聚类向量进行聚类分析时,进一步采用地质灾害链式机理修正,以实现对两种以上灾种的区域综合地质灾害易发性进行总体分析预测,并进一步提高区域地质灾害易发性预测准确度。本发明实施例可以将地质灾害链式机理采用上述4种链式类型,以进一步提高区域地质灾害易发性预测准确度。
优选的,所述聚类分析单元,进一步可以用于根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。本发明实施例可以根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,以进一步提高区域地质灾害易发性等级的预测准确度。
本发明实施例上述技术方案具有如下有益效果:因为采用所述地质灾害易发性判定方法包括:获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;根据所述白化数和预设的灰色白化权函数得到白化权函数值;根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级的技术手段,所以达到了如下的技术效果:可以提高区域地质灾害易发性的预测准确度和速度。
以下结合应用实例对本发明实施例上述方案进行详细说明:
基于上述目的本发明应用实例提供的白化权函数聚类价方法,应用于区域地质灾害易发性的评价分析模型构建,包括以下步骤:
1、地质灾害易发性评价体系的建立。
主要包括四个方面的标准:
(1)选取可以反映地球内外动力耦合作用对地质灾害产生影响的因素。
(2)选取可以数据化或经过分析整理可以概化成数据的影响因素。
(3)选取可以表示历史灾害信息并可以进行统计分析的影响因素。
(4)选取可以准确概括区域地质灾害总体特征的影响因素。
地球内动力对斜坡形成演化和变形破坏具有重要影响和作用,地球外动力作用特别是气候变化与区域性地质灾害具有紧密联系,分析地球内外动力耦合作用对区域地质灾害的作用,从而完成对地质灾害的自然演化模式和发生发展机制的共有规律性研究,进而确定影响区域地质灾害的影响因素。
本发明应用实例从地质灾害时空分布与地球内外动力的关系、灾害带形成演化的内外动力耦合过程与机制两个方面,研究和论证地球内外动力耦合作用与地质灾害形成演化的关系。内动力作用是指受到地球深部圈层的热动力作用,以构造运动为主的形式影响地球浅层,使岩石圈变形、拉伸、变质、造山与成盆,形成地表构造地貌。与此相伴的外动力作用则来源于以太阳辐射为主的地球外部能,表现为岩石圈表层与地球外包围圈——大气圈、水圈和生物圈的相互作用,太阳辐射能引起大气环流、地表水循环,运动的气流、循环的水流和生生不息的生物作用于岩石圈表层,通过风化、剥蚀、搬运和堆积作用,削平突起,填埋洼陷,使地表趋平。同时,由于社会生产力的发展,人类活动干预自然环境的深度和广度愈来愈大。
明显的地形地貌差异是崩滑流灾害产生的第一个必要条件,这些差异为岩土体失稳运动提供了重力势差。较高的重力势差为崩滑流灾害提供了基本的运动条件;地壳新构造运动、地质构造条件、地下水作用和地壳表层的物理化学风化等因素耦合作用,导致地表岩土体内结构面大量发育,造成岩土体强烈变形、破碎,力学性能大大降低或发展成松散体,为崩滑流灾害提供了物质条件;地震和大气降水为崩滑流灾害提供了强大的动力条件。其中,地质构造条件是地质灾害产生的关键内因,起主导控制作用,而强降雨则是形成区域地质灾害的最主要的外部因素。
2、在众多影响因素中确定区域地质灾害易发性评价指标,从定性、定量评价指标两个方面,研究区域地质灾害易发性评价指标的定量化、无量纲化方法,并给出区域地质灾害易发性等级划分级别。如图4所示,为本发明应用实例区域地质灾害易发性评价指标示意图。
区域地质灾害易发性评价指标中,有些是定性指标,如岩性组成、地质构造,有些则是需要经过测量或通过计算获得的定量指标,如降雨密度、历史活跃程度。在对区域地质灾害易发性进行定量分析过程中,首先通过一定的方法,将定性指标定量化,但是要注意,即便是定量指标,如果各个定量指标间数值差别较大,例如,某区域在一次特大暴雨后地质灾害发生次数以个位数计,而(12小时)降雨量大于140毫米,若将这种量值差别较大的指标放在同一个聚类方法中进行计算分析,如不对它们进行相应的(例如,归一化)处理,从数学上讲也会产生较大的误差。
评价指标定量化的具体方法包括:(1)对于定性指标,采用专家打分法、统计分析法、信息量法或模糊数学方法进行量化取值;(2)对于定量指标,可采用标准化、规格化、均一化、对数、平方根等数值变换方法统一量纲。
本发明应用实例可采用专家打分法对定性指标进行定量化,专家打分法具有如下特点:
(1)灵活方便:针对区域地质灾害评价对象的具体情况,制定相应评价等级和标准;
(2)直观性强:每个评价对象的评价指标都以打分的形式体现,方便查看和应用;
(3)适用性好:有关区域地质灾害的评价指标中,有许多指标难以采用其他定量化方法进行直接处理,而专家打分法则可以融专家经验与主观判断为一体,从而对评价指标做出合理估算。
本发明应用实例可采用两种无量纲化方法规避不同数量级指标间的差异:
(1)极值化方法
x′i=xi/max
即变化后的变量值等于每一变量值除以该变量取值的最大值。标准化后使各变量的最大取值为1。采用极值化方法对变量数据无量纲化是通过利用变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据,从而消除量纲和数量级影响,改变变量在分析中的权重来解决不同度量的问题。
(2)标准化方法
即每一变量值除以该变量的平均值。标准化后各变量的平均值都为1,标准差为原始变量的变异系数。该方法在消除量纲和数量级影响的同时,保留了各变量取值差异程度上的信息,差异程度越大的变量对综合分析的影响也越大。该无量纲化方法在保留原始变量变异程度信息时,并不是仅取决于原始变量标准差,而是原始变量的变异系数,这也就保证了保留变量变异程度信息的同时数据的可比性问题。
区域地质灾害易发性分级标准
本发明应用实例可结合国土资源部地质调查局、中国气象局对地质灾害预报等级的定义,参照有关区域地质灾害易发性等级的划分经验,将区域地质灾害易发性等级划分为五个级别:极易发、较易发、易发、不易发、稳定。
3、使用灰色白化权函数聚类方法对定量化后的指标进行聚类分析,得到不同区域的易发性等级。
区域地质灾害易发性评价是区域地质灾害调查评价的一项重要任务,是制定一个地区地质灾害防治规划的基础。本发明应用实例针对不同区域的地质灾害使用灰色白化权函数聚类方法进行易发性分析,以建立灰数的白化权函数为基础,按照已经确定的易发性等级区划,将聚类对象对于不同聚类指标所拥有的白化数进行归纳,从而判断该聚类对象的归属等级。
在灰色系统理论中,灰数是信息不完全的数,灰数不是一个数,是一个数的区间,借助白化权函数可以描述对一个灰数在其取值范围内不同数值的“偏爱”程度;灰类是对客观事物进行聚类之前,根据客观事物的发展规律,事先人为约定的聚类指标的各个聚类等级。在确定各评价区域后,分别采集各区域评价指标项并对各指标项进行定量化处理,基于地质灾害易发性分级标准,通过采用灰色白化权函数聚类方法对各评价区域进行地质灾害易发性分级分析,其基本原理和分析步骤如下:
以各评价区域为聚类对象,并以i表示;以评价区域各评价指标为聚类指标,并以j表示;聚类灰数(灰类)以k=1,2,3,…表示,代表不同级别的灾害等级。
(1)确定白化数dij。
各聚类对象有关各聚类指标的监测数据称为白化数,白化数可由区域地质灾害的统计数据给出。已有地质灾害信息多以二维表的形式存储,故统计数据可构造为白化数矩阵,易于观察且方便。计算dij是i类聚类对象对于第j个聚类指标所拥有的白化数,在区域地质灾害易发性分析中,表示第i个灾害区域的第j个评价指标的统计值。
由于原始评价区域中的各个数据值大小和单位会有不同,为了避免评价结果受到这些因素的影响,需在应用数据之前进行数据的预处理,以消除量纲的影响,转换为可比的数据序列。
(2)确定灰类白化权函数
白化权函数就是灰数取值(即白化)的偏爱函数,对所有的聚类指标,都必须确定对于每个灰类的白化权函数,包括函数的形状、起点及阈值的确定,这一步是聚类的关键,聚类的结果在很大程度上取决于白化权函数。白化权函数转折点的值称为门阈值(简称阈值),它是确定白化权函数的关键,阈值可根据已有灾害数据发生规律,按某种准则或经验确定。
设j指标k子类的白化权函数为如图5所示,为本发明应用实例的典型白化权函数示意图,则称为的转折点。典型白化权函数记为:
1)如图6所示,为本发明应用实例的下限测度白化权函数示意图,有
2)如图7所示,为本发明应用实例的适中测度白化权函数示意图,有
3)如图8所示,为本发明应用实例的上限测度白化权函数示意图,有
在区域地质灾害易发性分析过程中,其划分标准一般描述为3种情况:1)区域地质灾害聚类指标的描述值(白化数)大于某一规定值(图6);2)区域地质灾害聚类指标的描述值在某一规定值左右(图7);3)区域地质灾害聚类指标的描述值小于某一规定值(图8)。根据给定白化数和规定值之间的关系就可以确定不同情况分属的白化权函数,将白化数输入对应的白化权函数式,所得结果即为某一评价区域中的评价指标在不同易发性等级中的白化值。
(3)求出标准聚类权
为第j个聚类指标在第k个易发性等级白化权函数中的阈值。从上式中可以看出,即从聚类对象(评价区域)选取的聚类指标(评价指标)属于某一个易发性分析等级的权重,根据此权重即可计算聚类向量。
(4)求聚类系数构造聚类向量。
其中
即白化权函数与标准聚类权的乘积之和。σ(i)代表某一区域不同聚类指标在所有的分类等级:极易发、较易发、易发、不易发和稳定中的聚类值。
(5)聚类分析。
σ(i)中最大的元素所在的等级即为该对象所在等级。找到σ(i)中的最大值,即可判定该灾害区域属于易发性等级中的极易发、较易发、易发、不易发和稳定中的哪个等级。
按照上述步骤,依次求出每个聚类指标的聚类向量,从而判断聚类对象所在的易发性等级。对所有的评价区域进行判别之后,即完成了区域地质灾害的易发性分析。
通过灰色聚类分析,可判别要评价的各个区域分别属于易发性等级中的哪一类,从而获得最贴近事实的等级评价,实现易发性区域划分的目的。基于灰色聚类分析的区域地质灾害易发性分析,其分析结果的准确度关键取决于主要影响因子的确定以及如何构造灰类白化权函数,这依赖于对区域地质灾害发生规律和影响因素的深刻了解,并需要一定的数学技巧。随着对区域地质灾害认识的深化,选取影响权重更大的因素并构造更加广泛适用的灰类白化权函数,将进一步提高易发性分析的精度。如图9所示,为本发明应用实例区域地质灾害易发性灰色聚类分析示意图。
4、利用地质灾害链式机理,分析不同地质灾害种类之间的相互影响关系,确定4种主要链式类型,对区域地质灾害进行总体分析。
针对崩塌、滑坡、泥石流单个灾种或两个灾种的评价方法很多,而对3个关联灾种相互渗透、互为条件、耦合成灾,以崩滑流灾害链的形式致灾的评价方法却极少,但这种以崩滑流灾害链的形式群发成灾的现象是客观存在且异常严重的。为此,本发明应用实例以在内外复杂因素的交互耦合作用下,崩塌、滑坡、泥石流3灾种中的任一或二个灾种率先爆发,诱使三重灾害先后接踵成链,同期迸发,其致灾强度及破坏作用急剧扩大的突发性灾害链式过程为基础,对区域地质灾害进行整体分析。
根据崩滑流灾害链演化的特征机理和各灾种关联成灾的链状关系,考虑降水等因素在灾害链形成过程中的链接媒介作用,可将崩滑流灾害分为以下4种主要的链式类型:
(1)如图10所示,为本发明应用实例滑坡——崩塌——泥石流——崩塌流灾链示意图。
不稳定坡体在暴雨或振动荷载作用下形成第一级诱发灾源滑坡;随着前缘坡体的失稳下滑,后缘坡体架空形成危岩,诱发第二级次生灾害崩塌;在暴雨和洪水等外因继续耦合作用下,其不同粒径的岩土体将在强烈水力和能量冲击下,以不同体态(固、液或气态)物质产生集散与搬运作用,构成破坏力极强的第三级主灾链泥石流。
(2)如图11所示,为本发明应用实例崩塌——滑坡——泥石流——崩塌流灾链示意图。
裸露岩体在暴雨、风化等环境因素长期侵蚀下,其节理、裂隙不断向纵深层扩展,加之振动脉冲荷载或淘蚀作用的诱发,形成第一级崩塌灾源;岩崩过程使不稳定坡体失去支撑或在巨大能量冲击下,促使第二级次生灾害链滑坡的形成;再经暴雨及洪水径流汇集不同体态(固液或气态)物质和能量的强烈耦合、集散与搬运,形成对构筑物与生态破坏作用极大的第三级灾害泥石流,随着能量耗竭或在地物地貌变态阻尼中达到相对稳定的这种演绎链式全过程。
(3)如图12所示,为本发明应用实例泥石流——崩塌——滑坡——崩塌流灾链示意图。
地表松散体或不稳定坡体,在暴雨、洪水等外因诱发下,爆发第一级灾害泥石流;随着泥石流的汹涌而下,对沟谷边坡产生强烈的冲刷与淘蚀,形成危岩,致使崩塌第二级次生灾害形成;不稳定坡体无法保持原有的地形平衡,形成第三级灾害滑坡;伴随泥石流中固态物质的迅速增加,其冲击作用的动能骤然增强,在其随后的破坏过程中能量逐步耗竭的这种灾害链式演绎全过程。
(4)如图13所示,为本发明应用实例泥石流——滑坡——崩塌——崩塌流灾链示意图。
地表松散体或不稳定坡体,在暴雨、洪水等外因诱发下,爆发第一级灾害泥石流;在高度差明显的地区,冲击带动周围松散坡体,形成第二级次生灾害滑坡;滑带带动上层岩石硬层滑落,引发第三级灾害崩塌。
根据各灾害的发生条件及相互关系,对区域地质灾害中常见的地质灾害状况进行总结,得出典型的灾害链形式,如上面所述,并对其成链机理进行分析,区分原生灾害和次生灾害。
根据灾害链对灾害易发性等级进行修正。基于灾害链对于灾害影响的放大效应,改变原生灾害和次生灾害在影响后果和发生概率等环节上的对应值,重新计算并得到考虑灾害链效应的灾害易发性等级。
由于灾害链的客观存在性,通过以上过程,可以对区域地质灾害易发性的评估进行优化,更加明确应该重点防范的灾种以及灾害区域,修正了对单个灾害进行评估中偏于保守的问题。
本发明应用实例的技术效果:从上面所述可以看出,本发明应用实例提供的白化权函数聚类分析方法,以地质灾害发生的内外动力耦合作用为基础,合理的确定评价指标,首次将灰色白化权函数聚类方法应用于区域地质灾害易发性评价,并结合地质灾害链式机理,实现了对单灾种地质灾害和区域综合地质灾害易发性的评价分析,具有较高的精确度。本发明应用实例对区域地质灾害的易发性评价建立了一种明确、清晰的方法体系,从评价指标的选取、易发性等级划分,到易发性灰色白化权函数聚类方法、链式机理综合分析,都给出了客观、详细的说明。通过实例可以看出,本方法具有逻辑清晰、计算快、精度高且能同时完成对单灾种和区域综合地质灾害易发性评价特点,明显优于其他方法。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrativecomponents),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种地质灾害易发性判定方法,其特征在于,所述地质灾害易发性判定方法包括:
获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
根据所述白化数和预设的灰色白化权函数得到白化权函数值;
根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
2.如权利要求1所述地质灾害易发性判定方法,其特征在于,所述获取统计的区域地质灾害历史信息并进行定量处理,得到白化数,包括:
根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;
对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述无量纲化方法包括:极值化方法和标准化方法。
3.如权利要求1所述地质灾害易发性判定方法,其特征在于,所述区域地质灾害易发性等级包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;所述利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量,包括:
利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。
4.如权利要求1所述地质灾害易发性判定方法,其特征在于,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,包括:
根据所述聚类向量进行聚类分析时,采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。
5.如权利要求1所述地质灾害易发性判定方法,其特征在于,所述根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级,包括:
根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。
6.一种地质灾害易发性判定装置,其特征在于,所述地质灾害易发性判定装置包括:
白化数获取单元,用于获取统计的区域地质灾害历史信息并进行定量处理,得到白化数;
白化权函数值获取单元,用于根据所述白化数和预设的灰色白化权函数得到白化权函数值;
标准聚类权获取单元,用于根据同一聚类对象的不同聚类指标在区域地质灾害易发性等级中的所占权重,获取标准聚类权;
聚类向量获取单元,用于利用所述白化权函数值和所述标准聚类权进行计算,得到聚类向量;
聚类分析单元,用于根据所述聚类向量进行聚类分析,得到聚类对象的区域地质灾害易发性等级。
7.如权利要求6所述地质灾害易发性判定装置,其特征在于,所述白化数获取单元,在获取统计的区域地质灾害历史信息后,进一步用于根据获取统计的区域地质灾害历史信息确定地质灾害易发性评价指标;对地质灾害易发性评价指标采用无量纲化方法进行指标定量化,得到白化数;所述地质灾害易发性评价指标包括:地形地貌中的相对高差、地形地貌中的坡度、地形地貌中的斜坡类型、地层岩性中的岩性组成、地层岩性中的岩性产状、地层结构中的地质构造、地层结构中的节理裂隙、地层结构中的层理状况、水文条件中的降雨密度、水文条件中的地下水运动、人类工程活动中的交通道路、人类工程活动中的植被覆盖率、人类工程活动中的水电工程、人类工程活动中的矿业活动、历史活动程度中的崩塌发生密度、历史活动程度中的泥石流发生密度、历史活动程度中的滑坡发生密度;所述无量纲化方法包括:极值化方法和标准化方法。
8.如权利要求6所述地质灾害易发性判定装置,其特征在于,所述区域地质灾害易发性等级包括:极易发、较易发、易发、不易发、稳定;所述预设的灰色白化权函数包括:典型白化权函数、下限测度白化权函数、适中测度白化权函数和上限测度白化权函数;
所述聚类向量获取单元,进一步用于利用所述白化权函数值和所述标准聚类权的相乘之和,得到聚类向量。
9.如权利要求6所述地质灾害易发性判定装置,其特征在于,所述地质灾害易发性判定装置还包括:
链式机理修正单元,在所述聚类分析单元根据所述聚类向量进行聚类分析时,用于采用地质灾害链式机理修正,以得到聚类对象的区域地质灾害易发性等级;所述地质灾害链式机理采用如下4种链式类型:滑坡——崩塌——泥石流——崩塌流灾链;崩塌——滑坡——泥石流——崩塌流灾链;泥石流——崩塌——滑坡——崩塌流灾链;泥石流——滑坡——崩塌——崩塌流灾链。
10.如权利要求6所述地质灾害易发性判定装置,其特征在于,
所述聚类分析单元,进一步用于根据所述聚类向量进行聚类分析,得到聚类值最大的元素所在的等级,即聚类对象的区域地质灾害易发性等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310509417.6A CN104021267B (zh) | 2013-10-25 | 2013-10-25 | 一种地质灾害易发性判定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310509417.6A CN104021267B (zh) | 2013-10-25 | 2013-10-25 | 一种地质灾害易发性判定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104021267A true CN104021267A (zh) | 2014-09-03 |
CN104021267B CN104021267B (zh) | 2017-07-11 |
Family
ID=51438019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310509417.6A Active CN104021267B (zh) | 2013-10-25 | 2013-10-25 | 一种地质灾害易发性判定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104021267B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
CN106683349A (zh) * | 2017-02-23 | 2017-05-17 | 深圳凯达通光电科技有限公司 | 一种地质灾害综合监测系统 |
CN107240216A (zh) * | 2017-08-08 | 2017-10-10 | 成都宗升智能科技有限公司 | 基于3dgis+bim技术和人工智能运维应急报警与快速响应方法 |
CN107507396A (zh) * | 2017-08-09 | 2017-12-22 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种降雨型滑坡危险性三维多点位多指标的预警方法 |
CN107943880A (zh) * | 2017-11-15 | 2018-04-20 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
CN108734392A (zh) * | 2018-05-14 | 2018-11-02 | 中国路桥工程有限责任公司 | 一种评价地质灾害影响程度的灰色关联分析方法 |
CN109406755A (zh) * | 2018-10-30 | 2019-03-01 | 四川安信科创科技有限公司 | 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 |
CN109542989A (zh) * | 2018-10-22 | 2019-03-29 | 浙江仁欣环科院有限责任公司 | 一种基于gis和灰色聚类法的声环境功能区划定方法 |
CN110189018A (zh) * | 2019-05-28 | 2019-08-30 | 中国科学院地理科学与资源研究所 | 边坡稳定性评测方法及装置 |
CN110223490A (zh) * | 2019-05-28 | 2019-09-10 | 成都理工大学 | 一种基于预警等级判断岩质斜坡稳定性的方法 |
CN110633858A (zh) * | 2019-09-18 | 2019-12-31 | 国网湖南省电力有限公司 | 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 |
CN110796310A (zh) * | 2019-10-30 | 2020-02-14 | 黄淮学院 | 一种区域性地质灾害的易发性预测方法和系统 |
CN110929939A (zh) * | 2019-11-26 | 2020-03-27 | 电子科技大学 | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 |
CN111243221A (zh) * | 2020-01-13 | 2020-06-05 | 西南交通大学 | 一种基于监测的自然灾害监测预警方法 |
CN113240888A (zh) * | 2021-07-13 | 2021-08-10 | 湖南华诺星空电子技术有限公司 | 一种多台落石预警雷达分区组网协同监测系统及方法 |
CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN113888384A (zh) * | 2021-10-20 | 2022-01-04 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN114186780A (zh) * | 2021-11-04 | 2022-03-15 | 河海大学 | 一种基于机器学习的山洪灾害区划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200929046A (en) * | 2007-12-18 | 2009-07-01 | Univ Nat Taiwan Science Tech | Grey clustering refiner for future transaction |
CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
-
2013
- 2013-10-25 CN CN201310509417.6A patent/CN104021267B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200929046A (en) * | 2007-12-18 | 2009-07-01 | Univ Nat Taiwan Science Tech | Grey clustering refiner for future transaction |
CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
Non-Patent Citations (3)
Title |
---|
冯玉涛 等: "崩滑流地质灾害链式机理及其优化防治", 《灾害学》 * |
刘琳: "临潼区地质灾害危险性分区与评价", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
王沙燚: "灾害系统与灾变动力学研究方法探索", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
CN106296475B (zh) * | 2016-07-29 | 2019-06-14 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
CN106683349A (zh) * | 2017-02-23 | 2017-05-17 | 深圳凯达通光电科技有限公司 | 一种地质灾害综合监测系统 |
CN107240216A (zh) * | 2017-08-08 | 2017-10-10 | 成都宗升智能科技有限公司 | 基于3dgis+bim技术和人工智能运维应急报警与快速响应方法 |
CN107507396A (zh) * | 2017-08-09 | 2017-12-22 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种降雨型滑坡危险性三维多点位多指标的预警方法 |
CN107943880A (zh) * | 2017-11-15 | 2018-04-20 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
CN107943880B (zh) * | 2017-11-15 | 2022-04-01 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
CN108734392A (zh) * | 2018-05-14 | 2018-11-02 | 中国路桥工程有限责任公司 | 一种评价地质灾害影响程度的灰色关联分析方法 |
CN109542989A (zh) * | 2018-10-22 | 2019-03-29 | 浙江仁欣环科院有限责任公司 | 一种基于gis和灰色聚类法的声环境功能区划定方法 |
CN109406755B (zh) * | 2018-10-30 | 2020-08-18 | 四川安信科创科技有限公司 | 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 |
CN109406755A (zh) * | 2018-10-30 | 2019-03-01 | 四川安信科创科技有限公司 | 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 |
CN110189018A (zh) * | 2019-05-28 | 2019-08-30 | 中国科学院地理科学与资源研究所 | 边坡稳定性评测方法及装置 |
CN110223490A (zh) * | 2019-05-28 | 2019-09-10 | 成都理工大学 | 一种基于预警等级判断岩质斜坡稳定性的方法 |
CN110633858A (zh) * | 2019-09-18 | 2019-12-31 | 国网湖南省电力有限公司 | 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 |
CN110796310A (zh) * | 2019-10-30 | 2020-02-14 | 黄淮学院 | 一种区域性地质灾害的易发性预测方法和系统 |
CN110929939A (zh) * | 2019-11-26 | 2020-03-27 | 电子科技大学 | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 |
CN110929939B (zh) * | 2019-11-26 | 2023-04-07 | 电子科技大学 | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 |
CN111243221A (zh) * | 2020-01-13 | 2020-06-05 | 西南交通大学 | 一种基于监测的自然灾害监测预警方法 |
CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN113240888A (zh) * | 2021-07-13 | 2021-08-10 | 湖南华诺星空电子技术有限公司 | 一种多台落石预警雷达分区组网协同监测系统及方法 |
CN113888384A (zh) * | 2021-10-20 | 2022-01-04 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN113888384B (zh) * | 2021-10-20 | 2023-06-27 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN114186780A (zh) * | 2021-11-04 | 2022-03-15 | 河海大学 | 一种基于机器学习的山洪灾害区划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104021267B (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104021267A (zh) | 一种地质灾害易发性判定方法和装置 | |
Elbaz et al. | Prediction model of shield performance during tunneling via incorporating improved particle swarm optimization into ANFIS | |
Zhou et al. | An interpretable model for the susceptibility of rainfall-induced shallow landslides based on SHAP and XGBoost | |
Deierlein et al. | A cloud-enabled application framework for simulating regional-scale impacts of natural hazards on the built environment | |
Häring et al. | Spatial disaggregation of complex soil map units: a decision-tree based approach in Bavarian forest soils | |
KR100982448B1 (ko) | 지공간 상관관계 통합기법을 이용한 지반침하 발생 예측시스템 및 이를 이용한 지반침하 발생 예측방법 | |
Tshimanga | Hydrological uncertainty analysis and scenario-based streamflow modelling for the Congo River Basin | |
Kıncal et al. | Landslide susceptibility assessment in the Izmir (West Anatolia, Turkey) city center and its near vicinity by the logistic regression method | |
Alqadhi et al. | Selecting optimal conditioning parameters for landslide susceptibility: an experimental research on Aqabat Al-Sulbat, Saudi Arabia | |
Suh et al. | Subsidence hazard assessment at the Samcheok coalfield, South Korea: a case study using GIS | |
Fang et al. | Application of long short-term memory (LSTM) on the prediction of rainfall-runoff in karst area | |
Basak et al. | An integrated approach for delineating and characterizing groundwater depletion hotspots in a coastal state of India | |
Li et al. | Long‐term coevolution of an urban human‐water system under climate change: Critical role of human adaptive actions | |
Kapangaziwiri | Regional application of the Pitman monthly rainfall-runoff model in southern Africa incorporating uncertainty | |
Zhao et al. | Comparative performance assessment of landslide susceptibility models with presence-only, presence-absence, and pseudo-absence data | |
Ma et al. | Landslide susceptibility assessment using the certainty factor and deep neural network | |
CN110362867B (zh) | 基于多元影响因子的地面沉降分区方法 | |
Wang et al. | Probabilistic modeling of the rainfall severity and height for locating the surface artificial recharge structure | |
Nasiri et al. | Implementation of agricultural ecological capability model using integrated approach of PROMETHEE II and fuzzy-AHP in GIS environment (Case Study: Marvdasht county) | |
Wang et al. | Prediction of landslide susceptibility in Wenchuan County based on pixel-level samples | |
Chou et al. | Integrating the geographic information system and predictive data mining techniques to model effects of compound disasters in Taipei | |
Li et al. | Risk assessment of debris flow in huyugou river basin based on machine learning and mass flow | |
Ye et al. | Study on Dynamic Stability Prediction Model of Slope in Eastern Tibet Section of Sichuan‐Tibet Highway | |
Yin et al. | Tropical cyclone-induced wave hazard assessment in Hainan Island, China | |
Nguyen et al. | Optimal Position Proposal for Construction of Municipal Solid Waste Landfill Using an Approach of Fuzzy Set Theory and AHP in a GIS Environment: A Case Study in Hoai Duc District, Hanoi City, Vietnam. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |