CN104331744A - 一种泥石流危险度评价方法 - Google Patents
一种泥石流危险度评价方法 Download PDFInfo
- Publication number
- CN104331744A CN104331744A CN201410553733.8A CN201410553733A CN104331744A CN 104331744 A CN104331744 A CN 104331744A CN 201410553733 A CN201410553733 A CN 201410553733A CN 104331744 A CN104331744 A CN 104331744A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- information entropy
- sub
- information
- entropy
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Abstract
本发明公开了一种泥石流危险度评价方法,该方法首先确定与泥石流三要素相关的特征参数;建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值;建立泥石流信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出泥石流信息熵值;根据信息熵理论与泥石流是否发生的关系,定义泥石流危险度等级标准,进而对研究对象进行危险度评价。本发明提出了一个泥石流概率模型,该模型能综合反映泥石流三要素在泥石流孕育过程中相互作用机制,能够表征泥石流复杂的非线性过程和动态过程,能对研究对象(单沟/区域泥石流)的危险度进行预测。
Description
技术领域
本发明属于地质灾害评价领域,尤其涉及一种泥石流危险度评价方法。
背景技术
泥石流是山区常见的一种地质灾害。泥石流爆发突然、来势凶猛、历时短暂,具有强大的破坏力和冲击力,常常淤埋房屋、耕地、公路及堵塞河道等,给人类的生命财产造成严重的危害。因此,泥石流危险度评价方法的研究也变得尤为重要。
泥石流是否发生、规模大小与地形、固体物源、水动力三大要件密不可分。目前,国内外对泥石流危险度的研究方法,均选取与三大要件相关的各种因子,通过专家打分或者数学处理获取其权重,将各个因子与其权重的乘积进行代数求和,作为泥石流危险度的表达式。事实上,泥石流是否发生是一个概率问题,这种以相关因子及其权重乘积的代数和表示的泥石流危险度,并不能真正表达泥石流发生的概率大小,而且,不能综合反映三大要件在泥石流孕育过程中相互作用机制及泥石流发生的非线性和动态过程。
因此,亟待研发一个泥石流概率模型,将三大要件在泥石流孕育过程中相互作用机制和综合作用的结果进行定量化,并表征泥石流发生的非线性和动态过程,进行合理、有效的泥石流的危险度评价。
发明内容
本发明的目的在于提供一种泥石流危险度评价方法,旨在解决现有的泥石流危险度的评价方法均选取与三大要件相关的各种因子,通过专家打分或者数学处理获取其权重,将各个因子与其权重的乘积进行代数求和,作为泥石流危险度的表达式,不能真正表达泥石流发生的概率大小,不能综合反映三 大要件在泥石流孕育过程中相互作用机制及泥石流发生的非线性和动态过程的问题。
本发明是这样实现的,一种泥石流危险度评价方法包括:
步骤一、通过野外调查及收集资料确定与泥石流三要素相关的特征参数;
步骤二、建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
步骤三、建立泥石流信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出泥石流信息熵值;
步骤四、根据信息熵理论与泥石流是否发生的关系,定义泥石流危险度等级标准,进而对研究对象进行危险度评价。
进一步,确定泥石流三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量,单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
进一步,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
进一步,建立泥石流信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立泥石流信息熵模型,其模型的数学表达式:
式中,H(X)—泥石流信息熵;
X=(x1,x2,x3)—泥石流信息熵因子集(x1为地形子信息熵,x2为固体 物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
进一步,对泥石流信息熵值进行归一化处理,归一化公式:
根据泥石流信息熵和泥石流危险度的关系,基于泥石流信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
效果汇总
与现有方法相比,本发明的有益效果如下:
本发明提出了一个泥石流概率模型,该模型能综合反映泥石流三要素在泥石流孕育过程中相互作用机制,能够表征泥石流复杂的非线性过程和动态过程,能对研究对象(单沟/区域泥石流)的危险度进行预测。随着大数据、云计算、物联网等技术的发展和成熟,本发明将成为泥石流学科大数据研究的重要方面。
附图说明
图1是本发明实施例提供的泥石流危险度评价方法流程图;
图2是本发明实施例提供的泥石流信息熵模型的框架图;
图3是本发明实施例提供的沟谷流域地形图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明的泥石流危险度评价方法流程,如图所示,本发明是这样实现的,一种泥石流危险度评价方法包括:
S101、通过野外调查及收集资料确定与泥石流三要素相关的特征参数;
S102、建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
S103、建立泥石流信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出泥石流信息熵值;
S104、根据信息熵理论与泥石流是否发生的关系,定义泥石流危险度等级标准,进而对研究对象进行危险度评价。
进一步,确定泥石流三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量,单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
进一步,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
由于系统中各因素的量纲不一定相同,而且有时数值的数量级相差悬殊,这样的数据很难直接进行比较。因此,对原始数据需要作归一化处理。
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
进一步,建立泥石流信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立泥石流信息熵模型,其模型的数学表达式:
式中,H(X)—泥石流信息熵;
X=(x1,x2,x3)—泥石流信息熵因子集(x1为地形子信息熵,x2为固体物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
泥石流信息熵模型的框架图,如附图2所示。
进一步,对泥石流信息熵值进行归一化处理,归一化公式:
根据泥石流信息熵和泥石流危险度的关系,基于泥石流信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
根据信息熵理论,泥石流信息熵的值越小,说明泥石流发生的可能性越大,影响泥石流发生的三大要件间相互联系越紧密,沟谷就越危险;反之,泥石流信息熵值越大,说明泥石流发生的可能性越小,影响泥石流发生的三大要件间相互联系不紧密,沟谷危险度降低。由于泥石流信息熵值取值范围 为了方便进行危险度等级划分,从而对泥石流信息熵值进行归一化处理,归一化公式:
因此,根据泥石流信息熵和泥石流危险度的关系,本发明提出了基于泥石流信息熵模型的危险度等级标准,如表1所示:
表1
Hc | 泥石流危险度 |
0.8≤Hc≤1 | 极低危险 |
0.6≤Hc<0.8 | 低度危险 |
0.4≤Hc<0.6 | 中度危险 |
0.2≤Hc<0.4 | 高度危险 |
0≤Hc<0.2 | 极高危险 |
深溪沟流域是岷江一级支流白沙河的支流,流域面积8.17km2,主沟长约4400m,平均坡降137‰,流域最低高程870m,最大高程2141m,相对高差达1271m。深溪沟地处龙门山准地槽南缘山前褶皱带,位于龙门山脉中南段,处在映秀断裂和二王庙断裂带之间,“5.12”汶川地震中,其地震烈度达到了XI度,区内地表破裂的最大垂直和水平位错分别为5.1m和2.0m。由于强烈的主震和频繁的余震使得区内山体破碎,形成大量的崩塌、滑坡,大量的松散固体物质堆积于沟道和坡面,山洪、泥石流等次生山地灾害频繁发生,如表2。
表2
本发明以ArcGIS9.3为平台,利用水文分析模块(Hydrology)自动进行研究区的子流域提取,所用到的数据有研究区10m分辨率的数字高程模型(DEM)和1:1万的地形图,最终将研究区域划分为41条沟谷流域,并依次进行编号,如附图3所示。
本发明结合深溪沟流域实际地形条件,通过ArcGIS软件提取平均坡度、主沟长度和流域面积三个因子组成深溪沟流域的地形因子集;通过对深溪沟41条子流域的野外考察、测绘和计算提取固体物源总量和单位面积固体物源量这两个因子组成深溪沟流域的固体物源因子集;通过查询《四川省中小流域暴雨洪水计算手册》,将深溪沟地理位置图与最大10分钟暴雨量均值H1/6、年最大1小时暴雨量均值H1和年最大24小时/日暴雨量均值H24等值线图在ArcGIS9.3中进行配准,然后插值计算得到H1/6、H1、H24组成水动力因子集。根据地形子信息熵、固体物源子信息熵和水动力子信息熵的定义,计算各个子信息熵的值,结果如表3所示。
表3
应用泥石流信息熵模型,将地形子信息熵、固体物源子信息熵和水动力子信息熵作为输入因子输入到BP神经网络程序中,计算泥石流信息熵值,按照危险度等级标准对该流域进行危险度评价,结果见表4。
表4
沟谷编号 | Hc | 危险度等级 |
0 | 0.050163 | 极高危险 |
1 | 0.141344 | 极高危险 |
2 | 0.132823 | 极高危险 |
3 | 0.264536 | 高度危险 |
4 | 0.039323 | 极高危险 |
5 | 0.310143 | 高度危险 |
6 | 0.133024 | 极高危险 |
7 | 0.038987 | 极高危险 |
8 | 0.174264 | 极高危险 |
9 | 0.204629 | 高度危险 |
10 | 0.111205 | 极高危险 |
11 | 0.142397 | 极高危险 |
12 | 0.122356 | 极高危险 |
13 | 0.160588 | 极高危险 |
14 | 0.231294 | 高度危险 |
15 | 0.16101 | 极高危险 |
16 | 0.124274 | 极高危险 |
17 | 0.177892 | 极高危险 |
18 | 0.094752 | 极高危险 |
19 | 0.120953 | 极高危险 |
20 | 0.09625 | 极高危险 |
21 | 0.102251 | 极高危险 |
22 | 0.104123 | 极高危险 |
23 | 0.152728 | 极高危险 |
24 | 0.307307 | 高度危险 |
25 | 0.197506 | 极高危险 |
26 | 0.216517 | 高度危险 |
27 | 0.199824 | 极高危险 |
28 | 0.316542 | 高度危险 |
29 | 0.104544 | 极高危险 |
30 | 0.118655 | 极高危险 |
31 | 0.131101 | 极高危险 |
32 | 0.116433 | 极高危险 |
33 | 0.112718 | 极高危险 |
34 | 0.133772 | 极高危险 |
35 | 0.184973 | 极高危险 |
36 | 0.145548 | 极高危险 |
37 | 0.112209 | 极高危险 |
38 | 0.138154 | 极高危险 |
39 | 0.25628 | 高度危险 |
40 | 0.194381 | 极高危险 |
其中,0号子流域为武显庙沟,地震之前没有泥石流灾害记录。其上游大虹口、冲天坡等由于地震作用发生了崩塌和滑坡,大量的松散固体物质堆积于坡面和沟道,摧毁了大片厚朴经济林,曾经堵断其主沟。2010年8月和 2012年8月的雨季,均暴发了大规模的泥石流,摧毁农田、道路、房屋、厚朴经济林等,严重影响地震遗址公园的安全,因此,该泥石流沟为极高危险。
2号子流域锅圈岩沟,在地震中发生了滑坡,形成了大量的松散固体物质(20万m3以上),由震前的一般山洪沟突变为高频泥石流沟,震后每年该沟均会爆发泥石流,给沟口居民的生产生活、道路、大桥等带来了严重的影响,因此,该泥石流沟也属于极高危险。
应用本发明的方法,计算出的0号和2号子流域均为极高危险,而应用前人的地貌信息熵法和确定性系数法计算的结果分别为中度危险、高度危险和中度危险、中度危险,这表明本发明的方法与实际更加吻合,结果可信。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性的劳动即可做出的各种修改或变形仍在本发明的保护范围之内。
Claims (5)
1.一种泥石流危险度评价方法,其特征在于,所述的泥石流危险度评价方法包括:
步骤一、通过野外调查及收集资料确定与泥石流三要素相关的特征参数;
步骤二、建立三要素的综合信息评价系统,获得三要素初始信息评价矩阵,通过矩阵运算和熵权法,计算得到三要素的信息熵值包括地形子信息熵、固体物源子信息熵、水动力子信息熵;
步骤三、建立泥石流信息熵模型,将三个子信息熵值作为输入因子,通过BP神经网络作用,输出泥石流信息熵值;
步骤四、根据信息熵理论与泥石流是否发生的关系,定义泥石流危险度等级标准,进而对研究对象进行危险度评价。
2.如权利要求1所述的泥石流危险度评价方法,其特征在于,确定泥石流三要素的特征参数的具体方法为:
地形因子集={相对高差,主沟长度,沟床比降,沟坡坡度,坡向,集水区面积,沟谷形态,…,主沟弯曲系数},一般情况下,这些因子是基于流域数字地形DEM数据通过ArcGIS提取而来;
固体物源因子集={地震烈度,岩体的完整性系数,软弱系数,固体物源总量,单位面积的物源量,固体物源补给段长度比,物源的物理力学特征参数,…,松散物质颗粒级配},一般这些因子通过区域地质资料、现场调查和勘察、室内外实验等手段获取;
水动力因子集={降雨量,前期有效降雨量,地表径流大小,年最大10分钟暴雨量均值,年最大1小时暴雨量均值,…,年最大24小时暴雨量均值},一般这些因子可通过现场观测、雨量站、水文手册等方式获取。
3.如权利要求1所述的泥石流危险度评价方法,其特征在于,计算三要素的子信息熵值的具体方法为:
首先,建立研究对象与地形指标因子间的综合信息评价体系,评价体系是由n个研究对象m个指标构成的系统,从而得到初始信息评价矩阵:
其中,i=1,2,…,n;j=1,2,…,m;
对A'中各指标归一化处理:
归一化的指标:
其中,i=1,2,…,n;j=1,2,…,m;
—矩阵A'中第j列的最小值;
—矩阵A'中第j列的最大值;
aij—规范性信息矩阵中对应于第i行j列的元素,规范性信息矩阵A可表示为:
其中,i=1,2,…,n;j=1,2,…,m。
然后,根据规范性信息矩阵,确定第i个研究对象下第j项指标的指标值的比重:
其中,i=1,2,…,n;j=1,2,…,m。
最后,由熵权法计算第i个研究对象的熵值
其中,Ti—定义为第i个研究对象的地形子信息熵;
pij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
同理,可求得固体物源子信息熵和水动力子信息熵,即:
其中Si—定义为第i个研究对象的固体物源子信息熵;
Ri—定义为第i个研究对象的水动力子信息熵;
qij—第i个研究对象下第j项指标的比重;
mij—第i个研究对象下第j项指标的比重;
i=1,2,…,n;j=1,2,…,m。
4.如权利要求1所述的泥石流危险度评价方法,其特征在于,建立泥石流信息熵模型的具体方法为:
将信息熵原理与BP神经网络算法相融合,建立泥石流信息熵模型,其模型的数学表达式:
式中,H(X)—泥石流信息熵;
X=(x1,x2,x3)—泥石流信息熵因子集(x1为地形子信息熵,x2为固体物源子信息熵,x3为水动力子信息熵);
p(xi)—因子集X=(x1,x2,x3)中xi因子的比重,且满足和
5.如权利要求1所述的泥石流危险度评价方法,其特征在于,对泥石流信息熵值进行归一化处理,归一化公式:
根据泥石流信息熵和泥石流危险度的关系,基于泥石流信息熵模型的危险度等级标准分为:
0.8≤Hc≤1,极低危险;
0.6≤Hc<0.8,低度危险;
0.4≤Hc<0.6,中度危险;
0.2≤Hc<0.4,高度危险;
0≤Hc<0.2,极高危险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410553733.8A CN104331744A (zh) | 2014-10-17 | 2014-10-17 | 一种泥石流危险度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410553733.8A CN104331744A (zh) | 2014-10-17 | 2014-10-17 | 一种泥石流危险度评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104331744A true CN104331744A (zh) | 2015-02-04 |
Family
ID=52406465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410553733.8A Pending CN104331744A (zh) | 2014-10-17 | 2014-10-17 | 一种泥石流危险度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331744A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128035A (zh) * | 2016-06-30 | 2016-11-16 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106645651A (zh) * | 2017-02-20 | 2017-05-10 | 长沙市玖车测控技术有限公司 | 水土流失监测与预警系统 |
CN107273886A (zh) * | 2017-07-06 | 2017-10-20 | 湖北泰拓物联科技有限公司 | 一种基于云计算的食品数据分析方法 |
CN107633322A (zh) * | 2017-08-22 | 2018-01-26 | 兰州职业技术学院 | 一种智能食用菌培养基灭菌控制系统及控制方法 |
CN107646642A (zh) * | 2017-10-13 | 2018-02-02 | 江苏科沃纺织有限公司 | 一种地埋伸缩式喷滴灌装置的故障判断系统 |
CN107799162A (zh) * | 2017-11-20 | 2018-03-13 | 张新红 | 一种医院急诊科病人电子登记统计系统 |
CN107796712A (zh) * | 2017-09-28 | 2018-03-13 | 山东交通学院 | 一种沥青混合料抗剪切强度现场检测系统及检测方法 |
CN107993039A (zh) * | 2017-11-30 | 2018-05-04 | 重庆第二师范学院 | 一种基于物联网的危化品在途监控与事故应急救援方法 |
CN108281177A (zh) * | 2017-11-20 | 2018-07-13 | 刘性祥 | 一种物联网重症监护系统 |
CN108446525A (zh) * | 2018-05-16 | 2018-08-24 | 四川大学 | 山区流域山洪泥沙灾害易灾区识别方法 |
CN108742737A (zh) * | 2018-06-12 | 2018-11-06 | 南通市第人民医院 | 一种腰椎三向微创牵开器 |
CN108847000A (zh) * | 2018-08-03 | 2018-11-20 | 青海大学 | 一种滑坡地质灾害预警推送方法 |
CN108960680A (zh) * | 2018-07-27 | 2018-12-07 | 中国地质科学院探矿工艺研究所 | 一种泥石流松散物源活跃性判定方法 |
CN109389680A (zh) * | 2018-10-28 | 2019-02-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流流域关键地形因子特征筛选方法 |
CN109447415A (zh) * | 2018-09-29 | 2019-03-08 | 成都理工大学 | 一种强震后泥石流危险性划分方法及其应用 |
CN109886456A (zh) * | 2019-01-14 | 2019-06-14 | 西安工程大学 | 基于pca与混合核函数lssvr的泥石流预测方法 |
CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
CN110488676A (zh) * | 2019-07-19 | 2019-11-22 | 刘训祥 | 一种中医推拿手法力度数据化控制系统及方法 |
CN110580573A (zh) * | 2019-08-22 | 2019-12-17 | 广州地理研究所 | 一种基于地形子系统的泥石流危险性评估方法及装置 |
CN110599001A (zh) * | 2019-08-22 | 2019-12-20 | 广州地理研究所 | 一种泥石流流域系统的泥石流危险性评估方法及装置 |
CN110599002A (zh) * | 2019-08-22 | 2019-12-20 | 广州地理研究所 | 一种基于水动力子系统的泥石流危险性评估方法及装置 |
CN110610302A (zh) * | 2019-08-22 | 2019-12-24 | 广州地理研究所 | 一种基于固体物源子系统的泥石流危险性评估方法及装置 |
CN111241690A (zh) * | 2020-01-16 | 2020-06-05 | 广州地理研究所 | 一种泥石流沟的判识方法及装置 |
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN111341073A (zh) * | 2020-03-02 | 2020-06-26 | 南昌工程学院 | 一种泥石流风险评价及预警系统 |
CN113379122A (zh) * | 2021-06-09 | 2021-09-10 | 辽宁工程技术大学 | 一种基于概率神经网络模型的泥石流沟堵塞程度预测方法 |
CN116153029A (zh) * | 2023-03-29 | 2023-05-23 | 广东省科学院广州地理研究所 | 一种基于物源信息熵和降雨量的泥石流预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007316753A (ja) * | 2006-05-23 | 2007-12-06 | Toshiba Corp | リスク評価装置及びプログラム |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
-
2014
- 2014-10-17 CN CN201410553733.8A patent/CN104331744A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007316753A (ja) * | 2006-05-23 | 2007-12-06 | Toshiba Corp | リスク評価装置及びプログラム |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
Non-Patent Citations (2)
Title |
---|
曾蓉 等: "基于熵权的模糊综合评价法在公路洪灾风险评价中的应用", 《地质灾害与环境保护》 * |
李伟 等: "基于熵权法和BP 神经网络的火电厂安全性评价研究", 《全国第十届企业信息化与工业工程学术年会论文集》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128035B (zh) * | 2016-06-30 | 2018-10-02 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106128035A (zh) * | 2016-06-30 | 2016-11-16 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106645651A (zh) * | 2017-02-20 | 2017-05-10 | 长沙市玖车测控技术有限公司 | 水土流失监测与预警系统 |
CN107273886A (zh) * | 2017-07-06 | 2017-10-20 | 湖北泰拓物联科技有限公司 | 一种基于云计算的食品数据分析方法 |
CN107633322A (zh) * | 2017-08-22 | 2018-01-26 | 兰州职业技术学院 | 一种智能食用菌培养基灭菌控制系统及控制方法 |
CN107796712A (zh) * | 2017-09-28 | 2018-03-13 | 山东交通学院 | 一种沥青混合料抗剪切强度现场检测系统及检测方法 |
CN107646642A (zh) * | 2017-10-13 | 2018-02-02 | 江苏科沃纺织有限公司 | 一种地埋伸缩式喷滴灌装置的故障判断系统 |
CN107799162A (zh) * | 2017-11-20 | 2018-03-13 | 张新红 | 一种医院急诊科病人电子登记统计系统 |
CN108281177A (zh) * | 2017-11-20 | 2018-07-13 | 刘性祥 | 一种物联网重症监护系统 |
CN107993039A (zh) * | 2017-11-30 | 2018-05-04 | 重庆第二师范学院 | 一种基于物联网的危化品在途监控与事故应急救援方法 |
CN108446525B (zh) * | 2018-05-16 | 2020-01-21 | 四川大学 | 山区流域山洪泥沙灾害易灾区识别方法 |
CN108446525A (zh) * | 2018-05-16 | 2018-08-24 | 四川大学 | 山区流域山洪泥沙灾害易灾区识别方法 |
CN108742737A (zh) * | 2018-06-12 | 2018-11-06 | 南通市第人民医院 | 一种腰椎三向微创牵开器 |
CN108960680A (zh) * | 2018-07-27 | 2018-12-07 | 中国地质科学院探矿工艺研究所 | 一种泥石流松散物源活跃性判定方法 |
CN108960680B (zh) * | 2018-07-27 | 2021-09-14 | 中国地质科学院探矿工艺研究所 | 一种泥石流松散物源活跃性判定方法 |
CN108847000A (zh) * | 2018-08-03 | 2018-11-20 | 青海大学 | 一种滑坡地质灾害预警推送方法 |
CN109447415A (zh) * | 2018-09-29 | 2019-03-08 | 成都理工大学 | 一种强震后泥石流危险性划分方法及其应用 |
CN109447415B (zh) * | 2018-09-29 | 2021-11-19 | 成都理工大学 | 一种强震后泥石流危险性划分方法及其应用 |
CN109389680A (zh) * | 2018-10-28 | 2019-02-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流流域关键地形因子特征筛选方法 |
CN109389680B (zh) * | 2018-10-28 | 2022-06-07 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流流域关键地形因子特征筛选方法 |
CN109886456A (zh) * | 2019-01-14 | 2019-06-14 | 西安工程大学 | 基于pca与混合核函数lssvr的泥石流预测方法 |
CN110334482B (zh) * | 2019-05-25 | 2022-09-13 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
CN110488676A (zh) * | 2019-07-19 | 2019-11-22 | 刘训祥 | 一种中医推拿手法力度数据化控制系统及方法 |
CN110610302A (zh) * | 2019-08-22 | 2019-12-24 | 广州地理研究所 | 一种基于固体物源子系统的泥石流危险性评估方法及装置 |
CN110580573A (zh) * | 2019-08-22 | 2019-12-17 | 广州地理研究所 | 一种基于地形子系统的泥石流危险性评估方法及装置 |
CN110599001A (zh) * | 2019-08-22 | 2019-12-20 | 广州地理研究所 | 一种泥石流流域系统的泥石流危险性评估方法及装置 |
CN110599002A (zh) * | 2019-08-22 | 2019-12-20 | 广州地理研究所 | 一种基于水动力子系统的泥石流危险性评估方法及装置 |
CN110580573B (zh) * | 2019-08-22 | 2021-04-30 | 广东省科学院广州地理研究所 | 一种基于地形子系统的泥石流危险性评估方法及装置 |
CN110599001B (zh) * | 2019-08-22 | 2021-04-30 | 广东省科学院广州地理研究所 | 一种泥石流流域系统的泥石流危险性评估方法及装置 |
CN111311879B (zh) * | 2020-01-16 | 2021-04-20 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN111241690A (zh) * | 2020-01-16 | 2020-06-05 | 广州地理研究所 | 一种泥石流沟的判识方法及装置 |
CN111241690B (zh) * | 2020-01-16 | 2022-08-12 | 广东省科学院广州地理研究所 | 一种泥石流沟的判识方法及装置 |
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN111341073A (zh) * | 2020-03-02 | 2020-06-26 | 南昌工程学院 | 一种泥石流风险评价及预警系统 |
CN113379122A (zh) * | 2021-06-09 | 2021-09-10 | 辽宁工程技术大学 | 一种基于概率神经网络模型的泥石流沟堵塞程度预测方法 |
CN113379122B (zh) * | 2021-06-09 | 2024-04-23 | 辽宁工程技术大学 | 一种基于概率神经网络模型的泥石流沟堵塞程度预测方法 |
CN116153029A (zh) * | 2023-03-29 | 2023-05-23 | 广东省科学院广州地理研究所 | 一种基于物源信息熵和降雨量的泥石流预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331744A (zh) | 一种泥石流危险度评价方法 | |
Fenta et al. | Dynamics of soil erosion as influenced by watershed management practices: a case study of the Agula watershed in the semi-arid highlands of northern Ethiopia | |
Kalyanapu et al. | Effect of land use-based surface roughness on hydrologic model output. | |
Listo et al. | Mapping of risk and susceptibility of shallow-landslide in the city of São Paulo, Brazil | |
Cheng et al. | Flood risk zoning by using 2D hydrodynamic modeling: A case study in Jinan City | |
Gao et al. | Identification and estimation of landslide-debris flow disaster risk in primary and middle school campuses in a mountainous area of Southwest China | |
Samarasinghea et al. | Application of remote sensing and GIS for flood risk analysis: a case study at Kalu-Ganga River, Sri Lanka | |
Smith et al. | Exploring storage and runoff generation processes for urban flooding through a physically based watershed model | |
Modrick et al. | Regional bankfull geometry relationships for southern California mountain streams and hydrologic applications | |
Young et al. | How can scenarios on flood disaster risk support urban response? A case study in Campinas Metropolitan Area (São Paulo, Brazil) | |
Myronidis et al. | Post-Evaluation of flood hazards induced by former artificial interventions along a coastal Mediterranean settlement | |
Farid et al. | Flood hazard mapping of Palembang City by using 2D model | |
Mori et al. | Landslide disasters in Ehime Prefecture resulting from the July 2018 heavy rain event in Japan | |
Barnes et al. | Impacts of development pattern on urban groundwater flow regime | |
Poddar et al. | Application of GIS-based data-driven bivariate statistical models for landslide prediction: a case study of highly affected landslide prone areas of Teesta River basin | |
Breaker et al. | Characterization of peak streamflows and flood inundation of selected areas in Louisiana, Texas, Arkansas, and Mississippi from flood of March 2016 | |
Kusratmoko et al. | Spatial modelling of flood inundation case study of Pesangggrahan floodplain, Jakarta, Indonesia | |
CN111311879B (zh) | 一种泥石流的预警方法及装置 | |
Mazer et al. | Integrated hydrologic and hydraulic analysis of torrential flood hazard in Arequipa, Peru | |
Warlina et al. | Flood susceptibility and spatial analysis of pangkalpinang city, bangka belitung, indonesia | |
Chidi et al. | Flood risk mapping and analysis: A case study of Andheri Khola catchment, Sindhuli district, Nepal | |
Hung | Catchment hydrology in the Anthropocene: Impacts of land-use and climate change on stormwater runoff | |
Schilirò et al. | Preliminary insights from hydrological field monitoring for the evaluation of landslide triggering conditions over large areas | |
Pathak | Geohazard assessment along the road alignment using remote sensing and GIS: Case study of Taplejung-Olangchunggola-Nangma road section, Taplejung district, east Nepal | |
Pugh et al. | Mean annual, seasonal, and monthly precipitation and runoff in Arkansas, 1951-2011 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150204 |