CN105243474A - 基于时空信息的尾矿库安全风险评估方法 - Google Patents
基于时空信息的尾矿库安全风险评估方法 Download PDFInfo
- Publication number
- CN105243474A CN105243474A CN201510616582.0A CN201510616582A CN105243474A CN 105243474 A CN105243474 A CN 105243474A CN 201510616582 A CN201510616582 A CN 201510616582A CN 105243474 A CN105243474 A CN 105243474A
- Authority
- CN
- China
- Prior art keywords
- index
- tailings dam
- level
- factors
- layer
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于时空信息的尾矿库安全风险评估方法,包括把要解决的问题分层系列化,根据目标本身的性质和要达到的目标,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,形成一个递阶的,有序的层次结构模型;然后判断模型中每一层因素之间的相对重要性,利用数学方法确定该层全部因素对上一层因素相对重要性的权值;最后从最低层开始通过综合计算,逐层往上,得到最终目标问题的评价结果。该方法从时间信息和空间信息上完整、实时评价尾矿库安全状况并及时预警、警示。
Description
技术领域
本发明涉及一种基于时空信息的对矿山尾矿库进行安全风险评价方法。
背景技术
通过应用无线传感器网络技术和基于人工智能分析方法,对尾矿库重要运行安全数据进行实时采集、传输、存储、计算、智能分析,建立和完善尾矿库风险评估算法库,从时空信息上分析尾矿库风险评估指标判断出尾矿库安全现状及历史状况。改变传统尾矿库评估手段,使之更具有客观性、科学性和及时性。实现尾矿库安全运行的三维虚拟化时空信息随身显示,尾矿库管理部门相关人员可通过移动客户端快速查看尾矿库实时安全状况,及时获得尾矿库溃坝风险预警信息,第一时间对溃坝风险作出快速反应,将灾难扼制于萌芽。
发明内容
本发明所要解决的技术问题是,提供一种能从时间信息和空间信息上完整、实时评价尾矿库安全状况并及时预警、警示的基于时空信息的尾矿库安全风险评估方法。
本发明采用的技术解决方案是:提供一种基于时空信息的尾矿库安全风险评估方法,它包括以下步骤:
首先,把要解决的问题分层系列化,根据目标本身的性质和要达到的目标,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,形成一个递阶的,有序的层次结构模型;然后判断模型中每一层因素之间的相对重要性,利用数学方法确定该层全部因素对上一层因素相对重要性的权值;最后从最低层开始通过综合计算,逐层往上,得到最终目标问题的评价结果。
鉴于尾矿库是一个多变量的复杂系统,通过文献考察,整理分析相关行业规定以及听取专家意见,最终将尾矿库风险评估指标体系建立多级递阶层次结构模型。该模型层次结构分为P,U,R,K四级。P级为目标尾矿库;U级为第二级,选取地下位移,库水位等影响尾矿库安全的六个主要因素;R级分别选取影响地下位移和地下倾斜角的三个不同空间位置的因素;K级为第四级,将代表不同空间位置的传感器作为第三级因素,增加了空间信息对尾矿库的影响。
其中,模糊函数函数取代专家打分部分如下所示:
X(k)定义为k时刻传感器采集的数据,S(k)为k时刻指标综合评价分值,P为尾矿库,a=X(min),b=X(max),
本发明所取得的有益效果是,该方法不仅能根据历史数据评价尾矿库安全状况,还增加空间信息,进一步细化尾矿库评价体系,便于尾矿库实时预警,风险排查。
附图说明
图1是尾矿库评价指标示意图。
图2是本发明的安全评价流程图。
图3是本发明的尾矿库评价模型。
具体实施方式
下面结合具体实施对本发明做进一步描述。
如图1~图3所示,一种基于时空信息的尾矿库安全风险评估方法,它包括以下步骤:
(1)首先建立尾矿库评价指标分层模型,具体说,把要解决的问题分层系列化,根据目标本身的性质和要达到的目标,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,形成一个递阶的,有序的层次结构模型,该结构模型分为P,U,R,K四级,P级为目标尾矿库;U级为第二级,选取地下位移,库水位等影响尾矿库安全的六个主要因素;R级分别选取影响地下位移和地下倾斜角的三个不同空间位置的因素;K级为第四级,将代表不同空间位置的传感器作为第三级因素;
(2)接着对每一层指标进行评估打分,判断指标相对于上一层指标的重要性,利用九级标度方法确立指标评判矩阵,由于空间指标可直接根据地域重要性直接确立权重不需要建立评判矩阵;
(3)然后利用方根法计算评判矩阵的最大特征根,及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值;
(4)再将指标对应传感器所采集的数据作为模糊函数的输入,其输出与指标权重相乘,由最底层空间指标开始,逐层往上,直至最高级一层即评价目标尾矿库。模糊函数如下所示:X(k)定义为k时刻传感器采集的数据,S(k)为k时刻指标综合评价分值,P为尾矿库,a=X(min),b=X(max),
该步骤中利用综合评价方法,逐层往上,对每一个指标评价分值加权处理,最终得到的尾矿库评价分值是在考虑所有指标性能的基础上,增强尾矿库评价的可靠性。
Claims (4)
1.基于时空信息的尾矿库安全风险评估方法,其特征在于,包括以下步骤:
(1)首先建立尾矿库评价指标分层模型;
(2)接着对每一层指标进行评估打分,判断指标相对于上一层指标的重要性,利用九级标度方法确立指标评判矩阵;
(3)然后利用方根法计算评判矩阵的最大特征根,及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值;
(4)再将指标对应传感器所采集的数据作为模糊函数的输入,其输出与指标权重相乘,由最底层空间指标开始,逐层往上,直至最高级一层即评价目标尾矿库。
2.根据权利要求1所述的基于时空信息的尾矿库安全风险评估方法,其特征在于,所述步骤(1)中建立尾矿库评价指标分层模型是指把要解决的问题分层系列化,根据目标本身的性质和要达到的目标,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,形成一个递阶的,有序的层次结构模型,该结构模型分为P,U,R,K四级,P级为目标尾矿库;U级为第二级,选取地下位移,库水位等影响尾矿库安全的六个主要因素;R级分别选取影响地下位移和地下倾斜角的三个不同空间位置的因素;K级为第四级,将代表不同空间位置的传感器作为第三级因素。
3.根据权利要求1所述的基于时空信息的尾矿库安全风险评估方法,其特征在于,步骤(1)中将空间指标作为评价模型最底层。
4.根据权利要求1所述的基于时空信息的尾矿库安全风险评估方法,其特征在于,所述步骤(4)中模糊函数如下所示:
X(k)定义为k时刻传感器采集的数据,S(k)为k时刻指标综合评价分值,P为尾矿库,a=X(min),b=X(max),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510616582.0A CN105243474A (zh) | 2015-09-24 | 2015-09-24 | 基于时空信息的尾矿库安全风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510616582.0A CN105243474A (zh) | 2015-09-24 | 2015-09-24 | 基于时空信息的尾矿库安全风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105243474A true CN105243474A (zh) | 2016-01-13 |
Family
ID=55041111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510616582.0A Pending CN105243474A (zh) | 2015-09-24 | 2015-09-24 | 基于时空信息的尾矿库安全风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243474A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106713070A (zh) * | 2016-12-23 | 2017-05-24 | 中国铁路信息技术中心 | 一种信息化监控方法 |
WO2017133492A1 (zh) * | 2016-02-01 | 2017-08-10 | 腾讯科技(深圳)有限公司 | 一种风险评估方法和系统 |
CN109341778A (zh) * | 2018-11-23 | 2019-02-15 | 泉州装备制造研究所 | 一种安全监控尾矿库的信息化智能控制系统及控制方法 |
CN113065799A (zh) * | 2021-04-25 | 2021-07-02 | 中国电子科技集团公司第二十八研究所 | 一种资源安全评估方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN103761684A (zh) * | 2014-01-20 | 2014-04-30 | 广州供电局有限公司 | 一种输电电缆整体状态的综合评估方法及系统 |
CN104281920A (zh) * | 2014-09-29 | 2015-01-14 | 中南大学 | 尾矿库分层指标安全评估和预警方法与系统 |
-
2015
- 2015-09-24 CN CN201510616582.0A patent/CN105243474A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN103761684A (zh) * | 2014-01-20 | 2014-04-30 | 广州供电局有限公司 | 一种输电电缆整体状态的综合评估方法及系统 |
CN104281920A (zh) * | 2014-09-29 | 2015-01-14 | 中南大学 | 尾矿库分层指标安全评估和预警方法与系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017133492A1 (zh) * | 2016-02-01 | 2017-08-10 | 腾讯科技(深圳)有限公司 | 一种风险评估方法和系统 |
CN106713070A (zh) * | 2016-12-23 | 2017-05-24 | 中国铁路信息技术中心 | 一种信息化监控方法 |
CN109341778A (zh) * | 2018-11-23 | 2019-02-15 | 泉州装备制造研究所 | 一种安全监控尾矿库的信息化智能控制系统及控制方法 |
CN113065799A (zh) * | 2021-04-25 | 2021-07-02 | 中国电子科技集团公司第二十八研究所 | 一种资源安全评估方法及装置 |
CN113065799B (zh) * | 2021-04-25 | 2022-09-20 | 中国电子科技集团公司第二十八研究所 | 一种资源安全评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Mining transition rules of cellular automata for simulating urban expansion by using the deep learning techniques | |
CN104835103B (zh) | 基于神经网络和模糊综合评价的移动网络健康评价方法 | |
CN104794361B (zh) | 一种水驱油藏开发效果综合评价方法 | |
CN103439472B (zh) | 基于遥感监测及改进证据融合技术的湖库蓝藻水华识别方法 | |
CN104318482A (zh) | 一套智能配电网综合评估体系和方法 | |
CN109657880A (zh) | 一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统 | |
CN106997509A (zh) | 一种不确定信息融合的应急物资分布需求预测方法 | |
CN102902882A (zh) | 一种信息系统运行质量的评价方法 | |
CN107544253A (zh) | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 | |
CN104598993B (zh) | 基于眨眼次数的驾驶员疲劳驾驶预测方法 | |
CN105243474A (zh) | 基于时空信息的尾矿库安全风险评估方法 | |
CN111507586A (zh) | 通航水域水上施工安全风险预警分级方法及系统 | |
CN103514566A (zh) | 一种风险控制系统及方法 | |
CN109492796A (zh) | 一种城市空间形态自动分区方法与系统 | |
CN111797364B (zh) | 一种基于复合云模型的滑坡多层次安全评价方法 | |
CN111415025A (zh) | 一种赤潮等级预测的方法 | |
CN104634265B (zh) | 一种基于多元图像特征融合的矿物浮选泡沫层厚度软测量方法 | |
CN113807570A (zh) | 基于XGBoost的水库大坝风险等级评估方法及系统 | |
CN114186641B (zh) | 一种基于深度学习的滑坡易发性评价方法 | |
CN112270445B (zh) | 基于统计分析和分类预测的航班延误波及综合评估方法 | |
CN104331613B (zh) | 多个类型的通信设备抗干扰能力的评价方法 | |
CN109493147A (zh) | 基于多层级模型融合的房产自动评估方法及系统 | |
CN111783516A (zh) | 一种基于深度学习的耕地质量自然等级评价方法 | |
CN106203627A (zh) | 一种对网络靶场进行评价的方法 | |
CN107818406A (zh) | 电力营销质量评估效率优化方法、系统、介质及计算机 |
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: 20160113 |