CN107507396A - 一种降雨型滑坡危险性三维多点位多指标的预警方法 - Google Patents
一种降雨型滑坡危险性三维多点位多指标的预警方法 Download PDFInfo
- Publication number
- CN107507396A CN107507396A CN201710674004.1A CN201710674004A CN107507396A CN 107507396 A CN107507396 A CN 107507396A CN 201710674004 A CN201710674004 A CN 201710674004A CN 107507396 A CN107507396 A CN 107507396A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- landslide
- index
- early warning
- level
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开一种降雨型滑坡危险性三维多点位多指标的预警方法,包括以:(1)将各个指标划分危险等级;(2)获取某滑坡在某段时间内的降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度各个指标的数值;(3)根据各个指标的值,得到评价矩阵:
Description
技术领域
本发明涉及一种降雨型滑坡危险性三维多点位多指标的预警方法。
背景技术
目前,降雨型滑坡预警技术的关键在于建立滑坡发生和降雨临界值之间的关系式,各国学者用来确定降雨诱发滑坡临界值的方法很多,归纳起来主要有三种:(1)降雨强度临界值;(2)降雨过程雨量临界值;(3)土体含水状态临界值。
上述三种方法中,第一种方法的优点是简便,但其忽略了前期情况和土体含水情况,无法表征当地的地质条件,成因分析不严密,无法形成较小范围地质灾害的科学预报;第二种方法考虑了前期情况和含水情况,相对得出的临界值也比较准确,但需要的资料和数据较多,且没有考虑环境因素,如地形情况等;而第三种方法最大的问题是无法判定滑坡类型、滑坡活动特征及滑坡规模。因此,基于上述三种方法所建立的滑坡预警模型,其滑坡预警的精度并不高。
发明内容
本发明的目的在于提供一种降雨型滑坡危险性三维多点位多指标的预警方法,解决现有的滑坡预警精度不高的问题。
为实现上述目的,本发明采用的技术方案如下:
一种降雨型滑坡危险性三维多点位多指标的预警方法,包括以下步骤:
(1)建立滑坡坡体的三维数值模型,然后利用有限差分方法对降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度四个指标进行单指标危险性分级,按危险性由高到低依次划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级;
(2)获取某滑坡在某段时间内的降雨强度a、降雨方式b、累积降雨量c、边坡岩土体饱和度d各个指标的数值,其中,将于强度单位为mm/h;降雨方式分为渐次增大型、持续平稳型、先升后降型和渐次减小型;渐次增大型数值记为1,持续平稳型数值记为2,先升后降型数值记为3,渐次减小型数值记为4;累积降雨量单位为mm;边坡岩土体饱和度根据土体含水量取0~1;
(3)根据步骤(2)获得的各个指标的值,得到降雨单指标测度评价矩阵:
式中,Ca1、Ca2、Ca3、Ca4为降雨强度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Ca1+Ca2+Ca3+Ca4=1;Cb1、Cb2、Cb3、Cb4为降雨方式实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cb1+Cb2+Cb3+Cb4=1;Cc1、Cc2、Cc3、Cc4为累积降雨量实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cc1+Cc2+Cc3+Cc4=1;Cd1、Cd2、Cd3、Cd4为边坡岩土体饱和度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cd1+Cd2+Cd3+Cd4=1;
(4)根据步骤(3)所获得的单指标测度评价矩阵,结合熵权法确定降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度各个指标的权重分别为w1、w2、w3、w4;
(5)根据已经确定的指标权重,按照下列公式计算该滑坡的多指标综合测度{A,B,C,D}:
uj=wjμjik;
(6)引入置信度λ=0.5,并与多指标综合测度{A,B,C,D}进行比较,确定降雨型滑坡危险等级;所述的确定方法为:采用由左往右相加比较方式,若A≥0.5,则判定该降雨型滑坡危险等级为Ⅰ级;若A+B≥0.5,则判定该降雨型滑坡危险等级为Ⅱ级;若A+B+C≥0.5,则判定该降雨型滑坡危险等级为Ⅲ级;若A+B+C+D≥0.5,则判定该降雨型滑坡危险等级为Ⅳ级;
(7)根据降雨型滑坡危险等级进行相应的滑坡预警。
进一步地,所述降雨强度和降雨方式由雨量计测量并进行数据处理获得。
再进一步地,所述的累积降雨量由下式求得:
Pa0=KP1+K2P2+K3P3+…+KnPn
式中:Pn(n=1,2,3…n)为泥石流暴发前n天的逐日降雨量,K值为0.8~0.9。
进一步地,所述n≥30。
与现有技术相比,本发明具有以下有益效果:
(1)本发明提出了一种新的降雨型滑坡预警方式,其通过对滑坡地貌特征深入的研究,确定了适宜的监测对象(降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度),然后通过设定降雨型滑坡危险等级,并通过获取滑坡在某段时间内的降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度指标,结合信息熵和未确知度方法建立评价矩阵,并依次获得单指标测度及多指标综合测度,然后引入置信度识别机制,最终实现了降雨型滑坡危险等级的确定。本发明采用三维多点位多指标的方式确定降雨型滑坡危险等级,实现了有针对性的滑坡预警,其所采用的流程步骤环环相扣、紧密相连,大幅提高了降雨型滑坡的预警精度,解决了现有技术问题,统一了预警的标准。
(2)本发明所获得的监测对象数据,获取方式简单、合理,数据准确,为进一步确定降雨型滑坡危险等级提供了重要保障。
具体实施方式
下面结合实施例对本发明作进一步说明,本发明的方式包括但不仅限于以下实施例。
本发明针对降雨型滑坡危险性提供了一种多点位多指标的评价方案,从而实现对其危险等级的划分,并进行相应的预警。下面就此介绍本发明的操作流程。
本发明以选取降雨强度、累积降雨量、降雨方式三种监测成本相对较低的监测指标进行监测,并作为降雨型滑坡预警的主要指标。首先,建立滑坡坡体的三维数值模型(可采用FLAC3D软件建模),然后利用有限差分方法对降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度四个指标进行单指标危险性分级,按危险性由高到低依次划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级。
划分危险等级后,选取滑坡,并获取其在某段时间内的降雨强度a(单位:mm/h)、降雨方式b、累积降雨量c(单位:mm)、边坡岩土体饱和度d(根据土体含水量取0~1)各个指标的数值。
上述降雨方式分为渐次增大型、持续平稳型、先升后降型和渐次减小型(出处为张社荣,谭尧升,王超等.《强降雨特性对饱和–非饱和边坡失稳破坏的影响》.岩石力学与工程学报,2014)。本发明中,将渐次增大型的降雨方式数值记为1,持续平稳型的降雨方式数值记为2,先升后降型的降雨方式数值记为3,渐次减小型的降雨方式数值记为4。而降雨强度和降雨方式由雨量计测量并进行数据处理获得。本发明中,由于各种降雨强度和降雨方式加上降雨历时反应的是降雨总量,因此,在考虑时空的变化、辐射强度、蒸发量以及土壤渗透能力等多种因素的影响下,累积降雨量可以由下式求得:
Pa0=KP1+K2P2+K3P3+…+KnPn
式中:Pn(n=1,2,3…n)为泥石流暴发前n天的逐日降雨量(n≥30),K值为0.8~0.9。本发明中,K值为为递减系数,可根据天气状况,如晴天、多云天和阴天的不同而确定恰当的K值,例如晴天时K值选取0.9,多云天时K值选取0.85,阴天和下雨天K值选取0.8。
获得各个指标的数值后,可以得到降雨单指标测度评价矩阵:
式中,Ca1、Ca2、Ca3、Ca4为降雨强度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Ca1+Ca2+Ca3+Ca4=1;Cb1、Cb2、Cb3、Cb4为降雨方式实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cb1+Cb2+Cb3+Cb4=1;Cc1、Cc2、Cc3、Cc4为累积降雨量实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cc1+Cc2+Cc3+Cc4=1;Cd1、Cd2、Cd3、Cd4为边坡岩土体饱和度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cd1+Cd2+Cd3+Cd4=1。
本实施例中,降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度实测数据属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的情况如下表所示:
上述单指标测度评价矩阵的由来如下:
假设某评价对象(即降雨型滑坡)R有n个,则评价对象空间为R={R1,R2,…,Rn}。设每个评价对象Ri(i=1,2,…,n)有m个单项评价指标空间,即X={X1,X2,…,Xm},则Ri可表示为m维向量Ri={xi1,xi2,…,xim}。其中,xij表示评价对象Ri关于评价指标Xj的测量值。对每个子项xij(i=1,2,…,n;j=1,2,…,m),假设有p个评价等级{C1,C2,…,Cp}。
评价空间记为U,则有U={C1,C2,…Cp}。设Ck(k=1,2,…,p)为第k级评价等级,且k级比k+1级风险等级“高”,记作Ck>Ck+1。若满足C1>C2>…>Ck,称{C1,C2,…,Cp}是评价空间U的一个有序分割类。
单指标测度
若μijk=μ(xij∈Ck)代表测量值xij属于第k个评价等级Ck的程度,并且要求满足:
0≤μ(xij∈Ck)≤1 (1)
μ(xij∈U)=1 (2)
其中:式(2)称为μ对评价空间U满足“归一性”;式(3)称为μ对评价空间U满足“可加性”。满足式(1),(2)和(3)的μ的未确知测度(uncertainty measure),简称测度。
那么,矩阵(μijk)m×p即为单指标测度评价矩阵,其形式为:
获得单指标测度评价矩阵后,结合熵权法,即可确定出降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度各个指标的权重分别为w1、w2、w3、w4。具体的确定来由如下:
假设wj表示测度指标Xj相对于其他指标的重要程度,wj需要满足:0≤wj≤1,且称wj为Xj的权重,w={w1,w2,…,wm}称为指标权重向量。利用熵确定权重,即:
因为单指标测度评价矩阵是已知的,所以可以通过式(4)和式(5)可求得wj。
而后,根据已经确定的指标权重,按照下列公式计算该滑坡的多指标综合测度{A,B,C,D}:
uj=wjμjik;
该公式及计算出的多指标综合测度的由来如下:
其中:0≤μk≤1,称μik为未确知测度,{μi1,μi2,…,μip}为xi的多指标综合测度评价向量。
再然后,为评价对象做出最终的评价结果,本发明引入了置信度λ,其值为0.5,并与多指标综合测度{A,B,C,D}进行比较,确定降雨型滑坡危险等级;所述的确定方法为:采用由左往右相加比较方式,若A≥0.5,则判定该降雨型滑坡危险等级为Ⅰ级;若A+B≥0.5,则判定该降雨型滑坡危险等级为Ⅱ级;若A+B+C≥0.5,则判定该降雨型滑坡危险等级为Ⅲ级;若A+B+C+D≥0.5,则判定该降雨型滑坡危险等级为Ⅳ级。最后,根据滑坡危险等级建立相应的滑坡预警模型,并进行滑坡预警。
经过实践,本发明的评价结果与采用模糊数学方法进行评价的结果对比如下表所示:
由上表对比可以看出,对于I级和IV级危险等级的确认,本发明所获得的评价结果和模糊数学评价结果完全相同,II级和III级判别则存在不一致。通过分析认为,本发明所获得的评价结果更加合理有效,具体体现在:模糊数学评价结果采用的是最大隶属度识别准则,认为评价向量中最大的数值为危险性级度这显然是不合理的,而本发明引入了信息熵和置信度的概念则减少了人为打分造成的主观偏差和综合考虑了各指标内在的联系使其具有更高的可信度。
下面以500kV二普一线313#和314#塔位雨量站(编号hftk41aq)在2016年11月的监测数据为例,对滑坡危险性等级进行确定。
由于昭觉县日照充足,前期未有明显的降雨,因此可以将边坡岩土体饱和度认为是土里平常的含水量,取0.1,那么,根据降雨监测数据,确定11月强降雨的评价指标{降雨强度、降雨方式、降雨总量、边坡岩土体饱和度}的数值就分别为{5,1,140,0.1},据此计算得到单指标测度评价矩阵为:
而后,确定各评价指标权重,得到整体滑坡危险性评价指标降雨强度、降雨方式、降雨总量、饱和度的权重为{0.29,0.19,0.32,0.19},然后根据单指标测度矩阵便可得出降雨型滑坡危险多指标测度向量为:u1=w1μ1ik={0.19,0.18,0.16,0.46}。由于0.19+0.18+0.16=0.53>λ=0.5,因此,在此条件下确定降雨型滑坡危险性等级为III级。
本发明通过设定降雨型滑坡危险等级,并通过获取滑坡在某段时间内的降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度指标,结合信息熵和未确知度方法建立评价矩阵,并依次获得单指标测度及多指标综合测度,然后引入置信度识别机制,最终实现了降雨型滑坡危险等级的确定。相比现有方法来说,本发明充分考虑了降雨特征、区域地形地质情况等两大因素,在滑坡预警精度上具有本质的提升。因此,相比现有技术来说,本发明技术进步十分明显,其具有突出的实质性特点和显著的进步。
上述实施例仅为本发明的优选实施方式之一,不应当用于限制本发明的保护范围,但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色,其所解决的技术问题仍然与本发明一致的,均应当包含在本发明的保护范围之内。
Claims (4)
1.一种降雨型滑坡危险性三维多点位多指标的预警方法,其特征在于,包括以下步骤:
(1)建立滑坡坡体的三维数值模型,然后利用有限差分方法对降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度四个指标进行单指标危险性分级,按危险性由高到低依次划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级;
(2)获取某滑坡在某段时间内的降雨强度a、降雨方式b、累积降雨量c、边坡岩土体饱和度d各个指标的数值,其中,将于强度单位为mm/h;降雨方式分为渐次增大型、持续平稳型、先升后降型和渐次减小型;渐次增大型数值记为1,持续平稳型数值记为2,先升后降型数值记为3,渐次减小型数值记为4;累积降雨量单位为mm;边坡岩土体饱和度根据土体含水量取0~1;
(3)根据步骤(2)获得的各个指标的值,得到降雨单指标测度评价矩阵:
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>a</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>a</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>a</mi>
<mn>3</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>a</mi>
<mn>4</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>b</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>b</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>b</mi>
<mn>3</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>b</mi>
<mn>4</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>c</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>c</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>c</mi>
<mn>3</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>c</mi>
<mn>4</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>d</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>d</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>d</mi>
<mn>3</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>C</mi>
<mrow>
<mi>d</mi>
<mn>4</mn>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,Ca1、Ca2、Ca3、Ca4为降雨强度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Ca1+Ca2+Ca3+Ca4=1;Cb1、Cb2、Cb3、Cb4为降雨方式实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cb1+Cb2+Cb3+Cb4=1;Cc1、Cc2、Cc3、Cc4为累积降雨量实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cc1+Cc2+Cc3+Cc4=1;Cd1、Cd2、Cd3、Cd4为边坡岩土体饱和度实测数据依次属于Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级的程度,且Cd1+Cd2+Cd3+Cd4=1;
(4)根据步骤(3)所获得的单指标测度评价矩阵,结合熵权法确定降雨强度、降雨方式、累积降雨量、边坡岩土体饱和度各个指标的权重分别为w1、w2、w3、w4;
(5)根据已经确定的指标权重,按照下列公式计算该滑坡的多指标综合测度{A,B,C,D}:
uj=wjμjik;
(6)引入置信度λ=0.5,并与多指标综合测度{A,B,C,D}进行比较,确定降雨型滑坡危险等级;所述的确定方法为:采用由左往右相加比较方式,若A≥0.5,则判定该降雨型滑坡危险等级为Ⅰ级;若A+B≥0.5,则判定该降雨型滑坡危险等级为Ⅱ级;若A+B+C≥0.5,则判定该降雨型滑坡危险等级为Ⅲ级;若A+B+C+D≥0.5,则判定该降雨型滑坡危险等级为Ⅳ级;
(7)根据降雨型滑坡危险等级进行相应的滑坡预警。
2.根据权利要求1所述的一种降雨型滑坡危险性三维多点位多指标的预警方法,其特征在于,所述降雨强度和降雨方式由雨量计测量并进行数据处理获得。
3.根据权利要求1或2所述的一种降雨型滑坡危险性三维多点位多指标的预警方法,所述的累积降雨量由下式求得:
Pa0=KP1+K2P2+K3P3+…+KnPn
式中:Pn(n=1,2,3…n)为泥石流暴发前n天的逐日降雨量,K值为0.8~0.9。
4.根据权利要求2或3所述的一种降雨型滑坡危险性三维多点位多指标的预警方法,所述n≥30。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710674004.1A CN107507396A (zh) | 2017-08-09 | 2017-08-09 | 一种降雨型滑坡危险性三维多点位多指标的预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710674004.1A CN107507396A (zh) | 2017-08-09 | 2017-08-09 | 一种降雨型滑坡危险性三维多点位多指标的预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107507396A true CN107507396A (zh) | 2017-12-22 |
Family
ID=60689735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710674004.1A Pending CN107507396A (zh) | 2017-08-09 | 2017-08-09 | 一种降雨型滑坡危险性三维多点位多指标的预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107507396A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085921A (zh) * | 2020-08-20 | 2020-12-15 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种基于位移与动力多参数的滑坡综合监测预警方法 |
CN112464474A (zh) * | 2020-11-26 | 2021-03-09 | 北京市地质研究所 | 基于危险性评价的低频泥石流预警方法 |
CN113837661A (zh) * | 2021-10-22 | 2021-12-24 | 北京师范大学珠海校区 | 一种山洪水沙动态风险评估方法 |
JP7466883B1 (ja) | 2024-01-19 | 2024-04-15 | 浙江大学 | 降雨型地滑りモニタリング・早期警報方法とシステム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2013009160A2 (en) * | 2011-07-11 | 2013-01-17 | Universiti Sains Malaysia | A geometric method for predicting landslide disaste |
CN103268420A (zh) * | 2013-05-24 | 2013-08-28 | 河海大学 | 一种岩石高边坡的危险性评价方法 |
CN104021267A (zh) * | 2013-10-25 | 2014-09-03 | 中国科学院地理科学与资源研究所 | 一种地质灾害易发性判定方法和装置 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
CN105788180A (zh) * | 2016-04-14 | 2016-07-20 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于非饱和土体含水量的浅层降雨滑坡预警方法 |
CN106952005A (zh) * | 2016-01-06 | 2017-07-14 | 四川大学 | 一种考虑降雨型滑坡地质灾害的电力系统风险评估方法 |
-
2017
- 2017-08-09 CN CN201710674004.1A patent/CN107507396A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2013009160A2 (en) * | 2011-07-11 | 2013-01-17 | Universiti Sains Malaysia | A geometric method for predicting landslide disaste |
CN103268420A (zh) * | 2013-05-24 | 2013-08-28 | 河海大学 | 一种岩石高边坡的危险性评价方法 |
CN104021267A (zh) * | 2013-10-25 | 2014-09-03 | 中国科学院地理科学与资源研究所 | 一种地质灾害易发性判定方法和装置 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
CN106952005A (zh) * | 2016-01-06 | 2017-07-14 | 四川大学 | 一种考虑降雨型滑坡地质灾害的电力系统风险评估方法 |
CN105788180A (zh) * | 2016-04-14 | 2016-07-20 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于非饱和土体含水量的浅层降雨滑坡预警方法 |
Non-Patent Citations (4)
Title |
---|
刘传正等: "《中国地质灾害区域预警方法与应用》", 31 December 2009 * |
张社荣等: "强降雨特性对饱和-非饱和边坡失稳破坏的影响", 《岩石力学与工程学报》 * |
栾婷婷等: "基于未确知测度理论的排土场滑坡风险评价模型", 《中南大学学报(自然科学版)》 * |
赵耀江等: "《安全评价理论与方法》", 31 January 2015 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085921A (zh) * | 2020-08-20 | 2020-12-15 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种基于位移与动力多参数的滑坡综合监测预警方法 |
CN112085921B (zh) * | 2020-08-20 | 2022-11-11 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种基于位移与动力多参数的滑坡综合监测预警方法 |
CN112464474A (zh) * | 2020-11-26 | 2021-03-09 | 北京市地质研究所 | 基于危险性评价的低频泥石流预警方法 |
CN112464474B (zh) * | 2020-11-26 | 2023-09-15 | 北京市地质灾害防治研究所 | 基于危险性评价的低频泥石流预警方法 |
CN113837661A (zh) * | 2021-10-22 | 2021-12-24 | 北京师范大学珠海校区 | 一种山洪水沙动态风险评估方法 |
JP7466883B1 (ja) | 2024-01-19 | 2024-04-15 | 浙江大学 | 降雨型地滑りモニタリング・早期警報方法とシステム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515970A (zh) | 一种滑坡段电网杆塔危险性三维多点位多指标的预警方法 | |
Han et al. | Crop evapotranspiration prediction by considering dynamic change of crop coefficient and the precipitation effect in back-propagation neural network model | |
CN103994976B (zh) | 基于modis数据的农业旱情遥感监测方法 | |
CN107507396A (zh) | 一种降雨型滑坡危险性三维多点位多指标的预警方法 | |
Mecklenburg et al. | Improving the nowcasting of precipitation in an Alpine region with an enhanced radar echo tracking algorithm | |
CN111260187A (zh) | 一种智能矿山地质环境信息评价系统及评价方法 | |
CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
CN108416468B (zh) | 一种洪水超前预警预报方法 | |
CN105717556B (zh) | 一种基于大数据的自分型雷达估测降水方法 | |
CN103646157B (zh) | 评估暴雨引发输电线路故障概率的方法 | |
CN113591572B (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
CN117114374B (zh) | 一种基于天气预测的智慧农业灌溉管理系统 | |
CN108805213A (zh) | 计及小波熵降维的电力负荷曲线双层谱聚类方法 | |
CN113886917A (zh) | 基于cnn-lstm模型的铁路沿线区域地面沉降预测预警方法 | |
CN108896021A (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN117009735A (zh) | 一种结合BiLSTM与核密度估计的高强度森林火灾发生概率计算方法 | |
CN110188964A (zh) | 一种基于相关性的光伏出力预测方法 | |
Gadgay et al. | Novel ensemble neural network models for better prediction using variable input approach | |
Liou et al. | Vanishing ponds and regional water resources in Taoyuan, Taiwan. Terr | |
CN102831300B (zh) | 一种基于信息熵理论的冲沟沟头活跃度评价方法 | |
Schmidlin et al. | Automated quality control procedure for the" water equivalent of snow on the ground" measurement | |
Vantas et al. | Imputation of erosivity values under incomplete rainfall data by machine learning methods | |
Nandi et al. | Assessing suitability of satellite rainfall data for estimation of daily streamflows of a small tropical catchment in India | |
CN111814397A (zh) | 结合源解析与机器学习以提升森林生物量的估算精度 | |
Yan et al. | Outliers detection of cultivated land quality grade results based on spatial autocorrelation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171222 |
|
RJ01 | Rejection of invention patent application after publication |