CN109086935A - 一种区域地质灾害趋势预测方法 - Google Patents
一种区域地质灾害趋势预测方法 Download PDFInfo
- Publication number
- CN109086935A CN109086935A CN201810888788.2A CN201810888788A CN109086935A CN 109086935 A CN109086935 A CN 109086935A CN 201810888788 A CN201810888788 A CN 201810888788A CN 109086935 A CN109086935 A CN 109086935A
- Authority
- CN
- China
- Prior art keywords
- prediction
- geological disaster
- geological
- disaster
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 239000011435 rock Substances 0.000 claims abstract description 11
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000003607 modifier Substances 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 14
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 7
- 206010035148 Plague Diseases 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000124879 Grus leucogeranus Species 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种区域地质灾害趋势预测方法,包括以下步骤：地质灾害发生规律推测分析;设定预测计算单元、预测周期和预测时段;根据历史多年地质灾害的发生与坡高、坡度、岩土体类型、地质构造等地质环境因素的统计规律;同时基于地质灾害历史数据分析不同地质灾害的影响，并且量化赋值，最后在预测时段结束后，根据地质灾害发生实况对预测结果进行校核，分析预测偏差的原因，并反馈修正参数赋值等，优化预测模型；在地质环境条件的基础上，考虑气候、地震、人类工程活动等主要影响因素，较为准确的定量预测时段内地质灾害的发生数量、高发时段、重点区域、主要类型等发生趋势，从而为地质灾害防灾部署提供支撑。
Description
技术领域
本发明涉及地质灾害防灾减灾领域，具体涉及一种区域地质灾害趋势预测方法。
背景技术
我国地质灾害频发，对人居安全、交通运输、水利水电、工业厂矿等造成严重威胁。目前针对地质灾害的短期预警预报研究十分深入，在预警预报基础上许多地质灾害得以临灾避险，避免了大量人员伤亡和财产损失。但仅仅临灾避险是不够的，更重要的是提早部署地质灾害防灾减灾工作，制定防治规划、做好提前防范，因此需要开展长周期、针对较大区域的地质灾害的趋势预测。由于预测时间跨度长、区域范围广、影响因素复杂且难以量化，目前针对长周期、一定区域的地质灾害趋势预测多以定性预测为主，预测结果精度低、准确性较差。因此，有必要提出一种针对一定区域内地质灾害的长期趋势定量预测方法。
发明内容
本发明的目的是为了解决上述现有技术的不足而提出一种区域地质灾害趋势预测方法，提前预测未来一定时间内，该区域的地质灾害发生数量、主要灾害类型、需重点关注区域、集中发灾时段等，从而填补业内一定区域内地质灾害的长期趋势无定量预测方法的空白。
本发明的目的通过以下技术方案予以实现。
一种区域地质灾害趋势预测方法，包括以下步骤：
a.地质灾害发生规律推测分析：对近年来全国地质灾害灾情历史数据进行整理分析，总结地质灾害成灾规律，包括地质灾害总体发展趋势、主要灾害类型、重点发生时间、空间分布及时空演化规律等，推测下一预测周期地质灾害的发生数量、主要类型及重点发生时段；
b.设定预测计算单元、预测周期和预测时段，分析选定地质环境因素作为地质灾害发育的本底因子，选择气候、地震、人类工程活动为主要影响因子；
c.根据历史多年地质灾害的发生与坡高、坡度、岩土体类型、地质构造等地质环境因素的统计规律，建立地质灾害发生与地质环境因素的相关关系，并量化赋值，其值大小代表地质环境因素对地质灾害发生的影响性大小；
d.基于地质灾害历史数据，分析各预测时段内各计算单元降水量、气温变化与地质灾害发生数量的相关关系、ENSO事件与地质灾害发生数量的相关关系，结合降水、气温距平预测及ENSO预测量化气候因素对地质灾害发生的影响；
e.基于地质灾害历史数据，分析各预测时段内各计算单元地震震级、地震烈度与地质灾害发生数量的相关关系，综合考虑历史地震影响和预测时段内可能发生地震对地质灾害发生的影响，并分别量化赋值；
f.基于地质灾害历史数据，分析各预测时段内各计算单元水利水电工程、公路铁路建设及地质灾害防治与地质灾害发生数量的相关关系，综合考虑人类工程活动对地质灾害的影响并量化赋值；
g.叠加形成地质灾害趋势预测结果，并根据多年统计规律、专家建议进行修正完善；
h.预测时段结束后，根据地质灾害发生实况对预测结果进行校核，分析预测偏差的原因，并反馈修正参数赋值等，优化预测模型。
具体的，所述步骤g中地质灾害趋势预测结果计算式为：
T＝ax1+bx2+cx3+dx4
其中，T为地质灾害趋势预测值，x1为地质灾害潜势度，x2为气候因子影响度，x3为地震因子影响度，x4为人类工程活动因子影响度，a、b、c、d为各影响因子权重值。
具体的，所述步骤g中各计算单元的地质灾害趋势预测值计算过程中，如遇同一计算单元出现多值的情况，取平均值。
具体的，所述步骤g中将预测结果分为4级，按地质灾害趋势预测值由高到低将预测区划分为极高危险区、高危险区、中危险区和低危险区，形成地质灾害趋势预测分区图和预测结论。
具体的，所述步骤h中从地质灾害发生数量、高发时段、多发地区、主要灾害类型4方面对地质灾害发生实况和预测结果进行对比。
具体的，所述步骤h中从气候、地震、人类工程活动3个因子的预测与实况的差异分析预测偏差的原因，进一步的，在排除因子预测偏差影响的基础上，对各影响因子赋值进行修正。
本发明的有益效果是：在地质环境条件的基础上，考虑气候、地震、人类工程活动等主要影响因素，较为准确的定量预测时段内地质灾害的发生数量、高发时段、重点区域、主要类型等发生趋势，从而为地质灾害防灾部署提供支撑。
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，以下结合具体实施例，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。
一种区域地质灾害趋势预测方法，包括以下步骤：
a.地质灾害发生规律推测分析：对近年来全国地质灾害灾情历史数据进行整理分析，总结地质灾害成灾规律，包括地质灾害总体发展趋势、主要灾害类型、重点发生时间、空间分布及时空演化规律等，推测下一预测周期地质灾害的发生数量、主要类型及重点发生时段；
b.设定预测计算单元、预测周期和预测时段，分析选定地质环境因素作为地质灾害发育的本底因子，选择气候、地震、人类工程活动为主要影响因子；
c.根据历史多年地质灾害的发生与坡高、坡度、岩土体类型、地质构造等地质环境因素的统计规律，建立地质灾害发生与地质环境因素的相关关系，并量化赋值，其值大小代表地质环境因素对地质灾害发生的影响性大小；
d.基于地质灾害历史数据，分析各预测时段内各计算单元降水量、气温变化与地质灾害发生数量的相关关系、ENSO事件与地质灾害发生数量的相关关系，结合降水、气温距平预测及ENSO预测量化气候因素对地质灾害发生的影响；
e.基于地质灾害历史数据，分析各预测时段内各计算单元地震震级、地震烈度与地质灾害发生数量的相关关系，综合考虑历史地震影响和预测时段内可能发生地震对地质灾害发生的影响，并分别量化赋值；
f.基于地质灾害历史数据，分析各预测时段内各计算单元水利水电工程、公路铁路建设及地质灾害防治与地质灾害发生数量的相关关系，综合考虑人类工程活动对地质灾害的影响并量化赋值；
g.叠加形成地质灾害趋势预测结果，并根据多年统计规律、专家建议进行修正完善；
h.预测时段结束后，根据地质灾害发生实况对预测结果进行校核，分析预测偏差的原因，并反馈修正参数赋值等，优化预测模型。
所述步骤g中地质灾害趋势预测结果计算式为：
T＝ax1+bx2+cx3+dx4
其中，T为地质灾害趋势预测值，x1为地质灾害潜势度，x2为气候因子影响度，x3为地震因子影响度，x4为人类工程活动因子影响度，a、b、c、d为各影响因子权重值。
所述步骤g中各计算单元的地质灾害趋势预测值计算过程中，如遇同一计算单元出现多值的情况，取平均值。
所述步骤g中将预测结果分为4级，按地质灾害趋势预测值由高到低将预测区划分为极高危险区、高危险区、中危险区和低危险区，形成地质灾害趋势预测分区图和预测结论。
所述步骤h中从地质灾害发生数量、高发时段、多发地区、主要灾害类型4方面对地质灾害发生实况和预测结果进行对比。
所述步骤h中从气候、地震、人类工程活动3个因子的预测与实况的差异分析预测偏差的原因，进一步的，在排除因子预测偏差影响的基础上，对各影响因子赋值进行修正。
本发明在统计十余年地质灾害历史数据的基础上，总结地质灾害发生数量数据规律，并初步预测地质灾害发生数量。将地质灾害发生时间逐月统计分析，确定地质灾害发生最多的月份为6月，其次为7月和8月，据此预测地质灾害的高发时段。将地质灾害分类统计，滑坡发生数量最多，其次是崩塌、泥石流，此三类地质灾害是造成人员伤亡的主要类型，也是地质灾害趋势预测的最关键对象。从单灾种的年度变化趋势分析，滑坡占总数的比例在逐渐增加，崩塌在逐渐减少，泥石流整体处于较为平衡阶段，据此预测滑坡、崩塌、泥石流的数量。
通过多年地质灾害趋势预测实践，得出地质灾害发生的本底因子为地质环境条件，主要影响因子为气候、地震和人类工程活动。选择县级行政区为计算单元，预测周期为一年，预测时段为1-12月、1-4月、5-9月和10-12月。以项目组提出的地质灾害潜势度量化预测区域的地质环境条件，气候影响因子主要考虑降水预测距平、气温预测距平和enso事件对地质灾害的影响并量化为气象因子影响度，地震影响因子主要考虑地震趋势预测和历史地震烈度区对地质灾害发生的加剧效应并量化为地震因子影响度，人类工程活动主要考虑公路铁路建设、重大水利水电工程建设对地质灾害的加剧以及地质灾害防治对地质灾害的减缓效应，并量化为地质灾害影响度，其中公路铁路建设影响依据交通部提出的《十三五”现代综合交通运输体系发展规划》评估，重大水利水电建设情况依据中国政府网公布的我国五年内开工建设的重大水利工程以及已建的三峡水电站、溪洛渡水电站、白鹤滩水电站、锦屏二级水电站、龙羊峡水电站等已建成大型水电站的影响区，地质灾害防治情况依据原国土资源部提出的地质灾害群测群防“十有县”、“高标准十有县”。根据统计规律和专家建议确定各因子权重值，进而计算地质灾害趋势预测值，具体关系式表达如式1，并根据计算结果划分等级。
T＝ax1+bx2+cx3+dx4 (式1)
式中：T——趋势预测值；
x1——地质灾害潜势度；
x2——气候因子影响度；
x3——地震因子影响度；
x4——人类工程活动因子影响度；
a、b、c、d为各计算因子权重值，可由样本统计规律和专家建议确定。
按地质灾害趋势预测值由高到低将预测结果分为4级：
极高危险区：T≥0.3；
高危险区：0.2≤T＜0.3；
中危险区：0.1≤T＜0.2；
低危险区：T≤0.1；
形成地质灾害趋势预测分区图和预测结论。
预测时段结束后，根据预测时段内地质灾害发生实况，从地质灾害发生数量、高发时段、多发地区、主要灾害类型4方面预测结果进行对比对预测结果进行校核，从气候、地震、人类工程活动3因子的预测与实况的差异分析预测偏差的原因，进一步的，在排除因子预测偏差影响的基础上，对各影响因子赋值进行修正，并反馈优化预测模型。
实验例：
根据十年地质灾害统计数据，统计地质灾害发生规律，按线性规律预测2017年全国地质灾害发生数量为7190起；主要灾害类型为崩塌、滑坡、泥石流，预测滑坡数量5529起，崩塌数量1028起，泥石流数量510起；预测地质灾害集中发生在主汛期(6-8月)，其中6月发生地质灾害最多，其次为7月和8月。
结合全国地质灾害潜势度分区和2017年主要诱发因素(气候、地震、人类工程活动等)的预测变化趋势，对地质灾害发生趋势进行空间分布预测，计算公式适用以下式2：
T＝0.5x1+0.2x2+0.15x3+0.15x4 (式2)
预测期结束后，通过预测与实际的对比分析，地质灾害总数量和滑坡数量预测效果较好，误差在5％以内，崩塌和泥石流的误差在30％左右；全年的地质灾害类型以突发性的滑坡、崩塌、泥石流为主；地质灾害发生时段多为汛期，主汛期6-8月发生地质灾害占总数的70.8％；灾害发生的空间区域主要集中在潜在极高危险区和潜在高危险区区域内，与预测结果基本一致。
特别需要说明的是不同地区得出的地质灾害趋势预测计算公式不一定相同，但满足式1，影响因子赋值标准在不同地区可能会有所差异，需要根据不同地区特点适当进行调整确定，并根据上述方法原理赋予不同权重。
本发明的有益效果是：在地质环境条件的基础上，考虑气候、地震、人类工程活动等主要影响因素，较为准确的定量预测时段内地质灾害的发生数量、高发时段、重点区域、主要类型等发生趋势，从而为地质灾害防灾部署提供支撑。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。
Claims (6)
1.一种区域地质灾害趋势预测方法，其特征在于，包括以下步骤：
a.地质灾害发生规律推测分析：对近年来全国地质灾害灾情历史数据进行整理分析，总结地质灾害成灾规律，包括地质灾害总体发展趋势、主要灾害类型、重点发生时间、空间分布及时空演化规律等，推测下一预测周期地质灾害的发生数量、主要类型及重点发生时段；
b.设定预测计算单元、预测周期和预测时段，分析选定地质环境因素作为地质灾害发育的本底因子，选择气候、地震、人类工程活动为主要影响因子；
c.根据历史多年地质灾害的发生与坡高、坡度、岩土体类型、地质构造等地质环境因素的统计规律，建立地质灾害发生与地质环境因素的相关关系，并量化赋值，其值大小代表地质环境因素对地质灾害发生的影响性大小；
d.基于地质灾害历史数据，分析各预测时段内各计算单元降水量、气温变化与地质灾害发生数量的相关关系、ENSO事件与地质灾害发生数量的相关关系，结合降水、气温距平预测及ENSO预测量化气候因素对地质灾害发生的影响；
e.基于地质灾害历史数据，分析各预测时段内各计算单元地震震级、地震烈度与地质灾害发生数量的相关关系，综合考虑历史地震影响和预测时段内可能发生地震对地质灾害发生的影响，并分别量化赋值；
f.基于地质灾害历史数据，分析各预测时段内各计算单元水利水电工程、公路铁路建设及地质灾害防治与地质灾害发生数量的相关关系，综合考虑人类工程活动对地质灾害的影响并量化赋值；
g.叠加形成地质灾害趋势预测结果，并根据多年统计规律、专家建议进行修正完善；
h.预测时段结束后，根据地质灾害发生实况对预测结果进行校核，分析预测偏差的原因，并反馈修正参数赋值等，优化预测模型。
2.如权利要求1所述的一种区域地质灾害趋势预测方法，其特征在于：所述步骤g中地质灾害趋势预测结果计算式为：
T＝ax1+bx2+cx3+dx4
其中，T为地质灾害趋势预测值，x1为地质灾害潜势度，x2为气候因子影响度，x3为地震因子影响度，x4为人类工程活动因子影响度，a、b、c、d为各影响因子权重值。
3.如权利要求1所述的一种区域地质灾害趋势预测方法，其特征在于：所述步骤g中各计算单元的地质灾害趋势预测值计算过程中，如遇同一计算单元出现多值的情况，取平均值。
4.如权利要求1所述的一种区域地质灾害趋势预测方法，其特征在于：所述步骤g中将预测结果分为4级，按地质灾害趋势预测值由高到低将预测区划分为极高危险区、高危险区、中危险区和低危险区，形成地质灾害趋势预测分区图和预测结论。
5.如权利要求1所述的一种区域地质灾害趋势预测方法，其特征在于：所述步骤h中从地质灾害发生数量、高发时段、多发地区、主要灾害类型4方面对地质灾害发生实况和预测结果进行对比。
6.如权利要求1所述的一种区域地质灾害趋势预测方法，其特征在于：所述步骤h中从气候、地震、人类工程活动3个因子的预测与实况的差异分析预测偏差的原因，进一步的，在排除因子预测偏差影响的基础上，对各影响因子赋值进行修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810888788.2A CN109086935B (zh) | 2018-08-07 | 2018-08-07 | 一种区域地质灾害趋势预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810888788.2A CN109086935B (zh) | 2018-08-07 | 2018-08-07 | 一种区域地质灾害趋势预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109086935A true CN109086935A (zh) | 2018-12-25 |
| CN109086935B CN109086935B (zh) | 2021-03-30 |
Family
ID=64833796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810888788.2A Active CN109086935B (zh) | 2018-08-07 | 2018-08-07 | 一种区域地质灾害趋势预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109086935B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109785586A (zh) * | 2019-03-04 | 2019-05-21 | 四川大学 | 山区小流域山洪灾害分区预警方法 |
| CN109858788A (zh) * | 2019-01-17 | 2019-06-07 | 北京师范大学 | 一种基于生态型地区的地质资源评价方法 |
| CN110738378A (zh) * | 2019-10-31 | 2020-01-31 | 黄淮学院 | 一种山区泥石流灾害的预测方法和预测系统 |
| CN110766235A (zh) * | 2019-10-31 | 2020-02-07 | 黄淮学院 | 一种山体坍塌预测方法和预测系统 |
| CN111047096A (zh) * | 2019-12-16 | 2020-04-21 | 江西遥览科技有限公司 | 一种区域水土流失日预报算法 |
| CN111144005A (zh) * | 2019-12-27 | 2020-05-12 | 四川省交通勘察设计研究院有限公司 | 一种崩塌落石粒径计算模型的构建方法 |
| WO2021017607A1 (zh) * | 2019-07-31 | 2021-02-04 | 平安科技（深圳）有限公司 | 灾害风险预警方法、装置、计算机设备及存储介质 |
| CN112561297A (zh) * | 2020-12-09 | 2021-03-26 | 中南大学 | 不同地形下邻域影响的地质灾害风险评价方法 |
| CN112946240A (zh) * | 2021-02-01 | 2021-06-11 | 北京科技大学 | 滑坡地质灾害基因判识与预测系统 |
| CN113538857A (zh) * | 2021-07-14 | 2021-10-22 | 广东电网有限责任公司广州供电局 | 一种滑坡地质灾害预警方法、装置、终端及存储介质 |
| CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN114168906A (zh) * | 2022-02-14 | 2022-03-11 | 威海市房地产测绘中心有限公司 | 一种基于云计算的测绘地理信息数据采集系统 |
| CN114722113A (zh) * | 2022-06-10 | 2022-07-08 | 中国地质科学院地质力学研究所 | 一种用于地质灾害的数据可视化处理方法及系统 |
| CN116629134A (zh) * | 2023-06-01 | 2023-08-22 | 中国地质科学院矿产资源研究所 | 一种三稀矿产开发区域的环境影响预测方法及装置 |
| CN117093919A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市岩土综合勘察设计有限公司 | 基于深度学习的岩土工程地质灾害预测方法及系统 |
| CN117195749A (zh) * | 2023-11-06 | 2023-12-08 | 交通运输部规划研究院 | 一种气候变化对区域公路网风险预测方法及可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093102A (zh) * | 2013-01-23 | 2013-05-08 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于地震和干旱监测的泥石流发育区灾害早期动态预测方法 |
| CN103605897A (zh) * | 2013-11-29 | 2014-02-26 | 民政部国家减灾中心 | 一种区域滑坡灾害风险估计方法 |
| CN106021875A (zh) * | 2016-05-11 | 2016-10-12 | 兰州大学 | 一种地震扰动区多尺度泥石流风险评估的方法 |
| CN107194049A (zh) * | 2017-05-09 | 2017-09-22 | 山东大学 | 一种隧道及地下工程危岩落石风险的多指标可拓评价方法 |
-
2018
- 2018-08-07 CN CN201810888788.2A patent/CN109086935B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093102A (zh) * | 2013-01-23 | 2013-05-08 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于地震和干旱监测的泥石流发育区灾害早期动态预测方法 |
| CN103605897A (zh) * | 2013-11-29 | 2014-02-26 | 民政部国家减灾中心 | 一种区域滑坡灾害风险估计方法 |
| CN106021875A (zh) * | 2016-05-11 | 2016-10-12 | 兰州大学 | 一种地震扰动区多尺度泥石流风险评估的方法 |
| CN107194049A (zh) * | 2017-05-09 | 2017-09-22 | 山东大学 | 一种隧道及地下工程危岩落石风险的多指标可拓评价方法 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858788A (zh) * | 2019-01-17 | 2019-06-07 | 北京师范大学 | 一种基于生态型地区的地质资源评价方法 |
| CN109785586A (zh) * | 2019-03-04 | 2019-05-21 | 四川大学 | 山区小流域山洪灾害分区预警方法 |
| WO2021017607A1 (zh) * | 2019-07-31 | 2021-02-04 | 平安科技（深圳）有限公司 | 灾害风险预警方法、装置、计算机设备及存储介质 |
| CN110738378B (zh) * | 2019-10-31 | 2023-09-12 | 黄淮学院 | 一种山区泥石流灾害的预测方法和预测系统 |
| CN110766235A (zh) * | 2019-10-31 | 2020-02-07 | 黄淮学院 | 一种山体坍塌预测方法和预测系统 |
| CN110738378A (zh) * | 2019-10-31 | 2020-01-31 | 黄淮学院 | 一种山区泥石流灾害的预测方法和预测系统 |
| CN111047096A (zh) * | 2019-12-16 | 2020-04-21 | 江西遥览科技有限公司 | 一种区域水土流失日预报算法 |
| CN111144005B (zh) * | 2019-12-27 | 2023-04-28 | 四川省交通勘察设计研究院有限公司 | 一种崩塌落石粒径计算模型的构建方法 |
| CN111144005A (zh) * | 2019-12-27 | 2020-05-12 | 四川省交通勘察设计研究院有限公司 | 一种崩塌落石粒径计算模型的构建方法 |
| CN112561297A (zh) * | 2020-12-09 | 2021-03-26 | 中南大学 | 不同地形下邻域影响的地质灾害风险评价方法 |
| CN112946240A (zh) * | 2021-02-01 | 2021-06-11 | 北京科技大学 | 滑坡地质灾害基因判识与预测系统 |
| CN112946240B (zh) * | 2021-02-01 | 2022-08-02 | 北京科技大学 | 滑坡地质灾害基因判识与预测系统 |
| CN113538857A (zh) * | 2021-07-14 | 2021-10-22 | 广东电网有限责任公司广州供电局 | 一种滑坡地质灾害预警方法、装置、终端及存储介质 |
| CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN113554345B (zh) * | 2021-08-10 | 2023-04-18 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN114168906A (zh) * | 2022-02-14 | 2022-03-11 | 威海市房地产测绘中心有限公司 | 一种基于云计算的测绘地理信息数据采集系统 |
| CN114722113B (zh) * | 2022-06-10 | 2022-08-09 | 中国地质科学院地质力学研究所 | 一种用于地质灾害的数据可视化处理方法及系统 |
| CN114722113A (zh) * | 2022-06-10 | 2022-07-08 | 中国地质科学院地质力学研究所 | 一种用于地质灾害的数据可视化处理方法及系统 |
| CN116629134A (zh) * | 2023-06-01 | 2023-08-22 | 中国地质科学院矿产资源研究所 | 一种三稀矿产开发区域的环境影响预测方法及装置 |
| CN116629134B (zh) * | 2023-06-01 | 2023-10-27 | 中国地质科学院矿产资源研究所 | 一种三稀矿产开发区域的环境影响预测方法及装置 |
| CN117093919A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市岩土综合勘察设计有限公司 | 基于深度学习的岩土工程地质灾害预测方法及系统 |
| CN117093919B (zh) * | 2023-10-19 | 2024-02-02 | 深圳市岩土综合勘察设计有限公司 | 基于深度学习的岩土工程地质灾害预测方法及系统 |
| CN117195749A (zh) * | 2023-11-06 | 2023-12-08 | 交通运输部规划研究院 | 一种气候变化对区域公路网风险预测方法及可读存储介质 |
| CN117195749B (zh) * | 2023-11-06 | 2024-01-12 | 交通运输部规划研究院 | 一种气候变化对区域公路网风险预测方法及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109086935B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109086935A (zh) | 一种区域地质灾害趋势预测方法 | |
| Wang et al. | Uncertainty assessment in quantitative rockfall risk assessment | |
| CN104021267B (zh) | 一种地质灾害易发性判定方法和装置 | |
| CN109447493B (zh) | 一种基于物源活动强度的震后泥石流危险性评价方法 | |
| CN111815063B (zh) | 一种井工煤矿开采环境风险预测分级方法 | |
| KR100982448B1 (ko) | 지공간 상관관계 통합기법을 이용한 지반침하 발생 예측시스템 및 이를 이용한 지반침하 발생 예측방법 | |
| Fallon et al. | Prospectivity analysis of the plutonic Marymia greenstone belt, Western Australia | |
| Xu et al. | Ecological environment quality evaluation and evolution analysis of a rare earth mining area under different disturbance conditions | |
| Wei et al. | Rainfall threshold for initiation of channelized debris flows in a small catchment based on in-site measurement | |
| CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警系统 | |
| CN104765772A (zh) | 一种基于时空区域犯罪特征的建模方法 | |
| Qiao et al. | Prediction of floor water disasters based on fractal analysis of geologic structure and vulnerability index method for deep coal mining in the Yanzhou mining area | |
| 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 | |
| Bernknopf et al. | Estimating the social value of geologic map information: a regulatory application | |
| Shi et al. | Risk assessment of water inrush to coal seams from underlying aquifer by an innovative combination of the TFN-AHP and TOPSIS techniques | |
| Stefanidis et al. | Response of soil erosion in a mountainous catchment to temperature and precipitation trends | |
| CN111563653A (zh) | 一种地下工程富水破碎地层的预警施工方法 | |
| Ning et al. | Real-time online prediction of surface settlement considering spatiotemporal characteristics during foundation excavation | |
| Ma et al. | Development of a new rainfall‐triggering index of flash flood warning‐case study in Yunnan province, China | |
| Cao et al. | Assessment of mining-related seabed subsidence using GIS spatial regression methods: a case study of the Sanshandao gold mine (Laizhou, Shandong Province, China) | |
| Zhou et al. | Inverse-square-root-acceleration method for predicting the failure time of landslides | |
| Silva et al. | Correlations of geotechnical monitoring data in open pit slope back-analysis-A mine case study | |
| Shao et al. | Spatial analysis and hazard assessment of Large-scale ancient landslides around the reservoir area of Wudongde Hydropower Station, China | |
| Rathje et al. | A seismic fragility framework for earth dams | |
| Pantha et al. | GIS-based landslide susceptibility zonation for roadside slope repair and maintenance in the Himalayan region |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |