CN109523090A - 一种输电线路暴雨滑坡预测方法及系统 - Google Patents
一种输电线路暴雨滑坡预测方法及系统 Download PDFInfo
- Publication number
- CN109523090A CN109523090A CN201811474843.XA CN201811474843A CN109523090A CN 109523090 A CN109523090 A CN 109523090A CN 201811474843 A CN201811474843 A CN 201811474843A CN 109523090 A CN109523090 A CN 109523090A
- Authority
- CN
- China
- Prior art keywords
- landslide
- transmission line
- heavy rain
- electricity
- binary tree
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 68
- 230000005611 electricity Effects 0.000 title claims abstract description 62
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000010200 validation analysis Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000011435 rock Substances 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening 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
- G06Q50/06—Energy or water supply
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明涉及电气工程技术领域,公开了一种输电线路暴雨滑坡预测方法及系统,以能够快速有效的对滑坡易发地区可能受灾的线路杆塔和设备进行分析预测;本发明的方法包括:采集待分析地区的输电线路塔杆的历史暴雨滑坡数据得到初始数据集,将初始数据集划分为训练数据集和验证数据集;根据训练数据集建立二叉树计算模型,并采用验证数据集验证二叉树计算模型是否有效;获取待分析地区在未来时刻的暴雨滑坡预测数据,将暴雨滑坡预测数据输入二叉树计算模型,若二叉树计算模型的输出值属于第一阈值范围,则判断该待分析地区的输电线路塔杆会发生滑坡;若二叉树计算模型的输出值属于第二阈值范围,则判断该待分析地区的输电线路塔杆不会滑坡。
Description
技术领域
本发明涉及电气工程技术领域,尤其涉及一种输电线路暴雨滑坡预测方法及系统。
背景技术
随着经济的迅速发展,人们对电能的需要越来越大,为了实现电能的有效输送,电网常常需要进行跨区域输电。输电线路跨越幅度大,经过的区域地形地质条件复杂、环境特征变化巨大,尤其在夏季汛期,强降水导致的滑坡地质灾害对电网设备和电网运行造成了极大的威胁。为此,电力企业采取了多项措施以减轻和避免输电线路暴雨滑坡损失,例如,对地质灾害多发地区的杆塔进行改造和加固,联合气象部门进行滑坡易发地区的电网风险评估等。但是,电网本体的无差别加固改造往往耗资巨大,严重增加了企业的运维成本;而常见的降水-地质灾害耦合模型中要素繁多,算法极其复杂,难以满足企业业务化实施的需要。
因此,如何能够快速有效的对滑坡易发地区可能受灾的线路杆塔和设备进行分析预测,成为一个急需解决的问题。
发明内容
本发明目的在于提供一种输电线路暴雨滑坡预测方法及系统,以能够快速有效的对滑坡易发地区可能受灾的线路杆塔和设备进行分析预测。
为实现上述目的,本发明提供了一种输电线路暴雨滑坡预测方法,包括以下步骤:
S1:采集待分析地区的输电线路塔杆的历史暴雨滑坡数据得到初始数据集,将所述初始数据集划分为训练数据集和验证数据集;
S2:根据所述训练数据集建立二叉树计算模型,并采用所述验证数据集验证所述二叉树计算模型是否有效,若无效则调整所述历史暴雨滑坡数据重新建立二叉树计算模型,直至所述二叉树计算模型有效;
S3:获取待分析地区在未来时刻的暴雨滑坡预测数据,将所述暴雨滑坡预测数据输入所述二叉树计算模型,若所述二叉树计算模型的输出值属于第一阈值范围,则判断该待分析地区的输电线路塔杆会发生滑坡;若所述二叉树计算模型的输出值属于第二阈值范围,则判断该待分析地区的输电线路塔杆不会滑坡。
优选地,所述采集待分析地区的输电线路塔杆的历史暴雨滑坡数据具体为:
选取待分析地区的所有输电线路塔杆中的某个滑坡塔杆,采集以该滑坡塔杆为圆心,半径为第三设定距离的范围内的所有输电线路塔杆的符合设定要求的相关数据作为待分析地区的输电线路塔杆的历史暴雨滑坡数据;
所述设定要求为:相关数据包含输电线路塔杆的塔杆信息、滑坡地区的地质特征信息、以及降水量信息。
优选地,所述S2具体包括以下步骤:
S21:收集输电线路塔杆对应历史暴雨滑坡数据的滑坡结果;
S22:假设x为输入变量,y为输出变量,且y是连续变量,则训练数据集D表示为:
D={(x1,y1),(x2,y2),……,(xN,yN)};
S23:将一个输入变量视为一个区域,以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R1、R2,并决定每个区域上的输出值,构建二叉决策树为:
R1(j,s)={x|x(j)≤s},R2(j,s)={x|x(j)>s};
S24:根据所述二叉决策树建立第一二叉树公式为:
式中,c1为R1区间内的输出平均值,c2为R2区间内的输出平均值,其计算方法为:
式中,x∈Rm,m=1,2,Rm为划分的第m个区域,cm为第m个区域内的输出平均值;
以使所述第一二叉树公式中的平方误差最小为目的,依次遍历每个特征j的每个取值s,计算出当前每一个可能的切分点的误差,最后选择使误差最小的切分点将输入空间划分为两个区域,然后对该两个区域进行进一步划分并以此递归上述划分步骤,直到划分结束;
S25:综合二叉划分得到的所有区域,生成符合决策要求的优化后的二叉树计算模型为:
式中,I为权重系数,M为m的可取值范围。
优选地,所述S25中,所述决策要求为:二叉树计算模型中的每一个决策末端的输出值都属于所述第一阈值范围或所述第二阈值范围内。
优选地,所述第一阈值范围为0~0.3;所述第二阈值范围为0.7~1。
优选地,所述S3具体包括以下步骤:
将验证数据集输入二叉树计算模型,将二叉树计算模型的判断结果与实际滑坡结果进行比对,若超过85%的判断结果与实际结果一致,则认为二叉树计算模型有效。
优选地,所述S3之后还包括步骤:将待分析地区输电线路塔杆的暴雨滑坡预测数据和实际结果归入该地区的历史数据,更新二叉树计算模型公式。
优选地,所述历史暴雨滑坡数据包括输电线路杆塔的耗钢量、输电线路杆塔所处的海拔高度、输电线路杆塔所处的地形坡度、块状岩体滑坡、以及降水量中的一种或者任意几种的组合。
优选地,所述第三设定距离为5km。
作为一个总的发明构思,本发明还提供一种输电线路暴雨滑坡预测系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明具有以下有益效果:
本发明提供一种输电线路暴雨滑坡预测方法及系统,通过对待分析地区的输电线路塔杆的历史暴雨滑坡数据进行计算分析,建立二叉树计算模型,将需分析的实时获取的输电线路塔杆的滑坡数据输入该二叉树计算模型,可以自动且快速的判断滑坡结果,该方法从数学统计角度挖掘数据特征,并根据数据特征判断是否会发生滑坡,避免了人工判断的错误,提高了判断的准确性,有效避免了地质灾害诱因繁多、建模复杂、改进困难的问题,有利于电网设计、施工、运维、调度等各项工作的开展,提升电能输送的安全性。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的输电线路暴雨滑坡预测方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
除非另有定义,下文中所使用的所有专业术语与本领域技术人员通常理解的含义相同。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而仅仅是为了便于对相应零部件进行区别。同样,“一个”或者“一”等类似词语不表示数量限制,而是表示存在至少一个。
实施例1
参见图1,本实施例提供一种输电线路暴雨滑坡预测方法,包括以下步骤:
S1:采集待分析地区的输电线路塔杆的历史暴雨滑坡数据得到初始数据集,将初始数据集划分为训练数据集和验证数据集;
S2:根据训练数据集建立二叉树计算模型,并采用验证数据集验证二叉树计算模型是否有效,若无效则调整历史暴雨滑坡数据重新建立二叉树计算模型,直至二叉树计算模型有效;
S3:获取待分析地区在未来时刻的暴雨滑坡预测数据,将暴雨滑坡预测数据输入二叉树计算模型,若二叉树计算模型的输出值属于第一阈值范围,则判断该待分析地区的输电线路塔杆会发生滑坡;若二叉树计算模型的输出值属于第二阈值范围,则判断该待分析地区的输电线路塔杆不会滑坡。
上述的输电线路暴雨滑坡预测方法,从数学统计角度挖掘数据特征,并根据数据特征判断是否会发生滑坡,避免了人工判断的错误,提高了判断的准确性,有效避免了地质灾害诱因繁多、建模复杂、改进困难的问题,有利于电网设计、施工、运维、调度等各项工作的开展,提升电能输送的安全性。
作为本实施例优选的实施方式,采集待分析地区的输电线路塔杆的历史暴雨滑坡数据具体为:
选取待分析地区的所有输电线路塔杆中的某个滑坡塔杆,采集以该滑坡塔杆为圆心,半径为第三设定距离的范围内的所有输电线路塔杆的符合设定要求的相关数据作为待分析地区的输电线路塔杆的历史暴雨滑坡数据。本实施例中,第三设定距离为5km。且,该设定要求具体为:相关数据包含输电线路塔杆的塔杆信息、滑坡地区的地质特征信息、以及降水量信息。
作为本实施例优选的实施方式,S2具体包括以下步骤:
S21:收集输电线路塔杆对应历史暴雨滑坡数据的滑坡结果;
S22:假设x为输入变量,y为输出变量,且y是连续变量,则训练数据集D表示为:
D={(x1,y1),(x2,y2),……,(xN,yN)};
S23:将一个输入变量视为一个区域,以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R1、R2,并决定每个区域上的输出值,构建二叉决策树为:
R1(j,s)={x|x(j)≤s},R2(j,s)={x|x(j)>s};
S24:根据二叉决策树建立第一二叉树公式为:
式中,c1为R1区间内的输出平均值,c2为R2区间内的输出平均值,其计算方法为:
式中,x∈Rm,m=1,2,Rm为划分的第m个区域,cm为第m个区域内的输出平均值;
以使第一二叉树公式中的平方误差最小为目的,依次遍历每个特征j的每个取值s,计算出当前每一个可能的切分点的误差,最后选择使误差最小的切分点将输入空间划分为两个区域,然后对该两个区域进行进一步划分并以此递归上述划分步骤,直到划分结束;
S25:综合二叉划分得到的所有区域,生成符合决策要求的优化后的二叉树计算模型为:
式中,I为权重系数,M为m的可取值范围。
作为本实施例优选的实施方式,S25中,决策要求为:二叉树计算模型中的每一个决策末端的输出值都属于所述第一阈值范围或所述第二阈值范围内。且第一阈值范围为0~0.3;第二阈值范围为0.7~1。其中,0~0.3为未滑坡的数据范围,0.7~1为发生滑坡的范围。
作为本实施例优选的实施方式,S3具体包括以下步骤:
将验证数据集输入二叉树计算模型,将二叉树计算模型的判断结果与实际滑坡结果进行比对,若超过85%的判断结果与实际结果一致,则认为二叉树计算模型有效。通过上述机器学习的方法,从数学统计角度挖掘环境监测数据的数据特征,并根据环境监测数据的数据特征判断是否需要停机,实现了判断过程的自动化,且避免了人工判断的人为因素带来的错误。
作为本实施例优选的实施方式,S4之后还包括步骤:将待分析地区输电线路塔杆的暴雨滑坡预测数据和实际结果归入该地区的历史数据,更新二叉树计算模型。通过数据的不断扩充与公式的不断更新,可以持续完善公式,保证计算结果的正确性。
具体地,将湖南省作为待分析地区,选取湖南省内近三十年因暴雨造成输电线路杆塔基础滑坡的相关数据,要求该数据包含输电线路塔杆的基本特征信息、滑坡地区的地质特征信息、以及降水量信息等,优选地,该数据具体包括:输电线路杆塔的耗钢量、塔型、定位高、水平档距、垂直档距、输电线路杆塔所处的海拔高度、地形坡度、输电线路杆塔水平距离5km范围内的水体情况(有水体或无水体)、滑坡体岩性粗分类(岩体滑坡或土体滑坡)和细分类(岩体滑坡分为层状岩体滑坡、块状岩体滑坡、碎裂岩体滑坡;土体滑坡分为粘性土滑坡、碎石土滑坡、黄土滑坡)、滑坡当日降水量、自当次降水过程开始至滑坡日累计降水量等。应当明确的是,本发明所指的输电线路杆塔基础滑坡的相关数据并不限定为这几种,而应当是采集到的所有能影响输电线路塔杆产生滑坡的数据,此处给出的相关数据供示例说明。
选取其中一个滑坡塔杆,采集以该滑坡塔杆为圆心,并以5km为半径的周围其他的相关数据,按照时间发生的先后顺序进行排列,并将相关数据中的所有非数值数据量化,例如,水体情况(有水体设为1,无水体设为0)、滑坡体岩性粗分类(岩体滑坡设为1,土体滑坡设为2)和细分类(层状岩体滑坡设为11、块状岩体滑坡设为12、碎裂岩体滑坡设为13;粘性土滑坡设为21、碎石土滑坡设为22、黄土滑坡设为23),在所有数据最后追加一列“是否滑坡”项,将滑坡数据赋值为1,未滑坡数据赋值为0;获取对应相关数据的是否滑坡结果。
进一步地,将该选取的数据作为初始数据集,选取其中70%的数据作为训练数据集,并选取其中30%的数据作为验证数据集。本实施例中,主要用到的相关数据包括输电线路杆塔的耗钢量、水平档距、地形坡度、输电线路杆塔水平距离5km范围内的水体情况、滑坡体岩性细分类、滑坡当日降水量、自当次降水过程开始至滑坡日累计降水量。通过训练数据集训练得到二叉树计算模型,将验证数据集的数据输入二叉树计算模型,发现作为验证数据集的48组数据中有6组数据经过二叉树计算模型输出结果大于0.7,判断为发生滑坡,而实际上该6组数据没有发生滑坡,判断错误,其余的判断都正确,即本实施例中,判断成功率为87.5%,高于85%,认为该二叉树计算模型有效。
进一步地,将湖南地区2017年夏季的一次暴雨过程时,某隐患点降水预测数据和杆塔特征数据及地质特征数据输入本实施例建立的二叉树计算模型,进行滑坡判断,得到的判段结果如下:
表1输电线路暴雨滑坡相关数据和判识结果
经验证,该隐患点的输电线路杆塔确实在当次的暴雨过程中发生了基础滑坡事件,判断正确。需要说明的是,在每次预测结束之后,将验证数据和实际结果归入历史数据进一步更新二叉树计算模型,以保证二叉树计算模型可以维持有效性,和准确性,避免选取的历史数据久远而导致的不准确的结果,提高输电线路暴雨滑坡预测的自动化和有效性,提高了输电线路地质灾害隐患点的防护效率。
实施例2
与上述方法实施例相对应地,本实施例提供一种输电线路暴雨滑坡预测系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种输电线路暴雨滑坡预测方法,其特征在于,包括以下步骤:
S1:采集待分析地区的输电线路塔杆的历史暴雨滑坡数据得到初始数据集,将所述初始数据集划分为训练数据集和验证数据集;
S2:根据所述训练数据集建立二叉树计算模型,并采用所述验证数据集验证所述二叉树计算模型是否有效,若无效则调整所述历史暴雨滑坡数据重新建立二叉树计算模型,直至所述二叉树计算模型有效;
S3:获取待分析地区在未来时刻的暴雨滑坡预测数据,将所述暴雨滑坡预测数据输入所述二叉树计算模型,若所述二叉树计算模型的输出值属于第一阈值范围,则判断该待分析地区的输电线路塔杆会发生滑坡;若所述二叉树计算模型的输出值属于第二阈值范围,则判断该待分析地区的输电线路塔杆不会滑坡。
2.根据权利要求1所述的输电线路暴雨滑坡预测方法,其特征在于,所述采集待分析地区的输电线路塔杆的历史暴雨滑坡数据具体为:
选取待分析地区的所有输电线路塔杆中的某个滑坡塔杆,采集以该滑坡塔杆为圆心,半径为第三设定距离的范围内的所有输电线路塔杆的符合设定要求的相关数据作为待分析地区的输电线路塔杆的历史暴雨滑坡数据;
所述设定要求为:相关数据包含输电线路塔杆的塔杆信息、滑坡地区的地质特征信息、以及降水量信息。
3.根据权利要求1所述的输电线路暴雨滑坡预测方法,其特征在于,所述S2具体包括以下步骤:
S21:收集输电线路塔杆对应历史暴雨滑坡数据的滑坡结果;
S22:假设x为输入变量,y为输出变量,且y是连续变量,则训练数据集D表示为:
D={(x1,y1),(x2,y2),……,(xN,yN)};
S23:将一个输入变量视为一个区域,以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R1、R2,并决定每个区域上的输出值,构建二叉决策树为:
R1(j,s)={x|x(j)≤s},R2(j,s)={x|x(j)>s};
S24:根据所述二叉决策树建立第一二叉树公式为:
式中,c1为R1区间内的输出平均值,c2为R2区间内的输出平均值,其计算方法为:
式中,x∈Rm,m=1,2,Rm为划分的第m个区域,cm为第m个区域内的输出平均值;
以使所述第一二叉树公式中的平方误差最小为目的,依次遍历每个特征j的每个取值s,计算出当前每一个可能的切分点的误差,最后选择使误差最小的切分点将输入空间划分为两个区域,然后对该两个区域进行进一步划分并以此递归上述划分步骤,直到划分结束;
S25:综合二叉划分得到的所有区域,生成符合决策要求的优化后的二叉树计算模型为:
式中,I为权重系数,M为m的可取值范围。
4.根据权利要求3所述的输电线路暴雨滑坡预测方法,其特征在于,所述S25中,所述决策要求为:二叉树计算模型中的每一个决策末端的输出值都属于所述第一阈值范围或所述第二阈值范围内。
5.根据权利要求4所述的输电线路暴雨滑坡预测方法,其特征在于,所述第一阈值范围为0~0.3;所述第二阈值范围为0.7~1。
6.根据权利要求1所述的输电线路暴雨滑坡预测方法,其特征在于,所述S3具体包括以下步骤:
将验证数据集输入二叉树计算模型,将二叉树计算模型的判断结果与实际滑坡结果进行比对,若超过85%的判断结果与实际结果一致,则认为二叉树计算模型有效。
7.根据权利要求1所述的输电线路暴雨滑坡预测方法,其特征在于,所述S3之后还包括步骤:将待分析地区输电线路塔杆的暴雨滑坡预测数据和实际结果归入该地区的历史数据,更新二叉树计算模型。
8.根据权利要求1所述的输电线路暴雨滑坡预测方法,其特征在于,所述历史暴雨滑坡数据包括输电线路杆塔的耗钢量、输电线路杆塔所处的海拔高度、输电线路杆塔所处的地形坡度、块状岩体滑坡、以及降水量中的一种或者任意几种的组合。
9.根据权利要求2所述的输电线路暴雨滑坡预测方法,其特征在于,所述第三设定距离为5km。
10.一种输电线路暴雨滑坡预测系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-9任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811474843.XA CN109523090A (zh) | 2018-12-04 | 2018-12-04 | 一种输电线路暴雨滑坡预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811474843.XA CN109523090A (zh) | 2018-12-04 | 2018-12-04 | 一种输电线路暴雨滑坡预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523090A true CN109523090A (zh) | 2019-03-26 |
Family
ID=65794384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811474843.XA Pending CN109523090A (zh) | 2018-12-04 | 2018-12-04 | 一种输电线路暴雨滑坡预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523090A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069692A (zh) * | 2019-05-06 | 2019-07-30 | 中国船舶工业综合技术经济研究院 | 一种面向开源信息采集的资源更新时间预测方法及系统 |
CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及系统 |
CN110135495A (zh) * | 2019-05-15 | 2019-08-16 | 国网湖南省电力有限公司 | 一种电网设备融除冰必要性的判识方法及系统 |
CN110749723A (zh) * | 2019-11-05 | 2020-02-04 | 国家电网有限公司 | 一种降雨作用下高压输电杆塔基础滑坡物理模型试验方法 |
CN111582597A (zh) * | 2020-05-14 | 2020-08-25 | 国网通用航空有限公司 | 一种输电线路滑坡危险性预测方法及其设备 |
CN112989567A (zh) * | 2021-02-05 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 降雨作用下确定杆塔基础滑坡成灾模式的方法及设备 |
CN113739758A (zh) * | 2021-09-06 | 2021-12-03 | 江苏久创电气科技有限公司 | 一种输电线路多参数物联网监测系统及方法 |
CN114066165A (zh) * | 2021-10-20 | 2022-02-18 | 国网黑龙江省电力有限公司电力科学研究院 | 一种改进的输电线路高位滑坡危险性评价系统及方法 |
CN116956046A (zh) * | 2023-09-07 | 2023-10-27 | 西南交通大学 | 一种基于循环神经网络的地震滑坡危险性分析方法及装置 |
CN117216503A (zh) * | 2023-11-07 | 2023-12-12 | 北京英视睿达科技股份有限公司 | 一种小区域短时暴雨的预警方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928720A (zh) * | 2012-11-07 | 2013-02-13 | 广东电网公司 | 油浸式主变压器的缺陷率检测方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警系统 |
CN106534976A (zh) * | 2016-10-12 | 2017-03-22 | 南京邮电大学 | Iptv视频业务中用户满意度的智能化预测方法 |
-
2018
- 2018-12-04 CN CN201811474843.XA patent/CN109523090A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928720A (zh) * | 2012-11-07 | 2013-02-13 | 广东电网公司 | 油浸式主变压器的缺陷率检测方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警系统 |
CN106534976A (zh) * | 2016-10-12 | 2017-03-22 | 南京邮电大学 | Iptv视频业务中用户满意度的智能化预测方法 |
Non-Patent Citations (1)
Title |
---|
杨宗佶,等: "重大线性工程沿线滑坡灾害风险评价_以路茂线500千伏输电线路为例", 《2017年全国工程地质学术年会论文集》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069692A (zh) * | 2019-05-06 | 2019-07-30 | 中国船舶工业综合技术经济研究院 | 一种面向开源信息采集的资源更新时间预测方法及系统 |
CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及系统 |
CN110135495A (zh) * | 2019-05-15 | 2019-08-16 | 国网湖南省电力有限公司 | 一种电网设备融除冰必要性的判识方法及系统 |
CN110749723A (zh) * | 2019-11-05 | 2020-02-04 | 国家电网有限公司 | 一种降雨作用下高压输电杆塔基础滑坡物理模型试验方法 |
CN111582597B (zh) * | 2020-05-14 | 2023-07-21 | 国网电力空间技术有限公司 | 一种输电线路滑坡危险性预测方法及其设备 |
CN111582597A (zh) * | 2020-05-14 | 2020-08-25 | 国网通用航空有限公司 | 一种输电线路滑坡危险性预测方法及其设备 |
CN112989567A (zh) * | 2021-02-05 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 降雨作用下确定杆塔基础滑坡成灾模式的方法及设备 |
CN113739758A (zh) * | 2021-09-06 | 2021-12-03 | 江苏久创电气科技有限公司 | 一种输电线路多参数物联网监测系统及方法 |
CN113739758B (zh) * | 2021-09-06 | 2024-03-19 | 江苏久创电气科技有限公司 | 一种输电线路多参数物联网监测系统及方法 |
CN114066165A (zh) * | 2021-10-20 | 2022-02-18 | 国网黑龙江省电力有限公司电力科学研究院 | 一种改进的输电线路高位滑坡危险性评价系统及方法 |
CN116956046A (zh) * | 2023-09-07 | 2023-10-27 | 西南交通大学 | 一种基于循环神经网络的地震滑坡危险性分析方法及装置 |
CN116956046B (zh) * | 2023-09-07 | 2023-12-29 | 西南交通大学 | 一种基于循环神经网络的地震滑坡危险性分析方法及装置 |
CN117216503A (zh) * | 2023-11-07 | 2023-12-12 | 北京英视睿达科技股份有限公司 | 一种小区域短时暴雨的预警方法和系统 |
CN117216503B (zh) * | 2023-11-07 | 2024-04-09 | 北京英视睿达科技股份有限公司 | 一种小区域短时暴雨的预警方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523090A (zh) | 一种输电线路暴雨滑坡预测方法及系统 | |
Gomez Gutierrez et al. | Modelling the occurrence of gullies in rangelands of southwest Spain | |
Zou et al. | Comprehensive flood risk assessment based on set pair analysis-variable fuzzy sets model and fuzzy AHP | |
Capilla et al. | Optimal site selection for upper reservoirs in pump-back systems, using geographical information systems and multicriteria analysis | |
CN107704592A (zh) | 一种基于WebGIS的洪水预报服务构建方法 | |
KR100982448B1 (ko) | 지공간 상관관계 통합기법을 이용한 지반침하 발생 예측시스템 및 이를 이용한 지반침하 발생 예측방법 | |
CN109359738A (zh) | 一种基于qpso-bp神经网络的滑坡危险性评估方法 | |
CN103018604A (zh) | 一种电网设施雷击风险的评估方法及其装置 | |
CN114386816A (zh) | 一种国土空间生态修复关键区识别系统 | |
CN106709181B (zh) | 一种基于并行编程和模块法的分布式水文模型率定方法 | |
CN105335796A (zh) | 一种风电场输出功率爬坡事件预测的系统及方法 | |
Jaafar | Feasibility of groundwater recharge dam projects in arid environments | |
Wu et al. | Assessment of waterlogging risk in the deep foundation pit projects based on projection pursuit model | |
Khatibi et al. | A cellular automata model for monitoring and simulating urban land use/cover changes toward sustainability | |
CN109299208A (zh) | 一种台风灾害下输电杆塔智能可视化风险评估方法 | |
Bijandi et al. | Agricultural land partitioning model based on irrigation efficiency using a multi‐objective artificial bee colony algorithm | |
CN117745466B (zh) | 一种尾矿库数智运维系统 | |
CN110543660A (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
Yurekli et al. | Seasonal and annual regional drought prediction by using data-mining approach | |
Ardelean et al. | Optimal paths for electricity interconnections between Central Asia and Europe | |
Sears et al. | Predicting erosion at valley fills with two reclamation techniques in mountainous terrain | |
Lin et al. | Automatic calibration of an unsteady river flow model by using dynamically dimensioned search algorithm | |
Gerey et al. | Groundwater single-and multiobjective optimization using Harris Hawks and Multiobjective Billiards-inspired algorithm | |
CN115293241A (zh) | 基于多源数据融合的河道崩岸预警方法及装置 | |
Martínez-Cano et al. | Flood resilience assessment in urban drainage systems through multi-objective optimisation |
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: 20190326 |
|
RJ01 | Rejection of invention patent application after publication |