CN110362948B - 一种基于云模型的岩溶地面塌陷的治理方法 - Google Patents
一种基于云模型的岩溶地面塌陷的治理方法 Download PDFInfo
- Publication number
- CN110362948B CN110362948B CN201910666458.3A CN201910666458A CN110362948B CN 110362948 B CN110362948 B CN 110362948B CN 201910666458 A CN201910666458 A CN 201910666458A CN 110362948 B CN110362948 B CN 110362948B
- Authority
- CN
- China
- Prior art keywords
- karst
- collapse
- karst ground
- factor
- ground collapse
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明涉及一种基于云模型的岩溶地面塌陷的治理方法,属于地质灾害评价与防治技术领域,解决了现有方法难以科学指导岩溶地面塌陷防治的问题。治理方法包括如下步骤:确定岩溶地面塌陷影响因子;收集筛选相关工程实例并进行分类定级;计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征、各影响因子的权重、各个危险性级别的确定度,获得综合确定度,根据综合确定度最大值得出待评价场地的岩溶地面塌陷危险性级别,制定治理方案。本发明应用云模型理论将兼具模糊性与随机性特征的岩溶地面危险性级别概念转化为定量的确定度,建立了一种全新的岩溶地面塌陷危险性等级评价与治理体系,为岩溶地面塌陷的防治提供科学依据。
Description
技术领域
本发明涉及地质灾害评价与防治技术领域,尤其涉及一种基于云模型的岩溶地面塌陷的治理方法。
背景技术
岩溶塌陷是我国六大类地质灾害之一,是岩溶地区特有的地质灾害,主要分布在我国西南、华南、华中等人口密集的覆盖型岩溶区。由于岩溶地面塌陷在时间上具有突发性,在空间上具有隐蔽性,并且一旦发生塌陷将有严重的后续效应,因此,岩溶地面塌陷的危险性评价是岩溶地面塌陷灾害防治技术领域中的重点之一。
现有的岩溶地面塌陷危险性评价方法包括定性评判、理论公式、数值计算和统计数学方法。其中定性评判法一般用于可行性研究阶段,只能从宏观上对场地环境的区域性稳定作出评判,因评价过程易受到主观性影响,存在不易推广和评价结果准确性差的缺点。理论公式和数值计算方法属于定量评价方法,但在概化模型的代表性和参数取值方面尚需深入研究以提高其结果的可信度。近年来,地理信息系统(GIS)技术、模糊数学理论、灰色理论和包括神经网络、支持向量机在内的机器学习方法的应用,使得岩溶地面塌陷危险性评价更趋科学化、合理化。
岩溶地面塌陷是一个十分复杂的系统工程过程,影响因子多、复杂且各影响因子作用权值显著不同。另外,在岩溶地面塌陷危险性评价实践中,人们常常会遇到数据和指标的模糊性与随机性问题:由于岩溶地面塌陷成因机制复杂,评价因子与评价结果之间的关系呈现高度非线性,导致众多评价因子的实测值常常不能同时满足某一等级标准,即岩溶地面塌陷危险性评价表现出一定的随机性;由于观测、计算误差的存在,导致评价因子的实测值在评价标准阈值附近时,会存在评价结果亦此亦彼的现象,即岩溶地面塌陷危险性评价具有亦此亦彼的模糊性特征。
然而,现有研究成果在评价因子的客观赋权和综合考虑评价过程中的模糊性与随机性方面存在明显不足,多只考虑模糊性和随机性中的一种,且在评价因子客观赋权方面缺少实用有效的方法,难以科学指导岩溶地面塌陷防治的问题。
发明内容
鉴于上述的分析,本发明旨在提供一种基于云模型的岩溶地面塌陷的治理方法,用以解决现有治理方法未同时考虑模糊性和随机性对岩溶地面塌陷等级评价的影响,岩溶地面塌陷等级评价结果与实际偏差大,难以科学指导岩溶地面塌陷防治的问题。
本发明的目的主要是通过以下技术方案实现的:
一种基于云模型的岩溶地面塌陷的治理方法,包括以下步骤:
步骤一:确定岩溶地面塌陷影响因子;
步骤二:收集筛选相关工程实例,按评价结果将筛选的实例进行分类定级;
步骤三:计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征;
步骤四:求出各影响因子的权重;
步骤五:基于待评价场地的各影响因子实测值计算出各影响因子隶属于各个危险性级别的确定度;
步骤六:将各影响因子确定度分别乘以其权重值并累加求和,获得综合确定度,根据综合确定度最大值得出待评价场地的岩溶地面塌陷危险性级别;
步骤七:根据岩溶地面塌陷危险性级别,采取相应的治理方案进行岩溶地面塌陷的防治处理。
进一步地,步骤一中,岩溶地面塌陷影响因子通过典型岩溶地面塌陷案例的塌陷机制分析获得,包括:基岩裂隙水水位特征、覆盖层厚度、第四系底部隔水层厚度和基岩岩溶发育程度。
进一步地,步骤二中,工程实例包括两种场地,第一种是经专家论证会给出岩溶地面塌陷危险性评价结论的工程场地,第二种是已经发生了岩溶地面塌陷且有详细岩溶勘察资料的场地。
进一步地,步骤二中,将收集到的实例依据实际情况分类定级的具体方法为:将第一种工程实例依据其评价结果分成以下3组:不易塌陷组,易塌陷组,极易塌陷组;将第二种实例划为极易塌陷组;
其中,不易塌陷组对应的岩溶地面塌陷危险性级别为I级,易塌陷组对应II级,极易塌陷组对应III级。
进一步地,步骤二中,剔除不合理实例。
进一步地,步骤三中的云模型数字特征包括期望Ex,熵En和超熵He,计算公式为:
He(i,j)=constant=0.01,
式中,i、j、k分别代表第i个等级、第j个评价指标、第k个样本,m为各等级案例的总数量,max[xk(i,j)]是某一等级所属案例中某一评价因子观测值的最大值,min[xk(i,j)]是某一等级所属案例中某一评价因子观测值的最小值。
进一步地,步骤四中,采用反分析方法求取影响因子权重。
进一步地,采用反分析方法求取影响因子权重的具体步骤为:
1)构建以预测值与实际值之间误差平方和最小为目标的优化适应度函数,优化适应度函数中,各影响因子权重为待求未知变量,通过各评价因子云模型得出确定度,进而将各影响因子的确定度与相应的因子权重变量相乘并累加求和得到综合确定度,由综合确定度的最大值给出预测结果;
2)以收集到的岩溶地面塌陷危险性评价实例集为分析对象,采用遗传算法对因子权重向量进行全局寻优,求得与实际情况最吻合的因子权重;
3)对求得的各影响因子权重进行回代检验。
进一步地,步骤七中,根据岩溶地面塌陷危险性的级别制定如下治理方案:
1)若岩溶地面塌陷危险性的级别为I级,无需控制治理;
2)若岩溶地面塌陷危险性的级别为II级,加强地下水位和地表沉降监测,并制定应急预案;
3)若岩溶地面塌陷危险性的级别为III级,采用注浆或桩基础方法进行控制治理。
与现有技术相比,本发明至少具有如下有益效果:
a)本发明提供的基于云模型的岩溶地面塌陷的治理方法,应用云模型理论,将兼具模糊性与随机性特征的岩溶地面危险性级别概念转化为定量的确定度,建立了一种新的岩溶地面塌陷危险性等级评价与治理体系。
b)本发明提供的基于云模型的岩溶地面塌陷的治理方法,简单实用,容易操作,将定性的岩溶地面塌陷危险性级别概念转化为定量的数值,在转化过程中同时考虑到了数据和指标的模糊性与随机性,揭示了岩溶地面塌陷危险性评价过程中的不确定性规律,弥补了已有方法未考虑模糊性和随机性或仅考虑其中某一方面的缺陷,使得评价结果更具实际意义,能够为岩溶地面塌陷地质灾害的防治提供基本依据。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为实施例一中的基于云模型的岩溶地面塌陷的治理方法流程图;
图2为实施例二中的各影响因子云模型图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,如图1所示,公开了一种基于云模型的岩溶地面塌陷的治理方法,包括如下步骤:
步骤一:确定影响岩溶地面塌陷的影响因子。
岩溶地面塌陷是一个十分复杂的系统工程过程,影响因子多且复杂。本实施例通过岩溶地面塌陷机理分析确定岩溶地面塌陷影响因子,具体包括基岩裂隙水水位特征、覆盖层厚度、第四系底部隔水层厚度、基岩岩溶发育程度等,其中基岩裂隙水水位特征是指基岩裂隙水埋深与第四系厚度之差的绝对值。也可以通过咨询相关领域的专家确定影响岩溶地面塌陷的影响因子。
步骤二:收集筛选相关工程实例,按评价结果将筛选的实例进行分类定级。
收集相关工程实例,具体包括两种场地,第一种是经专家论证会给出岩溶地面塌陷危险性评价结论的工程场地,第二种是已经发生了岩溶地面塌陷且有详细岩溶勘察资料的场地。之后将收集到的实例依据实际情况分类定级,具体过程如下:将第一种工程实例即岩溶地面塌陷风险性评价实例依据其评价结果分成以下3组:不易塌陷组,易塌陷组,极易塌陷组;将第二种实例即已经发生岩溶地面塌陷的实例划分入极易塌陷组;不同的组代表不同的岩溶地面塌陷危险性级别,即不易塌陷组对应的岩溶地面塌陷危险性级别为I级,易塌陷组对应II级,极易塌陷组对应III级。最后,根据以下原则筛选剔除不合理的实例:若某一实例的某因子实测值与该实例所属岩溶地面塌陷危险性级别内的同一因子的所有实测值均值之差大于等于该实例所属岩溶地面塌陷危险性级别内的同一因子所有实测值的方差的3倍,则该实例为不合理实例,应予以剔除。
步骤三:计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征。获得各影响因子的云模型数字特征的方法有两种,具体为:
第一种方法,通过对大量工程实例的统计分析或参考已有文献确定岩溶地面塌陷危险性分级标准。根据云模型的基本理论,计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征,具体包括期望Ex,熵En和超熵He。
期望Ex,熵En和超熵He由以下公式计算:
上式中,αmax和αmin分别表示岩溶地面塌陷危险性分级标准给出的某一岩溶地面塌陷危险性等级某一影响因子的上限值和下限值,对于半升云模型R=3,全云模型R=6。
在第一种方法中,通过对工程实例的统计分析确定岩溶地面塌陷危险性分级标准包括如下步骤:1)对于某一级别的实例,统计某一因子实测值的最大值和最小值作为该级别该影响因子的数值界限;2)同理可统计得出该级别其他影响因子的数值界限;3)I级的上限应与II级的下限相等,若不相等,则用I级上限值与II级下限值之和的一半替换I级上限和II级下限,其他级别同理。
第二种方法,期望Ex,熵En和超熵He的根据步骤二中收集的工程实例由以下公式计算:
He(i,j)=constant=0.01;
上式中,i、j、k分别代表第i个等级、第j个评价指标、第k个样本。m为各等级案例的总数量,max[xk(i,j)]是某一等级所属案例中某一评价因子观测值的最大值,min[xk(i,j)]是某一等级所属案例中某一评价因子观测值的最小值。
步骤四:求出各影响因子的权重。
由于岩溶地面塌陷是一个十分复杂的系统工程过程,影响因子多、复杂且各影响因子作用权值显著不同。以工程实例为分析对象,以与实际结果的吻合度为优化目标,结合各影响因子云模型,采用反分析的方法或者德尔菲法求得各影响因子的客观权重,亦可采用其他赋权方法。
方法一:采用反分析方法求取影响因子的客观权重的具体步骤为:1)构建以预测值与实际值之间误差平方和最小为目标的优化适应度函数。该优化适应度函数中,各影响因子权重为待求未知变量,通过各评价因子云模型得出确定度,进而将各影响因子的确定度与相应的因子权重变量相乘并累加求和得到综合确定度,由综合确定度的最大值给出预测结果;2)以收集到的岩溶地面塌陷危险性评价实例集为分析对象,采用遗传算法对因子权重向量进行全局寻优,求得与实际情况最吻合的因子权重;3)对求得的各影响因子权重进行回代检验。
方法二:采用德尔菲法确定因子权重。在对各影响因子权重征得专家的意见之后,进行整理、归纳、统计,再匿名反馈给各专家,再次征求意见,再集中,再反馈,直至得到一致的意见。
步骤五:基于待评价场地的各影响因子实测值计算出各影响因子隶属于各个危险性级别的确定度。具体的,将待评价场地的各影响因子实测值x代入下式,计算出各影响因子隶属于各个危险性级别的确定度μ:
其中,μ∈[0,1],En′2是一个随机值,服从以En为期望、He 2为方差的高斯分布。
步骤六:将各影响因子确定度μi分别乘以其权重值ωi并累加求和,从而可求得综合确定度Ω,综合确定度Ω计算公式如下:
根据综合确定度最大值得出待评价场地的岩溶地面塌陷危险性主要所属级别。
步骤七:根据步骤六获得的岩溶地面塌陷危险性的级别,采取相应的治理方案进行岩溶地面塌陷的防治处理,具体方案如下:
1)若岩溶地面塌陷危险性的级别为I级,则岩溶地面塌陷的风险性小,不易塌陷,无需控制治理;
2)若岩溶地面塌陷危险性的级别为II级,则岩溶地面塌陷的风险中等,易塌陷,加强地下水位和地表沉降监测,制定应急预案;
3)若岩溶地面塌陷危险性的级别为III级,则岩溶地面塌陷的风险性大,极易塌陷,采用注浆或桩基础等方法进行控制治理。
与现有技术相比,本发明提供的基于云模型的岩溶地面塌陷的治理方法,应用云模型理论,将兼具模糊性与随机性特征的岩溶地面危险性级别概念转化为定量的确定度,建立了一种新的岩溶地面塌陷危险性等级评价与治理体系,有助于揭示岩溶地面塌陷危险性评价过程中的不确定性规律。本发明的治理方法,简单实用,容易操作,将定性的岩溶地面塌陷危险性级别概念转化为定量的数值,在转化过程中同时考虑到了数据和指标的模糊性与随机性,揭示了岩溶地面塌陷危险性评价过程中的不确定性规律,弥补了已有方法未考虑模糊性和随机性或仅考虑其中某一方面的缺陷,使得评价结果更具实际意义,可为岩溶地面塌陷地质灾害的防治提供基本依据,具有重大的理论价值和工程实践意义。
实施例2
本实施例以唐山市岩溶地面塌陷的具体案例对实施例一做进一步说明:
本实施例的基于云模型的岩溶地面塌陷的治理方法包括如下步骤:
步骤一:确定影响岩溶地面塌陷的影响因子。通过唐山市体育场岩溶地面塌陷的成灾机制分析可知,该处岩溶塌陷的影响因素可以归结为两个主要因素:水和通道。具体来说,水在土岩交界面附近的上下波动是岩溶塌陷的外在动力条件,可溶岩被溶蚀形成的溶洞及溶隙、基岩破碎使得溶洞及裂隙容易连通而形成的排泄通道、第四系底部隔水层隔水能力下降甚至失效导致土岩交界面处易形成的天窗等构成的径流通道是岩溶塌陷的内在因素,水借助径流通道不断将第四系覆盖层中的土颗粒带走,进而形成了土洞和岩溶地面塌陷。因此,影响岩溶地面塌陷的主要因素为:基岩裂隙水水位特征、覆盖层厚度、第四系底部隔水层隔水能力、基岩岩溶发育程度,故将上述4个因素确定为影响岩溶地面塌陷的影响因子。为便于量化,采用线岩溶率来衡量岩溶发育程度,故影响岩溶地面塌陷的影响因子为基岩裂隙水水位特征、覆盖层厚度、第四系底部隔水层隔水能力、线岩溶率。
步骤二:收集唐山地区106个岩溶地面塌陷危险性评价案例,通过进一步分析剔除数据偏离均值过大的实例,剩余100个评价实例。其中,评价结果为不易塌陷的场区63个,易塌陷的场区8个,已发生岩溶地面塌陷或者评价结果为极易塌陷的场区29个。根据工程实例的实际情况将工程实例分为3组(即3个岩溶地面塌陷危险性级别I级、II级和III级):不易塌陷组(I),易塌陷组(II),极易塌陷组(III)。
步骤三:计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征。
通过统计某一因子实测值的最大值和最小值得到了岩溶地面塌陷危险性的分级标准,如表1所示。
表1岩溶地面塌陷危险性分级标准
不同级别条件下的各影响因子的云模型数字特征如表2所示:表中的a,b,c,d分别代表危险性分级指标中的各边界值,如某评价因子3个评价区间为I(0,a],II[a,b],III[b,c]。其中I(0,a]采用半降云计算数字特征,III[b,c]采用半升云计算数字特征,II[a,b]则采用全云数字特征。
表2云模型的数字特征
危险性等级 | 期望Ex | 熵En | 超熵He |
不易塌陷(I) | Ex1=0 | En1=(a-0)/3 | 0.01 |
易塌陷(II) | Ex2=(a+b)/2 | En2=(b-a)/6 | 0.01 |
极易塌陷(III) | Ex3=c | En3=(c-b)/3 | 0.01 |
根据表2确定的云模型的参数Ex,En,He,采用正向高斯云算法生成基岩裂隙水水位特征、第四系厚度、第四系底部隔水层厚度和线岩溶率等指标相应的云模型,如图2(a)~图2(d)所示。
步骤四:以与实际结果的吻合度为优化目标,得到权重反分析所需的适应度函数如下:
上式中,i、j、k分别代表第i个等级、第j个评价指标、第k个案例,p、n、m分别为等级总数、评价因子总数和样本总数,x(k,j)为第k个案例第j个评价指标的实测值,Yk为第k个案例的实际等级,yk为第k个案例的预测等级。
进而采用matlab编程并利用遗传算法工具箱,以收集到的工程实例为分析对象,开展了因子权重的反分析计算。计算结果为:基岩裂隙水水位特征0.182、覆盖层厚度0.195、第四系底部隔水层厚度0.268、线岩溶率0.355。
步骤五:将表3中的待评价场地的各影响因子实测值x代入下式,计算出各影响因子隶属于各个危险性级别的确定度μ:其中μ∈[0,1],En′2是一个随机值,服从以En为期望、He 2为方差的高斯分布。
表3待评价场地各影响因子实测值
步骤六:将各影响因子确定度μi分别乘以其权重值ωi并累加求和,从而可求得综合确定度Ω,见表4。
表4评价结果
根据综合确定度中的最大值评定场地的岩溶地面塌陷危险性等级,结果见表4。
步骤七:根据步骤七获得的岩溶地面塌陷危险性的级别,制定治理方案,具体方案如下:
1)待评价场地1的岩溶地面塌陷危险性的级别为I级,则岩溶地面塌陷的风险性小,不易塌陷,无需控制治理。
2)待评价场地2的岩溶地面塌陷危险性的级别为III级,则岩溶地面塌陷的风险性大,极易塌陷,采用注浆或桩基础等方法进行控制治理。
3)待评价场地3的岩溶地面塌陷危险性的级别为II级,则岩溶地面塌陷的风险中等,易塌陷,加强地下水位和地表沉降监测,制定应急预案。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于云模型的岩溶地面塌陷的治理方法,其特征在于,包括以下步骤:
步骤一:确定岩溶地面塌陷影响因子;
影响因子为岩溶水水位特征、第四系覆盖层厚度、第四系底部隔水层厚度和线岩溶率;
步骤二:收集筛选相关工程实例,按评价结果将筛选的实例进行分类定级;
工程实例包括两种场地,第一种是经专家论证会给出岩溶地面塌陷危险性评价结论的工程场地,第二种是已经发生了岩溶地面塌陷且有详细岩溶勘察资料的场地;
剔除不合理实例,若某一实例的某因子实测值与该实例所属岩溶地面塌陷危险性级别内的同一因子的所有实测值均值之差大于等于该实例所属岩溶地面塌陷危险性级别内的同一因子所有实测值的方差的3倍,则该实例为不合理实例,予以剔除;
将第一种工程实例依据其评价结果分成以下3组:不易塌陷组,易塌陷组,极易塌陷组;
将第二种实例划为极易塌陷组;
其中,不易塌陷组对应的岩溶地面塌陷危险性级别为I级,易塌陷组对应II级,极易塌陷组对应III级;
步骤三:计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征;
通过对大量工程实例的统计分析确定岩溶地面塌陷危险性分级标准,所得到的岩溶地面塌陷危险性分级标准如下表所示:
根据云模型的基本理论,计算岩溶地面塌陷危险性不同级别条件下的各影响因子的云模型数字特征,具体包括期望Ex,熵En和超熵He;
期望Ex,熵En和超熵He由以下公式计算:
上式中,αmax和αmin分别表示岩溶地面塌陷危险性分级标准给出的某一岩溶地面塌陷危险性等级某一影响因子的上限值和下限值,对于半升云模型R=3,全云模型R=6,危险性分级标准中的各边界值分别为a、b、c和d,其中I(0,a]采用半降云计算数字特征,III[b,c]采用半升云计算数字特征,II[a,b]则采用全云数字特征;
步骤四:求出各影响因子的权重;
计算得到的各影响因子的权重如下:基岩裂隙水水位特征0.182、覆盖层厚度0.195、第四系底部隔水层厚度0.268、线岩溶率0.355;
步骤五:基于待评价场地的各影响因子实测值和云模型数字特征计算出各影响因子隶属于各个危险性级别的确定度;
步骤六:将各影响因子确定度分别乘以其权重值并累加求和,获得综合确定度,根据综合确定度最大值得出待评价场地的岩溶地面塌陷危险性级别;
步骤七:根据岩溶地面塌陷危险性级别,采取相应的治理方案进行岩溶地面塌陷的防治处理;
1)若岩溶地面塌陷危险性的级别为I级,无需控制治理;
2)若岩溶地面塌陷危险性的级别为II级,加强地下水位和地表沉降监测,并制定应急预案;
3)若岩溶地面塌陷危险性的级别为III级,采用注浆或桩基础方法进行控制治理。
2.根据权利要求1所述的基于云模型的岩溶地面塌陷的治理方法,其特征在于,所述步骤四中,采用反分析方法求取影响因子权重。
3.根据权利要求2所述的基于云模型的岩溶地面塌陷的治理方法,其特征在于,采用反分析方法求取影响因子权重的具体步骤为:
1)构建以预测值与实际值之间误差平方和最小为目标的优化适应度函数,优化适应度函数中,各影响因子权重为待求未知变量,通过各评价因子云模型得出确定度,进而将各影响因子的确定度与相应的因子权重变量相乘并累加求和得到综合确定度,由综合确定度的最大值给出预测结果;
2)以收集到的岩溶地面塌陷危险性评价实例集为分析对象,采用遗传算法对因子权重向量进行全局寻优,求得与实际情况最吻合的因子权重;
3)对求得的各影响因子权重进行回代检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666458.3A CN110362948B (zh) | 2019-07-23 | 2019-07-23 | 一种基于云模型的岩溶地面塌陷的治理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666458.3A CN110362948B (zh) | 2019-07-23 | 2019-07-23 | 一种基于云模型的岩溶地面塌陷的治理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110362948A CN110362948A (zh) | 2019-10-22 |
CN110362948B true CN110362948B (zh) | 2023-07-18 |
Family
ID=68219700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910666458.3A Active CN110362948B (zh) | 2019-07-23 | 2019-07-23 | 一种基于云模型的岩溶地面塌陷的治理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110362948B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914943B (zh) * | 2020-08-14 | 2022-04-15 | 广西大学 | 倾倒式岩溶危岩稳定综合判别的信息向量机方法及装置 |
CN112329103B (zh) * | 2020-11-04 | 2022-11-01 | 西南交通大学 | 一种岩溶上覆砂层塌陷对地层扰动的评价方法 |
CN113191653B (zh) * | 2021-05-11 | 2023-05-26 | 长江勘测规划设计研究有限责任公司 | 一种堰塞体危险性四指标快速评估方法 |
CN115271555B (zh) * | 2022-09-27 | 2022-12-27 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶塌陷应急处置多要素综合处理的信息平台系统 |
CN116305439B (zh) * | 2023-02-27 | 2024-03-08 | 港珠澳大桥管理局 | 桥梁状况评定方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004280204A (ja) * | 2003-03-12 | 2004-10-07 | Kokusai Kogyo Co Ltd | 斜面崩壊予測システム |
CN103279671A (zh) * | 2013-06-03 | 2013-09-04 | 南京大学 | 基于rbf神经网络-云模型的城市水灾害风险预测方法 |
CN104050388A (zh) * | 2014-06-27 | 2014-09-17 | 武汉大学 | 一种基于云技术的突发性水环境风险预测系统及方法 |
CN104133996A (zh) * | 2014-07-25 | 2014-11-05 | 首都师范大学 | 一种基于云模型和数据场的地面沉降风险等级评估方法 |
WO2017133361A1 (zh) * | 2016-02-02 | 2017-08-10 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
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 |
CN108009712A (zh) * | 2017-11-23 | 2018-05-08 | 中国地质大学(武汉) | 一种覆盖型岩溶区运营高速公路岩溶塌陷危险性评价方法 |
JP2018105001A (ja) * | 2016-12-27 | 2018-07-05 | 東京製綱株式会社 | 鋼管杭式土砂崩壊予防施設及び鋼管杭式土砂崩壊予防施設の形成方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160070828A1 (en) * | 2013-04-08 | 2016-03-10 | China University of Mining & Technology, Beijng | Vulnerability Assessment Method of Water Inrush from Aquifer Underlying Coal Seam |
CN105427062A (zh) * | 2015-12-31 | 2016-03-23 | 中国神华能源股份有限公司 | 基于云理论的水库塌岸风险分析方法 |
CN110030951B (zh) * | 2019-05-14 | 2020-02-11 | 武汉大学 | 一种基于三维激光扫描技术的引水竖井缺陷检测方法 |
-
2019
- 2019-07-23 CN CN201910666458.3A patent/CN110362948B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004280204A (ja) * | 2003-03-12 | 2004-10-07 | Kokusai Kogyo Co Ltd | 斜面崩壊予測システム |
CN103279671A (zh) * | 2013-06-03 | 2013-09-04 | 南京大学 | 基于rbf神经网络-云模型的城市水灾害风险预测方法 |
CN104050388A (zh) * | 2014-06-27 | 2014-09-17 | 武汉大学 | 一种基于云技术的突发性水环境风险预测系统及方法 |
CN104133996A (zh) * | 2014-07-25 | 2014-11-05 | 首都师范大学 | 一种基于云模型和数据场的地面沉降风险等级评估方法 |
WO2017133361A1 (zh) * | 2016-02-02 | 2017-08-10 | 中国矿业大学(北京) | 一种煤炭陷落柱识别方法和装置 |
JP2018105001A (ja) * | 2016-12-27 | 2018-07-05 | 東京製綱株式会社 | 鋼管杭式土砂崩壊予防施設及び鋼管杭式土砂崩壊予防施設の形成方法 |
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 |
CN108009712A (zh) * | 2017-11-23 | 2018-05-08 | 中国地质大学(武汉) | 一种覆盖型岩溶区运营高速公路岩溶塌陷危险性评价方法 |
Non-Patent Citations (5)
Title |
---|
A noval combination approach for karst collapse susceptibility assessment using the analytic hierarchy process,catastrophe,and entropy model;WEI AIHUA 等;NATURAL HAZARDS;第105卷(第1期);405-430 * |
大冶湖一号桥桥墩基岩岩溶发育规律研究与岩溶问题处理方法及基础选型;陈政治;吴晓明;朱益民;汪铁山;;资源环境与工程(第06期);698-704 * |
武汉市覆盖层-岩溶地面塌陷形成机理与危险性评价;徐贵来;中国博士学位论文全文数据库基础科学辑(第2期);1-171 * |
河北省某高速公路收费站广场路面塌陷分析及治理;西部探矿工程;西部探矿工程(第2期);5-8 * |
淮南矿区塌陷情况分析及治理对策;李小龙 等;资源·产业(第2期);75-77 * |
Also Published As
Publication number | Publication date |
---|---|
CN110362948A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362948B (zh) | 一种基于云模型的岩溶地面塌陷的治理方法 | |
Nadiri et al. | Mapping vulnerability of multiple aquifers using multiple models and fuzzy logic to objectively derive model structures | |
CN108876027B (zh) | 一种基于gis的农村居民点集中居住区选址和优化方法 | |
Jafari et al. | Groundwater risk assessment based on optimization framework using DRASTIC method | |
CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
CN106022518A (zh) | 一种基于bp神经网络的管道破损概率预测方法 | |
Sorichetta et al. | Reliability of groundwater vulnerability maps obtained through statistical methods | |
CN112308290A (zh) | 一种污染场地调查布点的方法 | |
CN109118004B (zh) | 一种工程构筑选址适宜区预测方法 | |
CN111476472A (zh) | 硫铁矿山地质环境评价方法 | |
Zhumabek et al. | Automated lineament analysis to assess the geodynamic activity areas | |
CN115809800A (zh) | 洪涝灾害风险评估方法 | |
CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
Khairudin et al. | In-Depth review on machine learning models for long-term flood forecasting | |
CN114169140A (zh) | 一种不同层位复合污染土壤污染区域的叠加方法 | |
CN111275292B (zh) | 一种基于模糊层次分析法的接地网状态评估方法 | |
Moayedi et al. | A novel problem-solving method by multi-computational optimisation of artificial neural network for modelling and prediction of the flow erosion processes | |
CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
Wang et al. | A fuzzy intelligent system for land consolidation–a case study in Shunde, China | |
Zuccolo et al. | Probabilistic seismic hazard assessment of Italy using kernel estimation methods | |
CN108694816B (zh) | 一种泥石流预警方法 | |
CN111026790A (zh) | 一种基于数据挖掘的结构安全评估及预报方法 | |
CN115577619A (zh) | 基于机器学习预测液化土残余抗剪强度的方法 | |
CN115545387A (zh) | 不可移动文物脆弱性评估方法 | |
Chang et al. | Single criterion and multiple criteria analysis: A comparison of water quality monitoring designs for a river system |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 050011 No. 36, Jianshe South Street, Qiaoxi District, Shijiazhuang City, Hebei Province Applicant after: Hebei transportation planning and Design Institute Co.,Ltd. Address before: 050011 No. 36, Jianshe South Street, Shijiazhuang City, Hebei Province Applicant before: HEBEI PROVINCIAL COMMUNICATIONS PLANNING AND DESIGN INSTITUTE |
|
GR01 | Patent grant | ||
GR01 | Patent grant |