CN110544286A - 一种大尺度范围的场地快速分类方法及构建场地分类图的装置 - Google Patents

一种大尺度范围的场地快速分类方法及构建场地分类图的装置 Download PDF

Info

Publication number
CN110544286A
CN110544286A CN201910571564.3A CN201910571564A CN110544286A CN 110544286 A CN110544286 A CN 110544286A CN 201910571564 A CN201910571564 A CN 201910571564A CN 110544286 A CN110544286 A CN 110544286A
Authority
CN
China
Prior art keywords
geological
classification
field
site
data
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
Application number
CN201910571564.3A
Other languages
English (en)
Other versions
CN110544286B (zh
Inventor
刘辰
马腾飞
周俊华
左惠强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Property Reinsurance Co Ltd
Sinore Catastrophe Risk Management Co Ltd
China Reinsurance (group) Co Ltd
Original Assignee
China Property Reinsurance Co Ltd
Sinore Catastrophe Risk Management Co Ltd
China Reinsurance (group) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Property Reinsurance Co Ltd, Sinore Catastrophe Risk Management Co Ltd, China Reinsurance (group) Co Ltd filed Critical China Property Reinsurance Co Ltd
Priority to CN201910571564.3A priority Critical patent/CN110544286B/zh
Publication of CN110544286A publication Critical patent/CN110544286A/zh
Application granted granted Critical
Publication of CN110544286B publication Critical patent/CN110544286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种构建场地分类地图的装置，包括：采集部，所述采集部被配置为：采集第一地理范围的区域性高程转化的波速数据；采集第一地理范围的地质图的地质信息元素数据；处理部，所述处理部被配置为：当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与场地分类映射规则的约束下进行第一次场地分类；当采集到地质信息元素数据时，在第一地理范围的地质信息元素与场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类；分类图生成部，所述分类图生成部被配置为：根据第二次场地分类的数据生成场地分类图。本发明还公开了一种大尺度范围的场地快速分类方法。

Description

一种大尺度范围的场地快速分类方法及构建场地分类图的 装置
技术领域
本发明属于地震巨灾保险领域，特别涉及一种大尺度范围的场地快速分类方及构建场地分类地图的装置。
背景技术
地震巨灾保险行业在中国的发展速度加快，开发精准的地震风险量化工具目前已成为巨灾保险行业的重要任务。场地条件对于地震的放大缩小作用是影响强地震动预测和建筑物、构筑物损伤评估的重要因素之一。在计算地震损失、确定保险公司的保险费率时，应考虑场地对于地震动强度的放大、缩小效应。这涉及到两方面因素，一方面是场地类型的划分，另一方面是在地震作用下不同场地类型对于地震动的放大、缩小程度。对于场地类型的划分，我国建筑抗震设计规范中有明确的规定，工程建设中需要对所在场地进行工程地质勘测以确定场地类型，但地震巨灾保险中承保的标的数目非常多，常常以十万、百万计，甚至更多，无法对每一个标的所在的场地进行勘测，因此在进行分析时需要大尺度的场地类型划分。波速与覆盖土层厚度是中国场地类别判定的关键依据，对于施工现场，收集和分析钻孔数据可以估算现场场地的剪切波速，然后用估算的Vse(等效剪切波速)与覆盖土层厚度确定场地类别，结合基岩地震动强度确定场地的放大系数。然而，对于承保的数以百万计的标的，不可能都通过钻孔资料获得场地分类信息。因此，为了在没有详细的钻孔数据的情况下估计大量建筑物的损害，需要设计一种大尺度范围的场地快速分类方法及构建场地分类地图的装置以满足区域性地震风险评估中的场地条件分析需求。
发明内容
为了解决上述技术问题本发明一方面提供了一种构建场地分类图的装置，包括：
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
处理部，所述处理部被配置为：
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第一场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与第二场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类；
分类图生成部，所述分类图生成部被配置为：
根据第二次场地分类的数据生成场地分类图。
本发明还提供了一种大尺度范围的场地快速分类方法，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第一场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与第二场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类。
本发明的有益效果在于，创造性的提出了一种综合地形资料与地质资料得到大尺度场地分类的方法；并且构建场地分类图的30arcsec×30arcsec网格的场地划分结果，以便于保险快速计算，适用于定价与风险累积；同样便于地震动影响场的快速计算，适用于震后应急响应与经济损失快速分析。
附图说明
图1基于地形高程坡度数据的中国Vs30地图；
图2基于坡度的中国场地类型分布图；
图3中国地质图语义分析过程；
图4坡度、地质信息快速融合算法流程图；
图5基于地质图的296种地质单元分类地图；
图6第四纪地质单元场地类型判定流程图；
图7基于坡度与中国地质图的中国场地类型分布图；
图8华北地区场地类型分布图与用于验证的钻孔信息；
图9四川地区场地类型分布图与用于验证的钻孔信息。
具体实施方式
本发明的一个实施例中具体公开了构建场地分类图的装置，包括：
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
处理部，所述处理部被配置为：
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第一场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与第二场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类；
分类图生成部，所述分类图生成部被配置为：
根据第二次场地分类的数据生成场地分类图。
其中，本发明的“第一地理范围”包括但不限于幅员辽阔的国家，比如中国。本发明的“区域性高程转化的波速数据”包括但不限于地表以下30m的平均剪切波速(Vs30)、地表以下20m的等效剪切波速(Vse20)。本发明的“地质信息元素数据”包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小等。本发明的“地形变化物理量”包括但不限于高程和地形坡度。本发明的“第一地理范围的地形变化物理量与场地分类映射规则”包括但不限于依据已知或自定义场地类型划分方法(比如美国NEHRP场地类型划分方法)在计算机中初始化各类型的上下边界阈值，以便约束采集到的数据进而实现数据分类。本发明的“在第一地理范围的地质信息元素与场地分类映射规则”包括但不限于依据已知或自定义场地划分标准(史大成等，2009利用地质图生成场地分类地图方法)在计算机中初始化各类型的上下边界阈值，以便约束采集到的数据进行实现数据分类。本发明不对如何“根据第二次场地分类的数据生成场地分类图”做具体限定，现有技术中已知的基于数据生成地图的技术均在本发明构思之内，如吕红山和赵凤新(2007)利用地形数据生成场地分类地图方法、Wald等(2007)利用坡度与钻孔资料生成场地分类地图方法等等。
另外一个装置实施例中，
处理部，所述处理部被配置为：
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第二地理位置场地分类映射规则、及在第一地理范围的场地分类与第二地理位置场地分类映射规则的共同约束下进行第一次场地分类。
比如：先采用第一地理范围(中国)的地形变化物理量与第二地理位置(美国)场地分类映射规则，再采用第一地理范围(中国)的场地分类与第二地理位置场地(美国)分类映射规则，这对大尺度范围的场地快速分类建立是必要的。
优选的构建场地分类图的装置实施例中，包括：
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据及其网格化的网格点；
采集第一地理范围的地质图的地质信息元素数据为地质单元；
处理部，所述处理部被配置为：
遍历采集到的网格点，在第一地理范围的地形变化物理量与第一场地分类映射规则的约束下为每个网格点进行第一次场地分类；
遍历采集到的地质单元，用地质单元分类器为每个地质单元进行分类；
以第一算法器来判断每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型；
以第二算法器来计算每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型的比例；
以第三算法器来根据比例进行地质单元中对应网格点的第二次场地分类，使得相同的地质单元具有相似的场地类型分布特点。
其中，由于“区域性高程转化的波速数据”与坡度有良好的线性关系，本发明中地形数据有时也称为“坡度数据”，一些实施例中坡度数据构成了二级网格(比如30_arcsec×30_arcsec的网格)；本发明“网格化的网格点”包含基于所有地质单元边界、地质单元数字ID表及二级网格生成的覆盖地质图和坡度区域的一级网格(比如覆盖地质图和坡度区域的经度E73.5-135.1，纬度N18.1-53.6，616×315个0.1°×0.1°的网格)。
需要说明的是，本发明的第一算法器、第二算法器、第三算法器是依据各自实施例中的实质功能而设定，在实施功能相同的情况下任何重新组合，比如将第一算法器和第二算法器合并，均在本发明的构思之内。
优选的装置另外实施例中，
处理部，所述处理部被配置为：
所述第一算法器在每个地质单元数据对应的多边形范围内，搜索多边形中二级网格点，并判断找到的网格点的场地类型；一些实施例中，优选的第一算法器工作方式是：第一步遍历每个地质单元，根据其可构成多边形的边界确定其所属一级网格的集合，提取该集合内所有二级网格点；第二步判断集合内所有二级网格点是否属于地质单元多边形内，若是，则赋予多边形对应的地质单元的数字ID，若否则无操作，继续遍历直至结束。
所述第二算法器在每个地质单元数据对应的多边形范围内，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型的比例。
其中，“多边形”的数据结构优选的是由GIS中Polygon的顶点经纬度坐标构成。
优选的装置另外实施例中，
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据为网格化的网格点，并使得每个网格点具备横坐标和纵坐标；
处理部，所述处理部被配置为：
所述第一算法器在每个地质单元数据对应的多边形范围内，锁定搜索区域，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型，优选的融合算法过程如下：
①读入1：100万地质图所有地质单元边界；
②读入1：100万地质图所有地质单元的数字ID表；
③读入二级网格点构成的中国坡度场地分类数据；
④生成经度E73.5-135.1，纬度N18.1-53.6，616×315个0.1°×0.1°的一级网格，并从西北向东南按顺序给所有一级网格编号；
⑤遍历每个地质单元，根据其边界确定其所属一级网格的集合，提取该集合内所有二级网格点；
⑥判断集合内所有二级网格点是否属于地质单元多边形内，如是，赋予多边形对应的数字ID；如否，无操作。继续遍历直至结束。
其中，本发明的“锁定搜索区域”指每个地质单元确定的包含该地质单元的一级网格。
优选的装置实施例中，
地质单元分类器被配置为：
依据采集到的地质信息元素数据在预设分类规则的约束下对地质单元进行地质单元分类，所述地质信息元素包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小；
依据语义分析算法在所述地质图中提取的关键词，经过同类合并处理后，进行地质单元分类。
其中，本发明的“语义分析算法”包括基于区域地质图例资料与专家经验的自然语言处理。在一些实施例中，通过查阅1:5万地质图图例资料，建立了完整的地质年代、第四纪沉积物沉积成因、第四纪沉积物类型的关键词并给它们赋上了对应的ID。将中国地质图中地质单元的语言描述转化为数字化ID的组合(一个地质单元里可能跨越地质年代、也可能有多种沉积物类型)。
优选的装置实施例中，
所述第三算法器被配置为：
选定某个场地类型，判断该类占比是否大于阈值，如大于，则确认该地质单元为该类场地类型，如不大于，则依次从其他类中选取占比最小的类别，并且将该占比最小的类别变更为与选定的场地类别相同，直至所有地质单元均进行第二次场地分类。
其中，“阈值”为基于专家经验设定，比如60％。
下面实施例中公开了大尺度范围的场地快速分类方法，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类。
另外一个方法的实施例中，
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第二地理位置场地分类映射规则、及在第一地理范围的场地分类与第二地理位置场地分类映射规则的共同约束下进行第一次场地分类。
优选的方法实施例中，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据及其网格化的网格点；
采集第一地理范围的地质图的地质信息元素数据为地质单元；
遍历采集到的网格点，在第一地理范围的地形变化物理量与场地分类映射规则的约束下为每个网格点进行第一次场地分类；
遍历采集到的地质单元，为每个地质单元进行分类；
判断每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型；
计算每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型的比例；
根据比例进行地质单元中对应网格点的第二次场地分类，使得相同的地质单元具有相似场地类型分布特点。
优选的方法实施例中，包括如下步骤：
所述第一算法器在每个地质单元数据对应的多边形范围内，搜索多边形中二级网格点，并判断找到的二级网格点的第一次场地分类得到的场地类型；
所述第二算法器在每个地质单元数据对应的多边形范围内，搜索多边形中网格点，并判断找到的网格点的场地类型的比例。
优选的方法实施例中，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据及其网格化的二级网格点，使得每个网格点具备横坐标、纵坐标和第一次场地分类得到的场地类型；
在每个地质单元数据对应的多边形范围内，锁定由一级网格构成的搜索区域，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型。
优选的方法实施例中，包括如下步骤：
依据采集到的地质信息元素数据在预设分类规则的约束下对地质单元进行地质单元分类，所述地质信息元素包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小；
依据语义分析算法在所述地质图中提取的关键词，经过同类合并处理后，进行地质单元分类。
优选的方法实施例中，包括如下步骤：
选定某个场地类型，判断该类占比是否大于阈值，如大于，则确认该地质单元为该类场地类型，如不大于，则依次从其他类中选取占比最小的类别，并且将该占比最小的类别变更为与选定的场地类别相同，直至所有地质单元均进行第二次场地分类。
下面一些实施例用于进一步解释如何大尺度范围的场地快速分类方法及如何构建场地分类图，但不能被理解为对本发明保护范围的限制。
在实施例中利用中国1：100万地质图与全球DEM高程转化的波速数据生成了中国全国30arcsec×30arcsec网格场地分类地图，该场地分类地图可以应用于巨灾保险领域，亦可应用于地震应急响应领域。
采集第一地理范围(中国)的区域性高程转化的波速数据(采用USGS估算的中国大陆Vs30，如图1所示为基于地形高程坡度数据的中国Vs30地图)，为网格化的网格点，为30arcsec×30arcsec网格；
采集第一地理范围的地质图(中国1:1000000比例尺地质图)的包括地质信息元素(地质年代、沉积成因及沉积物等地质特性)的地质单元；
本实施例中使用1：100万比例尺地质图，是由全国地质资料馆收集完成的，该图由200多幅区域地质图组成，包括地质年代、地质过程、岩性和土壤性质信息(地质信息元素)在内的105954个地质单元。
遍历采集到的网格点，在第一地理范围的地形变化物理量(Vs30，地下30m内岩层土层平均剪切波速，与坡度有良好的线性关系，该数据来自于USGS)与场地分类映射规则(来自吕红山和赵凤新，2007，见表1)的约束下为每个网格点进行第一次场地分类；至此，可以将中国Vs30图(如图1)转换为基于地形高程坡度数据的中国场地分类地图(如图2)，包括Ⅰ、Ⅱ、Ⅲ三类的场地类型。
表1映射规则I
Vs30 场地类型
>510m/s Ⅰ
260m/s-510m/s Ⅱ
150m/s-260m/s Ⅲ
依据采集到的地质信息元素数据在预设分类规则的约束下对地质单元进行地质单元分类，所述地质信息元素包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小，如表2、表3所示，获得了共296个地质单元类型的数据结构(包括17个考虑地质年代的非第四纪类型和279种考虑地质年代、沉积成因和沉积物类型的第四纪类型)。
本实施例公开了如下语义分析算法，但是本领域技术人员基于下述算法的变形均在本发明的构思之内：
第一步读入1：100万中国地质图的属性表，并读入Symbol字段；第二步根据地质年代表的字符代码搜索每个Symbol字段中首个代表地质年代的字符串；第三步以二叠纪、三叠纪的界限，第三纪、第四纪的界限划分地质年代；第四步对二叠纪以前的地质单元，若Descriptor字段中包含“风化”字符串，则ID＝2，否则ID＝1；对第三纪到三叠纪之间的地质单元，根据表2赋予ID＝33-77；对于第四纪的地质单元，读取UNITNAME字段和Descriptor字段，按照表3搜索关键词，并赋予ID＝8+沉积成因ID+多种沉积物类型ID，其中“+”作为分隔符出现。
表2 18个地质年代类型的数据结构
地质年代类别 地质年代小类 地质单元年代编号
二叠纪及以前 不含风化层 1
含风化层 2
三叠纪 三叠纪 33
三叠纪-侏罗纪 34
三叠纪-白垩纪 35
三叠纪-早第三纪 36
三叠纪-晚第三纪 37
侏罗纪 侏罗纪 44
侏罗纪-白垩纪 45
侏罗纪-早第三纪 46
侏罗纪-晚第三纪 47
白垩纪 白垩纪 55
白垩纪-早第三纪 56
白垩纪-晚第三纪 57
早第三纪 早第三纪 66
早第三纪-晚第三纪 67
晚第三纪 晚第三纪 77
第四纪 第四纪 8
依据语义分析算法在所述地质图中提取的关键词，经过同类合并处理后，进行地质单元分类。第四纪沉积物的剪切波速度变化很大，这是因为沉积层在厚度和粒度上都有所不同。因此，对于第四纪地质单元，根据其沉积成因和沉积物类型对地质单元进行分类。从中国地质图中搜索出沉积成因26种，第四纪沉积物类型29种。根据沉积成因和沉积物类型，对这些地质单元进行语义分析和统计分析后，在整个地图中对第四纪地质单元进行了分类，共279种。第四纪地质单元279类，非第四纪地质单元17类，合计296类。图4是根据地质年代、沉积成因和土壤性质划分的296种地质单元图。
表3 279种第四纪地质单元类型的数据结构
判断每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型，即统计每一种地质单元中坡度法得到的I、II、III类场地数量；如图5所示，网格化后，建立索引(一级网格的编号。)，再锁定搜索区域，实现了坡度、地质信息快速融合，融合算法如下：
①读入1：100万地质图所有地质单元边界；
②读入1：100万地质图所有地质单元的数字ID表；
③读入二级网格点构成的中国坡度场地分类数据；
④生成经度E73.5-135.1，纬度N18.1-53.6，616×315个0.1°×0.1°的一级网格，并从西北向东南按顺序给所有一级网格编号；
⑤遍历每个地质单元，根据其边界确定其所属一级网格的集合，提取该集合内所有二级网格点；
⑥判断集合内所有二级网格点是否属于地质单元多边形内。若是，赋予多边形对应的数字ID；若否，无操作。继续遍历直至结束；
计算每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型的比例；
遍历每个场地类型，如图6所示，判断该类占比是否大于阈值(60％)，如大于，则确认该地质单元为该类场地类型，如均不大于，则选定某个场地类型(II类)，依次从其他类(I类和III类)中选取占比最小的类别，并且将该占比最小的类别变更为与选定的场地类别相同。对每个地质单元进行处理直至所有地质单元均进行第二次场地分类。
图7是基于坡度与中国地质图的中国场地类型分布图。从图7可以看出，相较于图2的基于坡度的中国场地类型分布图，II类场地的数量明显增加。使用考虑地质特性的分类方法对全国范围的场地进行分类的结果显示中国东北部和中部地区主要为I类场地，而II类场地增加的地区主要在四川、西藏、陕西、山西；III类场地的增加主要集中在东北平原和长三角地区。考虑地质特性的分类方法使一些沿海的丘陵地区的场地类型判定从由I类变为II类，比如浙江福建的山地地区。
从表4中可以看出，采用地质特性修正的方法对全国范围的场点进行场地的划分使II类场地增加最多，修正方法给出的判别结果中，II类场地个数为5880385个。在I类场地中，两种方法判别结果一致的占比为78.31％，II类场地中，判别结果保持一致的占比为82.27％，III类场地中一致的占比为77.44％。21.02％的坡度方法判别的I类场地被判定为II类场地；21.49％的坡度方法判别的III类场地被判别为II类场地；12.82％的II类场地被调整为I类场地，但I类场地几乎不会被调整为III类场地，III类场地也鲜少被调整为I类场地，这是由于I类和III类场地之间的地质、地形特性差异较大。
表4坡度法与坡度—地质法得到的场地类型对比
通过对安评报告、地质调查等资料进行收集，共选取453组场地数据，其中109组来自四川地区，344组来自华北平原，钻孔的分布如图8和图9所示。针对这453组数据，对比使用坡度方法(以下简称方法1)、地质特性修正法(以下简称方法2)得到的场地分类结果和钻孔资料中场地分类结果的配准率。
表5坡度方法的验证结果(华北地区+四川地区)
表6坡度——地质方法的验证结果(华北地区+四川地区)
表7坡度方法的验证结果(华北地区)
表8坡度——地质方法的验证结果(华北地区)
表9坡度方法的验证结果(四川地区)
表10坡度——地质方法的验证结果(四川地区)
从表5和表6中可以看出，在华北平原和四川地区应用方法2，估测场地分类与实际钻孔得到的场地分类的配准率相比用方法1的到的配准率提高了12％。这说明在大区域范围内应用方法2，对场点的场地类型进行分类的分类结果更符合钻孔资料的结果。对于III类场地，方法1和方法2的分类结果都与钻孔资料分类结果一致，都高达90％以上。
图2、7中显示，华北平原主要的场地类型为III类场地，四川地区主要为I、II类场地。对比表7，和表9，可以发现，本研究所选取的研究资料中III类和IV类场地全部集中在华北平原，I、II类场地也主要集中在四川地区。这说明从宏观上来看，方法2的分类方法结果与钻孔资料是一致的。
表7、8、9、10表分别是使用华北平原和四川地区钻孔数据对坡度方法和地质特性修正方法进行准确度验证的配准率结果。
表7和表8中数据显示，在华北平原对III类场地采用方法1和方法2得到的结果都与实际钻孔资料中的场地类型有着90％以上的配准率。由于研究方法1和2都以USGS的Vs30数据为基础，全国的1400万个场点的Vs30均大于150m/s，使用方法1和方法2都无法将IV类场地识别出来，两表中钻孔资料里的1个IV类场地，被判别为III类场地。
由于四川地区本身的地质特性，四川地区的场地类型多为II类场地和I类场地，同时，本研究所搜集的钻孔资料中，并无III类和IV类场地资料。表9和表10显示，方法2相比方法1，从总体上来看，分类结果与钻孔资料分类的配准率从31.19％提高到了56.88％。对II场地判别结果与钻孔资料的分类在配准率上提高了30％以上，由27.17％提高到了58.7％。这说明而补充地质特性的判别方法可以很大程度上地改善判别的准确率，使其与实际钻孔资料数据更一致。
本说明书中描述的主题的实施方式和功能性操作可以在以下中实施：数字电子电路，有形实施的计算机软件或者固件，计算机硬件，包括本说明书中公开的结构及其结构等同体，或者上述中的一者以上的组合。本说明书中描述的主题的实施方式可以被实施为一个或多个计算机程序，即，一个或多个有形非暂时性程序载体上编码的计算机程序指令的一个或多个模块，用以被数据处理设备执行或者控制数据处理设备的操作。
在本说明书中描述的处理和逻辑流程可以由一个或多个可编程计算机执行，该计算机通过运算输入数据并且生成输出而执行一个或多个的计算机程序，以运行函数。处理和逻辑流程还可以由专用逻辑电路，例如，FPGA(可现场编程门阵列)或者ASIC(专用集成电路)执行，并且设备也可以被实施为专用逻辑电路。
虽然本说明书包含很多具体的实施细节，但是这些不应当被解释为对任何发明的范围或者对可以要求保护的内容的范围的限制，而是作为可以使特定发明的特定实施方式具体化的特征的说明。在独立的实施方式的语境中的本说明书中描述的特定特征还可以与单个实施方式组合地实施。相反地，在单个实施方式的语境中描述的各种特征还可以独立地在多个实施方式中实施，或者在任何合适的子组合中实施。此外，虽然以上可以将特征描述为组合作用并且甚至最初这样要求，但是来自要求的组合的一个或多个特征在一些情况下可以从该组合去掉，并且要求的组合可以转向子组合或者子组合的变形。

Claims (14)

1.一种构建场地分类图的装置，其特征在于，包括：
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
处理部，所述处理部被配置为：
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第一场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与第二场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类；
分类图生成部，所述分类图生成部被配置为：
根据第二次场地分类的数据生成场地分类图。
2.如权利要求1所述的装置，其特征在于，
处理部，所述处理部被配置为：
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第二地理位置场地分类映射规则、及在第一地理范围的场地分类与第二地理位置场地分类映射规则的共同约束下进行第一次场地分类。
3.如权利要求1或2任一所述构建场地分类图的装置，其特征在于，包括：
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据及其网格化的网格点；
采集第一地理范围的地质图的地质信息元素数据为地质单元；
处理部，所述处理部被配置为：
遍历采集到的网格点，在第一地理范围的地形变化物理量与场地分类映射规则的约束下为每个网格点进行第一次场地分类；
遍历采集到的地质单元，用地质单元分类器为每个地质单元进行分类；
以第一算法器来判断每个已经分类的地质单元中对应网格点的第一次场地分类后的场地类型；
以第二算法器来计算每个已经分类的地质单元中对应二级网格点的第一次场地分类后的场地类型的比例；
以第三算法器来根据比例进行地质单元中对应网格点的第二次场地分类，使得相同的地质单元具有相似的场地类型分布。
4.如权利要求3所述的装置，其特征在于，
处理部，所述处理部被配置为：
所述第一算法器在每个地质单元数据对应的一级网格内，搜索多边形中二级网格点，并判断找到的每个二级网格点的场地类型；
所述第二算法器在每个地质单元数据对应的多边形范围内，判断找到的网格点的场地类型的比例。
5.如权利要求4所述的装置，其特征在于，
采集部，所述采集部被配置为：
采集第一地理范围的区域性高程转化的波速数据为网格化的二级网格点，并使得每个二级网格点具备横坐标、纵坐标和第一次场地分类得到的场地类型；
处理部，所述处理部被配置为：
所述第一算法器在每个地质单元数据对应的多边形范围内，锁定由一级网格构成的搜索区域，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型。
6.如权利要求5所述的装置，其特征在于，
地质单元分类器被配置为：
依据采集到的地质信息元素数据在预设分类规则的约束下对地质单元进行地质单元分类，所述地质信息元素包括但不限于所述地质信息元素包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小；
依据语义分析算法在所述地质图中提取的关键词，经过同类合并处理后，进行地质单元分类。
7.如权利要求6所述的装置，其特征在于，
所述第三算法器被配置为：
选定某个场地类型，判断该类占比是否大于阈值，如大于，则确认该地质单元为该类场地类型，如不大于，则依次从其他类中选取占比最小的类别，并且将该占比最小的类别变更为与选定的场地类别相同，直至所有地质单元均进行第二次场地分类。
8.一种大尺度范围的场地快速分类方法，其特征在于，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据；
采集第一地理范围的地质图的地质信息元素数据；
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与场地分类映射规则的约束下进行第一次场地分类；
当采集到地质信息元素数据时，在第一地理范围的地质信息元素与场地分类映射规则的约束下对所述第一次场地分类进行第二次场地分类。
9.如权利要求8所述的方法，其特征在于，
当采集到区域性高程转化的波速数据时，在第一地理范围的地形变化物理量与第二地理位置场地分类映射规则、及在第一地理范围的场地分类与第二地理位置场地分类映射规则的共同约束下进行第一次场地分类。
10.如权利要求8或9任一所述的方法，其特征在于，包括如下步骤：
采集第一地理范围的区域性高程转化的波速数据为网格化的网格点；
采集第一地理范围的地质图的地质信息元素数据为地质单元；
遍历采集到的网格点，在第一地理范围的地形变化物理量与场地分类映射规则的约束下为每个网格点进行第一次场地分类；
遍历采集到的地质单元，为每个地质单元进行分类；
判断每个已经分类的地质单元中对应二级网格点的第一次场地分类后的场地类型；
计算每个已经分类的地质单元中对应二级网格点的第一次场地分类后的场地类型的比例；
根据比例进行地质单元中对应网格点的第二次场地分类，使得相同的地质单元具有相似的场地类型分布。
11.如权利要求10所述的方法，其特征在于，
所述第一算法器在每个地质单元数据对应的多边形范围内，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型；
所述第二算法器在每个地质单元数据对应的多边形范围内，计算找到的二级网格点的各个场地类型的比例。
12.如权利要求11所述的方法，其特征在于，
采集第一地理范围的区域性高程转化的波速数据及其网格化的二级网格点，使得每个网格点具备横坐标、纵坐标和第一次场地分类得到的场地类型；
在每个地质单元数据对应的多边形范围内，锁定由一级网格构成的搜索区域，搜索多边形中二级网格点，并判断找到的二级网格点的场地类型。
13.如权利要求12所述的方法，其特征在于，
依据采集到的地质信息元素数据在预设分类规则的约束下对地质单元进行地质单元分类，所述地质信息元素包括但不限于地质年代、沉积成因、沉积物类型、岩性土性、地质结构分层情况、颗粒大小；
依据语义分析算法在所述地质图中提取的关键词，经过同类合并处理后，进行地质单元分类。
14.如权利要求13所述的方法，其特征在于，
选定某个场地类型，判断该类占比是否大于阈值，如大于，则确认该地质单元为该类场地类型，如不大于，则依次从其他类中选取占比最小的类别，并且将该占比最小的类别变更为与选定的场地类别相同，处理每一个地质单元，直至所有地质单元均进行第二次场地分类。
CN201910571564.3A 2019-06-28 2019-06-28 一种大尺度范围的场地快速分类方法及构建场地分类图的装置 Active CN110544286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910571564.3A CN110544286B (zh) 2019-06-28 2019-06-28 一种大尺度范围的场地快速分类方法及构建场地分类图的装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910571564.3A CN110544286B (zh) 2019-06-28 2019-06-28 一种大尺度范围的场地快速分类方法及构建场地分类图的装置

Publications (2)

Publication Number Publication Date
CN110544286A true CN110544286A (zh) 2019-12-06
CN110544286B CN110544286B (zh) 2024-02-27

Family

ID=68709739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910571564.3A Active CN110544286B (zh) 2019-06-28 2019-06-28 一种大尺度范围的场地快速分类方法及构建场地分类图的装置

Country Status (1)

Country Link
CN (1) CN110544286B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516763A (zh) * 2021-05-26 2021-10-19 中国再保险(集团)股份有限公司 大尺度精细化地貌数字化模拟方法和装置
CN114546994A (zh) * 2022-04-25 2022-05-27 北京华清安地建筑设计有限公司 基于数据容器的老旧厂区功能提升的数据分析方法和系统
CN116630676A (zh) * 2022-09-01 2023-08-22 中国地震局地球物理研究所 大尺度范围的场地分类处理方法、装置及电子设备
CN116975715A (zh) * 2023-07-31 2023-10-31 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 基于综合计算模型的场地类型划分方法、系统及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995006886A1 (en) * 1993-09-03 1995-03-09 Armitage Kenneth Rayvenor Lust Evaluation of seismic sequence lithology
JP2000002769A (ja) * 1998-06-17 2000-01-07 Nippon Koei Co Ltd 地質構造の空間分布を予測して地質図を作成する方法及び装置
US6618678B1 (en) * 2000-05-26 2003-09-09 Jason Geosystems B.V. Method of joint analysis and interpretation of the subsurface from multiple seismic derived layer property data sets
US20120209526A1 (en) * 2009-11-05 2012-08-16 Matthias Imhof Method For Creating A Hierarchically Layered Earth Model
CN103970837A (zh) * 2014-04-11 2014-08-06 北京工业大学 基于城市用地和竖向规划的不连续dem分类制作方法
CN104570068A (zh) * 2013-10-11 2015-04-29 中国石油化工股份有限公司 一种基于三维gis的观测系统crp属性分析方法
CN105184864A (zh) * 2015-08-14 2015-12-23 中国能源建设集团安徽省电力设计院有限公司 一种用于天然地基换填工程量计算的场地地层三维地质结构模型生成方法
US20160005226A1 (en) * 2014-07-07 2016-01-07 Fovia, Inc. Classifying contiguous objects from polygonal meshes with spatially grid-like topology
US20160125628A1 (en) * 2014-11-05 2016-05-05 Geologis Ltd. Geographical information systems
CN106909788A (zh) * 2017-02-28 2017-06-30 中国人民解放军理工大学 计算机气象软件中基于位势高度数据的槽线自动绘制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995006886A1 (en) * 1993-09-03 1995-03-09 Armitage Kenneth Rayvenor Lust Evaluation of seismic sequence lithology
JP2000002769A (ja) * 1998-06-17 2000-01-07 Nippon Koei Co Ltd 地質構造の空間分布を予測して地質図を作成する方法及び装置
US6618678B1 (en) * 2000-05-26 2003-09-09 Jason Geosystems B.V. Method of joint analysis and interpretation of the subsurface from multiple seismic derived layer property data sets
US20120209526A1 (en) * 2009-11-05 2012-08-16 Matthias Imhof Method For Creating A Hierarchically Layered Earth Model
CN104570068A (zh) * 2013-10-11 2015-04-29 中国石油化工股份有限公司 一种基于三维gis的观测系统crp属性分析方法
CN103970837A (zh) * 2014-04-11 2014-08-06 北京工业大学 基于城市用地和竖向规划的不连续dem分类制作方法
US20160005226A1 (en) * 2014-07-07 2016-01-07 Fovia, Inc. Classifying contiguous objects from polygonal meshes with spatially grid-like topology
US20160125628A1 (en) * 2014-11-05 2016-05-05 Geologis Ltd. Geographical information systems
CN105184864A (zh) * 2015-08-14 2015-12-23 中国能源建设集团安徽省电力设计院有限公司 一种用于天然地基换填工程量计算的场地地层三维地质结构模型生成方法
CN106909788A (zh) * 2017-02-28 2017-06-30 中国人民解放军理工大学 计算机气象软件中基于位势高度数据的槽线自动绘制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PAMUK, E 等: "Local site effects evaluation for Aliaga/Izmir using HVSR (Nakamura technique) and MASW methods", NATURAL HAZARDS, vol. 90, no. 2, pages 887 - 899, XP036378626, DOI: 10.1007/s11069-017-3077-y *
亢川川;马超;刘韶;李建亮;史丙新;孔军;: "四川省区域性场地分类的初步研究", 四川地震, no. 03, pages 37 - 42 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516763A (zh) * 2021-05-26 2021-10-19 中国再保险(集团)股份有限公司 大尺度精细化地貌数字化模拟方法和装置
CN113516763B (zh) * 2021-05-26 2024-05-24 中国再保险(集团)股份有限公司 大尺度精细化地貌数字化模拟方法和装置
CN114546994A (zh) * 2022-04-25 2022-05-27 北京华清安地建筑设计有限公司 基于数据容器的老旧厂区功能提升的数据分析方法和系统
CN116630676A (zh) * 2022-09-01 2023-08-22 中国地震局地球物理研究所 大尺度范围的场地分类处理方法、装置及电子设备
CN116630676B (zh) * 2022-09-01 2024-02-09 中国地震局地球物理研究所 大尺度范围的场地分类处理方法、装置及电子设备
CN116975715A (zh) * 2023-07-31 2023-10-31 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 基于综合计算模型的场地类型划分方法、系统及设备

Also Published As

Publication number Publication date
CN110544286B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
CN110544286B (zh) 一种大尺度范围的场地快速分类方法及构建场地分类图的装置
Pradhan et al. Spatial data analysis and application of evidential belief functions to shallow landslide susceptibility mapping at Mt. Umyeon, Seoul, Korea
Al Saud Mapping potential areas for groundwater storage in Wadi Aurnah Basin, western Arabian Peninsula, using remote sensing and geographic information system techniques
Rice et al. Grain size along two gravel‐bed rivers: statistical variation, spatial pattern and sedimentary links
KR101618713B1 (ko) 지반정보에 기초한 3차원 공간 모델링 방법
Mezughi et al. Analytical hierarchy process method for mapping landslide susceptibility to an area along the EW highway (Gerik-Jeli), Malaysia
Song et al. Potential of ensemble learning to improve tree-based classifiers for landslide susceptibility mapping
Akinwumiju GIS-based integrated groundwater potential assessment of Osun drainage basin, southwestern Nigeria
CN109992635B (zh) 一种震后泥石流早期识别方法
CN111582597A (zh) 一种输电线路滑坡危险性预测方法及其设备
Fildes et al. Mapping groundwater potential zones using remote sensing and geographical information systems in a fractured rock setting, Southern Flinders Ranges, South Australia
Neamat et al. A systematic review of GIS-based landslide Hazard Mapping on Determinant Factors from International Databases
Triantafilis et al. Digital soil-class mapping across the Edgeroi district using numerical clustering and gamma-ray spectrometry data
Tang et al. Emergency assessment of seismic landslide susceptibility: a case study of the 2008 Wenchuan earthquake affected area
Hosseini Duki et al. Evaluation of base flow separation methods for determining water extraction (case study: Gorganroud River Basin)
Olubusola et al. Modeling of groundwater yield using GIS and electrical resistivity method in a basement complex Terrain, Southwestern Nigeria
Zhang et al. Landslide susceptibility mapping using novel hybrid model based on different mapping units
Palaka et al. Identification of potential zones for groundwater recharge in Kosigi Mandal, Kurnool District, using remote sensing and GIS
Xie et al. GIS prospectivity mapping and 3D modeling validation for potential uranium deposit targets in Shangnan district, China
Pourghasemi et al. Landslide hazard assessment using remote sensing data, GIS and weights-of-evidence model (South of Golestan Province, Iran)
Jayamali et al. Gem potential mapping based on Geographical Information Systems (GIS): a case study from Medagama, Moneragala District, Sri Lanka
Xiang et al. Single‐element Anomaly Mapping from Stream Sediment Geochemical Landscapes Aided by Digital Terrain Analysis
Buczyński et al. Influence of geologic structure on the presence, discharge and physical and chemical properties of springs in the Muszynka catchment (Carpathian flysch)
Thapa et al. GIS-based quantitative landslide hazard prediction modelling in natural hillslope, Agra Khola watershed, central Nepal
Beshr et al. Using modified inverse distance weight and principal component analysis for spatial interpolation of foundation settlement based on geodetic observations

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