CN110633858A - 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 - Google Patents

一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 Download PDF

Info

Publication number
CN110633858A
CN110633858A CN201910881559.2A CN201910881559A CN110633858A CN 110633858 A CN110633858 A CN 110633858A CN 201910881559 A CN201910881559 A CN 201910881559A CN 110633858 A CN110633858 A CN 110633858A
Authority
CN
China
Prior art keywords
rainstorm
geological
geological disaster
power transmission
early warning
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
Application number
CN201910881559.2A
Other languages
English (en)
Inventor
陆佳政
杨莉
李丽
怀晓伟
郭俊
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power 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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910881559.2A priority Critical patent/CN110633858A/zh
Publication of CN110633858A publication Critical patent/CN110633858A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geology (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Emergency Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种用于输电线路的暴雨地质灾害的聚类预警方法及系统，包括：获取输电线路暴雨地质灾害影响的历史观测数据以及相对应的影响因子数据；将每一个暴雨地质灾害影响因子作为数据空间的一维，上述历史观测数据中的输电线路的历史暴雨地质灾害实际发生数据作为高维空间的点据集合S；将高维空间的点据集合S中的点据进行聚类；根据聚类结果，得到k种典型的暴雨地质灾害的发生类型，分别建立每种类型的暴雨地质灾害预测的预测模型；采用k种预测模型，开展暴雨地质灾害预警。本发明可适用于不同地区的输电线路的暴雨地质灾害的预警类型。

Description

一种用于输电线路的暴雨地质灾害的聚类预警方法及系统
技术领域
本发明涉及电网防护技术领域，尤其涉及一种用于输电线路的暴雨地质灾害的聚类预警方法及系统。
背景技术
夏季暴雨引发的洪涝、滑坡等地质灾害，易造成电网塔基失稳造成倒塔、线路跳闸或断线、变电设备浸水，引发大面积停电事故。对电网设施破坏力大，停电时间长，恢复重建成本高。每年夏季，国网中东部省份均会出现由于暴雨过程，导致的重要输电线路塔基垮塌、掩埋和变电站浸水，暴雨及地质灾害是影响电网安全的重要威胁。
开展电网暴雨及次生灾害预测预警，可提前部署杆塔临时加固、变电站增加排水等防范措施，保证电网设施防洪安全，避免大面积停电。然而目前气象部门暴雨预报和地质部门的地质灾害预报主要针对大范围区域，难以满足电网需求，然而电网设施分布点多面广，输电线路暴雨地质灾害涉及到降雨量、地形条件、地质条件等多因素影响，规律复杂，采用流体动力学模型等开展暴雨地质灾害预测可开展局部地区的精细分析计算，难以满足输电线路分布点多面广的要求，迫切需要研究针对输电线路面积大、分布广特点的电网暴雨地质灾害预警系统。
发明内容
本发明提供了一种用于输电线路的暴雨地质灾害的聚类预警方法及系统，用以解决现有的暴雨地质灾害预测仅能开展局部地区的精细分析计算，难以满足输电线路分布点多面广的要求的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种用于输电线路的暴雨地质灾害的聚类预警方法，包括以下步骤：
获取输电线路暴雨地质灾害影响的历史观测数据以及相对应的影响因子数据；
将每一个暴雨地质灾害影响因子作为数据空间的一维，上述历史观测数据中的输电线路的历史暴雨地质灾害实际发生数据作为高维空间的点据集合S；
将高维空间的点据集合S中的点据进行聚类；
根据聚类结果，得到k种典型的暴雨地质灾害的发生类型，分别建立每种类型的暴雨地质灾害预测的预测模型；
采用k种预测模型，开展暴雨地质灾害预警。
优选地，影响因子包括：降雨量、地形因素、地质条件、植被情况以及地质灾害隐患信息。
优选地，降雨量包括日降雨量及前期降雨量；地形因素包括海拔高程和坡度；地质条件包括碎屑岩、碳酸盐岩以及结晶岩；植被情况包括林区、灌木丛或草地以及裸露地表；地质灾害隐患信息包括地质部门根据人类活动和地质构造条件形成的地质灾害隐患风险信息。
优选地，高维空间的点据集合S＝{xi1,xi2,…,xin},i＝1,2,…,m，其中n为暴雨地质灾害的影响因子个数，m为历史观测暴雨地质灾害记录的数据长度，xij为第i条暴雨地质灾害记录的第j个暴雨地质灾害影响因素的数值。
优选地，将高维空间的点据集合S中的点据进行聚类，包括：以欧式距离计算各条记录点距的相似度，并采用非监督聚类方法将高维空间的点据进行聚类。
优选地，分别建立每种类型的暴雨地质灾害预测的预测模型，包括：针对每种类型，分别统计5种影响因子的分布，建立每种影响因子的阈值范围和组合方式，作为每种类型暴雨地质灾害预警的规则，根据规则建立每种类型的暴雨地质灾害预测的预测模型。
本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的用于输电线路的暴雨地质灾害的聚类预警方法及系统，依托历史观测暴雨地质灾害数据可通过聚类快速得到输电线路暴雨地质灾害的类型，原理清晰，操作方便，实用性强，可适用于不同地区的输电线路暴雨地质灾害的预警类型，可提升输电线路暴雨地质灾害预报的准确率。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。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用于输电线路的暴雨地质灾害的聚类预警方法的流程示意图。
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。
参见图1，本发明的用于输电线路的暴雨地质灾害的聚类预警方法，包括以下步骤：
获取输电线路暴雨地质灾害影响的历史观测数据以及相对应的影响因子数据；
将每一个暴雨地质灾害影响因子作为数据空间的一维，上述历史观测数据中的输电线路的历史暴雨地质灾害实际发生数据作为高维空间的点据集合S；
将高维空间的点据集合S中的点据进行聚类；
根据聚类结果，得到k种典型的暴雨地质灾害的发生类型，分别建立每种类型的暴雨地质灾害预测的预测模型；
采用k种预测模型，开展暴雨地质灾害预警。
上述步骤，依托历史观测暴雨地质灾害数据可通过聚类快速得到输电线路暴雨地质灾害的类型，可适用于不同地区的输电线路暴雨地质灾害的预警类型。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
本实施例的用于输电线路的暴雨地质灾害的聚类预警方法，包括以下步骤：
(1)获取输电线路暴雨地质灾害影响的历史观测数据以及相对应的影响因子数据。
输电线路暴雨地质灾害的影响因子包括：
a.降雨量。包括日降雨量及前期降雨量(前1天降雨量、3天降雨量、5天降雨量、10天降雨量)，以降雨量的数据来表示；
b.地形因素。包括海拔高程、坡度。其中海拔高程以数字高程模型DEM的海拔数据来表示，本实施例中，坡度按照0～10°，10°～30°，30°～50°，50°～70°进行分类，分别取1，2，3，4来表示。
c.地质条件。包括碎屑岩、碳酸盐岩、结晶岩等，本实施例中，不同类别分别按1，2，3来表示。
d.植被情况。包括林区、灌木丛或草地、裸露地表等，本实施例中，不同类别分别按1，2，3来表示。
e.地质灾害隐患信息。地质部门根据人类活动、地质构造等条件形成的地质灾害隐患风险信息。本实施例中，按照2km×2km网格划分得到的地质灾害隐患风险，以高风险、中风险、低风险、无风险四个等级，按1，2，3，4来表示。
(2)形成聚类分析的点集。将每一个暴雨地质灾害影响因子作为数据空间的一维，上述历史观测数据中的输电线路的历史暴雨地质灾害实际发生数据作为高维空间的点据集合S＝{xi1,xi2,…,xin},i＝1,2,…,m，其中n为暴雨地质灾害的影响因子个数，m为历史观测暴雨地质灾害记录的数据长度，xij为第i条暴雨地质灾害记录的第j个暴雨地质灾害影响因素的数值；
(3)对输电线路暴雨地质灾害点集进行聚类分析。采用非监督聚类方法将高维空间的点据进行聚类，聚类时以欧式距离计算各条记录点距的相似度。
Figure BDA0002206066220000041
其中，d为记录点距之间的欧式距离，(xi，yi)以及(xj，yj)分别为两个点距的坐标位置。
(4)根据聚类结果，建立暴雨地质灾害预测规则。根据聚类结果，得到k种典型的暴雨地质灾害发生类型。针对每种类型，分别统计5种影响因子的分布，建立每种影响因子的阈值范围和组合方式，作为每种类型暴雨地质灾害预警的规则，得到每种类型的暴雨地质灾害预测的预测模型。
(5)得到的k种暴雨地质灾害类型的预警模型(规则)，开展暴雨地质灾害预警。将对输电线路所在预报区域进行网格划分，根据每个网格分别得到5种影响因子的数值，将其匹配k种暴雨地质灾害类型的预警模型(规则)，对于满足其中任意一种类型的阈值范围者，则预警该网格的输电线路可能发生暴雨地质灾害。
实施例2：
本实施例提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
综上所述，本发明的用于输电线路的暴雨地质灾害的聚类预警方法及系统，依托历史观测暴雨地质灾害数据，可建立暴雨地质灾害预警模型，可快速开展输电线路暴雨地质灾害预警，预警类型多，规则全面，可提升输电线路暴雨地质灾害预报的准确率，实用价值高，可适用于不同地区的输电线路暴雨地质灾害的预警类型。
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 (7)

1.一种用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，包括以下步骤：
获取输电线路暴雨地质灾害影响的历史观测数据以及相对应的影响因子数据；
将每一个暴雨地质灾害影响因子作为数据空间的一维，上述历史观测数据中的输电线路的历史暴雨地质灾害实际发生数据作为高维空间的点据集合S；
将高维空间的点据集合S中的点据进行聚类；
根据聚类结果，得到k种典型的暴雨地质灾害的发生类型，分别建立每种类型的暴雨地质灾害预测的预测模型；
采用所述k种预测模型，开展暴雨地质灾害预警。
2.根据权利要求1所述的用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，所述影响因子包括：降雨量、地形因素、地质条件、植被情况以及地质灾害隐患信息。
3.根据权利要求2所述的用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，所述降雨量包括日降雨量及前期降雨量；所述地形因素包括海拔高程和坡度；所述地质条件包括碎屑岩、碳酸盐岩以及结晶岩；所述植被情况包括林区、灌木丛或草地以及裸露地表；所述地质灾害隐患信息包括地质部门根据人类活动和地质构造条件形成的地质灾害隐患风险信息。
4.根据权利要求1所述的用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，所述高维空间的点据集合S＝{xi1,xi2,…,xin},i＝1,2,…,m，其中n为暴雨地质灾害的影响因子个数，m为历史观测暴雨地质灾害记录的数据长度，xij为第i条暴雨地质灾害记录的第j个暴雨地质灾害影响因素的数值。
5.根据权利要求1或4所述的用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，所述将高维空间的点据集合S中的点据进行聚类，包括：以欧式距离计算各条记录点距的相似度，并采用非监督聚类方法将高维空间的点据进行聚类。
6.根据权利要求5所述的用于输电线路的暴雨地质灾害的聚类预警方法，其特征在于，所述分别建立每种类型的暴雨地质灾害预测的预测模型，包括：针对每种类型，分别统计5种影响因子的分布，建立每种影响因子的阈值范围和组合方式，作为每种类型暴雨地质灾害预警的规则，根据规则建立每种类型的暴雨地质灾害预测的预测模型。
7.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在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计算机程序时实现上述权利要求1至6任一所述方法的步骤。
CN201910881559.2A 2019-09-18 2019-09-18 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 Pending CN110633858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910881559.2A CN110633858A (zh) 2019-09-18 2019-09-18 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910881559.2A CN110633858A (zh) 2019-09-18 2019-09-18 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统

Publications (1)

Publication Number Publication Date
CN110633858A true CN110633858A (zh) 2019-12-31

Family

ID=68971297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910881559.2A Pending CN110633858A (zh) 2019-09-18 2019-09-18 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统

Country Status (1)

Country Link
CN (1) CN110633858A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369056A (zh) * 2020-03-04 2020-07-03 四川大汇大数据服务有限公司 地质灾害预测方法及电子设备
CN111539904A (zh) * 2020-05-13 2020-08-14 成都理工大学 一种基于降雨量的灾害易发性预测方法
CN112819207A (zh) * 2021-01-19 2021-05-18 武汉中地云申科技有限公司 基于相似性度量的地质灾害空间预测方法、系统及存储介质
CN112990797A (zh) * 2021-05-13 2021-06-18 江西省自然资源厅国土资源勘测规划院 基于云计算技术的灾害风险预警管理方法、装置
CN115047543A (zh) * 2022-08-16 2022-09-13 成都信息工程大学 一种输电走廊降水预警方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
US20160162512A1 (en) * 2013-07-15 2016-06-09 Universita' Degli Studi Di Firenze Method for the Creation of Databases of Events Having a Mediatic Echo in the Internet
KR101670920B1 (ko) * 2016-04-20 2016-11-01 대한민국 호우 예경보 장치 및 방법
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
WO2017032210A1 (zh) * 2015-08-24 2017-03-02 国家电网公司 一种基于聚类分析的输电线路山火风险区域划分方法
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法
CN107274634A (zh) * 2017-07-13 2017-10-20 国网湖南省电力公司 一种输电线路沿线降水次生地质灾害告警计算方法及系统
CN107943880A (zh) * 2017-11-15 2018-04-20 国网四川省电力公司经济技术研究院 一种基于层次分析法的地质灾害易发性改进评估方法
CN108280553A (zh) * 2018-02-24 2018-07-13 中山大学 基于gis-神经网络集成的山洪灾害风险区划及预测方法
CN108831115A (zh) * 2018-06-22 2018-11-16 国网湖南省电力有限公司 一种基于Adaboost的输电线路暴雨灾害风险预警方法
CN108961688A (zh) * 2018-07-13 2018-12-07 福建特力惠信息科技股份有限公司 一种大数据支持下的地质灾害监测与预警方法
CN108960599A (zh) * 2018-06-22 2018-12-07 国网湖南省电力有限公司 基于反演算法的输电线路暴雨灾害精细化预测方法及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160162512A1 (en) * 2013-07-15 2016-06-09 Universita' Degli Studi Di Firenze Method for the Creation of Databases of Events Having a Mediatic Echo in the Internet
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
WO2016033883A1 (zh) * 2014-09-04 2016-03-10 国家电网公司 一种基于Adaboost的输电线舞动风险预警方法
WO2017032210A1 (zh) * 2015-08-24 2017-03-02 国家电网公司 一种基于聚类分析的输电线路山火风险区域划分方法
KR101670920B1 (ko) * 2016-04-20 2016-11-01 대한민국 호우 예경보 장치 및 방법
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法
CN107274634A (zh) * 2017-07-13 2017-10-20 国网湖南省电力公司 一种输电线路沿线降水次生地质灾害告警计算方法及系统
CN107943880A (zh) * 2017-11-15 2018-04-20 国网四川省电力公司经济技术研究院 一种基于层次分析法的地质灾害易发性改进评估方法
CN108280553A (zh) * 2018-02-24 2018-07-13 中山大学 基于gis-神经网络集成的山洪灾害风险区划及预测方法
CN108831115A (zh) * 2018-06-22 2018-11-16 国网湖南省电力有限公司 一种基于Adaboost的输电线路暴雨灾害风险预警方法
CN108960599A (zh) * 2018-06-22 2018-12-07 国网湖南省电力有限公司 基于反演算法的输电线路暴雨灾害精细化预测方法及系统
CN108961688A (zh) * 2018-07-13 2018-12-07 福建特力惠信息科技股份有限公司 一种大数据支持下的地质灾害监测与预警方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JIAZHENG LU等: "Research and application of fire forecasting model for electric transmission lines incorporating meteorological data and human activities", MATHEMATICAL PROBLEMS IN ENGINEERING *
王建国;杨德明;陶景梅;: "基于GIS及聚类分析法的抚顺地区地质灾害综合评价", 世界地质, vol. 30, no. 02, pages 1 - 4 *
赵久彬等: "大数据关键技术在滑坡监测预警系统中的应用", 《重庆理工大学学报(自然科学)》 *
赵久彬等: "大数据关键技术在滑坡监测预警系统中的应用", 《重庆理工大学学报(自然科学)》, no. 02, 15 February 2018 (2018-02-15) *
陆佳政等: "架空输电线路山火预测预警技术", 高电压技术, vol. 43, no. 01 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369056A (zh) * 2020-03-04 2020-07-03 四川大汇大数据服务有限公司 地质灾害预测方法及电子设备
CN111369056B (zh) * 2020-03-04 2023-04-25 国能大渡河大数据服务有限公司 地质灾害预测方法及电子设备
CN111539904A (zh) * 2020-05-13 2020-08-14 成都理工大学 一种基于降雨量的灾害易发性预测方法
CN111539904B (zh) * 2020-05-13 2023-07-18 成都理工大学 一种基于降雨量的灾害易发性预测方法
CN112819207A (zh) * 2021-01-19 2021-05-18 武汉中地云申科技有限公司 基于相似性度量的地质灾害空间预测方法、系统及存储介质
CN112819207B (zh) * 2021-01-19 2024-02-06 武汉中地云申科技有限公司 基于相似性度量的地质灾害空间预测方法、系统及存储介质
CN112990797A (zh) * 2021-05-13 2021-06-18 江西省自然资源厅国土资源勘测规划院 基于云计算技术的灾害风险预警管理方法、装置
CN115047543A (zh) * 2022-08-16 2022-09-13 成都信息工程大学 一种输电走廊降水预警方法及系统

Similar Documents

Publication Publication Date Title
CN110633858A (zh) 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统
Masood et al. Assessment of flood hazard, vulnerability and risk of mid-eastern Dhaka using DEM and 1D hydrodynamic model
CN113283802A (zh) 一种复杂艰险山区滑坡危险性评估方法
CN109615118A (zh) 基于大数据地质灾害防治信息化服务集成控制系统及方法
CN113988643A (zh) 一种交通线沿线区域的滑坡风险定量评估方法
Lamers et al. Forecasting tropical cyclone rainfall and flooding hazards and impacts
CN115166865B (zh) 一种电力气象多层次监测组网方法、系统及存储介质
Herath et al. Flood damage estimation of an urban catchment using remote sensing and GIS
CN116415495A (zh) 面向复杂地形与气象环境的雷击跳闸率获取方法及设备
CN116205505A (zh) 一种生态安全格局的确定方法、系统、存储介质及设备
Yu et al. RETRACTED: Forest park landscape pattern system based on FPGA and GIS system
CN115587704A (zh) 电网地质灾害易发性分布图绘制方法及相关设备
Liu et al. [Retracted] Flood Simulation Analysis of the Biliu River Basin Based on the MIKE Model
Baban et al. Managing development in the hillsides of Trinidad and Tobago using geoinformatics
Masood et al. Flood Hazard and Risk Assessment in Mideastern part of Dhaka, Bangladesh
Patyal RUSLE-based soil erosion assessment and erosion control evaluation in the Kabul Watershed
Kaoje Application of Geographical Information System Techniques in Urban Flood Risk Assessment and Vulnerability Mapping. A Case Study of Cardiff, Wales
Candra Analysis of critical land in The Musi Watershed using geographic Information systems
Fernando et al. Archaeological site impacts in the Hambantota district, Sri Lanka: Markov Chain/GIS/RS-based analysis of land use and change detection, 1972-2014
Rajbhandari et al. Application of GIS (Geographic Information System) for landslide hazard zonation and mapping disaster prone area: a study of Kulekhani Watershed, Nepal
Li et al. Study on road damage assessment based on RS and GIS
Yusof et al. Assessing the impact of RCP4. 5 and RCP8. 5 scenarios on landslide susceptibility mapping using support vector machine: A case study of Penang Island, Malaysia
Walde et al. GIS based landslide susceptibility assessment of malin area: A case study in watershed, India
Garoon et al. To Study the Hydrological System and Watershed by Using Remote Sensing (RS) and Geographic Information System (GIS) in Kannad Taluka, Aurangabad District, MS, India
Kumar et al. Comparison of Frequency Ratio Model and Analytic Hierarchy Process methods upon landslide susceptibility mapping using Geospatial techniques

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191231