CN112101737A - 基于云模型的堰塞湖开发可行性评价方法 - Google Patents
基于云模型的堰塞湖开发可行性评价方法 Download PDFInfo
- Publication number
- CN112101737A CN112101737A CN202010843173.5A CN202010843173A CN112101737A CN 112101737 A CN112101737 A CN 112101737A CN 202010843173 A CN202010843173 A CN 202010843173A CN 112101737 A CN112101737 A CN 112101737A
- Authority
- CN
- China
- Prior art keywords
- cloud
- cloud model
- qualitative
- feasibility
- model
- 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
- 238000011161 development Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004888 barrier function Effects 0.000 title claims description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 119
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000007795 chemical reaction product Substances 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000011435 rock Substances 0.000 abstract description 8
- 238000012854 evaluation process Methods 0.000 abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 21
- 230000008901 benefit Effects 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000003973 irrigation Methods 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 239000004575 stone Substances 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 241001427932 Bothragonus swanii Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 238000004162 soil erosion Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 235000009240 Xanthoceras sorbifolium Nutrition 0.000 description 1
- 244000248162 Xanthoceras sorbifolium Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000011076 safety test Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云模型的堰塞湖开发可行性评价方法，基于云的不确定性推理确定隶属度以及评分云，并引入云模型改进层次分析法，建立评语集云模型，从而逐层加权汇总得到最终评价结果，将其应用于红石岩堰塞湖和唐家山堰塞湖，并与最大隶属度计算结果对比验证。结果显示：云模型能够很好的刻画评价过程中的模糊性和不确定性；本发明提出的改进方法克服了最大隶属度评价结果模糊性的损失，能够更加直观展示评价结果。
Description
技术领域
本发明涉及堰塞湖开发综合评价领域，特别是一种基于云模型的堰塞湖开发可行性评价方法。
背景技术
堰塞湖是由地震、滑坡、泥石流、火山喷发等作用，在沟道、河道或凹地形成堰塞体壅水而产生的湖泊。近年来，我国西南地区地质构造运动活跃，地震、强降雨频发，产生了上百座堰塞湖。如2008年汶川大地震形成的唐家山堰塞湖，最大库容达3.02×108m3；2014年鲁甸地震形成的红石岩堰塞湖，最大库容达2.6×108m3；2018年西藏金沙江因滑坡形成的白格堰塞湖，最大蓄水量达2.9×108m3。天然形成的堰塞湖通常缺少泄水通道，壅高的水位对上下游生命财产产生严重威胁，已成为自然灾害防治领域关注的重点对象；而在另一面，作为自然对河流下切反馈作用的产物，堰塞湖的存在不仅有利于整条河流的健康发展，还具备灌溉、发电、旅游等潜力。国内外已有堰塞湖永久性开发的先例，如国内1856年地震形成的重庆小南海堰塞湖，目前已开发为灌溉、城市供水为主，兼具发电、旅游、养殖的综合水利工程；1812年南萨维奥的夸托因山体滑坡，在萨维奥河上形成了一座滑坡坝，并于1923年被改造为水电站蓄水坝。此外，新西兰的Waikarernoan滑坡坝，也成功地用于水电，其装机容量达到12.4×104kW。但以往先例均为形成后经近百甚至上千年的安全考验后仍保留下来的，而对于近期形成的且经过应急处置后保留下来的堰塞体，则迫切需要对其开发的可行性进行综合评价，从而科学的制定后期永久性整治方案。
近年来，国内外学者运用了多种方法对堰塞湖进行了多方面评价。Ermini等统计分析了84座天然堰塞坝，建立了基于经验的地貌无量纲堆积体指数法，选取坝体体积、流域面积以及坝高作为评价指标预测天然坝的稳定性；Xu等运用模糊数学方法对红石岩堰塞湖的风险等级进行了评价，建立了6个主要指标对其风险等级进行了分类；Dong等基于日本的43个堰塞坝案例，通过判别分析确定了影响滑坡坝稳定性的显著变量，并构建了具有较高预测能力的AHWL与PHWL多元回归模型，此后又运用Logistic回归方法和Jack-knife技术，对这两个模型进行了优化；Zhang等采用快速稳定性评价方法对应急管理阶段红石岩堰塞湖稳定性进行了评价，并从经济效益的角度讨论了综合管理阶段堰塞坝开发的可行性。Frigerio等基于堰塞湖缺失观测值的输入，提出了一种贝叶斯模型来预测堰塞坝的寿命。Shen等根据国内外资料建立了堰塞坝数据库，并基于显示回归分析建立了堰塞坝寿命预测回归模型。以往评价大多集中在堰塞湖初期应急管理阶段的稳定及寿命预测，而针对应急处置后的开发可行性研究较少。有研究指出堰塞湖开发需要确保其安全健康，并关注环境协调性、社会效益以及经济效益，但尚未提出具体的评价模型与评价方法。而以往采用的评价方法多为基于统计分析的评价方法及模糊评价方法。但基于统计模型建立需要大量样本支持，而堰塞湖开发的工程范例较少，难以形成样本集；模糊综合评价法忽略了不确定性与模糊性的度量，缺少定性与定量关系的相互转化模型，且一旦用隶属函数来描述模糊集，模糊性的概念就不再是模糊的了。云模型可以实现定性概念与定量值之间的不确定性转换，且充分考虑了评价过程中存在的模糊性和随机性，可以对多种不确定因素作用下的堰塞湖开发可行性进行评价。
发明内容
本发明所要解决的技术问题是提供一种基于云模型的堰塞湖开发可行性评价方法，综合考虑了影响堰塞湖开发的多方面因素，通过自上而下逐层分解，构建了堰塞湖开发可行性评价指标体系；基于云的不确定性推理，提出了一种云模型改进的综合评价方法，实现了评价过程中不确定性和随机性的描述。将该方法运用于红石岩堰塞湖及唐家山堰塞湖，并通过最大隶属度原则验证了评价结果的正确性。结果表明，本发明提出的评价方法及指标体系对堰塞湖的综合开发评价和永久治理方案制定具有重要指导意义。
为解决上述技术问题，本发明采用的技术方案是：
一种基于云模型的堰塞湖开发可行性评价方法，包括以下步骤：
步骤1：建立评价指标
将应急处置后的堰塞湖开发可行性目标分解为安全风险、资源可行性、经济可行性以及生态环境影响4个准则层；
步骤2：建立评价标准
将堰塞坝开发可行性分为适宜度高、较高、较低、低四个等级，建立评语集V＝{v1,v2,v3,v4}＝{Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级}＝{适宜度高，适宜度较高，适宜度较低，适宜度低}，并划分各评价指标值域；
步骤3：建立评价的云模型
1)云模型采用期望Ex、熵En和超熵He来描述模糊概念的数字特征；其中，期望Ex表示定性概念平均值的大小，对应于云滴的中心位置；熵En表示定性概念的模糊度，即对应云滴相对于平均值的离散程度，反映定性概念可接受的数值范围；超熵He是熵En的熵，反映熵的不确定性，亦即云滴的凝聚性，对应云层的厚度；采用区间数[CL，CR]对各评价等级下的各指标进行划分，其中边界值是两个相邻等级的过渡点，同时属于两个等级，即两个相邻等级对应的边界值隶属度为0.5，据此得出云模型特征参数计算公式，如式(1)所示，其中c取0.1。通过式(1)将定性概念转化为云模型的三个数字特征；
云模型中，定性概念与定量值得相互转化需要借助云发生器实现；云发生器包括正向云发生器、逆向云发生器及条件云发生器；正向云发生器通过将输入的定性概念的三个数字特征输出为N个云滴(x,u(x))，实现语言值表达的定性概念到定量数据的范围和分布规律的转化；逆向云发生器则是基于数理统计的方法，从一定数量的云滴分布中提取云模型的三个数字特征来表示定性概念；条件云发生器分为X条件云发生器和Y条件云发生器，前者是在已知云的三个数字特征及特定数值x0的条件下，生成对应于x0的隶属度的云滴u(x0)；后者是在已知云的三个数字特征及隶属度u(y0)的条件下，生成对应于u(y0)的特定数值y0的云滴；二者结合可以进行云模型不确定性推理，实现定向概念与定量取值的相互转换；
2)构建基于云模型的规则发生器
2.1)前件云模型构建
对于定量指标，根据各项指标的变化范围及式(1)，构建前件云模型；对于定性指标，首先依据定性评语对应的等级将其转化为区间数形式[0，1]、[1，2]、[2，3]、[3，4]，然后通过式(1)进一步转化为云模型数为C4(0.5，0.4246，0.0425)、C3(1.5，0.4246，0.0425)、C2(2.5，0.4246，0.0425)、C1(3.5，0.4246，0.0425)；
2.2)后件云模型构建
采用百分制对堰塞坝开发可行性打分，定义堰塞湖开发可行性越好，得分越高，并将分值概念划分为“低、较低、较高、高”，对应的区间数分别为[0，25]、[25，50]、[50，75]、[75，100]，将其转化为云模型数：C4(12.5，10.62，1.06)、C3(37.5，10.62，1.06)、C2(62.5，10.62，1.06)、C1(87.5，10.62，1.06)；
在不确定性推理过程中，对于给定的前件定性概念评语或定量值xi，通过前件云模型生成各等级的隶属度u，而后件云模型在隶属度u的控制下，生成代表后件定性概念的具有不确定性的评分云Ri，实现不确定性传递；
3)云模型改进的权重计算
采用云模型改进层次分析法，利用云模型建立两两重要性比较标度以赋予比较的随机性，通过浮动云的偏好集结将多人判断的赋值综合，得到具有随机性的客观判断结果；建立两两重要性比较标度；邀请m位相关领域的专家对依据重要性比较标度表进行打分，获得m个判断矩阵，依据浮动云的偏好集结方法，通过式(2)对多为专家的意见进行集结，获得最终判断矩阵；
式中α1，α2，…αn大小反映专家意见的权重，满足α1+α2+…+αm＝1；
根据最终判断矩阵，通过方根法计算指标权重云模型：
对计算的权重云模型期望值进行一致性检验，在满足一致性后进行归一化处理，得到各指标相对权重计算最终结果Wi；
4)评语集云模型
通过百分制刻画各个等级的评分，再由式(1)将其转化为云模型特征参数；
步骤4：根据建立的云模型对堰塞湖开发可行性进行评价
采用云模型确定定性指标与定量指标的隶属度，并通过云模型改进的层次分析法确定权重，合成云模型计算结果，将其代入评语集云模型，得出堰塞湖开发可行性评价结果，具体如下：
1)根据指标值域划分情况，将区间数通过式(1)转化为云模型的数字特征；
2)基于云的不确定性推理准则，根据定性指标评语或定量指标值，确定其对各个概念的评分云；
3)根据专家评价结果，通过云模型改进的层次分析法计算权重云分布；
4)基于云的运算规则，通过综合评价合成运算公式确定综合隶属度S：
S＝Wi·Ri
5)依据云模型运算法则，代入权重云以及各指标评分值，逐层加权汇总得到综合评价结果。
与现有技术相比，本发明的有益效果是：
1)基于云的不确定性推理方法能够很好的刻画评价过程中的模糊性和不确定性；评价结果展示为云的三个数字特征，分别表征了评价结果的中心值、模糊性和随机性，评价结果内容更加丰富，且能够直观的在评语集云图中展示，实现了评价结果的可视化。
2)通过最大隶属度原则，对本发明提出的评价方法进行了验证，两种方法计算结果一致，说明本发明方法具有科学性。且相比于最大隶属度原则，云模型克服了取最大等级时评价结果模糊性的损失。
3)红石岩堰塞湖的评价结果为开发适宜度较高，而唐家山堰塞湖评价结果为开发适宜度较低；目前红石岩堰塞湖已经进行了开发利用，而唐家山堰塞湖仍处于设计规划阶段。评价结果与工程实际情况一致，验证了本发明方法的可靠性，对堰塞湖永久性整治方案的制定意义重大。
4)实现了评价过程中不确定性和随机性的描述，云模型能够很好的刻画评价过程中的模糊性和不确定性；本发明方法克服了最大隶属度评价结果模糊性的损失，能够更加直观展示评价结果，对堰塞湖的永久性整治方案制定意义重大。
附图说明
图1是正向云发生器。
图2是逆向云发生器。
图3是条件云发生器。
图4是云的基本运算。
图5是评语集云模型。
图6是云模型改进的评价流程。
图7是堰塞湖全貌航拍图。
图8是权重云分布。
图9是红石岩堰塞湖开发可行性评价结果。
图10是唐家山堰塞湖开发可行性评价结果。
图11是红石岩堰塞湖开发可行性二级评价结果云。
图12是唐家山堰塞湖开发可行性二级评价结果云。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
一、构建评价指标
堰塞湖开发利用决策受多种因素影响，因此，构成开发可行性评价体系的指标需能够反映堰塞湖整体特征及各方面影响因素，且各指标之间应相对独立并容易获取。借鉴分层法思想中划分目标层、准则层、指标层的递阶逻辑，在已有对堰塞坝风险等级划分、水电工程开发可行性评价等研究的基础上，结合堰塞湖开发利用特点及影响因素，将应急处置后的堰塞湖开发可行性目标分解为安全风险、资源可行性、经济可行性以及生态环境影响4个准则层。
安全风险：堰塞湖开发利用首先要在确定其安全的前提下进行。目前主要从堰塞坝自身稳定性以及溃决安全风险两方面进行评价。据研究，堰塞坝稳定性的影响因素主要有：(1)坝体的地形几何形态；(2)堰塞湖入流量；(3)坝体的物质组成与地质结构特征。因此，选择堰塞体体积参数DBI判断堰塞坝几何形态下的稳定性；选择堰塞体结构及物质组成特征来反映坝料特性、颗粒级配情况对堰塞体稳定性的影响；当入流量大于泄流量时会造成漫顶溃坝，因此选择泄水建筑物洪水标准衡量堰塞体泄流能力。堰塞湖溃决可造成大量的人员伤亡和财产损失，因此选取风险人口以及下游重要城镇及公共设施两个评价指标衡量。
资源可行性：堰塞湖抬高的水头可以作为水能发电，积蓄的水源可为灌溉提供条件；形成的天然水库的库容，一方面可以满足电力系统调节，另一方面反映了其防汛能力。此外，堰塞湖形成伴随着地质构造运动形成湖泊景观，具备旅游开发的价值。因此选择水能资源、旅游资源、灌区面积及天然水库调节能力作为堰塞湖资源可行性的衡量。
经济可行性：按照国际标准程序，堰塞湖开发应当首先考虑其发电能力，因此主要从发电效益方面考虑其经济可行性，选择单位电能投资和装机容量指标进行量化。
生态环境影响：堰塞湖的开发对生态环境存在着正向影响与负面影响。一方面，水电作为清洁的可再生资源，具有节能减排的正面效益；而另一方面，堰塞坝的永久开发，会对当地物种产生影响，且会进一步加剧水土流失。因此分别选择节能效益、减排效益、水土流失影响及物种影响程度作为生态环境影响的评价指标。
综上，构建开发可行性评价指标体系如表1所示。
表1堰塞坝开发可行性评价指标体系
二、建立评价标准
将堰塞坝开发可行性分为适宜度高、较高、较低、低四个等级，建立评语集V＝{v1,v2,v3,v4}＝{Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级}＝{适宜度高，适宜度较高，适宜度较低，适宜度低}，并划分各评价指标值域。其中，对于堰塞湖体积参数，将大于3.08划分为适宜度低，小于2.75划分为适宜度高，中间部分均分为两段，分别对应适宜度较低和适宜度较高。按照风险越高，可行性越低的准则，依据国内相关标准确定了物质组成、风险人口、重要设施等划分值域；煤节约率及二氧化碳减少率参考《绿色小水电评价标准》；剩余指标参考相关领域文献，确定洪水标准、水能资源、装机容量等指标的划分标准，定性指标在咨询领域专家意见后，采用相应的文字描述。值域划分具体情况如表2所示。
表2堰塞湖可开发性评价标准
三、建立评价的云模型
云模型是李德毅等基于概率统计和模糊数学理论而提出的一种定性概念与定量值相互转换模型，能够将模糊概念的随机性与模糊性结合来进行描述，克服了传统评价方法在处理模糊性与随机性方面的不足，被广泛运用于方案比选、风险评价等领域。设U是一个精确数值量表示的论域，C为U上的定性概念，对于任一论域中的元素x，存在一个有稳定倾向的随机数u(x)∈[0,1]，称为x对C的隶属度，则x在U上分布称为云，每个x称为一个云滴，即对定性概念的定量描述。u(x)数值大小反映了其相应的云滴对定性概念C的代表性，u(x)越接近1，对应的云滴x越能体现该定性概念的整体特征。云模型采用期望Ex、熵En和超熵He来描述模糊概念的数字特征。其中，期望Ex表示定性概念平均值的大小，对应于云滴的中心位置；熵En表示定性概念的模糊度，即对应云滴相对于平均值的离散程度，反映了定性概念可接受的数值范围；超熵He是熵En的熵，反映了熵的不确定性，亦即云滴的凝聚性，对应云层的厚度。本发明采用区间数[CL，CR]来对各评价等级下的各指标进行划分，其中边界值是两个相邻等级的过渡点，同时属于两个等级，即两个相邻等级对应的边界值隶属度为0.5(Li et al.2016)，据此推导出云模型特征参数计算公式，如式(1)所示，通过式即可将定性概念转化为云模型的三个数字特征。
式中超熵He取值范围为0～En，用于反映了指标的不确定性，本发明取c＝0.1。，对于区间数是单边集的指标，如[-∞，CL]或[CR，+∞]，将Ex设置为边界值CL或CR，En设置为En-1，并采用半降正态云模型表述。
云模型中，定性概念与定量值得相互转化需要借助云发生器实现。云发生器包括正向云发生器、逆向云发生器及条件云发生器。正向云发生器通过将输入的定性概念的三个数字特征(期望Ex、熵En和超熵He)输出为N个云滴(x,u(x))，从而实现了语言值表达的定性概念到定量数据的范围和分布规律的转化；逆向云发生器则是基于数理统计的方法，从一定数量的云滴分布中提取云模型的三个数字特征来表示定性概念。条件云发生器分为X条件云发生器和Y条件云发生器，前者是在已知云的三个数字特征及特定数值x0的条件下，生成对应于x0的隶属度的云滴u(x0)；后者是在已知云的三个数字特征及隶属度u(y0)的条件下，生成对应于u(y0)的特定数值y0的云滴。二者结合可以进行云模型不确定性推理，从而实现定向概念与定量取值的相互转换。具体流程如图3示。
云的不确定性推理的基础是不确定性知识，以if A then B的形式表达定性概念的对应关系，称A为规则的前件，B为规则的后件，分别对应X条件云发生器和Y条件云发生器，二者结合即构成了基于云模型的规则发生器，如图3所示。
前件云模型构建
堰塞坝开发可行性评价指标及等级如表2所示。对于定量指标，根据表2各项指标的变化范围及式(1)，构建前件云模型。对于定性指标，首先依据定性评语对应的等级将其转化为区间数形式[0，1]、[1，2]、[2，3]、[3，4]，然后通过式1进一步转化为云模型数为C4(0.5，0.4246，0.0425)、C3(1.5，0.4246，0.0425)、C2(2.5，0.4246，0.0425)、C1(3.5，0.4246，0.0425)。
后件云模型构建
采用百分制对堰塞坝开发可行性打分，定义堰塞湖开发可行性越好，得分越高，并将分值概念划分为“低、较低、较高、高”，对应的区间数分别为[0，25]、[25，50]、[50，75]、[75，100]，将其转化为云模型数：C4(12.5，10.62，1.06)、C3(37.5，10.62，1.06)、C2(62.5，10.62，1.06)、C1(87.5，10.62，1.06)。转化关系如表3所示：
表3云的不确定性推理转换关系
在不确定性推理过程中，对于给定的前件定性概念评语或定量值xi，可通过前件云模型生成各等级的隶属度u，而后件云模型在隶属度u的控制下，生成代表后件定性概念的具有不确定性的评分云Ri，从而实现了不确定性传递。
云模型改进的权重计算
传统的层次分析法在构建判断矩阵的过程中，其重要性比较标度为确定值，不能准确反映出决策者的主观偏好关系，也不能客观表现比较的模糊性及随机性；计算权重过程中，对于多个专家意见的集结采用代数运算近似，也会忽略了每一个专家意见的模糊性、随机性和离散性。采用云模型改进层次分析法，利用云模型建立两两重要性比较标度以赋予比较的随机性，通过浮动云的偏好集结将多人判断的赋值综合，从而得到具有随机性的客观判断结果。参考Jiang等划分方法，建立两两重要性比较标度；邀请m位相关领域的专家对依据重要性比较标度表进行打分，获得m个判断矩阵，依据浮动云的偏好集结方法，通过式(2)对多为专家的意见进行集结，从而获得最终判断矩阵。
式中α1，α2，…αn大小反映了专家意见的权重，满足α1+α2+…+αm＝1。
根据最终判断矩阵，通过方根法计算指标权重云模型：
对计算的权重云模型期望值进行一致性检验，在满足一致性后进行归一化处理，得到各指标相对权重计算最终结果Wi。
评语集云模型
采用云模型来描述堰塞湖开发可行性的评语集，不仅将边界进行了模糊化，而且充分考虑了模型的随机性和离散型，减少了评价结果比较过程中受到的主观不确定性，更加符合人类的语言习惯。通过百分制刻画各个等级的评分，再由式1将其转化为云模型特征参数，对于左右边界，为了使评语划分边界处隶属度满足0.5，将En扩大两倍，如表8所示，评语云如图5所示。
表4评语集云模型
步骤4：根据建立的云模型对堰塞湖开发可行性进行评价
引入云模型对堰塞湖可开发性进行综合评价。采用云模型确定定性指标与定量指标的隶属度，并通过云模型改进的层次分析法确定权重，合成云模型计算结果，将其代入评语集云模型，得出堰塞湖开发可行性评价结果，具体流程如图6所示：
1)根据指标值域划分情况，将区间数通过式(1)转化为云模型的数字特征；
2)基于云的不确定性推理准则，根据定性指标评语或定量指标值，确定其对各个概念的评分云；
3)根据专家评价结果，通过云模型改进的层次分析法计算权重云分布；
4)基于云的运算规则，通过综合评价合成运算公式确定综合隶属度S：
S＝Wi·Ri
5)依据云模型运算法则，代入权重云以及各指标评分值，逐层加权汇总得到综合评价结果。
下面通过具体实例对本发明的技术效果进行验证。
牛栏江红石岩堰塞湖是2014年云南鲁甸地震导致两岸山体塌方而形成的。堰塞体堆积高度103m，总方量约1000万m3，控制流域面积12087km2，多年平均流量127m3/s，正常蓄水位1200m，相应库容1.41亿m3，形成的水库具季调节性能。堰塞体主要由碎石土夹孤石、块石组成，并分布有直径最大达15m左右的大孤石，堆积物密实、未见架空现象。堰塞湖溃决将会直接影响上游会泽县两个乡镇1015人，下游鲁甸县、巧家县、昭阳区3万余人、3万余亩耕地，危及上游小岩头水电站和下游天花板、黄角树等水电站安全。在安全度过汛期后，永久性整治考虑将堰塞湖改建为电站，设计装机容量201MW，年发电量为7.89亿kW·h。参考工程资料，指标取值如表5所示。
表5红石岩堰塞湖各项指标取值
| 评价指标 | 工程状况 | 评价指标 | 工程状况 |
| 堰塞湖几何形态DBI | 4.92215 | 旅游资源 | 较丰富 |
| 堰塞体物质组成 | 大块石含土 | 单位电能投资(元/KW) | 3.99 |
| 风险人口/万 | 3 | 装机容量 | 20.1 |
| 重要诚征设施 | 市级重要设施 | 煤节约率 | 1.21 |
| 泄水建筑洪水标准(年) | 20 | 二氧化碳减少率 | 3.45 |
| 水能资源(万KW) | 12.7 | 物种影响情况 | 轻微 |
| 灌区面积/万亩 | 3.6 | 水土流失情况 | 较严重 |
| 堰塞湖调节能力 | 季调节 |
本发明依据云的不确定推理，通过前件云发生器来计算指标的隶属度，并通过后件云发生器得到对应的评分云。如表6所示：
表6隶属度及评分值
按照云模型改进的层次分析法计算权重，结果如表7所示
表7权重计算结果
为展示云模型改进后的权重分布特征，以准则层权重为例，将其对应的熵值与超熵缩小十倍后，绘制权重分布云图，如图8所示，各指标的权重期望值对应云模型的重心，云滴的分布反映了专家判断结果的不确定性与随机性。
在确定了指标权重分布及指标对评语等级的隶属度后，通过模糊综合评价法合成规则计算评价结果，如表8堰塞湖开发可行性综合评价结果，表8所示：
表8堰塞湖开发可行性综合评价结果
将云模型改进方法评价结果代入评语集云模型，如图9所示。期望值为71.0561，说明红石岩堰塞湖开发可行性属于适宜度较高，从云图中可以看出结果云介于适宜度较高和适宜度高之间，但更接近评语适宜度较高。结果云的熵值和超熵分别为2.0801和2.0008，总体较小，在云图中反映为其分布较为集中，说明整体评价结果随机性和不确定性较低。
唐家山堰塞湖是2008年汶川大地震后形成的最大也是最危险的堰塞湖，地震后山体滑坡，阻塞通口河河道形成的唐家坝堰塞湖位于涧河上游距北川县城约6公里处。堰塞坝坝高82.65至124.4米，方量约2037万立方米，库容为1.45亿立方米。堰塞湖上游集雨面积3550km2，多年平均流量104m3/s。堰塞体由基岩挤压或解体形成的孤、块碎石、残坡积碎石土和苦竹坝库区沉积的含泥粉细砂组成。自上而下分成四层：碎石土层、块碎石层、孤块碎石层(似层状)、灰黑色粉土质砾层；唐家山堰塞湖下游有绵阳、三台、遂宁等重要城市，一旦溃决，将威胁下游130多万人的生命安全。根据通口河流域规划方案，若将唐家山堰塞湖改建成电站，建成后裝机110MW，每年发电5亿kWh。
表9唐家山堰塞湖各项指标取值
| 评价指标 | 工程状况 | 评价指标 | 工程状况 |
| 堰塞湖几何形态DBI | 4.15 | 旅游资源 | 丰富 |
| 堰塞体物质组成 | 大块石含土 | 单位电能投资(元/KW) | 5.14 |
| 风险人口/万 | 120 | 装机容量 | 11 |
| 重要诚征设施 | 国家及重要设施 | 煤节约率 | 1.4 |
| 泄水建筑洪水标准(年) | 20 | 二氧化碳减少率 | 5.43 |
| 水能资源(万KW) | 19.66 | 物种影响情况 | 较轻微 |
| 灌区面积/万亩 | 10 | 水土流失情况 | 较严重 |
| 堰塞湖调节能力 | 年调节 |
根据云的不确定性推理，得到各指标对不同等级的隶属度以及量化值，如表10所示：
表10隶属度及评分值
根据模糊综合评价合成规则及云的合成运算，得到唐家山堰塞湖开发可行性综合评价结果，如表11所示：
表11唐家山堰塞湖开发可行性评价结果
将云模型改进方法评价结果代入评语集云模型，如图10所示。期望值为46.54，说明唐家山堰塞湖开发可行性属于适宜度较低，从云图中可以看出结果云更加接近适宜度较低的评语等级。结果云的熵值和超熵分别为2.0862和2.0079，总体较小，在云图中反映为其分布较为集中，说明整体评价结果随机性和不确定性较低。
在运用云的不确定性推理原则进行计算的过程中，前件云发生器通过输入定性评语或定量值，得到了各指标对每个等级的隶属度，如表7及表11所示。有研究指出，通过云模型方法替代传统的隶属度函数确定隶属度，能够充分考虑评价指标和评价集之间的不确定性映射，刻画二者之间的模糊性和随机性，并使得到的隶属度结果更加可靠。本发明以前件云模型计算得到的隶属度，通过式(2)计算最大隶属度原则下的个堰塞湖开发可行性评价结果，如表12所示：
表12最大隶属度原则评价结果
根据最大隶属度原则，红石岩堰塞湖模糊综合评价结果显示对一级评语的隶属度最大，即红石岩堰塞湖开发可行性适宜度高；唐家山堰塞湖模糊综合评价结果显示，其对第二及评级及第四级评语隶属度均为0.35，分别对应了适宜度低和适宜度较高的评语，说明唐家山堰塞湖存在开发的可行性，但某些因素限制了其被人类开发利用的可能性。最大隶属度原则评价结果与本发明运用的云模型评价结果一致，说明本发明提出的方法具有科学性。
对比两种评价方法，通过模糊综合评价法确定评价结果时，唐家山堰塞湖评价结果出现两级评语隶属度相近的现象，在通过最大隶属度确定最终评价结果时级，会造成了评价结果模糊性的损失，影响最终判断结果的准确性。相对于最大隶属度原则，云模型量化评价结果展示为云的三个数字特征，分别表征了评价结果的中心值、模糊性和随机性，评价结果内容更加丰富，且评价结果能够直观的在评语集云图中展示，实现了评价结果的可视化，从而弥补了最大隶属度原则的缺陷。
对于红石岩堰塞湖，从第二级评价结果分析，二级评价结果云图(图11)显示其程安全风险A1、资源可行性A2、经济可行性A3以及生态环境效益A4评价结果分别为适宜度较高、适宜度较高、适宜度高及适宜度较高，与最大隶属度原则对应评语一致，说明红石岩堰塞湖各方面均较适宜开发；目前红石岩堰塞湖已经通过永久性整治开发为大型水利工程枢纽，承担发电、供水灌溉等多个工程任务。
如图12所示，唐家山堰塞湖二级评价指标A1～A4对应评语分别为适宜度较低、适宜度较高、适宜度较低及适宜度较高，其开发可行性的制约因素分别为工程安全风险以及经济可行性。进一步从指标层分析，在经济可行性方面，唐家山单位电能投资较高，因此其对经济可行性的不利影响较大，但堰塞坝威胁着下游人民生命安全，需要进行永久性整治，如果选择彻底清除，那么巨大的坝体方量也会导致极高的工程造价，而选择对其进行保留开发，建成后堰塞湖还能提供的旅游、灌溉及防洪等效益，因此，尽管本发明评价中唐家山堰塞湖经济可行性较低，但其潜在的国民经济效益仍十分可观，未来对于堰塞坝经济开发可行性的评价可进一步结合堰塞湖综合功能进行。在工程安全风险方面，阻碍唐家山堰塞湖开发的主要因素是堰塞坝体积参数、风险人口及下游重要基础设施。唐家山堰塞湖下游沿岸有绵阳、江油等多个中小型城市，一旦发生溃决，将会破坏沿岸城市基础设施，并威胁130多万人口的生命安全。因此，如选择保留唐家山堰塞湖，那么一定要确保其自身安全性，并提高下游相应的防洪减灾能力。目前唐家山堰塞湖经过应急处置后，堰塞湖蓄水总量由2×108m3降至86×106m3，显著降低了唐家山滑坡坝的溃决概率，而后续的开发仍在进一步规划。本发明的评价结果与两个实际采取的工程措施均一致，说明评价结果具有准确性和可靠性。
值得注意的是，本发明选取的DBI计算了两座堰塞坝的体积参数，对比Emini等人的研究，发现二者DBI均大于3.08，属于不稳定天然坝体，其它定量和定性快速评价方法也表明红石岩滑坡坝应视为不稳定。但红石岩堰塞湖形成于人工坝和水电站之间，存在一条连通天然水库与下游水电站的排水隧洞，能够快速宣泄上游来水，预防了堰塞坝发生漫顶破坏，为修建溢洪道等应急处置措施赢得了时间；而唐家山堰塞湖形成之初，通过人工在七天六夜内修建溢洪道，快速控制住了水位，排除了其对下游的危险，为之后堰塞湖的永久性整治提供了基础。以上案例说明，尽管天然的堰塞湖通过快速评价可能判别为不稳定，但通过一定的工程措施，能够加强堰塞体的稳定性，排除堰塞坝潜在的溃坝风险，从而变灾为宝，为人类所利用。
Claims (1)
1.一种基于云模型的堰塞湖开发可行性评价方法，其特征在于，包括以下步骤：
步骤1：建立评价指标
将应急处置后的堰塞湖开发可行性目标分解为安全风险、资源可行性、经济可行性以及生态环境影响4个准则层；
步骤2：建立评价标准
将堰塞坝开发可行性分为适宜度高、较高、较低、低四个等级，建立评语集V＝{v1,v2,v3,v4}＝{Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级}＝{适宜度高，适宜度较高，适宜度较低，适宜度低}，并划分各评价指标值域；
步骤3：建立评价的云模型
1)云模型采用期望Ex、熵En和超熵He来描述模糊概念的数字特征；其中，期望Ex表示定性概念平均值的大小，对应于云滴的中心位置；熵En表示定性概念的模糊度，即对应云滴相对于平均值的离散程度，反映定性概念可接受的数值范围；超熵He是熵En的熵，反映熵的不确定性，亦即云滴的凝聚性，对应云层的厚度；采用区间数[CL，CR]对各评价等级下的各指标进行划分，其中边界值是两个相邻等级的过渡点，同时属于两个等级，即两个相邻等级对应的边界值隶属度为0.5，据此得出云模型特征参数计算公式，如式(1)所示，通过式(1)将定性概念转化为云模型的三个数字特征；
云模型中，定性概念与定量值得相互转化需要借助云发生器实现；云发生器包括正向云发生器、逆向云发生器及条件云发生器；正向云发生器通过将输入的定性概念的三个数字特征输出为N个云滴(x,u(x))，实现语言值表达的定性概念到定量数据的范围和分布规律的转化；逆向云发生器则是基于数理统计的方法，从一定数量的云滴分布中提取云模型的三个数字特征来表示定性概念；条件云发生器分为X条件云发生器和Y条件云发生器，前者是在已知云的三个数字特征及特定数值x0的条件下，生成对应于x0的隶属度的云滴u(x0)；后者是在已知云的三个数字特征及隶属度u(y0)的条件下，生成对应于u(y0)的特定数值y0的云滴；二者结合可以进行云模型不确定性推理，实现定向概念与定量取值的相互转换；
2)构建基于云模型的规则发生器
2.1)前件云模型构建
对于定量指标，根据各项指标的变化范围及式(1)，构建前件云模型；对于定性指标，首先依据定性评语对应的等级将其转化为区间数形式[0，1]、[1，2]、[2，3]、[3，4]，然后通过式(1)进一步转化为云模型数为C4(0.5，0.4246，0.0425)、C3(1.5，0.4246，0.0425)、C2(2.5，0.4246，0.0425)、C1(3.5，0.4246，0.0425)；
2.2)后件云模型构建
采用百分制对堰塞坝开发可行性打分，定义堰塞湖开发可行性越好，得分越高，并将分值概念划分为“低、较低、较高、高”，对应的区间数分别为[0，25]、[25，50]、[50，75]、[75，100]，将其转化为云模型数：C4(12.5，10.62，1.06)、C3(37.5，10.62，1.06)、C2(62.5，10.62，1.06)、C1(87.5，10.62，1.06)；
在不确定性推理过程中，对于给定的前件定性概念评语或定量值xi，通过前件云模型生成各等级的隶属度u，而后件云模型在隶属度u的控制下，生成代表后件定性概念的具有不确定性的评分云Ri，实现不确定性传递；
3)云模型改进的权重计算
采用云模型改进层次分析法，利用云模型建立两两重要性比较标度以赋予比较的随机性，通过浮动云的偏好集结将多人判断的赋值综合，得到具有随机性的客观判断结果；建立两两重要性比较标度；邀请m位相关领域的专家对依据重要性比较标度表进行打分，获得m个判断矩阵，依据浮动云的偏好集结方法，通过式(2)对多为专家的意见进行集结，获得最终判断矩阵；
式中α1，α2，…αn大小反映专家意见的权重，满足α1+α2+…+αm＝1根据最终判断矩阵，通过方根法计算指标权重云模型：
对计算的权重云模型期望值进行一致性检验，在满足一致性后进行归一化处理，得到各指标相对权重计算最终结果Wi；
4)评语集云模型
通过百分制刻画各个等级的评分，再由式(1)将其转化为云模型特征参数；
步骤4：根据建立的云模型对堰塞湖开发可行性进行评价
采用云模型确定定性指标与定量指标的隶属度，并通过云模型改进的层次分析法确定权重，合成云模型计算结果，将其代入评语集云模型，得出堰塞湖开发可行性评价结果，具体如下：
1)根据指标值域划分情况，将区间数通过式(1)转化为云模型的数字特征；
2)基于云的不确定性推理准则，根据定性指标评语或定量指标值，确定其对各个概念的评分云；
3)根据专家评价结果，通过云模型改进的层次分析法计算权重云分布；
4)基于云的运算规则，通过综合评价合成运算公式确定综合隶属度S：
S＝Wi·Ri
5)依据云模型运算法则，代入权重云以及各指标评分值，逐层加权汇总得到综合评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010843173.5A CN112101737A (zh) | 2020-08-20 | 2020-08-20 | 基于云模型的堰塞湖开发可行性评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010843173.5A CN112101737A (zh) | 2020-08-20 | 2020-08-20 | 基于云模型的堰塞湖开发可行性评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112101737A true CN112101737A (zh) | 2020-12-18 |
Family
ID=73754021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010843173.5A Pending CN112101737A (zh) | 2020-08-20 | 2020-08-20 | 基于云模型的堰塞湖开发可行性评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101737A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417713A (zh) * | 2021-01-24 | 2021-02-26 | 成都创源油气技术开发有限公司 | 一种基于层次分析法的储气库模糊优化模型的评选方法 |
| CN112735098A (zh) * | 2020-12-31 | 2021-04-30 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种震后冰湖溃决预警方法、装置及存储介质 |
| CN112983545A (zh) * | 2021-02-22 | 2021-06-18 | 鄂尔多斯应用技术学院 | 一种基于sdg模型的采煤机故障寻踪方法 |
| CN113343522A (zh) * | 2021-05-31 | 2021-09-03 | 河海大学 | 一种基于云理论的土石坝本构模型参数反演方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190170A (zh) * | 2018-08-02 | 2019-01-11 | 哈尔滨工程大学 | 一种基于云模型理论的船舶碰撞危险度建模方法 |
| CN109325799A (zh) * | 2018-08-24 | 2019-02-12 | 国网河南省电力公司经济技术研究院 | 基于云模型的电力客户资源价值评价方法 |
| CN110851768A (zh) * | 2019-11-13 | 2020-02-28 | 四川大学 | 一种堰塞湖多层次模糊评价方法 |
-
2020
- 2020-08-20 CN CN202010843173.5A patent/CN112101737A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190170A (zh) * | 2018-08-02 | 2019-01-11 | 哈尔滨工程大学 | 一种基于云模型理论的船舶碰撞危险度建模方法 |
| CN109325799A (zh) * | 2018-08-24 | 2019-02-12 | 国网河南省电力公司经济技术研究院 | 基于云模型的电力客户资源价值评价方法 |
| CN110851768A (zh) * | 2019-11-13 | 2020-02-28 | 四川大学 | 一种堰塞湖多层次模糊评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周坦 等: "地下采场作业环境安全等级的 CM-AHP 评价" * |
| 康小兵 等: "基于融合权重的云模型在西昌某地区地下水水质评价中的应用" * |
| 张冉 等: "基于云模型和专家群体的 C4 ISＲ 系统效能评估方法" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112735098A (zh) * | 2020-12-31 | 2021-04-30 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种震后冰湖溃决预警方法、装置及存储介质 |
| CN112417713A (zh) * | 2021-01-24 | 2021-02-26 | 成都创源油气技术开发有限公司 | 一种基于层次分析法的储气库模糊优化模型的评选方法 |
| CN112983545A (zh) * | 2021-02-22 | 2021-06-18 | 鄂尔多斯应用技术学院 | 一种基于sdg模型的采煤机故障寻踪方法 |
| CN112983545B (zh) * | 2021-02-22 | 2023-12-26 | 鄂尔多斯应用技术学院 | 一种基于sdg模型的采煤机故障寻踪方法 |
| CN113343522A (zh) * | 2021-05-31 | 2021-09-03 | 河海大学 | 一种基于云理论的土石坝本构模型参数反演方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101737A (zh) | 基于云模型的堰塞湖开发可行性评价方法 | |
| CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| Shouyu et al. | Variable fuzzy sets and its application in comprehensive risk evaluation for flood-control engineering system | |
| Zeng et al. | Set pair analysis for karst waterlogging risk assessment based on AHP and entropy weight | |
| CN110851768B (zh) | 一种堰塞湖多层次模糊评价方法 | |
| CN112132486A (zh) | 西北内陆河区水资源高效利用的生态环境影响评价方法 | |
| CN115471065A (zh) | 一种独流入海河流的健康评价指标系统及其评价方法 | |
| Li et al. | Debris flow susceptibility assessment based on topo-hydrological factors at different unit scales: a case study of Mentougou district, Beijing | |
| CN113988688A (zh) | 一种耕地生态可持续性评价方法和系统 | |
| Lan et al. | Safety assessment for seawall based on constrained maximum entropy projection pursuit model | |
| CN108133331B (zh) | 一种黄河下游宽滩区滞洪沉沙功能和减灾效应的评价方法 | |
| Tu et al. | Three-reference-point based group ELECTRE III method for urban flood resilience evaluation | |
| Liu et al. | Risk assessment of debris flow in Ya’an city based on BP neural network | |
| Luo et al. | Cloud model-based evaluation of landslide dam development feasibility | |
| CN116542459A (zh) | 一种面向变动回水区鱼类产卵场生境重塑的生态调度方法 | |
| Xu et al. | Construction of a semi-distributed hydrological model considering the combination of saturation-excess and infiltration-excess runoff space under complex substratum | |
| Ferdowsi et al. | Flood risk management through multi-criteria decision-making: A review | |
| Gao et al. | Designing water-saving-ecological check dam sites by a system optimization model in a region of the loess plateau, Northwest China | |
| Ge et al. | Analysis of sediment deposition in Lushui Reservoir to guide dredging | |
| Huang et al. | Wisdom, predicaments, and challenges of a millennium ancient weir—Dujiangyan Project | |
| Huang et al. | Risk assessment method and application of embankment engineering based on cloud model | |
| CN111651709A (zh) | 一种干支流水电开发流域中支流拆坝生境替代与修复方法 | |
| Susetyo | Urban flood management in Surabaya City: anticipating changes in the Brantas River system | |
| Liu et al. | Research on machine learning hybrid framework by coupling grid-based runoff generation model and runoff process vectorization for flood forecasting | |
| Nagy et al. | Planning for dams and reservoirs: Hydrologic design elements and operational characteristics of storage reservoirs |
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: 20201218 |