CN112288308A - 基于多重变异系数赋权的ds证据理论滑坡评价方法 - Google Patents

基于多重变异系数赋权的ds证据理论滑坡评价方法 Download PDF

Info

Publication number
CN112288308A
CN112288308A CN202011249771.6A CN202011249771A CN112288308A CN 112288308 A CN112288308 A CN 112288308A CN 202011249771 A CN202011249771 A CN 202011249771A CN 112288308 A CN112288308 A CN 112288308A
Authority
CN
China
Prior art keywords
landslide
monitoring
data
method based
evidence theory
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
CN202011249771.6A
Other languages
English (en)
Inventor
迟福东
程振东
陈鸿杰
徐卫亚
王环玲
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.)
Hohai University HHU
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower Co Ltd
Original Assignee
Hohai University HHU
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower 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 Hohai University HHU, Huaneng Group Technology Innovation Center Co Ltd, Huaneng Lancang River Hydropower Co Ltd filed Critical Hohai University HHU
Priority to CN202011249771.6A priority Critical patent/CN112288308A/zh
Publication of CN112288308A publication Critical patent/CN112288308A/zh
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开一种基于多重变异系数赋权的DS证据理论滑坡评价方法，该方法包括如下步骤：（1）获取滑坡安全监测各仪器传感器数据，对监测数据进行预处理及误差分析；（2）对定量指标数据进行无量纲化处理；（3）确定评价因素；（4）建立隶属函数；（5）对含有较多测点且同一测点含多组监测数据的监测项目，同测点数据间可采用改进的多重变异系数法进行赋权；（6）对多源信息进行融合。本发明提供以一种改进的D‑S证据理论融合方法，能有效利用多指标不确定性信息，提高滑坡安全评价的可信度。

Description

基于多重变异系数赋权的DS证据理论滑坡评价方法
技术领域
本发明涉及一种滑坡安全评价方法，具体涉及一种基于多重变异系数赋权的DS证据理论滑坡评价方法。
背景技术
滑坡稳定受多方面因素影响，其安全监测信息具有模糊性、随机性、信息不完全性、未确定性和复杂性。如监测数据采集过程中产生的误差、各种标准制定的各指标本身带有的不确定性和由主观方法确定的各指标权重所具有的随机性等，滑坡安全监测涉及的指标量多样，各监测指标之间也存在着紧密的联系以及相互存在着影响。
发明内容
本发明的目的在于针对如何对滑坡进行安全评价的问题，提出一种基于多重变异系数赋权的DS理论的滑坡安全评价方法。如果用单一指标来评价滑坡的安全状况将存在很大的不确定性，因此需要将多平台数据融合从而达到较好的评估效果。本发明的D-S证据理论能够将证据源提供的多个证据有效融合,且评价精度较高，同时能够反映证据之间的一致性程度。首先确定评价因素，建立隶属函数。指标体系中各评价指标对系统安全的贡献大小和重要程度不同，对评价指标间的这种差异可通过改进的多重变异系数赋权，然后信息融合。第一级融合为从单个监测仪器到该类型仪器的特征级融合，第二级融合为各种不同监测仪器到滑坡整体稳定性的决策级融合，最后得到反映滑坡整体稳定性的综合证据。
滑坡安全性评估是一个涉及众多复杂的不确定性因素的复杂工程，多源信息融合技术在处理多样性、复杂性、不确定性信息和属性不相容问题上有明显的优势。
本发明通过如下技术方案予以实现：本发明提出一种基于多重变异系数赋权的DS证据理论滑坡评价方法，包括如下步骤：
(1)：获取各仪器传感器数据及进行数据预处理；
(2)：对定量指标数据进行无量纲化处理；
(3)：确定评价因素：
(4)：建立隶属函数
(5)：对含有较多测点且同一测点含多组监测数据的监测项目，同测点数据间可采用改进的变异系数法进行赋权；
(6)：对多源信息进行融合。
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(1)具体为：利用各种监测设备监测滑坡相关指标，采集的监测数据，对可疑数据xm；
|xm-X|＞3S (1)
则可疑值含有粗大误差,应舍弃，其中样本均值为X，样本标准差为S。计算方式如下，
Figure BDA0002771235540000021
Figure BDA0002771235540000022
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(2)具体为：对数据进行无量纲化处理；
对于滑坡位移量等越小越好的指标，其数据的标准化公式为
Figure BDA0002771235540000023
式中，xmax，xmin分别为某一项指标的最大和最小值；xj为第j个监测数据；x′j为标准化的值。
对于以适中为宜的评价指标，其数据的标准化公式为
Figure BDA0002771235540000024
式中，Δx为研究时间段内第i个监测点的第j次监测值相对于x*(i，0)的变化值；
Figure BDA0002771235540000025
为某监测点在研究时间段前的一个原始测值,Δxmax、Δxmin为Δx的最大值与最小值。
对于越大越好的监测指标，其监测数据的标准公式为：
Figure BDA0002771235540000031
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(3)具体为：选取评价因素，安全监测仪器数量较多，可根据仪器的布置位置和监测成果的好坏选取有代表性的仪器进行融合；
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(4)具体为：建立隶属函数包括以下步骤；
Figure BDA0002771235540000032
式中，uA(x)为隶属函数值；a、b、c分别为区间划分分界值。
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(5)具体为：变异系数法赋权包括以下步骤；
Figure BDA0002771235540000033
Figure BDA0002771235540000034
Figure BDA0002771235540000035
式中，Di为第i个定量评价指标的均方差；
Figure BDA0002771235540000036
为第i个评价指标的均值。由各点的变异系数可得出各定量指标的权重。
Figure BDA0002771235540000037
前述的一种基于多重变异系数赋权的DS证据理论滑坡评价方法中，所述步骤(6)具体为：多源信息进行融合包括以下步骤；
证据理论组合两个证据的规则
Figure BDA0002771235540000041
Figure BDA0002771235540000042
式中，m1(Ai)和m1(Bi)分别是不同指标的基本概率分配。
本发明相对于现有技术具有有益效果：
本发明利用改进的多重变异系数赋权的DS证据理论融合技术处理多样性、复杂性、不确定性信息，整个精度较高，同时能够反映证据之间的一致性程度。通过特征级融合和决策级融合，最后得到反映滑坡整体稳定性的综合证据，能有效利用多指标不确定性信息，提高滑坡安全评价的可信度。
附图说明
图1是本发明实施例的总体流程图；
图2是本发明实施例的选择评价因素；
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，本发明公开了一种基于多重变异系数赋权的DS证据理论的滑坡评价方法，下面以取自于某工程的监测资料，如图2为例具体说明，
1：获取各仪器传感器数据及进行数据预处理。
对选取各监测点，提取各仪器监测数据指标，GNSS位移计选取GTP05、GTP06、GTP08；深部多点位移计选取M01～M04；锚杆应力计选取RA01、RA03、RA04；锚索测力计选取PR02、PR04；渗压计选取P02、P03、P04。经检验去除粗差过大的监测数据。
表1进行融合的GNSS表面位移速率数据
Figure BDA0002771235540000043
表2进行融合的多点深部位移速率数据
Figure BDA0002771235540000051
表3进行融合的锚杆应力计变化数据
Figure BDA0002771235540000052
表4进行融合的锚索测力计监测数据
Figure BDA0002771235540000053
表5进行融合的渗压变化数据
Figure BDA0002771235540000054
2：对定量指标数据进行无量纲化处理。
原始监测数据由于量纲差异，需进行无量纲处理。
3：确定评价因素：
根据国家标准和水利水电边坡工程规范，可把岩石工程边坡稳定性分为5个等级，即很稳定、稳定、基本稳定、不稳定和很不稳定，它们分别对应Ⅰ区、Ⅱ区、Ⅲ区、Ⅳ区、V区。可得到基于监测数据的边坡稳定性分类标准，确定表面位移、深部多点位移、锚杆应力、锚索测力计、渗压作为评价因素。
4、建立隶属函数
分别计算各仪器的BPA，并将各辨识目标的BPA归一化，得到最终的基本概率分配结果，其他监测概率类似下表。
表6进行融合的GNSS表面位移速率基本概率计算表
Figure BDA0002771235540000055
表7进行融合的多点深部位移速率基本概率计算表
Figure BDA0002771235540000056
Figure BDA0002771235540000061
5、对含有较多测点且同一测点含多组监测数据的监测项目，同测点数据间可采用改进的变异系数法进行赋权。
6、对多源信息进行融合。
将位移监测数据进行融合，直到所有位移数据融合为一条证据。同理，对于其它类型仪器也可按仪器依次进行融合，最终得到各仪器的特征级融合结果，最后根据组合公式进行再融合，最终融合结果如表。
表8融合结果基本概率计算表
Figure BDA0002771235540000062
对最后融合结果，采用基于基本概率分配的决策方法，取ε1＝ε2＝0.1，该滑坡的基本稳定概率为0.929。按最大属性原则，可以判定该滑坡的整体安全状态为基本稳定。基本概率赋值m(基本稳定)与m(稳定)之和接近1，按照置信度原则，也可判定该滑坡的安全状态为为基本稳定。但仍存在一定的安全隐患需加强监测。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。

Claims (7)

1.一种基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于包括如下步骤：
(1)获取滑坡监测传感器数据，数据预处理及误差分析；
(2)对定量指标数据进行无量纲化处理；
(3)确定评价因素；
(4)建立隶属函数：
(5)对含有较多测点且同一测点含多组监测数据的监测项目，同测点数据间采用改进的多重变异系数法进行赋权；
(6)对多源信息进行融合。
2.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(1)中数据误差处理公式如下：
对可疑数据xm，|xm-X|＞3S则可疑值含有粗大误差,应舍弃；
样本均值
Figure FDA0002771235530000011
样本标准差
Figure FDA0002771235530000012
3.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(2)中无量纲化处理计算方法如下：
(2.1)对于滑坡位移量等越小越好的指标，其数据的标准化公式为
Figure FDA0002771235530000013
式中，xmax，xmin分别为某一项指标的最大和最小值；xj为第j个监测数据；x′j为标准化的值；
(2.2)对于以适中为宜的评价指标，其数据的标准化公式为
Figure FDA0002771235530000014
式中，Δx为研究时间段内第i个监测点的第j次监测值相对于x*(i，0)的变化值；
Figure FDA0002771235530000021
为某监测点在研究时间段前的一个原始测值,Δxmax、Δxmin为Δx的最大值与最小值；
(2.3)对于越大越好的监测指标，其监测数据的标准公式为：
Figure FDA0002771235530000022
4.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(3)中确定评价因素：滑坡安全是若干个因素相互耦合的结果，影响因素众多，具有模糊和不确定性，在考虑多源信息融合理论合成理论的基础上，结合现场实际监测信息，确定监测指标作为多源信息因素。
5.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(4)建立隶属函数包括以下步骤：
Figure FDA0002771235530000023
式中，uA(x)为隶属函数值；a、b、c分别为区间划分分界值。
6.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(5)变异系数法赋权包括以下步骤：
Figure FDA0002771235530000024
Figure FDA0002771235530000025
Figure FDA0002771235530000026
式中，Di为第i个定量评价指标的均方差；
Figure FDA0002771235530000027
为第i个评价指标的均值；由各点的变异系数可得出各定量指标的权重；
Figure FDA0002771235530000031
7.根据权利要求1所述的基于多重变异系数赋权的DS证据理论滑坡评价方法，其特征在于，所述步骤(6)多源信息进行融合包括以下步骤：
证据理论组合两个证据的规则
Figure FDA0002771235530000032
式中，
Figure FDA0002771235530000033
m1(Ai)和m1(Bi)分别是不同指标的基本概率分配。
CN202011249771.6A 2020-11-11 2020-11-11 基于多重变异系数赋权的ds证据理论滑坡评价方法 Pending CN112288308A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011249771.6A CN112288308A (zh) 2020-11-11 2020-11-11 基于多重变异系数赋权的ds证据理论滑坡评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011249771.6A CN112288308A (zh) 2020-11-11 2020-11-11 基于多重变异系数赋权的ds证据理论滑坡评价方法

Publications (1)

Publication Number Publication Date
CN112288308A true CN112288308A (zh) 2021-01-29

Family

ID=74352037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011249771.6A Pending CN112288308A (zh) 2020-11-11 2020-11-11 基于多重变异系数赋权的ds证据理论滑坡评价方法

Country Status (1)

Country Link
CN (1) CN112288308A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116819525A (zh) * 2023-05-19 2023-09-29 东北大学 一种面向高陡边坡的InSAR滑坡监测评价方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091078A (zh) * 2014-07-14 2014-10-08 西北工业大学 基于d-s证据理论的产品多信息融合标识失效补救方法
CN105512962A (zh) * 2016-01-13 2016-04-20 武汉大学 一种气体绝缘组合电器绝缘状态综合评估方法
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109740925A (zh) * 2018-12-29 2019-05-10 精英数智科技股份有限公司 一种基于组合赋权法的煤矿安全风险预警分析方法
CN109902567A (zh) * 2019-01-22 2019-06-18 深圳大学 一种快速评估植被健康状况的数据处理方法及系统
CN110288144A (zh) * 2019-06-19 2019-09-27 南京深地智能建造技术研究院有限公司 一种基于效用理论和d-s证据推理的深基坑安全性评估方法
CN110598914A (zh) * 2019-08-21 2019-12-20 武汉理工大学 一种多因素影响下矿井灾害气体浓度区间预测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091078A (zh) * 2014-07-14 2014-10-08 西北工业大学 基于d-s证据理论的产品多信息融合标识失效补救方法
CN105512962A (zh) * 2016-01-13 2016-04-20 武汉大学 一种气体绝缘组合电器绝缘状态综合评估方法
CN109740925A (zh) * 2018-12-29 2019-05-10 精英数智科技股份有限公司 一种基于组合赋权法的煤矿安全风险预警分析方法
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109902567A (zh) * 2019-01-22 2019-06-18 深圳大学 一种快速评估植被健康状况的数据处理方法及系统
CN110288144A (zh) * 2019-06-19 2019-09-27 南京深地智能建造技术研究院有限公司 一种基于效用理论和d-s证据推理的深基坑安全性评估方法
CN110598914A (zh) * 2019-08-21 2019-12-20 武汉理工大学 一种多因素影响下矿井灾害气体浓度区间预测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116819525A (zh) * 2023-05-19 2023-09-29 东北大学 一种面向高陡边坡的InSAR滑坡监测评价方法及系统
CN116819525B (zh) * 2023-05-19 2024-02-09 东北大学 一种面向高陡边坡的InSAR滑坡监测评价方法及系统

Similar Documents

Publication Publication Date Title
CN106650785B (zh) 基于证据分类和冲突衡量的加权证据融合方法
Isik et al. Hydrologic regionalization of watersheds in Turkey
Kemp et al. Reconstructing Holocene sea level using salt‐marsh foraminifera and transfer functions: lessons from New Jersey, USA
CN115311821B (zh) 一种基于数字孪生技术的地质灾害智能监测云平台
CN111985389B (zh) 一种基于流域属性距离的流域相似判别方法
CN108898252A (zh) 一种全国对流层大气折射率剖面的预测方法
CN102393881A (zh) 一种实时多传感温度数据融合的高精度检测方法
CN110502277A (zh) 一种基于bp神经网络的代码坏味检测方法
CN111797364A (zh) 一种基于复合云模型的滑坡多层次安全评价方法
CN112288308A (zh) 基于多重变异系数赋权的ds证据理论滑坡评价方法
CN115654381A (zh) 一种基于图神经网络的供水管道漏损检测方法
CN115330203A (zh) 一种基于博弈证据网络的液化天然气储罐健康状态评估方法
CN110458466A (zh) 基于数据挖掘和异构知识关联的专利估值方法、估值系统
Xu et al. Risk evaluation of debris flow hazard based on asymmetric connection cloud model
CN105223559A (zh) 一种可并行切换的远程雷达航迹起始方法
CN116882731A (zh) 一种基于斜坡单元的地质灾害危险性评估方法及系统
CN116125494A (zh) 一种基于双波长激光雷达的边界层高度反演方法
Maidaneh Abdi et al. A regression model of spatial accuracy prediction for openstreetmap buildings
CN114841586A (zh) 一种油气远景区的圈定方法及系统
Zhong et al. Positive and Inverse Degree of Grey Incidence Estimation Model of Soil Organic Matter Based on Hyper-spectral Data.
CN116068646A (zh) 一种岩心归位方法、装置及计算系统
CN117540277B (zh) 一种基于WGAN-GP-TabNet算法的井漏预警方法
Hu et al. Data analysis and model establishment of oil-water two-phase in vertical well based on array probe combination instrument
Pattillo et al. Are Currency Crises Predictable? A Test
Ou et al. Innovative Approach to Dam Deformation Analysis: Integration of VMD, Fractal Theory, and WOA‐DELM

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: 20210129

RJ01 Rejection of invention patent application after publication