CN112330187A - 一种地下设施水灾风险评估方法、系统、终端及存储介质 - Google Patents
一种地下设施水灾风险评估方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN112330187A CN112330187A CN202011297882.4A CN202011297882A CN112330187A CN 112330187 A CN112330187 A CN 112330187A CN 202011297882 A CN202011297882 A CN 202011297882A CN 112330187 A CN112330187 A CN 112330187A
- Authority
- CN
- China
- Prior art keywords
- risk
- risk evaluation
- flood
- evaluation index
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012502 risk assessment Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 215
- 238000012544 monitoring process Methods 0.000 claims abstract description 86
- 238000013210 evaluation model Methods 0.000 claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 32
- 239000013535 sea water Substances 0.000 claims description 7
- 239000002352 surface water Substances 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005314 correlation function Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种地下设施水灾风险评估方法、系统、终端及存储介质。该方法包括：根据水灾历史数据确定多个风险评价指标，确定每个风险评价指标的风险等级；根据每个风险评价指标的风险等级确定每个风险评价指标对应的权重；根据确定的风险评价指标、等级和权重生成风险评估模型；根据风险评估模型和当前监测数据确定当前水灾风险等级。解决当前地下基础设施灾害风险评估需要依靠人工计算，智能水平较低且客观性较低的问题，实现通过风险评估模型快速准确的对当前监测数据进行风险评估的效果。
Description
技术领域
本发明实施例涉及灾害风险评估技术，尤其涉及一种地下设施水灾风险评估方法、系统、终端及存储介质。
背景技术
随着地下空间的开发利用，地铁、地下综合体、地下环廊等地下基础设施大量兴建，地下基础设施的建设是一项高风险建设项目，由于下穿城市腹地，周边环境复杂，地质条件等不确定性因素较多，灾害事件多元化，安全事故频发，造成了巨大的经济损失。地下基础设施灾害风险因素具有很大的随机性及模糊性，需要有科学合理的风险评估方法对其进行准确的描述，对地下基础设施灾害风险因素进行评估具有十分重要的意义。
目前经常采用的风险评估方法主要包括：专家调查法、层次分析法、WBS方法、模糊综合评判法、故障树法、贝叶斯网络风险评估等。
目前地下基础设施灾害风险评估研究方面仍处于起步阶段，评价方法的可操作性差，且在进行实际评价时，智能化水平较低，手工计算难度较大，计算过程较为复杂。此外，评价过程中主观赋权存在一定的缺陷，评价客观性不够。
发明内容
本发明提供一种地下设施水灾风险评估方法、系统、终端及存储介质，以实现快速准确的对当前监测数据进行风险评估的效果。
第一方面，本发明实施例提供了一种地下设施水灾风险评估方法，包括：
根据水灾历史数据确定多个风险评价指标，确定每个所述风险评价指标的风险等级；
根据每个所述风险评价指标的风险等级确定每个所述风险评价指标对应的权重；
根据确定的所述风险评价指标、等级和权重生成风险评估模型；
根据所述风险评估模型和当前监测数据确定当前水灾风险等级。
可选的，所述多个风险评价指标包括多个内部风险评价指标和多个外部风险评价指标；所述根据水灾历史数据确定多个风险评价指标，包括：
根据预设分类获取所述水灾历史数据中的内部致灾因子和外部致灾因子；
确定内部致灾因子为内部风险评价指标，确定外部致灾因子为外部风险评价指标。
可选的，所述风险评价指标的风险等级包括四个等级，其中，风险程度按一级至四级依次递减；所述确定每个所述风险评价指标的风险等级，包括：
获取预设时间内水灾发生次数、每个所述风险评价指标发生的次数和对应的水灾危害等级；
根据所述风险评价指标发生的次数与水灾发生次数的比值确定每个所述风险评价指标的发生等级；
根据每个所述风险评价指标的发生等级和水灾危害等级确定每个所述风险评价指标的风险等级。
可选的，所述根据每个风险评价指标的等级确定每个风险评价指标对应的权重，包括：
采用G1法确定每个所述风险评价指标的主观权重；
根据每个风险评价指标的等级和熵权法确定每个所述风险评价指标的客观权重；
根据所述主观权重和所述客观权重的平均值确定每个所述风险评价指标的综合权重。
可选的，所述根据确定的所述风险评价指标、等级和权重生成风险评估模型，包括：
根据确定的所述风险评价指标和等级确定物元的经典域和节域；
根据物元的经典域和节域确定所述风险评价指标和水灾风险等级的关联度；
根据综合权重和关联度生成风险评估模型。
可选的，所述监测数据，包括：内部风险评价指标监测数据和外部风险评价指标监测数据；
所述内部风险评价指标监测数据包括结构渗漏监测数据、内部管道破裂监测数据、其他区域连接口水流涌入监测数据和排水设备故障监测数据；
所述外部风险评价指标监测数据包括暴雨地表积水监测数据、地表管道破裂监测数据、河流/海水水位上涨监测数据。
可选的，所述内部风险评价指标监测数据由设置在地下设施的泵房内部、楼梯间、电梯间连接处、内部各层最低处、轨道区及地下的水位传感器监测得到；所述外部风险评价指标监测数据由设置在地下设施的出入口水位或其他区域水位传感器监测得到。
第二方面，本发明实施例还提供一种地下设施水灾风险评估系统，包括：
指标确定模块，用于根据水灾历史数据确定多个风险评价指标；
指标风险等级确定模块，用于根据水灾历史数据确定每个所述风险评价指标的风险等级；
权重确定模块，用于根据每个所述风险评价指标的风险等级确定每个所述风险评价指标对应的权重；
评估模型生成模块，用于根据确定的所述风险评价指标、等级和权重生成风险评估模型；
综合评价模块，用于根据所述风险评估模型和当前监测数据确定当前水灾风险等级。
第三方面，本发明实施例还提供了一种地下设施水灾风险评估终端，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一所述的地下设施水灾风险评估方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一所述的地下设施水灾风险评估方法。
本发明实施例通过根据水灾历史数据确定的风险评价指标以及指标对应的风险等级和权重构建风险评估模型，利用风险评估模型对当前监测数据进行分析得到当前水灾风险等级，解决当前地下基础设施灾害风险评估需要依靠人工计算，智能水平较低且客观性较低的问题，实现通过风险评估模型快速准确的对当前监测数据进行风险评估的效果。
附图说明
图1为本发明实施例一提供的一种地下设施水灾风险评估方法的流程示意图；
图2A为本发明实施例一提供的一种地下设施水灾风险评估方法的子流程示意图；
图2B为本发明实施例一提供的另一种地下设施水灾风险评估方法的子流程示意图；
图2C为本发明实施例一提供的又一种地下设施水灾风险评估方法的子流程示意图；
图3为本发明实施例二提供的一种地下设施水灾风险评估系统的结构示意图；
图4为本发明实施例三提供的一种地下设施水灾风险评估终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的地下设施水灾风险评估方法的流程示意图，图2A为本发明实施例一提供的地下设施水灾风险评估方法的子流程示意图，图2B为本发明实施例一提供的另一种地下设施水灾风险评估方法的子流程示意图，图2C为本发明实施例一提供的又一种地下设施水灾风险评估方法的子流程示意图。
本实施例可适用于对地铁、地下综合体、地下环廊等地下基础设施的水灾风险进行评估的情况，该方法可以由地下设施水灾风险评估系统来执行，如图所示，具体包括如下步骤：
步骤110、根据水灾历史数据确定多个风险评价指标，确定每个风险评价指标的风险等级。
水灾历史数据包括预设时间段内监测到的特定数据，示例性的，预设时间段为一个自然年，监测到的数据包括暴雨地表积水数据、地表管道破裂数据、河流/海水水位上涨数据、结构渗漏数据、内部管道破裂数据、其他区域连接口水流涌入数据和排水设备故障数据等。监测到的数据与水灾发生有一定的关联关系，因此将监测到的多种数据作为多个风险评价指标。每个监测到的数据与水灾发生的概率的关联程度不一样，每个监测到的数据也与水灾发生的危害等级的关联程度不一样，因此，需要确定每个风险评价指标的风险等级，风险等级高的风险评价指标与水灾发生概率的关联程度较高或与发生高危害等级的水灾概率的关联程度较高。
步骤120、根据每个风险评价指标的风险等级确定每个风险评价指标对应的权重。
现有评估方法中常采用主观赋权的方法，导致水灾风险评估的结果客观性不够，不能准确预测水灾风险发生的可能性和危害等级，本实施例中的风险评价指标对应的权重包括主观权重和客观权重。其中，客观权重根据各个风险评价指标的风险等级和熵权法计算得到。
步骤130、根据确定的风险评价指标、等级和权重生成风险评估模型。
通过物元分析的方法建立风险评估模型，首先，将每个风险评价指标设定为物元；其次，根据每个风险评价指标和所对应的风险等级确定物元的经典域，根据所有风险评价指标对应的所有风险等级确定物元的节域，根据物元的经典域和节域确定风险评价指标和水灾风险等级的关联函数，并确定关联度；最后，根据关联度和风险评价指标的权重生成风险评估模型。
步骤140、根据风险评估模型和当前监测数据确定当前水灾风险等级。
将当前监测数据输入生成的风险评估模型，得到当前水灾风险等级；其中，当前监测数据包括内部风险评价指标监测数据和外部风险评价指标监测数据，具体的，内部风险评价指标监测数据包括结构渗漏监测数据、内部管道破裂监测数据、其他区域连接口水流涌入监测数据和排水设备故障监测数据，外部风险评价指标监测数据包括暴雨地表积水监测数据、地表管道破裂监测数据、河流/海水水位上涨监测数据；内部风险评价指标监测数据由设置在地下设施的泵房内部、楼梯间、电梯间连接处、内部各层最低处、轨道区及地下的水位传感器监测得到；外部风险评价指标监测数据由设置在地下设施的出入口或其他区域的水位传感器监测。其中，设置在地下设施的出入口水位传感器用于监测外部风险评价指标发生时有没有导致外部水流进入地下设施内部，从而将外部风险评价指标与内部风险评价指标准确区分开来。
本发明通过根据水灾历史数据确定的风险评价指标以及指标对应的风险等级和权重构建风险评估模型，利用风险评估模型对当前监测数据进行分析得到当前水灾风险等级，解决当前地下基础设施灾害风险评估需要依靠人工计算，智能水平较低且客观性较低的问题，实现通过风险评估模型快速准确的对当前监测数据进行风险评估的效果。
在上述技术方案的基础上，如图2A所示，步骤110包括：
步骤111、根据预设分类获取水灾历史数据中的内部致灾因子和外部致灾因子。
通过数据获取的位置对水灾历史数据进行预设分类，具体的，由设置在地下设施的泵房内部、楼梯间、电梯间连接处、内部各层最低处、轨道区及地下的水位传感器监测得到的数据为内部数据，由设置在地下设施的出入口或其他区域的水位传感器监测得到的数据为外部数据，其中，设置在地下设施的出入口水位传感器用于监测外部水流是否进入地下设施内部，从而将外部数据与内部数据准确区分开来。
通过预设分类分别获取地下设施的水灾历史数据中的内部致灾因子和外部致灾因子，其中，内部致灾因子为发生在地下设施内部的问题导致的水灾，外部致灾因子为发生在地下设施外部的问题导致的水灾。
具体的，内部致灾因子包括结构渗漏、内部管道破裂、其他区域连接口水流涌入和排水设备故障等情况，其中，其他区域连接口水流涌入包括相邻隧道连接区域、商业区与地下通道的连接口等的水流涌入；外部致灾因子包括暴雨地表积水、地表管道破裂、河流/海水水位上涨等情况。
步骤112、确定内部致灾因子为内部风险评价指标，确定外部致灾因子为外部风险评价指标。
为了评估地下设施内部的问题导致水灾的可能性，确定内部致灾因子为内部风险评价指标；为了评估地下设施外部的问题导致水灾的可能性，确定外部致灾因子为外部风险评价指标。
步骤113、获取预设时间内水灾发生次数、每个风险评价指标发生的次数和对应的水灾危害等级。
示例性的，预设时间段为一个自然年或多个自然年；获取预设时间内水灾发生次数和每个风险评价指标发生的次数，其中，风险评价指标发生时，水灾不一定发生。
指标发生的判定依据如表1所示：
表1
其中，h代表出入口处地表积水深度，hs代表出入口台阶高度，q、t代表降雨强度和降雨时间。
每个风险评价指标与水灾发生的概率的关联程度不一样，也与水灾发生的危害等级的关联程度不一样，因此，还需要获取每个风险评价指标发生时对应的水灾危害等级，示例性的，水灾危害等级可分为五个等级，危害程度由一级至五级依次递增。
步骤114、根据风险评价指标发生的次数与水灾发生次数的比值确定每个风险评价指标的发生等级。
由于风险评价指标发生时，水灾不一定发生，因此需要计算当风险评价指标发生时，水灾发生的概率，即每个风险评价指标对应的发生等级，发生等级越高，则此风险评价指标发生时水灾发生的概率越高；具体的，根据风险评价指标发生的次数与水灾发生次数的比值确定每个风险评价指标的发生等级，示例性的，发生等级可分为五个等级，水灾发生的可能性由一级至五级依次递增。
步骤115、根据每个风险评价指标的发生等级和水灾危害等级确定每个风险评价指标的风险等级。
每个风险评价指标的发生等级和关联的水灾危害等级均可能不同，为了综合评价每个风险评价指标与水灾发生的概率和水灾危害等级的关联程度，需要确定每个风险评价指标的风险等级，其中，风险等级高的风险评价指标与水灾发生概率的关联程度较高或与发生高危害等级的水灾概率的关联程度较高。
根据每个风险评价指标的发生等级数值和关联的水灾危害等级数值的乘积，分成四个风险等级，示例性的，四个风险等级与发生等级数值和危害等级数值的乘积的取值范围关系为：一级风险等级对应的取值范围为20-25，二级风险等级对应的取值范围为15-16，三级风险等级对应的取值范围为8-12，四级风险等级对应的取值范围为1-6。
对水灾历史数据中的不同致灾因子按类别进行细致划分，并设置为风险评价指标，根据每个风险评价指标的发生等级和水灾危害等级确定每个风险评价指标的风险等级，风险等级可以综合表示每个风险评价指与水灾的关联关系，达到提高水灾风险评估准确性的效果。
在上述技术方案的基础上，如图2B所示，步骤120包括：
步骤121、采用G1法确定每个风险评价指标的主观权重。
权重为评价每个风险评价指标重要程度的一个依据，本实施例中的风险评价指标对应的权重包括主观权重和客观权重。
设x1，x2，...，xm(m≥2)为同一类别的m个风险评价指标，其中，同一类别指外部风险评价指标或内部风险评价指标。若xi相对于水灾风险结果的影响程度不低于xj时，记作xi≥xj(此处≥符号表示不低于关系)。若在水灾风险中，指标x1，x2，...，xn(n≥2)具备以下关系：
x1≥x2≥…≥xn
称指标x1，x2，...，xn建立序关系。
根据专家对每个风险评价指标对水灾风险结果的影响程度的次序作为风险评价指标的主观次序；根据专家给出的相邻风险评价指标对水灾风险结果的影响程度之比r(i)形成赋值表，如表2所示：
表2
| 序号 | r(i)取值 | 指标x<sub>i-1</sub>与x<sub>i</sub>的影响大小对比 |
| 1 | 1.0 | 指标x<sub>i-1</sub>与x<sub>i</sub>同等重要 |
| 2 | 1.2 | 指标x<sub>i-1</sub>比x<sub>i</sub>稍微重要 |
| 3 | 1.4 | 指标x<sub>i-1</sub>比x<sub>i</sub>明显重要 |
| 4 | 1.6 | 指标x<sub>i-1</sub>比x<sub>i</sub>强烈重要 |
| 5 | 1.8 | 指标x<sub>i-1</sub>比x<sub>i</sub>极端重要 |
根据第一公式计算次序最末的风险评价指标的权重，第一公式为：
其中，设风险评价指标共有m个，
为第m个风险评价指标的G1法主观权重。
根据次序最末的风险评价指标的权重和赋值表计算其它的风险评价指标的权重，即
通过上式计算出各风险评价指标的主观权重w0。
步骤122、根据每个风险评价指标的等级和熵权法确定每个风险评价指标的客观权重。
为了避免主观赋权导致缺乏客观性，从而不能准确预测水灾风险发生的可能性和危害等级，因此需要计算各风险评价指标的客观权重。
根据第二公式计算风险评价指标对应的正向指标，第二公式为：
xij＝(Xij-Xjmin)/(Xjmax-Xjmin)
其中，设第i个类别的第j个风险评价指标值为Xij(i＝1，2，...，n；j＝1，2，...，m)，n和m分别为评价对象个数和风险评价指标个数，Xjmax，Xjmin为第j个风险评价指标的最大值和最小值，xij为归一化后的数据。
计算每个风险评价指标的特征比重pij，
其中，因0≤xij≤1，所以0≤pij≤1。
根据第三公式计算每个风险评价指标的信息熵，第三公式为：
其中，Ej为每个风险评价指标的信息熵。
根据第四公式确定每个风险评价指标的权值，第四公式为：
其中，W1为每个风险评价指标的客观权重。
步骤123、根据主观权重和客观权重的平均值确定每个风险评价指标的综合权重。
综合权重为主观权重和客观权重的平均值，即
w*＝0.5w0+0.5w1
其中，w*为每个风险评价指标的综合权重。
通过组合赋权的方法确定每个风险评价指标的综合权重，通过添加客观赋权，降低了主观性赋权对评价结果的影响，提高了地下基础设施水灾风险评估的准确性。
在上述技术方案的基础上，如图2C所示，步骤130包括：
步骤131、根据确定的风险评价指标和等级确定物元的经典域和节域。
通过物元分析的方法建立风险评估模型，首先，将每个风险评价指标设定为物元。其次，根据第五公式确定物元的经典域，第五公式为：
其中，Nj为水灾风险等级，Uj为风险评价指标，aj1，bj1为Uj对应的取值范围。
根据第六公式确定物元的节域，第六公式为：
Np表示风险等级全体，aP1，bP1为Uj取值范围内的最小值和最大值。
步骤132、根据物元的经典域和节域确定风险评价指标和水灾风险等级的关联度。
根据第七公式计算关联函数及隶属度，第七公式为：
ρ(v，vj)表示风险评价指标的取值与区间vj＝(aj1，bj1)的距离，ρ(v，vp)表示风险评价指标的取值与vp＝(ap1，bp1)之间的距离，Kj(vj)表示风险评价指标和水灾风险等级的关联度。
步骤133、根据综合权重和关联度生成风险评估模型。
根据综合权重和关联度生成风险评估模型，
Lj(N)为水灾风险等级N与第j个风险评价指标的综合关联程度，w(vi)表示第i项指标的综合权重。
根据隶属度最大值原则，在Lj(N)中求最大的关联函数值，即：
Lj(N)＝max[L1(N)，L2(N)……Ln(N)]
当输入当前监测数据时，输出当前水灾风险等级。
实施例二
本发明实施例所提供的地下设施水灾风险评估系统可执行本发明任意实施例所提供的地下设施水灾风险评估方法，具备执行方法相应的功能模块和有益效果。
图3为本发明实施例二提供的一种地下设施水灾风险评估系统的结构示意图；如图3所示，一种地下设施水灾风险评估系统包括：
指标确定模块310，用于根据水灾历史数据确定多个风险评价指标。
水灾历史数据包括预设时间段内监测到的特定数据，示例性的，预设时间段为一个自然年，监测到的数据包括暴雨地表积水数据、地表管道破裂数据、河流/海水水位上涨数据、结构渗漏数据、内部管道破裂数据、其他区域连接口水流涌入数据和排水设备故障数据等。
指标风险等级确定模块320，用于根据水灾历史数据确定每个风险评价指标的风险等级。
监测到的数据与水灾发生有一定的关联关系，因此将监测到的多种数据作为多个风险评价指标。每个监测到的数据与水灾发生的概率的关联程度不一样，每个监测到的数据也与水灾发生的危害等级的关联程度不一样，因此，需要确定每个风险评价指标的风险等级，风险等级高的风险评价指标与水灾发生概率的关联程度较高或与发生高危害等级的水灾概率的关联程度较高。
权重确定模块330，用于根据每个风险评价指标的风险等级确定每个风险评价指标对应的权重。
现有评估方法中常采用主观赋权的方法，导致水灾风险评估的结果客观性不够，不能准确预测水灾风险发生的可能性和危害等级，本实施例中的风险评价指标对应的权重包括主观权重和客观权重。其中，主管权重根据G1法计算得到，客观权重根据各个风险评价指标的风险等级和熵权法计算得到。
评估模型生成模块340，用于根据确定的风险评价指标、等级和权重生成风险评估模型。
通过物元分析的方法建立风险评估模型，首先，将每个风险评价指标设定为物元；其次，根据每个风险评价指标和所对应的风险等级确定物元的经典域，根据所有风险评价指标对应的所有风险等级确定物元的节域，根据物元的经典域和节域确定风险评价指标和水灾风险等级的关联函数，并确定关联度；最后，根据关联度和风险评价指标的权重生成风险评估模型。
综合评价模块350，用于根据风险评估模型和当前监测数据确定当前水灾风险等级。
将当前监测数据输入生成的风险评估模型，得到当前水灾风险等级；其中，当前监测数据包括内部风险评价指标监测数据和外部风险评价指标监测数据，具体的，内部风险评价指标监测数据包括结构渗漏监测数据、内部管道破裂监测数据、其他区域连接口水流涌入监测数据和排水设备故障监测数据，外部风险评价指标监测数据包括暴雨地表积水监测数据、地表管道破裂监测数据、河流/海水水位上涨监测数据；内部风险评价指标监测数据由设置在地下设施的泵房内部、楼梯间、电梯间连接处、内部各层最低处、轨道区及地下的水位传感器监测得到；外部风险评价指标监测数据由设置在地下设施的出入口或其他区域的水位传感器监测。其中，设置在地下设施的出入口水位传感器用于监测外部风险评价指标发生时有没有导致外部水流进入地下设施内部，从而将外部风险评价指标与内部风险评价指标准确区分开来。
本发明通过根据水灾历史数据确定的风险评价指标以及指标对应的风险等级和权重构建风险评估模型，利用风险评估模型对当前监测数据进行分析得到当前水灾风险等级，解决当前地下基础设施灾害风险评估需要依靠人工计算，智能水平较低且客观性较低的问题，实现通过风险评估模型快速准确的对当前监测数据进行风险评估的效果。
实施例三
图4为本发明实施例三提供的一种地下设施水灾风险评估终端的结构示意图，如图4所示，该终端包括处理器40、存储器41、输入装置42和输出装置43；终端中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；终端中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的地下设施水灾风险评估方法对应的程序指令/模块(例如，地下设施水灾风险评估系统中的指标确定模块310、指标风险等级确定模块320、权重确定模块330、评估模型生成模块340和综合评价模块350)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的地下设施水灾风险评估方法。
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息，以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种地下设施水灾风险评估方法，该方法包括：
根据水灾历史数据确定多个风险评价指标，确定每个风险评价指标的风险等级；
根据每个风险评价指标的风险等级确定每个风险评价指标对应的权重；
根据确定的风险评价指标、等级和权重生成风险评估模型；
根据风险评估模型和当前监测数据确定当前水灾风险等级。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的地下设施水灾风险评估方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述地下设施水灾风险评估终端的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种地下设施水灾风险评估方法，其特征在于，包括：
根据水灾历史数据确定多个风险评价指标，确定每个所述风险评价指标的风险等级；
根据每个所述风险评价指标的风险等级确定每个所述风险评价指标对应的权重；
根据确定的所述风险评价指标、等级和权重生成风险评估模型；
根据所述风险评估模型和当前监测数据确定当前水灾风险等级。
2.根据权利要求1所述的地下设施水灾风险评估方法，其特征在于，所述多个风险评价指标包括多个内部风险评价指标和多个外部风险评价指标；所述根据水灾历史数据确定多个风险评价指标，包括：
根据预设分类获取所述水灾历史数据中的内部致灾因子和外部致灾因子；
确定内部致灾因子为内部风险评价指标，确定外部致灾因子为外部风险评价指标。
3.根据权利要求1所述的地下设施水灾风险评估方法，其特征在于，所述风险评价指标的风险等级包括四个等级，其中，风险程度按一级至四级依次递减；所述确定每个所述风险评价指标的风险等级，包括：
获取预设时间内水灾发生次数、每个所述风险评价指标发生的次数和对应的水灾危害等级；
根据所述风险评价指标发生的次数与水灾发生次数的比值确定每个所述风险评价指标的发生等级；
根据每个所述风险评价指标的发生等级和水灾危害等级确定每个所述风险评价指标的风险等级。
4.根据权利要求1所述的地下设施水灾风险评估方法，其特征在于，所述根据每个风险评价指标的等级确定每个风险评价指标对应的权重，包括：
采用G1法确定每个所述风险评价指标的主观权重；
根据每个风险评价指标的等级和熵权法确定每个所述风险评价指标的客观权重；
根据所述主观权重和所述客观权重的平均值确定每个所述风险评价指标的综合权重。
5.根据权利要求1所述的地下设施水灾风险评估方法，其特征在于，所述根据确定的所述风险评价指标、等级和权重生成风险评估模型，包括：
根据确定的所述风险评价指标和等级确定物元的经典域和节域；
根据物元的经典域和节域确定所述风险评价指标和水灾风险等级的关联度；
根据综合权重和关联度生成风险评估模型。
6.根据权利要求1所述的地下设施水灾风险评估方法，其特征在于，所述监测数据，包括：内部风险评价指标监测数据和外部风险评价指标监测数据；
所述内部风险评价指标监测数据包括结构渗漏监测数据、内部管道破裂监测数据、其他区域连接口水流涌入监测数据和排水设备故障监测数据；
所述外部风险评价指标监测数据包括暴雨地表积水监测数据、地表管道破裂监测数据、河流/海水水位上涨监测数据。
7.根据权利要求6所述的地下设施水灾风险评估方法，其特征在于，所述内部风险评价指标监测数据由设置在地下设施的泵房内部、楼梯间、电梯间连接处、内部各层最低处、轨道区及地下的水位传感器监测得到；所述外部风险评价指标监测数据由设置在地下设施的出入口或其他区域的水位传感器监测得到。
8.一种地下设施水灾风险评估系统，其特征在于，包括：
指标确定模块，用于根据水灾历史数据确定多个风险评价指标；
指标风险等级确定模块，用于根据水灾历史数据确定每个所述风险评价指标的风险等级；
权重确定模块，用于根据每个所述风险评价指标的风险等级确定每个所述风险评价指标对应的权重；
评估模型生成模块，用于根据确定的所述风险评价指标、等级和权重生成风险评估模型；
综合评价模块，用于根据所述风险评估模型和当前监测数据确定当前水灾风险等级。
9.一种地下设施水灾风险评估终端，其特征在于，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的地下设施水灾风险评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的地下设施水灾风险评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011297882.4A CN112330187A (zh) | 2020-11-18 | 2020-11-18 | 一种地下设施水灾风险评估方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011297882.4A CN112330187A (zh) | 2020-11-18 | 2020-11-18 | 一种地下设施水灾风险评估方法、系统、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112330187A true CN112330187A (zh) | 2021-02-05 |
Family
ID=74320916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011297882.4A Pending CN112330187A (zh) | 2020-11-18 | 2020-11-18 | 一种地下设施水灾风险评估方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112330187A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836988A (zh) * | 2021-03-01 | 2021-05-25 | 浙江浙能技术研究院有限公司 | 一种燃气聚乙烯管道风险等级评价方法及其系统、设备 |
| CN113627739A (zh) * | 2021-07-16 | 2021-11-09 | 宁夏建设投资集团有限公司 | 工程建设项目安全风险评价指标体系的构建方法 |
| CN114626591A (zh) * | 2022-03-03 | 2022-06-14 | 南京航空航天大学 | 一种地下综合体水灾演化预测方法 |
| CN114861978A (zh) * | 2022-04-02 | 2022-08-05 | 新疆交通规划勘察设计研究院有限公司 | 适用于隧道岩爆危险性等级预测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
| CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
| 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 |
| CN109462654A (zh) * | 2018-11-30 | 2019-03-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种智慧应急控制系统 |
| CN110533885A (zh) * | 2019-08-15 | 2019-12-03 | 江苏省气象服务中心 | 城市内涝监测预警系统及预警方法 |
| CN110992653A (zh) * | 2019-12-13 | 2020-04-10 | 软通动力信息技术有限公司 | 城市内涝预警系统及方法 |
| CN111832813A (zh) * | 2020-06-24 | 2020-10-27 | 山东大学 | 一种海底隧道断层活化突水预测方法及系统 |
-
2020
- 2020-11-18 CN CN202011297882.4A patent/CN112330187A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
| CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
| 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 |
| CN109462654A (zh) * | 2018-11-30 | 2019-03-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种智慧应急控制系统 |
| CN110533885A (zh) * | 2019-08-15 | 2019-12-03 | 江苏省气象服务中心 | 城市内涝监测预警系统及预警方法 |
| CN110992653A (zh) * | 2019-12-13 | 2020-04-10 | 软通动力信息技术有限公司 | 城市内涝预警系统及方法 |
| CN111832813A (zh) * | 2020-06-24 | 2020-10-27 | 山东大学 | 一种海底隧道断层活化突水预测方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 常春光等: "基于G1-物元分析法的装配式建筑施工安全风险评价", 沈阳建筑大学学报(社会科学版), no. 03, pages 58 - 64 * |
| 朱雅文等: "基于可拓理论的四川暴雨灾害风险评估模型", 成都信息工程大学学报, no. 05, pages 500 - 507 * |
| 江时雨等: "水下隧道涌水灾害风险评价与预测", 中国安全科学学报, no. 12, pages 101 - 106 * |
| 翁莉等: "城市暴雨灾害风险评估及防御对策研究――以江苏省南京市为例", 灾害学, no. 01, pages 130 - 134 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836988A (zh) * | 2021-03-01 | 2021-05-25 | 浙江浙能技术研究院有限公司 | 一种燃气聚乙烯管道风险等级评价方法及其系统、设备 |
| CN113627739A (zh) * | 2021-07-16 | 2021-11-09 | 宁夏建设投资集团有限公司 | 工程建设项目安全风险评价指标体系的构建方法 |
| CN113627739B (zh) * | 2021-07-16 | 2024-03-12 | 宁夏建设投资集团有限公司 | 工程建设项目安全风险评价指标体系的构建方法 |
| CN114626591A (zh) * | 2022-03-03 | 2022-06-14 | 南京航空航天大学 | 一种地下综合体水灾演化预测方法 |
| CN114861978A (zh) * | 2022-04-02 | 2022-08-05 | 新疆交通规划勘察设计研究院有限公司 | 适用于隧道岩爆危险性等级预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112330187A (zh) | 一种地下设施水灾风险评估方法、系统、终端及存储介质 | |
| CN104346538B (zh) | 基于三种灾情因子控制的地震灾害评估方法 | |
| CN110929359B (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
| CN117236673B (zh) | 城市水网多尺度防洪排涝联合优化调度方法和系统 | |
| CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
| CN116777223B (zh) | 一种城市地下管网安全综合风险评估方法及系统 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| Amiri-Ardakani et al. | Pipe break rate assessment while considering physical and operational factors: a methodology based on global positioning system and data-driven techniques | |
| CN106779320A (zh) | 一种基于模糊数学的燃气管道第三方破坏风险评估方法 | |
| CN104951588A (zh) | 一种矿井通风系统辅助设计方法 | |
| KR102343736B1 (ko) | 환경시설물 침수 예측 시스템 및 환경시설물 침수 예측 방법 | |
| Xu et al. | A water level prediction model based on ARIMA-RNN | |
| CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
| CN112541666B (zh) | 考虑地震易损性模型不确定性的盾构隧道风险评估方法 | |
| CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
| CN113191644A (zh) | 一种基于自发-引发风险评价模型城市内涝风险评价方法 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| CN108615098A (zh) | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 | |
| CN116989277A (zh) | 一种基于Adaboost与BP神经网络的动态供水管网漏损风险评估方法 | |
| Dawood et al. | Ensemble intelligent systems for predicting water network condition index | |
| Savic et al. | Intelligent urban water infrastructure management | |
| Hong et al. | Evaluation of disaster-bearing capacity for natural gas pipeline under third-party damage based on optimized probabilistic neural network | |
| CN115830812B (zh) | 泵站建筑物异常沉降智能预警系统及方法 | |
| CN116644954B (zh) | 抽蓄工程施工安全风险智能化决策方法 | |
| Zhang et al. | A new pre-assessment model for failure-probability-based-planning by neural network |
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 |