CN112668771B - 一种海底隧道的综合评价选址方法及系统 - Google Patents
一种海底隧道的综合评价选址方法及系统 Download PDFInfo
- Publication number
- CN112668771B CN112668771B CN202011549415.6A CN202011549415A CN112668771B CN 112668771 B CN112668771 B CN 112668771B CN 202011549415 A CN202011549415 A CN 202011549415A CN 112668771 B CN112668771 B CN 112668771B
- Authority
- CN
- China
- Prior art keywords
- alternative
- point
- evaluation
- landing
- submarine tunnel
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开公开的一种海底隧道的综合评价选址方法及系统,包括:获取海底隧道的备选线路信息;确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,以满足海底隧道接线需求下登陆点建设成本最小为目标,选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;选取总得分最高的备选线路为海底隧道的线路。实现了对海底隧道线路的选取。
Description
技术领域
本发明涉及海底隧道工程技术领域,尤其涉及一种海底隧道的综合评价选址方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
近年来,中国已经修建了许多海底隧道,例如青岛胶州湾隧道,厦门翔安海底隧道,大连湾海底隧道等,这些隧道为国家的经济交流和人文往来提供了巨大的基础和便利,然而这些隧道的总里程普遍较短,皆为城际海底隧道。我国下一步要修建的海底隧道包括很多长大海底隧道,这些海底隧道线路长、投资大、经济效益和社会影响巨大,例如渤海湾海底隧道,琼州海峡海底隧道,台湾海峡隧道等,这些隧道不仅需要非常详尽的前期勘察,同时也需要详尽的方案论证,正因如此,作为海底隧道建设基础的海底隧道选址,成为了一个必须要重视的问题,如果选址出现偏差,轻则造成工程延误,成本剧增,重则会导致隧道整体报废失败。
进而如何对海底隧道进行选址显得尤为重要。
发明内容
本公开为了解决上述问题,提出了一种海底隧道的综合评价选址方法及系统,在选取海底隧道线路时,考虑了各评价指标对海底隧道线路的影响,使得最终选取的海底隧道线路为最优。
为实现上述目的,本公开采用如下技术方案:
第一方面,提出了一种海底隧道的综合评价选址方法,包括:
获取海底隧道的备选线路信息;
确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,以满足海底隧道接线需求下登陆点建设成本最小为目标,选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
选取总得分最高的备选线路为海底隧道的线路。
第二方面,提出了一种海底隧道的综合评价选址系统,包括:
数据采集模块,用于获取海底隧道的备选线路信息;
评价指标权重确定模块,用于确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,以满足海底隧道接线需求下登陆点建设成本最小为目标,选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
备选线路总得分获取模块,用于通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
海底隧道线路选取模块,用于选取总得分最高的备选线路为海底隧道的线路。
第三方面,提出了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成一种海底隧道的综合评价选址方法所述的步骤。
第四方面,提出了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成一种海底隧道的综合评价选址方法所述的步骤。
与现有技术相比,本公开的有益效果为:
1、本公开在选取海底隧道线路时,综合考虑了各评价指标的影响,使得最终选取的海底隧道线路为最优。
2、本公开提出的海底隧道选址的综合评价方法,通过专家经验计算各评价指标的权重,通过改进群智能算法选取最优登陆点位置,通过定性和定量指标分别计算指标隶属度,既发挥了专家经验的长处,又避免了人的主观性和片面性带来的负面效果,达到了客观、专业、可信的评价结果。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本公开实施例1公开的选址方法流程图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
本公开中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本公开中的具体含义,不能理解为对本公开的限制。
实施例1
在该实施例中,公开了一种海底隧道的综合评价选址方法,包括:
获取海底隧道的备选线路信息;
确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,以满足海底隧道接线需求下登陆点建设成本最小为目标,选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
选取总得分最高的备选线路为海底隧道的线路。
进一步的,定量指标包括海底地形地貌、地层岩性、地质构造、地震、工程规模和通风条件,定性指标包括环境影响和民众满意度。
进一步的,由专家为各指标进行打分,由层次分析法确定各指标权重。
进一步的,采用中心-离散学习的粒子群算法从备选登陆点中选取最优登陆点,选取的最优登陆点在满足海底隧道接线需求的情况下,登陆点建设成本最小。
进一步的,通过隶属度赋值标准对定性指标的专家打分进行统计分析,获得定性指标的隶属度。
进一步的,采用梯形分布隶属函数曲线确定定量指标的隶属度。
进一步的,各备选登陆点的权重直接用于模糊综合评价。
对一种海底隧道的综合评价选址方法进行详细说明,如图1所示。
确定海底隧道的备选线路;
确定适用于长大海底隧道选址评价的评价指标体系,该指标体系通过结合海底隧道工程实际并阅读大量的参考文献进行确定,该指标体系应做到普遍性和专业性兼顾。
评价指标包括海底地形地貌、地层岩性、地质构造、地震、环境影响、工程规模、通风条件、民众满意度和登陆点位置,其中,海底地形地貌、地层岩性、地质构造、地震、工程规模和通风条件为定量指标,环境影响和民众满意度为定性指标。
环境影响包括近海岸环境污染、海洋污染、生态多样性影响等多种考虑因素,民众满意度需要综合分析海底隧道选线可以受益的居民数量和便利程度。
海底地形地貌以海底距离海平面的最大距离作为评价标准,单位为米;地层岩性以海底隧道穿越的岩层单轴抗压强度平均值作为评价标准,单位为兆帕;地质构造以断层和破碎带的破碎等级乘以长度在隧道总长中占的比例作为评价标准;地震以海底隧道中轴线距离百年内7级以上震源的最近距离作为评价标准,单位为千米;工程规模以海底隧道总长乘以工程总预算的结果作为评价标准,单位为千米×亿元;通风条件以能够修建通风井的自然岛屿数量作为评价标准,单位为个。
层次分析法作为本实施例的各评价指标权重的计算方法,层次分析法的计算需要构建比较矩阵,本项需要将待评海底隧道选址的详细资料发给海底隧道相关领域的10位专家,由专家进行比较矩阵的构建,待所有专家回复后,将构建的10份比较矩阵进行分析,剔除其中数据存在明显错误的比较矩阵,然后将剩下的比较矩阵采用几何平均法进行处理,并对所得分值进行取整,最终得到一个综合了所有专家意见的比较矩阵。基于该判断矩阵进行计算,得出各个评价指标的权重值。
首先需要根据评价指标体系构建判断矩阵,层次分析法在对指标的相对重要性进行评判时,引入了九分位的比例标度,见表1。比较判断矩阵中各元素aij为i行指标相对j列指标进行重要性两两比较的值。
表1相对重要性的比例标度
首先将比较判断矩阵的各行向量进行几何平均,然后归一化,得到的行向量就是权重向量。
由于成对比较的数量比较多,很难做到完全一致。事实上,任何成对比较都允许存在一定程度上的不一致。为了解决一致性问题,需要对比较判断矩阵进行一致性检验。
一致性检验的步骤为:
①计算一致性指标CI
其中λmax为比较判断矩阵特征根,n为评价指标个数。
②查找相应的平均随机一致性指标RI,对于n=1,…,10,RI的值如表2所示。
表2平均随机一致性指标RI值
③计算一致性比例CR
当CR<0.10时,认为判断矩阵的一致性是可接受的,否则应对判断矩阵作适当修正,获得海底隧道备选线路的各评价指标的权重。
以满足海底隧道接线需求的情况下海底隧道的建设成本最小为目标,从海底隧道的备选登陆点中选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,打分结果归一化后直接用于模糊综合评价。
所述群智能算法为中心-离散粒子群算法,中心-离散粒子群算法包括两种不同的粒子学习策略,一种是中心学习策略,另一种是离散学习策略。两种策略在算法迭代过程中按照一定的迭代周期交替地对粒子个体进行位置更新。这两种算法搜索模式不同,中心学习策略为深度学习策略,可以加速算法的收敛。离散学习策略为广度学习策略,通过维度多学习策略来增加群体的多样性,降低算法陷入局部极值的概率。该算法主要进行海底隧道登陆点位置的最优选择。登陆点位置规划目标为满足海底隧道接线需求的情况下登陆点建设成本最小。已有数据为备选登陆点集合、备选登陆站点建设成本集合、备选登陆点位置附近道路集合。
首先根据登陆点位置的选择建立相应的数学模型,该模型也是中心-离散粒子群算法的目标函数,具体函数如下:
式中,E为登陆点建设成本,n为登陆点附近可接线的铁路数量,m为备选的登陆点个数,P为登陆点附近的公路条数,代表运输通达度。LRi为接线铁路距登陆点的距离,Dih为登陆点i到公路h的距离,Si为登陆点i到潜在转运车站的距离,Zi为取值0或1的变量,Zi取值为1时,说明登陆点i被选中,Zi取值为0时则说明登陆点i未被选中,Bi为登陆点施工预算。模型的求解约束条件如下:
100Km>Si>0
在中心算子学习策略中,算法设计了基于多精英粒子协同引导搜索的中心学习机制。通过多粒子算法将适应度最好的多个精英粒子的平均中心位置Center作为当前最佳的认知源,并将该信息源在种群中流动传播,引导种群的演化。在中心算子算法进化到第t代时,粒子i的第j维度的速度根据以下公式进行更新。
在离散算子学习策略中,算法进化到第t代时,粒子i的第j维度的速度根据以下公式进行更新。
式中,γi(j)表示粒子i在第j维度要学习的某个粒子对应的编号。
在通过中心-离散粒子群算法对最优登陆点进行选取时,算法的具体参数设定为:种群规模预置为100,ω1设置为0.72,c1设置为2.0,ω2设置为0.6,c2设置为1.0,r设置为5。
通过上述模型进行迭代,寻找出最优登陆点位置。
所述模糊综合评价方法是一种结果清晰,系统性强的评价方法,模糊综合评价的指标隶属度分为定量指标隶属度和定性指标隶属度。定性指标隶属度的推求采用模糊统计法;定量指标的隶属度用模糊数学方法推求,即用最大、最小隶属函数模型,来模拟部分定量指标的隶属函数曲线。其中,海底地形地貌、地层岩性、地质构造、地震、工程规模和通风条件是定量指标,环境影响和民众满意度是定性指标。
各定性指标隶属度以问卷调查的形式请隧道方面的专家对备选方案中环境影响和民众满意度的定性指标进行打分,打分时并不要求给出具体的分值,而是在5个评语级别“很好,较好,一般,较差,很差”上认为最合适的某一级别上打勾即可。打分时要求参阅具体资料,力求打分客观、公正。然后依据隶属度赋值标准,对各专家的评语集进行统计分析从而得出定性指标的隶属度。
定量指标相对于各备选登陆点的隶属度采用最大、最小隶属函数模型来模拟部分定量指标的隶属函数曲线,即采用升半梯形分布隶属函数曲线和降半梯形分布隶属函数曲线。对越大越好的定量指标,采用升半梯形分布隶属函数曲线确定其隶属度;对越小越好的定量指标,采用降半梯形分布隶属函数曲线确定其隶属度。
升半梯形分布函数为
降半梯形分布函数为
对于定量指标,其参数a,b将根据不同的海底隧道工程实际进行定值,例如海底地形地貌这项指标,其a值可以定为5,b值可以定为80,具体定值要通过具体工程来确定。由于海底地形地貌这项指标属于越小越好,其符合降半梯形分布函数,如果某工程海底地形地貌指标值为50米,在a=5,b=80条件下,其隶属度为0.6。
将备选登陆点获取的得分归一化获得备选登陆点权重,将获得的备选登陆点权重直接用于模糊综合评价。
考虑各个因素权重的评价矩阵要通过模糊矩阵合成运算推求,若以B表示合成运算后多因素模糊评价集矩阵,则有:
B=W×R,即:
其中,W为包含所有评价指标的权重集矩阵;R为单因素评价矩阵,其纵行表示一条备选线路所有评价指标的隶属度值,横向代表海底隧道备选线路的数量;“×”表示模糊运算符,上述式子将采用加权平均型算法,用不同评价指标的权重值乘以每条备选线路相应评价指标的隶属度值,然后求和,从而得出每条备选线路的总得分。模糊评价集矩阵B表示方案多因素的综合评价,它的大小表明了方案综合评价的优劣,将模糊评价集矩阵B的最终得分作为海底隧道备选线路的最终得分,将得分最高的备选线路选为海底隧道线路。
本实施例在对海底隧道线路进行选取时,综合考虑了各评价指标的影响,使得选取的海底隧道线路为最优。
本实施例通过在对备选登陆点进行打分时,综合考虑了海底隧道的接线需求,在满足接线需求的情况下,以登陆点建设成本最小为目标对最优登陆点进行了选取,通过最优登陆点对备选登陆点进行相关性打分,使得选取的最优登陆点为最优,进而对备选登陆点的打分更准确。
本实施例公开的方法通过专家经验计算各评价指标的权重,通过改进群智能算法选取登陆点位置,通过定性和定量指标分别计算指标隶属度,既发挥了专家经验的长处,又避免了人的主观性和片面性带来的负面效果,达到了客观、专业、可信的评价结果。
为长大海底隧道选址评价提供了一种新的思路,为海底隧道选址提供了一种可供参考的专业评价结果,可在后续的海底隧道建设中发挥重要的基础性、前瞻性作用,具有较大的经济意义和社会价值。
实施例2
在该实施例中,公开了一种海底隧道的综合评价选址系统,包括:
数据采集模块,用于获取海底隧道的备选线路信息;
评价指标权重确定模块,用于确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,以满足海底隧道接线需求下登陆点建设成本最小为目标,选取最优登陆点,通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
备选线路总得分获取模块,用于通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
海底隧道线路选取模块,用于选取总得分最高的备选线路为海底隧道的线路。
实施例3
在该实施例中,公开了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1公开的一种海底隧道的综合评价选址方法所述的步骤。
实施例4
在该实施例中,公开了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1公开的一种海底隧道的综合评价选址方法所述的步骤。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种海底隧道的综合评价选址方法,其特征在于,包括:
获取海底隧道的备选线路信息;
确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,采用中心-离散学习的粒子群算法从备选登陆点中选取最优登陆点,选取的最优登陆点在满足海底隧道接线需求的情况下使登陆点建设成本最小;
具体地,根据登陆点位置的选择建立相应的数学模型,目标函数为:
式中,E为登陆点建设成本,n为登陆点附近可接线的铁路数量,m为备选的登陆点个数,P为登陆点附近的公路条数,代表运输通达度;为接线铁路距登陆点的距离,为登陆点i到公路h的距离,为登陆点i到潜在转运车站的距离,为取值0或1的变量,取值为1时,说明登陆点i被选中,取值为0时则说明登陆点i未被选中,为登陆点施工预算;
求解约束条件为:
通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
选取总得分最高的备选线路为海底隧道的线路。
2.如权利要求1所述的一种海底隧道的综合评价选址方法,其特征在于,定量指标包括海底地形地貌、地层岩性、地质构造、地震、工程规模和通风条件,定性指标包括环境影响和民众满意度。
3.如权利要求1所述的一种海底隧道的综合评价选址方法,其特征在于,由专家为各指标进行打分,由层次分析法确定各指标权重。
4.如权利要求1所述的一种海底隧道的综合评价选址方法,其特征在于,通过隶属度赋值标准对定性指标的专家打分进行统计分析,获得定性指标的隶属度。
5.如权利要求1所述的一种海底隧道的综合评价选址方法,其特征在于,采用梯形分布隶属函数曲线确定定量指标的隶属度。
6.如权利要求1所述的一种海底隧道的综合评价选址方法,其特征在于,各备选登陆点的权重直接用于模糊综合评价。
7.一种海底隧道的综合评价选址系统,其特征在于,包括:
数据采集模块,用于获取海底隧道的备选线路信息;
评价指标权重确定模块,用于确定每条备选路线对应的评价指标和各评价指标的权重,其中,评价指标包括定性评价指标、定量评价指标和备选登陆点,在确定备选登陆点权重时,采用中心-离散学习的粒子群算法从备选登陆点中选取最优登陆点,选取的最优登陆点在满足海底隧道接线需求的情况下使登陆点建设成本最小;
具体地,根据登陆点位置的选择建立相应的数学模型,目标函数为:
式中,E为登陆点建设成本,n为登陆点附近可接线的铁路数量,m为备选的登陆点个数,P为登陆点附近的公路条数,代表运输通达度;为接线铁路距登陆点的距离,为登陆点i到公路h的距离,为登陆点i到潜在转运车站的距离,为取值0或1的变量,取值为1时,说明登陆点i被选中,取值为0时则说明登陆点i未被选中,为登陆点施工预算;
求解约束条件为:
通过最优登陆点对每个备选登陆点进行相关性打分,由备选登陆点的得分获得备选登陆点的权重;
备选线路总得分获取模块,用于通过模糊综合评价法对每条备选路线的评价指标和权重进行分析,获得每条备选线路的总得分;
海底隧道线路选取模块,用于选取总得分最高的备选线路为海底隧道的线路。
8.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-6任一项所述的一种海底隧道的综合评价选址方法的步骤。
9.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6任一项所述的一种海底隧道的综合评价选址方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549415.6A CN112668771B (zh) | 2020-12-24 | 2020-12-24 | 一种海底隧道的综合评价选址方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011549415.6A CN112668771B (zh) | 2020-12-24 | 2020-12-24 | 一种海底隧道的综合评价选址方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112668771A CN112668771A (zh) | 2021-04-16 |
CN112668771B true CN112668771B (zh) | 2023-04-07 |
Family
ID=75409830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011549415.6A Active CN112668771B (zh) | 2020-12-24 | 2020-12-24 | 一种海底隧道的综合评价选址方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668771B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657776A (zh) * | 2021-08-19 | 2021-11-16 | 核工业二九0研究所 | 一种自然保护地立标点选址方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN111445156A (zh) * | 2020-03-31 | 2020-07-24 | 青岛理工大学 | 基于变权重模糊综合评价的偏压隧道施工安全评价方法 |
CN111598387A (zh) * | 2020-04-08 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种于多维度确定电能表质量的方法及系统 |
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
- 2020-12-24 CN CN202011549415.6A patent/CN112668771B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN111445156A (zh) * | 2020-03-31 | 2020-07-24 | 青岛理工大学 | 基于变权重模糊综合评价的偏压隧道施工安全评价方法 |
CN111598387A (zh) * | 2020-04-08 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种于多维度确定电能表质量的方法及系统 |
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 |
---|
基于改进粒子群优化PID参数的风力除尘控制系统的研究;谢仲宇 等;《南华大学学报》;20190630;正文第2节 * |
基于改进粒子群算法的农村配电网分布式光伏选址;朱训君 等;《电力电容器与无功补偿》;20200831;全文 * |
基于模糊层次分析的滨水城市快速路规划评价研究;房瑞伟;《中国优秀硕博士学位论文全文数据库(博士) 工程科技II辑》;20190715;正文第5章 * |
房瑞伟.基于模糊层次分析的滨水城市快速路规划评价研究.《中国优秀硕博士学位论文全文数据库(博士) 工程科技II辑》.2019, * |
Also Published As
Publication number | Publication date |
---|---|
CN112668771A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
Yu et al. | Prediction of highway tunnel pavement performance based on digital twin and multiple time series stacking | |
CN109635461A (zh) | 一种应用随钻参数来自动识别围岩级别的方法和系统 | |
CN110443314A (zh) | 基于机器学习的景区客流量预测方法及装置 | |
CN110298321A (zh) | 基于深度学习图像分类的道路阻断信息提取 | |
CN106372748A (zh) | 一种硬岩掘进机的掘进效率预测方法 | |
CN109886474B (zh) | 一种面向自动驾驶车辆测试的封闭测试场规划方法 | |
CN108846526A (zh) | 一种二氧化碳排放量预测方法 | |
CN104881689A (zh) | 一种多标签主动学习分类方法及系统 | |
Gadhavi et al. | Student final grade prediction based on linear regression | |
CN107274020A (zh) | 一种基于协同过滤思想的学习者学科总测成绩预测系统及方法 | |
CN107832982A (zh) | 一种基于大数据旅游出行评估模型区域适旅指数计算方法 | |
CN112861436A (zh) | 一种发动机排放实时预测方法 | |
CN111914162A (zh) | 一种基于知识图谱的个性化学习方案引导方法 | |
Yang et al. | Decision making of curriculum attainment degree for engineering geology based on fuzzy set theory | |
CN112668771B (zh) | 一种海底隧道的综合评价选址方法及系统 | |
CN111626372A (zh) | 一种线上教学监督管理方法及系统 | |
CN116050603A (zh) | 基于混合智能方法的暗挖隧道变形预测和优化方法及设备 | |
Guang-yu et al. | The behavior analysis and achievement prediction research of college students based on XGBoost gradient lifting decision tree algorithm | |
Sun | Predictive analysis and simulation of college sports performance fused with adaptive federated deep learning algorithm | |
CN107368921A (zh) | 基于3dgis+bim技术的轨道交通方案比选方法 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN109657938B (zh) | 一种轨道交通系统成本影响要素辨识与分析方法 | |
CN115691140B (zh) | 一种汽车充电需求时空分布的分析与预测方法 | |
Han | A Career Guidance and Career Planning Assessment Method Based on Improved Correlation Analysis |
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 |