CN112785078A - 联合土壤水分信息和有效降雨的滑坡预测方法及终端 - Google Patents
联合土壤水分信息和有效降雨的滑坡预测方法及终端 Download PDFInfo
- Publication number
- CN112785078A CN112785078A CN202110143655.4A CN202110143655A CN112785078A CN 112785078 A CN112785078 A CN 112785078A CN 202110143655 A CN202110143655 A CN 202110143655A CN 112785078 A CN112785078 A CN 112785078A
- Authority
- CN
- China
- Prior art keywords
- landslide
- rainfall
- soil moisture
- data
- correlation
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007477 logistic regression Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 10
- 238000011160 research Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000126 substance Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明属于地质灾害预测方法技术领域,公开了一种联合土壤水分信息和有效降雨的滑坡预测方法及终端,获取卫星土壤水分数据,根据历史滑坡数据提取滑坡发生前的卫星土壤水分;根据历史滑坡数据使用有效降雨计算公式求出有效降雨;并利用二元逻辑回归求滑坡发生概率;使用ROC曲线进行结果检验。本发明使用土壤含水量的观测数据和历史滑坡的降雨数据,提出了一种使用有效降雨联合土壤湿度与二元逻辑回归结合的方法构成的全新的滑坡预测模型,该模型使用了较为理想的实测数据和相对先进的方法,因此有较高的实际参考价值,以此解决现有技术存在的问题。
Description
技术领域
本发明属于地质灾害预测方法技术领域,尤其涉及一种联合土壤水分信息和有效降雨的滑坡预测方法及终端。
背景技术
目前,滑坡是在重力作用下土体或岩体沿斜坡整体或分散地向下滑动,其形成原因有很多,如河流冲刷、地震、人类活动、地下水作用以及降雨,由于降雨是发生频率最高的影响因素,尤其在梅雨季气候湿润的地区,因此降雨引发的滑坡每年造成的人员伤亡和财产损失最为严重,成为公众关注的重点。
目前为止已经提出了多种方法来计算降雨引发滑坡的阈值,然而大部分方法都仅仅局限于对降雨数据的研究而不依赖于其他现场条件。土壤含水量决定了其孔隙压力和抗剪强度,当这两个量降低到一定程度时就会导致土体的滑动,即形成滑坡。近年来由于设备昂贵,普及程度不高,造成现场观测数据的不足,使用SHETRAN水文模型模拟土壤水分成为研究热点。该模型由三个主要部分组成:分别是水流部分、沉积物输送部分还有污染物运送部分,在模拟土壤水分时仅需要用到水流部分,假设研究区土地覆盖和土壤类型等条件一致的情况下,将实际蒸散量作为输入数据,得到土壤的含水量。但是该模型偶尔会高估含水量,需要别的数据协助,如使用卫星数据进行等精度检验,才能得到相对理想的模拟结果,所以直接用卫星所测的土壤湿度进行计算。
关于触发滑坡有效降雨的确定已有丰富的研究历史,ID(Idensity-Duration)阈值最早在1980年被提出并得到广泛使用,但很多情况中,降雨持续时间很长且非常频繁,对这种长周期的观测,降雨强度这一值仍表示该持续时间内的平均降雨量,而不考虑峰值,导致该模型无法适用,降雨导致滑坡发生的过程大致可以分为两个阶段:首先前期降雨期是滑坡发生前一段时间内的降雨,通常会使坡体土颗粒之间的空隙增大,随之孔隙水压力增加,有效应力降低,土壤的抗剪强度下降;接下来为持续降雨期,这部分降雨在一定程度上直接导致了滑坡的发生。由于每次降雨事件只有部分降雨量对滑坡的发生起作用,所以本文引入了有效降雨量。衰减系数K值通常需要根据相关地区灾害特点和地质条件的不同而选取。为了把有效降雨和土壤含水量结合,考虑发生滑坡和不发生滑坡两种情况,选用二元逻辑回归分析估计最终的发生滑坡的概率,最后用ROC曲线进行检验。
通过上述分析,现有技术存在的问题及缺陷为:现有技术仅仅局限于对降雨数据的研究而不依赖于其他现场条件;现有技术大部分是根据蒸散量预测土壤湿度,而不是用比较直接的手段获得土壤湿度;现有技术使用二维贝叶斯较多,但是实际数据由于本身比较小,继续划分成多组后反而效果不好,不如直接用逻辑回归法;导致预测结果不准确。
解决以上问题及缺陷的难度为:单纯用降雨数据来做滑坡预测的研究很多,但是他们所选的数据都是很明显的降雨量大导致的滑坡,忽略了前期降雨而滑坡前降雨少的这些滑坡,也就是说以往的研究并没有包含所有滑坡类型,但是一定有其他因素影响着滑坡的发生,我们选择了与土壤湿度结合;目前大部分土壤湿度都是预测出来的,有很大不准确性,能找到现场土壤湿度的数据是最好的;二维贝叶斯是将降雨和土壤湿度都分成多个阈值区域,但是实际得到的土壤湿度仅仅在0-0.4之间,并不能覆盖0-1。
解决以上问题及缺陷的意义为:能更准确地预测滑坡的发生。
发明内容
针对现有技术存在的问题,本发明提供了一种联合土壤水分信息和有效降雨的滑坡预测方法及终端。
本发明是这样实现的,一种联合土壤水分信息和有效降雨的滑坡预测方法,所述联合土壤水分信息和有效降雨的滑坡预测方法包括:
利用有效降雨公式与二元逻辑回归结合的方法构建全新的滑坡预测模型,利用构建的滑坡预测模型进行滑坡预测。
进一步,所述利用构建的滑坡预测模型进行滑坡预测包括:
通过获取土壤水分数据,利用有效降雨公式确定有效降雨,二元逻辑回归估计得到概率值,使用ROC曲线进行结果检验进行滑坡预测。
进一步,所述利用构建的滑坡预测模型进行滑坡预测包括以下步骤:
步骤一,获取土壤水分数据,根据历史滑坡数据提取滑坡发生前的土壤水分;
步骤二,根据历史滑坡数据使用有效降雨公式计算有效降雨;并利用二元逻辑回归估计概率阈值;
步骤三,使用ROC曲线进行结果检验。
进一步,步骤二中,所述根据历史滑坡数据使用有效降雨公式计算有效降雨包括:
P=R0+kR1+k2R2+…knRn;
其中,P为有效降雨;R0表示与滑坡相关性最大的日降雨量,R1为相关性次最大,以此类推;k表示衰减系数。
进一步,步骤二中,所述二元逻辑回归计算概率公式包括:
式中:β1,β2…βk是回归系数;p是滑坡发生概率;
(1)将土壤湿度提取至滑坡点;
(2)通过相关性计算将观测值代入有效降雨公式,确定出有效降雨;
(3)利用二元逻辑回归分析法计算概率值。
进一步,步骤(1)中,所述将土壤湿度提取至滑坡点包括:
首先,将土壤湿度根据滑坡点所在位置和滑坡发生时间提取出来。
进一步,步骤(2)中,所述通过相关性计算将观测值代入有效降雨公式,确定出有效降雨包括:
首先,分别计算滑坡前7天(含当天)的降雨量与是否滑坡的相关性,将显著相关的降雨量,确定出公式中的n,并按相关性大小排序,然后把k取0.5-1之间不同的值求出多个P值,求每个P与是否滑坡的相关性,相关性最大的选为k值。
进一步,步骤(3)中,所述概率值计算公式如下:
P是滑坡发生概率;β0,β1…为回归系数;X1、X2分别为有效降雨和土壤湿度。
进一步,步骤三中,所述使用ROC曲线进行结果检验包括:
用SPSS的ROC曲线分析。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述联合土壤水分信息和有效降雨的滑坡预测方法。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
通过获取土壤水分数据,利用有效降雨公式确定有效降雨,二元逻辑回归估计得到概率阈值,使用ROC曲线进行结果检验进行滑坡预测。
本发明的另一目的在于提供一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现所述的联合土壤水分信息和有效降雨的滑坡预测方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明使用土壤含水量的观测数据和历史滑坡的降雨数据,提出了一种使用有效降雨公式与二元逻辑回归结合的方法构成的全新的滑坡预测模型,该模型使用了较为理想的实测数据和相对先进的方法,因此有较高的实际参考价值,以此解决现有技术存在的问题。
本发明利用了土壤水的现场观测数据和有效降雨结合的方法预测滑坡的发生,大大提高了预测结果的准确性,本发明的方法具有以下的有益效果:
(1)避免了传统的如SHETRAN模型模拟土壤湿度带来的误差,使用现场的实测数据,同时采用实测数据中的土壤水分数据,比模拟土壤水分更具有参考意义。
(2)使用有效降雨,规避了传统ID阈值由于欠考虑峰值降雨量而仅适用于短期降雨引起滑坡的情况,更适用于我国长期高频降雨的实情。
对比的技术效果或者实验效果,见下表:
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的联合土壤水分信息和有效降雨的滑坡预测方法原理图。
图2是本发明实施例提供的联合土壤水分信息和有效降雨的滑坡预测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种联合土壤水分信息和有效降雨的滑坡预测方法,下面结合附图对本发明作详细的描述。
本发明实施例提供的联合土壤水分信息和有效降雨的滑坡预测方法包括:
利用有效降雨公式与二元逻辑回归结合的方法构建全新的滑坡预测模型,利用构建的滑坡预测模型进行滑坡预测。
本发明实施例提供的利用构建的滑坡预测模型进行滑坡预测包括:
通过获取土壤水分数据,利用有效降雨公式确定有效降雨,二元逻辑回归估计得到概率值,使用ROC曲线进行结果检验进行滑坡预测。
如图1-图2所示,本发明实施例提供的联合土壤水分信息和有效降雨的滑坡预测方法包括以下步骤:
S101,获取土壤水分数据,根据历史滑坡数据提取滑坡发生前的土壤水分;
S102,根据历史滑坡数据使用有效降雨公式计算有效降雨;并利用二元逻辑回归估计概率阈值;
S103,使用ROC曲线进行结果检验。
步骤S102中,本发明实施例提供的根据历史滑坡数据使用有效降雨公式计算有效降雨包括:
分别计算滑坡前7天(含当天)的降雨量与是否滑坡的相关性,将显著相关的降雨量,确定出公式中的n,并按相关性大小排序,然后把k取0.5-1之间不同的值求出多个P值,求每个P与是否滑坡的相关性,相关性最大的选为k值,
本发明实施例提供的降雨事件的累积事件降雨量和降雨持续时间计算公式如下:
P=R0+kR1+k2R2+…knRn;
其中,P为有效降雨;R0表示与滑坡相关性最大的日降雨量,R1为相关性次最大,以此类推;k表示衰减系数。
步骤S102中,本发明实施例提供的利用二元逻辑回归估计概率值包括:
将土壤湿度与有效降雨联合,利用二元逻辑回归分析法计算概率阈值。
本发明实施例提供的在给定不同单元条件的情况下估计滑坡发生的概率包括:
P是滑坡发生概率;β0,β1。。。为回归系数;X1、X2分别为有效降雨和土壤湿度。
步骤S103中,本发明实施例提供的使用ROC曲线进行结果检验包括:
使用SPSS中的ROC曲线工具。
下面结合具体实施例对本发明的技术效果作进一步描述。
实施例:
如图1所示,利用土壤水分信息和有效降雨的滑坡预测的具体实施方法如下步骤:
(1)获取土壤水分数据,根据历史滑坡数据提取滑坡发生前的土壤水分;
(2)根据历史滑坡数据使用有效降雨公式求出有效降雨,遵循如下公式:
P=R0+kR1+k2R2+…knRn
式中P是有效降雨,k是降雨衰减系数,R0是滑坡发生当日降雨量,R1是次日降雨量,依此类推,n为滑坡发生前的天数。
分别计算滑坡前7天(第6天),且含当天(第0天)的降雨量与是否滑坡的相关性,得出前5天的降雨都与是否滑坡具有显著相关性,因此n=4,将显著相关的降雨量,按相关性大小排序,发现从大到小依次是第2、1、4、3、0天的顺序,所以R0-R4分别取第2、1、4、3、0天的日降雨量,然后把k取0.5-1之间不同的值求出多个P值,求每个P与是否滑坡的相关性,发现当k=0.84时相关性最大,所有最终有效降雨的n=4,k=0.84。
(3)二元逻辑回归估计得出概率值
用二元逻辑回归分析法得出概率阈值,遵循以下公式:
P是滑坡发生概率;β0,β1。。。为回归系数;X1、X2分别为有效降雨和土壤湿度。
得出结果如下:
(4)使用ROC曲线(ROC)进行结果检验,结果如下:
下面结合实验数据对本发明的效果作进一步描述。
首先使用51个滑坡和51个非滑坡实测数据对该结果进行检验:发现对滑坡预测的准确率达到96.8%,对非滑坡的预测准确率达到100%。
另外对比单独用有效降雨和土壤湿度的模型来说,优势也非常明显:
1.单纯使用有效降雨:
2.有效降雨联合土壤湿度:
可以看出有明显的提高。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种联合土壤水分信息和有效降雨的滑坡预测方法,其特征在于,所述联合土壤水分信息和有效降雨的滑坡预测方法包括:
通过获取土壤水分数据,利用有效降雨公式确定有效降雨,二元逻辑回归估计得到概率阈值,使用ROC曲线进行结果检验进行滑坡预测。
2.如权利要求1所述联合土壤水分信息和有效降雨的滑坡预测方法,其特征在于,所述利用构建的滑坡预测模型进行滑坡预测包括以下步骤:
步骤一,获取土壤水分数据,根据历史滑坡数据提取滑坡发生当天的土壤水分;
步骤二,根据历史滑坡数据使用有效降雨公式计算有效降雨;并利用二元逻辑回归估计滑坡发生概率;
步骤三,使用ROC曲线进行结果检验。
3.如权利要求2所述联合土壤水分信息和有效降雨的滑坡预测方法,其特征在于,步骤二中,所述根据历史滑坡数据使用有效降雨公式计算有效降雨包括:
基于历史滑坡数据为滑坡事件识别若干个滑坡发生前7天的降雨量;通过计算每日降雨和滑坡是否发生的相关性还有衰减系数确定有效降雨,得到最终的有效降雨;
所述有效降雨计算公式如下:
P=R0+kR1+k2R2+…knRn;
其中,P为有效降雨;R0表示与滑坡相关性最大的日降雨量,R1为相关性次最大,以此类推;k表示衰减系数。
4.如权利要求2所述联合土壤水分信息和有效降雨的滑坡预测方法,其特征在于,步骤二中,所述利用二元逻辑回归估计概率包括:
(1)将土壤湿度与是否发生滑坡求相关性;
(2)分别计算每日降雨量与是否发生滑坡的相关性,确定n值;
(3)把k取0.5-1分别求出有效降雨,求不同k得出的有效降雨和滑坡的相关性;
(4)利用二元逻辑回归分析法计算概率;
步骤(1)中,直接用SPSS求土壤湿度与是否滑坡的相关性;
步骤(2)中,将发生滑坡当日降雨量,前一天降雨量,直到前6天,分别求与是否滑坡的相关性,看是否显著相关,并按照相关性从大到小排列。
步骤(3)中,所述概率阈值计算公式如下:
将k分别取0.5,0.6,0.7,0.8,0.9,1.0求出P,分别计算与是否滑坡的相关性,然后再依次取相关性最大的两个P,把对应k取之间的值,如k等于0.8和0.9时的P相关性最大,就继续把k取0.81,0.82…,再次重复上述步骤。
6.如权利要求2所述联合土壤水分信息和有效降雨的滑坡预测方法,其特征在于,步骤三中,所述ROC曲线进行结果检验包括:用SPSS的ROC曲线。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~6任意一项所述联合土壤水分信息和有效降雨的滑坡预测方法。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
通过获取土壤水分数据,利用有效降雨公式确定有效降雨,二元逻辑回归估计得到概率阈值,使用ROC曲线进行结果检验进行滑坡预测。
9.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~6任意一项所述的联合土壤水分信息和有效降雨的滑坡预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110143655.4A CN112785078A (zh) | 2021-02-02 | 2021-02-02 | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110143655.4A CN112785078A (zh) | 2021-02-02 | 2021-02-02 | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785078A true CN112785078A (zh) | 2021-05-11 |
Family
ID=75760582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110143655.4A Pending CN112785078A (zh) | 2021-02-02 | 2021-02-02 | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785078A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114190264A (zh) * | 2021-11-18 | 2022-03-18 | 国网河北省电力有限公司营销服务中心 | 一种精准灌溉方案确定方法、系统及终端设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN111784044A (zh) * | 2020-06-29 | 2020-10-16 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200354A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200363A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200356A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200355A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
-
2021
- 2021-02-02 CN CN202110143655.4A patent/CN112785078A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364830A (zh) * | 2013-07-24 | 2013-10-23 | 北京师范大学 | 一种基于多因子的地震后发生崩滑灾害位置的预测方法 |
CN103646157A (zh) * | 2013-08-28 | 2014-03-19 | 南京南瑞集团公司 | 评估暴雨引发输电线路故障概率的方法 |
CN111784044A (zh) * | 2020-06-29 | 2020-10-16 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200354A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200363A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200356A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN112200355A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114190264A (zh) * | 2021-11-18 | 2022-03-18 | 国网河北省电力有限公司营销服务中心 | 一种精准灌溉方案确定方法、系统及终端设备 |
CN114190264B (zh) * | 2021-11-18 | 2022-11-08 | 国网河北省电力有限公司营销服务中心 | 一种精准灌溉方案确定方法、系统及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prieto et al. | Flow prediction in ungauged catchments using probabilistic random forests regionalization and new statistical adequacy tests | |
Eltahir | El Niño and the natural variability in the flow of the Nile River | |
Cunderlik et al. | Non-stationary pooled flood frequency analysis | |
Koutsoyiannis | Statistics of extremes and estimation of extreme rainfall: I. Theoretical investigation/Statistiques de valeurs extrêmes et estimation de précipitations extrêmes: I. Recherche théorique | |
Sivakumar et al. | Evidence of chaos in the rainfall-runoff process | |
Kao et al. | A copula-based joint deficit index for droughts | |
Khaliq et al. | Identification of hydrological trends in the presence of serial and cross correlations: A review of selected methods and their application to annual flow regimes of Canadian rivers | |
Khaliq et al. | Identification of temporal trends in annual and seasonal low flows occurring in Canadian rivers: The effect of short-and long-term persistence | |
Lü et al. | The streamflow estimation using the Xinanjiang rainfall runoff model and dual state-parameter estimation method | |
Laaha et al. | Low flow estimates from short stream flow records—a comparison of methods | |
Dion et al. | Hydrological ensemble forecasting using a multi-model framework | |
Chen et al. | Postprocessing of ensemble weather forecasts using a stochastic weather generator | |
Ho et al. | Projecting changes in flood event runoff coefficients under climate change | |
Mascaro | Comparison of local, regional, and scaling models for rainfall intensity–duration–frequency analysis | |
CN112785078A (zh) | 联合土壤水分信息和有效降雨的滑坡预测方法及终端 | |
Latif et al. | Trivariate distribution modelling of flood characteristics using copula function—A case study for Kelantan River basin in Malaysia | |
Hegdahl et al. | Streamflow forecast sensitivity to air temperature forecast calibration for 139 Norwegian catchments | |
CN116541681A (zh) | 一种基于协同克里金插值的复合灾害空间变异性识别方法 | |
Yue et al. | Determination of regional probability distributions of Canadian flood flows using L-moments | |
Barua et al. | A comparative drought assessment of Yarra River Catchment in Victoria, Australia | |
CN109766937A (zh) | 一种掩星数据的质量控制方法、装置、设备及存储介质 | |
Kumar et al. | Evaluating the consistency of the TRMM over the rain gauge for drought monitoring in the semi-arid region of Karnataka, India, using statistical methods | |
Chen et al. | Uncertainty analysis of hydrologic forecasts based on copulas | |
Castano | Monitoring drought at river basin and regional scale: application in Sicily | |
Burlando et al. | Modelling hydrological data with and without long memory |
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: 20210511 |