CN112884320A - 基于熵值模型的基坑风险评估方法、装置、设备和介质 - Google Patents

基于熵值模型的基坑风险评估方法、装置、设备和介质 Download PDF

Info

Publication number
CN112884320A
CN112884320A CN202110187360.7A CN202110187360A CN112884320A CN 112884320 A CN112884320 A CN 112884320A CN 202110187360 A CN202110187360 A CN 202110187360A CN 112884320 A CN112884320 A CN 112884320A
Authority
CN
China
Prior art keywords
risk
matrix
normalized
risk level
coefficient
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.)
Granted
Application number
CN202110187360.7A
Other languages
English (en)
Other versions
CN112884320B (zh
Inventor
徐波
王天
余贵良
周剑
沈水龙
闫旭升
丁玉宝
侯泰成
胡承睿
林松顺
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.)
China Railway Construction South China Construction Co Ltd
Original Assignee
China Railway Construction South China Construction 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 China Railway Construction South China Construction Co Ltd filed Critical China Railway Construction South China Construction Co Ltd
Priority to CN202110187360.7A priority Critical patent/CN112884320B/zh
Publication of CN112884320A publication Critical patent/CN112884320A/zh
Application granted granted Critical
Publication of CN112884320B publication Critical patent/CN112884320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0635—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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于熵值模型的基坑风险评估方法、装置、计算机设备和存储介质。本申请能够降低各个风险水平评估值的不确定性和模糊性。该方法包括：通过与多个风险因素相关的监控数据，基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；将各风险因素划分为预设数量的风险等级，分别计算各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；基于熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；基于第一接近系数和第二接近系数构建隶属度函数；基于各风险等级对应的隶属度函数，获取上述各风险等级对应的隶属度，根据隶属度确定实际风险等级。

Description

基于熵值模型的基坑风险评估方法、装置、设备和介质
技术领域
本申请涉及基坑工程技术领域，特别是涉及一种基于熵值模型的基坑风险评估方法、装置、计算机设备和存储介质。
背景技术
基坑是指在建筑项目施工过程中在基础设计位置按照基地标高和基础平面尺寸所开挖的土坑，主要用于提供一个空间，使得基础的砌筑作业得以按照设计所指定的位置进行。基坑工程是指开挖基坑的一系列工程作业，包括为保证地面向下开挖形成的地下空间在地下结构施工期间的安全稳定所需的挡土结构、地下水控制、环境保护等措施。
基坑的稳定控制着整个工程的安全性及经济性，近年来，随着基坑工程向规模大、深度大的方向不断发展，在不同的地质条件、不同的施工水平下基坑失稳的事故时有发生，这类事故起初源起于开挖工程的局部区域，由于现场工程师忽视或未能及时发现局部区域的风险，导致事故最终发生，造成本可以避免的严重后果。由此可见，在基坑开挖施工过程中需要进行及时风险评估，特别是地表沉降、支撑轴力、围护结构位移等监测量需要终端考虑。
现有的基坑风险评估方法主要是基于专家的案例记录进行风险判断，无法从定量的角度准确地反映开挖系统的风险水平，使得评估结果比较主观。
发明内容
基于此，有必要针对上述技术问题，提供一种基于熵值模型的基坑风险评估方法、装置、计算机设备和存储介质。
一种基于熵值模型的基坑风险评估方法，所述方法包括：
通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据；
基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；所述归一化的目标矩阵是对所述监控数据进行归一化处理得到的；
将所述各风险因素划分为预设数量的风险等级，以及分别计算所述各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；
基于所述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；所述归一化的风险等级矩阵是对所述风险等级矩阵进行归一化处理得到的；
基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数；所述第一接近系数和第二接近系数是利用优劣解距离法分别对所述加权归一化的目标矩阵和所述加权归一化的风险等级矩阵进行计算得到的；
基于所述各风险等级对应的隶属度函数，获取所述各风险等级对应的隶属度，根据所述隶属度确定所述基坑开挖系统的实际风险等级。
在其中一个实施例中，所述通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据之后，所述方法还包括：
利用蒙特卡罗随机模拟模型对所述监控数据进行随机抽样处理，得到呈正态分布的监控数据样本集；所述归一化的目标矩阵是对所述监控数据样本集进行归一化处理得到的。
在其中一个实施例中，所述监控数据样本集包括成本指标类和效益指标类，所述基于熵值模型确定各风险因素的第一权重系数之前，所述方法包括：
使用成本指标归一化公式和效益指标归一化公式分别将成本指标类中的监控数据和效益指标类中的监控数据进行归一化得到指标归一化后的监控数据；
使用监控数据归一化公式对所述指标归一化后的监控数据进行处理得到所述归一化的目标矩阵。
在其中一个实施例中，所述基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵，包括：
使用信息熵计算公式对所述归一化的目标矩阵中的各个矩阵元素进行计算，得到各个风险因素的信息熵；
使用初始权重计算公式对所述各个风险因素的信息熵进行计算得到各个风险因素的初始权重；
使用相关量化计算公式计算得到各个风险因素之间的相互影响度；
基于所述相互影响度和各个风险因素中的监控数据样本集的标准差，计算得到各个风险因素之间的相互作用系数；
基于所述相互作用系数和所述初始权重计算得到所述个风险因素的第一权重系数。
在其中一个实施例中，所述基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数之前，所述方法包括：
利用优劣解距离法针对所述加权归一化的目标矩阵计算得到第一正理想解和第一负理想解；
计算所述加权归一化的目标矩阵中各个元素到所述第一正理想解的第一距离，并计算所述加权归一化的目标矩阵中各个元素到所述第一负理想解的第二距离；
使用预先构建的第一接近系数公式针对所述第一距离以及所述第二距离进行计算，得到第一接近系数。
在其中一个实施例中，所述基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数之前，所述方法还包括：
利用优劣解距离法针对所述加权归一化的风险等级矩阵计算得到第二正理想解和第二负理想解；
计算所述加权归一化的风险等级矩阵中各个元素到所述第二正理想解的第三距离，并计算所述加权归一化的风险等级矩阵中各个元素到所述第二负理想解的第四距离；
使用预先构建的第二接近系数公式针对所述第三距离以及所述第四距离进行计算，得到第二接近系数。
在其中一个实施例中，所述根据所述隶属度确定所述基坑开挖系统的实际风险等级，包括：
使用预先构建的风险等级分级系数公式针对所述各个风险等级对应隶属度进行计算，得到风险等级分级系数；
根据所述风险等级分级系数所处的预设区间范围确定所述基坑开挖系统的所述实际风险等级。
一种基于熵值模型的基坑风险评估装置，所述装置包括：
监控数据收集模块，用于通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据；
目标矩阵加权归一化模块，用于基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；所述归一化的目标矩阵是对所述监控数据进行归一化处理得到的；
风险等级矩阵构建模块，用于将所述各风险因素划分为预设数量的风险等级，以及分别计算所述各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；
风险等级矩阵加权归一化模块，用于基于所述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；所述归一化的风险等级矩阵是对所述风险等级矩阵进行归一化处理得到的；
隶属度函数构建模块，用于基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数；所述第一接近系数和第二接近系数是利用优劣解距离法分别对所述加权归一化的目标矩阵和所述加权归一化的风险等级矩阵进行计算得到；
实际风险等级确定模块，用于基于所述各风险等级对应的隶属度函数，获取所述各风险等级对应的隶属度，根据所述隶属度确定所述基坑开挖系统的实际风险等级。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述的基于熵值模型的基坑风险评估方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于熵值模型的基坑风险评估方法的步骤。
上述基于熵值模型的基坑风险评估方法、装置、计算机设备和存储介质，通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据，基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵，上述归一化的目标矩阵是对上述监控数据进行归一化处理得到的；将各风险因素划分为预设数量的风险等级，以及分别计算各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；基于上述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；上述归一化的风险等级矩阵是对上述风险等级矩阵进行归一化处理得到的；基于第一接近系数和第二接近系数构建各风险等级对应的隶属度函数；上述第一接近系数和第二接近系数是利用优劣解距离法分别对上述加权归一化的目标矩阵和上述加权归一化的风险等级矩阵进行计算得到的；基于上述各风险等级对应的隶属度函数，获取上述各风险等级对应的隶属度，根据隶属度确定该基坑开挖系统的实际风险等级。该方法通过改进的熵值模型和优劣解距离法降低了各个风险水平评估值的不确定性和模糊性，减小了人为因素和测量误差带来的影响，克服了现有方法中比较主观的经验判断，实现了基坑开挖风险状态的客观合理评估。
附图说明
图1为一个实施例中基于熵值模型的基坑风险评估方法的应用环境图；
图2为一个实施例中基于熵值模型的基坑风险评估方法的流程示意图；
图3为另一个实施例中基于熵值模型的基坑风险评估方法的流程示意图；
图4为一个实施例中第一权重系数计算步骤的流程示意图；
图5为一个实施例中实际风险等级的示意图；
图6为一个实施例中基于熵值模型的基坑风险评估装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于熵值模型的基坑风险评估方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络与服务器102进行通信。终端101可以但不限于是各种监控设备或者数据采集装置，例如位移测量装置、土壤检测装置等，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于熵值模型的基坑风险评估方法，以该方法应用于图1中的服务器102为例进行说明，包括以下步骤：
步骤S201，通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据。
其中，基坑开挖系统，与基坑工程一样，是指开挖基坑的一系列工程作业。本申请中的基坑开挖系统可以为单独的基坑，也可以是大型基坑开挖项目中的一个需要进行风险评估的区域，例如以A市地铁5号线基坑工程为例，5号线上的D站是地铁4号线和5号线的换乘站，5号线D站有地下三层结构，4号线D站有地下两层结构，则本次基坑开挖施工包括5个阶段，开挖标准断面深度为27.7m，盾构井深度可达29.7m。将整个基坑开挖系统分为多个子系统，例如将上述系统分为16个子系统，本实施例中的子系统为基坑开挖系统其中的一个局部区域。监控设备是指安装于基坑开挖系统中的各种监测仪器，用于收集各种监控数据，这些监控数据包括地表沉降、墙顶竖向位移、墙顶水平位移、地下水位、支撑轴力、墙体深层水平位移、土体深层水平位移，立柱沉降等。风险因素，也即影响因素，是指在开挖过程中有可能会破坏基坑稳定的影响因素，例如地下水位、土壤重度、地表沉降等影响因素。
具体地，通过按照预设的监测方案将监控设备合理地布置在开挖基坑的周围，获取这些监控设备监测到的监控数据；预先确定好影响基坑稳定的风险因素，例如地下水位、土壤重度、地表沉降等，每个风险因素与多种监控数据相关。
步骤S202，基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；上述归一化的目标矩阵是对上述监控数据进行归一化处理得到的。
其中，熵值模型是使用熵值法结合本申请的实际场景构建的模型。熵的概念最早起源于热力学，是热敏感动态参数。SHANNON于1948年提出了熵的另一概念，即它代表着关于“不确定性”的一种度量。之后，产生了一系列利用熵来处理信息领域、工程技术以及经济社会中的多目标决策的方法。在本申请中，主要使用熵值法定量计算得到各个风险因素的权，通过权分析各个风险因素在整个系统中的不确定性或模糊性。
具体地，首先基于监控数据构建目标矩阵A，在本实施例中，共有m个风险因素，每个风险因素有n个相关的监控数据(即n个选项)，第i个风险因素的第j个实测监控数据为，监测数据矩阵表示为xi,j，则监控数据矩阵，即目标矩阵可以表示为：
Figure BDA0002943467320000071
针对上述目标矩阵A中的各个矩阵元素进行归一化处理，得到归一化的目标矩阵。其中，归一化处理是指对监控数据进行无量纲化处理，以消除量纲不同导致的对计算结果准确性的影响。成本指标集和效益指标集的监控数据归一化公式为：
Figure BDA0002943467320000072
注意到如果xi,j(norm)<0,则xi,j(norm)＝2，如果xi,j(norm)>1，则xi,j(norm)＝1；
基于熵值模型确定各风险因素的第一权重系数：首先，计算上述归一化的目标矩阵中各风险因素的信息熵，信息熵计算公式为：
Figure BDA0002943467320000073
其中，ρj为第j个风险因素的信息熵，j＝1，2……m，当δij＝0，δijlnδij＝0时，0≤ρj≤1。
上述各风险因素的初始权重系数计算公式为：
Figure BDA0002943467320000081
其中，
Figure BDA0002943467320000082
为各风险因素的总熵。(1-ρj)为信息熵的冗余度。
计算上述第j个风险因素中各个实测监控数据的标准差，标准差计算公式为：
Figure BDA0002943467320000083
其中，
Figure BDA0002943467320000084
为归一化后第j个风险因素中所有监控数据(共n个监控数据)的均值。
上述各风险因素之间的相互影响度的计算公式为：
Figure BDA0002943467320000085
其中，
Figure BDA0002943467320000086
使用上述第j个风险因素中各个实测监控数据的标准差γj和上述各风险因素之间的相互影响度Qj计算得到各风险因素之间的相互作用系数αj，计算公式如下：
αj＝γjQj (7)
根据上述各风险因素之间的相互作用系数αj和各个风险因素的初始权重βj计算得到各风险因素的第一权重系数ωj，计算公式如下：
Figure BDA0002943467320000087
使用上述第一权重系数ωj将归一化的目标矩阵转化为加权归一化的目标矩阵，计算方式如下：
Figure BDA0002943467320000091
其中，E为加权归一化的目标矩阵。
步骤S203，将各风险因素划分为预设数量的风险等级，以及分别计算各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵。
具体地，例如将每个风险因素都划分为5个等级：Ⅰ(稍有风险)、Ⅱ(一般风险)、Ⅲ(显著风险)、Ⅳ(高度风险)、Ⅴ(极其危险)。分别计算各风险因素在各个等级中对应的风险水平评估值，得到风险等级矩阵L：
Figure BDA0002943467320000092
其中，i＝1,2,...,5分别为等级Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ，j＝1,2,...,m，li,j为第i风险级别中的第j个影响因素的风险水平评估值。
可选地，将Ⅰ、Ⅱ定义为低度风险，将Ⅲ、Ⅳ、Ⅴ定义为重大风险。
步骤S204，基于熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；上述归一化的风险等级矩阵是对风险等级矩阵进行归一化处理得到的。
具体地，针对风险等级矩阵元素进行归一化处理，即将风险等级矩阵和目标矩阵中的单位和尺度统一：
Figure BDA0002943467320000093
基于上述熵值模型计算各风险因素的第二权重系数κi，计算公式和上述计算第一权重系数ωj的公式相同：
Figure BDA0002943467320000101
使用上述第二权重系数κi针对归一化的风险等级矩阵进行计算得到加权归一化的风险等级矩阵如下：
Figure BDA0002943467320000102
其中，F为加权归一化的风险等级矩阵。如图3所示，图3中示出了加权归一化目标矩阵和加权归一化风险等级矩阵的处理流程图。
步骤S205，基于第一接近系数和第二接近系数构建各风险等级对应的隶属度函数；上述第一接近系数和第二接近系数是利用优劣解距离法分别对上述加权归一化的目标矩阵和上述加权归一化的风险等级矩阵进行计算得到。
其中，优劣解距离法又称理想解法,是一种有效的多指标评价方法。这种方法通过构造评价问题的正理想解和负理想解,即各指标的最大值和最小值,通过计算每个方案到理想方案的相对贴近度,即靠近正理想解和远离负理想解的程度,来对方案进行排序,从而选出最优方案。
具体地，在本实施例中，正理想解是指设想的最优的方案，它的各个风险因素都达到了系统中的最优值，计算公式如下：
Figure BDA0002943467320000103
Figure BDA0002943467320000111
其中，eij＝ωjxi,j(norm),fij＝κjlc,j(norm)，J1是效益指标类，J2是成本指标类。
负理想解是指设想的最劣方案，它的各个风险因素都达到系统中的最差值，计算公式如下：
Figure BDA0002943467320000112
Figure BDA0002943467320000113
第一接近系数Ci为利用系统中的加权归一化的目标矩阵与其对应的正理想解、负理想解之间的距离进行计算得到的评价指标，计算公式为：
Figure BDA0002943467320000114
第二接近系数Csc为利用系统中的加权归一化的风险等级矩阵与其对应的正理想解、负理想解之间的距离进行计算得到的评价指标，计算公式为：
Figure BDA0002943467320000115
基于上述第一接近系数Ci和上述第二接近系数Csc构造隶属度函数，隶属度函数的取值范围为[0,1]，表示接近系数和风险等级之间的隶属关系，计算公式如式(20)、(21)和(22)
Figure BDA0002943467320000121
Figure BDA0002943467320000122
Figure BDA0002943467320000123
其中，c＝2,3,4，参数Csc通过式(19)计算，q是确定隶属函数形状的参数，所有区间的隶属度之和必须满足
Figure BDA0002943467320000124
步骤S206，基于上述各风险等级对应的隶属度函数，获取各风险等级对应的隶属度，根据该隶属度确定，该基坑开挖系统的实际风险等级。
具体地，实际风险等级为：
Figure BDA0002943467320000125
其中，Gi为代表风险等级分级的系数。
上述实施例，通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据，基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵，上述归一化的目标矩阵是对上述监控数据进行归一化处理得到的；将各风险因素划分为预设数量的风险等级，以及分别计算各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；基于上述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；上述归一化的风险等级矩阵是对上述风险等级矩阵进行归一化处理得到的；基于第一接近系数和第二接近系数构建各风险等级对应的隶属度函数；上述第一接近系数和第二接近系数是利用优劣解距离法分别对上述加权归一化的目标矩阵和上述加权归一化的风险等级矩阵进行计算得到的；基于上述各风险等级对应的隶属度函数，获取上述各风险等级对应的隶属度，根据这些隶属度确定该基坑开挖系统的实际风险等级。该方法通过改进的熵值模型和优劣解距离法降低了各个风险水平评估值的不确定性和模糊性，减小了人为因素和测量误差带来的影响，克服了现有方法中比较主观的经验判断，实现了基坑开挖风险状态的客观合理评估。
在一实施例中，上述通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据之后，还包括：
利用蒙特卡罗随机模拟模型对上述监控数据进行随机抽样处理，得到呈正态分布的监控数据样本集；上述归一化的目标矩阵是对该监控数据样本集进行归一化处理得到的。
其中，蒙特卡罗随机模拟模型是使用蒙特卡罗随机模拟方法结合本申请实际场景建立的模型，蒙特卡罗随机模拟方法是一种以概率统计理论为指导的一类非常重要的数值计算方法。
具体地，本实施例中的通过使用概率密度函数多次重复迭代得到正态分布的监控数据样本集，计算公式如下：
Figure BDA0002943467320000131
其中，f()是正态分布的函数，xi是第i个样本数据集关于第j个影响因素的测量数据，δi，ξi是分布的均值和标准差。
上述实施例，通过蒙特卡罗模拟方法消除不确定性和模糊性，减小认为因素和测量误差的影响，进一步提升了计算数值的稳健性和可靠性。
在一实施例中，上述监控数据样本集包括成本指标类和效益指标类，上述步骤S202之前包括：
使用成本指标归一化公式和效益指标归一化公式分别将成本指标类中的监控数据和效益指标类中的监控数据进行归一化得到指标归一化后的监控数据；使用监控数据归一化公式对指标归一化后的监控数据进行处理得到归一化的目标矩阵。
具体地，
指标归一化的公式如式(25)：
Figure BDA0002943467320000141
监控数据归一化公式如式(26)：
Figure BDA0002943467320000142
上述实施例，通过对不同的指标类进行归一化，能够消除不同量纲带来的影响，提高计算结果的准确性。
在一实施例中，如图4所示，图4展示了熵值模型的计算步骤，上述步骤S202包括：
步骤S401,使用信息熵计算公式对归一化的目标矩阵中的各个矩阵元素进行计算，得到各个风险因素的信息熵；
具体地，基于熵值模型确定各风险因素的第一权重系数：首先，计算上述归一化的目标矩阵中各风险因素的信息熵ρj，信息熵ρj的计算公式如上式(3)所示。
步骤S402，使用初始权重计算公式对各个风险因素的信息熵进行计算得到各个风险因素的初始权重。
具体地，上述各风险因素的初始权重βj的计算公式如上式(4)所示。
步骤S403，使用相关量化计算公式计算得到各个风险因素之间的相互影响度。
具体地，首先，计算上述第j个风险因素中各个实测监控数据的标准差，标准差计算公式如上式(5)所示。
上述各风险因素之间的相互影响度的计算公式为式(6)。
步骤S404，基于所述相互影响度和各个风险因素中的监控数据样本集的标准差，计算得到各个风险因素之间的相互作用系数。
具体地，使用上述第j个风险因素中各个实测监控数据的标准差γj和上述各风险因素之间的相互影响度Qj计算得到各风险因素之间的相互作用系数αj，计算公式如式(7)。
步骤S405，基于所述相互作用系数和所述初始权重计算得到所述各风险因素的第一权重系数。
具体地，根据上述各风险因素之间的相互作用系数αj和各个风险因素的初始权重βj计算得到各风险因素的第一权重系数ωj，计算公式如式(8)。
步骤S406，使用所述第一权重系数将所述归一化的目标矩阵转化为加权归一化的目标矩阵。
具体地，使用上述第一权重系数ωj将归一化的目标矩阵转化为加权归一化的目标矩阵，计算方式如式(9)。
上述实施例，使用了改进的熵值法计算归一化矩阵的熵权，消除各风险因素的不确定性和模糊性，进一步提升了确定系统风险水平的客观性。
在一实施例中，上述步骤S205之前，包括：利用优劣解距离法针对加权归一化的目标矩阵计算得到第一正理想解和第一负理想解；计算加权归一化的目标矩阵中各个元素到第一正理想解的第一距离，并计算加权归一化的目标矩阵中各个元素到第一负理想解的第二距离；使用预先构建的第一接近系数公式针对第一距离以及第二距离进行计算，得到第一接近系数。
具体地，正理想解是指设想的最优的方案，它的各个风险因素都达到了系统中的最优值，计算公式如式(14)和式(15)。
负理想解是指设想的最劣方案，它的各个风险因素都达到系统中的最差值，计算公式如式(16)和式(17)。
第一接近系数Ci为利用系统中的加权归一化的目标矩阵与其对应的正理想解、负理想解之间的距离进行计算得到的评价指标，计算公式如式(18)。
上述实施例，通过优劣解距离法得到目标矩阵的评价系数，即第一评价系数，为后续根据该系数确定风险等级提供了数据基础。
在一实施例中，上述步骤S205之前，还包括：
利用优劣解距离法针对加权归一化的风险等级矩阵计算得到第二正理想解和第二负理想解；计算加权归一化的风险等级矩阵中各个元素到第二正理想解的第三距离，并计算加权归一化的风险等级矩阵中各个元素到第二负理想解的第四距离；使用预先构建的第二接近系数公式针对第三距离以及第四距离进行计算，得到第二接近系数。
具体地，正理想解是指设想的最优的方案，它的各个风险因素都达到了系统中的最优值，计算公式如式(14)和式(15)。
负理想解是指设想的最劣方案，它的各个风险因素都达到系统中的最差值，计算公式如式(16)和式(17)。第二接近系数Csc为利用系统中的加权归一化的风险等级矩阵与其对应的正理想解、负理想解之间的距离进行计算得到的评价指标，计算公式为式(19)
上述实施例，通过优劣解距离法得到风险等级矩阵的评价系数，即第二评价系数，为后续根据该系数确定风险等级提供了数据基础。
在一实施例中，上述步骤S206包括：
使用预先构建的风险等级分级系数公式针对各个风险等级对应隶属度进行计算，得到风险等级分级系数；根据风险等级分级系数所处的预设区间范围确定基坑开挖系统的实际风险等级。
具体地，上述实际风险状态为各个系统的评估风险等级，计算公式为式(23)：
上述Gi值可分为5个范围分别对应5个风险等级，计算公式如式(27)：
Figure BDA0002943467320000171
在一具体应用中，得到的各个子系统在第三阶段的风险等级如图5所示。
上述实施例，将风险等级分级系数所处的预设区间范围确定基坑开挖系统的实际风险等级，实现了实际风险等级的量化处理，提高了系统风险评估的客观性。
应该理解的是，虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种基于熵值模型的基坑风险评估装置600，包括：监控数据收集模块601、目标矩阵加权归一化模块602、风险等级矩阵构建模块603、风险等级矩阵加权归一化模块604、隶属度函数构建模块605和实际风险等级确定模块606，其中：
监控数据收集模块601，用于通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据；
目标矩阵加权归一化模块602，用于基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；所述归一化的目标矩阵是对所述监控数据进行归一化处理得到的；
风险等级矩阵构建模块603，用于将所述各风险因素划分为预设数量的风险等级，以及分别计算所述各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；
风险等级矩阵加权归一化模块604，用于基于所述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；所述归一化的风险等级矩阵是对所述风险等级矩阵进行归一化处理得到的；
隶属度函数构建模块605，用于基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数；所述第一接近系数和第二接近系数是利用优劣解距离法分别对所述加权归一化的目标矩阵和所述加权归一化的风险等级矩阵进行计算得到的；
实际风险等级确定模块606，用于基于所述各风险等级对应的隶属度函数，获取所述各风险等级对应的隶属度，根据所述隶属度确定所述基坑开挖系统的实际风险等级。
在一实施例中，还包括监控数据样本集处理单元，用于利用蒙特卡罗随机模拟模型对所述监控数据进行随机抽样处理，得到呈正态分布的监控数据样本集；所述归一化的目标矩阵是对所述监控数据样本集进行归一化处理得到的。
在一实施例中，上述目标矩阵加权归一化模块602还用于：使用成本指标归一化公式和效益指标归一化公式分别将成本指标类中的监控数据和效益指标类中的监控数据进行归一化得到指标归一化后的监控数据；使用监控数据归一化公式对所述指标归一化后的监控数据进行处理得到所述归一化的目标矩阵。
在一实施例中，上述目标矩阵加权归一化模块602进一步用于：使用信息熵计算公式对所述归一化的目标矩阵中的各个矩阵元素进行计算，得到各个风险因素的信息熵；使用初始权重计算公式对所述各个风险因素的信息熵进行计算得到各个风险因素的初始权重；使用相关量化计算公式计算得到各个风险因素之间的相互影响度；基于所述相互影响度和各个风险因素中的监控数据样本集的标准差，计算得到各个风险因素之间的相互作用系数；基于所述相互作用系数和所述初始权重计算得到所述各风险因素的第一权重系数；使用所述第一权重系数将所述归一化的目标矩阵转化为加权归一化的目标矩阵。
在一实施例中，上述隶属度函数构建模块605，还用于：利用优劣解距离法针对所述加权归一化的目标矩阵计算得到第一正理想解和第一负理想解；计算所述加权归一化的目标矩阵中各个元素到所述第一正理想解的第一距离，并计算所述加权归一化的目标矩阵中各个元素到所述第一负理想解的第二距离；使用预先构建的第一接近系数公式针对所述第一距离以及所述第二距离进行计算，得到第一接近系数。
在一实施例中，上述隶属度函数构建模块605，还用于：利用优劣解距离法针对所述加权归一化的风险等级矩阵计算得到第二正理想解和第二负理想解；计算所述加权归一化的风险等级矩阵中各个元素到所述第二正理想解的第三距离，并计算所述加权归一化的风险等级矩阵中各个元素到所述第二负理想解的第四距离；使用预先构建的第二接近系数公式针对所述第三距离以及所述第四距离进行计算，得到第二接近系数。
在一实施例中，上述实际风险等级确定模块606，进一步用于：使用预先构建的风险等级分级系数公式针对所述各个风险等级对应隶属度进行计算，到风险等级分级系数；根据所述风险等级分级系数所处的预设区间范围确定所述基坑开挖系统的所述实际风险等级。
关于基于熵值模型的基坑风险评估装置的具体限定可以参见上文中对于基于熵值模型的基坑风险评估方法的限定，在此不再赘述。上述基于熵值模型的基坑风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储监控数据以及风险水平评估值等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于熵值模型的基坑风险评估方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现如上述的基于熵值模型的基坑风险评估方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的基于熵值模型的基坑风险评估方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于熵值模型的基坑风险评估方法，其特征在于，所述方法包括：
通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据；
基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；所述归一化的目标矩阵是对所述监控数据进行归一化处理得到的；
将所述各风险因素划分为预设数量的风险等级，以及分别计算所述各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；
基于所述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；所述归一化的风险等级矩阵是对所述风险等级矩阵进行归一化处理得到的；
基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数；所述第一接近系数和第二接近系数是利用优劣解距离法分别对所述加权归一化的目标矩阵和所述加权归一化的风险等级矩阵进行计算得到的；
基于所述各风险等级对应的隶属度函数，获取所述各风险等级对应的隶属度，根据所述隶属度确定所述基坑开挖系统的实际风险等级。
2.根据权利要求1所述的方法，其特征在于，所述通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据之后，所述方法还包括：
利用蒙特卡罗随机模拟模型对所述监控数据进行随机抽样处理，得到呈正态分布的监控数据样本集；所述归一化的目标矩阵是对所述监控数据样本集进行归一化处理得到的。
3.根据权利要求2所述的方法，其特征在于，所述监控数据样本集包括成本指标类和效益指标类，所述基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵之前，所述方法包括：
使用成本指标归一化公式和效益指标归一化公式分别将成本指标类中的监控数据和效益指标类中的监控数据进行归一化得到指标归一化后的监控数据；
使用监控数据归一化公式对所述指标归一化后的监控数据进行处理得到所述归一化的目标矩阵。
4.根据权利要求3所述的方法，其特征在于，所述基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵，包括：
使用信息熵计算公式对所述归一化的目标矩阵中的各个矩阵元素进行计算，得到各个风险因素的信息熵；
使用初始权重计算公式对所述各个风险因素的信息熵进行计算得到各个风险因素的初始权重；
使用相关量化计算公式计算得到各个风险因素之间的相互影响度；
基于所述相互影响度和各个风险因素中的监控数据样本集的标准差，计算得到各个风险因素之间的相互作用系数；
基于所述相互作用系数和所述初始权重计算得到所述各风险因素的第一权重系数；
使用所述第一权重系数将所述归一化的目标矩阵转化为加权归一化的目标矩阵。
5.根据权利要求4所述的方法，其特征在于，所述基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数之前包括：
利用优劣解距离法针对所述加权归一化的目标矩阵计算得到第一正理想解和第一负理想解；
计算所述加权归一化的目标矩阵中各个元素到所述第一正理想解的第一距离，并计算所述加权归一化的目标矩阵中各个元素到所述第一负理想解的第二距离；
使用预先构建的第一接近系数公式针对所述第一距离以及所述第二距离进行计算，得到第一接近系数。
6.根据权利要求4所述的方法，其特征在于，所述基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数之前，所述方法还包括：
利用优劣解距离法针对所述加权归一化的风险等级矩阵计算得到第二正理想解和第二负理想解；
计算所述加权归一化的风险等级矩阵中各个元素到所述第二正理想解的第三距离，并计算所述加权归一化的风险等级矩阵中各个元素到所述第二负理想解的第四距离；
使用预先构建的第二接近系数公式针对所述第三距离以及所述第四距离进行计算，得到第二接近系数。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述根据所述隶属度确定所述基坑开挖系统的实际风险等级，包括：
使用预先构建的风险等级分级系数公式针对所述各个风险等级对应隶属度进行计算，到风险等级分级系数；
根据所述风险等级分级系数所处的预设区间范围确定所述基坑开挖系统的所述实际风险等级。
8.一种基于熵值模型的基坑风险评估装置，其特征在于，所述装置包括：
监控数据收集模块，用于通过布设于基坑开挖系统中的监控设备收集与多个风险因素相关的监控数据；
目标矩阵加权归一化模块，用于基于熵值模型确定的各风险因素的第一权重系数，将归一化的目标矩阵转化为加权归一化的目标矩阵；所述归一化的目标矩阵是对所述监控数据进行归一化处理得到的；
风险等级矩阵构建模块，用于将所述各风险因素划分为预设数量的风险等级，以及分别计算所述各风险因素在各风险等级中对应的风险水平评估值，得到风险等级矩阵；
风险等级矩阵加权归一化模块，用于基于所述熵值模型确定的各风险因素的第二权重系数，将归一化的风险等级矩阵转化为加权归一化的风险等级矩阵；所述归一化的风险等级矩阵是对所述风险等级矩阵进行归一化处理得到的；
隶属度函数构建模块，用于基于第一接近系数和第二接近系数构建所述各风险等级对应的隶属度函数；所述第一接近系数和第二接近系数是利用优劣解距离法分别对所述加权归一化的目标矩阵和所述加权归一化的风险等级矩阵进行计算得到的；
实际风险等级确定模块，用于基于所述各风险等级对应的隶属度函数，获取所述各风险等级对应的隶属度，根据所述隶属度确定所述基坑开挖系统的实际风险等级。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202110187360.7A 2021-02-18 2021-02-18 基于熵值模型的基坑风险评估方法、装置、设备和介质 Active CN112884320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110187360.7A CN112884320B (zh) 2021-02-18 2021-02-18 基于熵值模型的基坑风险评估方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110187360.7A CN112884320B (zh) 2021-02-18 2021-02-18 基于熵值模型的基坑风险评估方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112884320A true CN112884320A (zh) 2021-06-01
CN112884320B CN112884320B (zh) 2022-03-29

Family

ID=76056464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110187360.7A Active CN112884320B (zh) 2021-02-18 2021-02-18 基于熵值模型的基坑风险评估方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112884320B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610337A (zh) * 2021-06-22 2021-11-05 中铁建华南建设有限公司 基坑工程风险确定方法、装置、计算机设备和存储介质
CN114154798A (zh) * 2021-11-08 2022-03-08 深圳供电局有限公司 电压暂降风险分析方法、装置、计算机设备和存储介质
CN114997750A (zh) * 2022-08-03 2022-09-02 广东知得失网络科技有限公司 一种风险信息推送方法、系统、设备和介质
CN115879775A (zh) * 2023-02-27 2023-03-31 国网江西省电力有限公司电力科学研究院 一种三维变电站涉鸟故障风险等级评估方法及系统
CN115879821A (zh) * 2023-01-03 2023-03-31 北京工业大学 一种基于多源异构数据的基坑工程施工质量评估方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750979A (zh) * 2015-03-13 2015-07-01 上海交通大学 面向体系结构的综合化风险优先数计算方法
US20160145994A1 (en) * 2014-11-20 2016-05-26 Petrochina Company Limited Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs
CN106779341A (zh) * 2016-11-30 2017-05-31 广东工业大学 一种电力用户用电状况效能评估的方法及系统
CN107742040A (zh) * 2017-10-31 2018-02-27 广东电网有限责任公司惠州供电局 一种基于topsis和最优组合权重的输电线路综合风险评估方法
CN110659814A (zh) * 2019-09-12 2020-01-07 国网山东省电力公司寿光市供电公司 一种基于熵权法电网作业风险评价方法及系统
CN112308360A (zh) * 2020-04-16 2021-02-02 青岛理工大学 一种基于熵权值法修正ahp法的岩质基坑安全评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160145994A1 (en) * 2014-11-20 2016-05-26 Petrochina Company Limited Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs
CN104750979A (zh) * 2015-03-13 2015-07-01 上海交通大学 面向体系结构的综合化风险优先数计算方法
CN106779341A (zh) * 2016-11-30 2017-05-31 广东工业大学 一种电力用户用电状况效能评估的方法及系统
CN107742040A (zh) * 2017-10-31 2018-02-27 广东电网有限责任公司惠州供电局 一种基于topsis和最优组合权重的输电线路综合风险评估方法
CN110659814A (zh) * 2019-09-12 2020-01-07 国网山东省电力公司寿光市供电公司 一种基于熵权法电网作业风险评价方法及系统
CN112308360A (zh) * 2020-04-16 2021-02-02 青岛理工大学 一种基于熵权值法修正ahp法的岩质基坑安全评价方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
林同智等: "基于改进熵值赋权法和TOPSIS模型的综合评价应用", 《桂林理工大学学报》 *
褚云鹏: "基于基坑工程监测的熵权-AHP模糊综合评价研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
谭春桥: "基于区间值直觉模糊集的TOPSIS多属性决策", 《模糊系统与数学》 *
郭永成: "基于熵和模糊评判的决策理论及其在开挖工程边坡中的应用", 《中国博士学位论文全文数据库 工程科技II辑》 *
陈蓉芳等: "基于熵权可拓模型的深大基坑施工风险评估", 《数学的实践与认识》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610337A (zh) * 2021-06-22 2021-11-05 中铁建华南建设有限公司 基坑工程风险确定方法、装置、计算机设备和存储介质
CN113610337B (zh) * 2021-06-22 2024-04-19 中铁建华南建设有限公司 基坑工程风险确定方法、装置、计算机设备和存储介质
CN114154798A (zh) * 2021-11-08 2022-03-08 深圳供电局有限公司 电压暂降风险分析方法、装置、计算机设备和存储介质
CN114997750A (zh) * 2022-08-03 2022-09-02 广东知得失网络科技有限公司 一种风险信息推送方法、系统、设备和介质
CN114997750B (zh) * 2022-08-03 2022-10-25 广东知得失网络科技有限公司 一种风险信息推送方法、系统、设备和介质
CN115879821A (zh) * 2023-01-03 2023-03-31 北京工业大学 一种基于多源异构数据的基坑工程施工质量评估方法
CN115879821B (zh) * 2023-01-03 2023-09-19 北京工业大学 一种基于多源异构数据的基坑工程施工质量评估方法
CN115879775A (zh) * 2023-02-27 2023-03-31 国网江西省电力有限公司电力科学研究院 一种三维变电站涉鸟故障风险等级评估方法及系统

Also Published As

Publication number Publication date
CN112884320B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN112884320B (zh) 基于熵值模型的基坑风险评估方法、装置、设备和介质
Hosseini et al. A data fusion-based methodology for optimal redesign of groundwater monitoring networks
Titova et al. Lifetime of earth dams
CN116596321B (zh) 基于神经网络的建筑风险监测与评估方法和系统
CN112200478A (zh) 一种黏性土场地的冻胀风险信息处理方法及系统
CN116777079A (zh) 一种基于贝叶斯层间结构模型的沙漠化侵扰灾害预测方法
CN116716927A (zh) 塔基监测方法、装置、计算机设备、存储介质和产品
CN113486295A (zh) 基于傅里叶级数的臭氧总量变化预测方法
CN117077513A (zh) 基于depinn求解中子扩散特征值问题噪声分析方法
CN116862432A (zh) 一种隧道浅埋段施工方案动态调整方法及系统
CN111582634A (zh) 一种地下大空间施工多因素安全分级方法及系统
KR20120004113A (ko) 지리정보시스템 및 확률 통계기법에 근거한 지하수산출가능성 예측모델 개발
Shadeed et al. Comparative analysis of interpolation methods for rainfall mapping in the Faria catchment, Palestine
CN116776513A (zh) 地热资源量计算方法、装置、存储介质及电子设备
CN113190985A (zh) 一种分层异质区域内数据误差的分析方法及系统
Ji et al. A GIS-based tool for probabilistic physical modelling and prediction of landslides: improved GIS-TRIGRS-FORM landslide prediction
Hong et al. Information-based system identification for predicting the groundwater-level fluctuations of hillslopes
TWI619961B (zh) 一種地下水位之評估方法
CN117852894B (zh) 一种农村砌体房屋承载力评估方法和系统
Xu et al. Improving the real-time probabilistic channel flood forecasting by incorporating the uncertainty of inflow using the particle filter
CN116611267B (zh) 一种物探数据正则化反演中先验边界结构全约束配置方法
CN116050120B (zh) 一种滑坡隐患活动性遥感评价建模方法、系统和存储介质
CN117575106B (zh) 一种煤层气井产气剖面预测方法、系统、电子设备及介质
CN110412646B (zh) 一种地震前兆参数获取方法及临震预测方法
CN116070913A (zh) 一种隧道底鼓风险处理方法、装置、介质及计算设备

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