CN113011631A - 一种测震应急流动台选址方法 - Google Patents
一种测震应急流动台选址方法 Download PDFInfo
- Publication number
- CN113011631A CN113011631A CN202110108847.1A CN202110108847A CN113011631A CN 113011631 A CN113011631 A CN 113011631A CN 202110108847 A CN202110108847 A CN 202110108847A CN 113011631 A CN113011631 A CN 113011631A
- Authority
- CN
- China
- Prior art keywords
- site selection
- mobile station
- earthquake
- selection method
- emergency mobile
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 14
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000001066 destructive effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000013139 quantization Methods 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
Abstract
本发明公开了一种测震应急流动台选址方法，包括S1：首先依据建台区域内地震监测能力结论大致确定建台的地理范围，然后通过数据支撑获取合理性评价指标，并以此指标约束得到最优台址，本发明构建多目标量化布台选址模型，并采用智能进化优化算法求解多目标约束选址模型，向布台决策者同时提供一组帕累托最优解供决策，提出地震台的多目标约束选址模型，克服盲区选址影响数据不全面、不精细化的问题；提出智能优化求解算法，改进人工选址期间大量的手动计算、分析因素的不足；地震台智能选址仿真模拟，给出建台盲区地点2倍或3倍数量的参考台址，便于决策者快速做出选择。
Description
技术领域
本发明涉及一种选址方法，特别涉及一种测震应急流动台选址方法，属于测震应急设备技术领域。
背景技术
我国位于环太平洋地震带与欧亚地震带之间，地震频发，湖南处于我国大陆腹地，地震频次与强度虽较四川、云南、新疆等地震多发地区低，但因自身地质条件薄弱、震源深度浅，加之第四纪活动断裂多等特点，省内3.0 级左右地震就可以造成破坏、4.0级左右地震就可能成灾。历史上，湖南省14个市州均发生过破坏性地震，如1631年常德的6.8级地震，是华南内陆最大地震之一。破坏性地震会给人民生命财产安全和国家经济建设造成直接或间接的损失和危害，湖南具备了发生破坏性地震的地质背景，绝不是地震的“安全岛”，在新修订出版的第五代《中国地震动参数区划图》中，湖南全省设在6度烈度区(属于中强地震活动区)，环洞庭湖地区，包括常德、岳阳、益阳等位于7度烈度区(地壳活动水平相对更高)。
大力建设我省地震监测台网是应对破坏性地震的有效手段，合理布设地震台站能进一步优化我省地震台网监测效能。自20世纪70年代以来，我省陆续建立了一系列的地震观测台站，台站类型涵盖测震、强震、形变、地下流体、地磁等多个学科，一定程度上提高了我省的地震监测能力。随着国家出台构建“国家地震台、省地震台、中心站、一般监测站”的四级业务架构要求，目前地震台站的建设数量逐年递增，但地震台站对台址的选择有很强的要求，需综合考虑背景噪声、干扰源、断层、交通等多个目标的影响。目前地震台站选址靠人工勘选，在只有一张地图的基础上，实现盲区选址。首先在区域内利用流动地震观测仪在1个点进行测量，如不行拆至第2个点，以此类推直至选中为止。因此选择具备条件的台址往往长达几天、几个月时间，需花费大量的人力物力，其难度大，科学性、应用性欠缺，也迫切需要从理论研究上突破，以改进原有的工作方法。
随着计算机技术的不断进步，人工智能的出现，为地震台站的智能选址提供了解决方案。地震台站选址问题本质上是一个带多个约束条件(如基岩特性约束、电力交通生活条件约束、公路铁路断裂带避让约束等)的多目标最优化问题(如最小化背景噪声、在分析已有监测台站＜网＞观测效能基础上最大化地震监测能力等)，但常规数学规划方法难以求解这类复杂优化问题。随着遗传算法、粒子群优化算法等智能仿生优化技术的发展，尤其是多目标进化优化算法自1999年提出以来，为这类具有复杂函数、多目标和约束等综合特征的工程优化问题提供了智能求解技术。因而，采用多目标进化优化算法可为地震台站选址提供一种智能高效技术方案。实现这种方案需要收集地震台选址的基础数据、构建多目标选址模型、设计多目标优化求解算法, 以给出建台盲区地点2倍或3倍数量的参考台址，便于决策者快速做出选择。
发明内容
本发明的目的在于提供一种测震应急流动台选址方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种测震应急流动台选址方法，包括以下步骤：
S1：通过确定建台区域内的各个台点的经纬度信息以及海拔信息，再通过地址勘测系统对基岩特性进行勘测并记录，同时记好每个台点的地形地貌信息；
S2：通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，做好记录分析；
S3：依据建台区域内地震监测能力结论大致确定建台的地理范围(原则上监测能力强的区域可不计入)，然后通过数据支撑获取合理性评价指标，并以此指标约束得到最优台址；
S4：建模分析，依据技术流程图，从理论上进行分析，地震台最优选址建模最终可能为如下表现形式：
yl＝fl(xl,x2,x3,xk)
y2＝f2(xl,x2,x3,xk)
ym＝fm(xl,x2,x3,xk)
s.t.g(xl,x2,x3,xk)>＝结果
其中：
yl、y2、...、ym为目标变量，即待优化的选址合理性评估指标,它们可能相互冲突，因此传统数学规划很难求解，需采用人工智能中的进化优化方法：
xl,x2,x3,xk为决策变量，即选址影响因素，具有明确直观的地震专业物理含义；
s.t.g(xl,x2,x3,xk)为约束条件；
S5：关键性问题解析：
(1)目标函数，即评价选址合理性的指标；
(2)决策变量,即如何确定选址影响因素(xl,x2,x3,…，xk),使得各个决策变量有明显可解释的物理含义；
(3)约束条件，即如何确定g(xl,x2,x3,…，xk)>＝结果,使得选址结果满足业务要求；
S6：算法求解及仿真：分析得出算法流程框架及解释，给出地震高风险区内的几个潜在地震经纬度及震级，进行实验仿真求解；
S7：选址评估及解释：从多目标最优解集中决策可解释性最好的解，并给出决策方案及过程。
作为本发明的一种优选技术方案，所述步骤S3中的评价选址合理性指标大致为：
第一，背景噪声值，在达到测震台建设标准要求的前提下，越小越好；
第二，区域内的监测能力，地震台建台区域能力提高的越多越好，比如地震台选址A点前，监测能力只有2.5级，即该区只能监测到2.5级以上的地震，2.5级以下的监测不到，而A点建成后监测能力达到了2.0级；
第三，权重分析，以上第二的权重大于第一，即当背景噪声都满足标准要求,则看监测能力提升的情况，若监测能力提升一致且背景噪声都在标准范围内，则看哪个背景噪声值更小，除背景噪声及监测能力等评价选址合理性的指标外，还有其他的如分布均匀性指标最大化等等，研究中需量化这些可能相互冲突的指标。
作为本发明的一种优选技术方案，所述步骤S5中各个决策变量的排序原则如下：
第一，基岩特性，地震台需要建在基岩上，判断区域内的基岩事先就需要地质构造方面的数据；
第二，背景噪声值，建台区域该值需要达到国家标准规定的数值范围内；
第三，区域内交通、安全、通讯、电力等条件的定量，如果定性的话一般是选择在城市，但是城市往往又达不到建台标准；
第四，干扰源，建台需避开铁路、公路、断裂带，也需达到国家标准规定的的最小距离。
作为本发明的一种优选技术方案，所述步骤S4中采用进化算法中的遗传算法或粒子群优化算法框架，针对地震台选址优化模型特征设计多目标优化策略、约束条件处理策略，帕累托最优解集管理策略等，最后集成为地震台多目标进化优化算法。
作为本发明的一种优选技术方案，所述步骤S2中参数数据的测量传感器包括温湿度传感器、氧气传感器以及气象传感器。
作为本发明的一种优选技术方案，所述温湿度传感器、氧气传感器以及气象传感器的每天测量次数要达到50次，测量天数为7天。
作为本发明的一种优选技术方案，所述步骤S3中，支撑数据还包括地震台选址与供应物资点的距离以及地震台选址到供应物资点的最佳时间。
作为本发明的一种优选技术方案，所述步骤S1中，经纬度信息以及海拔信息的获取通过智能终端的经纬度信息查询系统以及海拔测量仪。
与现有技术相比，本发明的有益效果是：
1.本发明一种测震应急流动台选址方法，本发明构建多目标量化布台选址模型，包括多个选址合理性的评价指标及多个选址约束条件，并采用智能进化优化算法求解多目标约束选址模型，向布台决策者同时提供一组帕累托最优解供决策。
2.本发明一种测震应急流动台选址方法，本发明提出地震台的多目标约束选址模型，克服盲区选址影响数据不全面、不精细化的问题；提出智能优化求解算法，改进人工选址期间大量的手动计算、分析因素的不足；地震台智能选址仿真模拟，给出建台盲区地点2倍或3倍数量的参考台址，便于决策者快速做出选择。
3.本发明一种测震应急流动台选址方法，本发明通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，便于更好的了解地震流动台的生活环境参数，便于更好的了解台点信息，便于决策者快速决定。
附图说明
图1为本发明的技术流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供了一种测震应急流动台选址方法的技术方案：
根据图1所示，包括以下步骤：
S1：通过确定建台区域内的各个台点的经纬度信息以及海拔信息，再通过地址勘测系统对基岩特性进行勘测并记录，同时记好每个台点的地形地貌信息；
S2：通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，做好记录分析；
S3：依据建台区域内地震监测能力结论大致确定建台的地理范围(原则上监测能力强的区域可不计入)，然后通过数据支撑获取合理性评价指标，并以此指标约束得到最优台址；
S4：建模分析，依据技术流程图，从理论上进行分析，地震台最优选址建模最终可能为如下表现形式：
yl＝fl(xl,x2,x3,xk)
y2＝f2(xl,x2,x3,xk)
ym＝fm(xl,x2,x3,xk)
s.t.g(xl,x2,x3,xk)>＝结果
其中：
yl、y2、...、ym为目标变量，即待优化的选址合理性评估指标,它们可能相互冲突，因此传统数学规划很难求解，需采用人工智能中的进化优化方法：
xl,x2,x3,xk为决策变量，即选址影响因素，具有明确直观的地震专业物理含义；
s.t.g(xl,x2,x3,xk)为约束条件；
S5：关键性问题解析：
(1)目标函数，即评价选址合理性的指标；
(2)决策变量,即如何确定选址影响因素(xl,x2,x3,…，xk),使得各个决策变量有明显可解释的物理含义；
(3)约束条件，即如何确定g(xl,x2,x3,…，xk)>＝结果,使得选址结果满足业务要求；
S6：算法求解及仿真：分析得出算法流程框架及解释，给出地震高风险区内的几个潜在地震经纬度及震级，进行实验仿真求解；
S7：选址评估及解释：从多目标最优解集中决策可解释性最好的解，并给出决策方案及过程。
步骤S3中的评价选址合理性指标大致为：
第一，背景噪声值，在达到测震台建设标准要求的前提下，越小越好；
第二，区域内的监测能力，地震台建台区域能力提高的越多越好，比如地震台选址A点前，监测能力只有2.5级，即该区只能监测到2.5级以上的地震，2.5级以下的监测不到，而A点建成后监测能力达到了2.0级；
第三，权重分析，以上第二的权重大于第一，即当背景噪声都满足标准要求,则看监测能力提升的情况，若监测能力提升一致且背景噪声都在标准范围内，则看哪个背景噪声值更小，除背景噪声及监测能力等评价选址合理性的指标外，还有其他的如分布均匀性指标最大化等等，研究中需量化这些可能相互冲突的指标。
步骤S5中各个决策变量的排序原则如下：
第一，基岩特性，地震台需要建在基岩上，判断区域内的基岩事先就需要地质构造方面的数据；
第二，背景噪声值，建台区域该值需要达到国家标准规定的数值范围内；
第三，区域内交通、安全、通讯、电力等条件的定量，如果定性的话一般是选择在城市，但是城市往往又达不到建台标准；
第四，干扰源，建台需避开铁路、公路、断裂带，也需达到国家标准规定的的最小距离。
步骤S4中采用进化算法中的遗传算法或粒子群优化算法框架，针对地震台选址优化模型特征设计多目标优化策略、约束条件处理策略，帕累托最优解集管理策略等，最后集成为地震台多目标进化优化算法。
步骤S2中参数数据的测量传感器包括温湿度传感器、氧气传感器以及气象传感器，温湿度传感器、氧气传感器以及气象传感器的每天测量次数要达到50次，测量天数为7天，便于测量台点的温湿度、潮湿度、氧气含量以及风速风向，便于更好的了解台点的数据，步骤S3中，支撑数据还包括地震台选址与供应物资点的距离以及地震台选址到供应物资点的最佳时间，保证物资的及时供应以及人员快速的调配，步骤S1中，经纬度信息以及海拔信息的获取通过智能终端的经纬度信息查询系统以及海拔测量仪，便于快速测量经纬度信息以及海拔信息，准确性好，使用方便。
具体使用时，本发明一种测震应急流动台选址方法。
S1：通过确定建台区域内的各个台点的经纬度信息以及海拔信息，再通过地址勘测系统对基岩特性进行勘测并记录，同时记好每个台点的地形地貌信息；通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，做好记录分析；依据建台区域内地震监测能力结论大致确定建台的地理范围(原则上监测能力强的区域可不计入)，然后通过数据支撑获取合理性评价指标，并以此指标约束得到最优台址；建模分析，依据技术流程图，从理论上进行分析，地震台最优选址建模最终可能为如下表现形式：
yl＝fl(xl,x2,x3,xk)
y2＝f2(xl,x2,x3,xk)
ym＝fm(xl,x2,x3,xk)
s.t.g(xl,x2,x3,xk)>＝结果
其中：
yl、y2、...、ym为目标变量，即待优化的选址合理性评估指标,它们可能相互冲突，因此传统数学规划很难求解，需采用人工智能中的进化优化方法：
xl,x2,x3,xk为决策变量，即选址影响因素，具有明确直观的地震专业物理含义；
s.t.g(xl,x2,x3,xk)为约束条件；
S5：关键性问题解析：
(1)目标函数，即评价选址合理性的指标；
(2)决策变量,即如何确定选址影响因素(xl,x2,x3,…，xk),使得各个决策变量有明显可解释的物理含义；
(3)约束条件，即如何确定g(xl,x2,x3,…，xk)>＝结果,使得选址结果满足业务要求；
算法求解及仿真：分析得出算法流程框架及解释，给出内地震高风险区内的几个潜在地震经纬度及震级，进行实验仿真求解；选址评估及解释：从多目标最优解集中决策可解释性最好的解，并给出决策方案及过程。
综上所述，本发明构建多目标量化布台选址模型，包括多个选址合理性的评价指标及多个选址约束条件，并采用智能进化优化算法求解多目标约束选址模型，向布台决策者同时提供一组帕累托最优解供决策，本发明提出地震台的多目标约束选址模型，克服盲区选址影响数据不全面、不精细化的问题；提出智能优化求解算法，改进人工选址期间大量的手动计算、分析因素的不足；地震台智能选址仿真模拟，给出建台盲区地点2倍或3倍数量的参考台址，便于决策者快速做出选择，本发明通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，便于更好的了解地震流动台的生活环境参数，便于更好的了解台点信息，便于决策者快速决定。
在本发明的描述中，需要理解的是，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，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种测震应急流动台选址方法，其特征在于，包括以下步骤：
S1：通过确定建台区域内的各个台点的经纬度信息以及海拔信息，再通过地址勘测系统对基岩特性进行勘测并记录，同时记好每个台点的地形地貌信息；
S2：通过测量各个台点的温湿度、潮湿度、氧气含量以及风速风向等参数数据，做好记录分析；
S3：依据建台区域内地震监测能力结论大致确定建台的地理范围(原则上监测能力强的区域可不计入)，然后通过数据支撑获取合理性评价指标，并以此指标约束得到最优台址；
S4：建模分析，依据技术流程图，从理论上进行分析，地震台最优选址建模最终可能为如下表现形式：
yl＝fl(xl,x2,x3,xk)
y2＝f2(xl,x2,x3,xk)
ym＝fm(xl,x2,x3,xk)
s.t.g(xl,x2,x3,xk)>＝结果
其中：
yl、y2、...、ym为目标变量，即待优化的选址合理性评估指标,它们可能相互冲突，因此传统数学规划很难求解，需采用人工智能中的进化优化方法：
xl,x2,x3,xk为决策变量，即选址影响因素，具有明确直观的地震专业物理含义；
s.t.g(xl,x2,x3,xk)为约束条件；
S5：关键性问题解析：
(1)目标函数，即评价选址合理性的指标；
(2)决策变量,即如何确定选址影响因素(xl,x2,x3,…，xk),使得各个决策变量有明显可解释的物理含义；
(3)约束条件，即如何确定g(xl,x2,x3,…，xk)>＝结果,使得选址结果满足业务要求；
S6：算法求解及仿真：分析得出算法流程框架及解释，给出地震高风险区内的几个潜在地震经纬度及震级，进行实验仿真求解；
S7：选址评估及解释：从多目标最优解集中决策可解释性最好的解，并给出决策方案及过程。
2.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S3中的评价选址合理性指标大致为：
第一，背景噪声值，在达到测震台建设标准要求的前提下，越小越好；
第二，区域内的监测能力，地震台建台区域能力提高的越多越好，比如地震台选址A点前，监测能力只有2.5级，即该区只能监测到2.5级以上的地震，2.5级以下的监测不到，而A点建成后监测能力达到了2.0级；
第三，权重分析，以上第二的权重大于第一，即当背景噪声都满足标准要求,则看监测能力提升的情况，若监测能力提升一致且背景噪声都在标准范围内，则看哪个背景噪声值更小，除背景噪声及监测能力等评价选址合理性的指标外，还有其他的如分布均匀性指标最大化等等，研究中需量化这些可能相互冲突的指标。
3.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S5中各个决策变量的排序原则如下：
第一，基岩特性，地震台需要建在基岩上，判断区域内的基岩事先就需要地质构造方面的数据；
第二，背景噪声值，建台区域该值需要达到国家标准规定的数值范围内；
第三，区域内交通、安全、通讯、电力等条件的定量，如果定性的话一般是选择在城市，但是城市往往又达不到建台标准；
第四，干扰源，建台需避开铁路、公路、断裂带，也需达到国家标准规定的的最小距离。
4.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S4中采用进化算法中的遗传算法或粒子群优化算法框架，针对地震台选址优化模型特征设计多目标优化策略、约束条件处理策略，帕累托最优解集管理策略等，最后集成为地震台多目标进化优化算法。
5.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S2中参数数据的测量传感器包括温湿度传感器、氧气传感器以及气象传感器。
6.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述温湿度传感器、氧气传感器以及气象传感器的每天测量次数要达到50次，测量天数为7天。
7.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S3中，支撑数据还包括地震台选址与供应物资点的距离以及地震台选址到供应物资点的最佳时间。
8.根据权利要求1所述的一种测震应急流动台选址方法，其特征在于：所述步骤S1中，经纬度信息以及海拔信息的获取通过智能终端的经纬度信息查询系统以及海拔测量仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110108847.1A CN113011631A (zh) | 2021-01-27 | 2021-01-27 | 一种测震应急流动台选址方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110108847.1A CN113011631A (zh) | 2021-01-27 | 2021-01-27 | 一种测震应急流动台选址方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113011631A true CN113011631A (zh) | 2021-06-22 |
Family
ID=76385551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110108847.1A Pending CN113011631A (zh) | 2021-01-27 | 2021-01-27 | 一种测震应急流动台选址方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113011631A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486577A (zh) * | 2021-06-28 | 2021-10-08 | 金陵科技学院 | 一种基于混合分布估计算法的地理大数据传输方法 |
| CN114282717A (zh) * | 2021-12-20 | 2022-04-05 | 电子科技大学 | 地震应急观测流动台的多目标智能优化选址方法 |
| CN115688487A (zh) * | 2022-12-30 | 2023-02-03 | 天津中科谱光信息技术有限公司 | 水质监测节点布设数量确定方法、装置、设备及存储介质 |
-
2021
- 2021-01-27 CN CN202110108847.1A patent/CN113011631A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486577A (zh) * | 2021-06-28 | 2021-10-08 | 金陵科技学院 | 一种基于混合分布估计算法的地理大数据传输方法 |
| CN113486577B (zh) * | 2021-06-28 | 2022-03-29 | 金陵科技学院 | 一种基于混合分布估计算法的地理大数据传输方法 |
| CN114282717A (zh) * | 2021-12-20 | 2022-04-05 | 电子科技大学 | 地震应急观测流动台的多目标智能优化选址方法 |
| CN114282717B (zh) * | 2021-12-20 | 2023-04-07 | 电子科技大学 | 地震应急观测流动台的多目标智能优化选址方法 |
| CN115688487A (zh) * | 2022-12-30 | 2023-02-03 | 天津中科谱光信息技术有限公司 | 水质监测节点布设数量确定方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113011631A (zh) | 一种测震应急流动台选址方法 | |
| CN108876027B (zh) | 一种基于gis的农村居民点集中居住区选址和优化方法 | |
| CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
| CN110081930A (zh) | 一种陆海空一体化生态环境监测系统 | |
| Wu et al. | Analysis of Spatio-temporal patterns and related factors of thermal comfort in subtropical coastal cities based on local climate zones | |
| CN111666656A (zh) | 基于微波雨衰的降雨估算方法及降雨监测系统 | |
| CN101788551B (zh) | 高速公路边坡病害自动化监测系统 | |
| CN105260625A (zh) | 一种滑坡地质灾害预警推送方法 | |
| CN104601604B (zh) | 网络安全态势分析方法 | |
| CN112070286A (zh) | 复杂地形流域的降水预报预警系统 | |
| Abbasi et al. | Land suitability assessment for Paulownia cultivation using combined GIS and Z-number DEA: A case study | |
| Liu et al. | Drought risk evaluation model with interval number ranking and its application | |
| CN107356926A (zh) | 基于Hu矩的差值云团外推降雨预测算法 | |
| CN113327022B (zh) | 一种防雷安全风险管理系统及方法 | |
| CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
| Unger et al. | Development, data processing and preliminary results of an urban human comfort monitoring and information system | |
| CN110930048A (zh) | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 | |
| CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
| Flournoy et al. | A climatology of cell mergers with supercells and their association with mesocyclone evolution | |
| CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
| Wu et al. | Simulating spatiotemporal land use change in middle and high latitude regions using multiscale fusion and cellular automata: The case of Northeast China | |
| CN117408495B (zh) | 一种基于土地资源综合管理的数据分析方法及系统 | |
| Miah et al. | Exploring the nexus between land cover change dynamics and spatial heterogeneity of demographic trajectories in rapidly growing ecosystems of south Asian cities | |
| CN110441830B (zh) | 基于自动气象站的小区域天气预测方法及存储介质 | |
| Luo et al. | Constructing an urban cooling network based on PLUS model: Implications for future urban planning |
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 |