CN113393144B - 地质滑坡静态要素风险分级的评估方法及评估装置 - Google Patents
地质滑坡静态要素风险分级的评估方法及评估装置 Download PDFInfo
- Publication number
- CN113393144B CN113393144B CN202110708416.9A CN202110708416A CN113393144B CN 113393144 B CN113393144 B CN 113393144B CN 202110708416 A CN202110708416 A CN 202110708416A CN 113393144 B CN113393144 B CN 113393144B
- Authority
- CN
- China
- Prior art keywords
- disaster
- risk
- landslide
- causing
- level
- 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
- 230000003068 static effect Effects 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 title abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000013517 stratification Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 6
- 241000196171 Hydrodictyon reticulatum Species 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 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
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)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本申请公开地质滑坡静态要素风险分级的评估方法及评估装置,方法包括:将一级致灾因子从数值上,划出若干档二级致灾因子;以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度;根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重;结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。本申请单纯以数据点的统计分布为依据,不受专家主观差异的影响,分类结果稳定性较好,分级评估更加准确。
Description
技术领域
本申请涉及地质灾害评估技术领域,尤其涉及地质滑坡静态要素风险分级的评估方法及评估装置。
背景技术
由于地质、地貌,气候以及社会经济工程活动等条件的影响,崩塌、滑坡、泥石流等地质灾害造成巨量的人员伤亡和财产损失。因此急需要一种方式提前预知滑坡灾害。
滑坡灾害的危险性评价研究的方法主要分为两类,即定性方法和定量方法。在定性方法的实现过程中。评价指标体系的建立主要是依靠专家的经验知识,具有主观性和不确定性。这主要是因为不同的专家可能会由于其个人经验与知识结构的差异所做出的评价结论也不同,使得评价体系难以通用化、标准化。而对于定量方面,其评价指标体系主要是根据对已发生滑坡灾害分布数据以及影响滑坡发生的因子数据进行分析而确定的。目前,实际应用中,采用主观客观方法相结合,评估风险。例如,采用权重线性组合模型,基于专家评估二级致灾因子风险评分,利用致灾因子滑坡密度计算一级致灾因子权重,划分滑坡敏感性区域等级。总的来说,定量方法相对于定性方法而言更具有客观性,也更依赖于数据本身的准确性。
然而,现有技术在划分滑坡敏感性区域等级过程中,主要存在三方面的问题:一方面,一级致灾因子细化分档时,主要依赖主观经验划分档位数值,不同专家给出的数值结果间,往往并不一致,致使同一区域评估结果缺乏稳定性;另一方面,二级致灾因子风险评分,采用的模糊数方法,会依赖于专家和待评估区域空间范围,结果缺乏稳定性;最后,采用基于熵的加权法计算得到的一级致灾因子权重,仅仅考虑二级致灾因子对应滑坡面积密度,并没有考虑到二级致灾因子对应的区域面积与评估总面积的比例情况。
发明内容
本申请提供地质滑坡静态要素风险分级的评估方法及评估装置,以解决现有技术中滑坡灾害风险评估缺乏稳定性、不够准确的问题。
为解决上述技术问题,本申请提出一种地质滑坡静态要素风险分级的评估方法,包括:将一级致灾因子从数值上,划出若干档二级致灾因子;以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度;根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重;结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。
为解决上述技术问题,本申请提出一种地质滑坡静态要素风险分级的评估装置,包括:
二级致灾因子获取模块,用于将一级致灾因子从数值上,划出若干档二级致灾因子;二级致灾因子的风险强度获取模块,用于以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度;一级致灾因子的风险权重获取模块,用于根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重;风险评分模块,用于结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。
本申请提出地质滑坡静态要素风险分级的评估方法及评估装置,方法包括:将一级致灾因子从数值上,划出若干档二级致灾因子;以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度;根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重;结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。通过上述方式,本申请单纯以数据点的统计分布为依据,不受专家主观差异的影响,分类结果稳定性较好,分级评估更加准确。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施方式,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是本申请地质滑坡静态要素风险分级的评估方法一实施例的流程示意图;
图2是本申请滑坡点高程的统计频次分布一实施例的示意图;
图3是本申请滑坡点高程累计概率分布及分档阈值一实施例的示意图;
图4是本申请滑坡点坡度的统计频次分布一实施例的柱状示意图;
图5是本申请滑坡点坡度的统计频次分布一实施例的曲线示意图;
图6是本申请滑坡点地形起伏的统计频次分布一实施例的柱状示意图;
图7是本申请滑坡点地形起伏的统计频次分布一实施例的曲线示意图;
图8是本申请滑坡点水网密度的统计频次分布一实施例的柱状示意图;
图9是本申请滑坡点水网密度的统计频次分布一实施例的曲线示意图;
图10是本申请地质滑坡静态要素风险分级的评估装置一实施例的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案,下面结合附图和具体实施方式对本申请所提供地质滑坡静态要素风险分级的评估方法及评估装置进一步详细描述。
本申请提出一种地质滑坡静态要素风险分级的评估方法,请参阅图1,图1是本申请地质滑坡静态要素风险分级的评估方法一实施例的流程示意图,在本实施例中,具体可以包括以下步骤:
S110:将一级致灾因子从数值上,划出若干档二级致灾因子。
计算滑坡点对应的一级致灾因子的累计概率分布F(x),包括:
定义一级致灾因子的累计概率分布函数F(x),则F(xa)≡P(X≤xa)=a,式中X为随机变量,为一级致灾因子的具体取值;P(X≤xa)为随机变量小于或等于xa的概率,该概率的值为a;
按照等概率基准,计算一级致灾因子分档阈值,包括:
具体地,a分布取{0.2,0.4,0.6,0.8},得到对应的xa数值{x0.2,x0.4,x0.6,x0.8},进而依据此划分一级致灾因子为5个类别,5个类别的累计概率区间分别为:
{(0,0.2),(0.2,0.4),(0.4,0.6),(0.6,0.8),[0.8,1.0]}。
以500米分辨率的高程数据为例,按照上述方法计算可得,其分档阈值Dema的取值为{206,558,1142,1734}(米)。具体地,南方五省滑坡点对应的高程(Dem)的分布情况如下图2,以及利用累计概率分布计算得到分档阈值,如下图3所示。
同理,可以得到其它一级致灾因子,如坡度、地形起伏、水网密度的分档阈值。具体地,坡度{1.88,3.89,6.60,10.69}(度),地形起伏{61,116,186,281}(米),水网密度{0.24,0.34,0.45,0.55}(公里/平方公里),具体如图4-图9所示。
S120:以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度。
滑坡灾害密度定义为单位面积内发生滑坡的数量,单位是次/平方公里。具体计算如下式。
进一步的,计算二级致灾因子的滑坡灾害密度为:
其中,ρj为第j个二级致灾因子对应的滑坡灾害密度,cj为第j个二级致灾因子对应的滑坡灾害数量,Aj为第j个二级致灾因子对应的统计区域的总面积,单位是次/平方公里。
可以计算得到南方五省二级致灾因子的滑坡密度,各个一级致灾因子下的二级致灾因子滑坡密度如下表所示。
表1二级致灾因子滑坡密度
以区域平均滑坡灾害密度为参考基准,度量二级致灾因子滑坡密度,计算二级致灾因子的风险强度为:
其中,sj为第j个二级致灾因子的风险强度,为平均滑坡灾害密度;sj的数值为1时,表明该因子对应滑坡风险与平均风险水平相同;数值越大,表明该因子对应滑坡风险越高。反之,对应风险越小。利用上一公式,可以计算得到南方五省二级致灾因子的风险强度,各个一级致灾因子下的二级致灾因子风险强度如下表所示。
表2二级致灾因子风险强度
S130:根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差。
考察一级致灾因子对滑坡灾害风险区分能力,不仅仅考察各个二级致灾因子滑坡密度的差异,也应该考虑到二级致灾因子对应区域的面积,同时也需引入滑坡的自然分布概率。因此,构建一级致灾因子类内的平均偏差,如下式:
该平均偏差综合考虑二级因子所占区域面积、二级因子对应滑坡概率,以及滑坡的自然密度分布等三个要素。所得结果,描述了二级因子按照各自所占面积比例为权重,偏离平均滑坡密度的平均程度,单位为次/平方公里。
具体地,以南方五省滑坡数据为例,利用上述公式计算得到一级致灾因子类内平均偏差计算结果见下表。
表3一级致灾因子类内平均偏差
一级致灾因子 | 类内平均偏差 |
高程 | 0.0015 |
坡度 | 0.0023 |
地形起伏 | 0.0025 |
水网密度 | 0.0057 |
S140:以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重。
计算一级致灾因子权重。以类内平均偏差为基础,归一化获得全部一级致灾因子的风险权重,如下式:
式中,Wi为第i个一级致灾因子的权重,Di为一级致灾因子类内平均偏差,∑iDi为一级致灾因子总数量。
具体地,以南方五省滑坡数据为例,利用上述公式计算得到一级致灾因子权重计算结果见下表。
表4一级致灾因子类内平均偏差
一级致灾因子 | 类内平均偏差 |
高程 | 0.1271 |
坡度 | 0.1917 |
地形起伏 | 0.2111 |
水网密度 | 0.4702 |
S150:结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。
以权重线性组合法,计算某个滑坡点的滑坡静态要素的风险评分,计算式如下:
具体地,以南方五省滑坡数据为例,利用上述公式计算得到静态要素风险评分分布。
进行滑坡风险评级。按照累积概率方法,分析静态要素风险评分的分布情况。当其取之位于概率区间[0,10%),[10%,25%),[25%,50%),[50%,75%),
[75%,100%]时,分别对应指数值为1、2、3、4、5。当分级指数小于等于1时,为一级,滑坡灾害的可能性很小;当分级指数等于2时,为二级,滑坡灾害的可能性较小;当分级指数等于3时,为三级,滑坡灾害的可能性较大;当分级指数等于4时,为四级,滑坡灾害的可能性大。当分级指数等于5时,为五级,滑坡灾害的可能性很大。
具体地,以南方五省滑坡数据为例,利用上述分级方法得到静态要素风险分级分布。
综上所述,本申请的地质滑坡静态要素风险分级的评估方法,具有以下有益:
1、以历史滑坡点数据为基础,以滑坡点对应二级因子数值为排序依据,以相等概率间隔对应的二级因子为阈值,划分一级因子内类别。
而现有技术,往往采用主观经验直接给出二级致灾因子的划分阈值。
相比较而言,单纯以数据点的统计分布为依据,不受专家主观差异的影响,分类结果稳定性较好,有利于本方案在不同区域和个例上,保持一致的计算结果,确保结果之间的可比较性。
2、评估二级致灾因子风险时,以区域平均滑坡灾害密度为参考基准,度量二级致灾因子滑坡密度,得到二级致灾因子风险强度。
而现有计数值,采用专家给出的模糊数方法,主观性较强。
相比较而言,本方案不依赖于专家经验,普适性较强,可以应用于其它地区,由于采用的算法是相同的,因此,地区间的评估结果可以做横向比较。
3、构建一级因子类内平均偏差,该参数综合考虑二级因子所占区域面积、二级因子对应滑坡概率,以及滑坡的自然密度分布等三个要素。以该区分指数计算各个一级因子的权重。
而现有技术中,例如采用基于熵的加权法,仅仅依据滑坡面积密度计算各个二级因子的熵,同时以全部二级因子的熵,重新在数学上归一化,计算以及因子权重。
相比较而言,相比于传统的信息熵方法仅仅以二级因子的面积密度有关,本方案引入了二级因子面积占比来约束面积密度,计算方法物理意义更加明确,计算结果更加稳定可靠。
4、所得结果可以作为静态背景资料,进一步结合近期内气象降水、人工工程以及地震火山等诱发致灾要素,对滑坡等地质灾害做出更好的预测预警。
5、考虑到滑坡具有百米级的小尺度的局部性特点,人们应对滑坡风险情况时,往往只需在公里级别尺度上迁移即可应对,因此,描述静态要素导致的滑坡风险时,需要提供分辨率较为精细的预警信息。以500米分辨率高程数据和1:25万地形数据作为基础数据,可以得到静态要素500米的风险分布图,属于高空间分辨率的滑坡风险背景资料,可以更好的满足对静态要素风险评估的需求。
基于上述的地质滑坡静态要素风险分级的评估装置,本申请还提出一种地质滑坡静态要素风险分级的评估装置,请参阅图10,图10是本申请地质滑坡静态要素风险分级的评估装置一实施例的结构示意图,评估装置具体可以包括以下:
二级致灾因子获取模块100,用于将一级致灾因子从数值上,划出若干档二级致灾因子。
二级致灾因子的风险强度获取模块200,用于以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度。
一级致灾因子的风险权重获取模块300,用于根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重。
风险评分模块400,用于结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。
可选地,二级致灾因子获取模块100用于:
计算滑坡点对应的一级致灾因子的累计概率分布F(x),包括:
定义一级致灾因子的累计概率分布函数F(x),则F(xa)≡P(X≤xa)=a,式中X为随机变量,为一级致灾因子的具体取值;P(X≤xa)为随机变量小于或等于xa的概率,该概率的值为a;
按照等概率基准,计算一级致灾因子分档阈值,包括:
具体地,a分布取{0.2,0.4,0.6,0.8},得到对应的xa数值{x0.2,x0.4,x0.6,x0.8},进而依据此划分一级致灾因子为5个类别,5个类别的累计概率区间分别为:
{(0,0.2),(0.2,0.4),(0.4,0.6),(0.6,0.8),[0.8,1.0]}。
可选地,二级致灾因子的风险强度获取模块200还用于:
计算二级致灾因子的滑坡灾害密度为:
其中,ρj为第j个二级致灾因子对应的滑坡灾害密度,cj为第j个二级致灾因子对应的滑坡灾害数量,Aj为第j个二级致灾因子对应的统计区域的总面积,单位是次/平方公里;
计算二级致灾因子的风险强度为:
可选地,一级致灾因子的风险权重获取模块300还用于:
构建一级致灾因子类内的平均偏差,如下式:
归一化获得全部一级致灾因子的风险权重,如下式:
式中,Wi为第i个一级致灾因子的权重,Di为一级致灾因子类内平均偏差,∑iDi为一级致灾因子总数量;
可选地,风险评分模块400还用于:
以权重线性组合法,计算某个滑坡点的滑坡静态要素的风险评分,计算式如下:
本申请提出地质滑坡静态要素风险分级的评估方法及评估装置,方法包括:将一级致灾因子从数值上,划出若干档二级致灾因子;以滑坡灾害密度为基础,计算二级致灾因子风险评分,进而得到二级致灾因子的风险强度;根据二级致灾因子的风险强度获得对应一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出各个一级致灾因子的风险权重;结合二级致灾因子的风险强度和一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中风险评分用于划分地质滑坡静态要素的风险等级。通过上述方式,本申请单纯以数据点的统计分布为依据,不受专家主观差异的影响,分类结果稳定性较好,分级评估更加准确。
可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。文中所使用的步骤编号也仅是为了方便描述,不对作为对步骤执行先后顺序的限定。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种地质滑坡静态要素风险分级的评估方法,其特征在于,包括:
将一级致灾因子从数值上,划出若干档二级致灾因子;
以滑坡灾害密度为基础,计算所述二级致灾因子风险评分,进而得到二级致灾因子的风险强度;
根据所述二级致灾因子的风险强度获得对应所述一级致灾因子类内平均偏差;
其中,构建所述一级致灾因子类内的平均偏差,如下式:
以各个一级致灾因子类内平均偏差为基础,计算出所述各个一级致灾因子的风险权重;其中,所述以各个一级致灾因子类内平均偏差为基础,计算出所述各个一级致灾因子的风险权重,包括:
归一化获得全部一级致灾因子的风险权重,如下式:
式中,Wi为第i个一级致灾因子的权重,Di为一级致灾因子类内平均偏差,∑iDi为一级致灾因子总数量;
结合所述二级致灾因子的风险强度和所述一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中所述风险评分用于划分所述地质滑坡静态要素的风险等级。
2.根据权利要求1所述的地质滑坡静态要素风险分级的评估方法,其特征在于,所述将一级致灾因子从数值上,划出若干档二级致灾因子,包括:
计算滑坡点对应的一级致灾因子的累计概率分布F(x),包括:
定义一级致灾因子的累计概率分布函数F(x),则F(xa)≡P(X≤xa)=a,式中X为随机变量,为一级致灾因子的具体取值;P(X≤xa)为随机变量小于或等于xa的概率,该概率的值为a;
按照等概率基准,计算一级致灾因子分档阈值,包括:
具体地,a分布取{0.2,0.4,0.6,0.8},得到对应的xa数值{x0.2,x0.4,x0.6,x0.8},进而依据此划分一级致灾因子为5个类别,所述5个类别的累计概率区间分别为:
{(0,0.2),(0.2,0.4),(0.4,0.6),(0.6,0.8),[0.8,1.0]}。
5.一种地质滑坡静态要素风险分级的评估装置,其特征在于,包括:
二级致灾因子获取模块,用于将一级致灾因子从数值上,划出若干档二级致灾因子;
二级致灾因子的风险强度获取模块,用于以滑坡灾害密度为基础,计算所述二级致灾因子风险评分,进而得到二级致灾因子的风险强度;
一级致灾因子的风险权重获取模块,用于根据所述二级致灾因子的风险强度获得对应所述一级致灾因子类内平均偏差;以各个一级致灾因子类内平均偏差为基础,计算出所述各个一级致灾因子的风险权重;其中,所述一级致灾因子的风险权重获取模块还用于:
构建所述一级致灾因子类内的平均偏差,如下式:
所述以各个一级致灾因子类内平均偏差为基础,计算出所述各个一级致灾因子的风险权重,包括:
归一化获得全部一级致灾因子的风险权重,如下式:
式中,Wi为第i个一级致灾因子的权重,Di为一级致灾因子类内平均偏差,∑iDi为一级致灾因子总数量;
风险评分模块,用于结合所述二级致灾因子的风险强度和所述一级致灾因子的风险权重,按照权重线性组合法,能够计算某个滑坡点的滑坡静态要素的风险评分,其中所述风险评分用于划分所述地质滑坡静态要素的风险等级。
6.根据权利要求5所述的地质滑坡静态要素风险分级的评估装置,其特征在于,所述二级致灾因子获取模块用于:
计算滑坡点对应的一级致灾因子的累计概率分布F(x),包括:
定义一级致灾因子的累计概率分布函数F(x),则F(xa)≡P(X≤xa)=a,式中X为随机变量,为一级致灾因子的具体取值;P(X≤xa)为随机变量小于或等于xa的概率,该概率的值为a;
按照等概率基准,计算一级致灾因子分档阈值,包括:
具体地,a分布取{0.2,0.4,0.6,0.8},得到对应的xa数值{x0.2,x0.4,x0.6,x0.8},进而依据此划分一级致灾因子为5个类别,所述5个类别的累计概率区间分别为:
{(0,0.2),(0.2,0.4),(0.4,0.6),(0.6,0.8),[0.8,1.0]}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708416.9A CN113393144B (zh) | 2021-06-24 | 2021-06-24 | 地质滑坡静态要素风险分级的评估方法及评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708416.9A CN113393144B (zh) | 2021-06-24 | 2021-06-24 | 地质滑坡静态要素风险分级的评估方法及评估装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393144A CN113393144A (zh) | 2021-09-14 |
CN113393144B true CN113393144B (zh) | 2022-11-18 |
Family
ID=77624156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110708416.9A Active CN113393144B (zh) | 2021-06-24 | 2021-06-24 | 地质滑坡静态要素风险分级的评估方法及评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393144B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066165B (zh) * | 2021-10-20 | 2024-08-13 | 国网黑龙江省电力有限公司电力科学研究院 | 一种改进的输电线路高位滑坡危险性评价系统及方法 |
CN114358651A (zh) * | 2022-01-17 | 2022-04-15 | 四创科技有限公司 | 一种单点危险源的动态风险等级计算方法及终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593580A (zh) * | 2013-11-29 | 2014-02-19 | 民政部国家减灾中心 | 一种区域滑坡灾害风险估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210181377A1 (en) * | 2016-02-23 | 2021-06-17 | Nec Corporation | Information processing device, parameter correction method and program recording medium |
CN107316163A (zh) * | 2017-07-18 | 2017-11-03 | 海南师范大学 | 一种区域灾害风险评估方法 |
CN112070417A (zh) * | 2020-09-18 | 2020-12-11 | 南京大学 | 一种自然灾害诱发技术事故灾难风险评估方法和系统 |
-
2021
- 2021-06-24 CN CN202110708416.9A patent/CN113393144B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593580A (zh) * | 2013-11-29 | 2014-02-19 | 民政部国家减灾中心 | 一种区域滑坡灾害风险估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113393144A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113642849B (zh) | 考虑空间分布特征的地质灾害危险性综合评价方法及装置 | |
CN108280553B (zh) | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 | |
CN112819207B (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
Khalili et al. | Comparability analyses of the SPI and RDI meteorological drought indices in different climatic zones | |
CN115688404B (zh) | 基于svm-rf模型的降雨型滑坡预警方法 | |
CN113393144B (zh) | 地质滑坡静态要素风险分级的评估方法及评估装置 | |
CN116108758B (zh) | 滑坡易发性评价方法 | |
CN114926067B (zh) | 一种基于信息量模型的层次分析地质灾害风险评价方法 | |
CN110929939B (zh) | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 | |
CN111898385B (zh) | 一种地震灾害评估方法及系统 | |
CN104951588A (zh) | 一种矿井通风系统辅助设计方法 | |
CN109887241A (zh) | 一种山洪灾害气象预警计算方法及系统 | |
CN109118004B (zh) | 一种工程构筑选址适宜区预测方法 | |
CN107169289A (zh) | 一种基于可拓最优组合赋权法的滑坡危险性评价方法 | |
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 | |
CN115796373A (zh) | 风险预测方法、设备及存储介质 | |
CN116384627A (zh) | 一种基于机器学习的地质灾害评价方法 | |
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 | |
CN114897378A (zh) | 地质灾害精细化气象风险预警区评价方法及装置 | |
CN118333386A (zh) | 一种基于曲率参数的泥石流隐患易发性评价方法及系统 | |
CN103559389A (zh) | 一种县域耕地等级变化监测样点布设的方法 | |
CN117540303A (zh) | 基于交叉半监督机器学习算法的滑坡易发性评估方法及系统 | |
CN112232689A (zh) | 一种茶叶连片种植区的生态地质脆弱性评价方法 | |
CN116863651A (zh) | 一种基于降雨事件预警响应动态优化的滑坡气象预警方法 | |
CN114997666A (zh) | 一种区域泥石流易发性评估方法 |
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 |