CN113610337A - 基坑工程风险确定方法、装置、计算机设备和存储介质 - Google Patents
基坑工程风险确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113610337A CN113610337A CN202110689668.1A CN202110689668A CN113610337A CN 113610337 A CN113610337 A CN 113610337A CN 202110689668 A CN202110689668 A CN 202110689668A CN 113610337 A CN113610337 A CN 113610337A
- Authority
- CN
- China
- Prior art keywords
- risk
- evaluator
- foundation pit
- distance
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000010276 construction Methods 0.000 claims description 26
- 230000002776 aggregation Effects 0.000 claims description 17
- 238000004220 aggregation Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000009412 basement excavation Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 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
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基坑工程技术领域，提供了一种基坑工程风险确定方法、装置、计算机设备和存储介质。本申请通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取各评价方权重，以此分配各评价方的重要程度并综合各评价方的风险评价结果得到群体决策矩阵，进一步结合各风险源的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，更客观更贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
Description
技术领域
本申请涉及基坑工程技术领域，特别是涉及一种基坑工程风险确定方法、装置、计算机设备和存储介质。
背景技术
在基坑工程领域，近年来基坑工程向规模大、深度大的方向不断发展，施工难度和风险也随之增大，如何确定基坑工程的施工风险成为关注热点。基坑开挖的施工质量在整个工程起到基石的作用，因此，如何识别开挖过程中潜在的风险因素，避免事故的发生尤为重要。
传统技术中，基坑工程的风险评估方法主要分为定性和定量两类。通常的做法是根据不同指标标准衡量估计基坑工程风险，由风险评价结果提出风险应对决策，再对基坑工程风险进行跟踪监控。其中，定性方法主要根据专家经验进行应用，定量方法主要根据实际监测数据进行应用，但在复杂的地质条件下，这两类评估方法的任一种都不全面，使得对基坑工程的风险评估的准确性不高。
发明内容
基于此，有必要针对上述技术问题，提供一种基坑工程风险确定方法、装置、计算机设备和存储介质。
一种基坑工程风险确定方法，所述方法包括：
基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；
根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；
获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；
确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；
根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；
根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；
根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
一种基坑工程风险确定装置，包括：
风险因素获取模块，用于基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；
评价方权重获取模块，用于根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；
群体决策获取模块，用于获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
聚合评价获取模块，用于确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；
综合加权获取模块，用于确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；
距离计算模块，用于根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；
贴近度计算模块，用于根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；
风险确定模块，用于根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
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以下步骤：
基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
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以下步骤：
基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
上述基坑工程风险确定方法、装置、计算机设备和存储介质，通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取其对应的评价方权重，以此分配各评价方的相对重要程度并综合各风险评价方的风险评价结果得到群体决策矩阵，提高风险评价结果的可靠性，进一步结合各风险源对应的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，能够对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，在确定基坑风险等级时能更客观更加贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
附图说明
图1为一个实施例中基坑工程风险确定方法的流程示意图；
图2为一个实施例中潜在风险因素决策层次图的示意图；
图3为一个实施例中各风险因素的特征权重的示意图；
图4为一个实施例中根据第一距离和第二距离计算各风险因素的贴近度指数的步骤的流程示意图；
图5为一个实施例中基坑工程风险确定装置的结构框图；
图6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。
本申请涉及的部分用语解释：
TOPSIS(Technique for Order Preference by Similarity to an IdealSolution)法：多目标决策分析中一种与理想目标接近程度的优先排序技术。
风险评价方的置信度指数值：指用语言术语来表达被调查风险评价方的评价，由判断能力值和主观信度值组成，置信度指数值越高，表示风险评价方的相关重要性越高，置信度指数值越低，表示风险评价方的相关重要性越低。
本申请提供的基坑工程风险确定方法，可以应用于例如服务器、终端等计算机设备当中，终端可以但不限于是各种个人计算机、笔记本电脑和平板电脑，服务器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1所示，本申请提供的基坑工程风险确定方法，可以包括如下步骤：
步骤S101，基于基坑工程的风险数据，获取潜在风险因素决策层次图；
其中，潜在风险因素可以理解为各风险源中可能造成风险的因素简称为风险因素。潜在风险因素决策层次图可以根据基坑工程现场的各风险源和各风险因素进行层次划分得到，基坑工程的潜在风险因素层次图可具体划分为两层，第一层为各风险源，第二层为各风险源下的各个风险因素。
具体的，在一些实施例中，在构建潜在风险因素决策层次图之前，可先采集基坑工程的相关风险数据，该相关风险数据可以包括基坑工程现场所有工程监测数据以及安全施工日志、事故处理记录的数据等，在具体场景中，监测项目可以包括隔地位移、地表沉降、隔地垂直移动、地下水水位、土体水平位移等。在采集到基坑工程的风险数据后，可进一步对基坑工程的风险数据进行去除异常值处理，异常值可以包括各潜在风险因素中大于或小于对应平均值超过预设倍数标准差的数据，其中，平均值是指各潜在风险因素对应的各数据的平均值，在实际应用中，去除异常值具体可以是剔除各潜在风险因素中大于或小于对应平均值超过3倍标准差的数据。
在得到去除异常值处理后的基坑工程的风险数据后，进一步基于该去除异常值处理后的基坑工程的风险数据，构建前述潜在风险因素决策层次图。在不同的挖掘阶段，风险源信息不同，
在一些实施例中，如图2所示，各风险源可以包括地质风险B1、施工监察B2、深基坑相关变量B3、施工质量与管理风险B4以及环境风险B5。其中，地质风险B1在不同的地质条件下，土壤类型，土壤质量等参数具有不同特征，其相对的风险因素也不同，本实施例中，地质风险B1下的各风险因素包括：地下水位X1、土体重量X2、地层类型X3、土体压缩模量X4；施工监察B2是指监察挖掘工程在施工阶段的表现，本实施例中，施工监察B2下的各风险因素包括侧壁挠度X5、地面沉降X6、壁面垂直位移X7、土体水平位移X8和相邻桥梁沉降X9；深基坑相关变量B3可以通过参阅建筑标准及技术手册等方式获知，本实施例中，深基坑相关变量B3下的各风险因素包括基坑深度X10、第一水平相对距离X11、第二水平相对距离X12；施工质量与管理风险B4是指在不同的地质条件下，采用的施工技术可能不同，相对应的技术施工风险因素也不同，基坑工程涉及多个施工程序，管理不当也会造成挖掘风险，本实施例中，施工质量与管理风险B4下的各风险因素包括施工技术X13和管理质量X14；环境风险B5是指现场周围的环境会对施工现场产生影响，如周围建筑产生的静荷载，附近机器操作产生的震动等，本实施例中，环境风险B5下的各风险因素包括动荷载X15和堆载X16。
步骤S102，根据各风险评价方对应的勾股模糊数，获取各风险评价方对应的评价方权重。
本步骤中，勾股模糊数用于表征各风险评价方的重要程度，该风险评价方具体可以是基坑工程领域的专家或机构。各风险评价方可以对应表示为勾股模糊数Ek＝(αk,βk,λk)，k表示风险评价方的数量，例如邀请了5位领域专家进行风险评价，可分别表示为项目经理E1、项目经理E2、工程师E3、工程师E4、工程师E5，对该些风险评价方的重要程度的语言术语可以包括非常重要(VI)、重要(I)、中等(M)、不重要(U)、非常不重要(VU)，其对应的勾股模糊数(PFN)分别为：[0.90,0.20,0.39]、[0.80,0.45,0.40]、[0.65,0.50,0.57]、[0.40,0.60,0.69]、[0.20,0.90,0.39]。在一些实施例中，本步骤具体可以通过如下方式获取各风险评价方对应的评价方权重：
将各风险评价方对应的勾股模糊数输入评价方权重计算模型，得到各风险评价方对应的评价方权重；其中，评价方权重计算模型为：
其中，κk表示第k个风险评价方的评价方权重，n表示风险评价方的数量，αk、βk和λk分别是所述第k个风险评价方对应的勾股模糊数中的第一值、第二值和第三值。其中，各风险评价方应满足评价方权重之和为1.0，示例性的，如上5位领域专家的评价方权重可以分别为：κ1＝0.2715、κ2＝0.2352、κ3＝0.2165、κ4＝0.0603、κ5＝0.2165。
在一些实施例中，步骤S102之前，可通过如下步骤确定各风险评价方对应的勾股模糊数，具体包括：
获取各风险评价方的判断能力值和主观信度值，将判断能力值和主观信度值的乘积作为各风险评价方的置信度指数值，根据各风险评价方的置信度指数值，确定各风险评价方对应的勾股模糊数。
本实施例中，风险评价方的置信度指数值θm由风险评价方的判断能力值ωm和主观信度值μm组成，具体的，风险评价方的置信度指数值θm＝ωmμm，然后可依据各风险评价方的置信度指数值的相对大小，为各风险评价方分配的勾股模糊数，其中，置信度指数值θm越高，表示该风险评价方的相关重要性越高，置信度指数值θm越低，表示该风险评价方的相关重要性越低。
进一步的，上述实施例中的获取各风险评价方的判断能力值和主观信度值，可以包括：
根据各风险评价方针对基坑领域的业务处理经验年限，确定各风险评价方的业务能力等级；根据预设的业务能力等级与判断能力值的对应关系以及预设的业务能力等级与主观信度值的对应关系，获取各风险评价方各自与业务能力等级相对应的判断能力值和主观信度值。
具体的，业务能力等级可以分为五个等级，相应的，判断能力值和主观信度值也可以设置为与该五个等级对应五个值，从而构成前述业务能力等级与判断能力值的对应关系，以及业务能力等级与主观信度值的对应关系。示例性的，业务能力等级可以包括：等级1为业务处理经验超过30年的领域专家以及从事地下空间研究领域的教授，等级2为工作经验20-30年的领域专家，等级3为工作经验10-20年的领域专家，等级4为工作经验5-10年的领域专家，等级5为工作经验在5年内的领域专家，判断能力值ωm可以分别为：ω1＝1.0、ω2＝0.9、ω3＝0.8、ω4＝0.7和ω5＝0.6，主观信度是指主观判断的信度，主观信度值μm可以分别为：μ1＝1.0、μ2＝0.9、μ3＝0.8、μ4＝0.7和μ5＝0.6。
由此，在实际场景中，若五个专家的判断能力值ωm和主观信度值μm分别为：ω1＝1.0、ω2＝0.9、ω3＝0.8、ω4＝0.7和ω5＝0.9，μ1＝0.9、μ2＝0.8、μ3＝0.8、μ4＝0.7和μ5＝0.7，那么置信度指数值θm为θ1＝0.9、θ2＝0.72、θ3＝0.64、θ4＝0.49、θ5＝0.63。
步骤S103，获取各风险评价方的风险评价结果，基于各风险评价方对应的评价方权重将各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
本步骤中，基于各风险评价方对应的评价方权重将各风险评价方的风险评价结果进行合并的表达式为：
其中，
xij表示为第i个风险因素在第j个风险评价方的风险评价结果；α，β，λ分别代表一个模糊数的三个参数，具体的，α代表模糊数的隶属度，β代表模糊数的非隶属度，λ代表模糊数的犹豫度；n表示为风险评价方的数量，m表示为风险因素的个数，σ的含义是决策者/风险评价方的权重，Cj表示为第j个风险评价方。
基于此，群体决策矩阵χ表达为：
其中,Am代表第m个待识别的风险因素。
步骤S104，确定各风险源对应的准则权重矩阵，根据各风险源对应的准则权重矩阵和群体决策矩阵，得到聚合评价矩阵；
本步骤中，W＝[w1,w2,...,wm]表示各风险源对应的准则权重矩阵，m为风险源的个数，然后将准则权重矩阵和前述群体决策矩阵χ相乘，构建得到聚合评价矩阵
其中，聚合评价矩阵
的表达式为：
其中，wj＝(αW(Cj),βW(Cj),λW(Cj))为准则权重矩阵中的元素，取值可以为：
而对于聚合评价矩阵
中的元素可具体表达为：
步骤S105，确定以三角模糊数的脆值表示的各风险因素的特征权重，根据特征权重和聚合评价矩阵，得到综合加权矩阵；
本步骤中，用三角模糊数(triangular fuzzy number，TFN)的脆值表示各风险因素的特征权重，然后根据该特征权重和前述聚合评价矩阵构建综合加权矩阵。具体的，可以先采用下式计算各风险因素的特征权重：
其中，
表示为第i个风险因素在第j个模糊数指标的特征权重，n为风险因素个数，Qi为模糊数指标的个数，κk表示第k个风险评价方的评价方权重，M表示为风险评价方个数，m表示为各风险因素的特征语言的个数。其中，
表示各风险因素的特征语言术语，具体可以包括：
不可能、
几乎不可能、
非常不可能、
完全不可能、
有机会、
完全可能、
非常可能、
几乎确定、
确定，其对应的三角模糊数(TFN)分别为：(0.000,0.075,0.150)、(0.150,0.200,0.250)、(0.250,0.300,0.350)、(0.350,0.400,0.450)、(0.450,0.500,0.550)、(0.550,0.600,0.650)、(0.650,0.700,0.750)、(0.750,0.800,0.850)、(0.850,0925,1.000)。在此基础上，采用下式计算其归一化权重：
接着再采用虚拟加权评价方法，将TFNs转化为一个精确的脆值作为各风险因素特征的权重，具体可采用下式计算精确的脆值：
其中，
是F(x)的α-level集合，f(·)为加权评价函数，
为α-level集合的上边界和下边界。再通过下式得到对各风险因素的不同状态的脆值P△(T＝t)：
其中，P表示为各因素的归一化权重，t表示为每个参数的区间数，T表示为每个影响因素的区间数。
最后确定各状态之间的最大归一化脆值作为各风险因素的特征权重wΛ＝max P△(T＝t)，示例性的，如图3示出了前述各风险因素(X1至X16)的特征权重的数值。
在得到各风险因素的特征权重wΛ后，将隶属度函数αAiW(Cj)与风险因素的特征权重wΛ相乘得到
据此构建的综合加权矩阵χ*如下式所示：
步骤S106，根据综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算各风险因素与勾股模糊正理想解的第一距离以及与勾股模糊负理想解的第二距离；
本步骤主要是识别勾股模糊正理想解和勾股模糊负理想解，并据此计算各风险因素与勾股模糊正理想解的距离即第一距离，以及计算各风险因素与勾股模糊负理想解的距离即第二距离。其中，正理想解是一设想的最优的方案，其各个属性值都达到各备选方案中最好的值，负理想解是一设想的最差的方案，其各个属性值都达到各备选方案中最差的值，勾股模糊正理想解包括所有准则的最佳值，勾股模糊负理想解包括所有准则的最差值。具体的，勾股模糊正理想解A+和勾股模糊负理想解A-可通过如下三式识别得到：
其中，
J1表示盈利指标集，J1＝{B4}；J2表示消耗指标集，J2＝{B1,B2,B3,B5}。
然后，对于各风险因素与勾股模糊正理想解A+的第一距离Df(Ai,A+)的计算，可以采用下式进行：
对于各风险因素与勾股模糊负理想解A-的第二距离Df(Ai,A-)的计算，看采用下式进行：
其中，m为准则的个数。
步骤S107，根据第一距离和第二距离，计算各风险因素的贴近度指数；
本步骤主要是计算各风险因素的贴近度指数。其中，贴近度指数表示两个模糊子集间相似程度的一种度量。在其中一些实施例中，可通过下式计算各风险因素关于PFPIS-A+的贴近度指数
在另外一个实施例中，如图4所示，步骤S107具体包括：
步骤S401，获取各风险因素的第一距离各自与最小第一距离的比值，作为各风险因素的第一距离比值。
其中，最小第一距离是指各风险因素的第一距离中的最小值。具体的，各风险因素的第一距离Df(Ai,A+)各自与最小第一距离
的比值可以表示为第一距离比值
步骤S402，获取各风险因素的第二距离各自与最大第二距离的比值，作为各风险因素的第二距离比值。
其中，最大第二距离是指各风险因素的第二距离中的最大值；具体的，各风险因素的第二距离Df(Ai,A-)各自与最大第二距离
的比值可以表示为第二距离比值
步骤S403，根据各风险因素的第一距离比值与第二距离比值的差值，得到各风险因素的贴近度指数。
具体的，各风险因素的贴近度指数ψ(Ai)可以表示为：
其中，ψ(Ai)的值越大，表示其潜在的风险因素越大。本实施例主要是依据第一距离和第二距离计算出修正后的贴近度指数，即采用了改进的勾股TOPSIS法计算各风险因素修整后的贴近度指数，改进的勾股TOPSIS法是一种选择距离正理想解最短和距离负理想解最远的因子的方法，由此更准确可靠地在后续步骤中通过排序等方式确定基坑工程的风险。
步骤S108，根据各风险因素的贴近度指数，确定基坑工程的风险。
具体的，可根据各风险因素的贴近度指数ψ(Ai)的大小确定基坑工程的风险，贴近度指数ψ(Ai)的值越大，表示相应的风险因素潜在的风险越大。
进一步的，在一些实施例中，步骤S108可以包括：按照各风险因素的贴近度指数的大小将各风险因素降序排列，得到基坑工程的风险。具体的，可采用下式对各风险因素的贴近度指数ψ(Ai)进行降序排列，A*由最大的修正贴近度指数组成：
在此可综合如上各风险因素的第一、第二距离和贴近度指数的计算结果以及排序处理结果进行统一描述，示例性的，各风险因素(X1至X16)与勾股模糊正理想解A+的第一距离Df(Ai,A+)的计算结果分别为：0.3147、0.2842、0.3285、0.2403、0.3044、0.3383、0.2696、0.2890、0.3400、0.2730、0.2357、0.2286、0.3250、0.3636、0.2424、0.2474，最小第一距离
为0.2286；各风险因素与勾股模糊负理想解A-的第二距离Df(Ai,A-)的计算结果分别为：0.2892、0.2569、0.2981、0.3319、0.3146、0.3327、0.2508、0.2336、0.3019、0.2778、0.3756、0.3156、0.3121、0.3459、0.2905、0.2871，最大第二距离
为0.3756；对于贴近度指数，可以是关于PFPIS-A+的贴近度指数
0.4789、0.4748、0.4757、0.5801、0.5082、0.4958、0.4818、0.4470、0.4703、0.5044、0.6144、0.5799、0.4899、0.4875、0.5451、0.5371；也可以是修正后的贴近度指数ψ(Ai)：0.607、0.559、0.644、0.167、0.494、0.594、0.512、0.642、0.684、0.455、0.031、0.160、0.591、0.670、0.287、0.318。而采用修正后的贴近度指数ψ(Ai)，排序结果为X9>X14>X3>X8>X1>X6>X13>X2>X7>X5>X10>X16>X15>X4>X12>X11。
上述基坑工程风险确定方法，通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取其对应的评价方权重，以此分配各评价方的相对重要程度并综合各风险评价方的风险评价结果得到群体决策矩阵，提高风险评价结果的可靠性，进一步结合各风险源对应的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，能够对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，在确定基坑风险等级时能更客观更加贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
从整体上看，本申请的方案在评估基坑开挖风险具有以下优势：本申请提供了基于改进的勾股TOPSIS的基坑工程风险确定方法，克服了传统方法中存在的例如未充分考虑采用专家经验、监测数据而造成风险识别不精确的技术问题，本申请可采用专家置信指数来分配咨询专家的相关重要性，在传统的定量方法基础上考虑了专家的经验，使评价结果更加准确，应用改进的TOPSIS方法对风险因素进行排序和识别，处理决策过程中的不确定性和模糊性，在确定风险等级时能更客观更加贴近工程实际情况，采用三角模糊数法考虑了各风险因素的特征，实现对基坑工程风险的有效识别与排序，使评价结果更具可靠性。
应该理解的是，虽然如上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，如上流程图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5所示，提供了一种基坑工程风险确定装置，该装置500可以包括：
风险因素获取模块501，用于基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；
评价方权重获取模块502，用于根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；
群体决策获取模块503，用于获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
聚合评价获取模块504，用于确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；
综合加权获取模块505，用于确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；
距离计算模块506，用于根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；
贴近度计算模块507，用于根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；
风险确定模块508，用于根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
在一个实施例中，贴近度计算模块507，用于获取所述各风险因素的第一距离各自与最小第一距离的比值，作为所述各风险因素的第一距离比值；所述最小第一距离为所述各风险因素的第一距离中的最小值；获取所述各风险因素的第二距离各自与最大第二距离的比值，作为所述各风险因素的第二距离比值；所述最大第二距离为所述各风险因素的第二距离中的最大值；根据所述各风险因素的第一距离比值与所述第二距离比值的差值，得到所述各风险因素的贴近度指数。
在一个实施例中，风险确定模块508，用于按照所述各风险因素的贴近度指数的大小将所述各风险因素降序排列，得到所述基坑工程的风险。
在一个实施例中，该装置500还可以包括：模糊数获取模块，用于获取所述各风险评价方的判断能力值和主观信度值；将所述判断能力值和主观信度值的乘积作为所述各风险评价方的置信度指数值；根据所述各风险评价方的置信度指数值，确定所述各风险评价方对应的勾股模糊数。
在一个实施例中，模糊数获取模块，用于根据所述各风险评价方针对基坑领域的业务处理经验年限，确定所述各风险评价方的业务能力等级；根据预设的业务能力等级与判断能力值的对应关系以及预设的业务能力等级与主观信度值的对应关系，获取所述各风险评价方各自与所述业务能力等级相对应的判断能力值和主观信度值。
在一个实施例中，评价方权重获取模块502，用于将所述各风险评价方对应的勾股模糊数输入评价方权重计算模型，得到所述各风险评价方对应的评价方权重；所述评价方权重计算模型为：
其中，κk表示第k个风险评价方的评价方权重，n表示风险评价方的数量，αk、βk和λk分别是所述第k个风险评价方对应的勾股模糊数的第一值、第二值和第三值。
在一个实施例中，风险因素获取模块501，用于对所述基坑工程的风险数据进行去除异常值处理；所述异常值包括各潜在风险因素中大于或小于对应平均值超过预设倍数标准差的数据；基于去除异常值处理后的基坑工程的风险数据，构建所述潜在风险因素决策层次图；其中，所述各风险源包括地质风险、施工监察、深基坑相关变量、施工质量与管理风险以及环境风险；所述地质风险下的各风险因素包括：地下水位、土体重量、地层类型、土体压缩模量；所述施工监察下的各风险因素包括侧壁挠度、地面沉降、壁面垂直位移、土体水平位移和相邻桥梁沉降；所述深基坑相关变量下的各风险因素包括基坑深度、第一水平相对距离、第二水平相对距离；施工质量与管理风险下的各风险因素包括施工技术和管理质量；所述环境风险下的各风险因素包括动荷载和堆载。
关于基坑工程风险确定装置的具体限定可以参见上文中对于基坑工程风险确定方法的限定，在此不再赘述。上述基坑工程风险确定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6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风险数据、风险因素决策层次图和各风险因素的贴近度指数等数据。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坑工程风险确定方法。
本领域技术人员可以理解，图6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，还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上述各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，该计算机程序被处理器执行时实现上述各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)
1.一种基坑工程风险确定方法，其特征在于，所述方法包括：
基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；
根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；
获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；
确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；
根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；
根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；
根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数，包括：
获取所述各风险因素的第一距离各自与最小第一距离的比值，作为所述各风险因素的第一距离比值；所述最小第一距离为所述各风险因素的第一距离中的最小值；
获取所述各风险因素的第二距离各自与最大第二距离的比值，作为所述各风险因素的第二距离比值；所述最大第二距离为所述各风险因素的第二距离中的最大值；
根据所述各风险因素的第一距离比值与所述第二距离比值的差值，得到所述各风险因素的贴近度指数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述各风险因素的贴近度指数，确定所述基坑工程的风险，包括：
按照所述各风险因素的贴近度指数的大小将所述各风险因素降序排列，得到所述基坑工程的风险。
4.根据权利要求1所述的方法，其特征在于，所述根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重之前，所述方法还包括：
获取所述各风险评价方的判断能力值和主观信度值；
将所述判断能力值和主观信度值的乘积作为所述各风险评价方的置信度指数值；
根据所述各风险评价方的置信度指数值，确定所述各风险评价方对应的勾股模糊数。
5.根据权利要求4所述的方法，其特征在于，所述获取所述各风险评价方的判断能力值和主观信度值，包括：
根据所述各风险评价方针对基坑领域的业务处理经验年限，确定所述各风险评价方的业务能力等级；
根据预设的业务能力等级与判断能力值的对应关系以及预设的业务能力等级与主观信度值的对应关系，获取所述各风险评价方各自与所述业务能力等级相对应的判断能力值和主观信度值。
6.根据权利要求1或4或5所述的方法，其特征在于，所述根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重，包括：
将所述各风险评价方对应的勾股模糊数输入评价方权重计算模型，得到所述各风险评价方对应的评价方权重；所述评价方权重计算模型为：
其中，κk表示第k个风险评价方的评价方权重，n表示风险评价方的数量，αk、βk和λk分别是所述第k个风险评价方对应的勾股模糊数的第一值、第二值和第三值。
7.根据权利要求1所述的方法，其特征在于，所述基于基坑工程的风险数据，获取潜在风险因素决策层次图，包括：
对所述基坑工程的风险数据进行去除异常值处理；所述异常值包括各潜在风险因素中大于或小于对应平均值超过预设倍数标准差的数据；
基于去除异常值处理后的基坑工程的风险数据，构建所述潜在风险因素决策层次图；
其中，所述各风险源包括地质风险、施工监察、深基坑相关变量、施工质量与管理风险以及环境风险；所述地质风险下的各风险因素包括：地下水位、土体重量、地层类型、土体压缩模量；所述施工监察下的各风险因素包括侧壁挠度、地面沉降、壁面垂直位移、土体水平位移和相邻桥梁沉降；所述深基坑相关变量下的各风险因素包括基坑深度、第一水平相对距离、第二水平相对距离；施工质量与管理风险下的各风险因素包括施工技术和管理质量；所述环境风险下的各风险因素包括动荷载和堆载。
8.一种基坑工程风险确定装置，其特征在于，包括：
风险因素获取模块，用于基于基坑工程的风险数据，获取潜在风险因素决策层次图；所述潜在风险因素决策层次图包括各风险源以及所述各风险源下的各风险因素；
评价方权重获取模块，用于根据各风险评价方对应的勾股模糊数，获取所述各风险评价方对应的评价方权重；所述勾股模糊数用于表征所述各风险评价方的重要程度；
群体决策获取模块，用于获取所述各风险评价方的风险评价结果，基于所述各风险评价方对应的评价方权重将所述各风险评价方的风险评价结果进行合并，得到群体决策矩阵；
聚合评价获取模块，用于确定所述各风险源对应的准则权重矩阵，根据所述各风险源对应的准则权重矩阵和所述群体决策矩阵，得到聚合评价矩阵；
综合加权获取模块，用于确定以三角模糊数的脆值表示的所述各风险因素的特征权重，根据所述特征权重和聚合评价矩阵，得到综合加权矩阵；
距离计算模块，用于根据所述综合加权矩阵，得到勾股模糊正理想解和勾股模糊负理想解，并计算所述各风险因素与所述勾股模糊正理想解的第一距离以及与所述勾股模糊负理想解的第二距离；
贴近度计算模块，用于根据所述第一距离和第二距离，计算所述各风险因素的贴近度指数；
风险确定模块，用于根据所述各风险因素的贴近度指数，确定所述基坑工程的风险。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110689668.1A CN113610337B (zh) | 2021-06-22 | 2021-06-22 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110689668.1A CN113610337B (zh) | 2021-06-22 | 2021-06-22 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610337A true CN113610337A (zh) | 2021-11-05 |
| CN113610337B CN113610337B (zh) | 2024-04-19 |
Family
ID=78303602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110689668.1A Active CN113610337B (zh) | 2021-06-22 | 2021-06-22 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610337B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030187698A1 (en) * | 2001-12-31 | 2003-10-02 | Bonissone Piero Patrone | Process for determining a confidence factor for insurance underwriting suitable for use by an automated system |
| US20060009997A1 (en) * | 2004-07-12 | 2006-01-12 | Arthur Felix | Method for transforming subjective data to quantitative information for use in a decision making process |
| CN101982830A (zh) * | 2010-11-12 | 2011-03-02 | 上海海事大学 | 一种船舶定线制方案综合评价指标体系和组合评价方法 |
| KR101341437B1 (ko) * | 2012-12-27 | 2013-12-13 | 성균관대학교산학협력단 | 다기준 홍수위험도 평가방법 |
| CN104376435A (zh) * | 2014-12-03 | 2015-02-25 | 国家电网公司 | 一种电力电量平衡方案评估方法 |
| 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 |
| CN104866664A (zh) * | 2015-05-19 | 2015-08-26 | 上海市建工设计研究院有限公司 | 一种防渗止水帷幕体施工难度预测方法 |
| CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估系统及方法 |
| CN107015526A (zh) * | 2017-03-09 | 2017-08-04 | 厦门万久科技股份有限公司 | 基于直觉模糊多属性决策的智能数控系统风险评估方法 |
| CN107067182A (zh) * | 2017-04-27 | 2017-08-18 | 贵州大学 | 面向多维意象的产品设计方案评估方法 |
| CN107330639A (zh) * | 2017-08-04 | 2017-11-07 | 国家电网公司 | 一种主动配电网运行风险评估方法 |
| CN108510209A (zh) * | 2018-04-16 | 2018-09-07 | 北京理工大学 | 一种基于模糊理论的工艺失效模式识别及评价方法 |
| CN109214675A (zh) * | 2018-08-28 | 2019-01-15 | 华北电力大学 | 一种输电线路覆冰风险评估方法 |
| CN109978319A (zh) * | 2018-12-26 | 2019-07-05 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于LCC理念的500kV变电站造价管控辅助评价系统模型构建方法 |
| CN110544123A (zh) * | 2019-08-29 | 2019-12-06 | 广州供电局有限公司 | 电力用户分类方法、装置、计算机设备和存储介质 |
| CN112085375A (zh) * | 2020-09-04 | 2020-12-15 | 东南大学 | 一种竖向阻隔屏障方案的遴选方法 |
| CN112884320A (zh) * | 2021-02-18 | 2021-06-01 | 中铁建华南建设有限公司 | 基于熵值模型的基坑风险评估方法、装置、设备和介质 |
-
2021
- 2021-06-22 CN CN202110689668.1A patent/CN113610337B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030187698A1 (en) * | 2001-12-31 | 2003-10-02 | Bonissone Piero Patrone | Process for determining a confidence factor for insurance underwriting suitable for use by an automated system |
| US20060009997A1 (en) * | 2004-07-12 | 2006-01-12 | Arthur Felix | Method for transforming subjective data to quantitative information for use in a decision making process |
| CN101982830A (zh) * | 2010-11-12 | 2011-03-02 | 上海海事大学 | 一种船舶定线制方案综合评价指标体系和组合评价方法 |
| KR101341437B1 (ko) * | 2012-12-27 | 2013-12-13 | 성균관대학교산학협력단 | 다기준 홍수위험도 평가방법 |
| CN104376435A (zh) * | 2014-12-03 | 2015-02-25 | 国家电网公司 | 一种电力电量平衡方案评估方法 |
| 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 |
| CN104866664A (zh) * | 2015-05-19 | 2015-08-26 | 上海市建工设计研究院有限公司 | 一种防渗止水帷幕体施工难度预测方法 |
| CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估系统及方法 |
| CN107015526A (zh) * | 2017-03-09 | 2017-08-04 | 厦门万久科技股份有限公司 | 基于直觉模糊多属性决策的智能数控系统风险评估方法 |
| CN107067182A (zh) * | 2017-04-27 | 2017-08-18 | 贵州大学 | 面向多维意象的产品设计方案评估方法 |
| CN107330639A (zh) * | 2017-08-04 | 2017-11-07 | 国家电网公司 | 一种主动配电网运行风险评估方法 |
| CN108510209A (zh) * | 2018-04-16 | 2018-09-07 | 北京理工大学 | 一种基于模糊理论的工艺失效模式识别及评价方法 |
| CN109214675A (zh) * | 2018-08-28 | 2019-01-15 | 华北电力大学 | 一种输电线路覆冰风险评估方法 |
| CN109978319A (zh) * | 2018-12-26 | 2019-07-05 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于LCC理念的500kV变电站造价管控辅助评价系统模型构建方法 |
| CN110544123A (zh) * | 2019-08-29 | 2019-12-06 | 广州供电局有限公司 | 电力用户分类方法、装置、计算机设备和存储介质 |
| CN112085375A (zh) * | 2020-09-04 | 2020-12-15 | 东南大学 | 一种竖向阻隔屏障方案的遴选方法 |
| CN112884320A (zh) * | 2021-02-18 | 2021-06-01 | 中铁建华南建设有限公司 | 基于熵值模型的基坑风险评估方法、装置、设备和介质 |
Non-Patent Citations (3)
| Title |
|---|
| 朱振权, 乌云娜, 庞南生, 李存斌: "理想点逼近技术在大型水电工程项目风险管理决策中的应用", 水利水电技术, no. 09 * |
| 王望珍;陈翼飞;李素芹;毛宝林;: "基于博弈论和相对熵的基坑支护方案优选", 数学的实践与认识, no. 06 * |
| 董彦辰;姜安民;邹品增;倪佳;: "三标度AHP-TOPSIS评判模型在施工方案绿色度比选中的应用", 水利与建筑工程学报, no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610337B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Developing a cloud model based risk assessment methodology for tunnel-induced damage to existing pipelines | |
| Rădulescu et al. | An extended TOPSIS approach for ranking cloud service providers | |
| CN110149237B (zh) | 一种Hadoop平台计算节点负载预测方法 | |
| Du et al. | Group fuzzy comprehensive evaluation method under ignorance | |
| CN112884320B (zh) | 基于熵值模型的基坑风险评估方法、装置、设备和介质 | |
| CN109490072A (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
| Gordan et al. | Data mining based damage identification using imperialist competitive algorithm and artificial neural network | |
| Ranjan et al. | Probabilistic linguistic q-rung orthopair fuzzy Archimedean aggregation operators for group decision-making | |
| Ferreira et al. | The use of Artificial Neural Networks to estimate seismic damage and derive vulnerability functions for traditional masonry | |
| CN110751641A (zh) | 锚栓信息检测的方法及存储介质 | |
| CN111091276A (zh) | 企业风险评分方法、装置、计算机设备和存储介质 | |
| CN115545388A (zh) | 桥梁状态评定方法、装置、计算机设备和存储介质 | |
| CN113850475A (zh) | 一种基于大数据的生产设备性能评估系统 | |
| Sang et al. | A new approach for dam safety assessment using the extended cloud model | |
| Taghinezhad et al. | An imputation of first-floor elevation data for the avoided loss analysis of flood-mitigated single-family homes in Louisiana, United States | |
| CN113610337A (zh) | 基坑工程风险确定方法、装置、计算机设备和存储介质 | |
| US20240005067A1 (en) | Method and system for modal prediction and analysis of geotechnical engineering structure | |
| Mohammadikish et al. | Soil liquefaction assessment by CPT and VS data and incomplete-fuzzy C-means clustering | |
| CN115834174A (zh) | 基于时序图神经网络的网络安全态势预测方法和装置 | |
| CN114943411A (zh) | 一种电力交易数据安全需求等级确定方法、装置及介质 | |
| Coskun et al. | Machine learning network suitable for accurate rapid seismic risk estimation of masonry building stocks | |
| CN111428420B (zh) | 海表流流速预测方法、装置、计算机设备和存储介质 | |
| CN115358454A (zh) | 基于可拓-模糊层次分析理论的煤与瓦斯突出预测方法 | |
| CN114118680A (zh) | 一种网络安全态势评估方法及系统 | |
| Awang et al. | Fuzzy analytic hierarchy process (FAHP) with cosine consistency index for coastal erosion problem: a case study of setiu wetlands |
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 |