CN113807724B - 一种基于综合风险评价的弃碴场选址方法 - Google Patents
一种基于综合风险评价的弃碴场选址方法 Download PDFInfo
- Publication number
- CN113807724B CN113807724B CN202111124427.9A CN202111124427A CN113807724B CN 113807724 B CN113807724 B CN 113807724B CN 202111124427 A CN202111124427 A CN 202111124427A CN 113807724 B CN113807724 B CN 113807724B
- Authority
- CN
- China
- Prior art keywords
- risk
- factor
- area
- factors
- weight
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供了一种基于综合风险评价的弃碴场选址方法,属于工程废弃物处理领域。所述方法首先设置风险禁止性因子、风险不确定性因子及等级,基于风险禁止性因子,进行风险因子初识别,并绘制风险禁止专题地图;再基于风险不确定性因子进行风险因子再识别,并划分单一因子生态环境、生命财产、水土保持风险关联度等级,计算重要度权重,构建单一因子风险发生关联度云模型及集成云模型;并分别基于AHP方法和熵权法计算风险因子重要度权重,再计算考虑变权的重要度权重,绘制多因子作用下风险综合地图,完成选址。本发明降低了风险评价中的主观因素,提高综合风险等级确定的精度,同时针对复杂艰险环境的高原山区也可以进行合理的弃碴场选址。
Description
技术领域
本发明属于工程废弃物处理领域,具体涉及一种基于综合风险评价的弃碴场选址方法。
背景技术
在大型工程实施过程中,会产生大量弃碴,对于弃碴的妥善处理,是评价一项工程的重要指标。例如,川藏铁路等位处高原山区复杂艰险环境的重大工程,建设过程中必须选择合适的弃碴场以处置隧道掘进产生的弃碴。目前,现有的弃碴场选址方法,一般围绕城市、林区、河流等外部环境进行,通常以基于层次分析(Analytical Hierarchy Process,AHP)的专家评判法和模糊综合评价法对平原或丘陵地带的选址区域的潜在水土流失进行风险评价。但是,上述选址方法未能考虑不同地理位置的同一风险因子对弃碴场可能承受的风险类型、风险等级的不确定性的影响,无法适用于高原山区等复杂艰险环境下的弃碴场选址。
例如,现有弃碴场的风险因子识别一般根据工程实际通过专家经验判断获得,但所识别风险因子不全面,未能充分覆盖复杂艰险环境下影响弃碴场风险的全部风险因子,不适用复杂艰险环境。此外,专题图的叠加原理,一般都是简单加权得分,然后绘制综合地图,未能反映风险因子与风险类型之间的等级对应关系,将多种风险笼统归结为一种风险,降低了风险评价及绘制地图的精度和准确度;同时,叠加分析权重未能充分、灵活反映风险因子值的变异程度,会增加专家主观评判带来的偏差。而在风险评价过程中,采用模糊综合评价法或基于AHP的专家评判法,未能充分反映特定风险因子赋值与风险类型、风险等级的不确定性关联关系等。
发明内容
有鉴于此,本发明实施例提供一种基于综合风险评价的弃碴场选址方法,综合考虑风险禁止类因子和风险不确定性因子,将弃碴场风险分解为不同的风险类型,并考虑风险因子赋值差异对不同风险类型风险差异的影响,通过对云模型风险评价的两阶段改进,降低风险评价中的主观因素,提高待选点综合风险等级确定的精度,同时针对复杂艰险环境的高原山区也可以进行合理的弃碴场选址。
为达到上述目的,本发明的实施例采用如下技术方案:
一种基于综合风险评价的弃碴场选址方法,所述方法包括如下步骤:
步骤S1,设置风险禁止性因子、风险不确定性因子及风险不确定性因子等级;
步骤S2,基于风险禁止性因子,进行风险因子初识别,并绘制弃碴场待选址风险禁止专题地图;
步骤S3,基于风险禁止专题地图,在除去风险禁止的区域,基于风险不确定性因子进行风险因子再识别;
步骤S4,基于风险因子再识别的结果,进行单一因子不同风险类型的关联度等级划分,并计算单一因子不同风险类型下隶属于不同风险等级的风险发生关联度云模型;
步骤S5,计算单一因子不同风险类型的重要度权重;
步骤S6,根据单一因子风险发生关联度云模型及不同风险类型的重要度权重,构建单一风险因子风险等级关联度集成云模型;
步骤S7,基于风险因子再识别的结果,对不同风险因子风险影响重要度进行评价,并分别基于AHP方法和熵权法计算风险因子的重要度权重得到AHP重要度权重和熵权;
步骤S8,根据AHP重要度权重和熵权重要度权重计算考虑变权的风险因子重要度权重;
步骤S9,基于单一风险因子风险等级关联度集成云模型和风考虑变权的险因子重要度权重,构建复合多风险因子和多风险类型的风险等级关联度复合云模型,绘制多因子作用下弃碴场选址风险综合地图以及各专题图;
步骤S10,根据综合风险地图以及综合风险地图绘制过程中产生的各专题图,结合具体工程位置及工程量,完成弃碴场选址。
可选地,所述风险禁止性因子,根据风险因子实际赋值判定特定区域是禁止作为弃碴场选择区域还是可以作为潜在弃碴场选址区域,并对潜在风险存在差异区域进行进一步判断。
可选地,所述风险禁止性因子包括:生态环境保护区、出碴口高程、断裂带位置和地质风险频发区。
可选地,所述绘制弃碴场待选址风险禁止专题地图,具体流程如下:
步骤S21,环境保护区、断裂带、地质风险频发区域禁止设置弃碴场,利用不可受到影响的环境保护区、断裂带以及地质灾害频发区专题统计地图,导入ArcGIS并进行地理配准;
步骤S22,配准完成之后找到目标选址区域,创建面要素,根据专题地图描绘出划定区域内的轮廓,将填充颜色设置为黑色,代表数值为0,表示不适合建立弃碴场,未来也不会参与弃碴场的叠加分析;
步骤S23,海拔高于工程出碴口区域禁止设置弃碴场,以避免弃碴场在上游或者高于隧道出碴口位置的区域出现塌方、水土流失风险对工程的建设和运行产生重大破坏。将高于出碴口的区域设置为黑色,赋值为0;将低于出碴口的区域设置为白色,赋值为1。
可选地,所述风险影响不确定性因子,考虑到不同区域不同风险因子值的差异会对弃碴场风险等级影响的不确定性,并考虑风险类型的差异,划分不同风险因子赋值区间,建立“高-中高-中-中低-低”的模糊风险评价等级。
可选地,所述风险不确定性因子包括于:弃碴场基础安全类风险因子、气象水文环境类风险因子、空间地理位置类风险因子和生态恢复与人类影响类风险因子等四大类风险因素;其中,弃碴场基础安全类风险因子包括高程、坡度,气象水文环境类风险因子包括降水量、汇水面积和风速,空间地理位置类风险因子包括河网距离、路网距离和设施距离,生态恢复与人类影响类风险因子包括土壤类型和人口密度。
可选地,所述步骤S4计算各风险因子对应不同风险等级的风险关联度,具体包括如下步骤:
步骤S41,基于云模型构建用于计算风险发生关联度的发生器;;
步骤S42,计算各风险因子对应不同风险类型下的不同风险等级区间的云模型数字特征;
步骤S43,计算各风险因子针对不同风险类型隶属不同风险等级的关联度。
可选地,所述步骤S41中,对于弃碴场风险因子的定量实测值x,在云模型中x的分布满足以下参数要求:同时则对应的云模型数字特征为(Ex,En,He),其中:Ex为x在特定风险等级区间的数学期望;En为熵,用以衡量x的不确定性;He为超熵,用以衡量En的不确定性。基于上述云模型构建发生器,计算x对于数字特征为(Ex,En,He)的云模型关联度μ(x)为:
所述步骤S42中,云模型数字特征包括:数学期望Exij、熵Enij、和超熵Heij;
所述步骤S43中,根据云模型及风险因子值xij,计算目标区域任意待选点的第i个风险因子,对应的第m种风险类型的第j个风险等级的风险关联度μimj(x),计算公式如下:
计算所有基于熵权法的风险因子客观权重。
其中,ximj为风险因子xi对应第m种风险类型的第j个风险等级的风险因子值;Eimj为风险因子xi对应第m种风险类型的第j个风险等级的数学期望;Enimj为风险因子xi对应第m种风险类型的第j个风险等级的熵。
可选地,所述步骤S8根据AHP重要度权重和熵权重要度权重计算考虑变权的风险因子重要度权重,具体步骤如下:
设置主客观权重调整系数α,权重确定模型为:
W=α×Wr+(1+α)×Ws (16)
式中:Wr是通过AHP计算的衡量各风险因子在不同风险等级下的主观权重,Ws是通过熵权法计算的客观权重,W为组合权重,α为主客观权重折衷系数或调整系数。
可选地,所述步骤S9构建复合多风险因子和多风险类型的风险等级关联度复合云模型,具体包括:
根据式(17):
计算复合云模型中的关联度值。本发明实施例具有如下有益效果:
(1)将高程、坡度、风速、人口密度等风险因子引入并针对不同风险类型进行风险等级划分,能够更充分地反映高原山区弃碴场待选目标区域的潜在风险可能;
(2)将弃碴场风险进行分解,有针对性地对不同风险类型的风险等级进行判断,更清楚地展示任意弃碴场待选点不同风险因子赋值与生态环境、生命财产、水土保持风险的关系;
(3)针对风险因子的重要度权重计算,将基于AHP的专家主观重要度判断和基于熵权法的客观重要度判断进行复合,并设置变权调和参数α能够更自由综合展现弃碴场综合风险的专家经验和变异程度差异的影响;
(4)引入了极端地形,断裂带等风险因子,并通过设置风险禁止因子将风险禁止区域排除,极大地减少了风险不确定待选点的工作量;
(5)基于ArcGIS快速生成单个风险因子的生态环境、生命财产、水土保持风险专题地图,单个风险因子的复合生态环境、生命财产、水土保持综合风险专题地图,复合多风险因子的生态环境、生命财产、水土保持的专题风险地图和复合多风险因子并复合生态环境、生命财产、水土保持综合风险地图,极大地减少了弃碴场选址完全依靠现场勘查的工作量,降低了复杂艰险环境下选址勘查可能给人员带来的伤亡以及工作经费,提升了复杂艰险环境地区弃碴场选址的效率、准确性和精度。
附图说明
图1为本发明实施例所述基于综合风险评价的弃碴场选址方法流程图;
图2为本发明实施例中风险因子集合示意图;
图3为本发明实施例中根据0-1型因子得到的潜在弃碴场待选区域示意图;
图4为本发明实施例中正向正态云算法示意图;
图5为本发明实施例中高程因子标准化后的生态环境云模型示意图;
图6为本发明实施例中高程因子标准化后的生命财产云模型示意图;
图7为本发明实施例中高程因子标准化后的水土保持云模型示意图;
图8为本发明实施例中坡度因子标准化后的生态环境云模型示意图;
图9为本发明实施例中坡度因子标准化后的生命财产云模型示意图;
图10为本发明实施例中坡度因子标准化后的水土保持云模型示意图;
图11本发明实施例中复合多因子多风险类型的弃渣场选址综合风险地图;
图12为本发明实施例中土壤因子对应生态环境的风险专题地图;
图13为本发明实施例中土壤因子对应生命财产的风险专题地图;
图14为本发明实施例中土壤因子对应水土保持的风险专题地图;
图15为本发明实施例中人口密度因子复合生态环境、生命财产、水土保持等多风险后的综合风险地图;
图16为本发明实施例中复合因子对应生态环境风险的目标区域风险地图;
图17为本发明实施例中复合因子对应生命财产风险的目标区域风险地图;
图18为本发明实施例中复合因子对应水土保持风险的目标区域风险地图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于综合风险评价的弃碴场选址方法,主要针对具有复杂艰险环境的高原山区等重大工程弃碴选址问题,但本发明实施例所提供的方法并不限于上述应用环境,也可应用于其他环境的弃碴选址,且可以获得更好的选址准确度和精度,最大可能的降低弃碴对生态环境及水土流失的影响。
本发明实施例基于综合风险评价的弃碴场选址方法,首先设置风险禁止性因子和风险影响不确定性因子,再考虑到不同区域不同风险因子值的差异会对弃碴场风险等级影响的不确定性,考虑风险类型的差异,划分不同风险因子赋值区间;考虑到不同地理位置不同风险因子对应不同风险类型、不同风险等级关联度差异,将云模型改进分为两个阶段:第一阶段强调对单风险因子不同风险类型的风险等级关联度云模型的综合集成,得到单风险因子的风险等级关联度云模型;第二阶段在不同风险因子的集成方面,同时考虑主观赋权和客观赋权对各类风险因子的风险等级关联度云模型进行集成。基于上述对综合风险的评价,绘制对应风险的专题图,根据专题图,再结合具体工程位置及工程量完成弃碴场选址。
弃碴场选址必须考虑包括潜在风险因子分析、基于地理信息系统(GeographicInformation Systems,GIS)的可视化分析、风险评价等方面。首先,风险因子分析需要考虑哪些风险因子会造成弃碴场丧失稳定性导致水土流失及破坏较低海拔地区生态环境以及影响程度,所识别的风险因子包括环境保护区距离、河流距离、年最大降雨量、汇水面积、路网距离、重要设施距离、地下水深度、河流深度以及弃碴场土壤的粘聚性、弃碴含水量。其次,在识别风险因子的基础上,基于GIS对风险因子值等数据进行处理分析并绘制可视化地图辅助决策;其中,可以应用各种风险评价方法对风险因子值进行处理分析。
如图1所示,本发明实施例所提供的基于综合风险评价的弃碴场选址方法,包括如下步骤:
步骤S1,设置风险禁止性因子、风险不确定性因子及风险不确定性因子等级。
本步骤中,所述风险禁止性因子(简称为0-1型因子),根据风险因子实际赋值判定特定区域是禁止作为弃碴场选择区域还是可以作为潜在弃碴场选址区域,如高程因子,高于隧道出碴口的区域赋值为0,绝对不能作为弃碴场选址待选点,低于隧道出碴口高程的区域赋值为1,可作为潜在待选点。上述关于0或1的赋值仅仅是举例,并无具体限制,禁止可以赋值为0或1,非禁止可以赋值为1或0,两者不同时为相同值即可。本实施例中,以禁止赋值为0、非禁止赋值为1为例进行说明。
所述风险影响不确定性因子,考虑到不同区域不同风险因子值的差异会对弃碴场风险等级影响的不确定性,考虑风险类型的差异,划分不同风险因子赋值区间,建立“高-中高-中-中低-低”的模糊风险评价等级,在此基础上改进云模型计算风险因子的风险等级关联度。
所有的风险因子构成一个集合,本实施例中,如图2所示,所设置的风险禁止性因子和风险不确定性因子中,风险禁止性因子包括但不限于:生态环境保护区、出碴口高程、断裂带位置和地质风险频发区;风险不确定性因子包括但不限于:弃碴场基础安全类风险因子、气象水文环境类风险因子、空间地理位置类风险因子和生态恢复与人类影响类风险因子等四大类风险因素,其中每种类型下又包含若干种具体的风险因子。其中,弃碴场基础安全类风险因子包括高程、坡度等,气象水文环境类风险因子包括降水量、汇水面积和风速等,空间地理位置类风险因子包括河网距离、路网距离和设施距离等,生态恢复与人类影响类风险因子包括土壤类型和人口密度等。
对于上述各因子中,以其中几个为例,具体说明如下:
高程:现有弃碴场的建设几乎没能涉及海拔3000米及以上的高度,而海拔越高生态环境越脆弱,对于海拔3000米以上的弃碴场所面临的生态脆弱、恢复难度大等挑战,未能在弃碴场选址的过程进行充分考虑。此外,高程越高建设难度越大,也可能导致建设者身体健康风险增加,同时也对水土保持产生影响。从以上角度考虑高程因子的影响。
坡度:在复杂艰险环境下,特定区域的弃碴场选址不得不在一定坡度的基础上进行,而随着坡度的增加弃碴场所面临的生命财产、水土保持、生态环境风险也将不断增大,现有弃碴场的选择大多选择平整或者坡度很小的区域,而未能考虑或覆盖所有坡度下的弃碴场选址以及坡度对风险类型及风险等级的影响。从以上角度考虑坡度因子的影响。
风速:海拔越高的地区,生态环境越脆弱,风速对弃碴场表面的生态恢复以及碴场地表水土保持具有重要影响,现有弃碴场风险评价指标或因素未能考虑风速因子对弃碴场包括生态环境、水土保持在内的综合风险。从以上角度考虑风速因子的影响。
人口密度:既有弃碴场选址主要考虑远离居民聚集区或者城镇设定缓冲区。而综合人口密度能够考虑的人口流动以及弃碴场发生风险不确定性等特征,弃碴场风险一旦发生所导致的人口伤亡以及财产影响,更具有综合性,更适合低风险发生概率的弃碴场风险综合评价。从以上角度考虑人口密度因子的影响。
本步骤中,所述风险不确定性因子等级,可以根据实际工程建设经验、专家经验、文献以及相关规范,对不同风险因子的赋值区间进行风险等级隶属度划分。表1示出了本发明一个具体实施例下考虑风险类型差异不同风险因子赋值区间对应的风险等级划分情况。
表1
步骤S2,基于风险禁止性因子,进行风险因子初识别,并绘制弃碴场待选址风险禁止专题地图。
本步骤中,对于风险因子初识别,包括风险禁止性因子的生态环境保护区、出碴口高程、断裂带位置和地质风险频发区四种。其中,对于环境保护区、断裂带、地质风险频发区赋值为0,禁止设置弃碴场;对于出碴口高程,因数据不同具有不同赋值。
所述绘制弃碴场待选址风险禁止专题地图,具体流程如下:
步骤S21,环境保护区、断裂带、地质风险频发区域禁止设置弃碴场,利用不可受到影响的环境保护区、断裂带以及地质灾害频发区专题统计地图,导入ArcGIS并进行地理配准。
本步骤中,所述地理配准,一般是指为没有已知坐标系统的栅格数据设置坐标系统,通过数据中的特征点与相对应的具有已知坐标的控制点匹配,实现整个数据的坐标配准。具体操作如下:
①在上方工具条的空白处点击右键,并在出现的工具条中勾选地理配准,或者在自定义工具条中选择,当选项前出现对勾则代表地理配准工具条已经打开。
②右键----将要素缩放至图层。
③勾选地理配准下的自动校正选项,那么在输入每一个控制点以后,系统自动计算匹配结果,图像文件会发生变化。有时图像会超出显示范围之外,这时候在内容列表中右击图像文件的缩放至图层即可。注:如果不勾选自动校正选项,则图像在输入控制点过程中不发生变化,所有控制点输入完以后,可单击地理配准下的更新地理配准完成操作。
④点击工具条中的添加控制点,在栅格图中框选第一个角,点击,会出现绿色的加号。然后选择矢量图,选择与刚才相应的位置点击,出现红色的加号。重复上面的步骤再添加其他的控制点(至少三个)。
⑤打开工具条中的查看链接表,查看各个点的校正误差以及总的误差,如果不能满足需求,可以删除部分点,再重新找点。
⑥点击工具条中的地理配准,选择校正,设置好路径,将纠正后的数据进行保存。
步骤S22,配准完成之后找到目标选址区域,(以西藏自治区某地区划定的50km*50km区域的某地块为例),创建面要素,根据专题地图描绘出划定区域内的轮廓,将填充颜色设置为黑色,代表数值为0,表示不适合建立弃碴场,未来也不会参与弃碴场的叠加分析。
步骤S23,海拔高于工程出碴口区域禁止设置弃碴场,以避免弃碴场在上游或者高于隧道出碴口位置的区域出现塌方或水土流失等对工程的建设和运行产生重大破坏。将高于出碴口的区域设置为黑色,赋值为0;将低于出碴口的区域设置为白色,赋值为1。
本步骤中,获取高于或低于出碴口区域,具体操作如下:
获取目标出碴口的经纬度,建立出碴口点要素,将dem专题图置于点要素之上,对dem专题图设置一定透明度(如50%),使用“识别”功能,获取出碴口所处区域的海拔高度。使用“Spatial Analyst”里“提取分析”中的“按属性提取”,输入dem栅格图,在“where子句”栏输入“value<‘海拔相对更高的出碴口的海拔高度’”,得到海拔低于工程出碴口区域。
如图3所示,通过步骤S2,根据对0-1型因子得到可作为潜在弃碴场选址的区域,并提高后续图像处理效率,节约计算时间。
步骤S3,基于风险禁止专题地图,在除去风险禁止的区域,基于风险不确定性因子进行风险因子再识别。
本步骤中,基于表1中的等级划分情况,对所识别出的风险因子进行等级判定,并输出识别的风险类型及等级。
步骤S4,基于风险因子再识别的结果,划分单一因子不同风险类型的关联度等级,并计算单一因子不同风险类型下隶属于不同风险等级的风险发生关联度云模型。
所述不同风险类型,包括生态环境风险、生命财产风险和水土保持风险。
本步骤中,依据步骤S3的风险因子再识别结果,计算各风险因子对应不同风险类型、不同风险等级的风险关联度。具体包括如下步骤:
步骤S41,基于云模型,构建用于计算风险发生关联度的发生器。
对于弃碴场风险因子的定量实测值x,在云模型中x的分布满足以下参数要求:同时则对应的云模型数字特征为(Ex,En,He),其中:Ex为x在特定风险等级区间的数学期望;En为熵,用以衡量x的不确定性;He为超熵,用以衡量En的不确定性。基于上述云模型构建发生器,计算x对于数字特征为(Ex,En,He)的云模型关联度μ(x)为:
如图4所示,以风险因子i为例对所述发生器原理进行说明。
对于不同的风险因子i具有不同的实测值xi,计算得到不同的云模型关联度μi,其中,i=1,2,...,I。采用正向正态云发生器算法的式(1)计算μi。
同时,对于每种风险因子i的实测值xi,在不同的条件下可以得到不同的数值。以n为例,当具有n个不同的xi值时,则可以计算得到n个不同的关联度值μi。令每一对(xi,μi)为一个云滴drop(xi,μi),重复计算n次得到n个云滴,构成该风险因子i的风险发生关联度概率密度分布,即该风险因子i的云模型。步骤S42,计算各风险因子对应不同风险类型下的不同风险等级区间的云模型数字特征。
对I个风险因子对应的不同风险类型的关联程度进行划分,等级标记为j,j=1,2,...,J。由云模型“3En规则”,任意第i个风险评价因子对应等级j在区间(Sijmin,Sijmax)上云模型数字特征为(Exij,Enij,Heij),其中i=1,2,…,I;j=1,2,…,J。每个风险因子i对于特定风险类型的第j等级的风险等级,都具有一个云模型(Exij,Enij,Heij),则对于特定风险类型下所有风险因子在所有等级下共生成I×J个内部分别具有n个云滴drop(xij,μij)的云模型。要得到云模型,则首先需要计算云模型对于不同风险因子在特定风险类型下对于不同风险等级的数字特征。
本实施中,如表1所示,风险因子个数选取10个,风险等级划分为“‘高’-‘中高’-‘中’-‘中低’-‘低’”等五级风险,则本实施例中I=10,J=5。
本实施例中,以50km×50km的区域为例,去除0-1型风险因子排除不可作为待选点区域后,分析面积大大缩小。同时考虑到选址计算的效率和选址精度的需要,根据弃碴场待选点的面积不超过1km2的原则,将剩余风险不确定区域面积划分为330个待选点,推导出待选点区域边长为925米,面积0.855625平方千米,符合要求。为此以0.855625平方公里为单位,根据数字高程模型(Digital Elevation Model,DEM)模型,使用Arcmap软件识别获取目标区域330个样本点的风险因子实际值,然后通过标准化处理,可以得到用于云模型计算分析的各样本点的xij值。
本步骤中需要分别计算云模型的三个数字特征,分别包括:数学期望Exij、熵Enij、和超熵Heij。计算过程如下:
步骤S421,计算各风险因子针对不同风险类型对应风险等级的第一云模型数字特征Exij。
本步骤中,所述Exij计算公式如下:
Exij=(Sijmin+Sijmax)/2 (2)
对于单边界的情况,如[Smax,+∞)或(-∞,Smin],依据风险因子实测值Sij'的上下限确定缺省边界。
步骤S422,计算各风险因子对应风险等级的第二云模型数字特征Enij。
本步骤中,所述x服从N(Exij,Enij'2);收益型因子(如河网距离、路网距离等,该因子值越大,弃碴场安全性越高):
当j=1时,Enij=(Exi,j+1-Exij)/6;
当1<j<J时,Enij=(Exij-Exi,j-1)/3;
当j=J时,Enij=(Exij-Exi,j-1)/6;
成本型因子(如高程、坡度、人口密度、汇水面积等,该因子值越大,弃碴场安全性越差):
当j=1时,Enij=(Exij-Exi,j+1)/6;
当1<j<J时,Enij=(Exij-Exi,j+1)/3;
当j=J时,Enij=(Exi,j-1-Exij)/6;
计算所有的Enij后,记录并进入下一步骤。
步骤S421,确定各风险因子对应等级的第三云模型数字特征超熵Heij。
其中,Enij'服从N(En,He2),Heij通过
得出,其中S2为样本点对应En的样本方差。
本实施例中,风险因子选取10个;在每种风险因子下,所述风险类型包括生态环境、生命财产和水土流失三种,以三种风险类型下,分别划分五个等级计算云模型的数字特征即参数,将各风险因子在不同风险等级下的云模型参数(Exij,Enij,Heij)列入表2,如表2所示。
表2
根据表2的各风险因子的云模型参数,通过Matlab算法生成各风险因子云模型图。
根据云模型参数,可以得到不同风险因子标准化后的云模型。如图5至图7所示,为高程风险因子标准化后分别对应于生态环境、生命财产和水土保持的云模型示意图;如图8至10所示,为坡度风险因子标准化后分别对应于生态环境、生命财产和水土保持的云模型示意图。
步骤S43,计算各风险因子针对不同风险类型隶属不同风险等级的关联度。
本步骤中,根据所述云模型及标准化后的风险因子值xij,计算第i个风险因子,对应的第m种风险类型(包括生态环境、生命财产、水土保持)的第j个风险等级的风险关联度。用于计算各风险因子针对不同风险类型对应的目标区域任意待选点在不同风险等级的关联度的计算公式如下:
其中,ximj为风险因子xi对应第m种风险类型的第j个风险等级的风险因子值;Eimj为风险因子xi对应第m种风险类型的第j个风险等级的数学期望;Enimj为风险因子xi对应第m种风险类型的第j个风险等级的熵。根据公式(4)和表2,可计算任意样本点对应的
本实施例中目标区域所有样本点,对应不同风险因子针对生态环境、生命财产、水土保持风险类型的风险等级关联度平均值如表3所示。如目标区域所有样本点的高程(F1)可能导致弃碴场发生高生态环境风险的关联度是0.1042、发生高生命财产风险的关联度是0.1672,发生水土保持高风险的关联度是0.1233。其他风险因子和等级含义类同。
表3
步骤S5,计算单一因子不同风险类型的重要度权重。
本步骤中,所述计算不同风险类型的重要度权重,以三种风险类型为例,根据基于AHP的专家评判方法逐一针对每个风险因子,比较其对生态环境、生命财产和水土保持三种风险类型构成影响的重要度,构建重要度判断矩阵,计算风险类型的重要度权重。
本实施例中,为避免一位专家主观判断的随机性,选取N名弃碴场建设与运营管理专家,构建N个判断矩阵,分别计算N个专家判断下的权重,并计算一致性,通过一致性检验后,将N个专家的风险类型判断权重进行加权运算,作为最终的计算各风险因子复合生态环境、生命财产、水土保持三种风险类型的单个风险因子综合云模型的权重。本实施例中,以选取N=5个专家为例,这里的选择仅仅作为一种举例,并不是构成对本发明的限定,在其他实施例中,也可以选择N=7或N=10或其他专家数量。
例如,以风速对生态环境、生命财产和水土保持影响的风险类型重要度权重为例:
重要度比较根据AHP方法的原理选择1-9度比较法(衡量特定因子所致的一种风险相对于另一种风险发生重要度的大小,以最终确定三种风险类型的重要度权重):
第一专家用于确定生态环境风险、生命财产、水土保持风险三种风险重要度的两两比较矩阵如下:
上述矩阵中cmm'代表m风险类型相对于m'风险类型的重要程度,依据前述1-9度比较尺度确定;反之风险类型m'相对于m的重要度为1/cmm'来表示,即cm'm=1/cmm',cmm=cm'm'=1,m和m'分别为1,2,…,M。本实施例中,M=3,1、2、3分别代表生态环境风险、生命财产、水土保持风险。得到比较矩阵后,可以通过下式:
CiWi=λmax Wi (6)
计算求得特定风险因子对应各种风险类型的相对重要度权重向量Wi={wi1,wi2,...,wim,...,wiM},m=1,2,…,M。本实施例中,M=3,则Wi={wi1,wi2,wi3}代表风险因子i对应生态环境风险、生命财产风险、水土保持风险三种风险类型的相对重要度权重向量。λmax为矩阵C的最大特征根。此外,为了确保判断矩阵C具有良好的一致性,需要计算一致性判断指标CR判定C是否能够通过一致性检验。CR可通过式(7)计算得到。
式(7)中t为比较指标数(本例当计算风险类型权重时,t为风险类型数,t=3;当后续计算风险因子权重时,t为风险因子数,t=10),RI为随机一致性指标,可以通过查阅随机一致性表(如表4所示)获得。一般认为CR≤0.1,判断矩阵通过一致性检验。
表4
t阶 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
RI值 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.59 | 1.5943 |
t阶 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 |
RI值 | 1.6064 | 1.6133 | 1.6207 | 1.6292 | 1.6358 | 1.6403 | 1.6462 | 1.6497 | 1.6556 | 1.6587 | 1.6631 | 1.6670 | 1.6693 | 1.6724 |
第一专家的CR=0≤0.1
为此第一专家的权重向量通过检验,且Wi={60%,30%,10%}
以此类推得到的其他四位专家关于风速相对于生态环境、财产损失和水土保持权重的专家评判结果的权重向量和一致性检验结果如表5所示:
表5
专家 | 三种风险类型权重(C1:C2:C3) | 一致性检验指标CR |
第二专家 | 68.740%,18.296%,12.964% | 0.002 |
第三专家 | 68.732%,16.554%,14.714% | 0.015 |
第四专家 | 58.332%,26.542%,15.126% | 0.022 |
第五专家 | 64.795%,22.987%,12.218% | 0.002 |
五位专家的权重矩阵均通过检验,为此风速对应的生态环境,生命财产,水土保持的三种风险重要度,通过加权处理得到的最终权重为:64.120%,22.876%,13.004%。
重复上述操作完成其他九个风险因子的风险类型重要度综合权重计算,如表6所示:
表6
步骤S6,根据单一因子风险发生关联度云模型及不同风险类型的重要度权重,构建单一因子风险等级关联度集成云模型。
本步骤中,根据表6的计算结果和每个风险因子对应不同风险类型的云模型,通过加权计算得到各风险因子的风险等级关联度综合云模型。计算公式如下:
表7
步骤S7,基于风险因子再识别的结果,对不同风险因子风险影响重要度进行评价,并分别基于AHP方法和熵权法计算风险因子的重要度权重得到AHP重要度权重和熵权。
本步骤中,基于AHP方法计算风险因子的AHP重要度权重时,还是以I=10个风险因子为例,首先构造10个风险因子重要度比较的判断矩阵,如式(9)所示:
其次,根据式(5)计算不同风险因子AHP重要度权重i=1,2,...,I代表风险因子编号。此外,为了确保判断矩阵R具有良好的一致性,需要计算一致性判断指标CR判定R是否能够通过一致性检验,以I=10为例,参见表4。
本实施例中,仍然以5位相关专家为例,对10个风险因子重要度权重进行基于AHP的专家评判,得到的风险因子的AHP重要度权重为:
Wr可用于与熵权的复合,构造复合所有风险因子的风险等级关联度云模型。
本步骤中,基于熵权法计算风险因子的熵权时,过程如下:
步骤S721,数据标准化。
首先将所有弃碴场待选点各个风险因子实际值进行标准化处理。假设给定了I个风险因子X1,X2,...Xi...,XI,其中Xi={xi1,xi2,...,xik,...,xiK},括号内为K个样本对应的风险因子i的实际赋值。优选地,本实施例中,I=10,xik对应K=330个样本的DEM模型实际值。
为了便于计算处理,还需对样本实际值进行标准化处理。假设对各风险因子值标准化后的值为Yi={yi1,yi2,...,yik,...,yiK},其中i表示风险因子类型,k表示样本点的数字序号(如1至330),则yik表示第k个样本点的风险因子i进行0-1归一化操作后得到的值,归一化操作的公式如下:
步骤S722,计算第i个风险因子对应第k个样本值占该风险因子的比重。
本步骤中,通过式(12):
进行计算第k个样本值占该风险因子i的比重Pik,其中i=1,2,...,I;k=1,2,...,K。
步骤S723,求各风险因子的信息熵。
根据信息论中信息熵的定义,一组数据(本例为风险因子)的信息熵为:
其中,ei表示风险因子的信息熵值。
步骤S724,计算信息熵冗余度。
本步骤中,通过式(14):
di=1-ei (14)
计算信息熵冗余度di,其中,其中i=1,2,...,I。
步骤S725,确定各风险因子的熵权。
本步骤中,通过式(15):
本步骤中,为了综合专家主观重要度权重(即为本实施例中的AHP重要度权重)和熵权法确定的客观权重(本实施例中称为熵权),设置主客观权重调整系数α,风险因子重要度权重确定模型为:
W=α×Wr+(1+α)×Ws (16)
式中:Wr是通过AHP计算的衡量各风险因子在不同风险等级下的主观权重,Ws是通过熵权法计算的客观权重,W为组合权重,α为主客观权重折衷系数或调整系数,α越大,表示AHP确定的权重对综合权重的影响越大;反之,则表示熵权法确定的权重对综合权重影响大,本实施例中权重折衷系数确定为0.5。
步骤S9,基于单一风险因子风险等级关联度集成云模型和风考虑变权的险因子重要度权重,构建复合多风险因子和多风险类型的风险等级关联度复合云模型,绘制多因子作用下弃碴场选址风险综合地图以及各专题图。
本步骤中,根据前述复合权重和任意风险因子的风险等级关联度集成云模型,可得复合多因子与多风险类型的任意风险等级关联度复合云模型:
其中,i=1,2,...,I,j=1,2,...,J。
本实施例中将风险等级划分为5个等级,即j=1,2,3,4,J,J=5,为此根据关联最大准则,确定特定目标待选点的风险等级即为关联度最大值对应的风险等级,确定依据为maxμj=max{μ1,...,μj,...,μ5},以此绘制综合风险地图,如图11所示。
本步骤还可以包括:
根据上述计算方法,得出任意单个风险因子的生态环境、生命财产和水土保持综合风险专题地图。根据对的定义和风险关联度最大化准则,选择任意选址待选点的(其中i=1,2,...,I,m=1,2,…,M,j=1,2,...,J)作为任意待选点的特定风险因子对应不同风险类型的风险等级,即可根据ArcGIS绘制响应风险因子对应风险类型的专题地图。本例以土壤因子为例,其M=3时生态环境、生命财产、水土保持的J=5个风险等级的风险专题地图如图12-图14所示。
本步骤还可以包括:
根据前述计算过程,利用ArcGIS也可给出任意风险因子的复合生态环境、生命财产、水土保持综合风险专题地图。任意选址待选点特定风险因子的生态环境、生命财产、水土保持复合风险等级确定方法如下:
以人口密度因子为例,其复合生态环境、生命财产、水土保持等多风险复合后的综合风险地图,如图15所示。
为了更全面展示目标区域针对生态环境、生命财产、水土保持等特定风险类型的情况,可以根据风险因子重要度权重计算出各风险类型复合所有风险因子的分类型风险专题地图辅助决策。任意待选点的生态环境、生命财产、水土保持风险复合多因子的风险等级计算公式如下:
其中,wi为最终的基于AHP和熵权法确定的风险因子重要度复合权重。复合本例所有因子的生态环境、生命财产、水土保持风险的目标区域风险地图如图16-图18所示。
步骤S10,根据综合风险地图以及综合风险地图绘制过程中产生的各专题图,结合具体工程位置及工程量,完成弃碴场选址。
由以上技术方案可以看出,本发明实施例的基于综合风险评价的弃碴场选址方法,将风险因子分为风险禁止性因子和风险不确定性因子,构建了复杂艰险环境高原山区弃碴场选址的风险因子集合,将断裂带、地质灾害频发区以及环境保护区、海拔高于出碴口高度等区域确定风险禁止区域,将高程、坡度、风速、年降水量、汇水面积、设施距离、路网距离、河网距离、人口密度、土壤类型等作为弃碴场选址风险不确定性因子。根据风险禁止因子的赋值定义规则筛选风险禁止区域,通过反选确定可作为弃碴场选址的待选区域,但风险等级不确定,然后通过对风险不确定性风险因子的风险叠加分析,绘制弃碴场选址综合风险地图,极大的减轻了工作量。将弃碴场风险分解为不同的风险类型,并考虑风险因子赋值差异对不同风险类型风险差异的影响,重新划分风险类型的各风险因子的风险等级赋值区间,实现了对云模型在弃碴场风险评价的引入同时,对其进行了二阶段改进,使对目标区域待选点的单因子风险进行分类型风险评价,使其更加准确;考虑复杂艰险环境下高原山区弃碴场选址的特点,将高程、坡度、风速、人口密度等弃碴场风险影响因子纳入选址分析模型,使弃碴场的生态环境风险、生命财产风险评价认知进一步强化,对于坡度风险因子、高程风险因子、风速风险因子以及人口密度风险因子,均给出了生态环境风险、生命财产风险不同等级的云模型风险隶属度取值划分区间,其中坡度因子集中于讨论区域内和周边的平均坡度,其优点是能够兼顾前者考虑两种情况;高程因子影响弃碴场生态恢复程度,高程越高的弃碴场选址地生态环境变化越大和冻土环境越脆弱,弃碴场的生态恢复更难且更慢,越不宜建弃碴场;风速因子影响弃碴场碴土静置的稳定性,风速越大越容易带走生态环境未恢复的弃碴场表土,对周边环境影响越大;人口密度因子代表弃碴场对周边环境的影响,人口密度越低,越适合建设弃碴场,将其纳入风险评价模型有利于对弃碴场人文环境风险进行管控。在对弃碴场云模型风险评价的两阶段改进基础上,通过基于AHP专家评价法和基于熵权法考虑因子赋值变异性的客观赋权法的集成确定风险因子的复合权重,并设置主客观权重调和因子α调整主客观权重,提升待选点综合风险等级确定的精度。最后,在识别复杂艰险环境下弃碴场选址因子的情况下,建立了包含基于ArcGIS、云模型、AHP专家决策、熵权法客观评价等集成的复杂艰险环境弃碴场综合风险选址地图绘制方法,服务于复杂艰险环境下的弃碴场选址工作,提高了选址效率和准确度。
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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于综合风险评价的弃碴场选址方法,其特征在于,
所述综合风险评价中所识别的风险因子包括环境保护区距离、河流距离、年最大降雨量、汇水面积、路网距离、重要设施距离、地下水深度、河流深度以及弃碴场土壤的粘聚性、弃碴含水量;
所述方法包括如下步骤:
步骤S1,针对复杂艰险环境的高原山区,设置风险禁止性因子、风险不确定性因子及风险不确定性因子等级;所述风险禁止性因子,根据风险因子实际赋值判定区域是禁止作为弃碴场选择区域还是作为潜在弃碴场选址区域,所述禁止作为弃碴场选择区域不能作为弃碴场选址待选点;
步骤S2,基于风险禁止性因子,进行风险因子初识别,对于风险因子初识别,包括风险禁止性因子的生态环境保护区、出碴口高程、断裂带位置和地质风险频发区四种;并绘制弃碴场待选址风险禁止专题地图;
步骤S3,基于风险禁止专题地图,在除去风险禁止的区域,基于风险不确定性因子进行风险因子再识别;所述风险不确定性因子包括:弃碴场基础安全类风险因子、气象水文环境类风险因子、空间地理位置类风险因子和生态恢复与人类影响类风险因子四大类风险因子;其中,弃碴场基础安全类风险因子包括高程、坡度,气象水文环境类风险因子包括降水量、汇水面积和风速,空间地理位置类风险因子包括河网距离、路网距离和设施距离,生态恢复与人类影响类风险因子包括土壤类型和人口密度;
步骤S4,基于风险因子再识别的结果,划分单一因子不同风险类型的关联度等级,并计算单一因子不同风险类型下隶属于不同风险等级的风险发生关联度云模型;
所述风险不确定性因子,考虑到不同区域不同风险因子值的差异会对弃碴场风险等级影响的不确定性,并考虑风险类型的差异,划分不同风险因子赋值区间,建立“高-中高-中-中低-低”的模糊风险评价等级;
步骤S5,计算单一因子不同风险类型的重要度权重;具体包括:根据基于AHP专家评判方法逐一比较每个风险因子对生态环境、生命财产和水土保持三种风险类型构成影响的重要度,构建重要度矩阵,计算风险类型的重要度权重;
步骤S6,根据单一因子风险发生关联度云模型及不同风险类型的重要度权重,构建单一风险因子风险等级关联度集成云模型;根据风险因子对风险类型的重要度权重和每个风险因子对应不同风险类型的云模型,通过加权计算得到各风险因子的风险等级关联度集成云模型;
步骤S7,基于风险因子再识别的结果,对不同风险因子风险影响重要度进行评价,并分别基于层次分析AHP方法和熵权法计算风险因子的重要度权重得到AHP重要度权重和熵权;
步骤S8,根据AHP重要度权重和熵权重要度权重计算考虑变权的风险因子重要度权重;
步骤S9,基于单一风险因子风险等级关联度集成云模型和考虑变权的风险因子重要度权重,构建复合多风险因子和多风险类型的风险等级关联度复合云模型,绘制多因子作用下弃碴场选址风险综合地图以及各专题图;
步骤S10,根据综合风险地图以及综合风险地图绘制过程中产生的各专题图,结合具体工程位置及工程量,完成弃碴场选址。
2.根据权利要求1所述的弃碴场选址方法,其特征在于,所述风险禁止性因子,根据风险因子实际赋值判定区域是禁止作为弃碴场选择区域还是作为潜在弃碴场选址区域,并对潜在风险存在差异区域进一步判断。
3.根据权利要求2所述的弃碴场选址方法,其特征在于,所述绘制弃碴场待选址风险禁止专题地图,具体流程如下:
步骤S21,环境保护区、断裂带、地质风险频发区域禁止设置弃碴场,利用不可受到影响的环境保护区、断裂带以及地质灾害频发区专题统计地图,导入ArcGIS并进行地理配准;
步骤S22,配准完成之后找到目标选址区域,创建面要素,根据专题地图描绘出划定区域内的轮廓,将填充颜色设置为黑色,代表数值为0,表示不适合建立弃碴场,未来也不会参与弃碴场的叠加分析;
步骤S23,海拔高于工程出碴口区域禁止设置弃碴场,以避免弃碴场在上游或者高于隧道出碴口位置的区域出现塌方、水土流失风险对工程的建设和运行产生重大破坏;将高于出碴口的区域设置为黑色,赋值为0;将低于出碴口的区域设置为白色,赋值为1。
4.根据权利要求3所述的弃碴场选址方法,其特征在于,所述步骤S4计算各风险因子对应不同风险等级的风险关联度,具体包括如下步骤:
步骤S41,基于云模型构建用于计算风险发生关联度的发生器;
步骤S42,计算各风险因子对应不同风险类型下的不同风险等级区间的云模型数字特征;
步骤S43,计算各风险因子针对不同风险类型隶属不同风险等级的关联度。
5.根据权利要求4所述的弃碴场选址方法,其特征在于,
所述步骤S41中,对于弃碴场风险因子的定量实测值x,在云模型中x的分布满足以下参数要求:x~N(Ex,E'n 2),同时则对应的云模型数字特征为(Ex,En,He),其中:Ex为x在风险等级区间的数学期望;En为熵,用以衡量x的不确定性;He为超熵,用以衡量En的不确定性;基于上述云模型构建发生器,计算x对于数字特征为(Ex,En,He)的云模型关联度μ(x)为:
所述步骤S42中,云模型数字特征包括:数学期望Exij、熵Enij、和超熵Heij;
其中,ximj为风险因子xi对应第m种风险类型的第j个风险等级的风险因子值;Eimj为风险因子xi对应第m种风险类型的第j个风险等级的数学期望;Enimj为风险因子xi对应第m种风险类型的第j个风险等级的熵。
6.根据权利要求4所述的弃碴场选址方法,其特征在于,所述步骤S8根据AHP重要度权重和熵权重要度权重计算考虑变权的风险因子重要度权重,具体步骤如下:
设置主客观权重调整系数α,权重确定模型为:
W=α×Wr+(1-α)×Ws (16)
式中:Wr是通过AHP计算的衡量各风险因子在不同风险等级下的主观权重,Ws是通过熵权法计算的客观权重,W为组合权重,α为主客观权重折衷系数或调整系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111124427.9A CN113807724B (zh) | 2021-09-24 | 2021-09-24 | 一种基于综合风险评价的弃碴场选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111124427.9A CN113807724B (zh) | 2021-09-24 | 2021-09-24 | 一种基于综合风险评价的弃碴场选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113807724A CN113807724A (zh) | 2021-12-17 |
CN113807724B true CN113807724B (zh) | 2022-07-29 |
Family
ID=78896720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111124427.9A Active CN113807724B (zh) | 2021-09-24 | 2021-09-24 | 一种基于综合风险评价的弃碴场选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807724B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034582A (zh) * | 2018-07-16 | 2018-12-18 | 山东大学 | 基于云模型和组合赋权的隧道穿越断层突水突泥风险评价方法 |
CN110689187A (zh) * | 2019-09-23 | 2020-01-14 | 北京洛斯达数字遥感技术有限公司 | 一种基于多条件约束的变电站自动化选址方法 |
CN110852557A (zh) * | 2019-09-24 | 2020-02-28 | 长江大学 | 一种基于gis的垃圾填埋场的选址方法及装置 |
CN112200478A (zh) * | 2020-10-20 | 2021-01-08 | 长春工程学院 | 一种黏性土场地的冻胀风险信息处理方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102111566B1 (ko) * | 2019-07-16 | 2020-05-18 | 주식회사 지에스아이엘 | 다차원 리스크 매트릭스 및 그 생성방법 |
-
2021
- 2021-09-24 CN CN202111124427.9A patent/CN113807724B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034582A (zh) * | 2018-07-16 | 2018-12-18 | 山东大学 | 基于云模型和组合赋权的隧道穿越断层突水突泥风险评价方法 |
CN110689187A (zh) * | 2019-09-23 | 2020-01-14 | 北京洛斯达数字遥感技术有限公司 | 一种基于多条件约束的变电站自动化选址方法 |
CN110852557A (zh) * | 2019-09-24 | 2020-02-28 | 长江大学 | 一种基于gis的垃圾填埋场的选址方法及装置 |
CN112200478A (zh) * | 2020-10-20 | 2021-01-08 | 长春工程学院 | 一种黏性土场地的冻胀风险信息处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于改进变权云模型的公共充电桩满意度研究;游宇等;《交通科技与经济》;20210731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113807724A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978249B (zh) | 基于分区建模的人口数据空间化方法、系统及介质 | |
Ching et al. | Pathway using WUDAPT's Digital Synthetic City tool towards generating urban canopy parameters for multi-scale urban atmospheric modeling | |
CN104346538B (zh) | 基于三种灾情因子控制的地震灾害评估方法 | |
CN112308292B (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
Cherkassky et al. | Computational intelligence in earth sciences and environmental applications: Issues and challenges | |
CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
CN110457829A (zh) | 一种基于集成大气扩散模型的源项释放反演和扩散预测方法 | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
CN104217257A (zh) | 一种灾害链综合风险计算方法 | |
Djan'na et al. | Impact of the accuracy of land cover data sets on the accuracy of land cover change scenarios in the Mono River Basin, Togo, West Africa | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
Wu et al. | Dynamic risk analysis for adjacent buildings in tunneling environments: a Bayesian network based approach | |
CN112131731B (zh) | 一种基于空间特征向量滤波的城市生长元胞模拟方法 | |
CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
CN105243503A (zh) | 基于空间变量和logistic回归的海岸带生态安全评估方法 | |
CN113191582B (zh) | 一种基于gis与机器学习的道路山洪易损性评价方法 | |
CN116110210B (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
CN113807724B (zh) | 一种基于综合风险评价的弃碴场选址方法 | |
CN116822185A (zh) | 基于hasm的日降水数据空间模拟方法和系统 | |
Danehkar et al. | Degradation assessment of Jajrood protected area using landscape degradation model | |
CN114863272A (zh) | 一种确定城市植被对城市综合活力影响强度的方法和系统 | |
Asghari Moghaddam et al. | Optimization of DRASTIC model by artificial intelligence for groundwater vulnerability assessment in Maragheh-Bonab plain | |
Saxena et al. | An integrated approach for natural resources monitoring using geo-informatics and CA |
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 |