CN115587434A - 一种定量评价降雨引起滑坡变形的滞后效应的评价方法 - Google Patents

一种定量评价降雨引起滑坡变形的滞后效应的评价方法 Download PDF

Info

Publication number
CN115587434A
CN115587434A CN202211190165.0A CN202211190165A CN115587434A CN 115587434 A CN115587434 A CN 115587434A CN 202211190165 A CN202211190165 A CN 202211190165A CN 115587434 A CN115587434 A CN 115587434A
Authority
CN
China
Prior art keywords
rainfall
deformation
feature vector
accumulated
landslide
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
CN202211190165.0A
Other languages
English (en)
Other versions
CN115587434B (zh
Inventor
殷跃平
王雪冰
贺建军
张枝华
余姝
赵鹏
董远峰
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.)
Chongqing 2008 Geological Environment Research Institute Co ltd
Original Assignee
Chongqing 2008 Geological Environment Research Institute 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 Chongqing 2008 Geological Environment Research Institute Co ltd filed Critical Chongqing 2008 Geological Environment Research Institute Co ltd
Priority to CN202211190165.0A priority Critical patent/CN115587434B/zh
Publication of CN115587434A publication Critical patent/CN115587434A/zh
Application granted granted Critical
Publication of CN115587434B publication Critical patent/CN115587434B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提出了一种定量评价降雨引起滑坡变形的滞后效应的评价方法，包括以下步骤：获取一定时间区间内滑坡体的变形曲线及对应的日降雨量数据，其监测点位于滑坡的典型变形区，且时间区间里包含多次典型降雨事件；以上述数据为基础，分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组；通过交叉计算关于前期累计降雨量的特征向量和关于累积持续变形量的特征向量之间的相关性，获得关于两者之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价。本发明能服务于滑坡变形体关于降雨的变形趋势预测，进而服务关于大型滑坡体的地质安全风险评价和地质灾害防灾减灾工作。

Description

一种定量评价降雨引起滑坡变形的滞后效应的评价方法
技术领域
本发明涉及地质灾害勘察、监测和预警领域，特别涉及一种定量评价降雨引起滑坡变形的滞后效应的评价方法。
背景技术
降雨引起滑坡变形是一个复杂的过程，由于渗透作用的存在，导致降雨引起滑坡体变形存在一定的滞后性，这种作用在大型堆积体滑坡或是推挤型滑坡中尤为明显。传统的研究方法主要依靠累积变形曲线和日降雨量分布图进行定性或是半定量地评价滑坡变形的滞后性，因此无法有效且定量地预测滑坡的变形时间和趋势。而后，许多学者开始采用不同时间尺度的前期累计降雨量和滑坡的日变形量来研究前期降雨对滑坡变形的影响，但其所得出的相关性依然不高。其原因在于，滑坡的变形同样是个缓慢的过程，一段时间内的前期降雨所引起的滑坡变形不会在一天内就蠕变完成。
发明内容
针对上述现有技术中存在的问题，本发明旨在提供一种定量评价降雨引起滑坡变形的滞后效应的评价方法，能更有效和准确地评价降雨诱发滑坡变形的滞后效应，为降雨诱发型滑坡的变形分析和预测工作提供支撑，以服务关于大型滑坡体的地质安全风险评价和地质灾害防灾减灾工作。
为了实现上述目的，本发明提出了一种定量评价降雨引起滑坡变形的滞后效应的评价方法，包括以下步骤：
S1、获取一定时间区间内滑坡体的变形曲线及对应的日降雨量数据，其监测点位于滑坡的典型变形区，且时间区间里包含多次典型降雨事件；
S2、以上述数据为基础，分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组；
不同时间尺度的前期累计降雨量的特征向量组为：
Α＝[α1,α2,α3,…,αi,…,αn] (1)；
式中：Α为前期累计降雨量的特征向量组；
α1表示当天的降雨量；
α2表示2天内的降雨量；
α3表示3天内的降雨量；
αi表示i天内的降雨量；
αn表示n天内的降雨量；
其中，i＜n；
不同时间尺度的累积变形量的特征向量组为：
Β＝[β1,β2,β3,…,βj,…,βm] (2)；
式中：Β为累积持续变形量的特征向量组；
β1表示当天的变形量；
β2表示2天内的变形量；
β3表示3天内的变形量；
βj表示j天内的持续变形量；
βm表示m天内的持续变形量；
其中，j＜m；
式(1)和(2)中，特征向量组A和B中的每个特征向量均为列向量，每个特征向量包含的元素个数相同，且同一行的元素代表同一个日期的数据；设完整监测区间共有N天，那么定义A和B中每个特征向量的第一个元素均代表整个时间区间中第n天的数据，而最后一个元素则均代表第(N-m+1)天的数据，每个特征向量的长度均为(N-n-m+2)；
S3、通过交叉计算关于前期累计降雨量的特征向量和关于累积持续变形量的特征向量之间的相关性，获得关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价；
相关性系数计算为：
Figure BDA0003868997150000031
式中：r代表两个变量之间的相关性系数；
l代表变量中元素的个数，l＝(N-n-m+2)；
Xk代表A中某一特征向量中的第k个元素，
Figure BDA0003868997150000032
代表对应特征向量中元素的平均数；
Yk代表B中某一特征向量中的第k个元素，
Figure BDA0003868997150000033
代表对应特征向量中元素的平均数；
A中每一个特征向量和B中每一个特征向量之间都能计算出一个相关性系数r；
相关性系数r∈[0,1]，当r＝1时，表示两个变量完全线性相关，当r＝0时，表示两个变量完全独立，r越大，两个变量的相关性越强。
上述方案中：将累积持续变形量的不同时间尺度作为x轴、前期累计降雨量的不同时间尺度作为y轴，相关性系数r作为z轴，得到关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，方便从图中直观地看到滑坡的累计降雨量和累积持续变形量之间的相关性。
上述方案中：n和m的取值视滑坡的规模而定，可先取一值，进行计算，若其计算结果中，相关性系数的趋势为明显递增或是尚未趋向于稳定，则将其取值进一步扩大；若其计算结果中，相关性系数的分布呈缓慢递减趋势，或是无明显规律，那么n和m的取值符合要求。n和m的取值不适过小，足够的特征向量才能保证滑坡变形体关于降雨的变形趋势预测准确。
上述方案中：N的取值为1000～1500，n和m的取值均为80～120。即共含有1000～1500天的监测数据，已经能保证滑坡变形体关于降雨的变形趋势预测准确，避免监测时间区间过大造成工作量大。
本发明的有益效果是：通过分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组，并进一步交叉计算特征向量间的相关性，以获得关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价，从而服务滑坡变形体关于降雨的变形趋势预测，进而服务关于大型滑坡体的地质安全风险评价和地质灾害防灾减灾工作，尤其针对长期蠕变型的大型滑坡。
附图说明
图1为本发明的流程图。
图2为本发明中的滑坡监测点位置平面示意图和剖面示意图。
图3为本发明中的滑坡累积持续位移和每日降雨数据示意图。
图4为不同时间尺度的前期累积降雨量和累计持续变形量的相关性分布图。
具体实施方式
如图1—4所示，一种定量评价降雨引起滑坡变形的滞后效应的评价方法，主要由以下步骤组成：
获取一定时间区间内滑坡体的变形曲线及对应的日降雨量数据，其监测点位于滑坡的典型变形区，且时间区间里包含多次典型降雨事件。
以上述数据为基础，分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组。
不同时间尺度的前期累计降雨量的特征向量组为：
Α＝[α1,α2,α3,…,αi,…,αn] (1)；
式中：Α为前期累计降雨量的特征向量组；
α1表示当天的降雨量；
α2表示2天内的降雨量；
α3表示3天内的降雨量；
αi表示i天内的降雨量；
αn表示n天内的降雨量；
其中，i＜n；
不同时间尺度的累积变形量的特征向量组为：
Β＝[β1,β2,β3,…,βj,…,βm] (2)；
式中：Β为累积持续变形量的特征向量组；
β1表示当天的变形量；
β2表示2天内的变形量；
β3表示3天内的变形量；
βj表示j天内的持续变形量；
βm表示m天内的持续变形量；
其中，j＜m。
式(1)和(2)中，特征向量组A和B中的每个特征向量均为列向量，每个特征向量包含的元素个数相同，且同一行的元素代表同一个日期的数据；设完整监测区间共有N天，那么定义A和B中每个特征向量的第一个元素均代表整个时间区间中第n天的数据，而最后一个元素则均代表第(N-m+1)天的数据，每个特征向量的长度均为(N-n-m+2)。
n和m的取值不适过小，n和m的取值视滑坡的规模而定，可先取一值，进行计算，若其计算结果中，相关性系数的趋势为明显递增或是尚未趋向于稳定，则将其取值进一步扩大；若其计算结果中，相关性系数的分布呈缓慢递减趋势，或是无明显规律，那么n和m的取值符合要求。
通过交叉计算关于前期累计降雨量的特征向量和关于累积持续变形量的特征向量之间的相关性，获得关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价。
相关性系数计算为：
Figure BDA0003868997150000061
式中：r代表两个变量之间的相关性系数；
l代表变量中元素的个数，l＝(N-n-m+2)；
Xk代表A中某一特征向量中的第k个元素，
Figure BDA0003868997150000062
代表对应特征向量中元素的平均数；
Yk代表B中某一特征向量中的第k个元素，
Figure BDA0003868997150000063
代表对应特征向量中元素的平均数；
A中每一个特征向量和B中每一个特征向量之间都能计算出一个相关性系数r。
相关性系数r∈[0,1]，当r＝1时，表示两个变量完全线性相关，当r＝0时，表示两个变量完全独立，r越大，两个变量的相关性越强。
将累积持续变形量的不同时间尺度作为x轴、前期累计降雨量的不同时间尺度作为y轴，相关性系数r作为z轴，得到关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，方便从图中直观地看到滑坡的累计降雨量和累积持续变形量之间的相关性。
最好是，N的取值为1000～1500，n和m的取值均为80～120。即共含有1000～1500天的监测数据，已经能保证滑坡变形体关于降雨的变形趋势预测准确，避免监测时间区间过大造成工作量大。
实施例1
采用的变形和降雨的数据范围为2018年8月14日至2022年5月26日，即共含有N＝1382天的监测数据，为避免n和m的取值过小，n和m均取90。所有的列向量的描述如下表1所示。
表1 不同时间尺度的前期累计降雨量和累积持续变形量的特征向量描述统计表
Figure BDA0003868997150000071
此时，每个特征向量中都包含1204个元素(例如α1、β1、α2、β2……中均包含1204个元素)，且每个特征向量内的第一个元素均为第90天的数据，最后一个元素为第1293天的数据。
将不同时间尺度的前期累计降雨量和不同时间尺度的累积持续变形量的特征向量分别依次代入下式中进行相关性计算：
Figure BDA0003868997150000072
A中每一个特征向量和B中每一个特征向量之间都能计算出一个相关性系数r，即[α1,α2,α3,…,αi,…,αn]中任一项特征向量可与[β1,β2,β3,…,βj,…,βm]中任一项特征向量计算出一个相关性系数r
通过交叉计算，共可获得不同特征向量之间的8100个相关性系数。
将累积持续变形量的不同时间尺度作为x轴、前期累计降雨量的不同时间尺度作为y轴，相关性系数r作为z轴，可得到关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，如图4所示。
从图中可得，滑坡的累计降雨量和累积持续变形量之间的相关性会随着前期累计降雨量的时间尺度的扩大先增大后减小，同时，也会随着累积持续变形量的时间尺度的增大而呈现先递增后递减的趋势。其中，33天内的累计降雨量和24天内的累积持续变形的相关性最高，达到0.78左右。
综上所述，本发明提供了一种定量评价降雨引起滑坡变形的滞后效应的评价方法。该方法基于滑坡典型变形区的连续变形数据和对应时间内的日降雨量数据，通过分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组，并进一步交叉计算特征向量间的相关性，以获得关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价，从而服务滑坡变形体关于降雨的变形趋势预测。

Claims (4)

1.一种定量评价降雨引起滑坡变形的滞后效应的评价方法，其特征在于，包括以下步骤：
S1、获取一定时间区间内滑坡体的变形曲线及对应的日降雨量数据，其监测点位于滑坡的典型变形区，且时间区间里包含多次典型降雨事件；
S2、以上述数据为基础，分别构建关于不同时间尺度的前期累计降雨量的特征向量组和关于不同时间尺度的累积持续变形量的特征向量组；
不同时间尺度的前期累计降雨量的特征向量组为：
Α＝[α1,α2,α3,…,αi,…,αn] (1)；
式中：Α为前期累计降雨量的特征向量组；
α1表示当天的降雨量；
α2表示2天内的降雨量；
α3表示3天内的降雨量；
αi表示i天内的降雨量；
αn表示n天内的降雨量；
其中，i＜n；
不同时间尺度的累积变形量的特征向量组为：
Β＝[β1,β2,β3,…,βj,σ,βm] (2)；
式中：Β为累积持续变形量的特征向量组；
β1表示当天的变形量；
β2表示2天内的变形量；
β3表示3天内的变形量；
βj表示j天内的持续变形量；
βm表示m天内的持续变形量；
其中，j＜m；
式(1)和(2)中，特征向量组A和B中的每个特征向量均为列向量，每个特征向量包含的元素个数相同，且同一行的元素代表同一个日期的数据；设完整监测区间共有N天，那么定义A和B中每个特征向量的第一个元素均代表整个时间区间中第n天的数据，而最后一个元素则均代表第(N-m+1)天的数据，每个特征向量的长度均为(N-n-m+2)；
S3、通过交叉计算关于前期累计降雨量的特征向量和关于累积持续变形量的特征向量之间的相关性，获得关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征，并实现针对降雨引起滑坡变形的滞后效应的评价；
相关性系数计算为：
Figure FDA0003868997140000021
式中：r代表两个变量之间的相关性系数；
l代表变量中元素的个数，l＝(N-n-m+2)；
Xk代表A中某一特征向量中的第k个元素，
Figure FDA0003868997140000022
代表对应特征向量中元素的平均数；
Yk代表B中某一特征向量中的第k个元素，
Figure FDA0003868997140000023
代表对应特征向量中元素的平均数；
A中每一个特征向量和B中每一个特征向量之间都能计算出一个相关性系数r；
相关性系数r∈[0,1]，当r＝1时，表示两个变量完全线性相关，当r＝0时，表示两个变量完全独立，r越大，两个变量的相关性越强。
2.根据权利要求1所述的定量评价降雨引起滑坡变形的滞后效应的评价方法，其特征在于：将累积持续变形量的不同时间尺度作为x轴、前期累计降雨量的不同时间尺度作为y轴，相关性系数r作为z轴，得到关于不同时间尺度的前期累计降雨量和累积持续变形量之间的相关性的分布特征图。
3.根据权利要求1所述的定量评价降雨引起滑坡变形的滞后效应的评价方法，其特征在于：n和m的取值视滑坡的规模而定，可先取一值，进行计算，若其计算结果中，相关性系数的趋势为明显递增或是尚未趋向于稳定，则将其取值进一步扩大；若其计算结果中，相关性系数的分布呈缓慢递减趋势，或是无明显规律，那么n和m的取值符合要求。
4.根据权利要求1所述的定量评价降雨引起滑坡变形的滞后效应的评价方法，其特征在于：N的取值为1000～1500，n和m的取值均为80～120。
CN202211190165.0A 2022-09-28 2022-09-28 一种定量评价降雨引起滑坡变形的滞后效应的评价方法 Active CN115587434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211190165.0A CN115587434B (zh) 2022-09-28 2022-09-28 一种定量评价降雨引起滑坡变形的滞后效应的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211190165.0A CN115587434B (zh) 2022-09-28 2022-09-28 一种定量评价降雨引起滑坡变形的滞后效应的评价方法

Publications (2)

Publication Number Publication Date
CN115587434A true CN115587434A (zh) 2023-01-10
CN115587434B CN115587434B (zh) 2023-06-16

Family

ID=84778820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211190165.0A Active CN115587434B (zh) 2022-09-28 2022-09-28 一种定量评价降雨引起滑坡变形的滞后效应的评价方法

Country Status (1)

Country Link
CN (1) CN115587434B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004062824A (ja) * 2002-07-31 2004-02-26 Nippon Telegr & Teleph Corp <Ntt> 危険地域作業安全確保支援方法及びシステム
JP2004347339A (ja) * 2003-05-20 2004-12-09 Yokohama Tlo Co Ltd 崖崩壊予測装置及び崖崩壊予測用コンピュータプログラム
CN103017709A (zh) * 2012-12-20 2013-04-03 青岛理工大学 一种利用降雨量测定地质滑坡位移的方法
US20160210338A1 (en) * 2015-01-19 2016-07-21 i3D Technologies, Inc. dba H20Metrics System for Collaborative Data Analytics for Time Series Data
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法
CN107423519A (zh) * 2017-08-02 2017-12-01 中国地质环境监测院 一种台风暴雨型浅层滑坡安全系数计算方法
US20180045853A1 (en) * 2016-08-15 2018-02-15 U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration Landslide hazard assessment system and method
CN108538026A (zh) * 2018-02-23 2018-09-14 青岛理工大学 一种边坡稳定性的多指标综合评价与预警方法
CN110470819A (zh) * 2019-09-12 2019-11-19 西南石油大学 一种滑坡体监测数据传输系统可靠性测试系统及方法
CN112699572A (zh) * 2021-01-18 2021-04-23 长安大学 一种基于时滞相关性分析预测滑坡变形的方法
CN114138855A (zh) * 2021-09-16 2022-03-04 国家石油天然气管网集团有限公司 一种多变量降雨型滑坡灾害监测方法及监测系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004062824A (ja) * 2002-07-31 2004-02-26 Nippon Telegr & Teleph Corp <Ntt> 危険地域作業安全確保支援方法及びシステム
JP2004347339A (ja) * 2003-05-20 2004-12-09 Yokohama Tlo Co Ltd 崖崩壊予測装置及び崖崩壊予測用コンピュータプログラム
CN103017709A (zh) * 2012-12-20 2013-04-03 青岛理工大学 一种利用降雨量测定地质滑坡位移的方法
US20160210338A1 (en) * 2015-01-19 2016-07-21 i3D Technologies, Inc. dba H20Metrics System for Collaborative Data Analytics for Time Series Data
US20180045853A1 (en) * 2016-08-15 2018-02-15 U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration Landslide hazard assessment system and method
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法
CN107423519A (zh) * 2017-08-02 2017-12-01 中国地质环境监测院 一种台风暴雨型浅层滑坡安全系数计算方法
CN108538026A (zh) * 2018-02-23 2018-09-14 青岛理工大学 一种边坡稳定性的多指标综合评价与预警方法
CN110470819A (zh) * 2019-09-12 2019-11-19 西南石油大学 一种滑坡体监测数据传输系统可靠性测试系统及方法
CN112699572A (zh) * 2021-01-18 2021-04-23 长安大学 一种基于时滞相关性分析预测滑坡变形的方法
CN114138855A (zh) * 2021-09-16 2022-03-04 国家石油天然气管网集团有限公司 一种多变量降雨型滑坡灾害监测方法及监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
戚宗锋, 国防工业出版社 *
樊俊屹: "四川理县蒲溪乡边坡变形监测及降雨影响分析", 《地震地磁观测与研究》, vol. 42, no. 4, pages 87 - 93 *

Also Published As

Publication number Publication date
CN115587434B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Maruyama et al. Population bottlenecks and nonequilibrium models in population genetics. III. Genic homozygosity in populations which experience periodic bottlenecks
Ewens Numerical results and diffusion approximations in a genetic process
CN107908835B (zh) 一种多影响因素下滑坡动态响应情况分析的方法
CN102184292A (zh) 服从指数分布的电子产品可靠性预计模型修正方法
CN109301835B (zh) 一种考虑用户效用的配网电压暂降严重程度评估方法
CN111275341B (zh) 基于lasso及随机森林的高拱坝谷幅变形分析方法
Morton‐Jones et al. Additive isotonic regression models in epidemiology
DE10085170B4 (de) Statistischer Trendgenerator zur prädiktiven Instrumentenwartung
CN115587434A (zh) 一种定量评价降雨引起滑坡变形的滞后效应的评价方法
CN114138855B (zh) 一种多变量降雨型滑坡灾害监测方法及监测系统
Eversmeyer et al. Equations for predicting wheat stem rust development
CN117200223A (zh) 日前电力负荷预测方法和装置
Malone et al. Calibration and quality control of the Coshocton weighing lysimeters
CN115510945B (zh) 基于主成分和Logistic分析地质灾害概率预报方法
CN111982256A (zh) 一种基于多通道cnn模型的汽车衡压力传感器故障预警方法
CN116975574A (zh) 一种海洋环境重金属污染评价方法
Chetty Estimation of Solow's distributed lag models
CN109164471A (zh) 一种基于主成分分析的区域划分方法
DE102017128565A1 (de) Verfahren zur Sensorbestückung einer Prozessanlage
CN113255207A (zh) 基于迭代多输出-马尔科夫链的空分系统氩馏分变量多步预测方法
CN114199439B (zh) 一种基于传感器数据的船体结构屈服强度评估应力获取方法
Rogers et al. Representing structural change in US migration patterns
Walty et al. WESTERMANN MORPHOSPACE ANALYSIS OF THE CRETACEOUS AMMONOID SUPERFAMILY DESMOCERATOIDEA
Mills Modelling monthly trends in frost days for the United Kingdom and its regions
CN114859439B (zh) 极端高温事件预测方法和设备

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