CN116362552B - 一种评估小型水库安全风险等级的方法 - Google Patents
一种评估小型水库安全风险等级的方法 Download PDFInfo
- Publication number
- CN116362552B CN116362552B CN202310631907.7A CN202310631907A CN116362552B CN 116362552 B CN116362552 B CN 116362552B CN 202310631907 A CN202310631907 A CN 202310631907A CN 116362552 B CN116362552 B CN 116362552B
- Authority
- CN
- China
- Prior art keywords
- small reservoir
- safety risk
- value
- risk
- index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000013210 evaluation model Methods 0.000 claims abstract description 19
- 238000011426 transformation method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 38
- 238000005315 distribution function Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 150000001875 compounds Chemical group 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种评估小型水库安全风险等级的方法，包括以下步骤：收集与小型水库风险相关的资料：确立小型水库安全风险指标；构建小型水库安全风险等级评估模型的目标函数和约束条件；基于逆变换法改进洗牌复形演化算法；利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；制定小型水库安全风险等级标准；评估小型水库安全风险等级。本发明的优点是：在原有的洗牌复形演化算法基础上，吸收了逆变换法的取值均匀性，提升了算法在初始随机阶段的计算效率，改善了算法的寻优能力，为快速准确评估小型水库安全风险分级研究提供了新方法，可推广用于大中型水库。
Description
技术领域
本发明涉及一种防洪减灾技术领域，具体而言，涉及一种评估小型水库安全风险等级的方法。
背景技术
目前评估小型水库安全风险常用的方法有层次分析法、主成分分析法、模糊综合评判法、多因素评判指标法、灰色系统法等，这些方法都能考虑洪涝灾害风险相关指标之间的相互影响，避免了单一指标评价的片面性，但往往主观性较强，对小型水库安全风险等级评估结果不够准确和客观。
洗牌复形演化算法是一种智能优化算法，具有很快的计算效率和很好的寻优能力，无需人工干预便可自动准确快速的确定最优模型参数，能很好的解决多维、复杂的模型问题。
发明内容
针对现有技术存在的不足，本发明提供了一种评估小型水库安全风险等级的方法。
为解决以上技术问题，本发明采用如下的技术方案：一种评估小型水库安全风险等级的方法，包括以下具体步骤：
步骤1，收集与小型水库风险相关的资料：收集小型水库工程缺陷和后果影响两类资料；
步骤2，确立小型水库安全风险指标：将工程缺陷和后果影响两类资料进一步细分，明确与小型水库安全风险相关的指标；
步骤3，构建小型水库安全风险等级评估模型的目标函数和约束条件；
步骤4，基于逆变换法改进洗牌复形演化算法；
步骤5，利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；
步骤6，制定小型水库安全风险等级标准；
步骤7，评估小型水库安全风险等级。
进一步的，步骤3构建小型水库安全风险等级评估模型的目标函数和约束条件，具体操作步骤包括：
步骤31，构造单个小型水库工程缺陷对应的安全风险综合值和标准差，其计算公式如下：
式中，为单个小型水库工程缺陷对应的安全风险综合值；/>为第j1个工程缺陷对应安全风险指标的分配权重值；/>为单个小型水库工程缺陷对应的第j1个安全风险指标；j1=1，2，…，n1；n1为小型水库工程缺陷对应的安全风险指标个数；/>为第i个小型水库的工程缺陷对应的安全风险综合值；/>为/>的标准差；/>为/>的平均值；i=1，2，…，m；m为小型水库的个数；
步骤32，构造单个小型水库后果影响对应的安全风险综合值和标准差，其计算公式如下：
式中，为单个小型水库后果影响对应的安全风险综合值；/>为第j2个后果影响对应安全风险指标的分配权重值；/>为单个小型水库后果影响对应的第j2个安全风险指标；j2=1，2，…，n2；n2为小型水库后果影响对应的安全风险指标个数；/>为第i个小型水库的后果影响对应的安全风险综合值；/>为/>的标准差；/>为/>的平均值；
步骤33，构建评估模型的目标函数和约束条件，其公式为：
式中，Hmax为评估模型的目标函数的最大值。
进一步的，步骤4基于逆变换法改进洗牌复形演化算法；利用逆变换法对评估模型的参数进行初始取值，取代原算法中的初始随机取值；具体操作步骤包括：
步骤41，在各指标分配权重的取值上下限范围内，根据计算公式（8）、公式（9）和公式（10），计算得到分布函数Y（y）；
式中，Y（y）为各指标分配权重y的分布函数，y表示各指标分配权重；ymin为各指标分配权重的下限；ymax为各指标分配权重的上限；
步骤42，对分布函数Y（y）求反函数，即求得抽样公式为：
式中，u表示在0和1之间均匀分布的随机数；表示分布函数Y（y）的反函数。
进一步的，步骤5中利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；具体操作步骤包括：
步骤51，利用逆变换法对洗牌复形演化算法在小型水库工程缺陷和后果影响对应的安全风险指标分配权重的上下限范围内，进行均匀取值；将均匀取值后的参数通过调用的方式，调用到评估模型中，得到最开始的一组小型水库工程缺陷对应的指标分配权重值和小型水库后果影响对应的指标分配权重值；
步骤52，将得到的各指标分配权重值返回到洗牌复形演化算法中；
步骤53，对返回值计算目标函数值，经升序排列、复合型群体划分、复合型进化、复合型混合四个步骤后，得到第一次迭代的目标函数值和对应的各指标分配权重值；
步骤54，如果未达到设定的最大迭代优化次数，则重复步骤53完成下一次迭代，记录下一次得到的目标函数值，与前一次迭代得到的结果进行比较分析，记录更好的结果；重复步骤53继续又一次迭代，直至达到设定的最大迭代优化次数，停止迭代，记录停止迭代时最优的目标函数值，对应的即为最优各指标分配权重值。
进一步的，步骤6制定小型水库安全风险等级标准；具体包括：
将得到的最优的目标函数值4等份，划定0-0.25H为低风险区，0.25H-0.5H为中风险区，0.5H-0.75H为高风险区，0.75H-+∞为极高风险区，H为评估模型的目标函数。
进一步的，步骤7评估小型水库安全风险等级；具体包括：
将计算出的小型水库安全风险值，与制定的小型水库安全风险等级标准对比，属于低风险区范围的小型水库认定为低风险，属于中风险区范围的小型水库认定为中风险，属于高风险区范围的小型水库认定为高风险，属于极高风险区范围的小型水库认定为极高风险。
本发明引入洗牌复形演化算法，在其寻优能力和计算效率基础上，利用逆变换法方法对算法的初始取值进行改进，降低了算法初始的随机性和盲目性，达到了提升算法的迭代速度和增强全局寻优能力的目的，可为解决小型水库安全风险等级评估问题提供一种新的方法。目前，没有文献利用逆变换法改进洗牌复形演化算法，并将改进后的方法用于评估小型水库安全风险分级研究。
本发明的有益效果是：
（1）本发明是在保持了标准混合洗牌复形演化算法全局搜索能力的基础上，充分吸收了逆变换法的均分取值和快速取值的优势，降低了初始解的随机性，提升了初始阶段算法的搜索效率，使算法性能提升；
（2）相比常规的小型水库安全风险评估方法，本方法能充分发挥人工智能技术方面的优势，实现无需给定初始值便可在各参数范围内自动快速准确找到最优的一组参数，克服了人为经验性、随意性和主观性，提升了计算效率，节省了大量人力成本，为水库安全风险评估研究提供了新方法。
附图说明
图1为本发明技术流程图。
具体实施方式
下面结合实施例详述本发明，但本发明不局限于这些实施例。
在某省11个地市100个县区内，选取200座小型水库（100座小（1）型水库、100座小（2）型水库），即每个县选择1座小（1）型、1座小（2）型水库。
如图1所示，一种评估小型水库安全风险等级的方法，包括以下具体步骤：
步骤1，收集与小型水库风险相关的资料：收集小型水库工程缺陷和后果影响两类资料；其中小型水库工程缺陷资料包括大坝坝体、涵管（隧洞）、溢洪道、闸门（启闭机）、管理设施等；后果影响资料包括特征参数、下游影响等；
步骤2，确立小型水库安全风险指标：将工程缺陷和后果影响两类资料进一步细分，明确与小型水库安全风险相关的指标；其中工程缺陷指标分为13项，如大坝坝体细分为坝坡散浸、集中渗漏、接触渗漏、排水体淤堵、异常变形5项指标；涵管（隧洞）细分为进出水口堵塞、渗漏2项指标；溢洪道细分为结构隐患、泄洪能力2项指标；闸门（启闭机）细分为设施完整性、启闭能力2项指标；管理设施细分为水雨情设施、防汛物料配备2项指标。后果影响指标分为6项，如特征参数细分为总库容、最大坝高、流域面积3项指标；下游影响细分为影响人口、重要设施、农田灌溉3项指标；
步骤3，构建小型水库安全风险等级评估模型的目标函数和约束条件；
步骤4，基于逆变换法改进洗牌复形演化算法；
步骤5，利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；
步骤6，制定小型水库安全风险等级标准；
步骤7，评估小型水库安全风险等级。
进一步的，步骤3构建小型水库安全风险等级评估模型的目标函数和约束条件，具体操作步骤包括：
步骤31，构造单个小型水库工程缺陷对应的安全风险综合值和标准差，其计算公式如下：
式中，为单个小型水库工程缺陷对应的安全风险综合值；/>为第j1个工程缺陷对应安全风险指标的分配权重值；/>为单个小型水库工程缺陷对应的第j1个安全风险指标；j1=1，2，…，13；/>为第i个小型水库的工程缺陷对应的安全风险综合值；/>为的标准差；/>为/>的平均值；i=1，2，…，200；
步骤32，构造单个水库后果影响对应的安全风险综合值和标准差，其计算公式如下：
式中，为单个小型水库后果影响对应的安全风险综合值；/>为第j2个后果影响对应安全风险指标的分配权重值；/>为单个小型水库后果影响对应的第j2个安全风险指标；j2=1，2，…，6；/>为第i个小型水库的后果影响对应的安全风险综合值；/>为的标准差；/>为/>的平均值；
步骤33，构建评估模型的目标函数和约束条件，其公式为：
式中，Hmax为求评估模型目标函数的最大值。
进一步的，步骤4基于逆变换法改进洗牌复形演化算法；具体操作步骤包括：
步骤41，在各指标分配权重的取值上下限范围内，根据计算公式（8）、（9）和（10），计算得到分布函数Y（y）；
式中，y表示各指标分配权重；ymin为各指标分配权重的下限；ymax为各指标分配权重的上限；Y（y）为各指标分配权重y的分布函数；
步骤42，对分布函数Y（y）求反函数，即求得抽样公式为：
式中，u表示在0和1之间均匀分布的随机数；表示分布函数Y（y）的反函数；
步骤43，对样本点进行排序。把得到的200个样本点按升序排列；
步骤44，进行复合形划分；
步骤45，演化复合形。依据竞争的复合形演化算法(CCE)分别对各复合形进行演化；
步骤46，混合复合形，计算目标函数值，重新升序排序；
步骤47，收敛性判断。若达到收敛条件则停止，否则返回步骤44。
进一步的，步骤5中利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；具体操作步骤包括：
步骤51，利用逆变换法对洗牌复形演化算法在小型水库工程缺陷和后果影响对应的安全风险指标分配权重的上下限范围内，进行均匀取值；将均匀取值后的参数通过调用的方式，调用到评估模型中，得到最开始的一组小型水库工程缺陷对应的指标分配权重值和小型水库后果影响对应的指标分配权重值；
步骤52，将得到的各指标分配权重值返回到洗牌复形演化算法中；
步骤53，对返回值计算目标函数值，经升序排列、复合型群体划分、复合型进化、复合型混合四个步骤后，得到第一次迭代的目标函数值和对应的各指标分配权重值；
步骤54，如果未达到设定的最大迭代优化次数，则重复步骤53完成下一次迭代，记录下一次得到的目标函数值，与前一次迭代得到的结果进行比较分析，记录更好的结果；重复步骤53继续又一次迭代，直至达到设定的最大迭代优化次数，停止迭代，记录停止迭代时最优的目标函数值，对应的即为最优各指标分配权重值。
进一步的，所述步骤6制定小型水库安全风险等级标准，具体为：将得到的目标函数值4等份，划定0-0.25H为低风险区，0.25H-0.5H为中风险区，0.5H-0.75H为高风险区，0.75H-+∞为极高风险区；H为评估模型的目标函数。
进一步的，所述步骤7评估小型水库安全风险等级，具体操作步骤包括：
步骤71，将获取到单个水库工程缺陷对应的安全风险二级指标分配权重值与对应的二级指标分值（见表1）相乘，再把每个二级指标相乘的值进行累加求和，可得小型水库工程缺陷对应的安全风险总值；
步骤72，将获取到单个水库后果影响对应的安全风险二级指标分配权重与对应的二级指标分值（见表2）相乘，再把每个二级指标相乘的值进行累加求和，可得小型水库后果影响对应的安全风险总值；
步骤73，将单个小型水库工程缺陷对应的安全风险总值与小型水库后果影响对应的安全风险总值相乘，即可得出此小型水库安全风险值；
步骤74，将计算出的小型水库安全风险值与制定的小型水库安全风险等级标准对比，属于低风险区范围的水库可认定为低风险，属于中风险区范围的水库可认定为中风险，属于高风险区范围的水库可认定为高风险，属于极高风险区范围的水库可认定为极高风险。
表1 小型水库工程缺陷对应的安全风险指标分值表（满分1分）
表2 小型水库后果影响对应的安全风险指标分值表（满分1分）
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (1)
1.一种评估小型水库安全风险等级的方法，其特征在于：包括以下具体步骤：
步骤1，收集与小型水库风险相关的资料：收集小型水库工程缺陷和后果影响两类资料；
步骤2，确立小型水库安全风险指标：将工程缺陷和后果影响两类资料进一步细分，明确与小型水库安全风险相关的指标；
步骤3，构建小型水库安全风险等级评估模型的目标函数和约束条件；
步骤4，基于逆变换法改进洗牌复形演化算法；
步骤5，利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；
步骤6，制定小型水库安全风险等级标准；
步骤7，评估小型水库安全风险等级；
步骤3构建小型水库安全风险等级评估模型的目标函数和约束条件，具体操作步骤包括：
步骤31，构造单个小型水库工程缺陷对应的安全风险综合值和标准差，其计算公式如下：
（1）；
（2）；
式中，为单个小型水库工程缺陷对应的安全风险综合值；/>为第j1个工程缺陷对应安全风险指标的分配权重值；/>为单个小型水库工程缺陷对应的第j1个安全风险指标；j1=1，2，…，n1；n1为小型水库工程缺陷对应的安全风险指标个数；/>为第i个小型水库的工程缺陷对应的安全风险综合值；/>为/>的标准差；/>为/>的平均值；i=1，2，…，m；m为小型水库的个数；
步骤32，构造单个小型水库后果影响对应的安全风险综合值和标准差，其计算公式如下：
（3）；
（4）；
式中，为单个小型水库后果影响对应的安全风险综合值；/>为第j2个后果影响对应安全风险指标的分配权重值；/>为单个小型水库后果影响对应的第j2个安全风险指标；j2=1，2，…，n2；n2为小型水库后果影响对应的安全风险指标个数；/>为第i个小型水库的后果影响对应的安全风险综合值；/>为/>的标准差；/>为/>的平均值；
步骤33，构建评估模型的目标函数和约束条件，其公式为：
（5）；
（6）；
（7）；
式中， Hmax为评估模型的目标函数的最大值；
步骤4基于逆变换法改进洗牌复形演化算法；利用逆变换法对评估模型的参数进行初始取值；具体操作步骤包括：
步骤41，在各指标分配权重的取值上下限范围内，根据计算公式（8）、公式（9）和公式（10），计算得到分布函数Y（y）；
（8）；
（9）；
（10）；
式中，Y（y）为各指标分配权重y的分布函数，y表示各指标分配权重；ymin为各指标分配权重的下限；ymax为各指标分配权重的上限；
步骤42，对分布函数Y（y）求反函数，即求得抽样公式为：
（11）；
式中，u表示在0和1之间均匀分布的随机数；表示分布函数Y（y）的反函数；
步骤5中利用改进后的洗牌复形演化算法优化评估模型：获取各指标的最优权重比例和对应的综合值；具体操作步骤包括：
步骤51，利用逆变换法对洗牌复形演化算法在小型水库工程缺陷和后果影响对应的安全风险指标分配权重的上下限范围内，进行均匀取值；将均匀取值后的参数通过调用的方式，调用到评估模型中，得到最开始的一组小型水库工程缺陷对应的指标分配权重值和小型水库后果影响对应的指标分配权重值；
步骤52，将得到的各指标分配权重值返回到洗牌复形演化算法中；
步骤53，对返回的各指标分配权重值计算目标函数值，经升序排列、复合型群体划分、复合型进化、复合型混合四个步骤后，得到第一次迭代的目标函数值和对应的各指标分配权重值；
步骤54，如果未达到设定的最大迭代优化次数，则重复步骤53完成下一次迭代，记录下一次得到的目标函数值，与前一次迭代得到的结果进行比较分析，记录更好的结果；重复步骤53继续又一次迭代，直至达到设定的最大迭代优化次数，停止迭代，记录停止迭代时最优的目标函数值，对应的即为最优各指标分配权重值；
步骤6制定小型水库安全风险等级标准；具体包括：
将得到的最优的目标函数值4等份，划定0-0.25H为低风险区，0.25H-0.5H为中风险区，0.5H-0.75H为高风险区，0.75H-+∞为极高风险区，H为评估模型的目标函数；
步骤7评估小型水库安全风险等级；具体包括：
将计算出的小型水库安全风险值，与制定的小型水库安全风险等级标准对比，属于低风险区范围的小型水库认定为低风险，属于中风险区范围的小型水库认定为中风险，属于高风险区范围的小型水库认定为高风险，属于极高风险区范围的小型水库认定为极高风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310631907.7A CN116362552B (zh) | 2023-05-31 | 2023-05-31 | 一种评估小型水库安全风险等级的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310631907.7A CN116362552B (zh) | 2023-05-31 | 2023-05-31 | 一种评估小型水库安全风险等级的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116362552A CN116362552A (zh) | 2023-06-30 |
| CN116362552B true CN116362552B (zh) | 2023-09-05 |
Family
ID=86928573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310631907.7A Active CN116362552B (zh) | 2023-05-31 | 2023-05-31 | 一种评估小型水库安全风险等级的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362552B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882696B (zh) * | 2023-07-18 | 2024-03-08 | 黄河水利委员会黄河水利科学研究院 | 一种耦合模糊识别及概率推理的水库群防洪安全双层判别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104245066A (zh) * | 2011-09-30 | 2014-12-24 | 福尔蒂斯公司 | 机器可读牌九游戏牌的位置的实时跟踪 |
| CN104376267A (zh) * | 2014-11-20 | 2015-02-25 | 内江师范学院 | 基于分数阶混沌映射的图像洗牌加密方法 |
| CN113807570A (zh) * | 2021-08-12 | 2021-12-17 | 水利部南京水利水文自动化研究所 | 基于XGBoost的水库大坝风险等级评估方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010039014A1 (en) * | 2000-01-11 | 2001-11-08 | Maxygen, Inc. | Integrated systems and methods for diversity generation and screening |
| US20090193067A1 (en) * | 2008-01-30 | 2009-07-30 | Microsoft Corporation | Server-based recalculation of vector graphics |
| US11962876B2 (en) * | 2014-01-31 | 2024-04-16 | Digimarc Corporation | Recycling methods and systems, and related plastic containers |
-
2023
- 2023-05-31 CN CN202310631907.7A patent/CN116362552B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104245066A (zh) * | 2011-09-30 | 2014-12-24 | 福尔蒂斯公司 | 机器可读牌九游戏牌的位置的实时跟踪 |
| CN104376267A (zh) * | 2014-11-20 | 2015-02-25 | 内江师范学院 | 基于分数阶混沌映射的图像洗牌加密方法 |
| CN113807570A (zh) * | 2021-08-12 | 2021-12-17 | 水利部南京水利水文自动化研究所 | 基于XGBoost的水库大坝风险等级评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于改进智能优化算法的投影寻踪模型在洪水评估中的应用研究;李德龙;水利水电技术;第46卷(第12期);第124-133页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116362552A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458359B (zh) | 一种基于未完全截污条件下的平原河网水量水质优化调控方法 | |
| US20230054713A1 (en) | Method for determining contribution rate of pollution load in water quality assessment section of annular river network system based on water quantity constitute | |
| CN105868886B (zh) | 雨污调蓄池运行效能评价方法 | |
| CN116362552B (zh) | 一种评估小型水库安全风险等级的方法 | |
| CN112528563B (zh) | 一种基于svm算法的城市内涝预警方法 | |
| CN111737853A (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
| CN113807545A (zh) | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 | |
| CN115758886A (zh) | 基于雨洪管网模型与决策树算法的调蓄池优化布设方法 | |
| CN115774953A (zh) | 一种基于数据处理的污染时空风险监管评估系统及方法 | |
| CN108133331B (zh) | 一种黄河下游宽滩区滞洪沉沙功能和减灾效应的评价方法 | |
| CN111985129A (zh) | 一种城市暴雨内涝精细化模拟方法 | |
| CN114021078A (zh) | 一种大坝监测量最佳统计模型优选方法 | |
| CN110059443B (zh) | 一种分层水库取水下泄水温的快速预测方法 | |
| CN117473876A (zh) | 一种融合shap方法和基因表达式编程的闸群联控方法 | |
| CN115496128A (zh) | 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法 | |
| CN107292527B (zh) | 一种城市排水系统性能评估方法 | |
| Zhang et al. | Multi-level fuzzy comprehensive evaluation of the influence of reservoir sedimentation based on improved cloud model | |
| CN115600527A (zh) | 基于水库环境数据的水库运行状态预测分析方法 | |
| Liao et al. | A novel irrigation canal scheduling model adaptable to the spatial-temporal variability of water conveyance loss | |
| CN110765650B (zh) | 一种泥石流体积含沙量的测算方法 | |
| CN114528761A (zh) | 平原水网圩区-圩外系统滞蓄关系优化方法及系统 | |
| CN114611784A (zh) | 用于流域污染物的分散点源和面源污染控制方法 | |
| CN111047213B (zh) | 基于多要素联合判别的中长期水资源量临界预警指标方法 | |
| CN116362551B (zh) | 一种评估洪涝灾害风险等级的方法 | |
| Ergashev et al. | Environmental aspects of operation of irrigation pumping stations in the context of climate change |
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 |