CN116757881A - 一种基于二维云模型的隧道施工动态风险预警方法及系统 - Google Patents
一种基于二维云模型的隧道施工动态风险预警方法及系统 Download PDFInfo
- Publication number
- CN116757881A CN116757881A CN202310766675.6A CN202310766675A CN116757881A CN 116757881 A CN116757881 A CN 116757881A CN 202310766675 A CN202310766675 A CN 202310766675A CN 116757881 A CN116757881 A CN 116757881A
- Authority
- CN
- China
- Prior art keywords
- risk
- cloud
- index
- early warning
- severity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000010276 construction Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 12
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 230000035935 pregnancy Effects 0.000 abstract description 2
- 238000013077 scoring method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009933 burial Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 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
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于二维云模型的隧道施工动态风险预警方法及系统，该方法从隧道风险事件发生的可能性和后果严重程度两个维度对风险进行量化评估，通过设置标准云外包络曲面的方法对规范的风险矩阵进行定量的转换并结合原始数据客观性和专家评估主观性的优点，通过专家打分的方法评估事故的后果严重程度，再将隧道数据通过线性插值的方法转换成无量纲数据，以此评估事故发生的可能性，再将评估的数据带入二维云发生器中生成综合云，通过统计综合云云滴落入不同风险区域的云滴数来反映风险概率，并设置相应的风险报警条件实现动态风险预警。本方法可实现隧道施工过程中随着孕险环境信息更新的动态风险评估，为管理者提供可靠的定量风险评估。
Description
技术领域
本发明涉及隧道施工专项动态风险预警领域，特别涉及一种基于二维云模型的隧道施工动态风险预警方法及系统。
背景技术
随着社会和经济的发展，我国在公路和铁路隧道的建设规模逐渐增大。隧道工程的建设也向着深埋、长、大等方向发展，其施工条件和地质环境更加的复杂，因此在隧道建设过程中将面临不确定性更大的风险。
当前隧道施工风险评估规范大多为定性和半定量的风险评估方法，在评估过程中无法反映风险本身的不确定性，且评估的方法大多为静态评估，没有考虑到随着开挖进行，致使其孕险环境信息改变导致的事故风险改变不能被及时反馈识别。
通过云模型在一定程度上可以反映风险的不确定性。然而，当前的云模型评估方法大多为一维云模型，此类模型只能从单一维度获取评估风险，其评估的维度具有局限性，且并未全面结合风险具有可能性和后果严重程度两个维度的特性，同时传统的云模型评估方法过于依赖专家的主观判断，对风险识别的客观性会存在一定偏差。
综上所述，需要一种可动态进行隧道施工风险预警的模型。
发明内容
本发明提供一种基于二维云模型的隧道施工动态风险预警方法，从风险的可能性和后果严重程度两个维度进行分析，根据客观的设计、勘察、监测数据分析风险事件的可能性，通过专家的经验分析风险事件的后果严重程度，随着隧道的开挖，动态定量评估不同开挖段的风险事件风险并设置预警条件。使得评估得到的风险信息更加真实准确，不仅能够解决边检测边标记存在的技术问题，在降低人工成本的基础上，简化检测流程。
为了实现上述目的，本发明采用如下技术方案：
步骤S1：确定隧道风险事件后果严重程度的影响方面和评估原则：根据相关规范确定风险事件发生后会影响的方面；
步骤S2：确定后果严重程度重要性指数：通过对参与评估的每个专家赋予重要指数的方法，来区别专家的专业程度；
步骤S3：计算后果严重程度分数：邀请3位以上专家分别对风险事件发生后各个方面的后果进行评估，并通过规范所给的公式计算后果严重程度分数；
步骤S4：确定可能性指标：根据具体的施工条件，因地制宜地选取能反映隧道风险事件发生的可能性指标，指标采用设计数据、勘察数据、监测数据中的至少一种数据类型；
步骤S5：确定可能性指标的分级区间：利用线性插值的方法将步骤S4中可能性指标的原始数据转化为0～100的无量纲数据；
步骤S6：计算每个可能性指标的重要性指数：根据具体的施工情况按照重要性对每个可能性指标进行重要性排序，通过反向排列的方法赋予每个可能性指标重要性指数；
步骤S7：构建后果严重程度数据集和可能性的数据集：根据步骤S5确定的可能性指标的分级区间及步骤S6计算的每个可能性指标的重要性指数对后果严重程度分数和可能性分数进行样本复制，构建后果严重程度数据集和可能性的数据集；
步骤S8：构建综合云及标准云：将后果严重程度和可能性的数据集代入到云逆向发生器中形成综合云，再将该综合云的数字特征值代入云正向发生器中构建标准云；
步骤S9：构建标准云风险区域：通过将规范中的风险矩阵边界值进行数值提取的方法形成一系列的标准云外包络曲面，不同等级标准云外包络曲面的并集形成不同的风险区域；
步骤S10：计算风险概率：统计综合云落入不同的风险区域的云滴数，将不同的风险区域的云滴数进行归一化处理反映不同等级的风险概率；
步骤S11：设置报警原则：当II级风险概率或者I级风险概率为4个等级风险概率的最大值时触发警报，或当II级风险概率与I级风险概率的两倍之和大于0.6时触发警报。
进一步地，所述后果严重程度数据集的形成由以下公式计算所得：
式中：xn为n号专家对于风险事件后果严重程度的评分,CIn为n号专家的重要性指数。
进一步地，所述可能性数据集的形成由以下公式计算所得：
式中：yn为第n个指标数据通过线性插值法处理后的分数,FIn为第n个指标的重要性指数。
进一步地，所述二维云模型包括正向云发生器和逆向云发生器，综合云数字特征值为(Ex,Ey,Enx,Eny,Hex,Hey),标准云数字特征值为(Ex’,Ey’,Enx’,Eny’,Hex’,Hey’)。
进一步地，所述的标准云外包络曲面通过以下方法计算：
式中：i为风险等级，j为在i风险等级下的第j个标准云；为风险矩阵x方向的边界值；/>为风险矩阵y方向的边界值；Ex,Ey为两个维度的均值；Enx,Eny为两个维度的熵；Hex,Hey为两个维度的超熵，z为标准云外包络曲面的公式。
进一步地，所述的逆向云发生器，通过以下方法计算：
式中：x为后果严重程度分数，y为可能性分数，Ex，Ey为样本期望，q，p为样本数量，Enx，Eny为熵值，Hex，Hey为超熵，S2为样本方差。
进一步地，所述的正向云发生器，通过以下方法计算：
以Enx，Eny为期望，Hex2，Hey2为方差，生成符合正态分布的随机数Ennx，Enny；
以Ex，Ey为期望，Ennx2，Enny2为方差生成符合正态分布的随机数x，y；
利用生成的随机数Ennx，Enny及x，y通过下面公式计算偏离度：
得到坐标为(x，y，z)的点，该点被称为云滴，重复上述步骤N次可以得到数量为N的云滴。
进一步地，所述风险概率由以下方法计算量化：
进一步地，所述的出发警报条件为，当max(Pi)＝PIorPII或者2*PI+PII>0.6时触发警报。
本申请基于二维云模型的隧道施工动态风险预警方法相比现有技术具有以下技术效果：
(1)该方法根据隧道施工过程中不同隧道段其地质环境、施工条件等信息的不同进行动态评估，相比与静态的风险评估方法该方法可区分不同的隧道段进行风险评估，并配合隧道施工同时进行可及时进行风险预警。
(2)该方法在数据的获取方面，使用设计、勘察、监测这类客观数据反映风险事件的可能性，通过专家经验来反映风险事件的后果严重程度，充分发挥了数据客观性和专家主观性的优势。
(3)该方法的基础算法为二维云模型，该模型通过生成随机正态云滴的方式反映风险的不确定性，相较于目前大多数风险评估方法所使用的一维云模型，其可同时考虑风险的后果严重程度和可能性两个维度，更加适合评估隧道施工这类地质条件多维复杂的风险问题。
(4)该方法将传统隧道风险评估规范的定性风险矩阵通过建立标准云外包络曲面的方法将其定量化，从而从概率的角度设计了一种定量评估风险的方法，提高了评估风险的精确度。
(5)该方法对评估得到的风险概率进行分析，设置多个条件对风险进行预警，能整体上提高了隧道施工的安全性。
附图说明
图1是本发明预警方法的流程简图；
图2是本发明一实施例中二维综合云示例图；
图3是本发明一实施例中二维云标准云外包络曲面风险区域示例图；
图4是本发明二维综合云与标准云风险区域重叠云图示例图。
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。
如图1所示，为本发明基于二维云模型隧道动态风险预警方法的流程简图，以下以松-浣区间段隧道工程施工隧道坍塌风险事件为例对上述各步骤进行详细的说明。
步骤S1：确定隧道风险事件后果严重程度的影响方面和评估原则；根据相关规范确定风险事件发生后会影响的方面。具体的，根据公路工程施工安全风险评估指南隧道工程部分确定隧道坍塌事故发生后会影响的方面和评分标准，如表1所示。
表1后果严重程度评估标准
步骤S2：确定后果严重程度重要性指数；通过对参与评估的每个专家赋重要性指数的方法，来区别专家的专业程度。可通过表2的标准确定每个专家的重要性指数。
表2后果严重程度重要性指数标准
步骤S3：计算后果严重程度分数；邀请3位以上专家分别对风险事件即坍塌事故发生后各个方面的后果进行评估，并通过规范所给的公式计算后果严重程度分数。如公式(1)所示。
式中，x为风险事件后果严重程度当量值，CR1为死亡人数，CR2为重伤人数，CR3为轻伤人数，CZ为直接经济损失，CS为社会影响，取值见表1，CH为环境影响，取值见表1，CG为工期延误，月，取值见表1。
步骤S4：确定可能性指标；根据具体的施工条件，因地制宜地选取能反映隧道风险事件发生的可能性指标。所述可能性指标宜采用设计数据、勘察数据、监测数据中的至少一种客观数据类型；本申请参照《公路工程施工安全风险评估指南》隧道工程部分关于坍塌可能性相关的指标体系，如表3所示。诚然，本申请所披露的方法在实际的工程应用当中可根据具体的施工情况对指标进行动态调整。
步骤S5：确定可能性指标的分级区间；利用线性插值的方法将步骤4中可能性指标的原始数据转化为0-100的无量纲数据。本申请参照《公路工程施工安全风险评估指南》隧道工程部分关于坍塌可能性相关的指标分数区间，如表3所示，诚然，实际中可根据具体的施工情况动态调整每个指标的分数区间。
表3隧道坍塌可能性指标体系及分数区间
步骤S6：计算每个可能性指标的重要性指数；根据具体的施工情况按照重要性对每个可能性指标进行重要性排序，通过反向排列的方法赋予每个可能性指标重要性指数；本申请中通过取倒数的方法来确定重要性指数；如表4所示。
表4可能性指标重要性指数
| 指标 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 |
| 重要性排序 | 6 | 8 | 5 | 1 | 3 | 4 | 2 | 10 | 9 | 7 |
| 重要性指数 | 5 | 3 | 6 | 10 | 8 | 7 | 9 | 1 | 2 | 4 |
步骤S7：构建后果严重程度数据集和可能性的数据集；根据步骤S5确定的可能性指标的分级区间及步骤S6计算的每个可能性指标的重要性指数对后果严重程度分数进行样本复制，构建后果严重程度数据集和可能性的数据集。具体的，把得到的隧道坍塌严重程度和可能性的数据根据其重要性指数进行样本复制，形成数据集{X},{Y}，如式(2)～(3)所示。
式中：xn为n号专家对于风险事件后果严重程度的评分,CIn为n号专家的重要性指数。
式中：yn为第n个可能性指标数据通过线性插值法处理后的分数,CIn为第n个指标的重要性指数。
步骤S8：构建综合云及标准云；将后果严重程度和可能性的数据集代入到云逆向发生器中形成综合云，再将该综合云的数字特征值代入云正向发生器中构建标准云。具体是指将后果严重程度和可能性的数据集带入到云逆向发生器中形成二维云模型特征值，再将该特征值带入云正向发生器中形成综合云，将得到的数据集{X},{Y}带入到云逆向发生器中得到综合云特征值(Ex,Ey,Enx,Eny,Hex,Hey)
＝(7,28.51,0.44,22.14,0.15,7.16)，该过程如式(4)所示。
将综合云的特征值带入云正向发生器中模拟生成3000滴综合云云滴，所有云滴整体组成一个综合云，该过程如式(5)所示。生成的综合云如图2所示。
式中：x为严重程度分数，y为可能性分数，Ex，Ey为样本期望，q，p为样本数量,Enx,Eny为熵值，Hex,Hey为超熵，S2为样本方差。
式中，Ennx,Enny为以Enx,Eny为期望，Hex2,Hey2为方差,生成符合正态分布的随机数，x,y为以Ex,Ey为期望，Ennx2,Enny2为方差生成符合正态分布的随机数；z为x,y的偏离度。
步骤S9：构建标准云风险区域；通过将规范中的风险矩阵边界值进行数值提取的方法形成一系列的标准云外包络曲面，不同等级标准云外包络曲面的并集形成不同的风险区域。本申请参照《公路工程施工安全风险评估指南》隧道工程部分中关于隧道坍塌严重程度和可能性等级区间边界值，如表5所示；设置一系列标准云外包络曲面如式(6)～(7)所示；形成4个风险等级的三维风险区域，如图3所示；该过程将规范中的风险矩阵边界值如表6所示进行定量化处理。
表5隧道坍塌严重程度和可能性等级划分
式中：i为风险等级，j为在i风险等级下的第j个标准云；为风险矩阵x方向的边界值；/>为风险矩阵y方向的边界值；Ex,Ey为两个维度的均值；Enx,Eny为两个维度的熵；Hex,Hey为两个维度的超熵，z为标准云外包络曲面的公式。
表6风险矩阵边界值
步骤S10：计算风险概率；统计综合云落入不同的风险区域的云滴数，将不同的风险区域的云滴数进行归一化处理反映不同等级的风险概率。在一实施例中，将生成的3000滴标准云云滴的(x,y,z)坐标代入量化风险概率的算法当中，得到4个风险等级的风险概率(PIV＝0,PIII＝0.755,PII＝0.235,PI＝0.011)，该过程如表7所示。其中PIII的数值最多可以认为隧道坍塌的风险等级为III级。
表7量化风险概率过程
步骤S11：设置报警原则；如果II级风险概率或者I级风险概率为4个等级风险概率的最大值触发警报，如果II级风险概率加上I级风险概率的两倍大于0.6同样触发警报；max(P)＝PIII，且PII+2PI＝0.256<0.6,未触发警报。所以该段隧道的坍塌风险符合要求，可以继续施工，但由于评估风险等级为III,需要加强日常管理，注意风险防控。
基于与前述实施例中基于二维云模型的隧道施工动态风险预警方法同样的发明构思，本申请还提供了一种计算机设备，该计算机设备可以是运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备，所述计算设备包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序。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新闻数据以及时间衰减因子等数据。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实施例一中方法的步骤。
对本申请所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽广的范围。
Claims (10)
1.一种基于二维云模型的隧道施工动态风险预警方法，其特征在于，所述方法包括以下步骤：
步骤S1：确定隧道风险事件后果严重程度的影响方面和评估原则：根据相关规范确定风险事件发生后会影响的方面；
步骤S2：确定后果严重程度重要性指数：通过对参与评估的每个专家赋予重要指数的方法，来区别专家的专业程度；
步骤S3：计算后果严重程度分数：邀请3位以上专家分别对风险事件发生后各个方面的后果进行评估，并通过规范所给的公式计算后果严重程度分数；
步骤S4：确定可能性指标：根据具体的施工条件，因地制宜地选取能反映隧道风险事件发生的可能性指标，可能性指标采用设计数据、勘察数据、监测数据中的至少一种数据类型；
步骤S5：确定可能性指标的分级区间：利用线性插值的方法将步骤S4中可能性指标的原始数据转化为0～100的无量纲数据；
步骤S6：计算每个可能性指标的重要性指数：根据具体的施工情况按照重要性对每个可能性指标进行重要性排序，通过反向排列的方法赋予每个可能性指标重要性指数；
步骤S7：构建后果严重程度数据集和可能性的数据集：根据步骤S5确定的可能性指标的分级区间及步骤S6计算的每个可能性指标的重要性指数对后果严重程度分数进行样本复制，构建后果严重程度数据集和可能性的数据集；
步骤S8：构建综合云及标准云：将后果严重程度和可能性的数据集代入到云逆向发生器中形成综合云，再将该综合云的数字特征值代入云正向发生器中构建标准云；
步骤S9：构建标准云风险区域：通过将规范中的风险矩阵边界值进行数值提取的方法形成一系列的标准云外包络曲面，不同等级标准云外包络曲面的并集形成不同的风险区域；
步骤S10：计算风险概率：统计综合云落入不同的风险区域的云滴数，将不同的风险区域的云滴数进行归一化处理反映不同等级的风险概率；
步骤S11：设置报警原则：当II级风险概率或者I级风险概率为4个等级风险概率的最大值时触发警报，或当II级风险概率与I级风险概率的两倍之和大于0.6时触发警报。
2.根据权利要求1所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述后果严重程度数据集的形成由以下公式计算所得：
式中：xn为n号专家对于风险事件后果严重程度的评分,CIn为n号专家的重要性指数。
3.根据权利要求1所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述可能性数据集的形成由以下公式计算所得：
式中：yn为第n个指标数据通过线性插值法处理后的分数,FIn为第n个指标的重要性指数。
4.根据权利要求1所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述二维云模型包括正向云发生器和逆向云发生器，综合云数字特征值为(Ex,Ey,Enx,Eny,Hex,Hey),标准云数字特征值为(Ex’,Ey’,Enx’,Eny’,Hex’,Hey’)。
5.根据权利要求4所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述的标准云外包络曲面通过以下方法计算：
式中：i为风险等级，j为在i风险等级下的第j个标准云；为风险矩阵x方向的边界值；/>为风险矩阵y方向的边界值；Ex,Ey为两个维度的均值；Enx,Eny为两个维度的熵；Hex,Hey为两个维度的超熵，z为标准云外包络曲面的公式。
6.根据权利要求4所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述的逆向云发生器，通过以下方法计算：
式中：x为后果严重程度分数，y为可能性分数，Ex，Ey为样本期望，q，p为样本数量，Enx，Eny为熵值，Hex，Hey为超熵，S2为样本方差。
7.根据权利要求6所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述的正向云发生器，通过以下方法计算：
以Enx，Eny为期望，Hex2，Hey2为方差，生成符合正态分布的随机数Ennx，Enny；
以Ex，Ey为期望，Ennx2，Enny2为方差生成符合正态分布的随机数x，y；
利用生成的随机数Ennx，Enny及x，y通过下面公式计算偏离度：
得到坐标为(x，y，z)的点，该点被称为云滴，重复上述步骤N次可以得到数量为N的云滴。
8.根据权利要求7所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述风险概率由以下方法计算量化：
9.根据权利要求8所述的基于二维云模型的隧道施工动态风险预警方法，其特征在于：所述的出发警报条件为，当max(Pi)＝PIor PII或者2*PI+PII>0.6时触发警报。
10.一种基于二维云模型的隧道施工动态风险预警系统，其特征在于：所述系统运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备，所述计算设备包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的一基于二维云模型的隧道施工动态风险预警方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310766675.6A CN116757881A (zh) | 2023-06-27 | 2023-06-27 | 一种基于二维云模型的隧道施工动态风险预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310766675.6A CN116757881A (zh) | 2023-06-27 | 2023-06-27 | 一种基于二维云模型的隧道施工动态风险预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116757881A true CN116757881A (zh) | 2023-09-15 |
Family
ID=87949420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310766675.6A Pending CN116757881A (zh) | 2023-06-27 | 2023-06-27 | 一种基于二维云模型的隧道施工动态风险预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757881A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117711160A (zh) * | 2024-02-05 | 2024-03-15 | 中铁四局集团有限公司 | 山岭隧道突泥涌水风险动态评估方法、设备、存储介质 |
-
2023
- 2023-06-27 CN CN202310766675.6A patent/CN116757881A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117711160A (zh) * | 2024-02-05 | 2024-03-15 | 中铁四局集团有限公司 | 山岭隧道突泥涌水风险动态评估方法、设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633265B (zh) | 用于优化信用评估模型的数据处理方法及装置 | |
| CN103513983A (zh) | 用于预测性警报阈值确定工具的方法和系统 | |
| CN104820629A (zh) | 一种智能的舆情突发事件应急处理系统及方法 | |
| CN112116184A (zh) | 使用历史检验数据的工厂风险估计 | |
| US8719779B2 (en) | Data object association based on graph theory techniques | |
| CN103226554A (zh) | 基于新闻数据的股票自动匹配分类方法和系统 | |
| Kumar et al. | Modeling using K-means clustering algorithm | |
| CN108241867B (zh) | 一种分类方法及装置 | |
| CN109740044B (zh) | 一种基于时间序列智能预测的企业异动预警方法 | |
| CN116757881A (zh) | 一种基于二维云模型的隧道施工动态风险预警方法及系统 | |
| CN113688169B (zh) | 基于大数据分析的矿山安全隐患辨识与预警系统 | |
| Wang | Research on the features of car insurance data based on machine learning | |
| CN116226103A (zh) | 一种基于FPGrowth算法进行政务数据质量检测的方法 | |
| CN111353529A (zh) | 一种自动确定聚类中心的混合属性数据集聚类方法 | |
| Sun et al. | Detecting Crime Types Using Classification Algorithms. | |
| CN112749905A (zh) | 一种基于大数据挖掘的洪涝灾害评估方法 | |
| CN112631889A (zh) | 针对应用系统的画像方法、装置、设备及可读存储介质 | |
| Oki et al. | Model for estimation of building structure and built year using building façade images and attributes obtained from a real estate database | |
| CN113256160B (zh) | 一种以监测数据驱动的综合管廊运维动态风险评价方法 | |
| CN110097126B (zh) | 基于dbscan聚类算法的核查重点人员、房屋漏登记的方法 | |
| CN112506930A (zh) | 一种基于机器学习技术的数据洞察平台 | |
| US20150302419A1 (en) | Appraisal adjustments scoring system and method | |
| CN117952658B (zh) | 基于大数据的城市资源配置和产业特色分析方法及系统 | |
| Khoussi et al. | A neural networks-based methodology for fitting data to probability distributions | |
| CN117131756B (zh) | 一种基于地表时序形变和孕灾背景的地裂缝易发性评价方法 |
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 |