CN117252427A - 基于聚类-Topisis的工程施工安全风险大数据动态评价方法 - Google Patents
基于聚类-Topisis的工程施工安全风险大数据动态评价方法 Download PDFInfo
- Publication number
- CN117252427A CN117252427A CN202311383163.8A CN202311383163A CN117252427A CN 117252427 A CN117252427 A CN 117252427A CN 202311383163 A CN202311383163 A CN 202311383163A CN 117252427 A CN117252427 A CN 117252427A
- Authority
- CN
- China
- Prior art keywords
- engineering
- monitoring
- clustering
- safety
- state
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 69
- 238000010276 construction Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000009466 transformation 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了基于聚类‑Topisis的工程施工安全风险大数据动态评价方法，适用于工程施工安全评价领域，主要内容为构建工程监测指标体系及确定常权、构建安全阈值库、采用K‑means算法对惩罚型变权函数进行参数优化及计算变权和结合Topisis法进行安全评价；本发明提供的基于聚类‑Topisis的工程施工安全风险大数据动态评价方法，适用于工程施工安全评价领域；具有适应性广、贴近工程实际及实际使用效果好、提高了施工决策的效率和准确性等优点。
Description
技术领域
本发明涉及基于聚类-Topisis的工程施工安全风险大数据动态评价方法，适用于工程施工安全评价领域。
背景技术
工程施工过程中，安全问题是最核心的问题。然而，工程涉及的工种繁多、交叉作业频繁、建设体量大、建设周期长，导致施工安全风险隐患较多，如何针对现场实施情况进行远程安全管控及决策是现如今施工安全管理数字化转型的关键。
以深基坑工程为例，深基坑在施工过程中会发生明显的变形，从而导致周围土体的应力场发生变化，并且土体较大的变形会影响到周围环境。深基坑的变形主要包括围护结构的变形、基坑底部的隆起以及基坑周围的沉降四，各部分紧密联系，互相影响。深基坑工程的安全影响因素较多，具有一定的风险性，任何一个环节发生问题会引发严重的工程事故。深基坑的事故是由于一些问题从小到大慢慢累积造成的，无论是基坑本身变形还是周边环境情况，甚至是监测技术与监测设备的工作状态，都会对深基坑工程整体安全性造成一定的影响。
深基坑工程的安全保障是全方位的,现如今对深基坑安全的控制要求越来越严格，如何合理地控制显然成为当前以及今后的重点研究内容，其中也存在着一些问题。深基坑工程越来越多，与此同时相关事故也在不断增多，在深基坑工程施工过程中进行全面监测，可以及时了解深基坑的围护结构等变形情况。工程项目对设备成本、信息化、数据可靠性等方面的要求越来越高，而目前深基坑工程现场基本都还是采用传统的人工监测方式，通过人为监测以及记录监测数据，会有一定的测量、计算误差，带来大量的人力消耗:一些大型的基坑自动化监测设施投资大，也易受到施工作业的干扰。深基坑工程是一个复杂的系统工程，其施工技术复杂、不可预见性强，加之周边建筑物林立、地下管线多，需要考虑多方面的影响因素，这些因素具有不确定性和模糊性等特点，对深基坑工程的安全方面造成一定的影响，在进行安全评价时，影响因素指标和评价方法的选择有待进一步探究。
从深基坑的开挖工作准备开始，就对深基坑进行安全监测。一方面，可以及时了解基坑和周围环境情况，以保证深基坑施工的安全性；另一方面，通过监测数据分析反馈于设计，以保证施工顺利进行。随着时代的发展，有必要对一些监测技术进行研究和探讨,优化监测设备的使用方式，一定程度上降低监测的成本人工监测正在慢慢转向为自动化监测，以移动物联网为载体，以监测和预报警云平台为核心，进行自动化监测系统的搭建。基于监测系统平台，可以协助现场监测人员进行监测，部分监测项目还可以通过传感器接受监测点的变化数据，在按收器上进行数据处理，生成所需要的报表并进行预报警提示，及时进行数据的反馈并指导施工，使得深基坑监测更加方便、准确。在深基坑施工过程中，影响深基坑安全的因素较多，基于监测数据和巡视检查结果确定影响因素指标以构建深基坑工程安全评价指标体系，选择适合的安全评价方法对深基坑及周边环境等方面进行安全评价，可发现高风险的影响因素并指导施工，具有重要的工程应用价值。
目前，国内外工程方向的研究学者对施工安全评价进行了系列研究。但由于施工工艺、施工环境等因素对地层变形、结构沉降、水位变化等影响具有复杂性和多耦合性，使得对于深基坑工程施工安全的动态变权分析鲜有研究。传统的层次分析法、事故致因分析法等，其安全评价为静态常权评价，与实际会产生一定的冲突，加之随着工程的进行，工程安全状态也随着改变，使得这类方法在安全评价时产生了困难，同时此类方法也难以充分考虑施工中设备情况和施工环境条件对于监测指标的影响。而考虑变权的安全评价方法由于依据现场采集数据进行实时分析，能够充分挖掘监测数据对现场安全的潜在规律，对于深基坑施工多工程、多因素耦合，求解过程繁琐的监测指标安全动态评价表现出巨大的优越性与快捷性。
然而，变权方法本身也具有局限性。变权参数通常依据经验确定，导致参数与项目实际不适配。为此，应考虑针对变权参数进行讨论分析以便于贴合工程实际。
发明内容
为解决现有技术存在的上述问题，本发明的目的是，提供基于聚类-Topisis的工程施工安全风险大数据动态评价方法，具有适应性广、贴近工程实际及实际使用效果好、提高了施工决策的效率和准确性等优点。
本发明的目的可以通过采取如下技术方案达到：
S101，根据工程项目具体情况以及相关规范要求构建监测安全评价体系；
S102，采用层次分析法对所述监测安全评价体系进行常权确定，获得常权向量W0；
S103，读取并计算各个监测期下监测指标的监测数据，收集所述监测指标和对应所述监测数据组成数据库；
S104，确定所述监测指标的预警值，依照相关规范选取不同范围阈值进行安全等级划分，获得安全等级划分结果；
S105，采用Topisis法中的标准化方法对所述监测数据进行状态值的计算，获得状态值计算结果；
S106，将所述数据库中的数据采用K-means算法进行聚类，所述聚类的聚类标准依据为所述步骤S104中的所述安全等级划分结果，所述聚类还包括将聚类的边缘值作为变权函数的参数，带入变权函数中，构建安全评价的状态变权函数如式(1)所述，
式中，a、c为调权参数，依据工程经验选定，(0,μ)为特强惩罚区间(工程处于极危险状态)；(μ,λ]为强惩罚区间(工程处于危险状态)；(λ,α]为初惩罚区间(工程处于隐患状态)；(α,1]为合格区间(工程处于正常合格状态)，μ、λ和α三个参数采用K-means聚类算法获取；
S107，将步骤S105中的所述状态值计算结果带入所述安全评价的状态变权函数进行计算，求得状态函数值向量，进行变权计算，所述变权计算公式为式(2)，获得变权计算结果，
式中，W为变权后的权重向量，W0为层次分析法获得的常权向量，S为状态函数值向量，W0⊙S为两个向量的Hadamard积；
S108，将变权向量与标准化之后的状态矩阵带入所述公式(3)、(4)和(5)，通过计算达到安全评价的目的，
式中，η为方案编号，C为标准化判断矩阵，W为变权后的权重向量，Eη为第η个方案的相对贴近度，相对贴近度为安全评价的依据，wi η为第η个方案综合变权权重向量Wη的第i个元素。
进一步的，上述S101中，所述监测安全评价体系分为三层，分别为目标层、准则层和指标层，所述指标层为工程项目监测指标。
进一步的，上述S104中，所述安全等级划分结果为5个风险等级，依次为安全、跟踪、预警、报警和危险，所述风险等级为危险的最大阈值为风险等级为报警的最大阈值的120％～150％。
本发明的有益效果是：
本发明的有益效果是：本发明的安全评价方法应用范围广泛，在桥梁、隧道、房屋建筑及水利工程等工程多有使用，有利于降低成本、科学分析。安全评价系统采用自动化数据采集仪，可实现基于物联网的远程数据采集，并通过5G手机卡发送至云端，管理者可随时随地通过网络查看监测数据及安全评价，实现远程安全预警及辅助决策。
附图说明
图1：为本发明的基于聚类-Topisis的工程施工安全风险大数据动态评价方法的流程图；
图2：为本发明的基于聚类-Topisis的工程施工安全风险大数据动态评价方法的实施例的变权函数曲线图；
图3：为本发明的基于聚类-Topisis的工程施工安全风险大数据动态评价方法的实施例的指数权重分析图。
具体实施方式
以下结合附图对本发明的具体实施例进行详细说明；应当理解的是此处所给出的具体实施例仅用于说明和解释本发明，并不能用来限制本发明。
下面是基于聚类-Topisis的工程施工安全风险大数据动态评价方法的具体实施例。
本实施例以蜀山船闸深基坑项目为例进行说明。
所述蜀山船闸深基坑项目的工程概况为：蜀山船闸深基坑项目属于引江济淮工程江淮沟通段中的Ⅱ级水利枢纽，设计最大船舶吨级为2000t级。船闸的建设方案和深基坑尺度为：双线船闸分期建成，近期先建单线，闸室有效尺度280×23×5.2m(长×宽×门槛水深)。设计通过能力2040年为2601万吨。沿河依次布置左岸防洪堤、引水泵站、向阳跌水涵、连接渠道、泄水闸、船闸及右岸防洪堤等建筑物。该船闸深基坑工程的边坡采用锚固边坡。
S101，根据工程项目具体情况以及相关规范要求构建监测安全评价体系；
针对所述船闸深基坑项目本身、周边环境及监测设施方面，结合《水运工程水工建筑物原型观测技术规范》(JTS235-2016)中的监测项目和巡视检查内容确定安全评价体系中的影响因素指标，构建更为全面的船闸工程安全评价指标体系。船闸工程安全评价体系分为三层，具体如表1所示。
将监测数据的累计值、变化速率作为监测项目的评价标准。考虑船闸监测项目、周边环境因素和监测设施状况，构建了以A、B1～B2和C1～C10三个层次指标组成的船闸工程安全评价指标体系。
表1船闸工程监测指标安全评价体系
S102，采用层次分析法对所述监测安全评价体系进行常权确定，获得常权向量W0；
所述蜀山船闸深基坑项目采用层次分析法进行指标权重向量求解，最后获得常权向量为：W0＝(0.042，0.180，0.104，0.074，0.079，0.077，0.219，0.142，0.048，0.034)；
S103，读取并计算各个监测期下监测指标的监测数据，收集所述监测指标和对应所述监测数据组成数据库；
读取并计算所述蜀山船闸深基坑项目各个监测期下的监测指标的监测数据，收集所述监测指标和对应所述监测数据组成数据库；
同时在本实施例中，将选取所述蜀山船闸深基坑项目2022年7月15日和7月16日2天的监测数据，进行分析整理如表2和3所示，由于16日恰逢暴雨洪涝灾害发生，故选取这两天监测数据进行本发明专利提出的方法的效果进行分析。
表2锚索框架梁监测指标值
表3基坑监测指标值
S104，确定所述监测指标的预警值，依照相关规范选取不同范围阈值进行安全等级划分，获得安全等级划分结果；
确定所述蜀山船闸深基坑项目的预警值，依据现场施工安全划分5个风险等级，即V＝{I，II，Ⅲ，Ⅳ，V}＝(安全，跟踪，预警，报警，危险)。
C1～C10为船闸深基坑工程监测指标，根据建立的评价风险等级，结合监测指标报警值划分安全评价等级分级区间，如表4所示。对于已经超过报警值的监测指标，应立即进行报警并采取措施。为确保后续变权计算顺利进行，设定危险状态的最大阈值为报警值的120％。当监测指标数据超过最大阈值时，按危险状态的最大阈值进行计算分析。
表4船闸监测指标安全风险等级区间
S105，采用Topisis法中的标准化方法对所述监测数据进行状态值的计算，获得状态值计算结果；
采用Topisis法中的标准化方法对所述蜀山船闸深基坑项目的监测数据进行状态值的计算，获得状态值计算结果，针对监测指标的状态值，为确保状态值能够与变权函数的状态区间相对应，将表2和表3的监测数据与表4的等级阈值相结合，并采用Topisi s法的成本型分析进行无量纲化计算。
S106，将所述数据库中的数据采用K-means算法进行聚类，所述聚类的聚类标准依据为所述步骤S104中的所述安全等级划分结果，所述聚类还包括将聚类的边缘值作为变权函数的参数，带入变权函数中，构建安全评价的状态变权函数。
根据构造的船闸工程安全状态变权函数惩罚强度大于激励强度，采用K-means算法对整个工程及过往工程监测数据进行聚类分析。将数据分为特强惩罚区、强惩罚区、初惩罚区和安全区间四类，依据各类数据的边界值确定参数。最终确定确定变权函数参数取μ＝0.2，λ＝0.3，α＝0.4，a＝0.4，c＝0.2(a和c依据经验选定)。因此，状态值的特强惩罚区间为(0,0.2]，强惩罚区间为(0.2,0.3]，状初惩罚区间为(0.3,0.4]，安全区间为(0.4,1]。
变权函数如公式(1)所示。变权函数图像如附图2所示。
S107，将步骤S105中的所述状态值计算结果带入S106所述安全评价的状态变权函数进行计算，求得状态函数值向量，进行变权计算，所述变权计算公式为式(2)，获得变权计算结果，
式中，W为变权后的权重向量，W0为层次分析法获得的常权向量，S为状态函数值向量，W0⊙S为两个向量的Hadamard积；
通过附图3分析可知，经专家打分后进行常权计算时，着重考虑坡顶垂直位移C2和地下水位C7的监测效果，且均认为监测指标累计值比变化速率重要。
随着项目的进行(以7月15日为例)，经过以上计算分析，确定位于特强惩罚区间0个；位于强惩罚区间1个(C2)，原因是坡顶垂直位移监测值是累计值，随着项目进行沉降越来越深，该项安全等级为IV级，安全状态达到较危险状态，此时不会进行报警但应采取一定的措施，以防事故发生；位于初惩罚区间1个(C5)，合格区间的指标有8个，均进行较小幅度的调整。并且锚索框架梁B1的权重由0.4提高至0.57，说明这期间应多关注锚固结构工程施工相关的安全风险，与现场实际正在进行的工程施工作业相符。该阶段由于土石方开挖等有关基坑和边坡的作业几乎完成，故以观察基坑边坡相关指标的监测趋势变化为主，待达到预警时采取措施以保障施工作业安全。
7月16日，该项目突降暴雨且发生洪涝灾害。经过以上计算分析，确定位于特强惩罚区间1个(C7)，由于暴雨的进行，地下水位超过预警值，应立即预警并采取措施，相应的权重大幅度增加；位于强惩罚区间2个(C2和C8)，由于该项目本身地质条件恶劣，受暴雨的影响导致垂直位移变大，而地下水位也因为暴涨导致速率变大，更容易引发滑坡等灾害；位于初惩罚区间3个(C5、C9和C10)，合格区间的指标有4个，均进行较小幅度的调整。并且基坑边坡B2的权重由0.6提高至0.768，说明暴雨等极端天气及地质条件等因素会显著影响基坑和边坡的安全，进而影响船闸整体施工安全。
综上所述，按照惩罚型变权函数原理，处于三类惩罚区间时，指标状态值与对应变权函数值(或变权权重值)呈现分段式的反比关系；处于正常合格区间时，状态值的变化不会影响变权权重的变化。但由于变权分析是一种动态平衡的算法，以7月16日为例，当C7和C8指标变权权重变化幅度较大时，其增加的权重需要从其余指标中进行抵扣，平均抵扣值约0.036(具体抵扣值以计算结果为准)。因此，将平均抵扣值代入其它指标后，可知对应变权权重的变化规律与惩罚型变权函数的原理基本相符。
S108，将变权向量与标准化之后的状态矩阵带入所述公式(3)、(4)和(5)，通过计算达到安全评价的目的，
采用公式(3)～(5)，进行所述蜀山船闸深基坑项目工程施工安全评价。计算结果如表6所示。可以看到，7月15日常权的安全评价低于动态数据变权的安全评价，且变权评价为II级，其安全状态为追踪状态，可以得知应重点关注C2指标，而常权评价评价结果为安全。7月16日暴雨引发洪涝灾害，常权概率对应的评价等级为III级，属于预警状态，而变权为IV级，达到报警状态，应立即采取措施防止危险事故发生，与工程实际较为契合。
表6深基坑风险概率及安全等级
综上可知，变权分析方法因为参数和权重确定均来自于现场监测数据，评价结果均高于施工前的常权分析，敏感性更高，更有利于工程动态远程安全预警及辅助决策。
在上述实施例中，本发明公开了基于聚类-Topisis的工程施工安全风险大数据动态评价方法，主要内容为构建工程监测指标体系及确定常权、构建安全阈值库、采用K-means算法对惩罚型变权函数进行参数优化及计算变权和结合Topisis法进行安全评价；本发明提供的基于聚类-Topisis的工程施工安全风险大数据动态评价方法，适用于工程施工安全评价领域；具有适应性广、贴近工程实际及实际使用效果好、提高了施工决策的效率和准确性等优点。
以上所述为本发明的较佳实施例，并不以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.基于聚类-Topisis的工程施工安全风险大数据动态评价方法，其特征在于，所述方法包含以下步骤：
1)根据工程项目具体情况以及相关规范要求构建监测安全评价体系；
2)采用层次分析法对所述监测安全评价体系进行常权确定，获得常权向量W0；
3)读取并计算各个监测期下监测指标的监测数据，收集所述监测指标和对应所述监测数据组成数据库；
4)确定所述监测指标的预警值，依照相关规范选取不同范围阈值进行安全等级划分，获得安全等级划分结果；
5)采用Topisis法中的标准化方法对所述监测数据进行状态值的计算，获得状态值计算结果；
6)将所述数据库中的数据采用K-means算法进行聚类，所述聚类的聚类标准依据为所述步骤4)中的所述安全等级划分结果，所述聚类还包括将聚类的边缘值作为变权函数的参数，带入变权函数中，构建安全评价的状态变权函数如式(1)所述，
式中，a、c为调权参数，依据工程经验选定，(0,μ)为特强惩罚区间(工程处于极危险状态)；(μ,λ]为强惩罚区间(工程处于危险状态)；(λ,α]为初惩罚区间(工程处于隐患状态)；(α,1]为合格区间(工程处于正常合格状态)，μ、λ和α三个参数采用K-means聚类算法获取；
7)将步骤5)中的所述状态值计算结果带入所述安全评价的状态变权函数进行计算，求得状态函数值向量，进行变权计算，所述变权计算公式为式(2)，获得变权计算结果，
式中，W为变权后的权重向量，W0为层次分析法获得的常权向量，S为状态函数值向量，W0⊙S为两个向量的Hadamard积；
8)将变权向量与标准化之后的状态矩阵带入所述公式(3)、(4)和(5)，通过计算达到安全评价的目的，
式中，η为方案编号，C为标准化判断矩阵，W为变权后的权重向量，Eη为第η个方案的相对贴近度，相对贴近度为安全评价的依据，wi η为第η个方案综合变权权重向量Wη的第i个元素。
2.根据权利要求1所述的基于聚类-Topisis的工程施工安全风险大数据动态评价方法，其特征在于，所述步骤1)，所述监测安全评价体系分为三层，分别为目标层、准则层和指标层，所述指标层为工程项目监测指标。
3.根据权利要求1所述的基于聚类-Topisis的工程施工安全风险大数据动态评价方法，其特征在于，所述步骤4)中，所述安全等级划分结果为5个风险等级，依次为安全、跟踪、预警、报警和危险，所述风险等级为危险的最大阈值为风险等级为报警的最大阈值的120％～150％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311383163.8A CN117252427A (zh) | 2023-10-24 | 2023-10-24 | 基于聚类-Topisis的工程施工安全风险大数据动态评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311383163.8A CN117252427A (zh) | 2023-10-24 | 2023-10-24 | 基于聚类-Topisis的工程施工安全风险大数据动态评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117252427A true CN117252427A (zh) | 2023-12-19 |
Family
ID=89135047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311383163.8A Pending CN117252427A (zh) | 2023-10-24 | 2023-10-24 | 基于聚类-Topisis的工程施工安全风险大数据动态评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252427A (zh) |
-
2023
- 2023-10-24 CN CN202311383163.8A patent/CN117252427A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | The influence of land use and land cover change on landslide susceptibility: a case study in Zhushan Town, Xuan'en County (Hubei, China) | |
| CN106021875B (zh) | 一种地震扰动区多尺度泥石流风险评估的方法 | |
| CN112330002B (zh) | 一种城市地面坍塌灾害综合监测预警方法及系统 | |
| CN110009158A (zh) | 台风暴雨洪水灾害全生命周期监测方法及系统 | |
| CN109447493B (zh) | 一种基于物源活动强度的震后泥石流危险性评价方法 | |
| CN109726902B (zh) | 一种边坡稳定性评价方法 | |
| CN104331744A (zh) | 一种泥石流危险度评价方法 | |
| CN111178712B (zh) | 一种用于引调水工程事故后援救预警方法及系统 | |
| Bonnard et al. | Identification and mitigation of large landslide risks in Europe: advances in risk assessment | |
| CN111859779B (zh) | 一种燃气管网防第三方施工破坏风险预警的方法及装置 | |
| Qu et al. | Multi-model fusion for assessing risk of inrush of limestone karst water through the mine floor | |
| CN110533258A (zh) | 一种稻麦轮作农田涝渍预警评估方法及系统 | |
| CN111242203B (zh) | 水利工程运行期事故案例库匹配方法及系统 | |
| Tu et al. | Comprehensive risk assessment and engineering application of mine water inrush based on normal cloud model and local variable weight | |
| Dai et al. | Predicting coastal urban floods using artificial neural network: The case study of Macau, China | |
| Wang et al. | Landslide susceptibility prediction considering rock integrity and stress state: a case study | |
| Jin et al. | A Comprehensive Evaluation of Resilience in Abandoned Open-Pit Mine Slopes Based on a Two-Dimensional Cloud Model with Combination Weighting | |
| CN112241601B (zh) | 一种盾构隧道地震可恢复性分析方法 | |
| Lee et al. | Damage types and deterioration characteristics of check dams built on mountain streams in southeast korea | |
| CN117252427A (zh) | 基于聚类-Topisis的工程施工安全风险大数据动态评价方法 | |
| CN110346537A (zh) | 基于构造隆升地块与地貌凸出体判定潜在岩质滑坡的方法 | |
| CN111311879A (zh) | 一种泥石流的预警方法及装置 | |
| CN115830812A (zh) | 泵站建筑物异常沉降智能预警系统及方法 | |
| CN110348629A (zh) | 一种强震区电网脆弱地质环境泥石流发生概率计算方法 | |
| Zhao et al. | Shallow-buried subway station construction period: Comparison of intelligent early warning and optimization strategies for surface deformation risk |
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 |