CN117252474A - 边坡危险性指数评价模型的构建方法及监测等级确定方法 - Google Patents
边坡危险性指数评价模型的构建方法及监测等级确定方法 Download PDFInfo
- Publication number
- CN117252474A CN117252474A CN202311245438.1A CN202311245438A CN117252474A CN 117252474 A CN117252474 A CN 117252474A CN 202311245438 A CN202311245438 A CN 202311245438A CN 117252474 A CN117252474 A CN 117252474A
- Authority
- CN
- China
- Prior art keywords
- index
- influence
- slope
- soil slope
- soil
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000013210 evaluation model Methods 0.000 title claims abstract description 52
- 238000010276 construction Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000002689 soil Substances 0.000 claims abstract description 149
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 238000012360 testing method Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 description 22
- 238000006073 displacement reaction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G06Q10/0639—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开了一种边坡危险性指数评价模型的构建方法及监测等级确定方法,包括:首先,通过对土质边坡的试验数据进行分析,可以确定与土质边坡稳定性相关的影响指标。然后,分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重。最后,根据各影响指标对应的归一化取值和影响权重,可以建立起用于评价不同类型土质边坡危险性指数的评价模型。通过该评价模型可以确定土质边坡的危险性指数,进而通过危险性指数确定边坡的监测等级,以为制定土质边坡的监测方案提供基础。
Description
技术领域
本发明涉及计算机辅助设计技术领域,具体涉及一种边坡危险性指数评价模型的构建方法及监测等级确定方法。
背景技术
在现有绝大多数土质边坡监测研究中,从前期的地质调查到中期的监测方案制定和后期的方案实施,针对不同类型土质边坡均主要以资料分析结合实际工程经验进行监测方案的制定和仪器设备的选型及布设,而忽略了不同类型土质边坡存在差异导致的不同监测等级。由于不同类型土质边坡的宏观、微观差异导致土质边坡滑动破坏特点表现出不同,其监测设备的选型和布局也呈现出差异性。因此,针对不同类型土质边坡进行监测分级,并基于土质边坡的不同监测等级进行监测方案的制定,能够显著提升监测精度、仪器设备利用率以及监测结果的实际贴合度。但是,现有技术中鲜有用于确定土质边坡监测等级的技术。
发明内容
针对现有技术存在的不足,本发明提出一种边坡危险性指数评价模型的构建方法及监测等级确定方法,可以评价土质边坡的危险性指数,并以此确定土质边坡的监测等级。具体技术方案如下:
第一方面,提供了一种土质边坡危险性指数评价模型的构建方法,包括:
通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
结合第一方面,在第一方面的第一种可实现方式中,通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标,包括:
通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
结合第一方面的第一种可实现方式,在第一方面的第二种可实现方式中,确定影响土质边坡稳定性的影响指标,包括:
通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线;
根据所述单指标-边坡稳定性系数变化关系曲线的变化幅度,选取出影响程度较大的代表性指标作为影响指标。
结合第一方面的第一种可实现方式,在第一方面的第三种可实现方式中,所述确定影响土质边坡稳定性的影响指标,还包括:
构建边坡有限元模型,并将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度较大的代表性指标作为分析指标;
将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
第二方面,提供了一种土质边坡监测等级确定方法,包括:
采用如第一方面、第一方面的第一至三种可实现方式中的任一所述的构建方法,构建土质边坡危险性指数评价模型;
获取土质边坡中各影响指标对应的监测数据;
基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
第三方面,提供了一种土质边坡危险性指数评价模型的构建系统,包括:
指标选取模块,配置为通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
指标分析模块,配置为分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
模型建立模块,配置为根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
结合第三方面,在第三方面的第一种可实现方式中,所述指标选取模块包括:
因素选取单元,配置为通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
数据获取单元,配置为选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
指标确定单元,配置为分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
结合第三方面的第一种可实现方式,在第三方面的第二种可实现方式中,所述指标确定单元包括:
曲线绘制子单元,配置为通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线;
指标确定子单元,配置为根据所述单指标-边坡稳定性系数变化关系曲线的变化幅度,选取出影响程度较大的代表性指标作为影响指标。
结合第三方面的第一种可实现方式,在第三方面的第三种可实现方式中,所述指标确定单元还包括:
边坡有限元分析单元,配置为构建边坡有限元模型,并将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
影响指标选取子单元,配置为通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度较大的代表性指标作为分析指标;
对比验证单元,配置为将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
第四方面,提供了一种土质边坡监测等级确定系统,包括:
模型构建模块,配置为采用如第一方面、第一方面的第一至三种可实现方式中任一所述的构建方法,构建土质边坡危险性指数评价模型;
数据获取模块,配置为获取土质边坡中各影响指标对应的监测数据;
指数计算模块,配置为基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
有益效果:采用本发明的边坡危险性指数评价模型的构建方法及监测等级确定方法,通过对土质边坡的试验数据进行分析,可以确定与土质边坡稳定性相关的影响指标。分析各影响指标对土质边坡稳定性的影响,可确定各影响指标对应的归一化取值,采用层次分析法对各影响指标进行分析,可以得到各影响指标对应的影响权重,根据各影响指标对应的影响权重和归一化取值,可以建立起用于评价不同类型土质边坡危险性指数的评价模型。通过该评价模型可以确定土质边坡的危险性指数,进而通过危险性指数确定边坡的监测等级,以为制定土质边坡的监测方案提供基础。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明一实施例提供的土质边坡危险性指数评价模型的构建方法的流程图;
图2为本发明一实施例提供的确定土质边坡的影响指标的流程图;
图3为本发明一实施例提供的通过边坡稳定性变化数据确定影响指标的流程图;
图4为本发明一实施例提供的土质边坡监测等级确定方法的流程图;
图5为本发明一实施例提供的土质边坡危险性指数评价模型的构建系统的系统框图;
图6为本发明一实施例提供的指标选取模块的模块框图;
图7为本发明一实施例提供的指标确定单元的模块框图;
图8为本发明一实施例提供的土质边坡有限元模型;
图9为对本发明一实施例提供的土质边坡有限元模型进行分析得到的土质边坡的应力场分布示意图;
图10为对本发明一实施例提供的土质边坡有限元模型进行分析得到的土质边坡的位移场分布示意图;
图11为有限元分析得到的影响程度排序结果与试验得到的影响程度排序结果的对比验证结果示意图;
图12为测点单日各向位移试验数据;
图13为测点单日平均位移试验数据。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
如图1所示的土质边坡危险性指数评价模型的构建方法的流程图,该构建方法包括:
步骤1、通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
步骤2、分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
步骤3、根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
具体而言,首先,通过对土质边坡的试验数据进行分析,可以确定与土质边坡稳定性相关的影响指标。然后,可以通过分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并可以通过层次分析法确定各影响指标对应的影响权重。最后,根据各影响指标对应的影响权重和归一化取值,可以建立起用于评价不同类型土质边坡危险性指数的评价模型。通过该评价模型可以确定土质边坡的危险性指数,进而通过危险性指数确定边坡的监测等级,以为制定土质边坡的监测方案提供基础。
下文将结合图2对步骤1中确定与土质边坡稳定性相关的影响指标的方法进行详细说明。
在本实施例中,可选的,通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标,包括:
步骤1-1-1、通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
步骤1-1-2、选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
步骤1-1-3、分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
具体而言,如图3所示,首先,可以对不同类型土质边坡采用控制变量法进行为期两年的室外试验,通过对试验数据进行统计分析确定影响土质边坡稳定性的因素。
具体的,可以分析试验数据中不同监测点的单日所有变形数据,测点单日各向位移试验数据如图12所示。对变形数据取平均值获取单日的平均变化值,结果如图13所示。筛选单日变形的最大值获取日最大变形值,并绘制不同监测点的平均值变化曲线和日最大变形曲线以及数据对比曲线。
通过数据整理、分析、排序选取导致数据发生多次波动的影响因素,确定排序靠前的几个因素为后续分析采用的影响因素。在本实施例中,通过对试验数据进行分析,最后得到八大类主要影响因素,分别为:地形地貌;地层岩性;地质构造;地震活动;水文地质条件;气象;地表植被;人类活动。
然后,可以选取各影响因素中的代表性指标分别进行控制变量试验,通过试验得到各代表性指标对应的边坡稳定性变化数据。最后,通过分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
具体的,可以通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线。以单指标-稳定性曲线变化幅度大小进行指标影响程度的界定,幅度变化大对应影响程度大,幅度变化小对应影响程度小。可以按照单指标-稳定性曲线变化幅度的大小对代表性指标的影响程度进行排序,再选取影响程度排序结果中前几个代表性指标作为影响指标。
为了复核验证上述试验所确定影响指标的准确性和可靠性,还可以通过有限元分析进行指标对比验证。包括:
步骤1-2-1、构建边坡有限元模型,并将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
步骤1-2-2、通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度较大的代表性指标作为分析指标;
步骤1-2-3、将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
具体而言,首先,可以根据土质边坡的结构数据构建起边坡有限元模型,构建起的边坡有限元模型如图8所示。然后,可以将选取的代表性指标加载至有限元模型,通过控制变量分析输出对应的边坡稳定性系数变化曲线。综合对比不同代表性指标对应的边坡稳定性系数曲线变化,确定各代表性指标对边坡稳定性的影响程度,并按影响程度由大到小对各代表性指标进行排序。最后将通过有限元分析得到的影响程度排序结果与通过试验得到的影响程度排序结果进行对比验证,其对比结果如图11所示,其中工况1和工况2分别为通过试验和通过有限元分析得到的边坡稳定性系数变化曲线。最后将综合对比得到的前几个代表性指标确定为影响指标。
应理解,在本实施例中,还可以基于有限元模型,通过相应参量调节逐一分析影响因素中各代表性指标控制下的边坡应力场和位移场,得到的结果分别如图9、图10所示,通过边坡的应力场和位移场可以观察不同控制指标对边坡稳定性的影响程度。应力场、位移场在有限元模型中是对边坡稳定性影响的最直观表现,对比发现应力场、位移场变化幅度较大时对应的影响指标可直接列为影响指标。
下文将对步骤2中确定各影响指标影响权重和归一化取值的步骤进行详细说明。
在本实施例中,可以对各影响指标对土质边坡的影响作用进行分析,从而确定各影响指标的归一化取值。在本实施例中,确定各影响指标对应的归一化取值如下表1所示:
表1
在本实施例中,还可以采用层次分析法确定各影响指标的影响权重。具体的,可以基于1-9标度建立起各影响指标之间的判断矩阵,在本实施例中,建立起的判断矩阵表格如下表2所示:
表2
可以通过对判断矩阵进行归一化处理,得到各影响指标对应的影响权重,并计算出判断矩阵的最大特征值,并以此计算出判断矩阵的一致性指标。具体计算式如下:
其中,aij为判断矩阵中第i行第j列的元素,bij为将判断矩阵按列归一化得到的值,(AW)i为AW的第i个分量,AW表示判断矩阵和特征向量的乘积,m表示影响指标的个数。
在计算得到一致性指标后,可以根据一致性指标计算出判断矩阵的一致性比率,具体计算式如下:
其中,RI为平均随机一致性指标,通过查表设定为1.24。通过计算得到表1所示的判断矩阵的一致性比率为0.008。如果一致性比率小于0.1,则表明构建的判断矩阵一致性较好,各影响指标的相对重要性排序合理。反之,则表明判断矩阵一致性不满足要求,此时,可以分析导致不满足要求的可能性原因。导致判断矩阵一致性不满足要求的原因主要包括以下两种:
①判断矩阵中多项数据的小误差累积,基于1-9标度给出的两两比较判断本身是一个模糊的判断,存在一定误差相对正常,例如给出“比较重要”(对应1-9标度中6)的判断,可能其对应数值是6.1而不是6。判断矩阵中多个类似误差累积起来可能会导致其不满足一致性要求。
②判断矩阵中某项/几项数据的判断错误,在数据输入时,可能因为专业知识欠缺或理解错误而给出错误判断数据,类似情况在实际中也可能发生。
在确定原因后,可以针对确定的原因采用相应的解决方法进行修正。对于“①判断矩阵中多项数据的小误差累积”,相应的修正思路是:将数据最小化修改后列为目标,并对各个要素进行微调,使判断矩阵满足一致性。对于“②判断矩阵中某项/几项数据的判断错误”,修正的思路是:寻找错误程度最高要素,并对其进行修正,反复执行上述过程使其满足一致性要求。
根据表1所示判断矩阵确定的各影响指标对应的影响权重如下表3所示。
表3
在确定各影响指标对应的影响权重和归一化取值后,可以基于各影响指标对应的影响权重和归一化取值构建起用于确定土质边坡危险性指数的评价模型。构建土质边坡危险性指数评价模型具体为:
其中,W为危险性指数;k为危险系数;σ、p为危险系数的影响参数;H为形函数;x1、x2......x7分别为各影响指标;Ω为八大影响因素;i为维度;Γ为平面、空间维度集;D为微分算子矩阵;ε为指标插值矩阵;Xj为表2中的影响权重,Yj为影响指标的归一化取值。
如图4所示的土质边坡监测等级确定方法的流程图,该确定方法包括:
步骤S1、采用上述的构建方法构建土质边坡危险性指数评价模型;
步骤S2、获取土质边坡中各影响指标对应的监测数据;
步骤S3、基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
具体而言,首先,可以采用上述的构建方法,构建起待监测土质边坡的危险性指数评价模型。然后,采集待监测土质边坡各项影响指标对应的监测数据。最后,将各项影响指标对应的监测数据进行归一化处理后,导入土质边坡危险性指数评价模型中,从而得到土质边坡的危险性指数,将危险性指数与土质边坡危险性分级表进行匹配,确定土质边坡的危险等级,进而将危险等级与土质边坡监测分级表进行匹配,确定土质边坡的监测等级,为后续制定土质边坡的监测方案提供基础。所述土质边坡危险性分级表和土质边坡监测分级表分别如下表4、表5所示。
表4
危险性等级推荐分级 | 危险性小 | 危险性一般 | 危险性中等 | 危险性大 |
边坡灾害危险性指数 | [0,0.25] | (0.25,0.5] | (0.5,0.75] | (0.75,1] |
表5
土质边坡监测等级 | 土质边坡危险性 |
Ⅳ级 | 危险性小 |
Ⅲ级 | 危险性一般 |
Ⅱ级 | 危险性中等 |
Ⅰ级 | 危险性大 |
如图5所示的土质边坡危险性指数评价模型的构建系统的系统框图,该构建系统包括:
指标选取模块,配置为通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
指标分析模块,配置为分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
模型建立模块,配置为根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
具体而言,构建系统是由指标选取模块、指标分析模块和模型建立模块组成。其中,指标选取模块可以通过对土质边坡的试验数据进行分析,可以确定与土质边坡稳定性相关的影响指标。指标分析模块可以分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并可以通过层次分析法确定各影响指标对应的影响权重。模型建立模块可以根据各影响指标对应的影响权重和归一化取值,建立起用于评价不同类型土质边坡危险性指数的评价模型。通过该评价模型可以确定土质边坡的危险性指数,进而通过危险性指数确定边坡的监测等级,以为制定土质边坡的监测方案提供基础。
在本实施例中,可选的,如图6所示,所述指标选取模块包括:
因素选取单元,配置为通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
数据获取单元,配置为选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
指标确定单元,配置为分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
具体而言,所述指标选取模块是由因素选取单元、数据获取单元和指标确定单元组成。其中,因素获取单元可以获取对不同类型土质边坡采用控制变量法进行为期两年的室外试验所得到的试验数据。并可以分析试验数据中不同监测点的单日所有变形数据,对变形数据取平均值获取单日的平均变化值。筛选单日变形的最大值获取日最大变形值,并绘制不同监测点的平均值变化曲线和日最大变形曲线以及数据对比曲线。因素获取单元通过数据整理、分析、排序选取导致数据发生多次波动的影响因素,确定排序靠前的几个因素为后续分析采用的影响因素。
数据获取单元可以获取对各影响因素中代表性指标分别进行控制变量试验得到的边坡稳定性变化数据。指标确定单元可以通过分析各代表性指标对应的边坡稳定性变化数据,确定影响土质边坡稳定性的影响指标。
在本实施例中,可选的,如图7所示,所述指标确定单元包括:
曲线绘制子单元,配置为通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线;
指标确定子单元,配置为根据所述单指标-边坡稳定性系数变化关系曲线的变化幅度,选取出影响程度较大的代表性指标作为影响指标。
具体而言,所述指标确定单元包括曲线绘制子单元和指标确定子单元。其中,曲线绘制子单元可以根据相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线。指标确定子单元可以以单指标-稳定性曲线变化幅度大小进行指标影响程度的界定,幅度变化大对应影响程度大,幅度变化小对应影响程度小。并按照单指标-稳定性曲线变化幅度的大小对代表性指标的影响程度进行排序,再选取影响程度排序结果中前几个代表性指标作为影响指标。
在本实施例中,可选的,所述指标确定单元还包括:
边坡有限元分析单元,配置为构建边坡有限元模型,基于边坡有限元模型通过相应参量调节逐一分析影响因素控制下的边坡应力场和位移场;
指标有限元分析单元,配置为将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
影响指标选取子单元,配置为通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度较大的代表性指标作为分析指标;
对比验证单元,配置为将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
具体而言,所述指标确定单元还包括边坡有限元分析单元、指标有限元分析单元、影响指标选取子单元和对比验证单元。其中,边坡有限元分析单元可以根据土质边坡的结构数据构建起边坡有限元模型。并通过相应参量调节逐一分析影响因素控制下的边坡应力场和位移场。
指标有限元分析单元可以将选取的代表性指标加载至有限元模型,通过控制变量分析输出对应的边坡稳定性系数变化曲线。影响指标选取子单元可以综合对比不同代表性指标对应的边坡稳定性系数曲线变化,确定各代表性指标对边坡稳定性的影响程度,并按影响程度由大到小对各代表性指标进行排序。对比验证可以将通过影响指标选取子单元得出的影响程度排序结果与指标确定子单元得到的影响程度排序结果进行对比验证,通过综合对比得到的前几个代表性指标确定为影响指标。
一种土质边坡监测等级确定系统,该确定系统包括:
模型构建模块,配置为采用上述的构建方法构建土质边坡危险性指数评价模型;
数据获取模块,配置为获取土质边坡中各影响指标对应的监测数据;
指数计算模块,配置为基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
具体而言,所述确定系统是由模型构建模块、数据获取模块和指数计算模块组成。其中,模型构建模块可以采用上述的构建方法构建起待监测土质边坡的土质边坡危险性指数评价模型。数据获取模块可以获取待监测土质边坡的各项影响指标对应的监测数据。指数计算模块可以将数据获取模块采集到的各项影响指标对应的监测数据进行归一化处理,并将归一化处理后的数据导入土质边坡危险性指数评价模型中,从而得到土质边坡的危险性指数。指数计算模块将危险性指数与土质边坡分区危险性分级表进行匹配,确定土质边坡的危险等级,进而将危险等级与土质边坡监测分级表进行匹配,确定土质边坡的监测等级,为后续制定土质边坡的监测方案提供基础。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种土质边坡危险性指数评价模型的构建方法,其特征在于,包括:
通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
2.根据权利要求1所述的土质边坡危险性指数评价模型的构建方法,其特征在于,确定与土质边坡稳定性相关的影响指标,包括:
通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
3.根据权利要求2所述的土质边坡危险性指数评价模型的构建方法,其特征在于,确定影响土质边坡稳定性的影响指标,包括:
通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线;
根据所述单指标-边坡稳定性系数变化关系曲线的变化幅度,选取出影响程度大的代表性指标作为影响指标。
4.根据权利要求2所述的土质边坡危险性指数评价模型的构建方法,其特征在于,所述确定影响土质边坡稳定性的影响指标,还包括:
构建边坡有限元模型,并将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度大的代表性指标作为分析指标;
将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
5.一种土质边坡监测等级确定方法,其特征在于,包括:
采用如权利要求1-4任一所述的构建方法,构建土质边坡危险性指数评价模型;
获取土质边坡中各影响指标对应的监测数据;
基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
6.一种土质边坡危险性指数评价模型的构建系统,其特征在于,包括:
指标选取模块,配置为通过对土质边坡的试验数据进行分析,确定与土质边坡稳定性相关的影响指标;
指标分析模块,配置为分析各影响指标对土质边坡稳定性的影响,确定各影响指标对应的归一化取值,并通过层次分析法确定各影响指标对应的影响权重;
模型建立模块,配置为根据各影响指标对应的影响权重和归一化取值,建立所述土质边坡危险性指数评价模型。
7.根据权利要求6所述的土质边坡危险性指数评价模型的构建系统,其特征在于,所述指标选取模块包括:
因素选取单元,配置为通过对所述试验数据进行统计分析,确定影响土质边坡稳定性的影响因素;
数据获取单元,配置为选取各影响因素中的代表性指标分别进行控制变量试验,得到各代表性指标对应的边坡稳定性变化数据;
指标确定单元,配置为分别对各代表性指标对应的边坡稳定性变化数据进行分析,确定影响土质边坡稳定性的影响指标。
8.根据权利要求7所述的土质边坡危险性指数评价模型的构建系统,其特征在于,所述指标确定单元包括:
曲线绘制子单元,配置为通过相应的边坡稳定性变化数据绘制出各代表性指标对应的单指标-边坡稳定性系数变化关系曲线;
指标确定子单元,配置为根据所述单指标-边坡稳定性系数变化关系曲线的变化幅度,选取出影响程度大的代表性指标作为影响指标。
9.根据权利要求7所述的土质边坡危险性指数评价模型的构建系统,其特征在于,所述指标确定单元还包括:
边坡有限元分析单元,配置为构建边坡有限元模型,并将各代表性指标分别加载至所述边坡有限元模型中进行有限元分析,得到各代表性指标对应的边坡稳定性系数变化曲线;
影响指标选取子单元,配置为通过边坡稳定性系数变化曲线的变化幅度,选取出影响程度较大的代表性指标作为分析指标;
对比验证单元,配置为将所述分析指标与通过试验确定的所述影响指标进行对比验证,根据对比结果确定所述影响指标。
10.一种土质边坡监测等级确定系统,其特征在于,包括:
模型构建模块,配置为采用如权利要求1-4任一所述的构建方法,构建土质边坡危险性指数评价模型;
数据获取模块,配置为获取土质边坡中各影响指标对应的监测数据;
指数计算模块,配置为基于所述土质边坡危险性指数评价模型,根据各影响指标对应的监测数据确定土质边坡的危险性指数,通过危险性指数确定土质边坡的监测等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245438.1A CN117252474A (zh) | 2023-09-25 | 2023-09-25 | 边坡危险性指数评价模型的构建方法及监测等级确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245438.1A CN117252474A (zh) | 2023-09-25 | 2023-09-25 | 边坡危险性指数评价模型的构建方法及监测等级确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252474A true CN117252474A (zh) | 2023-12-19 |
Family
ID=89126064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311245438.1A Pending CN117252474A (zh) | 2023-09-25 | 2023-09-25 | 边坡危险性指数评价模型的构建方法及监测等级确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252474A (zh) |
-
2023
- 2023-09-25 CN CN202311245438.1A patent/CN117252474A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN109670714B (zh) | 基于隶属度分析的船舶燃气轮机综合状态评估方法 | |
CN111914457B (zh) | 一种输电线路塔基边坡稳定性判别方法、装置和存储介质 | |
CN113420061B (zh) | 炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统 | |
CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN109240276B (zh) | 基于故障敏感主元选择的多块pca故障监测方法 | |
CN111382943A (zh) | 一种基于加权灰色关联度分析的故障诊断评估方法 | |
CN109190901A (zh) | 基于多指标度量的可靠性评估结果的可信评价方法 | |
CN117972314B (zh) | 一种基于数字孪生的云平台监控方法及系统 | |
CN106021671A (zh) | 结合相关性关系和灰色聚类技术的电路健康分级评估方法 | |
CN112131752B (zh) | 一种基于拟准检定的超强崩溃污染率抗差估计算法 | |
CN107798149A (zh) | 一种飞机维修性评估方法 | |
CN112464490A (zh) | 增材钛合金的dfr确定方法 | |
CN117252474A (zh) | 边坡危险性指数评价模型的构建方法及监测等级确定方法 | |
CN117235510A (zh) | 节理粗糙度预测方法与节理粗糙度预测模型训练方法 | |
CN107506824B (zh) | 一种配电网的不良观测数据检测方法及装置 | |
CN113947309B (zh) | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 | |
CN114665986B (zh) | 一种蓝牙钥匙的测试系统及方法 | |
CN115859588A (zh) | 基于噪声影响的设备健康状态估计方法、设备、存储介质 | |
CN108053093A (zh) | 一种基于平均影响值数据变换的k-近邻故障诊断方法 | |
CN115203643A (zh) | 融合水文与生态要素的水源涵养功能定量诊断方法及系统 | |
CN117172072A (zh) | 土质边坡监测分区方法及系统 | |
CN117217607A (zh) | 土质边坡分区稳定性评价及监测节点布局优化方法 |
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 |