CN117269456A - 一种公路土况检测方法和系统 - Google Patents

一种公路土况检测方法和系统 Download PDF

Info

Publication number
CN117269456A
CN117269456A CN202311240041.3A CN202311240041A CN117269456A CN 117269456 A CN117269456 A CN 117269456A CN 202311240041 A CN202311240041 A CN 202311240041A CN 117269456 A CN117269456 A CN 117269456A
Authority
CN
China
Prior art keywords
soil
fuzzy
evaluation
direct
sampling points
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
CN202311240041.3A
Other languages
English (en)
Other versions
CN117269456B (zh
Inventor
胡彦凯
汤东升
李炜
刘彬
甄浩明
陈陶
王朋欣
彭梓瀚
毕宇涛
董彦龙
武朋佳
王韶平
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.)
Hebei Shengtong Highway Construction Co ltd
Original Assignee
Hebei Shengtong Highway Construction 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 Hebei Shengtong Highway Construction Co ltd filed Critical Hebei Shengtong Highway Construction Co ltd
Priority to CN202311240041.3A priority Critical patent/CN117269456B/zh
Publication of CN117269456A publication Critical patent/CN117269456A/zh
Application granted granted Critical
Publication of CN117269456B publication Critical patent/CN117269456B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G01N9/36—Analysing materials by measuring the density or specific gravity, e.g. determining quantity of moisture
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Human Resources & Organizations (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Software Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Remote Sensing (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)

Abstract

本发明公开了一种公路土况检测方法和系统，属于数据处理技术领域，方法包括：在多个采样点进行土壤样本采集；对各个采样点的土壤样本进行检测，确定各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度；通过层次分析法，以土壤稳定性为目标，确定各个影响因素的主观权重；以土壤稳定性为目标，对各个土壤样本进行模糊评价；确定各个影响因素的直接模糊熵以及直接模糊相似度；根据各个影响因素的主观权重、直接模糊熵以及直接模糊相似度，计算各个影响因素的综合权重；根据模糊评价结果以及各个影响因素的综合权重，确定各个采样点的土壤稳定评估值；根据采样点的土壤稳定评估值确定公路建设规划线路。

Description

一种公路土况检测方法和系统
技术领域
本发明属于数据处理技术领域，具体涉及一种公路土况检测方法和系统。
背景技术
土壤稳定性对于公路工程的质量至关重要。通过了解土壤条件，工程师可以选择适当的修建线路、建筑材料和施工方法，以确保道路的长期稳定性和耐久性。
传统的土壤检测方法主要是对土壤进行采样后送往实验室进行物理性质和工程性质的测试，得到的检测结果多而复杂，并且很难有一个检测结果能够直接评价土壤的稳定性，需要依赖专家对检测结果进行综合评估，得出土壤稳定性以及是否能够在采样点进行修路的结论，容易受到专家的专业程度、从业经历以及临场状态等主观因素的影响，导致土壤稳定性评估的准确性和一致性差。
发明内容
为了解决当前的土壤稳定性评估需要依赖专家对检测结果进行综合评估，得出土壤稳定性以及是否能够在采样点进行修路的结论，容易受到专家的专业程度、从业经历以及临场状态等主观因素的影响，导致土壤稳定性评估的准确性和一致性差的技术问题，本发明提供一种公路土况检测方法和系统。
第一方面
本发明提供了一种公路土况检测方法，包括：
S101：在多个采样点进行土壤样本采集；
S102：对各个采样点的土壤样本进行检测，确定各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度；
S103：通过层次分析法，以土壤稳定性为目标，确定各个影响因素的主观权重；
S104：根据各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度，以土壤稳定性为目标，对各个土壤样本进行模糊评价；
S105：根据对各个采样点的土壤样本的模糊评价结果，确定各个影响因素的直接模糊熵以及直接模糊相似度；
S106：根据各个影响因素的主观权重、直接模糊熵以及直接模糊相似度，计算各个影响因素的综合权重；
S107：根据模糊评价结果以及各个影响因素的综合权重，确定各个采样点的土壤稳定评估值；
S108：根据采样点的土壤稳定评估值确定公路建设规划线路。
第二方面
本发明提供了一种公路土况检测系统，用于执行第一方面中的公路土况检测方法。
与现有技术相比，本发明至少具有以下有益技术效果：
(1)在本发明中，对各个采样点的土壤样本检测出的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度进行模糊评价，并根据模糊评价结果确定各个影响因素的综合权重，之后基于综合权重计算出土壤稳定评估值，仅通过土壤稳定评估值这一项指标值即可直观地展现各个采样点的土壤稳定性，降低专业程度、从业经历以及临场状态等主观因素的影响，提升土壤稳定性评估的准确性和一致性。
(2)根据采样点的土壤稳定评估值确定公路建设规划线路，通过将土壤稳定评估值作为决策依据，确保了公路建设规划线路的土壤条件符合安全和稳定性要求，有助于减少因土壤不稳定而引起的道路塌陷或滑坡等风险，提高公路工程的可行性和成功性。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种公路土况检测方法的流程示意图；
图2是本发明提供的一种公路土况检测方法的结构示意图。
具体实施方式
实施例1
在一个实施例中，参考说明书附图1，示出了本发明提供的一种公路土况检测方法的流程示意图。
参考说明书附图2，示出了本发明提供的一种公路土况检测方法的结构示意图。
本发明提供的一种公路土况检测方法，包括：
S101：在多个采样点进行土壤样本采集。
具体而言，通过采样工具(例如土壤钻取器)在多个采样点进行土壤样本采集，放置在事先准备好的样本容器中，并在样本容器上粘贴标签以记录采样点信息。
S102：对各个采样点的土壤样本进行检测，确定各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度。
具体而言，可以通过实验室设备检测各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度和土壤孔隙比，具体检测方式已是现有技术，本发明不再赘述。
其中，土壤类别包括：沙土、壤土、粘土等。不同类型的土壤具有不同的颗粒组成和颗粒大小分布，因此它们在水分运动、承载能力和稳定性方面表现出不同的特性。
其中，土壤含水量是指土壤中的水分含量，通常以土壤湿度或含水率来表示。土壤含水量对土壤的强度、抗剪强度和可塑性有直接影响。过高或过低的含水量都可能导致土壤的稳定性问题。过多的水分会减小土壤的抗剪强度，导致流失和滑坡的风险增加。而过少的水分则可能使土壤过于干燥，也可能导致土壤的稳定性下降。
其中，土壤密度是土壤颗粒的紧密程度的度量。较高的土壤密度通常意味着土壤颗粒更紧密，具有更好的承载能力和稳定性。较低的土壤密度可能会导致土壤容易变形和沉降，从而降低土壤的稳定性。
其中，土壤孔隙比是指土壤中的孔隙空间占总体积的比例。孔隙比与土壤的通透性和水分保持能力有关。较高的孔隙比通常表示土壤具有较好的排水性，有助于减少水分渗透和积聚，从而有助于土壤的稳定性。然而，过高的孔隙比也可能导致土壤的强度下降。
其中，土壤强度是指土壤抵抗变形和破坏的能力。
在本发明中，通过抗压强度、抗剪强度以及抗冻强度综合计算出土壤强度。
进一步地，S102具体包括：
根据以下公式，计算土壤强度：
σ＝α1·σ1+α2·σ2+α3·σ3
其中，σ表示土壤强度，σ1表示抗压强度，α1表示抗压强度的权重，σ2表示抗剪强度，α2表示抗剪强度的权重，σ3表示抗冻强度，α3表示抗冻强度的权重。
其中，抗压强度是指土壤抵抗垂直荷载或压缩力的能力。抗压强度是评估土壤在承受垂直荷载时的稳定性和强度的关键参数。不同类型的土壤具有不同的抗压强度，例如，粘土通常具有较高的抗压强度，而沙土则通常较低。
其中，抗剪强度是指土壤抵抗水平剪切力的能力。土壤的抗剪强度对于防止土壤滑坡、土体塌方和土壤侵蚀等问题至关重要。不同类型的土壤具有不同的抗剪强度，粘土通常具有较高的抗剪强度。
其中，抗冻强度是指土壤在冻融循环条件下的稳定性和强度。抗冻强度度量了土壤在低温条件下的抵抗力，因为土壤在冻结时会膨胀，而在解冻时会收缩，这种周期性的冻融过程可能导致土壤的破坏。抗冻强度通常以抗冻抗剥蚀强度(Freeze-Thaw Durability)等参数来表示，这些参数可以用于评估土壤在冻融环境中的性能。
在本发明中，通过引入权重，可以根据具体工程要求和土壤特性的重要性来定制土壤强度的计算，使得土壤强度评估更贴近实际工程需求，可以适用于各种情况下的土壤强度评估。
需要说明的是，土壤强度是衡量土壤抵抗变形和承受荷载的关键指标之一，综合考虑抗压强度、抗剪强度和抗冻强度，可以更全面地评估土壤的力学性质，而不仅仅是局限于一种特定的强度属性。
S103：通过层次分析法，以土壤稳定性为目标，确定各个影响因素的主观权重。
在本发明中，通过层次分析法确定土壤稳定性评估中各个影响因素的主观权重有助于提高决策的透明度、合理性和准确性。
进一步地，S103具体包括子步骤S1031至S1033：
S1031：通过对土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度五个影响因素进行两两比较，结合九级标度法，建立判别矩阵A：
其中，aij表示第i个影响因素相对于第j个影响因素的重要程度，aij的取值可通过九极标度法确定，i＝1,2,…,5，j＝1,2,…,5。
其中，九极标度法是一种常用于比较和评估不同选项之间相对重要性的方法，通常用于权重确定、决策分析和对选项进行排序。在一系列级别中选择一个数字，以表示对于某个准则或因素，一个选项相对于另一个选项的重要程度。九级标度法中的级别从1到9。其中，1表示两个选项的相对重要性完全相等，而9表示一个选项相对于另一个选项的极端重要性。1表示相等重要性，3表示轻微偏向重要性，5表示中等重要性，7表示强烈偏向重要性，9表示极端重要性，2、4、6、8则表示在相邻级别之间的中间态，用于表示相对程度的介于两个级别之间的情况。
S1032：计算判别矩阵A的特征向量和特征值：
Aw＝λw→(A-λI)w
其中，λ表示判别矩阵A的特征值，w表示判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λmax，与最大的特征值对应的特征向量记为wmax，wmax＝(w1,w2,…,w5)。
其中，计算判别矩阵的特征值和特征向量有助于验证决策者的权重分配是否一致和合理。特征值表示一致性指标，特征向量表示各因素的相对权重，这可以帮助决策者检查其决策是否具有内在的一致性。
S1033：对最大的特征值对应的特征向量wmax进行归一化处理：
其中，归一化后的向量的各个分量/>分别代表各个影响因素的权重，可分别记为β1,β2,…,β5。
其中，归一化处理确保最终的权重向量是单位化的，使其总和为1。这使得权重向量可以直接用于计算，同时使不同因素的权重更容易理解和比较。
S104：根据各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度，以土壤稳定性为目标，对各个土壤样本进行模糊评价。
需要说明的是，各个影响因素对于土壤稳定性的影响通常存在不确定性和模糊性，使用模糊评价可以更好地处理这种不确定性，因为它允许在下限值和上限值之间描述模糊的评价，有助于在土壤工程中更好地考虑不确定性因素。
进一步地，S104具体包括子步骤S1041和S1042：
S1041：获取各个采样点的土壤样本在各个影响因素下的模糊评价：
＜uij,vij＞
其中，uij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价下限值，vij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价上限值。
S1042：根据各个采样点的土壤样本在各个影响因素下的模糊评价，构建模糊评价矩阵：
其中，B表示模糊评价矩阵，uij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价下限值15，vij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价上限值，i＝1,2,…,n，n表示采样点的总数，j＝1,2,…,5。
S105：根据对各个采样点的土壤样本的模糊评价结果，确定各个影响因素的直接模糊熵以及直接模糊相似度。
其中，直接模糊熵用于度量模糊集合或模糊数据的不确定性或混乱程度。
其中，直接模糊相似度用于度量两个模糊集合或模糊数据之间的相似性或相关性。
进一步地，S105具体包括子步骤S1051至S1053：
S1051：根据以下公式，计算各个影响因素的直接模糊熵：
ηij＝|uij-vij|
πij＝1-uij-vij
其中，Ej表示第j个影响因素的直接模糊熵，ηij表示第i个采样点的土壤样本在第j个影响因素下的直接模糊评价的核，πij表示第i个采样点的土壤样本在第j个影响因素下的直接模糊评价的犹豫度，exp表示指数函数。
需要说明的是，直接模糊熵的计算有助于评估每个影响因素的不确定性或模糊性。
S1052：根据以下公式，计算各个影响因素之间的直接模糊相似度：
其中，Cjk表示第j个影响因素与第k个影响因素之间的直接模糊相似度，j＝1,2,…,5，k＝1,2,…,5，j≠k。
需要说明的是，直接模糊相似度的计算有助于了解不同影响因素之间的相似性或相关性。
S1053：根据以下公式，计算各个影响因素的直接模糊相似度：
其中，Cj表示第j个影响因素的直接模糊相似度。
S106：根据各个影响因素的主观权重、直接模糊熵以及直接模糊相似度，计算各个影响因素的综合权重。
需要说明的是，通过各个影响因素的主观权重、直接模糊熵以及直接模糊相似度计算各个影响因素的综合权重，可以更好地处理土壤稳定性评估中的多因素和不确定性，提供有关土壤样本的全面信息。
进一步地，S106具体包括：
根据以下公式，计算各个影响因素的综合权重：
其中，ρj表示第j个影响因素的综合权重，j＝1,2,…,5。
S107：根据模糊评价结果以及各个影响因素的综合权重，确定各个采样点的土壤稳定评估值。
进一步地，S107具体包括：
根据以下公式，计算各个采样点的土壤稳定评估值：
其中，xi表示第i个采样点的土壤稳定评估值。
在本发明中，基于综合权重计算出土壤稳定评估值，仅通过土壤稳定评估值这一项指标值即可直观地展现各个采样点的土壤稳定性，降低专业程度、从业经历以及临场状态等主观因素的影响，提升土壤稳定性评估的准确性和一致性。
S108：根据采样点的土壤稳定评估值确定公路建设规划线路。
在本发明中，根据采样点的土壤稳定评估值确定公路建设规划线路，通过将土壤稳定评估值作为决策依据，确保了公路建设规划线路的土壤条件符合安全和稳定性要求，有助于减少因土壤不稳定而引起的道路塌陷或滑坡等风险，提高公路工程的可行性和成功性。
进一步地，S108具体包括：
S1081：将各个采样点进行连线，得到多条候选路线。
S1082：从多条候选路线中挑选出符合预设条件的路线，作为公路建设规划线路。
进一步地，预设条件具体包括以下条件：
路线中每个采样点的土壤稳定评估值不得低于第一预设值。
路线中所有采样点的土壤稳定评估值的平均值不得低于第二预设值。
其中，本领域技术人员可以根据实际情况设置第一预设值和第二预设值的大小，本发明不做限定。
需要说明的是，通过确保路线中每个采样点的土壤稳定评估值不低于第一预设值，可以保证每个采样点的土壤都足够稳定，能够承受交通荷载和其他外部压力，有助于减少公路建设和运营过程中的土壤稳定性问题，提高道路的安全性和可靠性。
需要说明的是，通过要求整条路线上所有采样点的土壤稳定评估值的平均值不低于第二预设值，可以确保整个路线上的土壤质量达到一定标准，有助于避免路线中存在土壤质量明显不均匀的情况，从而减少道路工程的不均匀沉陷和变形风险。
实施例2
在一个实施例中，本发明提供的一种公路土况检测系统，用于执行实施例1中的公路土况检测方法。
本发明提供的一种公路土况检测系统可以实现上述实施例1中的公路土况检测方法的步骤和效果，为避免重复，本发明不再赘述。
与现有技术相比，本发明至少具有以下有益技术效果：
(1)在本发明中，对各个采样点的土壤样本检测出的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度进行模糊评价，并根据模糊评价结果确定各个影响因素的综合权重，之后基于综合权重计算出土壤稳定评估值，仅通过土壤稳定评估值这一项指标值即可直观地展现各个采样点的土壤稳定性，降低专业程度、从业经历以及临场状态等主观因素的影响，提升土壤稳定性评估的准确性和一致性。
(2)根据采样点的土壤稳定评估值确定公路建设规划线路，通过将土壤稳定评估值作为决策依据，确保了公路建设规划线路的土壤条件符合安全和稳定性要求，有助于减少因土壤不稳定而引起的道路塌陷或滑坡等风险，提高公路工程的可行性和成功性。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种公路土况检测方法，其特征在于，包括：
S101：在多个采样点进行土壤样本采集；
S102：对各个采样点的土壤样本进行检测，确定各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度；
S103：通过层次分析法，以土壤稳定性为目标，确定各个影响因素的主观权重；
S104：根据各个采样点的土壤样本的土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度，以土壤稳定性为目标，对各个土壤样本进行模糊评价；
S105：根据对各个采样点的土壤样本的模糊评价结果，确定各个影响因素的直接模糊熵以及直接模糊相似度；
S106：根据各个影响因素的主观权重、直接模糊熵以及直接模糊相似度，计算各个影响因素的综合权重；
S107：根据模糊评价结果以及各个影响因素的综合权重，确定各个采样点的土壤稳定评估值；
S108：根据采样点的土壤稳定评估值确定公路建设规划线路。
2.根据权利要求1所述的公路土况检测方法，其特征在于，所述S102具体包括：
根据以下公式，计算土壤强度：
σ＝α1·σ1+α2·σ2+α3·σ3
其中，σ表示土壤强度，σ1表示抗压强度，α1表示抗压强度的权重，σ2表示抗剪强度，α2表示抗剪强度的权重，σ3表示抗冻强度，α3表示抗冻强度的权重。
3.根据权利要求1所述的公路土况检测方法，其特征在于，所述S103具体包括：
S1031：通过对土壤类别、土壤含水量、土壤密度、土壤孔隙比和土壤强度五个影响因素进行两两比较，结合九级标度法，建立判别矩阵A：
其中，aij表示第i个影响因素相对于第j个影响因素的重要程度，aij的取值可通过九极标度法确定，i＝1,2,…,5，j＝1,2,…,5；
S1032：计算所述判别矩阵A的特征向量和特征值：
Aw＝λw→(A-λI)w
其中，λ表示所述判别矩阵A的特征值，w表示所述判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λmax，与最大的特征值对应的特征向量记为wmax，wmax＝(w1,w2,…,w5)；
S1033：对所述最大的特征值对应的特征向量wmax进行归一化处理：
其中，归一化后的向量的各个分量/>分别代表各个影响因素的权重，可分别记为β1,β2,…,β5。
4.根据权利要求3所述的公路土况检测方法，其特征在于，所述S104具体包括：
S1041：获取各个采样点的土壤样本在各个影响因素下的模糊评价：
＜uij,vij＞
其中，uij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价下限值，vij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价上限值；
S1042：根据各个采样点的土壤样本在各个影响因素下的模糊评价，构建模糊评价矩阵：
其中，B表示模糊评价矩阵，uij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价下限值15，vij表示第i个采样点的土壤样本在第j个影响因素下的模糊评价上限值，i＝1,2,…,n，n表示采样点的总数，j＝1,2,…,5。
5.根据权利要求4所述的公路土况检测方法，其特征在于，所述S105具体包括：
S1051：根据以下公式，计算各个影响因素的直接模糊熵：
ηij＝|uij-vij|
πij＝1-uij-vij
其中，Ej表示第j个影响因素的直接模糊熵，ηij表示第i个采样点的土壤样本在第j个影响因素下的直接模糊评价的核，πij表示第i个采样点的土壤样本在第j个影响因素下的直接模糊评价的犹豫度，exp表示指数函数；
S1052：根据以下公式，计算各个影响因素之间的直接模糊相似度：
其中，Cjk表示第j个影响因素与第k个影响因素之间的直接模糊相似度，j＝1,2,…,5，k＝1,2,…,5，j≠k；
S1053：根据以下公式，计算各个影响因素的直接模糊相似度：
其中，Cj表示第j个影响因素的直接模糊相似度。
6.根据权利要求5所述的公路土况检测方法，其特征在于，所述S106具体包括：
根据以下公式，计算各个影响因素的综合权重：
其中，ρj表示第j个影响因素的综合权重，j＝1,2,…,5。
7.根据权利要求6所述的公路土况检测方法，其特征在于，所述S107具体包括：
根据以下公式，计算各个采样点的土壤稳定评估值：
其中，xi表示第i个采样点的土壤稳定评估值。
8.根据权利要求7所述的公路土况检测方法，其特征在于，所述S108具体包括：
S1081：将各个采样点进行连线，得到多条候选路线；
S1082：从多条所述候选路线中挑选出符合预设条件的路线，作为公路建设规划线路。
9.根据权利要求8所述的公路土况检测方法，其特征在于，所述预设条件具体包括以下条件：
路线中每个采样点的土壤稳定评估值不得低于第一预设值；
路线中所有采样点的土壤稳定评估值的平均值不得低于第二预设值。
10.一种公路土况检测系统，其特征在于，用于执行权利要求1至9任一项所述的公路土况检测方法。
CN202311240041.3A 2023-09-25 2023-09-25 一种公路土况检测方法和系统 Active CN117269456B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311240041.3A CN117269456B (zh) 2023-09-25 2023-09-25 一种公路土况检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311240041.3A CN117269456B (zh) 2023-09-25 2023-09-25 一种公路土况检测方法和系统

Publications (2)

Publication Number Publication Date
CN117269456A true CN117269456A (zh) 2023-12-22
CN117269456B CN117269456B (zh) 2024-05-28

Family

ID=89207631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311240041.3A Active CN117269456B (zh) 2023-09-25 2023-09-25 一种公路土况检测方法和系统

Country Status (1)

Country Link
CN (1) CN117269456B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118071169A (zh) * 2024-02-02 2024-05-24 四川天府大数据研究院 一种基于工程建设项目审批的分析决策方法及系统
CN118278293A (zh) * 2024-06-03 2024-07-02 山东恒通公路工程有限公司 一种基于数据分析的公路施工安全防护系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103278616A (zh) * 2013-05-31 2013-09-04 江西省电力科学研究院 一种土壤腐蚀性快速评价的多因子方法
CN105426653A (zh) * 2015-10-15 2016-03-23 大连海事大学 一种基于ahp-模糊评价分析法的质量评估方法
CN106651195A (zh) * 2016-12-29 2017-05-10 中国农业大学 一种确定土壤压实程度的评价方法
CN106645651A (zh) * 2017-02-20 2017-05-10 长沙市玖车测控技术有限公司 水土流失监测与预警系统
CN111105153A (zh) * 2019-12-13 2020-05-05 西安交通大学 基于ahp-熵权法的卫星健康状态多级模糊评价方法
AU2020103570A4 (en) * 2020-11-20 2021-02-04 College of Grassland and Environmental Science, Xinjiang Agricultural University Grassland soil degradation evaluation method
WO2022021706A1 (zh) * 2020-07-31 2022-02-03 广东工业大学 一种工作环境监测控制装置
CN114118647A (zh) * 2020-08-27 2022-03-01 神华神东煤炭集团有限责任公司 一种采煤塌陷区植被自修复能力综合评价方法
CN114219251A (zh) * 2021-12-04 2022-03-22 清华大学 确定区域土壤环境管理水平的评价方法和装置
CN114418333A (zh) * 2021-12-27 2022-04-29 中交第二航务工程勘察设计院有限公司 一种多因素综合定权的公路路线方案评价方法
CN114548725A (zh) * 2022-02-15 2022-05-27 大连理工大学 一种基于熵权-层次分析模糊综合评价法的深基坑稳定性评估方法
CN114595956A (zh) * 2022-03-02 2022-06-07 桂林理工大学 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法
CN114723247A (zh) * 2022-03-23 2022-07-08 河南大学 基于直觉模糊理论的多属性群决策供应商选择方法
CN115310748A (zh) * 2021-12-24 2022-11-08 昆明理工大学 一种基于组合赋权的软土地沉降风险模糊评价方法
CN115545440A (zh) * 2022-09-23 2022-12-30 国网冀北电力有限公司经济技术研究院 输变电工程招标工程量与项目结算量造价差异化评价方法
CN116523408A (zh) * 2023-05-11 2023-08-01 常州大学 一种污染场地土壤修复技术的评估方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103278616A (zh) * 2013-05-31 2013-09-04 江西省电力科学研究院 一种土壤腐蚀性快速评价的多因子方法
CN105426653A (zh) * 2015-10-15 2016-03-23 大连海事大学 一种基于ahp-模糊评价分析法的质量评估方法
CN106651195A (zh) * 2016-12-29 2017-05-10 中国农业大学 一种确定土壤压实程度的评价方法
CN106645651A (zh) * 2017-02-20 2017-05-10 长沙市玖车测控技术有限公司 水土流失监测与预警系统
CN111105153A (zh) * 2019-12-13 2020-05-05 西安交通大学 基于ahp-熵权法的卫星健康状态多级模糊评价方法
WO2022021706A1 (zh) * 2020-07-31 2022-02-03 广东工业大学 一种工作环境监测控制装置
CN114118647A (zh) * 2020-08-27 2022-03-01 神华神东煤炭集团有限责任公司 一种采煤塌陷区植被自修复能力综合评价方法
AU2020103570A4 (en) * 2020-11-20 2021-02-04 College of Grassland and Environmental Science, Xinjiang Agricultural University Grassland soil degradation evaluation method
CN114219251A (zh) * 2021-12-04 2022-03-22 清华大学 确定区域土壤环境管理水平的评价方法和装置
CN115310748A (zh) * 2021-12-24 2022-11-08 昆明理工大学 一种基于组合赋权的软土地沉降风险模糊评价方法
CN114418333A (zh) * 2021-12-27 2022-04-29 中交第二航务工程勘察设计院有限公司 一种多因素综合定权的公路路线方案评价方法
CN114548725A (zh) * 2022-02-15 2022-05-27 大连理工大学 一种基于熵权-层次分析模糊综合评价法的深基坑稳定性评估方法
CN114595956A (zh) * 2022-03-02 2022-06-07 桂林理工大学 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法
CN114723247A (zh) * 2022-03-23 2022-07-08 河南大学 基于直觉模糊理论的多属性群决策供应商选择方法
CN115545440A (zh) * 2022-09-23 2022-12-30 国网冀北电力有限公司经济技术研究院 输变电工程招标工程量与项目结算量造价差异化评价方法
CN116523408A (zh) * 2023-05-11 2023-08-01 常州大学 一种污染场地土壤修复技术的评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张留俊;黄晓明;尹利华;: "公路软基处理方案多层次模糊综合评判方法研究", 公路交通科技, no. 03, 15 March 2007 (2007-03-15) *
张磊;李绍才;缪宁;曾亚兰;李桾溢;王玉杰;马瑞;孙海龙;: "基于信息熵的四川盆周山地杉木生态系统稳定性评价", 中南林业科技大学学报, no. 07, 28 July 2020 (2020-07-28) *
王晓丹;倪师军;张成江;: "成都市土壤质量的模糊综合评价", 物探化探计算技术, no. 01, 28 February 2006 (2006-02-28) *
薛婷婷;常治国;张宁;: "用熵权模糊层次分析法综合评价边坡稳定性", 黑龙江科技学院学报, no. 06, 25 November 2011 (2011-11-25) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118071169A (zh) * 2024-02-02 2024-05-24 四川天府大数据研究院 一种基于工程建设项目审批的分析决策方法及系统
CN118278293A (zh) * 2024-06-03 2024-07-02 山东恒通公路工程有限公司 一种基于数据分析的公路施工安全防护系统

Also Published As

Publication number Publication date
CN117269456B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN117269456B (zh) 一种公路土况检测方法和系统
CN111042143B (zh) 一种基于大量监测数据分析的基坑工程预警方法和系统
CN107515970A (zh) 一种滑坡段电网杆塔危险性三维多点位多指标的预警方法
CN110610285A (zh) 一种地下金属矿采空区危险度分级评价方法
CN102867110A (zh) 一种输电线路杆塔基础边坡暴雨灾害风险评估方法
CN110210084B (zh) 基于时间融合的力学变化判断滑坡可能性的方法及系统
Vanclay Sustainable timber harvesting: simulation studies in the tropical rainforests of north Queensland
CN115311828B (zh) 基于数字孪生的水下工程结构智能检测方法及系统
CN112200478B (zh) 一种黏性土场地的冻胀风险信息处理方法及系统
Li et al. Shrink-swell index database for Melbourne
Xuchao et al. Simulating soil erodibility in southeastern China using a sequential Gaussian algorithm
CN116468282A (zh) 一种隧道突涌水风险等级评估方法
CN111612734A (zh) 一种基于图像结构复杂度的背景杂波表征方法
CN112798652B (zh) 一种用电阻率预测黄土湿陷性的方法
CN118095813A (zh) 基于bim技术的地基沉降的可视化监测方法及系统
CN103134433A (zh) 一种利用位移监测鉴别边坡失稳致滑因子的方法
Beetson et al. Enhancing a permanent sample plot system in natural forests
CN112329255A (zh) 基于倾向度和未确知测度的岩爆预测方法
CN116681205A (zh) 一种夯土遗址冲沟病害发育程度评价及预测方法
Azhari et al. Data-driven crack image-based seismic failure mode identification for damaged RC columns
Zou et al. A classification tree guide to soil-water characteristic curve test for soils with bimodal grain-size distribution
CN114493295A (zh) 一种盐岩地质下隧道监测项目的确定方法及监测系统
CN106599363A (zh) 一种基于层次分析法评估海港混凝土构件健康指标的方法
KR102719955B1 (ko) 산지 태양광 발전 위험 관리 방법
CN110751398A (zh) 一种区域生态质量评价方法及装置

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