CN117522152A - 盾构下穿建筑物施工风险评价方法、装置、设备及介质 - Google Patents

盾构下穿建筑物施工风险评价方法、装置、设备及介质 Download PDF

Info

Publication number
CN117522152A
CN117522152A CN202410013465.4A CN202410013465A CN117522152A CN 117522152 A CN117522152 A CN 117522152A CN 202410013465 A CN202410013465 A CN 202410013465A CN 117522152 A CN117522152 A CN 117522152A
Authority
CN
China
Prior art keywords
risk
data
matrix
certainty
value
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
Application number
CN202410013465.4A
Other languages
English (en)
Inventor
郭德赛
孟凡衍
吴怀娜
程红战
陈仁朋
杨歆鑫
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202410013465.4A priority Critical patent/CN117522152A/zh
Publication of CN117522152A publication Critical patent/CN117522152A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (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

本申请涉及建筑工程技术领域，公开一种盾构下穿建筑物施工风险评价方法、装置、设备及介质。该方法包括：获取若干组风险评价样本；基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到单风险确定度；对各项风险数据进行客观赋权，得到常权重值；使用常权重值对各项风险数据进行变权重运算，得到变权重值；结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到综合确定度；依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为风险评价结果。本申请实施例可以提升盾构下穿建筑物风险评价结果的准确性和客观性。

Description

盾构下穿建筑物施工风险评价方法、装置、设备及介质
技术领域
本申请涉及建筑工程技术领域，尤其是一种盾构下穿建筑物施工风险评价方法、装置、设备及介质。
背景技术
随着我国城市轨道交通建设的高速发展，盾构下穿建筑物施工的现象越来越普遍。在施工过程中，施工环境复杂多变，且施工过程致险因子多、关联性强，极易诱发邻近建筑物的变形和沉降，对盾构下穿建筑物施工过程风险开展实时动态安全评估与决策具有重要的工程意义。
在盾构下穿建筑物的施工过程中，由于施工环境复杂多变，大部分环境因素会随时间与空间而不断变化更新，评价指标及指标实测值存在模糊性和不确定性，使得盾构下穿建筑物的风险评价成为一个复杂的动态决策系统，相关技术中的盾构下穿建筑物施工风险评价方法无法基于评价指标及指标实测值得到准确且客观的风险评价结果。
发明内容
本申请的目的是提供一种盾构下穿建筑物施工风险评价方法、装置、设备及介质，旨在提升盾构下穿建筑物风险评价结果的准确性和客观性。
本申请实施例提供一种盾构下穿建筑物施工风险评价方法，包括：
获取若干组风险评价样本；所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据；
基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度；
对各项风险数据进行客观赋权，得到若干项常权重值；
使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值；
结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度；
依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
进一步，所述云数字特征值的计算公式为：
，
所述单风险确定度的计算公式为：
，
其中，E x 为期望，E n 为熵，H e 为超熵，C max 为风险等级的风险上限值，C min 为风险等级的风险下限值，c为反映评价模糊阈值常数，μ(x)为风险数据的单风险确定度，x为风险数据，e为自然常数。
进一步，所述对各项风险数据进行客观赋权，得到若干项常权重值，包括：
使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，将风险数据转换为标准化值，得到标准化矩阵；
计算风险数据的变异系数、标准化值之间的相关系数和独立性系数；
结合变异系数、相关系数和独立性系数计算各项风险数据所对应的综合权重系数；
使用综合权重系数计算每项风险数据所对应的常权重值。
进一步，所述将风险数据转换为标准化值的计算公式为：
，
，
，
其中，xij *为标准化矩阵中第i行中的第j个标准化值，xij为原始数据矩阵中第i行中的第j个风险数据，为原始数据矩阵中第j列各风险数据之间的均值，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量，sj为原始数据矩阵中第j列各风险数据之间的均方差；
所述变异系数的计算公式为：
，
其中，vj为原始数据矩阵中第j列各风险数据之间的变异系数；
所述相关系数的计算公式为：
，
其中，rkj为标准化矩阵中第k列和第j列各标准化值之间的相关系数，xik *为标准化矩阵中第i行中的第k个标准化值，为标准化矩阵中第k列各标准化值之间的均值，xij *为标准化矩阵中第i行中的第j个标准化值，/>为标准化矩阵中第j列各标准化值之间的均值，k=1,2...,q，j≤k；
所述独立性系数的计算公式为：
，
其中，nj为标准化矩阵中第j列各标准化值的独立性系数；
所述综合权重系数的计算公式为：
，
其中，Cj为原始数据矩阵中第j列各风险数据所对应的综合权重系数；
所述常权重值的计算公式为：
，
其中，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
进一步，所述综合确定度的计算公式为：
，
其中，μh为风险评价样本中第h个风险数据集的综合确定度，whl为第h个风险数据集中第l个风险数据的变权重值，μhl(x)为第h个风险数据集中第l个风险数据的单风险确定度,x为风险数据，h=1,2...,n，l=1,2...,s，n为风险评价样本中风险数据集的数量，n为风险数据集中风险数据的数量。
进一步，所述使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值，包括：
使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，对风险数据进行归一化处理，得到由归一化数据构成的归一化矩阵；
按照风险数据的类型计算每个归一化数据的评估指标，使用评估指标构建规范化决策矩阵；
基于评估指标与预设指标边界值的大小比较结果构造状态变权重向量；
使用状态变权重向量、常权重值和预设的常权重向量计算各组风险评价样本的风险数据所对应的变权重值。
进一步，所述评估指标为效益型指标时，所述评估指标的计算公式为：
，
所述评估指标为成本型指标时，所述评估指标的计算公式为：
，
其中，bij为归一化矩阵中第i行第j个归一化数据的评估指标，aij为归一化矩阵中第i行第j个归一化数据，max(aij)为原始数据矩阵中第j列风险数据的最大值所对应的归一化数据，min(aij)为原始数据矩阵中第j列风险数据的最小值所对应的归一化数据，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量；
所述状态变权重向量的计算公式为：
，
其中，Sj(Xi)为归一化矩阵中第i行第j个归一化数据的状态变权重向量，e为自然常数，α为惩罚水平，β为否定水平，α≥0，0＜β≤1；
所述变权重值的计算公式为：
，
其中，Wj(Xi)为原始数据矩阵中第i行第j个风险数据所对应的变权重值，W0为常权重向量，S(Xi)=[S1(Xi),S2(Xi),S3(Xi),...,Sq(Xi)]，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
本申请实施例还提供一种盾构下穿建筑物施工风险评价装置，包括：
第一模块，用于获取若干组风险评价样本；所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据；
第二模块，用于基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度；
第三模块，用于对各项风险数据进行客观赋权，得到若干项常权重值；
第四模块，用于使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值；
第五模块，用于结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度；
第六模块，用于依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
本申请实施例还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的盾构下穿建筑物施工风险评价方法。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的盾构下穿建筑物施工风险评价方法。
本申请的有益效果：获取若干组由客观实测和/或人为评分得到的风险数据组成风险数据集构成的风险评价样本，基于云模型理论、客观赋权法和变权重理论对各组风险评价样本中的风险数据进行风险等级定量评价，结合基于云模型理论定量评价风险等级得到的单风险确定度、基于客观赋权法对各项风险数据赋权得到的常权重值以及并基于变权重理论计算各项风险数据得到的变权重值确定风险评价样本中各组风险数据集的综合确定度，进而依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果，能够适应风险评价指标及对应的风险数据动态变化的特点，以及很好地解决盾构下穿建筑物施工的风险评价方法中存在的模糊性和随机性，实现盾构下穿建筑物施工风险评价中定性概念到定量表示之间的转换，提升盾构下穿建筑物风险评价结果的准确性和客观性。
附图说明
图1是本申请实施例提供的盾构下穿建筑物施工风险评价方法的流程图。
图2是图1中的步骤S103的流程图。
图3是图1中的步骤S104的流程图。
图4是本申请实施例提供的盾构下穿建筑物施工风险评价装置的结构示意图。
图5是本申请实施例提供的电子设备的硬件结构示意图。
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，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
相关技术中，盾构下穿建筑物施工的风险评价方法包括：
理论公式法，理论公式法具有很强的物理意义，根据物理模型计算地表沉降，通过地表沉降再计算上部建筑物的损伤，然而，由于依赖公式进行计算，很多参数较难获得准确值，因此计算结果具有一定偏差；
数值分析法，将工程数据与数学建模相结合，采用数值分析方法对盾构下穿建筑物的安全状态进行分析，数值分析方法可以充分考虑建筑物-隧道-土体系统之间的相互作用，可以简化盾构下穿建筑物影响的复杂问题，然而，数值分析方法存在计算误差大、对模型和计算参数精度依赖程度高、忽略了水文地质、周边环境、极端天气条件对盾构下穿建筑物的影响；
风险分析法，将盾构下穿建筑物的风险评价作为一个不确定力学模型，对风险进行综合评价，风险分析方法包括多种分析方法，可以充分考虑专家意见和盾构下穿建筑物的实际情况。目前盾构下穿建筑物的风险分析方法包括模糊层次分析法（FAHP法）、集对分析法（SPA法）、区间数改进VIKOR法、TOPSIS法、可拓云模型等。上述理论和模型研究大大提高了盾构隧道穿越建筑物的风险评估，但仍存在一些不足。FAHP方法可以解决模棱两可的问题，但没有考虑盾构下穿建筑物风险评价的不确定性。SPA法无法对盾构下穿建筑物风险评价提供足够的准确性和可靠性。TOPSIS方法不能有效处理盾构下穿建筑物风险评价中的不确定性。虽然区间数改进VIKOR法和可拓云模型解决了风险评价过程的不确定性，但是采用传统的组合加权方法对指标进行权重分配，往往会导致对盾构下穿建筑物风险评价的不平衡和不合理。
也就是说，盾构下穿既有建筑物施工的风险评价存在的技术问题有：
(1)盾构下穿建筑物存在较强的不确定性。理论公式法和数值模拟法不能很好地解决风险评估过程中的不确定性，而风险分析法可以很好地解决不确定性；
(2)传统的风险评价指标加权方法没有考虑到在盾构下穿建筑物过程中这些指标的数值往往是可变的，评价过程中各个指标的权重也是动态的、可变的；
(3)大多数风险评价方法不能有效解决盾构下穿建筑物风险评价的模糊性和不确定性，往往导致评价结果不准确、不合理。
基于此，本申请实施例提供了一种盾构下穿建筑物施工风险评价方法、装置、设备和存储介质，基于云模型理论、客观赋权法和变权重理论对各组风险评价样本中的风险数据进行风险等级定量评价，结合基于云模型理论定量评价得到的单风险确定度、基于客观赋权法对各项风险数据赋权得到的常权重值以及并基于变权重理论计算得到的变权重值确定各组风险评价样本的风险等级，以提升盾构下穿建筑物风险评价结果的准确性和客观性。
本申请实施例提供的盾构下穿建筑物施工风险评价方法、装置、设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的盾构下穿建筑物施工风险评价方法。
本申请实施例提供的盾构下穿建筑物施工风险评价方法，涉及建筑工程技术领域。本申请实施例提供的盾构下穿建筑物施工风险评价方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现盾构下穿建筑物施工风险评价方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的盾构下穿建筑物施工风险评价方法的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。
步骤S101，获取若干组风险评价样本。
其中，所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据。
具体而言，每组风险评价样本分别由若干组不同类型的风险数据集构成，每组风险数据集又分别由若干项相关领域的风险数据构成，每项风险数据又分为盾构下穿建筑物施工时的实测施工数据或人为评分数据，可以理解的是，实测施工数据为客观型的风险数据，人为评分数据为主观型的风险数据，同一风险数据集均由若干项实测施工数据构成或均由若干项人为评分数据构成。
更为具体地，在一实施例中，每组风险评价样本分别由五组不同类型的风险样本集构成，分别为地质因素数据集、盾构因素数据集、建筑物因素数据集、人为因素数据集和管理因素数据集，其中，地质因素数据集包含表征地质信息和地理信息的风险数据，盾构因素数据集包含表征盾构设备动态信息和静态信息的风险数据，建筑物因素数据集包含表征建筑物结构信息的风险数据，人为因素数据集包含表征施工人员作业素质的风险数据，管理因素数据集包含表征施工管理信息的风险数据。地质因素数据集、盾构因素数据集、建筑物因素数据集、人为因素数据集和管理因素数据集中的风险数据分别为实测施工数据和/或人为评分数据。示例性地，地质因素数据集中包含的风险数据可以是内摩擦角实测值、粘聚力实测值、压缩模量实测值、地下水位实测值、特殊地质评分值、隧道直径实测值和隧道埋深实测值，盾构因素数据集中包含的风险数据可以是掘进速度实测值、推力实测值、扭矩实测值、注浆量实测值和土仓压力实测值，建筑物因素数据集中包含的风险数据可以是基础形式评分值、上部结构形式评分值、完损程度评分值和建筑物水平距离实测值，人为因素数据集中包含的风险数据可以是施工人员的身体状况评分值、施工行为评分值、安全意识评分值和专业技能经验评分值，管理因素数据集中包含的风险数据可以是施工管理制度评分值、施工管理能力评分值和安全技术措施评分值。
步骤S102，基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度。
具体而言，根据预设的风险等级对应各项风险数据的具体划分边界值计算各个风险等级基本云的云数字特征值，然后构建以预测值与实际值之间误差平方和最小为目标的优化适应度函数，该优化适应度函数中，各影响因子权重为待求未知变量，通过各风险数据的云模型得出各项单风险确定度。
可以理解的是，风险等级用于描述盾构下穿建筑物施工的风险情况，在一实施例中，风险等级为U={u1,u2,u3,u4,u5}，u1、u2、u3、u4和u5分别表示Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级和Ⅴ级。其中，Ⅰ级表示安全，不需要采取措施进行防护，Ⅱ级表示低风险，可以针对建筑采取实施监测手段，必要时采取防护措施，Ⅲ级表示中风险，需要采取必要的防护措施，并且加强实时监测，Ⅳ级表示高风险，必须采取防护措施，进行实时监测，并对建筑物可能出现的损伤进行观察和分析，Ⅴ级表示极高风险，必须采取防护措施，进行实时检测，根据现场情况和专家建议优化施工计划。各项风险数据的值对应的风险等级如下表1所示。
表1
；
更为具体地，所述云数字特征值的计算公式为：
，
所述单风险确定度的计算公式为：
，
其中，E x 为期望，E n 为熵，H e 为超熵，C max 为风险等级的风险上限值，C min 为风险等级的风险下限值，c为反映评价模糊阈值常数，μ(x)为风险数据的单风险确定度，x为风险数据，e为自然常数。c的取值可以根据风险评价对象的具体情况进行调整，本实施例中，c=0.1。
基于云模型理论计算各风险等级的云数字特征值如下表2所示。
表2
；
通过上述云数字特征值和单风险确定度的计算公式，根据云数字特征值计算各项风险数据隶属于各项风险等级的单风险确定度如下表3所示。
表3
；
步骤S103，对各项风险数据进行客观赋权，得到若干项常权重值。
具体而言，对各项风险数据进行客观赋权，可以是选择CRITIC法或者信息熵值分析方法首先确定由若干组风险评价样本构成的多因子评估矩阵，然后通过CRITIC法或者信息熵值分析确定多因子评估矩阵中各项风险数据的权值，所述的选择CRITIC法或者信息熵值分析评估需要剔除异常风险数据，针对影响盾构下穿建筑物施工的风险数据，构建影响盾构下穿建筑物施工的因子矩阵，计算影响因子矩阵各因子权值，得到各项风险数据的常权重值。
请参阅图2，在一些实施例中，步骤S103可以包括但不限于包括步骤S201至步骤S204。
步骤S201，使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，将风险数据转换为标准化值，得到标准化矩阵。
步骤S202，计算风险数据的变异系数、标准化值之间的相关系数和独立性系数。
步骤S203，结合变异系数、相关系数和独立性系数计算各项风险数据所对应的综合权重系数。
步骤S204，使用综合权重系数计算每项风险数据所对应的常权重值。
本实施例中，采用三组风险评价样本构建的原始数据矩阵，每组风险评价样本的风险数据分别按照预设顺序排列为一行，构建的原始数据矩阵X如下：
。
更为具体地，所述将风险数据转换为标准化值的计算公式为：
，
，
，
其中，xij *为标准化矩阵中第i行中的第j个标准化值，xij为原始数据矩阵中第i行中的第j个风险数据，为原始数据矩阵中第j列各风险数据之间的均值，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量，sj为原始数据矩阵中第j列各风险数据之间的均方差；
所述变异系数的计算公式为：
，
其中，vj为原始数据矩阵中第j列各风险数据之间的变异系数；
所述相关系数的计算公式为：
，/>
其中，rkj为标准化矩阵中第k列和第j列各标准化值之间的相关系数，xik *为标准化矩阵中第i行中的第k个标准化值，为标准化矩阵中第k列各标准化值之间的均值，xij *为标准化矩阵中第i行中的第j个标准化值，/>为标准化矩阵中第j列各标准化值之间的均值，k=1,2...,q，j≤k；
所述独立性系数的计算公式为：
，
其中，nj为标准化矩阵中第j列各标准化值的独立性系数；
所述综合权重系数的计算公式为：
，
其中，Cj为原始数据矩阵中第j列各风险数据所对应的综合权重系数；
所述常权重值的计算公式为：
，
其中，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
步骤S104，使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值。
具体而言，本实施例基于变权理论确定各项风险数据的变权重值，为了满足均衡性要求，必须充分考虑各状态变权向量的应用条件及其优缺点，选取指数型状态变权向量，其具有参数设置灵活和拟合能力强等优点，通过参考变权理论有关文献，构造状态变权向量，确定变权向量矩阵，进而计算状态变权向量，使用状态变权重向量、常权重值和预设的常权重向量计算各组风险评价样本的风险数据所对应的变权重值。
请参阅图3，在一些实施例中，步骤S104可以包括但不限于包括步骤S301至步骤S304。
步骤S301，使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，对风险数据进行归一化处理，得到由归一化数据构成的归一化矩阵。
步骤S302，按照风险数据的类型计算每个归一化数据的评估指标，使用评估指标构建规范化决策矩阵。
步骤S303，基于评估指标与预设指标边界值的大小比较结果构造状态变权重向量。
步骤S304，使用状态变权重向量、常权重值和预设的常权重向量计算各组风险评价样本的风险数据所对应的变权重值。
更为具体地，所述评估指标为效益型指标时，所述评估指标的计算公式为：
，/>
所述评估指标为成本型指标时，所述评估指标的计算公式为：
，
其中，bij为归一化矩阵中第i行第j个归一化数据的评估指标，aij为归一化矩阵中第i行第j个归一化数据，max(aij)为原始数据矩阵中第j列风险数据的最大值所对应的归一化数据，min(aij)为原始数据矩阵中第j列风险数据的最小值所对应的归一化数据，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量；
所述状态变权重向量的计算公式为：
，
其中，Sj(Xi)为归一化矩阵中第i行第j个归一化数据的状态变权重向量，e为自然常数，α为惩罚水平，β为否定水平，α≥0，0＜β≤1；本实施例中，α=0.5，β=0.7；
所述变权重值的计算公式为：
，
其中，Wj(Xi)为原始数据矩阵中第i行第j个风险数据所对应的变权重值，W0为常权重向量，S(Xi)=[S1(Xi),S2(Xi),S3(Xi),...,Sq(Xi)]，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
通过上述常权重值和变权重值的计算公式，上述原始数据矩阵中的风险数据的常权重值和变权重值的计算结果如下表4所示。
表4
；
步骤S105，结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度。
具体而言，所述综合确定度的计算公式为：
，
其中，μh为风险评价样本中第h个风险数据集的综合确定度，whl为第h个风险数据集中第l个风险数据的变权重值，μhl(x)为第h个风险数据集中第l个风险数据的单风险确定度,x为风险数据，h=1,2...,n，l=1,2...,s，n为风险评价样本中风险数据集的数量，n为风险数据集中风险数据的数量。
示例性地，根据上述综合确定度的计算公式，计算得到上述原始数据矩阵中三个风险评价样本中五组风险数据集的综合确定度分别为：
样本一：{0.0198,0.0768,0.1101,0.1113,0.0446}；
样本二：{0.0272,0.1032,0.1202,0.0763,0.0304}；
样本三：{0.0201,0.0824,0.1171,0.0940,0.0367}。
步骤S106，依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
具体而言，依据最大确定度原则，选取风险评价样本中综合确定度最大的风险数据集作为代表，使用该选取出来的风险数据集所对应的风险等级作为评价该风险评价样本所对应的风险等级，以作为盾构下穿建筑物施工的风险评价结果。
示例性地，依据最大确定度原则，上述原始数据矩阵中三个风险评价样本的最终的隶属度等级L分别为：
样本一：L1=max{0.0198,0.0768,0.1101,0.1113,0.0446}=0.1113，属于Ⅳ级，即高风险；
样本二：L1=max{0.0272,0.1032,0.1202,0.0763,0.0304}=0.1202，属于Ⅲ级，即中等风险；
样本三：L1=max{0.0201,0.0824,0.1171,0.0940,0.0367}=0.1171，属于Ⅲ级，即中等风险。
请参阅图4，本申请实施例还提供一种盾构下穿建筑物施工风险评价装置，可以实现上述盾构下穿建筑物施工风险评价方法，该装置包括：
第一模块401，用于获取若干组风险评价样本；所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据；
第二模块402，用于基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度；
第三模块403，用于对各项风险数据进行客观赋权，得到若干项常权重值；
第四模块404，用于使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值；
第五模块405，用于结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度；
第六模块406，用于依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
该盾构下穿建筑物施工风险评价装置的具体实施方式与上述盾构下穿建筑物施工风险评价方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述盾构下穿建筑物施工风险评价方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
图5是根据一示例性实施例示出的一种电子设备的框图。
下面参照图5来描述根据本公开的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，存储单元存储有程序代码，程序代码可以被处理单元510执行，使得处理单元510执行本说明书上述盾构下穿建筑物施工风险评价方法部分中描述的根据本公开各种示例性实施方式的步骤。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备500’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述盾构下穿建筑物施工风险评价方法。
本申请实施例提供的盾构下穿建筑物施工风险评价方法、装置、设备及存储介质，获取若干组由客观实测和/或人为评分得到的风险数据组成风险数据集构成的风险评价样本，基于云模型理论、客观赋权法和变权重理论对各组风险评价样本中的风险数据进行风险等级定量评价，结合基于云模型理论定量评价风险等级得到的单风险确定度、基于客观赋权法对各项风险数据赋权得到的常权重值以及并基于变权重理论计算各项风险数据得到的变权重值确定风险评价样本中各组风险数据集的综合确定度，进而依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果，能够适应风险评价指标及对应的风险数据动态变化的特点，以及很好地解决盾构下穿建筑物施工的风险评价方法中存在的模糊性和随机性，实现盾构下穿建筑物施工风险评价中定性概念到定量表示之间的转换，提升盾构下穿建筑物风险评价结果的准确性和客观性。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种盾构下穿建筑物施工风险评价方法，其特征在于，包括：
获取若干组风险评价样本；所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据；
基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度；
对各项风险数据进行客观赋权，得到若干项常权重值；
使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值；
结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度；
依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
2.根据权利要求1所述的盾构下穿建筑物施工风险评价方法，其特征在于，所述云数字特征值的计算公式为：
，
所述单风险确定度的计算公式为：
，
其中，E x 为期望，E n 为熵，H e 为超熵，C max 为风险等级的风险上限值，C min 为风险等级的风险下限值，c为反映评价模糊阈值常数，μ(x)为风险数据的单风险确定度，x为风险数据，e为自然常数。
3.根据权利要求1所述的盾构下穿建筑物施工风险评价方法，其特征在于，所述对各项风险数据进行客观赋权，得到若干项常权重值，包括：
使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，将风险数据转换为标准化值，得到标准化矩阵；
计算风险数据的变异系数、标准化值之间的相关系数和独立性系数；
结合变异系数、相关系数和独立性系数计算各项风险数据所对应的综合权重系数；
使用综合权重系数计算每项风险数据所对应的常权重值。
4.根据权利要求3所述的盾构下穿建筑物施工风险评价方法，其特征在于，所述将风险数据转换为标准化值的计算公式为：
，
，
，
其中，xij *为标准化矩阵中第i行中的第j个标准化值，xij为原始数据矩阵中第i行中的第j个风险数据，为原始数据矩阵中第j列各风险数据之间的均值，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量，sj为原始数据矩阵中第j列各风险数据之间的均方差；
所述变异系数的计算公式为：
，
其中，vj为原始数据矩阵中第j列各风险数据之间的变异系数；
所述相关系数的计算公式为：
，
其中，rkj为标准化矩阵中第k列和第j列各标准化值之间的相关系数，xik *为标准化矩阵中第i行中的第k个标准化值，为标准化矩阵中第k列各标准化值之间的均值，xij *为标准化矩阵中第i行中的第j个标准化值，/>为标准化矩阵中第j列各标准化值之间的均值，k=1,2...,q，j≤k；
所述独立性系数的计算公式为：
，
其中，nj为标准化矩阵中第j列各标准化值的独立性系数；
所述综合权重系数的计算公式为：
，
其中，Cj为原始数据矩阵中第j列各风险数据所对应的综合权重系数；
所述常权重值的计算公式为：
，
其中，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
5.根据权利要求1所述的盾构下穿建筑物施工风险评价方法，其特征在于，所述综合确定度的计算公式为：
，
其中，μh为风险评价样本中第h个风险数据集的综合确定度，whl为第h个风险数据集中第l个风险数据的变权重值，μhl(x)为第h个风险数据集中第l个风险数据的单风险确定度,x为风险数据，h=1,2...,n，l=1,2...,s，n为风险评价样本中风险数据集的数量，n为风险数据集中风险数据的数量。
6.根据权利要求1所述的盾构下穿建筑物施工风险评价方法，其特征在于，所述使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值，包括：
使用若干组风险评价样本的风险数据排列成矩阵，得到原始数据矩阵，对风险数据进行归一化处理，得到由归一化数据构成的归一化矩阵；
按照风险数据的类型计算每个归一化数据的评估指标，使用评估指标构建规范化决策矩阵；
基于评估指标与预设指标边界值的大小比较结果构造状态变权重向量；
使用状态变权重向量、常权重值和预设的常权重向量计算各组风险评价样本的风险数据所对应的变权重值。
7.根据权利要求6所述的盾构下穿建筑物施工风险评价方法，其特征在于，
所述评估指标为效益型指标时，所述评估指标的计算公式为：
，
所述评估指标为成本型指标时，所述评估指标的计算公式为：
，
其中，bij为归一化矩阵中第i行第j个归一化数据的评估指标，aij为归一化矩阵中第i行第j个归一化数据，max(aij)为原始数据矩阵中第j列风险数据的最大值所对应的归一化数据，min(aij)为原始数据矩阵中第j列风险数据的最小值所对应的归一化数据，i=1,2...,m，j=1,2...,q，m为原始数据矩阵的行数，也即是风险评价样本的数量，q为原始数据矩阵的列数，也即是每组风险评价样本的风险数据的数量；
所述状态变权重向量的计算公式为：
，
其中，Sj(Xi)为归一化矩阵中第i行第j个归一化数据的状态变权重向量，e为自然常数，α为惩罚水平，β为否定水平，α≥0，0＜β≤1；
所述变权重值的计算公式为：
，
其中，Wj(Xi)为原始数据矩阵中第i行第j个风险数据所对应的变权重值，W0为常权重向量，S(Xi)=[S1(Xi),S2(Xi),S3(Xi),...,Sq(Xi)]，wj为原始数据矩阵中第j列各风险数据所对应的常权重值。
8.一种盾构下穿建筑物施工风险评价装置，其特征在于，包括：
第一模块，用于获取若干组风险评价样本；所述风险评价样本包含若干组不同类型的风险数据集，所述风险数据集包含若干项风险数据，所述风险数据为盾构下穿建筑物施工时的实测施工数据或人为评分数据；
第二模块，用于基于云模型理论计算预设的风险等级的云数字特征值，根据云数字特征值计算各项风险数据隶属于各项风险等级的确定度，得到若干项单风险确定度；
第三模块，用于对各项风险数据进行客观赋权，得到若干项常权重值；
第四模块，用于使用常权重值对各项风险数据进行变权重运算，得到若干项变权重值；
第五模块，用于结合单风险确定度和变权重值计算各组风险数据集属于各项风险等级的确定度，得到若干项综合确定度；
第六模块，用于依据最大确定度原则，利用综合确定度确定各组风险评价样本所对应的风险等级，作为盾构下穿建筑物施工的风险评价结果。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的盾构下穿建筑物施工风险评价方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的盾构下穿建筑物施工风险评价方法。
CN202410013465.4A 2024-01-04 2024-01-04 盾构下穿建筑物施工风险评价方法、装置、设备及介质 Pending CN117522152A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410013465.4A CN117522152A (zh) 2024-01-04 2024-01-04 盾构下穿建筑物施工风险评价方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410013465.4A CN117522152A (zh) 2024-01-04 2024-01-04 盾构下穿建筑物施工风险评价方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117522152A true CN117522152A (zh) 2024-02-06

Family

ID=89742362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410013465.4A Pending CN117522152A (zh) 2024-01-04 2024-01-04 盾构下穿建筑物施工风险评价方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117522152A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599432A (zh) * 2016-12-07 2017-04-26 广州供电局有限公司培训与评价中心 一种基于变权重理论的高压电缆施工作业3d仿真培训系统可信度评估方法
CN108921432A (zh) * 2018-07-03 2018-11-30 黄震 一种盾构隧道施工风险综合评价方法
CN109740953A (zh) * 2019-01-09 2019-05-10 华北电力大学（保定） 一种风电机组的实时状态评估方法
CN115759823A (zh) * 2022-11-15 2023-03-07 浙江运达风电股份有限公司 一种风电机组调节能力评估方法、装置、设备及存储介质
CN117172119A (zh) * 2023-09-07 2023-12-05 武汉科技大学 一种基于变权贝叶斯理论的岩爆烈度等级预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599432A (zh) * 2016-12-07 2017-04-26 广州供电局有限公司培训与评价中心 一种基于变权重理论的高压电缆施工作业3d仿真培训系统可信度评估方法
CN108921432A (zh) * 2018-07-03 2018-11-30 黄震 一种盾构隧道施工风险综合评价方法
CN109740953A (zh) * 2019-01-09 2019-05-10 华北电力大学（保定） 一种风电机组的实时状态评估方法
CN115759823A (zh) * 2022-11-15 2023-03-07 浙江运达风电股份有限公司 一种风电机组调节能力评估方法、装置、设备及存储介质
CN117172119A (zh) * 2023-09-07 2023-12-05 武汉科技大学 一种基于变权贝叶斯理论的岩爆烈度等级预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张勇刚 等: "基于局部惩罚型变权的烤烟化学品质评价", 《河南农业科学》, vol. 49, no. 12, 20 October 2020 (2020-10-20), pages 151 - 158 *
陈祥明 等: "《系能源新技术与人才培养》", 31 March 2013, 合肥工业大学出版社, pages: 348 - 349 *

Similar Documents

Publication Publication Date Title
Zhang et al. Performing global uncertainty and sensitivity analysis from given data in tunnel construction
Zhang et al. Real-time safety risk identification model during metro construction adjacent to buildings
Deng et al. Risk evaluation model of highway tunnel portal construction based on BP fuzzy neural network
Li et al. Identification of structural domain boundaries at the Songta dam site based on nonparametric tests
CN116842527A (zh) 一种数据安全风险评估方法
Foulser‐Piggott et al. A framework for understanding uncertainty in seismic risk assessment
Spross et al. Risk management procedure to understand and interpret the geotechnical context
Liu et al. Optimized Adaptive Neuro‐Fuzzy Inference System Using Metaheuristic Algorithms: Application of Shield Tunnelling Ground Surface Settlement Prediction
Lai et al. A method for the hazard assessment of regional geological disasters: a case study of the Panxi area, China
Chen et al. A new evaluation method for slope stability based on TOPSIS and MCS
Wang et al. Environmental risk assessment of subway station construction to achieve sustainability using the intuitionistic fuzzy analytic hierarchy process and set pair analysis
CN114693114A (zh) 地下空间结构的监测方法、装置、计算机设备及存储介质
Wang et al. Risk assessment and implementation of deformation disaster for operation tunnel based on entropy weight-grey relational analysis
Madanda et al. Applications of fuzzy theory-based approaches in tunnelling geomechanics: a state-of-the-art review
Tu et al. Comprehensive risk assessment and engineering application of mine water inrush based on normal cloud model and local variable weight
Wu et al. An improved fractal prediction model for forecasting mine slope deformation using GM (1, 1)
Amjadi et al. Stochastic nonlinear ground response analysis considering existing boreholes locations by the geostatistical method
CN112257974A (zh) 一种燃气闸井风险预测模型数据集、模型训练方法和应用
CN117522152A (zh) 盾构下穿建筑物施工风险评价方法、装置、设备及介质
Zhai et al. A Seismic Hazard Prediction System for Urban Buildings Based on Time‐History Analysis
Li et al. Rockburst estimation model based on IEWM-SCM and its application
Chandler et al. Scenario predictions for potential near-field and far-field earthquakes affecting Hong Kong
CN116911148A (zh) 一种沉积盆地建筑群震害评估方法及评估系统
CN114416422A (zh) 问题定位方法、装置、设备、介质和程序产品
Wang et al. Comprehensive decision making with fuzzy compromised variable weights and its application on maintenance order for entries in underground coal mine

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