CN117671916A - 一种输气管道地质灾害预警方法、预警系统及预警终端 - Google Patents
一种输气管道地质灾害预警方法、预警系统及预警终端 Download PDFInfo
- Publication number
- CN117671916A CN117671916A CN202211054822.9A CN202211054822A CN117671916A CN 117671916 A CN117671916 A CN 117671916A CN 202211054822 A CN202211054822 A CN 202211054822A CN 117671916 A CN117671916 A CN 117671916A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- pipeline
- matrix
- parameters
- 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 38
- 239000011159 matrix material Substances 0.000 claims description 98
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000000763 evoking effect Effects 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000004210 cathodic protection Methods 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- -1 environment Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种输气管道地质灾害预警方法、预警系统及预警终端,包括确定待预警输气管道所在位置的管道滑坡因素数据,所述管道滑坡因素数据包括一级参数和二级参数;构建地质灾害预警模型,所述地质灾害预警模型包括一级预警模型和二级预警模型;将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P;本发明通过获取输气管道所在位置的管道滑坡因素数据,并根据一级参数和二级参数建立地质灾害预警模型,然后通过管道滑坡因素数据对长距离输气管道发生地质灾害可能性因素进行监测,根据总概率获得各位置发生地质灾害的总概率,从而可以根据发生概率对输气管道进行针对性监测。
Description
技术领域
本发明涉及地质灾害预防技术领域,具体涉及一种输气管道地质灾害预警方法、预警系统及预警终端。
背景技术
在滑坡等地灾监测方面,单体滑坡已经达到实时监测的阶段,监测的内容包括地面位移、地裂缝、地下水位和水温、以及地声等。采用的监测技术手段包括常规人工监测、自动监测以及GPS和卫星通信等结合的技术手段。
对于管道沿线地质灾害,由于各地地质灾害的特点不同,需要具体问题具体分析。首先明确监测的目的和内容,针对不同的地质问题,选用不同的监测技术。监测内容目前归纳起来主要包括以下几点:
地质宏观监测(滑坡、地面沉降、塌陷等)、地表位移监测、深部位移监测、地下水监测、地表水监测、地应力监测、人类活动监测等。
在现有技术中,对输气管道所处地理位置进行地质灾害检测的时候,通常都是将传感器设置在相应的管道位置处,对管道的各种应变力以及形变进行监测,但是在采用传感器对管道的数据进行监测的时候,通常传感器测量的量程小,且传感器只能监测在传感器所在点的局部信息,但是在输气管道中,通常都是对一段长距离进行监测,因此,设置的传感器检测管道的地质灾害往往无法实现对长距离的输气管道进行实时检测。
发明内容
本发明所要解决的技术问题是现阶段对输气管道无法实现对长距离的输气管道进行实时检测,目的在于提供一种输气管道地质灾害预警方法、预警系统及预警终端,解决了对长距离的输气管道进行实时监测的问题。
本发明通过下述技术方案实现:
第一方面,一种输气管道地质灾害预警方法,包括:
确定待预警输气管道所在位置的管道滑坡因素数据,所述管道滑坡因素数据包括一级参数和二级参数;
构建地质灾害预警模型,所述地质灾害预警模型包括一级预警模型和二级预警模型;
将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
具体地,所述一级参数的数量为n个,每一个所述一级参数均包括n个二级参数,n为大于2的自然数。
具体地,构建地质灾害预警模型的方法包括:
建立一级预警模型的判断矩阵:其中aij表示参数i相对于参数j的重要度,i和j均为一级参数;
建立n个二级预警模型的判断矩阵:其中buv表示数据u相对于数据v的重要度,u和v均为二级参数;
将地质灾害发生概率按照从高到低依次设定为第一等级、第二等级、……第n-1等级和第n等级;
确定某一个二级参数发生第h等级的地质灾害发生概率的可能性,h为1-n中任意自然数;
建立n个二级参数与不同地质灾害发生概率的可能性的模糊关系矩阵:其中cuh表述第u个二级参数引发第h等级地质灾害发生概率的可能性。
具体地,总概率P的计算方法包括:
对aij赋值,并计算判断矩阵A的第一权重;
对buv赋值,并计算n个判断矩阵B的n个第二权重;
对cuh赋值,并计算n个模糊矩阵C获得n个第三权重,并将n个第三权重构成第三矩阵;
获得n个第四权重,所述第四权重为对应的第二权重和第三矩阵的乘积;
将n个第四权重构成矩阵其中dy为第y个第四权重;
将矩阵D与第一权重进行乘积运算,获得矩阵E,并通过加权平均原则计算获得总概率P,其中em为矩阵E中的元素,k为元素em的控制参数。
可选地,第一权重/第二权重/第三权重的计算方法包括:
计算矩阵中第q行参数的乘积:其中n为矩阵的维数,fqp为aij、buv或cuk;
获得权重向量,
获得权重W=(W1,W2,…,Wn);
校验判断矩阵A、矩阵B或矩阵C的一致性,若不满足完全一致性要求,则重新对aij、buv或cuk赋值;若满足完全一致性要求,则输出第一权重/第二权重/第三权重;
完全一致性要求的检验公式为:F为矩阵A、矩阵B或矩阵C,若CI<0.10,则判断满足完全一致性要求。
可选地,n=5;
所述一级参数包括:坡体结构特征参数、诱发因素参数、管道敷设因素参数、管道本体因素参数、管理因素参数;
所述坡体结构特征参数的二级参数包括:地层岩性数据、土体状态数据、滑动面倾角数据、坡体角度数据、坡体植被覆盖情况数据;
所述诱发因素参数的二级参数包括:地震烈度数据、坡体含水量数据、24小时最大降雨量数据、工程活动数据以及人口密度数据;
所述管道敷设因素参数的二级参数包括:管沟回填土数据、管道保护层数据、管道走向数据、管道埋设位置数据、管道埋深数据;
所述管道本体因素参数的二级参数包括:管道材料数据、管道服役时间数据、防腐层状况数据、阴极保护状况数据、管道运行压力数据、管道直径数据;
所述管理因素参数的二级参数包括:抗滑加固数据、截水排水数据、管道位移监测数据、地表位移监测数据、管道应力应变力监测数据。
可选地,地质灾害等级按照发生概率从高到低依次设定为第一等级、第二等级、第三等级、第四等级和第五等级;
当P≥1时,待预警输气管道发生地质灾害的概率为第一等级;
当1≥P>0.8时,待预警输气管道发生地质灾害的概率为第一等级与第二等级之间;
当0.8≥P>0.6时,待预警输气管道发生地质灾害的概率为第二等级与第三等级之间;
当0.6≥P>0.4时,待预警输气管道发生地质灾害的概率为第三等级与第四等级之间;
当0.4≥P>0.2时,待预警输气管道发生地质灾害的概率为第四等级与第五等级之间;
当0.2≥P时,待预警输气管道发生地质灾害的概率为第五等级。
第二方面,一种输气管道地质灾害预警系统,包括:
数据模块模块,其用于确定待预警输气管道所在位置的管道滑坡因素数据,所述管道滑坡因素数据包括一级参数和二级参数;
模型建立模块,其用于构建地质灾害预警模型,所述地质灾害预警模型包括一级预警模型和二级预警模型;
计算模块,其用于将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
具体地,所述模型建立模块包括:
一级建模模块,其用于建立一级预警模型的判断矩阵;
二级建模模块,其用于建立二级预警模型的判断矩阵;
三级建模模块,其用于建立二级参数与地质灾害等级的模糊关系矩阵;
所述计算模块包括:
第一计算模块,其用于计算一级建模模块的判断矩阵的第一权重;
第二计算模块,其用于计算二级建模模块的判断矩阵的第二权重;
第三计算模块,其用于计算三级建模模块的模糊矩阵的第三权重;
第四计算模块,其用于计算第四权重;
概率计算模块,其用于计算总概率。
第三方面,一种输气管道地质灾害预警终端,包括存储器、处理器以及存储在存储器中并可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上述的一种输气管道地质灾害预警方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过获取输气管道所在位置的管道滑坡因素数据,并根据一级参数和二级参数建立地质灾害预警模型,然后通过管道滑坡因素数据对长距离输气管道发生地质灾害可能性因素进行监测,根据总概率获得各位置发生地质灾害的总概率,从而可以根据发生概率对输气管道进行针对性监测。
附图说明
附图示出了本发明的示例性实施方式,并与其说明一起用于解释本发明的原理,其中包括了这些附图以提供对本发明的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分,并不构成对本发明实施例的限定。
图1是根据本发明所述的一种输气管道地质灾害预警方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分。
在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
实施例一
传统地对输气管道中的地质灾害进行监测的时候,通常都是在管道设置相应的传感器,来实现对管道中每个地方的应变力或者是否变形进行监测,但是采用这种方法对管道进行监测的时候,通常设置的传感器只能监测在传感器这个点位置的管道是否发生应变情况,无法实现对整个长距离的进行监测,因此设置的传感器无法满足对长距离管道应变力的监测。
为了解决上述问题,本实施例提出的方法是对处于一段距离管道周围的各种管道滑坡因素数据进行采集,并对数据进行处理,计算该管道在对应因素下发生事故的可能性,实现了对输气管道在长距离段落上发生地质灾害的因素数据进行预测,并对相应的数据做出具体防范措施。
一种输气管道地质灾害预警方法,包括:
S1、确定待预警输气管道所在位置的管道滑坡因素数据,管道滑坡因素数据包括一级参数和二级参数;一级参数包括土壤、环境、气相等数据,二级参数为一级参数的下位数据,例如地层岩性、土体状态、地震烈度指标等。
本实施例中,设定一级参数的数量为n个,每一个一级参数均包括n个二级参数,n为大于2的自然数。根据具体情况确定一级参数以及二级参数。
S2、构建地质灾害预警模型,地质灾害预警模型包括一级预警模型和二级预警模型;根据选用的一级参数和二级参数的类型,建立对应的预警模型。
S21、建立一级预警模型的判断矩阵:其中aij表示参数i相对于参数j的重要度,i和j均为一级参数;aij越大则证明参数i相对于参数j越重要,且其互为倒数。
S22、建立n个二级预警模型的判断矩阵:
其中buv表示数据u相对于数据v的重要度,u和v均为二级参数;buv与aij相似,再次不做赘述。
S23、将地质灾害发生概率按照从高到低依次设定为第一等级、第二等级、……、第n-1等级和第n等级;
S24、确定某一个二级参数发生第h等级的地质灾害发生概率的可能性,h为1-n中任意自然数;
S25、建立n个二级参数与地质灾害等级的模糊关系矩阵:
其中cuh表述第u个二级参数引发第h等级地质灾害发生概率的可能性。。例如:参数u引发第二等级的地质灾害发生概率的可能性为0.25,c11+c12+…+c1n=1。
S3、将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P,总概率P的计算方法包括:
S31、对aij赋值,赋值可以根据实际情况进行调整,并计算判断矩阵A的第一权重;
S32、对buv赋值,赋值可以根据实际情况进行调整,并计算n个判断矩阵B的n个第二权重;
S33、对cuh赋值,赋值可以根据实际情况进行调整,并计算n个模糊矩阵C获得n个第三权重,并将n个第三权重构成第三矩阵;
S34、获得n个第四权重,第四权重为对应的第二权重和第三矩阵的乘积;
S35、将n个第四权重构成矩阵其中dy为第y个第四权重;
S36、将矩阵D与第一权重进行乘积运算,获得矩阵E,并通过加权平均原则计算获得总概率P,其中em为矩阵E中的元素,k为元素em的控制参数。
根据求解后的P值的大小,获得待预警输气管道的地质灾害发生的概率,如果P值越大,则证明该段输气管道可能被破坏的概率越大,需要对其进行重点监测。
如果P值越小,则证明该段输气管道的安全性较高,可以适当减小对其监测的力度。
实施例二
本实施例对第一权重/第二权重/第三权重的计算方法进行说明,方法包括:
第一权重和第二权重的计算方法相同,因此本实施例仅给出一个方法,下述方法中,将q替换为i,p替换为j,即可以计算第一权重。
将q替换为u,p替换为v,则可以计算第二权重。
计算矩阵中第q行参数的乘积:其中n为矩阵的维数,fqp为aij、buv或cuk;
获得权重向量,
获得权重W=(W1,W2,…,Wn);
校验判断矩阵A、矩阵B或矩阵C的一致性,若不满足完全一致性要求,则重新对aij、buv或cuk赋值;若满足完全一致性要求,则输出第一权重/第二权重/第三权重;
完全一致性要求的检验公式为:F为矩阵A、矩阵B或矩阵C,若CI<0.10,则判断满足完全一致性要求。
实施例三
本实施在实施例一和实施例二的基础上,提出一个具体的实施例,对输气管道地质灾害预警方法进行详细说明。
在本实施例中,取n=5。
管道滑坡因素数据包括环境、土壤、气象等数据,将各类的数据综合汇集起来进行分层划分,分成一级参数以及二级参数,在对各个数据采用层次分析法以及模糊综合评价法结合的方式,对评价具体在该段距离的输气管道中,哪一个因素对输气管道的影响最大,在对影响最大的因素做相应的措施来预防地质灾害的发生。
一级参数包括:坡体结构特征参数、诱发因素参数、管道敷设因素参数、管道本体因素参数、管理因素参数;每一个大的一级参数下,又分为若干小的二级参数。
坡体结构特征参数的二级参数包括:地层岩性数据、土体状态数据、滑动面倾角数据、坡体角度数据、坡体植被覆盖情况数据;
诱发因素参数的二级参数包括:地震烈度数据、坡体含水量数据、24小时最大降雨量数据、工程活动数据以及人口密度数据;
管道敷设因素参数的二级参数包括:管沟回填土数据、管道保护层数据、管道走向数据、管道埋设位置数据、管道埋深数据;
管道本体因素参数的二级参数包括:管道材料数据、管道服役时间数据、防腐层状况数据、阴极保护状况数据、管道运行压力数据、管道直径数据;
管理因素参数的二级参数包括:抗滑加固数据、截水排水数据、管道位移监测数据、地表位移监测数据、管道应力应变力监测数据。
地质灾害等级按照发生概率从高到低依次设定为第一等级、第二等级、第三等级、第四等级和第五等级,简单总结为:可能性很大、可能性较大、可能性中等、可能性较小和可能性很小。
当P≥1时,待预警输气管道发生地质灾害的概率为第一等级;
当1≥P>0.8时,待预警输气管道发生地质灾害的概率为第一等级与第二等级之间;
当0.8≥P>0.6时,待预警输气管道发生地质灾害的概率为第二等级与第三等级之间;
当0.6≥P>0.4时,待预警输气管道发生地质灾害的概率为第三等级与第四等级之间;
当0.4≥P>0.2时,待预警输气管道发生地质灾害的概率为第四等级与第五等级之间;
当0.2≥P时,待预警输气管道发生地质灾害的概率为第五等级。
一种输气管道地质灾害预警方法的具体方法包括:
S1、确定待预警输气管道所在位置的管道滑坡因素数据,管道滑坡因素数据包括5个一级参数和25个二级参数。
S2、构建地质灾害预警模型,地质灾害预警模型包括一级预警模型和二级预警模型;根据选用的一级参数和二级参数的类型,建立对应的预警模型。
S3、将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
S21、建立一级预警模型的判断矩阵,并其中aij表示参数i相对于参数j的重要度,i和j均为一级参数;
其中aij的值越大,则代表参数i相对于参数j的重要度越大,例如设定aij的取值范围为1/9~9,“1”表示两个因素相比,同等重要;“3”表示两个因素相比,一个比另一个稍微重要,“5”表示两个因素相比,一个比另一个明显重要;“7”表示两个因素相比,一个比另一个强烈重要;“9”表示两个因素相比,一个比另一个极端重要;2,4,6,8分别表示上述两相邻判断的中值。倒数则证明刚好相反。
S31、对aij赋值,并计算判断矩阵A的第一权重;
矩阵A的元素如下表所示:
则矩阵A为
通过实施例一和实施例二中方法对矩阵A进行第一权重的求解,可能第一权重:W=(0.0432,0.2990,0.0778,0.1207,0.4594)。
当判断矩阵的维数n=5时,当CR<0.1时,则认为该判断矩阵满足完全一致性要求,否则需要重新调整判断矩阵的赋值。利用Visual Basic编程,计算得CR=0.0074<0.1,满足完全一致性要求。进而确定输气管线滑坡地质灾害各一级参数的最大影响值权重。
S22、建立n个二级预警模型的判断矩阵:
其中buv表示数据u相对于数据v的重要度,u和v均为二级参数;
S32、对buv赋值,并计算n个判断矩阵B的n个第二权重;
坡体结构特征参数的二级参数有地层岩性、土体状态、滑动面倾角、坡体角度、坡体植被覆盖情况等5项,根据判断矩阵标度及含义,对buv进行赋值,如下表所示。
坡体结构特征参数的判断矩阵
并求得坡体结构特征参数的第二权重为W1=(0.2227,0.0863,0.0568,0.0441,0.5901)。
诱发因素参数有地震烈度、坡体含水量、24小时最大降雨量、人类工程活动、人口密度等5项,根据判断矩阵标度及含义,对buv进行赋值,如下表所示。
同理,可得诱发因素参数的第二权重W2=(0.1045,0.4914,0.3083,0.0621,0.0338)。
管道敷设因素参数的判断矩阵的赋值:
/>
同理可得管道敷设因素参数的第二权重W3=(0.3050,0.4717,0.0548,0.0416,0.1272)。
管道本体因素参数的判断矩阵的赋值:
同理可得管道本体因素参数的第二权重W4=(0.0520,0.1235,0.3524,0.2200,0.1665,0.0856)。
管理因素参数的判断矩阵的赋值:
/>
同理可得管理因素参数的第二权重W5=(0.0628,0.0722,0.0363,0.3409,0.4878)。
并通过Visual BASIC编写层次分析算法,对上述5个判断矩阵进行计算,得到权重集合并一致性检验,具有满意的一致性要求,权重集合与一致性检验结果。
S23、确定一级参数中的25个二级参数的5个地质灾害等级的发生概率;建立5个二级参数与地质灾害等级的模糊关系矩阵。
坡体结构特征参数与事故发生可能性等级的概率如下表所示:
建立坡体结构特征参数的模糊关系矩阵:
可得到坡体结构特征参数的第四权重:
d1=W1·C1=(0.1976,0.3342,0.4993,0.4105,0.3649)。
诱发因素参数的模糊关系矩阵的赋值表:
可得到诱发因素参数的第四权重:
d2=W2·C2=(0.3075,0.3782,0.3497,0.2110,0.1892)
管道敷设因素参数的模糊关系矩阵的赋值表:
管道敷设因素参数的第四权重:
d3=W3·C3=(0.1419,0.2143,0.3660,0.3346,0.2436)
管道本体因素参数的模糊关系矩阵的赋值表:
/>
管道本体因素参数的第四权重:
d4=W4·C4=(0.2698,0.4530,0.2964,0.2635,0.1547)
管理因素参数的模糊关系矩阵的赋值表:
管理因素参数的第四权重:
d5=W5·C5=(0.4533,0.5348,0.2750,0.2397,0.1825)
S34、获得n个第四权重,第四权重为对应的第二权重和第三权重的乘积;
S35、将n个第四权重构成矩阵
S36、将矩阵D与第一权重进行乘积运算,获得矩阵E,E=W·D=(0.3523,0.4446,0.3167,0.2488,0.1939),
并通过加权平均原则计算获得总概率P,其中em为矩阵E中的元素,k为元素em的控制参数。
实施例四
本实施例提供一种输气管道地质灾害预警系统,包括:
数据模块模块,其用于确定待预警输气管道所在位置的管道滑坡因素数据,管道滑坡因素数据包括一级参数和二级参数;
模型建立模块,其用于构建地质灾害预警模型,地质灾害预警模型包括一级预警模型和二级预警模型;
计算模块,其用于将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
模型建立模块包括:
一级建模模块,其用于建立一级预警模型的判断矩阵;
二级建模模块,其用于建立二级预警模型的判断矩阵;
三级建模模块,其用于建立二级参数与地质灾害等级的模糊关系矩阵;
计算模块包括:
第一计算模块,其用于计算一级建模模块的判断矩阵的第一权重;
第二计算模块,其用于计算二级建模模块的判断矩阵的第二权重;
第三计算模块,其用于计算三级建模模块的模糊矩阵的第三权重;
第四计算模块,其用于计算第四权重;
概率计算模块,其用于计算总概率。
上述所有的模块可以为单独的芯片,也可以为同一个芯片内的不同工作模块。
实施例五
一种输气管道地质灾害预警终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的一种输气管道地质灾害预警方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的一种输气管道地质灾害预警方法的步骤。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器和大容量存储设备可以统称为存储器。
在本说明书的描述中,参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本发明,而并非是对本发明的范围进行限定。对于所属领域的技术人员而言,在上述发明的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本发明的范围内。
Claims (10)
1.一种输气管道地质灾害预警方法,其特征在于,包括:
确定待预警输气管道所在位置的管道滑坡因素数据,所述管道滑坡因素数据包括一级参数和二级参数;
构建地质灾害预警模型,所述地质灾害预警模型包括一级预警模型和二级预警模型;
将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
2.根据权利要求1所述的一种输气管道地质灾害预警方法,其特征在于,所述一级参数的数量为n个,每一个所述一级参数均包括n个二级参数,n为大于2的自然数。
3.根据权利要求2所述的一种输气管道地质灾害预警方法,其特征在于,构建地质灾害预警模型的方法包括:
建立一级预警模型的判断矩阵:其中aij表示参数i相对于参数j的重要度,i和j均为一级参数;
建立n个二级预警模型的判断矩阵:其中buv表示数据u相对于数据v的重要度,u和v均为二级参数;
将地质灾害发生概率按照从高到低依次设定为第一等级、第二等级、……、第n-1等级和第n等级;确定某一个二级参数发生第h等级的地质灾害发生概率的可能性,h为1-n中任意自然数;
建立n个二级参数与不同地质灾害发生概率的可能性的模糊关系矩阵:其中cuh表述第u个二级参数引发第h等级地质灾害发生概率的可能性。
4.根据权利要求3所述的一种输气管道地质灾害预警方法,其特征在于,总概率P的计算方法包括:
对aij赋值,并计算判断矩阵A的第一权重;
对buv赋值,并计算n个判断矩阵B的n个第二权重;
对cuh赋值,并计算n个模糊矩阵C获得n个第三权重,并将n个第三权重构成第三矩阵;
获得n个第四权重,所述第四权重为对应的第二权重和第三矩阵的乘积;
将n个第四权重构成矩阵其中dy为第y个第四权重;
将矩阵D与第一权重进行乘积运算,获得矩阵E,并通过加权平均原则计算获得总概率P,其中em为矩阵E中的元素,k为元素em的控制参数。
5.根据权利要求4所述的一种输气管道地质灾害预警方法,其特征在于,第一权重/第二权重/第三权重的计算方法包括:
计算矩阵中第q行参数的乘积:其中n为矩阵的维数,fqp为aij、buv或cuk;
获得权重向量,
获得权重W=(W1,W2,…,Wn);
校验判断矩阵A、矩阵B或矩阵C的一致性,若不满足完全一致性要求,则重新对aij、buv或cuk赋值;若满足完全一致性要求,则输出第一权重/第二权重/第三权重;
完全一致性要求的检验公式为:F为矩阵A、矩阵B或矩阵C,若CI<0.10,则判断满足完全一致性要求。
6.根据权利要求2-5中任一项所述的一种输气管道地质灾害预警方法,其特征在于,n=5;
所述一级参数包括:坡体结构特征参数、诱发因素参数、管道敷设因素参数、管道本体因素参数、管理因素参数;
所述坡体结构特征参数的二级参数包括:地层岩性数据、土体状态数据、滑动面倾角数据、坡体角度数据、坡体植被覆盖情况数据;
所述诱发因素参数的二级参数包括:地震烈度数据、坡体含水量数据、24小时最大降雨量数据、工程活动数据以及人口密度数据;
所述管道敷设因素参数的二级参数包括:管沟回填土数据、管道保护层数据、管道走向数据、管道埋设位置数据、管道埋深数据;
所述管道本体因素参数的二级参数包括:管道材料数据、管道服役时间数据、防腐层状况数据、阴极保护状况数据、管道运行压力数据、管道直径数据;
所述管理因素参数的二级参数包括:抗滑加固数据、截水排水数据、管道位移监测数据、地表位移监测数据、管道应力应变力监测数据。
7.根据权利要求6所述的一种输气管道地质灾害预警方法,其特征在于,地质灾害等级按照发生概率从高到低依次设定为第一等级、第二等级、第三等级、第四等级和第五等级;
当P≥1时,待预警输气管道发生地质灾害的概率为第一等级;
当1≥P>0.8时,待预警输气管道发生地质灾害的概率为第一等级与第二等级之间;
当0.8≥P>0.6时,待预警输气管道发生地质灾害的概率为第二等级与第三等级之间;
当0.6≥P>0.4时,待预警输气管道发生地质灾害的概率为第三等级与第四等级之间;
当0.4≥P>0.2时,待预警输气管道发生地质灾害的概率为第四等级与第五等级之间;
当0.2≥P时,待预警输气管道发生地质灾害的概率为第五等级。
8.一种输气管道地质灾害预警系统,其特征在于,包括:
数据模块模块,其用于确定待预警输气管道所在位置的管道滑坡因素数据,所述管道滑坡因素数据包括一级参数和二级参数;
模型建立模块,其用于构建地质灾害预警模型,所述地质灾害预警模型包括一级预警模型和二级预警模型;
计算模块,其用于将管道滑坡因素数据输入至地质灾害预警模型,计算待预警输气管道的地质灾害发生总概率P。
9.根据权利要求8所述的一种输气管道地质灾害预警系统,其特征在于,所述模型建立模块包括:
一级建模模块,其用于建立一级预警模型的判断矩阵;
二级建模模块,其用于建立二级预警模型的判断矩阵;
三级建模模块,其用于建立二级参数与地质灾害等级的模糊关系矩阵;
所述计算模块包括:
第一计算模块,其用于计算一级建模模块的判断矩阵的第一权重;
第二计算模块,其用于计算二级建模模块的判断矩阵的第二权重;
第三计算模块,其用于计算三级建模模块的模糊矩阵的第三权重;
第四计算模块,其用于计算第四权重;
概率计算模块,其用于计算总概率。
10.一种输气管道地质灾害预警终端,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054822.9A CN117671916A (zh) | 2022-08-31 | 2022-08-31 | 一种输气管道地质灾害预警方法、预警系统及预警终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054822.9A CN117671916A (zh) | 2022-08-31 | 2022-08-31 | 一种输气管道地质灾害预警方法、预警系统及预警终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117671916A true CN117671916A (zh) | 2024-03-08 |
Family
ID=90071985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211054822.9A Pending CN117671916A (zh) | 2022-08-31 | 2022-08-31 | 一种输气管道地质灾害预警方法、预警系统及预警终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117671916A (zh) |
-
2022
- 2022-08-31 CN CN202211054822.9A patent/CN117671916A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Esposito et al. | Simulation‐based seismic risk assessment of gas distribution networks | |
Ornek | Estimation of ultimate loads of eccentric-inclined loaded strip footings rested on sandy soils | |
Abeysiriwardana et al. | Integrating vegetation indices and geo-environmental factors in GIS-based landslide-susceptibility mapping: using logistic regression | |
CN114997548B (zh) | 一种基于遗传神经网络的动水地质渗流实时预警方法 | |
Sarkar et al. | Prediction of soil type and standard penetration test (SPT) value in Khulna City, Bangladesh using general regression neural network | |
Urlainis et al. | Probabilistic risk assessment of oil and gas infrastructures for seismic extreme events | |
Davarci et al. | Analyses of multi-edge footings rested on loose and dense sand | |
Arabameri et al. | Application of novel ensemble models and k-fold CV approaches for Land subsidence susceptibility modelling | |
Wang et al. | Practical reliability analysis and design by Monte Carlo Simulation in spreadsheet | |
CN116205409A (zh) | 一种地质灾害及外力影响下管道风险识别方法及系统 | |
Wijewickreme et al. | Seismic vulnerability assessment and retrofit of a major natural gas pipeline system: a case history | |
CN116776435A (zh) | 一种盾构隧道纵向多级损伤指标阈值确定方法 | |
CN117671916A (zh) | 一种输气管道地质灾害预警方法、预警系统及预警终端 | |
Moya et al. | Alternative geohazard risk assessment and monitoring for pipelines with limited access: Amazon jungle example | |
Tsatsis et al. | Fragility analysis of a pipeline under slope failure-induced displacements occurring parallel to its axis | |
Xueping et al. | A GIS-based monitoring and early warning system for cover-collapse sinkholes in karst terrane in Wuhan, China | |
Moya et al. | Integration of monitoring and inspection systems for geohazard assessment on pipelines that cross Amazonian Jungles and the Andes | |
Ogden et al. | Two-dimensional watershed-scale erosion modeling with CASC2D | |
Fakir et al. | A holistic open pit mine slope stability index using artificial neural networks | |
Paolella et al. | Prediction of liquefaction damage with artificial neural networks | |
Choi et al. | Preventive Structural Risk Assessment of Buried Gas Pipelines in Liquefaction of Ground | |
Bunyamin et al. | Reliability analysis of foundation settlement in Nigeria based on standard penetration test results | |
Mokadem et al. | Integration of multi-criteria decision analysis and statistical models for landslide susceptibility mapping in the western Algiers Province (Algeria) using GIS techniques and remote sensing data | |
Franczyk et al. | Numerical modelling of the impact of flood wave cyclicality on the stability of levees | |
CN116502895B (zh) | 明挖公路隧道邻接地铁工程协同施工风险耦合分析方法 |
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 |