CN117689209A - 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 - Google Patents
基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 Download PDFInfo
- Publication number
- CN117689209A CN117689209A CN202311833658.6A CN202311833658A CN117689209A CN 117689209 A CN117689209 A CN 117689209A CN 202311833658 A CN202311833658 A CN 202311833658A CN 117689209 A CN117689209 A CN 117689209A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- bridge
- assessment
- layer
- risk assessment
- 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 49
- 238000012502 risk assessment Methods 0.000 title claims abstract description 40
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 25
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 231
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 241000826860 Trapezium Species 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006386 memory 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及桥梁安全风险评估领域,公开基于熵权模糊综合的桥梁安全风险评估方法、设备及介质。该评估方法先根据桥梁安全隐患的风险辨识结果划分评估类别,建立桥梁安全风险评估层,每个评估层由多个评估单元构成。然后对评估单元的原始数据进行无量纲标准化处理,通过熵权法对处理后的数据进行计算以得到评估单元的权重。再计算评估单元对应桥梁不同评价等级的隶属度。最后对评估单元的权重及隶属度结果进行多级模糊综合评价,获取综合评分并据此判定桥梁安全风险评估等级。本发明能够综合各方面因素影响,全面评估了桥梁安全风险,提高了风险评估效率及准确性。
Description
技术领域
本发明涉及桥梁安全风险评估领域,具体是一种基于熵权模糊综合的桥梁安全风险评估方法,以及用于实现该方法的计算机设备和存储介质。
背景技术
随着新建桥梁数量日益增加,新老桥梁都承担了大量的车辆荷载,以及其他自然因素影响等都对桥梁造成了一定的危害。桥梁的健康安全也逐渐成为人们关注的重点对象,如何科学的预防、控制、评估桥梁风险,是当下亟需解决的难题。
但目前桥梁安全风险评估,需要耗费大量的人力、物力,也不易操作,并且对于一些特殊桥梁,影响因素较多,无法综合评估。为此,需要建立一个高效的综合评估方法,来提高风险评估效率和准确性,并相较于传统评估能够降低成本,为桥梁相关单位的管理养护提供参考和借鉴。
发明内容
为解决现有技术中存在的问题,本发明提供了基于熵权模糊综合的桥梁安全风险评估方法、设备及介质,该评估方法通过采用熵权法和模糊综合评价方法,综合各方面因素影响,全面评估了桥梁安全风险,提高了风险评估效率及准确性。
为实现上述目的,本发明提供如下技术方案:
本发明公开一种基于熵权模糊综合的桥梁安全风险评估方法,包括S1~S4。
S1.根据桥梁安全隐患的风险辨识结果划分评估类别,建立桥梁安全风险评估层,每个评估层由多个评估单元构成。
S2.对评估单元的原始数据进行无量纲标准化处理,通过熵权法对处理后的数据进行计算以得到评估单元的权重。
S3.计算评估单元对应桥梁不同评价等级的隶属度。
S4.对评估单元的权重及隶属度结果进行多级模糊综合评价,获取综合评分并据此判定桥梁安全风险评估等级。
作为上述方案的进一步改进,S1中,共有m个不同评估类别的评估层构成评价因素集A,即A={B1,B2,…,Bm},Bi为第i个评估层,i=1,2,…,m;评估层Bi由n个评估单元组成,即Bi={Ci1,Ci2,…,Cin},Cij为评估层Bi下的第j个评估单元,j=1,2,…,n。
作为上述方案的进一步改进,S2中,根据评估单元的正负性对评估单元的原始数据进行无量纲标准化处理。
其中,正向评估单元的标准化公式为:
负向评估单元的标准化公式为:
式中,t为评估单元的样本数,i'=1,2,…,t;xi'j为第i'个样本的第j个评估单元的原始数据;yi'j为无量纲标准化处理后的数据。
作为上述方案的进一步改进,S2中,通过熵权法对处理后的数据进行计算以得到评估单元的权重包括以下具体步骤,即S21~S23。
S21.计算第j个评估单元所在第i'样本的数值比重pi'j:
S22.计算第j个评估单元的信息熵值Ej:
式中,使得lnpi'j有意义,设定pi'j=0时,pi'jlnpi'j=0。
S23.采用以下公式计算第j个评估单元的权重wj:
式中,是各评估单元信息熵的均值。
作为上述方案的进一步改进,S3包括以下具体步骤,即S31~S34。
S31.建立桥梁评价结果集V={v1,v2,…,vs},用于存放桥梁s种评价等级。
S32.将评价等级用百分制表示,从而设定不同评价等级对应的评分区间。
S33.对评分区间做模糊化处理,即确定s种评价等级所在评分区间的区间中值,从而得到评分集g={g1,g2,…,gs},g1,g2,…,gs为s个区间中值。
S34.为评分集g中的每个区间中值选取对应的隶属函数,依据评估单元数据与各评分区间的关系,计算评估单元的隶属度。
作为上述方案的进一步改进,S34中,隶属函数采用梯形与三角形组合的线性函数。
作为上述方案的进一步改进,S4包括以下具体步骤,即S41~S44。
S41.一级模糊综合评价:对每个评估层下的多个评估单元进行等级评价,经过排列得到隶属度矩阵Ri,将各个评估单元的隶属度与对应的权重Wi进行乘积得到一级评价结果集Pi,再将一级评价结果集Pi与评分集gT乘积,得到评估层的评分Gi,计算公式如下:
Pi=Wi·Ri=(wi1,wi2,…,win)·Ri
Gi=Pi·gT
式中,Ri表示第i个评估层Bi的隶属度矩阵,rijk为第i个评估层Bi下的第j个评估单元Cij对应的第k种评价等级的隶属度,k=1,2,…,s;Wi={wi1,wi2,…,win}表示第i个评估层中所有评估单元的权重集合;Pi表示第i个评估层Bi对应的一级评价结果集;Gi表示第i个评估层Bi的评分;评分集gT中的上标T表示矩阵的转置。
S42.二级模糊评价:参照S41的方式对每个评估层进行二级模糊评价,将所有一级评价结果集组合成新的隶属度矩阵,在与对应的权重进行乘积得到二级评价结果集,计算公式如下:
式中,Q表示所述二级评价结果集;P表示所述新的隶属度矩阵;W={w1,w2,…,wm}表示所有评估层的权重集合;Pm表示第m个评估层对应的一级评价结果集。
S43.将二级评价结果集Q与评分集gT乘积,得出综合评分Y=Q·gT。
S44.根据综合评分Y确定桥梁安全风险评估的等级。
作为上述方案的进一步改进,步骤S4中,从低层评估单元逐渐向高层评估单元评价,直到得出最后的综合评估结果。
本发明还公开一种计算机设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现上述基于熵权模糊综合的桥梁安全风险评估方法。
本发明还公开一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于熵权模糊综合的桥梁安全风险评估方法。
与现有技术相比,本发明的有益效果是:
1、本发明提供的基于熵权模糊综合的桥梁安全风险评估方法,能够综合各方面因素影响,全面评估了桥梁安全风险,提高了风险评估效率及准确性。
2、本发明改进的熵权法攻克了信息熵值趋于特殊情况下的不足之处,减小了误差,使得权重结果更加适宜。
3、本发明优化的模糊综合评价方法,打破了传统中仅依据最大隶属度原则判断等级的简单方法,将等级用百分制表示,并做模糊化处理,获取了桥梁的最终评分和评估等级,使得桥梁评估等级更加精确。
4、本发明提供的计算机设备及存储介质能够产生与上述方法相同的有益效果,在此不再赘述。
附图说明
图1为本发明实施例1中基于熵权模糊综合的桥梁安全风险评估方法的流程图。
图2为本发明实施例1中通过熵权法对处理后的数据进行计算以得到评估单元的权重的流程图。
图3为本发明实施例1中的隶属函数示意图。
图4为本发明实施例1中优化的模糊综合评价法的流程图。
图5为本发明实施例2中计算机设备的框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1,本实施例提供一种基于熵权模糊综合的桥梁安全风险评估方法,包括S1~S4。
S1.根据桥梁安全隐患的风险辨识结果划分评估类别,建立桥梁安全风险评估层,每个评估层由多个评估单元构成。
其中,共有m个不同评估类别的评估层构成评价因素集A,即A={B1,B2,…,Bm},Bi为第i个评估层,i=1,2,…,m。为了深入探究桥梁风险成因,将各类评估层进一步细化为多个评估单元,评估层Bi由n个评估单元组成,即Bi={Ci1,Ci2,…,Cin},Cij为评估层Bi下的第j个评估单元,j=1,2,…,n,共同构成桥梁安全风险评估体系。
需要说明的是,所谓桥梁安全风险评估体系中,将桥梁风险成因划分类别,即评估层。再将每一类别的评估因素进行细分,即评估单元。
S2.对评估单元的原始数据进行无量纲标准化处理,通过熵权法对处理后的数据进行计算以得到评估单元的权重。
请参阅图2,根据已构建的桥梁安全风险评估体系,每个评估单元需收集t组原始数据样本,对其进行无量纲标准化处理。本实施例中,可根据评估单元的正负性对评估单元的原始数据进行无量纲标准化处理。其中,正向评估单元的标准化公式为:
负向评估单元的标准化公式为:
式中,t为评估单元的样本数,i'=1,2,…,t;xi'j为第i'个样本的第j个评估单元的原始数据;yi'j为无量纲标准化处理后的数据。
然后,通过熵权法对处理后的数据进行计算以得到评估单元的权重包括以下具体步骤,即S21~S23。
S21.计算第j个评估单元所在第i'样本的数值比重pi'j:
S22.计算第j个评估单元的信息熵值Ej:
式中,使得lnpi'j有意义,设定pi'j=0时,pi'jlnpi'j=0;。
S23.采用以下公式计算第j个评估单元的权重wj:
式中,是各评估单元信息熵的均值。
本发明的步骤S23对熵权法进行了改进。常规的熵权公式如下所示:
利用常规的熵权公式计算权重时,当Ej趋于1或等于1时,评估单元的权重会存在一定误差,因而对其进行改进,使权重更具有严谨性和准确性。
根据上述改进的熵权法,计算得到各层级的权重,确定了桥梁的评价权重集。第一级为m个评估层的权重,各评估层权重值为W=W1/B1+W2/B2+…+Wm/Bm→(W1,W2,…,Wm)。第二级为每个评估层下多个评估单元的权重,例如评估单元Cij的权重值为:
Wi=wi1/Ci1+wi2/Ci2+…+win/Cin→(wi1,wi2,…,win)
S3.计算评估单元对应桥梁不同评价等级的隶属度,包括以下具体步骤,即S31~S34。
S31.建立桥梁评价结果集V={v1,v2,…,vs},用于存放桥梁各影响因素的评价等级。桥梁评价结果集为V={v1,v2,…,vs},包括s种评价等级。
本实施例中,假设评价结果集为:
V={v1,v2,…,vs}={A级,B级,C级,D级,E级}
其中,A级为优秀,B级良好,C级为一般,D级为合格、E级为不合格。在其他实施例中,也可以设置其他评价等级的种类。
S32.将评价等级用百分制表示,从而设定不同评价等级对应的评分区间。
本发明将等级用百分制表示,假设桥梁各等级的评分区间:优秀(A级)为[90,100],良好(B级)为[80,90),一般(C级)为[66,80),合格(D级)为[50,66)、不合格(E级)为[0,50)。
S33.对评分区间做模糊化处理,即确定s种评价等级所在评分区间的区间中值,从而得到评分集g={g1,g2,…,gs},g1,g2,…,gs为s个区间中值。
S34.为评分集g中的每个区间中值选取对应的隶属函数,依据评估单元数据与各评分区间的关系,计算评估单元的隶属度。
当评估单元的数值接近等级区间的临界值时,数值大小将归属于不同等级,直接影响计算结果准确性,为使最终评估结果更加精确,需做模糊化处理,即选取各等级所在赋分区间的中值参与计算,即g={95,85,73,58,25};对应的隶属函数可选取选用梯形与三角形组合的线性函数,取区间中值对应等级的隶属度为1,相邻区间等级隶属度为0,隶属函数示意图如图3所示,不同等级对应着不同的隶属函数,图3中的R1(X)、R2(X)、R3(X)、R4(X)、R5(X)为不同等级的隶属函数,X表示数据,a、b、c、d、e表示不同的区间中值。依据评估单元数据及各等级区间之间的关系,计算评估单元的隶属度。
需要说明的是,步骤S2和步骤S3并无先后顺序之分,可以同时进行。
S4.对评估单元的权重及隶属度结果进行多级模糊综合评价,可从低层评估单元逐渐向高层评估单元评价,获取综合评分并据此判定桥梁安全风险评估等级。
如图4所示,包括以下具体步骤,即S41~S44。
S41.首先,进行一级模糊综合评价:
对每个评估层下的多个评估单元进行等级评价,经过排列得到隶属度矩阵Ri,将各个评估单元的隶属度与对应的权重Wi进行乘积得到一级评价结果集Pi,再将一级评价结果集Pi与评分集gT乘积,得到评估层的评分Gi,计算公式如下:
Pi=Wi·Ri=(wi1,wi2,…,win)·Ri
Gi=Pi·gT
式中,Ri表示第i个评估层Bi的隶属度矩阵,rijk为第i个评估层Bi下的第j个评估单元Cij对应的第k种评价等级的隶属度,k=1,2,…,s;Wi={wi1,wi2,…,win}表示第i个评估层中所有评估单元的权重集合;Pi表示第i个评估层Bi对应的一级评价结果集;Gi表示第i个评估层Bi的评分,该评分也能帮助桥梁实际评估分析;评分集gT中的上标T表示矩阵的转置。
S42.其次,进行二级模糊评价:
二级模糊综合评价是在一级基础上,再进行一次模糊评价,即参照S41的方式对每个评估层进行二级模糊评价,将所有一级评价结果集组合成新的隶属度矩阵,在与对应的权重进行乘积得到二级评价结果集,计算公式如下:
式中,Q表示所述二级评价结果集;P表示所述新的隶属度矩阵;W={w1,w2,…,wm}表示所有评估层的权重集合;Pm表示第m个评估层对应的一级评价结果集。
S43.将二级评价结果集Q与评分集gT乘积,得出综合评分Y=Q·gT。
S44.根据综合评分Y确定桥梁安全风险评估的等级。
另外,步骤S4中,从低层评估单元逐渐向高层评估单元评价,直到得出最终的综合评估结果。需要解释的是,最终的综合评估结果中,包含了评分和等级,通过评分判别桥梁的风险等级,详细得分有利于根据桥梁风险因素开展针对性的管理养护措施方案等。
通过以上技术方案,本发明提供的改进熵权模糊综合的桥梁安全风险评估方法,能够综合各方面因素影响,全面评估了桥梁安全风险,提高了风险评估效率及准确性。其中,改进熵权法攻克了信息熵值趋于特殊情况下的不足之处,减小了误差,使得权重结果更加适宜。优化的模糊综合评价方法,打破了传统中仅依据最大隶属度原则判断等级的简单方法,将等级用百分制表示,并做模糊化处理,获取了桥梁的最终评分和评估等级,使得桥梁评估等级更加精确。
实施例2
本实施例提供一种计算机设备10,该计算机设备10包括处理器11、存储器12、通信接口13和总线14。
该计算机设备10可以是能够执行程序的智能手机、平板电脑、笔记本电脑等。处理器11、存储器12和通信接口13之间直接或间接地电性连接,已实现数据的传输和/或交互。
本实施例中,处理器11可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作,可以实现或者执行实施例1中基于熵权模糊综合的桥梁安全风险评估方法的步骤。
存储器12可以是非易失性存储器,比如硬盘(HDD)或固态硬盘(SSD)等,还可以是易失性存储器,例如RAM。本实施例中,存储器12还可以电路或者其他任意能够实现存储功能的元件,用于存储指令和/或数据。
总线14可以是外设部件互连标准(PCI)总线或扩展工业标准结构(EISA)总线等。总线14可以分为地址总线、数据总线、控制总线等。图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
实施例3
本实施例提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现实施例1中基于熵权模糊综合的桥梁安全风险评估方法。
存储介质的种类可以包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储介质可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储介质也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外,存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,包括:
S1.根据桥梁安全隐患的风险辨识结果划分评估类别,建立桥梁安全风险评估层,每个评估层由多个评估单元构成;
S2.对评估单元的原始数据进行无量纲标准化处理,通过熵权法对处理后的数据进行计算以得到评估单元的权重;
S3.计算评估单元对应桥梁不同评价等级的隶属度;
S4.对评估单元的权重及隶属度结果进行多级模糊综合评价,获取综合评分并据此判定桥梁安全风险评估等级。
2.根据权利要求1所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S1中,共有m个不同评估类别的评估层构成评价因素集A,即A={B1,B2,…,Bm},Bi为第i个评估层,i=1,2,…,m;评估层Bi由n个评估单元组成,即Bi={Ci1,Ci2,…,Cin},Cij为评估层Bi下的第j个评估单元,j=1,2,…,n。
3.根据权利要求2所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S2中,根据评估单元的正负性对评估单元的原始数据进行无量纲标准化处理;其中,
正向评估单元的标准化公式为:
负向评估单元的标准化公式为:
式中,t为评估单元的样本数,i'=1,2,…,t;xi'j为第i'个样本的第j个评估单元的原始数据;yi'j为无量纲标准化处理后的数据。
4.根据权利要求3所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S2中,通过熵权法对处理后的数据进行计算以得到评估单元的权重包括以下具体步骤:
S21.计算第j个评估单元所在第i'样本的数值比重pi'j:
S22.计算第j个评估单元的信息熵值Ej:
式中,使得lnpi'j有意义,设定pi'j=0时,pi'jlnpi'j=0;
S23.采用以下公式计算第j个评估单元的权重wj:
式中,是各评估单元信息熵的均值。
5.根据权利要求2所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S3包括以下具体步骤:
S31.建立桥梁评价结果集V={v1,v2,…,vs},用于存放桥梁s种评价等级;
S32.将评价等级用百分制表示,从而设定不同评价等级对应的评分区间;
S33.对评分区间做模糊化处理,即确定s种评价等级所在评分区间的区间中值,从而得到评分集g={g1,g2,…,gs},g1,g2,…,gs为s个区间中值;
S34.为评分集g中的每个区间中值选取对应的隶属函数,依据评估单元数据与各评分区间的关系,计算评估单元的隶属度。
6.根据权利要求5所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S34中,隶属函数采用梯形与三角形组合的线性函数。
7.根据权利要求5所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,S4包括以下具体步骤:
S41.一级模糊综合评价:对每个评估层下的多个评估单元进行等级评价,经过排列得到隶属度矩阵Ri,将各个评估单元的隶属度与对应的权重Wi进行乘积得到一级评价结果集Pi,再将一级评价结果集Pi与评分集gT乘积,得到评估层的评分Gi,计算公式如下:
Pi=Wi·Ri=(wi1,wi2,…,win)·Ri
Gi=Pi·gT
式中,Ri表示第i个评估层Bi的隶属度矩阵,rijk为第i个评估层Bi下的第j个评估单元Cij对应的第k种评价等级的隶属度,k=1,2,…,s;Wi={wi1,wi2,…,win}表示第i个评估层中所有评估单元的权重集合;Pi表示第i个评估层Bi对应的一级评价结果集;Gi表示第i个评估层Bi的评分;评分集gT中的上标T表示矩阵的转置;
S42.二级模糊评价:参照S41的方式对每个评估层进行二级模糊评价,将所有一级评价结果集组合成新的隶属度矩阵,在与对应的权重进行乘积得到二级评价结果集,计算公式如下:
式中,Q表示所述二级评价结果集;P表示所述新的隶属度矩阵;W={w1,w2,…,wm}表示所有评估层的权重集合;Pm表示第m个评估层对应的一级评价结果集;
S43.将二级评价结果集Q与评分集gT乘积,得出综合评分Y=Q·gT;
S44.根据综合评分Y确定桥梁安全风险评估的等级。
8.根据权利要求7所述的基于熵权模糊综合的桥梁安全风险评估方法,其特征在于,步骤S4中,从低层评估单元逐渐向高层评估单元评价,直到得出最后的综合评估结果。
9.一种计算机设备,包括处理器和存储器,其特征在于,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现如权利要求1至8任意一项所述的基于熵权模糊综合的桥梁安全风险评估方法。
10.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任意一项所述的基于熵权模糊综合的桥梁安全风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311833658.6A CN117689209A (zh) | 2023-12-27 | 2023-12-27 | 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311833658.6A CN117689209A (zh) | 2023-12-27 | 2023-12-27 | 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117689209A true CN117689209A (zh) | 2024-03-12 |
Family
ID=90128318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311833658.6A Pending CN117689209A (zh) | 2023-12-27 | 2023-12-27 | 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689209A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036900A (zh) * | 2024-04-11 | 2024-05-14 | 江西省天驰高速科技发展有限公司 | 一种桥梁高墩结构性能综合评估方法及系统 |
-
2023
- 2023-12-27 CN CN202311833658.6A patent/CN117689209A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036900A (zh) * | 2024-04-11 | 2024-05-14 | 江西省天驰高速科技发展有限公司 | 一种桥梁高墩结构性能综合评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070055619A1 (en) | Systems and methods for analyzing disparate treatment in financial transactions | |
CN117689209A (zh) | 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 | |
CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、系统、介质及设备 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
US20060293915A1 (en) | Method for optimizing accuracy of real estate valuations using automated valuation models | |
CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
CN111798246A (zh) | 一种金融风险等级评估方法和装置 | |
CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
CN114781937A (zh) | 一种预付卡企业风险预警方法和装置以及存储介质 | |
CN114881761A (zh) | 相似样本的确定方法与授信额度的确定方法 | |
TW201506828A (zh) | 用於總損失預測之裝置及方法 | |
CN114170000A (zh) | 信用卡用户风险类别识别方法、装置、计算机设备和介质 | |
CN114372867A (zh) | 用户信用度的验证评估方法、装置和计算机设备 | |
Adewusi et al. | Residential Tenants Classification: A Test of Performance of Five Selected Artificial Neural Networks training Algorithms | |
CN114240100A (zh) | 贷款评估方法、装置、计算机设备和存储介质 | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 | |
CN112529303A (zh) | 基于模糊决策的风险预测方法、装置、设备和存储介质 | |
US20150302419A1 (en) | Appraisal adjustments scoring system and method | |
US20110055114A1 (en) | Method and System for Electronically Processing Mortgage-Backed Securities | |
Shen et al. | The determinants of Asian banking crises—Application of the panel threshold logit model | |
Yeh et al. | Predicting failure of P2P lending platforms through machine learning: The case in China | |
Suleiman et al. | Predicting an applicant status using principal component, discriminant and logistic regression analysis | |
KR100686466B1 (ko) | 자산 평가 제공 방법 및 시스템과, 수익성에 대한 안정성 분석 제공 시스템 | |
CN117094817B (zh) | 一种信用风险控制智能预测方法及系统 |
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 |