一种基于信息量-神经网络的油气管道地质灾害评价方法技术

本发明专利技术公开了一种基于信息量

【技术实现步骤摘要】
一种基于信息量
‑
神经网络的油气管道地质灾害评价方法


[0001]本专利技术涉及地质灾害评价
，尤其涉及一种基于信息量
‑
神经网络的 油气管道地质灾害评价方法。

技术介绍

[0002]有资料显示，截至2020年底，我国油气管道总里程达到16.5万公里，其中 天然气管道里程全球排名第四。我国已成为世界上最大的能源生产和消费国， 也是能源利用效率提高最快的国家。就能源储运来说，管道运输是目前最普遍、 最经济、最安全的运输方式。油气管道在高速发展的同时也面临着诸多风险， 包括管道的第三方破坏，管道腐蚀，管道施工质量问题，地质灾害的影响等。 其中地质灾害是威胁管道安全的一个非常重要的因素，它的破坏性极大，不仅 对管道本身造成一定的破坏，还可能产生严重的次生灾害。因此，有必要对管 道沿线的地质灾害进行风险评价，从而减轻地质灾害对管道的危害，以及为管 道沿线地质灾害的预防和治理提供依据。
[0003]管道地质灾害风险评估包括失效概率评价和失效后果评价两部分，其中失 效概率评价又包括地质灾害易发性评价，管道易损性评价。地质灾害易发性评 价方法有定性评价，半定性评价与定量评价。定性评价的方法有安全检查表法、 预先危险分析法、风险矩阵法，其优点是简单易行，评价过程和结果直观，实 用性强，但这类方法有很高的经验成份，有局限性，且评价结果不能量化，不 同评价对象的评价结果间无可比性。半定量评价方法在此基础上进行了优化， 其中具代表性的是KENT评分法，半定量方法操作简单，应用广泛，具有很高 程度的合理性，但这类方法各指标的层次关系和综合方法缺乏科学依据，且使 用主观和经验成份重的评分方法确定指标的取值。定量评价可以减少人为主观 因素，提高评价指标选取和权重的合理性，一直是近些年来研究的热点。
[0004]随着GIS，RS与机器学习的发展，机器学习模型开始被逐渐应用于灾害评 估，这种模型能很好的避免主观因素过多的干扰，且对大数据处理有着较大优 势。常用的机器学习有随机森林、决策树、神经网络。其中人工神经网络精度 高，在风险评价中应用广泛。为了训练人工神经网络模型预测地质灾害易发性， 需要识别灾害单元与非灾害单元，常规的做法是根据收集到的研究区历史灾害 点数据，将已知灾害点与格网叠加，得到灾害格网，然后将其他格网视为非灾 害格网，随机选择非灾害格网。然而，若某个格网虽然未发生灾害，但其地质 灾害易发性却很高，选择其作为训练人工神经网络模型的非灾害单元，会对神 经网络的预测结果产生较大影响。
[0005]中国专利文献CN107391886A公开了一种“海底地质灾害评价方法及系统”。 方法包括：获取目标区域的地质资料及样品实验数据；基于地质资料及样品实 验数据建立目标区域的仿真模型；基于有限元强度折减法对仿真模型进行分析， 生成稳定性安全系数；基于稳定性安全系数评价生成目标区域的稳定性分析评 价报告。上述技术方案缺少对地质灾害易发性评价、管道易损性评价、管道失 效后果评价的综合判断。

技术实现思路

[0006]本专利技术主要解决原有的技术方案缺少对地质灾害易发性评价、管道易损性 评价、管道失效后果评价的综合判断的技术问题，提供一种基于信息量
‑
神经网 络的油气管道地质灾害评价方法，利用信息量和人工神经网络相结合的方法优 化地质灾害易发性评价，利用GIS对每个格网单元进行地质灾害易发性评价、 管道易损性评价和管道失效后果评价后得到准确的管道风险评价结果，避免仅 考虑单一因素导致的评价误差。
[0007]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术包括 以下步骤：
[0008]S1确定研究区域，划分格网单元；收集数据，并对数据进行处理。
[0009]S2进行地质灾害易发性评价；利用信息量法和人工神经网络结合的方法对管道 进行地质灾害易发性评价，得到各个格网单元的地灾易发性评价。
[0010]S3进行管道易损性评价；建立管道易损性评价指标体系，在GIS中建立各个易 损性指标的图层，利用熵权法确定各个指标的权重，再将图层叠加，得到各个 格网单元的管道易损性评价，将各个格网单元管道易损性评价结果与第二步得 到的各个格网单元的地质灾害易发性评价结果归一化后相乘，得到各个格网单 元的管道失效概率。
[0011]S4根据失效后果划分标准并对确定失效后果的等级；并将等级输入各个格网单 元。
[0012]S5利用管道失效概率和失效后果的等级确定管道地质灾害的风险等级。将管道 沿线区域地质灾害风险划分为高风险区、较高风险区、中风险区、较低风险区 和低风险区4个等级。
[0013]作为优选，所述的步骤S1确定研究区域首先确定油气管道所处的地理位置， 同时确定需要研究的范围，对研究区内的地理、资源、地质环境、遥感数据、 历史受灾和管道自身属性信息进行搜集处理，将相关数据导入ArcGIS软件，为 后续的评价模型的建立和评价指标的选取提供数据服务，把格网单元作为评价 的基本单位，根据DEM数据对研究区进行格网单元划分。目前常用评价单元主 要有格网单元、地域单元、均一条件单元、斜坡单元等。其中斜坡单元虽然能 较好地反映研究区地质环境，但只适用于小区域的研究区，而格网单元形状比 较规则，适用范围广，且在GIS中易于操作。
[0014]作为优选，所述的步骤S2具体包括：
[0015]S2.1建立易发性评价指标体系；首先需要建立易发性评价指标体系，地质灾害 形成的条件各不相同，某些固定的评价指标体系并不适合所有地区、所有类型 的地质灾害。
[0016]S2.2建立基于信息量法和人工神经网络的易发性评价模型；
[0017]S2.3利用信息量法对研究区进行地质灾害易发性评价；
[0018]S2.4在低易发性区域选取非灾害单元和之前确定的灾害单元输入神经网络进行 训练；在利用人工神经网络进行易发性评价时，第一步通过MATLAB软件建立神 经网络。第二步输入样本进行训练，在提取样本的时候，需要区分已发生灾害 的单元和未发生灾害的单元，灾害单元作为机器学习的正样本，非灾害单元作 为机器学习的负样本。
[0019]S2.5训练完成后，再将研究区内所有栅格输入训练好的神经网络模型进行易发 性评价，最终得到神经网络预测的地质易发性分区图。
[0020]作为优选，所述的步骤S2.1建立易发性评价指标体系要求基于指标体系建 立的
原则，结合研究区实际地质环境状况，根据不同的地质灾害类型，选取评 价因子，再利用GIS对选取的评价因子进行重分类，利用自然断点法得到各因 子的划分等级。常见的地质灾害易发性评价指标有坡度、高程、坡向、年均降 水量、植被指数(NDVI)、距水系距离、距道路距离、土地利用、地灾点密度等。
[0021]作为优选，所述的步骤S2.3具体包括：
[0022]S2.31计算各个评价因子各个等级的信息量；
[0023]S2.32计算评价单元所有评价因子的总信息量，作为研究区地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息量
‑
神经网络的油气管道地质灾害评价方法，其特征在于，包括以下步骤：S1确定研究区域，划分格网单元；S2进行地质灾害易发性评价；S3进行管道易损性评价；S4根据失效后果划分标准并对确定失效后果的等级；S5利用管道失效概率和失效后果的等级确定管道地质灾害的风险等级。2.根据权利要求1所述的一种基于信息量
‑
神经网络的油气管道地质灾害评价方法，其特征在于，所述步骤S1确定研究区域首先确定油气管道所处的地理位置，同时确定需要研究的范围，对研究区内的地理、资源、地质环境、遥感数据、历史受灾和管道自身属性信息进行搜集处理，将相关数据导入ArcGIS软件，为后续的评价模型的建立和评价指标的选取提供数据服务，把格网单元作为评价的基本单位，根据DEM数据对研究区进行格网单元划分。3.根据权利要求1所述的一种基于信息量
‑
神经网络的油气管道地质灾害评价方法，其特征在于，所述步骤S2具体包括：S2.1建立易发性评价指标体系；S2.2建立基于信息量法和人工神经网络的易发性评价模型；S2.3利用信息量法对研究区进行地质灾害易发性评价；S2.4在低易发性区域选取非灾害单元和之前确定的灾害单元输入神经网络进行训练；S2.5训练完成后，再将研究区内所有栅格输入训练好的神经网络模型进行易发性评价，最终得到神经网络预测的地质易发性分区图。4.根据权利要求3所述的一种基于信息量
‑
神经网络的油气管道地质灾害评价方法，其特征在于，所述步骤S2.1建立易发性评价指标体系要求基于指标体系建立的原则，结合研究区实际地质环境状况，根据不同的地质灾害类型，选取评价因子，再利用GIS对选取的评价因子进行重分类，利用自然断点法得到各因子的划分等级。5.根据权利要求3所述的一种基于信息量
‑
神经网络的油气管道地质灾害评价方法，其特征在于，所述步骤S2.3具体包括：S2.31计算各个评价因子各个等级的信息量；S2.32计算评价单元所有评价因子的总信息量，作为研究区地质灾害易发性评价的指标；S2.33利用自然断点法对总信息量值进行划分，得到研究区地质灾害易发性分区图。6.根据权利要求1所述的一种基于信息量
‑
神经网络的油气管道地质灾害评价方法...

【专利技术属性】
技术研发人员：洪炳沅，竺柏康，郭健，汪本寂，李翠翠，
申请(专利权)人：浙江海洋大学，
类型：发明
国别省市：