System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及响应灾难时间的报警器,具体涉及一种边坡致灾因子选取及灾害早期快速识别方法。
技术介绍
1、现有公路边坡灾害识别技术多以人为主体,辅以简单的机械设备开展相关技术作业,普遍存在识别效率低、精度低、周期长、流程繁琐等问题,然而大量公路边坡灾害(如滑坡、崩塌、泥石流等)具有极强的破坏性和突发性,现有识别技术已逐渐无法满足当下日益复杂的边坡灾害发展需求,亟需探索更行之有效的方法体系,实现对公路边坡灾害发育早期的快速识别,避免灾害的进一步发展。通过对灾害的早期变形破坏迹象进行捕捉和表征,并及时跟踪变形演变和实时分析发展趋势,结合快速识别技术可实现对灾害的前置预警、识别,辅以有效的防治措施,可为灾害的应急抢险提供充足响应时间,避免重大经济财产损失和保障公路交通安全。而对公路边坡灾害发育早期的快速识别,首先需要确定的是影响边坡灾害形成的边坡致灾因子,以为后续快速识别灾害的早期变形破坏迹象提供基础。
技术实现思路
1、针对现有技术存在的不足,本专利技术提出一种边坡致灾因子选取及早期快速识别方法,可以确定影响边坡灾害形成的边坡致灾因子。具体技术方案如下:
2、第一方面,提供了一种边坡致灾因子选取方法,在第一方面的第一种可实现方式中,包括:
3、获取各种影响因素对应的风险后果值和风险可能性值;
4、通过所述风险后果值和风险可能性值对各影响因素的风险水平进行量化,得到各影响因素对应的风险水平等级;
5、采用borda序值法对处于同一风险水平等级
6、按照关联度的大小选取出相应的影响因素作为边坡灾害形成不同阶段对应的致灾因子。
7、结合第一方面的第一种可实现方式,在第一方面的第二种可实现方式中,根据风险后果值和风险可能性值对各影响因素的风险水平进行量化,包括:
8、通过所述风险后果值和风险可能性值对影响因素的风险水平进行初步量化,确定各所述影响因素对应的初始风险水平等级;
9、分别根据相应的风险后果值和风险可能性值,采用线性插值法确定处于同一初始风险水平等级的各影响因素的风险量化值;
10、将所述风险量化值结合风险矩阵进行反推实现对各影响因素风险水平的二次量化,得到所述影响因素对应的风险水平等级。
11、结合第一方面的第二种可实现方式,在第一方面的第三种可实现方式中,按照关联度的大小选取出相应的影响因素作为边坡致灾因子,包括:
12、采用borda序值法对影响因素与边坡灾害关联度初次排序,将得到的排序结果构建判断矩阵,利用层次分析法对处于同一风险水平的影响因素进行二次关联度排序;
13、根据二次关联度排序得到的排序结果,按照关联度的大小选取出相应的影响因素作为边坡灾害形成不同阶段的致灾因子。
14、结合第一方面的第三种可实现方式,在第一方面的第四种可实现方式中,采用层次分析法对处于同一风险水平的影响因素进行二次关联度排序,包括:
15、对所述判断矩阵进行一致性检验,若判断矩阵未通过一致性检验,则对所述判断矩阵进行调整,如此重复,直至所述判断矩阵通过一致性检验;
16、根据通过一致性检验判断矩阵的最大特征值对应的特征向量确定处于同一风险水平影响因素的影响权重;
17、根据相应的影响权重分别计算各影响因素对应的关联度,具体计算式如下:
18、
19、其中,rs为影响因素对应的关联度,rli为影响因素对应的风险量化值,wi为影响因素对应的影响权重,n为影响因素总数。
20、第二方面,提供了一种边坡灾害早期快速识别方法,在第二方面的第一种可实现方式中,包括:
21、获取孕育边坡灾害影响因素、诱发边坡灾害的影响因素,以及导致边坡灾害形成的影响因素;
22、采用如第一方面的第一至四种可实现方式中任一所述的边坡致灾因子选取方法,从获取到的影响因素中分别确定导致边坡灾害形成的孕灾因子、诱灾因子和成灾因子;
23、获取边坡地理位置分布图,以及边坡所在地区的历史地质灾害分布图,并结合所述孕灾因子识别边坡灾害区域;
24、基于所述边坡灾害区域,通过所述诱灾因子识别边坡灾害单体;
25、基于所述边坡灾害单体,通过所述成灾因子识别边坡灾害特征。
26、结合第二方面的第一种可实现方式,在第二方面的第二种可实现方式中,识别所述边坡灾害区域包括:
27、将所述边坡地理位置分布图与所述历史地质灾害分布图叠加,识别边坡灾害的空间分布;
28、根据孕灾因子与边坡灾害的关联度,按照从大到小的顺序依次将所述孕灾因子的影响范围在所述空间分布图中逐级叠加,确定所述边坡灾害区域。
29、结合第二方面的第一种可实现方式,在第二方面的第三种可实现方式中,通过所述诱灾因子识别边坡灾害单体,包括:
30、根据诱灾因子与边坡灾害的关联度,按照从大到小的顺序依次分析各诱灾因子在所述边坡灾害区域中的影响区域;
31、确定所述边坡灾害区域中各诱灾因子的密集交织区域;
32、获取所述密集交织区域的倾斜摄影和遥感影像,并通过摄影影像资料对所述密集交织区域的边坡灾害单体进行宏观和微观识别。
33、结合第二方面的第一种可实现方式,在第二方面的第四种可实现方式中,通过所述成灾因子识别边坡灾害特征,包括:
34、根据成灾因子与边坡灾害的关联度,按照从大到小的顺序依次确定在各成灾因子的影响下,所述边坡灾害单体的变化特征,生成相应的敏感性变化曲线;
35、获取所述边坡灾害单体对应的灾变数据,并根据灾变数据进行趋势分析,生成相应的灾变变化曲线;
36、将灾变变化曲线和敏感性变化曲线进行曲线叠加分析,确定边坡灾害特征。
37、有益效果:采用本专利技术的边坡致灾因子选取及早期快速识别方法,通过风险后果值和风险可能性值可以对各影响因素的风险水平进行量化,确定各影响因素对应的风险水平等级,再采用borda序值法和层次分析法对处于同一风险水平等级影响因素进行影响因素与边坡灾害关联度排序,可以确定各影响因素与边坡灾害之间的关联度大小,以此选取出与边坡灾害相关程度较大的影响因素作为影响边坡灾害形成的边坡致灾因子,用于后续快速识别灾害的早期变形破坏迹象。
本文档来自技高网...【技术保护点】
1.一种边坡致灾因子选取方法,其特征在于,包括:
2.根据权利要求1所述的边坡致灾因子选取方法,其特征在于,根据风险后果值和风险可能性值对各影响因素的风险水平进行量化,包括:
3.根据权利要求2所述的边坡灾害影响因素风险水平量化方法,其特征在于,按照影响因素与边坡灾害关联度的大小选取出相应影响因素作为边坡灾害形成不同阶段的致灾因子,包括:
4.根据权利要求3所述的边坡致灾因子选取方法,其特征在于,采用层次分析法对处于同一风险水平的影响因素进行二次关联度排序,包括:
5.一种边坡灾害早期快速识别方法,其特征在于,包括:
6.根据权利要求5所述的边坡灾害早期快速识别方法,其特征在于,识别所述边坡灾害区域包括:
7.根据权利要求5所述的边坡灾害早期快速识别方法,其特征在于,通过所述诱灾因子识别边坡灾害单体,包括:
8.根据权利要求5所述的边坡灾害早期快速识别方法,其特征在于,通过所述成灾因子识别边坡灾害特征,包括:
【技术特征摘要】
1.一种边坡致灾因子选取方法,其特征在于,包括:
2.根据权利要求1所述的边坡致灾因子选取方法,其特征在于,根据风险后果值和风险可能性值对各影响因素的风险水平进行量化,包括:
3.根据权利要求2所述的边坡灾害影响因素风险水平量化方法,其特征在于,按照影响因素与边坡灾害关联度的大小选取出相应影响因素作为边坡灾害形成不同阶段的致灾因子,包括:
4.根据权利要求3所述的边坡致灾因子选取方法,其特征在于,采用层次分析法对...
【专利技术属性】
技术研发人员:张帮鑫,阎宗岭,何蓉,谭玲,徐峰,张小松,龙春宇,黄子洋,杨光清,
申请(专利权)人:招商局重庆交通科研设计院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。