【技术实现步骤摘要】
本专利技术涉及灾害数据处理及数据建模领域，尤其涉及一种基于正态云的重载铁路灾情快速评估方法、系统及装置。
技术介绍
1、铁路是最重要的基础设施，是国民经济的大动脉。随着列车载重及运行速度的不断提高，以及大量的新的设备和技术的投入，对处理铁路的突发事件或灾害，以进一步确保铁路的运输安全，提出了更高更新的要求。铁路灾情的快速评估直接影响着铁路事故或灾情的处置速度和处置效果，对经济和社会的影响巨大。
2、目前我国在铁路事故等级划分方面，根据事故造成的人员伤亡、直接经济损失、列车脱轨辆数、中断铁路行车时间等情形，将事故等级分为特别重大事故、重大事故、较大事故和一般事故。目前相关学术领域对工程项目的风险研究比较多，但绝大多数是针对风险的性质、风险构成及风险评价指标体系等进行定性研究。而对特定领域，例如重载铁路领域中的灾情的快速定量评估则比较少，即使对铁路灾情评估进行研究，大多数的学术研究都是针对我国铁路发展的展望，很少涉及对铁路灾情发生初期以及过程中的灾情状况的评估，无法达到对重载铁路灾情的及时、准确的评估和评价，从而影响后续的灾情应对及处理。
技术实现思路
1、为了至少部分地解决现有技术中存在的问题，本专利技术具体提供了如下技术方案：
2、一方面，本专利技术提供了一种基于正态云的重载铁路灾情快速评估方法，该方法包括：
3、s1、建立针对重载铁路灾情风险等级的因素论域u＝{u1,u2,…,un}，以及评价集v＝{v1,v2,…,vn}；
4、s
5、s3、在因素论域u与评价集v之间进行单因素评估，建立模糊关系矩阵r；
6、s4、建立语言变量hm对应数值θm的转换函数f:hm∈[[0,1]；
7、s5、根据转化函数和模糊关系矩阵确定因素指标所对应的等级的云模型隶属度矩阵z＝(zij)n×m，其中zij表示第i个指标对应第j个等级的隶属度，m表示总等级数，n表示总因素数；
8、s6、利用权重集w与隶属度矩阵z进行模糊转换，得出评价集v上的模糊子集b；基于最大隶属度原则，选择模糊子集b中最大的隶属度所对应的第i个评价等级作为重载铁路灾情风险等级的评估结果。
9、优选的，所述s3中，模糊关系矩阵r的建立方式为：
10、因素i对应的等级j用正态云表示为：
11、exij＝(xij1+xij2)/2
12、其中，xij1表示因素i对应等级j的上边界值，xij2表示因素i对应等级j的下边界值，exij第i个因素对应第j个等级的期望值；
13、引入两相邻等级的边界值隶属度相等因素，则有：
14、enij＝(xij1-xij2)/2.355
15、其中，enij表示第i个因素对应第j个等级的熵值；
16、r中的元素rij表示论域u中第i个因素ui，对于评价集v中的第j个等级vj的隶属度：
17、rij＝exp[-((xij-exij)2)/2(enij)2]。
18、优选的，转换函数的表达式为：
19、
20、其中，t表示自然语言变量，a表示参数，a的取值范围为[1.36,1.4]。
21、优选的，所述s4中，语言变量hm对应的云模型为hm(exm，enm，hem)，其中exm，enm和hem分别可由下列公式计算得到：
22、exm＝xmin+θm(xmax-xmin)
23、
24、
25、
26、
27、其中，[xmin,xmax]为专家评价值的有效论域，t表示自然语言变量，m表示总等级数，n′表示引入的可用算法函数。
28、优选的，所述s5中，隶属度矩阵z的求解，需要计算在不同隶属度情况下的平均综合评估值：
29、
30、其中，n表示要产生的云滴的数量，k表示自然数，用于数据叠加。
31、优选的，所述s6中，模糊子集b的计算方式为：
32、b＝w·z＝(b1,b2,...,bn)
33、其中，bj表示待评价对象对第j条评语的隶属度，m表示总等级数，n表示总因素数。
34、优选的，所述因素指标包括四个类别：严重程度、预防与应急、应急处置、应急保障；每一类别对应多个因素指标。
35、优选的，所述评价等级设置为一般事故、较大事故、重大事故、特别重大事故。
36、另一方面，本专利技术还提供了一种基于正态云的重载铁路灾情快速评估系统，该系统包括：
37、数据输入模块，用于建立针对重载铁路灾情风险等级的因素论域u＝{u1,u2,…,un}，以及评价集v＝{v1,v2,…,vn}，并计算所述因素论域中因素指标的权重集w＝{w1,w2,…,wn}；
38、模糊关系模块，用于在因素论域u与评价集v之间进行单因素评估，建立模糊关系矩阵r；
39、语言变量转换模块，用于建立语言变量hm对应数值θm的转换函数f:hm∈[0,1]；
40、隶属度矩阵模块，用于根据转化函数和模糊关系矩阵确定因素指标所对应的等级的云模型隶属度矩阵z＝(zij)n×m，其中zij表示第i个指标对应第j个等级的隶属度，m表示总等级数，n表示总因素数；
41、综合评价模块，用于利用权重集w与隶属度矩阵z进行模糊转换，得出评价集v上的模糊子集b；基于最大隶属度原则，选择模糊子集b中最大的隶属度所对应的第i个评价等级作为重载铁路灾情风险等级的评估结果。
42、再一方面，本专利技术还提供了一种基于正态云的重载铁路灾情快速评估装置，该装置包括处理器、存储器，所述处理器调用所述存储器中存储的指令，以执行如上所述的基于正态云的重载铁路灾情快速评估方法。
43、与现有技术相比，本专利技术技术方案将现场事故数据和专家评估数据通过定量的方式进行模糊度计算，有效规避主观判断因素影响作用，能快速对事故等级开展评估，较以往依靠事故经验评估事态的方式更加精准可靠。
本文档来自技高网...【技术保护点】
1.基于正态云的重载铁路灾情快速评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述S3中，模糊关系矩阵R的建立方式为：
3.根据权利要求1所述的方法，其特征在于，转换函数的表达式为：
4.根据权利要求1所述的方法，其特征在于，所述S4中，语言变量Hm对应的云模型为Hm(Exm，Enm，Hem)，其中Exm，Enm和Hem分别由下列公式计算得到：
5.根据权利要求1所述的方法，其特征在于，所述S5中，隶属度矩阵Z的求解，需要计算在不同隶属度情况下的平均综合评估值：
6.根据权利要求1所述的方法，其特征在于，所述S6中，模糊子集B的计算方式为：
7.根据权利要求1所述的方法，其特征在于，所述因素指标包括四个类别：严重程度、预防与应急、应急处置、应急保障；每一类别对应多个因素指标。
8.根据权利要求1所述的方法，其特征在于，所述评价等级设置为一般事故、较大事故、重大事故、特别重大事故。
9.基于正态云的重载铁路灾情快速评估系统，其特征在于，所述系统包括：p>
10.基于正态云的重载铁路灾情快速评估装置，其特征在于，所述装置包括处理器、存储器，所述处理器调用所述存储器中存储的指令，以执行如权利要求1-8任一所述的基于正态云的重载铁路灾情快速评估方法。
...【技术特征摘要】
1.基于正态云的重载铁路灾情快速评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述s3中，模糊关系矩阵r的建立方式为：
3.根据权利要求1所述的方法，其特征在于，转换函数的表达式为：
4.根据权利要求1所述的方法，其特征在于，所述s4中，语言变量hm对应的云模型为hm(exm，enm，hem)，其中exm，enm和hem分别由下列公式计算得到：
5.根据权利要求1所述的方法，其特征在于，所述s5中，隶属度矩阵z的求解，需要计算在不同隶属度情况下的平均综合评估值：
6.根据权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：王剑飞，张海东，欧盛南，汪澍，
申请(专利权)人：国能朔黄铁路发展有限责任公司，
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。