一种线性工程边坡运营安全风险评估方法技术

技术编号：41098917 阅读：5 留言：0更新日期：2024-04-25 13:56

本发明专利技术公开了一种线性工程边坡运营安全风险评估方法,涉及岩土工程与工程地质技术领域。该方法基于公路、铁路等线性工程的边坡完整数据集，首先依据核心专家经验分析确定数据样本风险评价因子，然后整合正常运营边坡数据、缺损病害边坡数据和历史灾害边坡数据作为边坡安全风险训练数据样本集，并采用专家模糊层次分析法(FAHP)标注训练数据样本的安全风险等级，最后采用BP人工神经网络方法构建边坡安全风险评估评估模型。评估模型支持对边坡样本数据集的补充、修改和完善，拓展了以正常边坡数据为主获取边坡安全风险评估训练样本数据，突破了当前仅以灾害边坡数据作为训练样本的数量局限，并具有自学习和动态评估功能。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于岩土工程与工程地质，涉及一种线性工程边坡安全风险评估方法。

技术介绍

1、在公路、铁路等线性工程建设施工和运营养护过程中，边坡地质灾害时有发生，特别是运营养护阶段的边坡安全风险问题十分突出，为了防止或减轻边坡工程地质灾害，边坡安全风险评估是有效的和重要的途径之一。

2、目前，在地质灾害风险评估或边坡安全风险评估领域，主要有专家评估法、指标体系法、层次分析法和神经网络法等风险评估方法。通过边坡地质灾害案例总结分析关键致灾因子，采用工程经验、逻辑运算和数学计算等手段，评估边坡工程发生地质灾害的风险。

3、随着计算技术和信息技术的发展和进步，神经网络法等人工智能方法在地质灾害风险评估工作中取得突破，但是边坡地质灾害样本的数量严重制约了神经网络法等人工智能方法的应用和发展。以往多是以设定研究区内的边坡已经发生或正在发生失稳破坏形成地质灾害的案例作为人工智能学习和训练的样本数据，但这些历史边坡灾害数量毕竟相对较少，而公路、铁路等线性工程需要评估预测安全风险的边坡工程数量又非常庞大，严重制约和影响评估结论的有效性及可靠性。因此，如何获取充足的边坡地质灾害样本数量问题是边坡安全风险评估工作中一个急需解决的关键性技术难题。

技术实现思路

1、本专利技术的目的在于提供一种基于专家经验和人工智能相结合的线性工程边坡运营安全风险评估方法。

2、为实现上述目的，本专利技术采用如下技术方案：

3、一种线性工程边坡安全风险评估方法，包括以下步骤：</p>

4、s1，根据线性工程待评估路段边坡数据库获取边坡训练样本数据集；

5、获取边坡训练样本数据集：取待评估路段的70%边坡数据作为边坡训练样本区段，包括边坡训练样本区段内的历史灾害边坡数据、当前运营存在防护加固工程结构缺损或地质病害的边坡数据以及该区段内的正常运营边坡数据；

6、历史灾害边坡数据包括边坡工程建设施工期间和运营养护期间曾经发生的地质灾害数据；

7、s2，基于专家经验对边坡训练样本数据集进行边坡地质灾害致灾因子识别；

8、致灾因子包括自然地表环境和工程地质条件背景因子、大气降雨和人类工程活动诱发因子以及边坡地质病害发育程度和防护加固工程缺损状态显现因子；

9、s3，基于专家经验对边坡训练样本数据集进行边坡安全等级评定，确定边坡安全等级划分标准，完成对边坡训练样本数据集的安全等级标注；

10、边坡安全等级评定包括评价正常运营边坡的潜在隐患等级、预测缺损病害边坡的病害发展等级和记录历史灾害边坡的灾害历史等级；

11、确定边坡安全等级划分标准为根据边坡工程技术规范及边坡安全等级的划分和相关文献,将边坡安全等级划分为4级：i高风险、ii较高风险、iii中风险、iv低风险；

12、s4，致灾因子、边坡安全风险进行量化、归一化：

13、s4-1基于专家经验，按照致灾因子各项指标对边坡安全风险影响程度对其进行整数赋值，完成定性指标的量化；

14、s4-2量化的数据以区间最大值最小值归一化进行归一化处理，将量化的数据转化为[0-1]区间的数值；

15、s4-3边坡安全等级分为高风险、较高风险、中风险、低风险，基于专家经验通过模糊层次分析法，将其分别赋值为[0.9-1]、[0.7-0.9]、[0.4-0.7]、[0-0.4]区间数值，完成边坡安全等级赋值；

16、s5，基于上述边坡训练样本数据集，采用遗传算法优化bp神经网络方法，以致灾因子为输入层，以安全等级标注为输出层，构建遗传算法优化bp神经网络，神经网络包括输入层、一层或多层隐含层以及输出层，输入层至隐含层、隐含层至隐含层间采用sigmoid激活函数，隐含层至输出层采用purelin激活函数，对神经网络进行训练，直至达到误差要求，获得致灾因子与边坡安全等级之间的映射关系，即边坡安全风险评估模型；

17、s6，根据线性工程待评估路段边坡数据库获取边坡测试样本数据集，取待评估路段除边坡训练样本区段之外的30%边坡数据作为作为边坡测试样本验证上述边坡安全风险评估模型；

18、s7，基于上述边坡测试样本数据集，对上述边坡安全风险评估模型进行测试验证，判断边坡安全风险评估模型测试验证结果是否满足线性工程待评估路段边坡安全风险评估准确度达到90%的要求；如果测试验证结果不满足要求，则可调整神经网络输入致灾因子个数或隐含层层数、节点个数以修正模型，或增加训练样本数量，重新训练建立新的评估模型；如果测试验证结果满足要求，则边坡安全风险评估模型即为所求。

19、与现有技术相比，本专利技术具有如下有益效果：

20、1.该评估模型支持对边坡样本数据集的补充、修改和完善，拓展了以正常边坡数据为主获取边坡安全风险评估训练样本数据，突破了当前仅以灾害边坡数据作为训练样本的数量局限；

21、2.该评估模型并具有自学习和动态评估功能；

22、3.该评估模型为bp神经网络模型，网络收敛速度、预测精度、泛化能力大大提高。

本文档来自技高网...

【技术保护点】

1.一种线性工程边坡安全风险评估方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于：S1中，所述历史灾害边坡数据包括边坡工程建设施工期间和运营养护期间曾经发生的地质灾害数据。

3.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于：S2中，致灾因子包括自然地表环境和工程地质条件背景因子、大气降雨和人类工程活动诱发因子以及边坡地质病害发育程度和防护加固工程缺损状态显现因子。

4.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于：S3中，边坡安全等级评定包括评价正常运营边坡的潜在隐患等级、预测缺损病害边坡的病害发展等级和记录历史灾害边坡的灾害历史等级。

5.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于，S3中，确定边坡安全等级划分标准为根据边坡工程技术规范及边坡安全等级的划分和相关文献,将边坡安全等级划分为4级：高风险、较高风险、中风险、低风险。

6.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于，S4包括如下子步骤：

【技术特征摘要】

1.一种线性工程边坡安全风险评估方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于：s1中，所述历史灾害边坡数据包括边坡工程建设施工期间和运营养护期间曾经发生的地质灾害数据。

3.如权利要求1所述一种线性工程边坡安全风险评估方法，其特征在于：s2中，致灾因子包括自然地表环境和工程地质条件背景因子、大气降雨和人类工程活动诱发因子以及边坡地质病害发育程度和防护加固工程缺损状态显现因子。

4.如权利要求1所述一种...

【专利技术属性】
技术研发人员：廖小平，胡平，牛文庆，聂希亦，
申请(专利权)人：中铁西北科学研究院有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人