CN102930348A - 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 - Google Patents
一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 Download PDFInfo
- Publication number
- CN102930348A CN102930348A CN2012104024792A CN201210402479A CN102930348A CN 102930348 A CN102930348 A CN 102930348A CN 2012104024792 A CN2012104024792 A CN 2012104024792A CN 201210402479 A CN201210402479 A CN 201210402479A CN 102930348 A CN102930348 A CN 102930348A
- Authority
- CN
- China
- Prior art keywords
- side slope
- section
- risk
- pole
- disaster
- 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.)
- Granted
Links
Images
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法:获取杆塔基础边坡暴雨灾害风险的控制因素,并对其进行量化及归一化处理;以灾害统计及人工降雨边坡侵蚀试验结果为训练样本,用改进BP网络建立控制因素与暴雨滑坡事故率的映射关系,获得风险评估数学模型;以计算所得的全线基础边坡平均暴雨滑坡事故率值为基准值,获取各边坡相对于全线的暴雨滑坡风险等级,用改进层次分析计算程序得到各区段对不同风险等级边坡百分比的权重向量,考虑各风险等级边坡对暴雨灾害风险的影响不同,继续采用改进层次分析计算程序计算得到不同风险等级边坡对暴雨灾害的权重向量,后用计算机自上而下将各层权重向量合成得到各区段的风险评估结果。
Description
技术领域
本发明涉及一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法,其适用于高压输电线路、超高压输电线路及特高压输电线路基础边坡的易滑坡段风险评估。
背景技术
输电线路是电网的重要组成部分,输电线路的安全稳定运行直接影响到电网的稳定性和供电的可靠性。由于暴雨造成水土流失,与之密切相关的坡面冲刷、滑坡、滑塌等广义滑坡灾害时有发生,危及输电线路杆塔安全,严重者甚至造成线路倒杆断线。因此,防止输电线路杆塔基础边坡暴雨灾害事故,是保证输电线路安全稳定运行的一项十分重要的工作,已逐渐受到电力设计部门、供电管理部门的重视,而做好对输电线路杆塔基础边坡暴雨灾害风险评估、预警是防止暴雨灾害事故的基础。
输电线路杆塔基础边坡暴雨灾害风险评估虽然属于边坡工程研究范围,但其评估方法不能生搬硬套现有的边坡稳定性预测方法,还要考虑输电线路的特殊性。中国专利文献公开的《一种在降雨条件下土边坡稳定性预测预报方法》(专利号:ZL200910094527)通过11个参数建立土边坡稳定性控制因素综合表并对控制因素进行数学回归分析,建立各个控制因素抗洪能力评分表,然后通过区段滑坡与降雨关系调查统计分析,得出滑坡时有效降雨量阀值,最后根据抗洪能力评分表,综合各种降雨量规律与特征,建立土边坡在降雨条件下的稳定性警戒等级图,以此实现对某一边坡所处的稳定性状态进行风险评估。该发明存在的不足之处是:仅是对某边坡进行评估,不能反映区段的暴雨灾害风险强弱,还有就是用于输电线路杆塔基础边坡的评估的话没有考虑杆塔基础结构特征、地层岩性等对杆塔基础边坡暴雨滑坡灾害有重要影响的信息。
据申请人所知,由于一条线路的杆塔数量众多,特别是跨区电网及远距离输电线路可达数千甚至上万,位于山区的杆塔可达上千,如果只是给出各杆塔进基础边坡的风险等级,运行维护部门仍无法快速准确把握线路的防雨薄弱点。较好的解决办法应是先通过各区段进行暴雨灾害风险评估来确定薄弱区段,再针对风险较高区段进行杆塔的评估以确定薄弱杆塔,进而进行针对性防护。
现有技术对于区段边坡大多采用GIS进行滑坡危险性预测和评估,主要利用GIS的空间叠加分析功能,将每个影响边坡滑坡风险的因素用一张专题地图来表示,然后把各专题地图进行空间叠加,最后得到滑坡的危险性分布图。这种方法只是对研究区域滑坡的危险性进行一个宏观的定性的评价。到目前为止,还没有一个能综合反映输电线路杆塔基础特征、地形地貌特征、地层岩性等差异的较定量评估各区段暴雨灾害风险的有效方法。
发明内容
本发明所要解决的技术问题,就是提供一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法,具体说,是一种基于层次结构模型,综合考虑区段输电线路内各杆塔基础边坡对整个区段暴雨灾害影响而提出的评估方法,能实现对线路各区段暴雨灾害风险的准确评估。
解决上述技术问题,本发明采用的技术方案是:
一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法,包括以下步骤:
S1输电线路杆塔基础边坡暴雨灾害控制因素综合表的建立:
根据临界降雨量、输电线路各基杆塔的基础特征、地形地貌信息、地层岩性、土体密实度情况、土体中碎石含量、坡面特征等特性,建立输电线路杆塔基础边坡暴雨灾害控制因素综合表;
S2暴雨灾害控制因素的量化、归一化,包括以下子步骤:
S2-1量化采用德尔菲法、统计分析法、隶属度函数法和信息量法其中之一进行,优选隶属度函数法:将各定性指标分为3级,通过给各等级赋予边界值,然后通过线性差值的方法确定其隶属函数,完成定性指标的量化;
S2-2量化的数据以sigmoid函数为激活函数进行归一化处理,将量化的数据转化为[0.1-0.9]区间的数值。
S3风险评估模型的确定及具体边坡的评估,包括以下子步骤:
S3-1以灾害统计及人工降雨边坡侵蚀试验结果为训练样本,采用BP人工神经网络方法,采用改进BP网络计算程序对神经网络进行训练直至达到误差要求,获得灾害控制因素与暴雨滑坡事故率的映射关系,确定杆塔基础边坡暴雨滑坡风险评估数学模型;
S3-2基于建立的风险评估数学模型,逐个计算各杆塔边坡的暴雨滑坡事故率,得到各边坡的暴雨滑坡事故率计算值。
S4暴雨灾害风险的分级:
获取整条线路各杆塔基础边坡的暴雨滑坡事故率计算值,加权平均得到全线杆塔基础边坡平均暴雨滑坡事故率值;以全线平均暴雨滑坡事故率值为基准值,依据杆塔基础边坡的暴雨滑坡风险分级指标将输电线路杆塔各边坡的暴雨滑坡事故率计算值与分级指标比较,确定各边坡的暴雨滑坡风险等级;
S5区段杆塔基础边坡评估的实现
S5-1将整条线路依次划分为若干区段,采用计算机计算各个区段内处于各边坡风险等级的杆塔基础边坡数占区段杆塔基础边坡总数的百分比;
S5-2构建包含目标层、准则层、方案层三个层次构成的层次结构模型,目标层在上,准则层在中,方案层在下;目标层为区段杆塔边坡的暴雨滑坡风险性,准则层为不同风险等级杆塔基础边坡百分比,方案层包括区段1、区段2……区段n;采用改进层次分析计算程序得到各区段对不同风险等级杆塔基础边坡百分比的权重向量,即方案层对准则层的权重;在此基础上,考虑各风险等级杆塔对暴雨灾害风险的影响不同,继续采用改进层次分析计算程序计算得到不同风险等级杆塔基础边坡对暴雨灾害边坡风险的权重向量,即准则层对目标层的权重;最后采用计算机将各层权重向量合成得到各区段的暴雨风险权重向量,从而获取各区段杆塔基础边坡暴雨灾害滑坡风险评估结果,即方案层对目标层的权重。
所述的步骤S1的暴雨灾害控制因素综合表是根据大量灾害统计获得的。
本发明的原则为:确定控制输电线路杆塔基础边坡暴雨灾害风险性的有关因素,采用人工智能法建立暴雨灾害控制因素与暴雨滑坡事故率的映射关系,获得输电线路杆塔基础边坡暴雨滑坡风险性评估的数学模型;在计算各区段内处于不同风险等级的杆塔基础边坡数占区段杆塔总数的百分比的基础上,基于层次结构模型,用改进层次分析计算程序计算获得各区段杆塔基础边坡暴雨灾害风险的评估结果。
本发明的有益效果是:评估是基于灾害现场调查及人工降雨边坡侵蚀试验结果统计并基于人工智能的方法进行,对输电线路杆塔基础边坡暴雨灾害风险的评估结果更加真实可靠,更具针对性,在确定线路暴雨灾害薄弱区段的基础上,可以选择性地对薄弱区段具体杆塔基础边坡实现风险评估。本发明的推广应用,将会有效地帮助电力设计部门、供电管理部门掌握线路中各区段暴雨灾害风险性的强弱,找出线路防暴雨薄弱区段,从而更加科学、有效地对采取预警和防治措施来提高其抗灾能力,更加精细化地管理电网。
附图说明
图1为本发明的流程图;
图2为本发明采用的区段线路层次评估模型图。
具体实施方式
下面,结合说明书附图对实施例作进一步的描述。
如图1所示,本发明提出的一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法实施例,包括以下步骤:
(1)建立输电线路杆塔基础边坡暴雨灾害控制因素综合表:
分析暴雨灾害的影响因素、确定控制因素是开展暴雨灾害风险评估的第一步。
暴雨灾害的影响因素相当多,确定控制因素要充分考虑输电线路杆塔基础边坡的特征,区段的差异及实用、经济性,本发明以临界降雨量、输电线路各基杆塔的基础特征、地形地貌信息(依据线路各杆塔基础边坡的经纬度坐标运行三维GIS全扫描提取)、地层岩性、土体密实度情况、土体中碎石含量、坡面特征等特性,建立输电线路杆塔基础边坡暴雨灾害控制因素综合表,见下面表1。
表1输电线路杆塔基础边坡暴雨灾害控制因素综合表
其中基础特征根据杆塔的常见基础,设有桩基础、独立基础和掏挖基础三栏,地层岩性根据土体特性的强弱等级,设有全风化花岗岩或花岗岩残积土、全风化泥质叶岩或粉质粘土和其它三栏,土体密实度参考密实度划分标准设有密实(孔隙比e≤0.6)、中密(0.6<e<0.75)和松散(e≥0.75)三栏,碎石含量根据经验值,以p(粒径≤0.075mm的碎石所占的比例)作为参考标准,设有少(p≤20%)、中(20%<e<30%)和多(p≥30%)三栏,坡面植被特征根据植被覆盖率s的好坏设有优(s≥70%)、良(30%<e<70%)和差(s≤30%)三栏。
大量的文献表明:临界降雨量、地形地貌信息、土体密实度情况、土体中碎石含量、坡面特征和地层岩性是控制暴雨灾害的因素。对于杆塔基础边坡所提到的杆塔基础特征没有相关报道,其因素是根据发明人的实验获得的。
(2)对暴雨灾害控制因素进行量化、归一化
暴雨灾害控制因素的定量指标直接根据实际值以衡量,定性指标的量化采用德尔菲法、统计分析法、隶属度函数法和信息量法其中之一进行,优选隶属度函数法,将各定性指标分为3级,通过给各等级赋予边界值,然后通过线性差值的方法确定其隶属函数,完成定性指标的量化。
量化的数据以sigmoid函数为激活函数进行归一化处理,将其转化为[0.1-0.9]区间的数值。
(3)确定风险评估数学模型
以灾害统计及人工降雨边坡侵蚀试验结果为训练样本,采用BP人工神经网络方法,采用改进BP网络计算程序对神经网络进行训练直至达到误差要求,获得灾害控制因素与暴雨滑坡事故率的映射关系,确定杆塔基础边坡暴雨滑坡风险评估数学模型。
(4)具体杆塔边坡风险的评估
基于建立的风险评估数学模型,逐个计算各杆塔边坡的暴雨滑坡事故率,得到各边坡的暴雨滑坡事故率计算值。
(5)对暴雨灾害风险进行分级:
获取整条线路各杆塔基础边坡的暴雨滑坡事故率计算值,加权平均得到全线杆塔基础边坡平均暴雨滑坡事故率值。以全线平均暴雨滑坡事故率值为基准值,依据杆塔基础边坡的暴雨滑坡风险分级指标将输电线路杆塔各边坡的暴雨滑坡事故率计算值与分级指标比较,确定各边坡的暴雨滑坡风险等级。
分级指标如表2所示,其中P为计算所得的基础边坡暴雨滑坡事故率,S为全线杆塔基础边坡暴雨滑坡事故率平均值即基准值,位于A级的边坡暴雨灾害风险最低,位于D级的边坡暴雨灾害风险最高。
表2暴雨灾害滑坡风险指标
暴雨滑坡事故率 | P<S×0.5 | S×0.5≤P<1.0 | S×1.0≤P≤S×1.5 | P≥S×1.5 |
边坡暴雨灾害风险等级 | A | B | C | D |
(6)按线路区段统计各等级边坡占区段边坡总数的百分比
将整条线路依次划分为若干区段,采用计算机计算各个区段内处于各风险等级的杆塔基础边坡占区段杆塔基础边坡总数的百分比。
如某区段有10个杆塔基础边坡,处于A级的有4个,B级的有2个,C级的有3个,D级的有1个,则该区段暴雨灾害风险等级处于A级的边坡百分比为4/10即4%,B级边坡百分比为2%,C级边坡百分比为3%,D级边坡百分比为1%。
(7)区段杆塔基础边坡评估的实现
如图2所示,通过改进层次分析计算程序首先求得各区段对百分比的权重向量WA,对B级边坡百分比的权重向量WB,对C级边坡百分比的权重向量WC,对D级边坡百分比的权重向量WD,即图2中方案层对准则层的权重。
以计算各区段对A级边坡百分比的权重WA为例进行说明:
①根据三标度法采用计算机计算得到各区段A级边坡的百分比所对应的比较矩阵;
根据各区段的A级边坡的百分比大小,得出相应的比较矩阵Aij:
上式中,aij是第i段A级边坡百分比与第j段A级边坡百分比的比较结果,且有aii=1。
②以各区段不A级边坡百分比所对应的比较矩阵作为输出参数,通过改进层次分析计算程序计算得到各区段对A级边坡百分比的权重向量WA;
各区段中A级边坡百分比越高则在权中所占的权重就越大,反之则越小;
根据以上步骤还可以求出Wb、WC和WD。
由于A、B、C和D级边坡的暴雨灾害风险存在显著差异,因此还需要求出不同风险等级边坡对暴雨灾害风险的权重向量,即图2中准则层对目标层的权重。具体步骤包括:根据三标度法采用计算机计算得到不同风险等级边坡的暴雨灾害所对应的比较矩阵;以不同风险等级边坡的暴雨灾害风险所对应的比较矩阵作为输入参数,采用改进层次分析计算程序计算得到不同风险等级边坡对暴雨灾害的权重向量Ws。
最后采用计算机按下式自上而下将各层权重向量进行合成得到各区段的暴雨风险灾害权重向量W,从而确定线路暴雨受灾薄弱段:
W=[WAWBWCWD]×Ws。
作为一个例子,本发明对某条500kV输电线路1996~2011年的各区段暴雨灾害风险进行了评估。
该线路共有468基杆塔,其中位于山区杆塔123基。
首先建立输电线路杆塔基础边坡暴雨灾害控制因素综合表并对控制因素中的定性指标进行量化,对各项因素指标进行归一化处理;
其次建立BP人工神经网络,以灾害统计及人工降雨边坡侵蚀试验结果为训练样本,采用BP人工神经网络方法,采用改进BP网络计算程序对神经网络进行训练直至达到误差要求,获得灾害控制因素与暴雨滑坡事故率的映射关系,确定杆塔基础边坡暴雨滑坡风险评估数学模型;
再次输入杆塔基础边坡的基础特征、地层岩性、土体密实度情况、土体中碎石含量、坡面特征等特性,结合GIS软件提取的地形地貌信息,运用风险评估数学模型逐个计算各杆塔基础边坡的暴雨滑坡事故率;
接着以全线暴雨滑坡事故率为基准值,依据杆塔基础边坡的暴雨滑坡风险分级指标将输电线路杆塔各边坡的暴雨滑坡事故率计算值与分级指标比较,确定各边坡的暴雨滑坡风险等级;
然后将整条线路基础边坡划分为12段,采用计算机计算12个区段内处于A、B、C、D级的杆塔基础边坡占区段边坡总数的百分比;
最后采用改进层次分析计算程序计算得到A、B、C、D级边坡百分比的权重向量;最后采用计算机将各层权重向量合成得到各区段的暴雨滑坡风险权重向量。
表3是该线路杆塔基础边坡各区段暴雨灾害风险的评估结果。自投运以来,截止2011年该线路工发生暴雨滑坡事故23次,事故点较为分散,分别位于8个区段。分析暴雨滑坡事故点与各区段风险评估结果的相关性,23次事故点除1次的风险排序位于第8位,其余22次均处于前5位,且有17次位于暴雨灾害风险排序最高的3个区段。
可见事故点与线路各区段暴雨灾害风险评估结果的相关性较理想,本发明提出的一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法能够真实客观地反映线路各区段的暴雨滑坡风险性,能有效地指导电力设计、供电管理部门进行差异化防暴雨工作。
表3某500kV线路各区段边坡暴雨灾害风险评估结果
Claims (4)
1.一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法,包括以下步骤:
S1输电线路杆塔基础边坡暴雨灾害控制因素综合表的建立:
以临界降雨量、输电线路各基杆塔的基础特征、地形地貌信息、地层岩性、土体密实度情况、土体中碎石含量、坡面特征特性,作为输电线路杆塔基础边坡暴雨灾害风险的控制因素,依序建成图标;其中基础特征设有桩基础、独立基础和掏挖基础三栏,地层岩性设有全风化花岗岩或花岗岩残积土、全风化泥质叶岩或粉质粘土和其它三栏,土体密实度设有密实、中密和松散三栏,碎石含量设有少、中和多三栏,坡面植被特征设有优、良和差三栏;
S2暴雨灾害控制因素的量化、归一化:
S3风险评估模型的确定及具体边坡的评估,包括以下子步骤:
S3-1以灾害统计及人工降雨边坡侵蚀试验结果为训练样本,采用BP人工神经网络方法,采用改进BP网络计算程序对神经网络进行训练直至达到误差要求,获得灾害控制因素与暴雨滑坡事故率的映射关系,确定杆塔基础边坡暴雨滑坡的风险评估数学模型;
S3-2基于建立的风险评估数学模型,逐个计算各杆塔边坡的暴雨滑坡事故率,得到各边坡的暴雨滑坡事故率计算值;
S4暴雨灾害风险的分级:
获取整条线路各杆塔基础边坡的暴雨滑坡事故率计算值,加权平均得到全线杆塔基础边坡平均暴雨滑坡事故率值;以全线平均暴雨滑坡事故率值为基准值,依据杆塔基础边坡的暴雨滑坡风险分级指标将输电线路杆塔各边坡的暴雨滑坡事故率计算值与分级指标比较,确定各边坡的暴雨滑坡风险等级;
S5区段杆塔基础边坡评估的实现,包括以下子步骤:
S5-1将整条线路依次划分为若干区段,采用计算机计算各个区段内处于各边坡稳定性等级的杆塔基础边坡数占区段杆塔基础边坡总数的百分比;
S5-2构建包含目标层、准则层、方案层三个层次构成的层次结构模型,目标层在上,准则层在中,方案层在下;目标层为区段杆塔边坡的暴雨滑坡风险性,准则层为不同风险等级杆塔基础边坡百分比,方案层包括区段1、区段2……区段n;采用改进层次分析计算程序得到各区段对不同风险等级杆塔基础边坡百分比的权重向量,即方案层对准则层的权重;在此基础上,考虑各风险等级杆塔对暴雨灾害风险的影响不同,继续采用改进层次分析计算程序计算得到不同风险等级杆塔基础边坡对暴雨灾害的权重向量,即准则层对目标层的权重;最后采用计算机将各层权重向量合成得到各区段的暴雨风险权重向量,从而获取各区段杆塔基础边坡暴雨灾害滑坡风险评估结果,即方案层对目标层的权重。
2.所述的步骤S1的暴雨灾害控制因素综合表是根据大量灾害统计获得的。
3.根据权利要求1所述的一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法,其特征是:所述的步骤S2包括以下子步骤:
S2-1量化采用德尔菲法、统计分析法、隶属度函数法和信息量法其中之一进行,优选隶属度函数法:将各定性指标分为3级,通过给各等级赋予边界值,然后通过线性差值的方法确定其隶属函数,完成定性指标的量化;
S2-2量化的数据以sigmoid函数为激活函数进行归一化处理,将量化的数据转化为[0.1-0.9]区间的数值。
4.根据权利要求1所述的一种区段输电线路杆塔基础边坡暴雨灾害的风险评估方法,其特征是:所述的步骤S5-2中的权重计算步骤,以计算各区段对A级边坡百分比的权重WA为例进行说明,其中:各区段对百分比的权重向量为WA,对B级边坡百分比的权重向量为WB,对C级边坡百分比的权重向量为WC,对D级边坡百分比的权重向量为WD,
具体包括以下子步骤:
①根据三标度法采用计算机计算得到各区段A级边坡的百分比所对应的比较矩阵;
根据各区段的A级边坡的百分比大小,得出相应的比较矩阵Aij:
上式中,aij是第i段A级边坡百分比与第j段A级边坡百分比的比较结果,且有aii=1;
②以各区段不A级边坡百分比所对应的比较矩阵作为输出参数,通过改进层次分析计算程序计算得到各区段对A级边坡百分比的权重向量WA;
各区段中A级边坡百分比越高则在权中所占的权重就越大,反之则越小;
根据以上步骤还可以求出Wb、WC和WD;
由于A、B、C和D级边坡的暴雨灾害风险存在显著差异,因此还需要求出不同风险等级边坡对暴雨灾害风险的权重向量,即图2中准则层对目标层的权重;具体步骤包括:根据三标度法采用计算机计算得到不同风险等级边坡的暴雨灾害所对应的比较矩阵;以不同风险等级边坡的暴雨灾害风险所对应的比较矩阵作为输入参数,采用改进层次分析计算程序计算得到不同风险等级边坡对暴雨灾害的权重向量Ws;
最后采用计算机按下式自上而下将各层权重向量进行合成得到各区段的暴雨风险灾害权重向量W,从而确定线路暴雨受灾薄弱段:
W=[WAWBWCWD]×Ws。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210402479.2A CN102930348B (zh) | 2012-10-19 | 2012-10-19 | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210402479.2A CN102930348B (zh) | 2012-10-19 | 2012-10-19 | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102930348A true CN102930348A (zh) | 2013-02-13 |
CN102930348B CN102930348B (zh) | 2015-11-18 |
Family
ID=47645142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210402479.2A Active CN102930348B (zh) | 2012-10-19 | 2012-10-19 | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930348B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399344A (zh) * | 2013-07-24 | 2013-11-20 | 北京师范大学 | 一种地震后发生崩滑灾害位置的预测方法 |
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
CN104331586A (zh) * | 2013-07-22 | 2015-02-04 | 江苏省电力公司常州供电公司 | 长期运行输电线路导线实际强度的计算方法 |
CN104951615A (zh) * | 2015-07-06 | 2015-09-30 | 福州大学 | 一种路堑边坡模糊层次风险评估方法 |
CN105427189A (zh) * | 2015-12-09 | 2016-03-23 | 国网重庆市电力公司 | 一种滑坡灾害下的电网易损性评测方法 |
CN106128035A (zh) * | 2016-06-30 | 2016-11-16 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106447088A (zh) * | 2016-09-08 | 2017-02-22 | 成都希盟泰克科技发展有限公司 | 基于遗传算法的施工现场灾害预测方法 |
CN108831115A (zh) * | 2018-06-22 | 2018-11-16 | 国网湖南省电力有限公司 | 一种基于Adaboost的输电线路暴雨灾害风险预警方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN109377083A (zh) * | 2018-11-14 | 2019-02-22 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 风险评估方法、装置、设备和存储介质 |
CN109460902A (zh) * | 2018-10-17 | 2019-03-12 | 国网湖南省电力有限公司 | 基于类比法的输电杆塔滑坡灾害的分析方法及*** |
CN111027402A (zh) * | 2019-11-15 | 2020-04-17 | 国网江西省电力有限公司电力科学研究院 | 一种自然灾害风险智能检测与评估方法及应用 |
CN111210073A (zh) * | 2020-01-06 | 2020-05-29 | 四川省公路规划勘察设计研究院有限公司 | 一种滑坡灾害预测方法及装置 |
CN111275298A (zh) * | 2020-01-15 | 2020-06-12 | 杭州华网信息技术有限公司 | 一种基于电网的地质灾害风险预警方法 |
CN111914457A (zh) * | 2020-08-18 | 2020-11-10 | 中国能源建设集团江苏省电力设计院有限公司 | 一种输电线路塔基边坡稳定性判别方法、装置和存储介质 |
CN112257028A (zh) * | 2020-10-16 | 2021-01-22 | 广东电网有限责任公司 | 一种输电线路的风偏闪络故障概率计算方法和装置 |
CN112989567A (zh) * | 2021-02-05 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 降雨作用下确定杆塔基础滑坡成灾模式的方法及设备 |
CN113114935A (zh) * | 2021-04-07 | 2021-07-13 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的振动识别方法 |
CN113570133A (zh) * | 2021-07-26 | 2021-10-29 | 广西电网有限责任公司电力科学研究院 | 一种应对强降雨的输配电线路风险预测方法及*** |
CN113704849A (zh) * | 2021-08-26 | 2021-11-26 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
CN116386300A (zh) * | 2022-11-29 | 2023-07-04 | 广东堃华建设工程有限公司 | 一种基于大数据的边坡灾害监测预警方法和*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002070029A (ja) * | 2000-08-31 | 2002-03-08 | Dai Nippon Construction | 斜面の危険判定および対応システム並びに対策工の安全度評価方法 |
JP2009093594A (ja) * | 2007-10-12 | 2009-04-30 | Hazama Corp | 防災監視システム及び防災監視方法 |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
JP2010043935A (ja) * | 2008-08-12 | 2010-02-25 | Ehime Univ | 道路斜面地震リスク評価方法 |
CN102072992A (zh) * | 2010-10-26 | 2011-05-25 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于精细地形数据的输电线路绕击防雷性能评估方法 |
-
2012
- 2012-10-19 CN CN201210402479.2A patent/CN102930348B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002070029A (ja) * | 2000-08-31 | 2002-03-08 | Dai Nippon Construction | 斜面の危険判定および対応システム並びに対策工の安全度評価方法 |
JP2009093594A (ja) * | 2007-10-12 | 2009-04-30 | Hazama Corp | 防災監視システム及び防災監視方法 |
JP2010043935A (ja) * | 2008-08-12 | 2010-02-25 | Ehime Univ | 道路斜面地震リスク評価方法 |
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN102072992A (zh) * | 2010-10-26 | 2011-05-25 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于精细地形数据的输电线路绕击防雷性能评估方法 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331586A (zh) * | 2013-07-22 | 2015-02-04 | 江苏省电力公司常州供电公司 | 长期运行输电线路导线实际强度的计算方法 |
CN103399344A (zh) * | 2013-07-24 | 2013-11-20 | 北京师范大学 | 一种地震后发生崩滑灾害位置的预测方法 |
CN103399344B (zh) * | 2013-07-24 | 2016-06-29 | 北京师范大学 | 一种地震后崩滑灾害发生位置的预测方法 |
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
CN104951615A (zh) * | 2015-07-06 | 2015-09-30 | 福州大学 | 一种路堑边坡模糊层次风险评估方法 |
CN105427189A (zh) * | 2015-12-09 | 2016-03-23 | 国网重庆市电力公司 | 一种滑坡灾害下的电网易损性评测方法 |
CN106128035B (zh) * | 2016-06-30 | 2018-10-02 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106128035A (zh) * | 2016-06-30 | 2016-11-16 | 西安工程大学 | 基于神经网络和多参数信息融合的地质灾害预报方法 |
CN106447088A (zh) * | 2016-09-08 | 2017-02-22 | 成都希盟泰克科技发展有限公司 | 基于遗传算法的施工现场灾害预测方法 |
CN106447088B (zh) * | 2016-09-08 | 2021-03-26 | 成都希盟泰克科技发展有限公司 | 基于遗传算法的施工现场灾害预测方法 |
CN108831115A (zh) * | 2018-06-22 | 2018-11-16 | 国网湖南省电力有限公司 | 一种基于Adaboost的输电线路暴雨灾害风险预警方法 |
CN108960599A (zh) * | 2018-06-22 | 2018-12-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN108960599B (zh) * | 2018-06-22 | 2020-04-07 | 国网湖南省电力有限公司 | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** |
CN109460902A (zh) * | 2018-10-17 | 2019-03-12 | 国网湖南省电力有限公司 | 基于类比法的输电杆塔滑坡灾害的分析方法及*** |
CN109377083A (zh) * | 2018-11-14 | 2019-02-22 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 风险评估方法、装置、设备和存储介质 |
CN111027402A (zh) * | 2019-11-15 | 2020-04-17 | 国网江西省电力有限公司电力科学研究院 | 一种自然灾害风险智能检测与评估方法及应用 |
CN111210073B (zh) * | 2020-01-06 | 2022-07-26 | 四川省公路规划勘察设计研究院有限公司 | 一种滑坡灾害预测方法及装置 |
CN111210073A (zh) * | 2020-01-06 | 2020-05-29 | 四川省公路规划勘察设计研究院有限公司 | 一种滑坡灾害预测方法及装置 |
CN111275298A (zh) * | 2020-01-15 | 2020-06-12 | 杭州华网信息技术有限公司 | 一种基于电网的地质灾害风险预警方法 |
CN111275298B (zh) * | 2020-01-15 | 2023-11-28 | 国网浙江省电力有限公司杭州供电公司 | 一种基于电网的地质灾害风险预警方法 |
CN111914457A (zh) * | 2020-08-18 | 2020-11-10 | 中国能源建设集团江苏省电力设计院有限公司 | 一种输电线路塔基边坡稳定性判别方法、装置和存储介质 |
CN111914457B (zh) * | 2020-08-18 | 2024-01-30 | 中国能源建设集团江苏省电力设计院有限公司 | 一种输电线路塔基边坡稳定性判别方法、装置和存储介质 |
CN112257028B (zh) * | 2020-10-16 | 2022-11-29 | 广东电网有限责任公司 | 一种输电线路的风偏闪络故障概率计算方法和装置 |
CN112257028A (zh) * | 2020-10-16 | 2021-01-22 | 广东电网有限责任公司 | 一种输电线路的风偏闪络故障概率计算方法和装置 |
CN112989567A (zh) * | 2021-02-05 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 降雨作用下确定杆塔基础滑坡成灾模式的方法及设备 |
CN113114935A (zh) * | 2021-04-07 | 2021-07-13 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的振动识别方法 |
CN113114935B (zh) * | 2021-04-07 | 2022-08-19 | 中煤科工集团重庆研究院有限公司 | 一种基于视频图像的振动识别方法 |
CN113570133A (zh) * | 2021-07-26 | 2021-10-29 | 广西电网有限责任公司电力科学研究院 | 一种应对强降雨的输配电线路风险预测方法及*** |
CN113570133B (zh) * | 2021-07-26 | 2024-05-24 | 广西电网有限责任公司电力科学研究院 | 一种应对强降雨的输配电线路风险预测方法及*** |
CN113704849A (zh) * | 2021-08-26 | 2021-11-26 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
CN113704849B (zh) * | 2021-08-26 | 2024-03-01 | 国网福建省电力有限公司电力科学研究院 | 一种输变电工程边坡失稳风险程度的评价方法 |
CN116386300A (zh) * | 2022-11-29 | 2023-07-04 | 广东堃华建设工程有限公司 | 一种基于大数据的边坡灾害监测预警方法和*** |
CN116386300B (zh) * | 2022-11-29 | 2023-09-22 | 广东堃华建设工程有限公司 | 一种基于大数据的边坡灾害监测预警方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN102930348B (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930348B (zh) | 一种区段输电线路杆塔基础边坡暴雨灾害风险的评估方法 | |
Pandey et al. | Physically based soil erosion and sediment yield models revisited | |
Wang et al. | Quantitative attribution analysis of soil erosion in different geomorphological types in karst areas: Based on the geodetector method | |
CN102867110A (zh) | 一种输电线路杆塔基础边坡暴雨灾害风险评估方法 | |
Liu et al. | Spatiotemporal evolution and driving factors of China’s flash flood disasters since 1949 | |
CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警*** | |
Kouchami-Sardoo et al. | Prediction of soil wind erodibility using a hybrid Genetic algorithm–Artificial neural network method | |
MARTINEZ et al. | Water and wind erosion risk in natural parks-A case study in “Las Batuecas-Sierra de Francia” and “Quilamas” protected parks (Central System, Spain) | |
Lin et al. | Evaluation of soil erosion risk for watershed management in Shenmu watershed, central Taiwan using USLE model parameters | |
Wang et al. | Suitability evaluation for land reclamation in mining area: A case study of Gaoqiao bauxite mine | |
CN109726902A (zh) | 一种边坡稳定性评价方法 | |
De Guidi et al. | Landslide susceptibility assessment in the Peloritani Mts.(Sicily, Italy) and clues for tectonic control of relief processes | |
CN106909999A (zh) | 小型土石坝退役综合评价方法 | |
CN109447493A (zh) | 一种基于物源活动强度的震后泥石流危险性评价方法 | |
CN107012883A (zh) | 一种山区高压输电铁塔塔基稳定性判断方法及*** | |
Liao et al. | Using different multimodel ensemble approaches to simulate soil moisture in a forest site with six traditional pedotransfer functions | |
De Roo | Soil erosion assessment using GIS | |
Momm et al. | Evaluation of sediment load reduction by natural riparian vegetation in the Goodwin Creek Watershed | |
Torres Hernandez | Estimating the soil-water characteristic curve using grain size analysis and plasticity index | |
Sears et al. | Predicting erosion at valley fills with two reclamation techniques in mountainous terrain | |
Shahzeidi et al. | Assessment rate of soil erosion by GIS (case study Varmishgan, Iran) | |
Hill et al. | Hydrologic modeling as a development tool for HGM functional assessment models | |
Emelyanova et al. | Evaluating the cumulative rainfall deviation approach for projecting groundwater levels under future climate | |
Bowker et al. | Assessment of rangeland ecosystem conditions, salt creek watershed and dugout ranch, Southeastern Utah | |
Zhang et al. | Risk identification, assessment and monitoring design of high cutting loess slope in heavy haul railway |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP03 | Change of name, title or address |
Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. Address before: 510080 Dongfeng East Road, Guangdong, Guangzhou, water, Kong Kong, No. 8 Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation |