CN114331160B - 一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 - Google Patents
一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 Download PDFInfo
- Publication number
- CN114331160B CN114331160B CN202111659199.5A CN202111659199A CN114331160B CN 114331160 B CN114331160 B CN 114331160B CN 202111659199 A CN202111659199 A CN 202111659199A CN 114331160 B CN114331160 B CN 114331160B
- Authority
- CN
- China
- Prior art keywords
- river
- dam
- landslide
- blocking
- damming
- 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.)
- Active
Links
- 230000000903 blocking effect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000009172 bursting Effects 0.000 title description 2
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 239000000203 mixture Substances 0.000 claims abstract description 16
- 230000006378 damage Effects 0.000 claims abstract description 11
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 238000013480 data collection Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 14
- 239000002245 particle Substances 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 8
- 238000007477 logistic regression Methods 0.000 claims description 7
- 239000004576 sand Substances 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，提取滑坡堵江数据信息并建立滑坡堵江案例数据库，选取灾害因子对数据库进行分类整理；利用数据库中的灾害因子进行统计分析，建立拟合数学模型；根据分类之后的数据库以及拟合数学模型计算完整滑坡堵江式灾害的堰塞坝形态以及溃决破坏模式的判别标准；对突发临江临河滑坡时间进行基础数据收集，根据所收集的数据将堰塞坝的坝体组成划分为不同类型，并对其堰塞坝形态和溃决破坏模式进行判别，克服以往针对滑坡堵江事件，需依靠原有大量滑坡堵江数据样来推测拟合滑坡堵江模型，且无法快速且较准确判断滑坡堵江形态、堰塞坝的溃决破坏模式的缺点。
Description
技术领域
本发明涉及灾害识别领域，具体涉及一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法。
背景技术
滑坡堵江形成堰塞湖，是滑坡灾害所导致的一种危害巨大的次生灾害。与人工坝体相比，滑坡堰塞坝往往具有结构不稳定、宽级配、泄流能力差的特点。查阅文献可知堰塞坝体的寿命周期较短，堵江成坝体之后，大部分堰塞坝将在一天之内溃决，绝大部分堰塞坝将在一年以内溃决，极少部分形成永久堆积体。滑坡形成的堵江堰塞坝具有较强不稳定性，一旦失稳溃决将会造成巨大破坏。且我国西南地区地震频发，多山地、河流，滑坡灾害频发，形成过多次规模巨大的堰塞坝，包括唐家山堰塞坝、大光包堰塞坝等。因此，针对滑坡产生堵江堰塞坝的链式灾害过程进行相应的预防减灾措施，对滑坡堵江的堵江形态及溃决灾害过程识别具有紧急迫切的必要性。
滑坡堵江的堵江形态及溃决灾害过程识别需要厘清不同形态及过程的条件及特征，目前国内外对滑坡堵江链式灾害的研究分为多种形式，其切入点及研究条件也有所不同，大致可分为地形地貌、物源及水力条件等影响因素，并基于不同的因素，采用数理统计、物理模型试验、现场调查反演等分析方法，提出滑坡堵江灾害堵江灾害的易发性、危险性等评估方法。但现有技术未考虑对应滑坡堵江形态不同的识别，及基于不同堵江形态的堰塞坝溃决破坏过程的判别，且未考虑河道动态水流对堰塞坝的实时侵蚀破坏过程，将滑坡堵江及溃决破坏过程割裂开来，因此对基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法存在一定的缺陷。
发明内容
针对现有技术中的上述不足，本发明提供了一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，包括如下步骤：
S1、提取滑坡堵江数据信息并建立滑坡堵江案例数据库，选取灾害因子对数据库进行分类整理；
S2、利用数据库中的灾害因子进行统计分析，建立拟合数学模型；
S3、根据分类之后的数据库以及拟合数学模型计算完整滑坡堵江式灾害的堰塞坝形态以及溃决破坏模式的判别标准；
S4、对突发临江临河滑坡时间进行基础数据收集，根据所收集的数据将堰塞坝的坝体组成划分为不同类型，并对其堰塞坝形态和溃决破坏模式进行判别。
进一步的，所述S1中滑坡堵江数据信息包括滑坡物源、地形地貌、河道水利条件、堰塞坝几何参数、溃决过程、灾害影响信息。
进一步的，所述S1中选取的灾害因子包括滑坡体提及、滑坡地形坡度、滑坡物质组成、河谷断面类型和河道宽度。
进一步的，所述S2中通过逻辑回归模型进行数学模型拟合，具体表示为：
Z＝-21.207+2.997*α+2.497*L+2.903*V；
L＝1/(1+e-Z)；
其中，α为岸坡角度，取值范围为[1、2、3]表示从低到高三种不同斜坡角度；L为砂石粒径，取值范围为[1、2、3]表示从小到达三种粒径大小；V为方量，取值范围为[1、2、3、4、5]表示从小到大的方量。
进一步的，所述S3中堰塞坝形态的堰塞坝形态以及溃决破坏模式的判别标准为：
依据堵江特征断面及特征高程大小，将堰塞坝横向断面形态分为斜坡型、凸起型、平缓型；
依据河道水位与堰塞坝最低高程的关系将堵江程度分为完全堵江、不完全堵江。
进一步的，所述S3中具体的判别依据为：
若Hmin<hw<Hmax，则判定为不完全堵江，其中，若最大坝高分布于河道两侧，则判定堰塞坝形态为为斜坡型；最大坝高分布于河道中部，则判定堰塞坝形态为凸起型；
若Hmin＝hw<Hmax，则判定为不完全堵江且堰塞坝形态为平缓型；
若hw<Hmin<Hmax，则判定为完全堵江，其中，若最大坝高分布于河道两侧，则判定堰塞坝形态为斜坡型；最大坝高分布于河道中部，则判定堰塞坝形态为凸起型；
若hw<Hmin＝Hmax，则判定为完全堵江且堰塞坝形态为平缓型。
其中，hw为喝水深度，Hmin为堰塞坝最小坝高，Hmax为堰塞坝最大坝高，河道中部为河道中线1/3河道处位置。
进一步的，所述S4中基础数据包括滑坡物源信息、方量大小、启动模式、入江形式、堰塞坝关键几何参数、河道水深、宽度、纵断面形态数据，并将按照粒。
进一步的，所述S4具体包括：
S41、按照粒径大小及级配组成特征将堰塞坝的坝体分为松散岩组、软硬混杂岩组、坚硬岩组，并分别对应拟合数学模型中的粒径水平的1、2、3；
S42、按照滑坡体体积，将滑坡体体积与河道信息进行对比，从方量级别中选取1-5对应的滑坡体提及水平；
S43、依据滑坡边坡地形，将边坡角度与岸坡角度对应，取值水平为1、2、3；
S44、根据所收集的基础数据，对滑坡基本信息进行拟合数学模型的取值判断，利用逻辑回归拟合模型进行滑坡堵江的堵江结果及不同堵江形态的判别。
本发明具有以下有益效果：
提出一种基于滑坡堵江灾害的滑坡信息及堰塞坝关键几何参数、河道条件对堰塞坝形态及溃决破坏过程的快速判别方法，基于突发滑坡事件基本信息及滑坡堵江案例数据库、物理模型试验对比综合进行快速判别，此方法收集数据量较小，判别简便，对整体堰塞坝稳定性及破坏过程有较准确把握。
附图说明
图1为基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，如图1所示，包括如下步骤：
S1、提取滑坡堵江数据信息并建立滑坡堵江案例数据库，选取灾害因子对数据库进行分类整理；
具体而言，针对发生在我国领土范围内发生的滑坡堵江案例进行收集整理，并提取有效数据信息建立滑坡堵江案例数据库，收集信息包含但不仅限于滑坡物源、地形地貌、河道水利条件、堰塞坝几何参数、溃决过程、灾害影响等信息。提取数据库信息分类整理，选取灾害因子包括滑坡体体积、滑坡地形坡度、滑坡物质组成、河谷断面类型、河道宽度进行数理统计分析，总结拟合数学模型。
S2、利用数据库中的灾害因子进行统计分析，建立拟合数学模型；
依据先期数据库收集及拟合数理模型、滑坡堵江链式灾害物理模型试验结果，得出完整滑坡堵江链式灾害的堰塞坝形态、溃决破坏模式判别标准。主要判别依据有河水深度hw、堰塞坝特征高程(最大坝高Hmax、最小坝高Hmin)及特征高程分布X，依据河道水位与堰塞坝最低高程的关系将堵江程度分为完全堵江、不完全堵江两大类，依据堵江特征断面及特征高程大小，将堰塞坝横向断面形态分为斜坡型、凸起型、平缓型三大类。
其中，河水深度hw、堰塞坝特征高程(最大坝高Hmax、最小坝高Hmin)及特征高程分布X的获取方式。河水深度hw为滑坡发生地临近江河(河)的发生前河水水深，堰塞坝特征高程的断面选取正对滑源位置的堰塞坝横向断面，此断面上的最大高程记为最大坝高Hmax、最小高程记为最小坝高Hmin，同时依据最大高程在河道宽度方向上的分布，将河道断面宽度W按比例划分成三份，左右的1/3W为河道两侧，中部1/3W长度范围为河道中部，W的确定原则主要依据河道水面宽度大小确定。此处的长度计量为河道横向的长度，其余位置记为河道两侧。
S3、根据分类之后的数据库以及拟合数学模型计算完整滑坡堵江式灾害的堰塞坝形态以及溃决破坏模式的判别标准；
依据试验结果进行数学模型拟合，拟合步骤及结果如下：
| 粒径组成 | 取值水平 |
| 0.1-0.2cm | 1 |
| 0.2-0.5cm | 2 |
| 0.5-1.0cm | 3 |
| 岸坡角度 | 取值水平 |
| 30° | 1 |
| 35° | 2 |
| 40° | 3 |
取得以上滑坡堵江试验结果的滑槽及河道横截面面积分别为30cm×40cm、50cm×50cm，河道水深为7cm。
通过建立逻辑回归模型：
Z＝-21.207+2.997*α+2.497*L+2.903*V；
L＝1/(1+e-Z)；
其中，α为岸坡角度，取值范围为[1、2、3]表示从低到高三种不同斜坡角度；L为砂石粒径，取值范围为[1、2、3]表示从小到达三种粒径大小；V为方量，取值范围为[1、2、3、4、5]表示从小到大的方量。
取判别标准为0.5，当计算结果小于0.5时，表示模型不能完全堵江，且结果越小，表示堵江程度越低；当计算结果大于0.5时，表示模型能够完全堵江，且结果越大，表示堵江程度越大，堵江形成堰塞坝横截面越大。同时得出三个试验自变量对堵江程度的优势比，从大到小依次为岸坡角度、方量、砂石粒径，表明自变量的变化对堵江程度的影响程度的强弱。
S4、对突发临江临河滑坡时间进行基础数据收集，根据所收集的数据将堰塞坝的坝体组成划分为不同类型，并对其堰塞坝形态和溃决破坏模式进行判别。
针对突发的临江临河滑坡事件，初步收集其滑坡堵江事件的滑坡物源、地形、堰塞坝关键参数、河道信息，包括但不限于滑坡物源信息、方量大小、启动模式、入江形式、堰塞坝关键几何参数、河道水深、宽度、纵断面形态等数据；
按照收集突发滑坡堵江事件堆积体的组成材料及材料的颗粒级配，按照粒径大小及级配组成特征，将堰塞坝的坝体组成划分成三种不同的类型，分为松散岩组、软硬混杂岩组、坚硬岩组，分别对应试验结果拟合模型中的粒径水平1、2、3；收集滑坡体体积，将滑坡体体积与河道信息进行对比分析，从1-5中选取合适滑坡体体积水平取值；依据滑坡边坡地形，将边坡角度与岸坡角度对应，取值水平为1、2、3。
| <![CDATA[滑坡体体积/×10<sup>4</sup>m<sup>3</sup>]]> | 取值水平 |
| <![CDATA[10×10<sup>4</sup>]]> | 1 |
| <![CDATA[50×10<sup>4</sup>]]> | 2 |
| <![CDATA[100×10<sup>4</sup>]]> | 3 |
| <![CDATA[200×10<sup>4</sup>]]> | 4 |
| <![CDATA[400×10<sup>4</sup>]]> | 5 |
依据上述步骤收集到的滑坡堵江基本数据，对滑坡基本信息进行拟合数学模型的取值判断，利用逻辑回归拟合模型进行滑坡堵江的堵江结果快速判别，及不同堵江形态的快速判别，首先依据逻辑回归拟合模型的判别结果及堰塞坝最低高程同河道水位的关系判断是否发生完全堵江，随后依据不同堵江情况及形态对堰塞坝进行分类，分为三大类形态，分别为斜坡型、凸起型、平缓型。对滑坡事件产生的堵江结果进行判别，判别分属哪种不同的堰塞坝类型。
根据对堰塞坝组成成分的分类、滑坡方量、堰塞坝几何参数、河道水位，对滑坡堵江产生堰塞坝的筑坝过程、堵江程度进行分析，并判别分类堰塞坝的不同堵江形态及典型特征断面。依据滑坡产生堵江堰塞坝的堵江程度、筑坝类型对滑坡堵江链式灾害的灾害程度及溃决破坏过程进行初步判别；
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，包括如下步骤：
S1、提取滑坡堵江数据信息并建立滑坡堵江案例数据库，选取灾害因子对数据库进行分类整理；
S2、利用数据库中的灾害因子进行统计分析，通过逻辑回归模型进行数学模型拟合，具体表示为：
；
；
其中，为岸坡角度，取值范围为[1、2、3]表示从低到高三种不同斜坡角度；为砂石粒径，取值范围为[1、2、3]表示从小到达三种粒径大小；为方量，取值范围为[1、2、3、4、5]表示从小到大的方量；
S3、根据分类之后的数据库以及拟合数学模型计算完整滑坡堵江式灾害的堰塞坝形态以及溃决破坏模式的判别标准；
S4、对突发临江临河滑坡时间进行基础数据收集，根据所收集的数据将堰塞坝的坝体组成划分为不同类型，并对其堰塞坝形态和溃决破坏模式进行判别，具体包括：
S41、按照粒径大小及级配组成特征将堰塞坝的坝体分为松散岩组、软硬混杂岩组、坚硬岩组，并分别对应拟合数学模型中的粒径水平的1、2、3；
S42、按照滑坡体体积，将滑坡体体积与河道信息进行对比，从方量级别中选取1-5对应的滑坡体体积水平；
S43、依据滑坡边坡地形，将边坡角度与岸坡角度对应，取值水平为1、2、3；
S44、根据所收集的基础数据，对滑坡基本信息进行拟合数学模型的取值判断，利用逻辑回归拟合模型进行滑坡堵江的堵江结果及不同堵江形态的判别。
2.根据权利要求1所述的一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，所述S1中滑坡堵江数据信息包括滑坡物源、地形地貌、河道水利条件、堰塞坝几何参数、溃决过程、灾害影响信息。
3.根据权利要求1所述的一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，所述S1中选取的灾害因子包括滑坡体体积、滑坡地形坡度、滑坡物质组成、河谷断面类型和河道宽度。
4.根据权利要求1所述的一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，所述S3中堰塞坝形态的堰塞坝形态以及溃决破坏模式的判别标准为：
依据堵江特征断面及特征高程大小，将堰塞坝横向断面形态分为斜坡型、凸起型、平缓型；
依据河道水位与堰塞坝最低高程的关系将堵江程度分为完全堵江、不完全堵江。
5.根据权利要求4所述的一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，所述S3中具体的判别依据为：
若，则判定为不完全堵江，其中，若最大坝高分布于河道两侧，则判定堰塞坝形态为为斜坡型；最大坝高分布于河道中部，则判定堰塞坝形态为凸起型；
若，则判定为不完全堵江且堰塞坝形态为平缓型；
若，则判定为完全堵江，其中，若最大坝高分布于河道两侧，则判定堰塞坝形态为斜坡型；最大坝高分布于河道中部，则判定堰塞坝形态为凸起型；
若，则判定为完全堵江且堰塞坝形态为平缓型；
其中，为河水深度，为堰塞坝最小坝高，为堰塞坝最大坝高，河道中部为河道中线1/3河道处位置。
6.根据权利要求1所述的一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法，其特征在于，所述S4中基础数据包括滑坡物源信息、方量大小、启动模式、入江形式、堰塞坝关键几何参数、河道水深、宽度、纵断面形态数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111659199.5A CN114331160B (zh) | 2021-12-30 | 2021-12-30 | 一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111659199.5A CN114331160B (zh) | 2021-12-30 | 2021-12-30 | 一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114331160A CN114331160A (zh) | 2022-04-12 |
| CN114331160B true CN114331160B (zh) | 2023-04-28 |
Family
ID=81019061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111659199.5A Active CN114331160B (zh) | 2021-12-30 | 2021-12-30 | 一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114331160B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035730A (zh) * | 2018-07-16 | 2018-12-18 | 河海大学 | 一种考虑服役环境影响的混凝土坝损伤动力预警方法 |
| CN111815195A (zh) * | 2020-07-20 | 2020-10-23 | 四川大学 | 一种滑坡堰塞湖溃决危险性评估方法 |
| CN113191271A (zh) * | 2021-04-30 | 2021-07-30 | 水利部长江勘测技术研究所 | 一种基于深度学习的堰塞坝表层颗粒物质检测方法 |
| CN113591700A (zh) * | 2021-07-30 | 2021-11-02 | 兰州大学 | 一种潜在滑坡堵江预测方法 |
| CN113807570A (zh) * | 2021-08-12 | 2021-12-17 | 水利部南京水利水文自动化研究所 | 基于XGBoost的水库大坝风险等级评估方法及*** |
-
2021
- 2021-12-30 CN CN202111659199.5A patent/CN114331160B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035730A (zh) * | 2018-07-16 | 2018-12-18 | 河海大学 | 一种考虑服役环境影响的混凝土坝损伤动力预警方法 |
| CN111815195A (zh) * | 2020-07-20 | 2020-10-23 | 四川大学 | 一种滑坡堰塞湖溃决危险性评估方法 |
| CN113191271A (zh) * | 2021-04-30 | 2021-07-30 | 水利部长江勘测技术研究所 | 一种基于深度学习的堰塞坝表层颗粒物质检测方法 |
| CN113591700A (zh) * | 2021-07-30 | 2021-11-02 | 兰州大学 | 一种潜在滑坡堵江预测方法 |
| CN113807570A (zh) * | 2021-08-12 | 2021-12-17 | 水利部南京水利水文自动化研究所 | 基于XGBoost的水库大坝风险等级评估方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 张苏 ; *** ; 李俊杰 ; 金平 ; 曹华林 ; .唐家山堰塞湖泄洪问题的研究.数学的实践与认识.2009,(16),67-78. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114331160A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815195B (zh) | 一种滑坡堰塞湖溃决危险性评估方法 | |
| Wrzesiński | Use of entropy in the assessment of uncertainty of river runoff regime in Poland | |
| CN112132371A (zh) | 一种耦合熵权-模糊聚类算法的城市洪涝风险评估方法 | |
| CN113723824A (zh) | 一种暴雨致灾风险评估方法 | |
| CN114331160B (zh) | 一种基于滑坡堵江形态的堰塞坝溃决灾害链模式识别方法 | |
| CN114141001B (zh) | 一种基于数字地形图的浅层土质滑坡的预警方法及应用 | |
| CN111739259B (zh) | 斜坡单元局部聚集性破坏判定方法、区域滑坡预警方法 | |
| Swanson et al. | Assessment of logistic regression model performance and physical controls on January 9, 2018, debris flows, Thomas Fire, California | |
| Kovaleva et al. | Grain size variability as an indicator of sediment transport alongshore the Curonian Spit (south-eastern Baltic Sea). | |
| CN102867123B (zh) | 一种泥石流一次性冲出量期望值的优化方法及其应用 | |
| CN110738378B (zh) | 一种山区泥石流灾害的预测方法和预测*** | |
| CN116050948A (zh) | 一种滑坡-堵江-溃决灾害链的风险评估方法 | |
| CN116429055A (zh) | 一种基于知识图谱-多监测点的大坝变形监控方法、装置、设备以及介质 | |
| CN112464474B (zh) | 基于危险性评价的低频泥石流预警方法 | |
| Zaidee et al. | Flood risk pattern recognition using chemometric techniques approach in Golok River, Kelantan | |
| Dai et al. | Trend and abrupt analysis of Dongting Lake water level and its driving forces using Mann-Kendall approach | |
| Hamdan | Hydro-morphometric analysis using geospatial technology: A case study of Wadi Gabgaba and Wadi Allaqi watersheds, southern Egypt-northern Sudan | |
| He et al. | Sediment change under climate changes and human activities in the Yuanjiang-Red River Basin | |
| Naimah et al. | Forecasting river bank erosion with regards to rainfall erosivity and soil erodibility | |
| CN114755387B (zh) | 基于假设检验法的水体监测点位优化方法 | |
| CN110967392B (zh) | 基于铍-10同位素的无资料流域土壤侵蚀程度评估方法 | |
| CN114897440B (zh) | 基于多维视域的尾矿库区域环境风险评估分析方法及*** | |
| Green | Down the rabbit hole: identifying physical controls on sinkhole formation in the UK | |
| Passarella et al. | A methodology for space-time classification of groundwater quality | |
| Konkol et al. | Statistical evaluation of physical and index properties of Vistula Marshlands deltaic soft soils |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |