CN115375131A - 一种用于重载铁路的地质灾害风险评价方法 - Google Patents
一种用于重载铁路的地质灾害风险评价方法 Download PDFInfo
- Publication number
- CN115375131A CN115375131A CN202210989275.7A CN202210989275A CN115375131A CN 115375131 A CN115375131 A CN 115375131A CN 202210989275 A CN202210989275 A CN 202210989275A CN 115375131 A CN115375131 A CN 115375131A
- Authority
- CN
- China
- Prior art keywords
- geological
- disaster
- occurrence
- heavy haul
- geological 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000014509 gene expression Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 7
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012954 risk control Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于重载铁路的地质灾害风险评价方法,包括以下步骤:对地质灾害历史数据进行记录并存储;根据所述历史数据建立不同类型重载铁路地质灾害发生概率与影响所述地质灾害的各因素之间的关系式;代入需要评价的重载铁路地质灾害主要影响因素实时数据,得出发生地质灾害的概率并进行风险评价。本发明针对重载铁路不同类型地质灾害的影响因素,运用智能分析技术根据以往数据分析得出不同地质灾害发生概率与影响因素间关系,再结合实时数据进行地质灾害风险评价,确保对地质灾害风险评价与管控的针对性与高效性,实现了对重载铁路不同类型的地质灾害进行分类型评价,提高了风险评价的准确性,从而有效降低重载铁路地质灾害带来的损害。
Description
技术领域
本发明涉及地质灾害风险管控技术领域,尤其涉及一种用于重载铁路的地质灾害风险评价方法。
背景技术
地质灾害是一种频发的自然灾害,它威胁人民的生命财产安全,给社会经济生活造成巨大损失。我国地质灾害具有点多面广的分布特点,而地质灾害风险管控的能力和人力有限,无法有效开展面面俱到的地质灾害风险管控工作。由于地质灾害的影响因素多样,因素之间的作用机制交错复杂,面对当前有限的地质灾害风险管控能力和人员物质基础,为合理配置风险管控资源及提升管控效果,实现基于有限投入来达成地质灾害风险管控效益最大化的目标,十分有必要对众多地质灾害进行差别化风险评估,以便最大限度地为地质灾害风险管理层提供决策依据,确保风险管控对策实施的针对性和高效性。
根据国家铁路局官网政府信息公开栏中“《重载铁路设计与规范》专家解读”一文的说明,重载铁路是指满足牵引质量8000t及以上、轴重为270kN及以上、在至少150km线路区段上年运量大于40Mt三项条件中两项、行驶列车总重大、行驶大轴重货车或行车密度和运量特大的铁路。此类铁路沿线若发生滑坡或者崩塌等地质灾害,将给附近人员及物质财产造成巨大损失,因此,对重载铁路地质灾害风险评价与管控而言,需要分析和判断重载铁路边坡的稳定条件,评定铁路边坡岩土体在路面震动、持续降雨等条件的破坏下的安全度,实现铁路边坡稳定评估目的。重载铁路边坡稳定的影响因素主要有重载铁路边坡的物质组成结构、重载铁路边坡坡形及坡度、降水作用、铁路载重情况及其他人类活动等。
目前,针对重载铁路边坡地质灾害的分析评价一般都是利用传统的地质灾害评价方法,如遥感图像解译、工程地质测绘等,但是重载铁路边坡有其自身的特性,用传统地质灾害的评价方法进行评价将使结果不够准确,从而降低此类地质灾害的管控效率。
发明内容
为了解决采用传统边坡稳定分析方法难以准确评价重载铁路边坡地质灾害风险、导致对此类风险的管控效率降低从而造成不可估计的损失的问题,本发明提供了一种用于重载铁路的地质灾害风险评价方法,可以有效针对重载铁路不同类型地质灾害的影响因素、运用智能分析技术根据以往数据分析得出不同地质灾害发生概率与影响因素间关系,再结合实时数据进行地质灾害风险评价,确保对地质灾害风险评价与管控的针对性与高效性,有效降低重载铁路地质灾害带来的损害。
为了实现上述目的,本申请技术方案如下:
本发明提供了一种用于重载铁路的地质灾害风险评价方法,包括如下步骤:
步骤1:将重载铁路发生地质灾害的历史数据记入数据存储模块中;
步骤2:对于各种类型的重载铁路地质灾害,从存储所述重载铁路地质灾害历史数据的数据存储模块中获取某一类型数据作为训练样本数据集;
步骤3:基于所述训练样本数据集,建立该类型重载铁路地质灾害发生概率与影响该类型重载铁路地质灾害发生的各因素之间的关系式;
步骤4:根据所述关系式,代入需要进行评价的重载铁路地质灾害的主要影响因素实时数据,计算得到发生该类地质灾害的概率,并进行风险评价;
步骤5:将此次评价所用数据以及地质灾害发生或未发生的真实情况数据储存在数据存储模块中。
进一步地,在步骤1中,所述历史数据包括在重载铁路上发生的不同类型地质灾害的主要影响因素数据。
进一步地,在步骤2、步骤3中,基于所述训练样本数据集建立该类型重载铁路地质灾害的发生概率与影响该类型重载铁路地质灾害的各因素之间的关系表达式可以是采用Logistic模型来表征的。
进一步地,所述Logistic模型回归方程为:LgP=Ln[P/(1-P)]=β0+β1X1+β2X2+…+βnXn;其中,β0为常数,表示在没有任何灾害隐患条件下地质灾害发生与不发生的概率之比的对数值,β1、β2、…、βn为逻辑回归系数,表示对应影响因素指标值改变时地质灾害发生与不发生概率之比的对数值,X1、X2、…、Xn为影响地质灾害发生的各因素的指标值,P为地质灾害发生概率,Lg是以10为底的对数符号,Ln是自然对数符号。
进一步地,运用信息量法建立模型(信息量表示信息多少的量度,指从N个相等可能事件中选出一个事件所需要的信息度量或含量),计算各影响因素的信息量值Gi作为Logistic模型中的指标值Xi,某种影响因素导致特定地质灾害发生的可能性是通过计算其信息量来度量的,即用信息量大小来评价影响因素及其状态与所述地质灾害发生的关系(即危险性),其核心是计算各影响因素对所述地质灾害发生贡献大小的信息量,其公式为:其中,所述Gi为对应因素i引起特定地质灾害发生的信息量值,Li为监测区内对应因素i引起所述地质灾害发生的单元数,L表示监测区内所述地质灾害发生的单元总数;Ci为监测区内含有对应因素i的单元总数,C表示监测区域单元总数,ln是自然对数符号。
进一步地,根据所述Logistic模型,得出其中Z=β0+β1X1+β2X2+…+βnXn,P为地质灾害发生概率,e为自然常数,β0为常数,表示在没有任何灾害隐患条件下地质灾害发生与不发生的概率之比的对数值,β1、β2、…、βn为逻辑回归系数,表示对应影响因素指标值改变时地质灾害发生与不发生概率之比的对数值,X1、X2、…、Xn为影响地质灾害发生的各因素的指标值。
进一步地,在步骤4中,所述风险评价分为三个等级,一级风险评价等级为灾害高易发等级,表示重载铁路地质灾害发生的概率超过第一概率值,应该采取紧急管控措施,做好抢险救灾准备;二级风险评价等级为灾害中易发等级,表示重载铁路地质灾害发生的概率超过第二概率值,但不高于第一概率值,应该采取措施尽量避免或缓解地质灾害的发生;三级风险评价等级为低易发等级,表示重载铁路地质灾害发生的概率超过第三概率值,但不高于第二概率值,应该提高对该区域发生地质灾害的关注,增加对该区域进行风险评价的频率。例如,第一概率值可以是60%,第二概率值可以是40%,第三概率值可以是20%。
进一步地,在步骤5中,不论灾害最终发生与否,都需要把重载铁路地质灾害最终真实情况的数据进行储存,以提高今后灾害评价的准确率,所述数据包括但不限于灾害实际是否发生、灾害等级、影响因素数据、影响范围、人员伤亡、财产损失等。
本申请提供一种用于重载铁路的地质灾害风险评价方法,可以针对重载铁路不同类型地质灾害的影响因素,运用智能分析技术根据以往数据分析得出不同地质灾害发生概率与影响因素间关系,再结合实时数据进行地质灾害风险评价,确保对地质灾害风险评价与管控的针对性与高效性,实现对重载铁路不同类型的地质灾害进行分类型评价,提高了风险评价的准确性,可以有效降低重载铁路地质灾害带来的损害。
附图说明
图1为一种用于重载铁路的地质灾害风险评价方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
实施例1
图1给出了根据本发明一个实施例的一种用于重载铁路的地质灾害风险评价方法流程图。概括而言,该方法主要包括:S1,对地质灾害历史数据进行记录并存储;S2,根据所述历史数据建立不同类型重载铁路地质灾害发生概率与影响所述地质灾害的各因素之间的关系表达式;S3,代入所述表达式需要评价的重载铁路地质灾害的主要影响因素实时数据,得出发生所述地质灾害的概率并进行风险评价。
其中,与各类型重载铁路地质灾害对应的关系表达式通过以下步骤得到:对于每种类型的重载铁路地质灾害,从存储有与各种重载铁路地质灾害相关的信息数据的存储模块中获取属于该类型的多个重载铁路地质灾害的相关信息数据作为训练样本数据集;基于所述训练样本数据集,建立该类型重载铁路地质灾害的发生概率与影响该类型重载铁路地质灾害的各因素之间的关系表达式。该方法的执行主体可以是服务器或用于评价重载铁路地质灾害的任何一个或多个计算装置及其组合。
其中,存储模块中存储的重载铁路地质灾害信息至少包括重载铁路路段载重情况、山体或坡体距铁路距离、重载铁路附近山体坡度、植被覆盖情况、地区降雨情况以及重载铁路沿线的人类活动情况(例如存在采矿、大量伐木等)。重载铁路地质灾害可以分为很多种类型,例如边坡山体滑坡、泥石流、坍塌、落石等等,对于不同类型的重载铁路地质灾害,影响所述地质灾害发生的因素也不同。因此,在本发明的实施例中,对于不同类型的重载铁路地质灾害分别训练与其关联的发生概率预测模型。
例如,基于以往某段重载铁路边坡发生山体滑坡时各因素的数据,将所述历史数据作为训练样本集,由所述Logistic回归方程LgP=Ln[P/(1-P)]=β0+β1X1+β2X2+…+βnXn进行回归,可以得出各影响因素的β值。通过训练样本集可能得出的β0为-1.045,坡度回归系数β1为0.254,降雨量回归系数β2为0.556,植被覆盖率回归系数β3为-0.119,人类工程活动回归系数β4为0.178,距铁路距离回归系数β5为0.287,铁路载重回归系数β6为0.156,则重载铁路边坡山体滑坡发生概率与影响重载铁路边坡发生山体滑坡的各因素之间的关系式为LgP=Ln[P/(1-P)]=-1.045+0.254X1+0.556X2-0.119X3+0.178X4+0.287X5+0.156X6。而对某一区域进行20m×20m的单元剖分后,共分为2457638个单元,根据对区域单元的剖分,将相应数据代入信息量模型可计算得出各因素信息量值。
应用计算例一:某段铁路附近山体的各因素情况取值示例如下表1。
表1信息量值表一
由此根据所述Logistic模型,其中Z=-1.045+0.254X1+0.556X2-0.119X3+0.178X4+0.287X5+0.156X6,可以得出该地区重载铁路边坡山体滑坡的概率P=62.7%,属于一级风险评价等级,表示滑坡灾害高易发,应进行相应风险提示并采取紧急管控措施。
应用计算例二:另一段铁路附近山体的各因素情况取值示例如下表2。
表2信息量值表二
由此根据所述Logistic模型,其中Z=-1.045+0.254X1+0.556X2-0.119X3+0.178X4+0.287X5+0.156X6,可以得出该地区重载铁路边坡山体滑坡的概率P=43.8%,属于二级风险评价等级,表示滑坡灾害中易发,应该进行相应风险提示并采取措施尽量避免或缓解地质灾害的发生。
应用计算例三:再一段铁路附近山体的各因素情况取值示例如下表3。
表3信息量值表三
由此根据所述Logistic模型,其中Z=-1.045+0.254X1+0.556X2-0.119X3+0.178X4+0.287X5+0.156X6,可以得出该地区重载铁路边坡山体滑坡的概率P=35.2%,属于三级风险评价等级,表示滑坡灾害低易发,应该提高对地段发生地质灾害的关注,增加对该地段进行风险评价的频率。
完成风险评价后,将该次评价所用数据以及地质灾害的真实情况数据(灾害发生后的相关数据或灾害未发生)储存在数据存储模块中,并将所述数据加入对应地质灾害类型的训练样本集中进行机器训练,使得灾害发生概率方程中得出的系数拟合度更高。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.一种用于重载铁路的地质灾害风险评价方法,其特征在于:包括如下步骤:
步骤1:将重载铁路发生地质灾害的历史数据记入数据存储模块中;
步骤2:对于各种类型的重载铁路地质灾害,从存储所述重载铁路地质灾害历史数据的数据存储模块中获取某一类型数据作为训练样本数据集;
步骤3:基于所述训练样本数据集,建立该类型重载铁路地质灾害发生概率与影响该类型重载铁路地质灾害发生的各因素之间的关系式;
步骤4:根据所述关系式,代入需要进行评价的重载铁路地质灾害的主要影响因素实时数据,计算得到发生该类地质灾害的概率,并进行风险评价;
步骤5:将此次评价所用数据以及地质灾害发生或未发生的真实情况数据储存在数据存储模块中。
2.根据权利要求1所述的一种用于重载铁路的地质灾害风险评价方法,其特征在于:在步骤1中,所述历史数据包括在重载铁路上发生的不同类型地质灾害的主要影响因素数据。
3.根据权利要求1所述的一种用于重载铁路的地质灾害风险评价方法,其特征在于:在步骤2、步骤3中,基于所述训练样本数据集建立该类型重载铁路地质灾害的发生概率与影响该类型重载铁路地质灾害的各因素之间的关系表达式是采用Logistic模型来表征的。
4.根据权利要求3所述的一种用于重载铁路的地质灾害风险评价方法,其特征在于:所述Logistic模型回归方程为:LgP=Ln[P/(1-P)]=β0+β1X1+β2X2+…+βnXn,其中,β0为常数,表示在没有任何灾害隐患条件下地质灾害发生与不发生的概率之比的对数值,β1、β2、…、βn为逻辑回归系数,表示对应影响因素指标值改变时地质灾害发生与不发生概率之比的对数值,X1、X2、…、Xn为影响地质灾害发生的各因素的指标值,P为地质灾害发生概率,Lg是以10为底的对数符号,Ln是自然对数符号。
7.根据权利要求1所述的一种用于重载铁路的地质灾害风险评价方法,其特征在于:在步骤4中,所述风险评价分为三个等级,一级风险评价等级为灾害高易发等级,表示重载铁路地质灾害发生的概率超过第一概率值,应该采取紧急管控措施,做好抢险救灾准备;二级风险评价等级为灾害中易发等级,表示重载铁路地质灾害发生的概率超过第二概率值,但不高于第一概率值,应该采取措施尽量避免或缓解地质灾害的发生;三级风险评价等级为低易发等级,表示重载铁路地质灾害发生的概率超过第三概率值,但不高于第二概率值,应该提高对该区域发生地质灾害的关注,增加对该区域进行风险评价的频率。
8.根据权利要求1所述的一种用于重载铁路的地质灾害风险评价方法,其特征在于:在步骤5中,不论灾害最终发生与否,都需要把重载铁路地质灾害最终真实情况的数据进行储存,以提高今后灾害评价的准确率,所述数据包括但不限于灾害实际是否发生、灾害等级、影响因素数据、影响范围、人员伤亡、财产损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989275.7A CN115375131A (zh) | 2022-08-17 | 2022-08-17 | 一种用于重载铁路的地质灾害风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989275.7A CN115375131A (zh) | 2022-08-17 | 2022-08-17 | 一种用于重载铁路的地质灾害风险评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375131A true CN115375131A (zh) | 2022-11-22 |
Family
ID=84065699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210989275.7A Pending CN115375131A (zh) | 2022-08-17 | 2022-08-17 | 一种用于重载铁路的地质灾害风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375131A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144761A (zh) * | 2019-12-27 | 2020-05-12 | 成都理工大学 | 一种基于典型地下地质灾害风险评价的铁路选线方法 |
CN112132470A (zh) * | 2020-09-25 | 2020-12-25 | 西北大学 | 一种基于加权信息量法的滑坡易发性评估方法 |
CN113409550A (zh) * | 2021-06-25 | 2021-09-17 | 西藏林芝市气象局 | 基于径流汇流模拟的泥石流灾害预警方法及*** |
CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
CN113888023A (zh) * | 2021-10-25 | 2022-01-04 | 中铁二院工程集团有限责任公司 | 一种基于多源地质灾害危险性评价的铁路减灾选线方法 |
CN114595629A (zh) * | 2022-03-01 | 2022-06-07 | 合肥工业大学 | 基于gbdt-lr和信息量模型的滑坡易发性评价方法 |
-
2022
- 2022-08-17 CN CN202210989275.7A patent/CN115375131A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144761A (zh) * | 2019-12-27 | 2020-05-12 | 成都理工大学 | 一种基于典型地下地质灾害风险评价的铁路选线方法 |
CN112132470A (zh) * | 2020-09-25 | 2020-12-25 | 西北大学 | 一种基于加权信息量法的滑坡易发性评估方法 |
CN113409550A (zh) * | 2021-06-25 | 2021-09-17 | 西藏林芝市气象局 | 基于径流汇流模拟的泥石流灾害预警方法及*** |
CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
CN113888023A (zh) * | 2021-10-25 | 2022-01-04 | 中铁二院工程集团有限责任公司 | 一种基于多源地质灾害危险性评价的铁路减灾选线方法 |
CN114595629A (zh) * | 2022-03-01 | 2022-06-07 | 合肥工业大学 | 基于gbdt-lr和信息量模型的滑坡易发性评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
CN112287018B (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及*** | |
CN111611524A (zh) | 一种燃气风险评估与***资源匹配方法及装置 | |
CN107067129A (zh) | 基于网格的铁路工务设备风险事件可能性获取方法及*** | |
CN104318717A (zh) | 一种历史数据短缺条件下的暴雨泥石流预警方法 | |
CN112561352A (zh) | 一种轨道交通信号***健康评估方法及评估装置 | |
Hongxun et al. | Data quality assessment for on-line monitoring and measuring system of power quality based on big data and data provenance theory | |
CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN115375131A (zh) | 一种用于重载铁路的地质灾害风险评价方法 | |
CN112101754B (zh) | 一种电力应急保障能力评价方法 | |
CN116502748A (zh) | 融合多影响因素的滑坡空间风险性预警决策机制研究方法 | |
Peng et al. | Research on risk assessment of railway freight station based on nonlinear combination of ahp-entropy | |
Vasyutinska et al. | Analysis of urbanization impact on the dy namics of emergencies and risks for population in Ukraine | |
CN112801544A (zh) | 一种公路数字化管理绩效评价方法及*** | |
CN112488360A (zh) | 基于人工智能的配变异常分析预警方法 | |
CN111666528A (zh) | 沿海台风地区输电线路杆塔改造优先度评估方法 | |
CN112488475A (zh) | 一种多层次网格化可靠性差异化评价的方法及*** | |
Zhang et al. | Quantitative Assessment of Drought Impacts Using XGBoost based on the Drought Impact Reporter | |
Chen et al. | A study of property insurance based on ARFLGB-XGBoost modeling | |
Argent | Dissecting the drivers of rural demographic decline: The case of the new England and north West region of New South Wales | |
CN117057601B (zh) | 基于物联网的非煤矿山安全监测预警*** | |
CN117131947B (zh) | 架空输电线路故障预测方法、装置、设备及存储介质 | |
CN117745124A (zh) | 智慧高速公路评价方法及装置 | |
Factor | Effects of per-vehicle entrance fees on US National Park visitation rates |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |