基于GIS与支持向量机的溃坝损失评估

 针对溃坝损失评估涉及众多地理空间对象且影响因素多而复杂的特点,提出了GIS支持下基于支持向量机的溃坝损失评估方法。分析了溃坝损失的计算方法及其影响因素,通过灰色关联度模型建立了评估指标体系。详细探讨了GIS与支持向量机模型相结合进行溃坝损失评估的方法与实现过程。应用表明,该评估方法精度较高,效果较好。     

基于GIS和支持向量机的土石坝溃决损失评估模型

针对土石坝溃决损失评估涉及众多地理空间对象且影响因素多而复杂的特点,基于GIS空间信息格网模型与支持向量机建立了土石坝溃决损失评估模型.利用GIS空间信息格网模型组织和管理大量空间信息数据,应用支持向量机评估溃坝生命损失率.以评估模型为基础,构建了土石坝溃决损失评估系统.实例应用研究表明,利用该系统可实现土石坝溃决损失快速评估,精度较高,效果较好.可为土石坝风险管理以及防灾减灾、救援决策提供参考.     

GIS支持下的溃坝损失评估方法研究

针对溃坝损失评估涉及众多地理空间对象的特点,提出了GIS支持下的溃坝损失评估方法。在分析生命损失与经济损失的基础上,建立了溃坝损失评估模型。探讨了GIS支持下溃坝损失评估的方法与实现过程．并对评估方法中的几个关键问题进行了分析。通过实际应用表明,该评估方法操作性较强,效果较好,具有较强的推广价值。     

溃坝损失评估方法研究进展

大坝的溃决将给人民生命财产带来重大的损失,而溃坝损失评估是大坝风险管理的重要组成部分,可以为风险决策提供重要的理论支撑。介绍了国内外在溃坝损失研究方面的成果与进展,分别从生命损失、经济损失、生态损失等方面对国内外的研究现状进行了阐述,并通过对比分析各模型的评价指标和模拟结果,了解了常用溃坝损失评估模型的优缺点,探讨了实测资料匮乏等客观因素对溃坝损失评估研究的局限。指出：基础数据的可靠性对于溃坝损失评估方法的建立和验证至关重要,历史溃坝资料的匮乏与记载混乱也制约了评估方法的建立;对于各类损失影响因素的提炼与分析是溃坝损失评估的基础,影响因素的量化过程对评估模型的可靠性与准确性有着重要影响;目前国内外开展的溃坝生命损失与经济损失的研究主要基于静态指标,应充分考虑人为干预对溃坝损失评估结果的影响,可基于人类行为和社会组织机制研究溃坝撤离系统动力学特征,探索动态指标与溃坝损失之间的定量关系,建立溃坝损失评估综合指标体系和动态评估模型。     

基于数字高程模型DEM的溃坝生命损失风险分析

数字高程模型DEM作为基础空间数据,在众多领域有着广泛的应用。本文在油罗口水库大坝缺乏下游实测地形数据资料的情形下,以地形图数据和ArcGIS软件平台获取的计算域下游所需地面高程等信息为基础,应用BREACH软件及River2D水动力学模型模拟了水库下游溃坝洪水演进,采用Graham法估算了水库下游溃坝生命损失,初步得出油罗口水库大坝遭受重现期为5000a一遇洪水时,副坝发生管涌破坏溃决导致的生命损失风险是不可容忍的。由此也可以让水库管理决策人员对水库溃坝洪水可能造成的后果做到心中有数,做好日常的防洪调度及应急预案编制工作,最大程度保障水库下游人民群众生命安全,防止灾害的发生。     

基于BP神经网络的溃坝生命损失评价研究

采用风险人口、洪水严重性、警报时间、理解程度等4个定量指标,基于BP神经网络理论以及灾情判别准则,建立了溃坝生命损失分级评定模型.实例应用表明:利用BP神经网络进行溃坝生命损失等级模式识别的误差非常小,经过训练后的网络完全可以满足溃坝生命损失严重程度评价的要求.     

基于二维溃坝波数值模拟的生命损失估算

通过界面数值通量以及底坡源项的计算求解无碰撞二维Boltzmann方程,建立了二维溃坝波数值模型.以杭州市余杭镇上游某水库为例,模拟了该水库溃坝后溃坝波的演进过程,模拟结果表明溃坝洪水淹没范围很大,距坝约11 km的下游,水深仍可达4.0 m以上.同时,应用通用的溃坝生命损失模型,在获取网格单元上的水力学参数值（包括水深和最大流速）基础上,输入当地的地形、人口等基本数据,估算了水库溃坝对下游造成的生命损失.该方法可用于其他水库的风险管理分析,为相关部门决策提供依据和参考.     

土石坝溃决人员生命损失评估方法研究

大坝溃决是一种低概率高风险的灾害,研究一种可靠的溃坝生命损失评估方法对于溃坝突发事件应急响应显得尤为必要.但由于致灾环境复杂,生命损失受到定性与定量因素的耦合作用,造成了致灾因子体系的不确定性与灰色性,使得生命损失难以定量评估.通过对具有生命损失统计数据的16座大坝溃坝案例进行分析,基于双对数坐标构建了风险人口与生命损...     

基于灰色关联分析法的溃坝生命损失综合评价模型

溃坝生命损失影响因素众多,且各影响指标定量赋值具有很大的不确定性;而生命损失评价是个十分复杂的系统,具有较大的灰色性和不确定性.因此引入灰色关联分析模型进行评价,通过选取7个影响指标对7座已溃决大坝的分析计算,表明灰色关联分析方法对生命损失评价具有一定的精度和合理性,但仍需进一步研究和探讨.     

基于支持向量机的岩爆识别模型

岩爆的发生受多种因素的影响,这些因素关系错综复杂,以不同的特征和组合对岩爆产生综合影响,为科学、充分地利用现有的有限工程资料,本文从地下洞室围岩最大切向应力、岩石的单轴抗压强度和抗拉强度以及岩石冲击倾向指数四个主要因素出发,提出了基于支持向量机的岩爆识别模型,较好地解决小样本、非线性、高维数、局部极小点等的实际问题。     

混凝土坝安全监控最小二乘支持向量机模型

传统的混凝土坝安全监控模型难以精确反映大坝变形的非线性变化规律,一定程度上影响模型的预测效果。基于统计学习理论的支持向量机,采用结构风险最小化准则,具有结构简单、理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点。将最小二乘支持向量机应用于大坝安全监控领域,建立了混凝土坝的支持向量机监控模型。工程案例证明,该模型精度较高,具有广泛的实用性。     

基于小波分解和支持向量机的大坝位移监控模型

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。     

大坝监控小波去噪变权支撑向量回归机模型

为有效利用监控模型和指标判别大坝安全性态,实现大坝安全预警。首先利用小波分析对实测数据进行去噪处理,在此基础上利用支撑向量机小样本建模和高泛化能力,考虑不同幅度测值对大坝预警所起的作用不同,从而建立大坝监控变权支撑向量回归机模型。工程实例和理论分析表明,模型具有一定的理论和实用价值。     

基于最小二乘支持向量机的土石坝渗透系数反演

针对土石坝渗透参数和测压管水位间复杂的非线性关系,应用最小二乘支持向量机于土石坝渗透系数的反演。首先利用有限元模型得到最小二乘支持向量机的训练样本,建立坝体水压分量相对值和渗透系数间复杂的非线性关系,并将其输入到训练好的最小二乘支持向量机模型,即可得到大坝渗透系数的反演值。以某土石坝为例经对比分析,该方法是可行的。     

基于改进GWO和SVM的大坝变形预测

建立准确可靠的大坝变形预测模型是大坝安全评价的重要内容,为此,将差分进化算法的交叉和变异算子引入灰狼优化算法(GWO),提出一种基于改进灰狼算法(MGWO)优化支持向量机(SVM)的大坝变形预测方法.通过差分进化算法丰富初始种群,提出改进灰狼优化算法(MGWO),并采用MGWO算法优化SVM的惩罚因子和核函数,建立基于...     

人工免疫算法优化双支持向量机在拱坝变形预测中的应用

为了能够通过监测数据直观反映出坝体是否处于稳定运行状态,采用人工免疫算法优化的双支持向量机方法,对高拱坝变形数据进行了拟合预测分析,双支持向量机与标准支持向量机相比极大地提高了计算速度,在进行批量重复计算中计算效率明显提升。针对双支持向量机计算结果受参数影响较大且参数多的问题,引入人工免疫算法搜寻双支持向量机参数,人工免疫算法在遗传算法的基础上保留了一定数量的较优解,提升了算法的搜索效率。工程算例分析表明,参数对双支持向量机结果影响较大,通过人工免疫算法搜寻最优参数后,双支持向量机能够较好地拟合拱坝坝体变形数据,预测结果符合工程精度要求,最大误差仅为1 mm左右。     

信息量支持下SVM模型滑坡灾害易发性评价

三峡库区是我国滑坡灾害广泛发育的地区之一,滑坡灾害易发性评价对库区的防灾减灾有重要意义。在滑坡灾害易发性指标信息量的基础上,构建了信息量支持下的SVM模型,并对滑坡灾害易发性进行了评价。该模型根据地层岩性、地质构造、坡度、坡向、坡型结构、土地利用类型、水、归一化植被指数,以及上述指标的总信息量,共9类指标组成的数据集进行SVM训练,得到评价模型;运用该评价模型对研究区全区滑坡灾害易发性进行评价,并以模型决策值的零点和突变点确定易发性等级划分标准。并以三峡库区万州主城区为研究区验证模型,研究表明信息量支持下SVM模型的训练样本精度为81.41%,验证样本精度为91.11%,优于常用的信息量模型,滑坡的高易发区和较高易发区占研究区总面积的47.05%,主要集中在人类工程活动强烈的长江干支流两侧,结果与已知滑坡分布基本一致,表明该模型在研究区具备较好的适用性。     

基于交叉验证LSSVM的大坝监测数据处理模型

使用交叉验证法搜索最优模型参数,以此建立大坝监测数据处理模型。依据对所建模型进行测试,测试结果与BP神经网络模型所得结果比较得出如下结论:基于交叉验证LSSVM的大坝监测数据处理模型具有较好的稳定性和较高的精度,提出的大坝监测数据处理模型具有较高的实用性。更多还原