[发明专利]一种基于云模型的滑坡危险性分析方法

说明书

本发明公开了一种基于云模型的滑坡危险性分析方法，包括构建各评价因素的分级标准；获取研究区域中各评价因素实时数据；根据云模型标度确定评价因素两两重要性比较结果，以获得云模型的判断矩阵，并利用判断矩阵，获得云模型权重向量，云模型权重向量的每行为一个评价因素的权重向量；利用构建的各评价因素的分级标准确定各评价因素的各等级的数字特征，利用绘制各评价因素的云图；基于云图和云模型权重向量，利用研究区域中各评价因素实时数据计算评价指标体系的各等级确定度，并根据最大隶属原则，确定滑坡危险性的等级。本发明能够通过研究区域中各评价因素实时数据确定滑坡危险性的等级。

技术领域

本发明涉及一种基于云模型的滑坡危险性分析方法，属于地质滑坡灾害风险分析技术领域。

背景技术

近年来广泛应用的滑坡危险性的评价方法分为两类：定性评价法和定量评价法。定性评价法往往过多地偏于依赖专家的知识和经验，具有较强的主观性，并且结果误差较大。定量评价法又分为确定性分析法和不确定性分析法。不确定性分析法主要是指涉及多学科的交叉综合分析法，是目前滑坡研究领域的热点，多采用新型智能算法，相比于确定性分析法而言，其更具有统计学意义，评价精准度也更高，近年来常用的不确定性分析法有：统计分析法、神经网络模型、逻辑回归模型、支持向量机、模糊评价法、决策树等。在滑坡危险评估研究领域，从上个世纪90年代开始就开始使用的层次分析法，可以提供简洁、有效的决策方法，但该方法存在很大不足，即放大决策者的主观偏好，为了解决决策者在构建判断矩阵因素赋值过程中的不确定性，采用云模型进行耦合，改进传统层次分析法。

滑坡危险性评价中的不确定性包括了随机性和模糊性。二者的区别：随机性表示事件的发生与否并不肯定，但事件的结果却是明确的；模糊性，表示事物边界不清晰，是事物差异之间存在中间过渡的过程。随机性可以用概率论和数理统计研究，模糊性则可以用模糊数学作为工具来研究，利用模糊数学中的“隶属函数”描述隶属程度，以此来处理模糊性的问题。但随机性和模糊性二者之间仍然存在一定的关联性，为了研究这种关联性，1995年中国工程院院士李德毅提出了一个新的概念—云模型，云模型是基于随机数学和模糊数学理论的可以实现定性和定量相互转换的模型。本申请提出一种基于云模型的滑坡危险性分析方法。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于云模型的滑坡危险性分析方法，能够通过研究区域中各评价因素实时数据确定滑坡危险性的等级。

为达到上述目的，本发明是采用下述技术方案实现的：

本发明提供一种基于云模型的滑坡危险性分析方法，包括以下步骤：

获取研究区域滑坡事件的基本资料，并根据研究区域滑坡事件的基本资料确定用于分析滑坡危险性的评价指标体系以及滑坡危险性等级，以构建各评价因素的分级标准；

获取研究区域中各评价因素实时数据；

根据云模型标度确定评价因素两两重要性比较结果，以获得云模型的判断矩阵，并利用判断矩阵，获得云模型权重向量，云模型权重向量的每行为一个评价因素的权重向量；

利用构建的各评价因素的分级标准确定各评价因素的各等级的数字特征，并基于正向正态云发生器，利用确定的数字特征绘制各评价因素的云图，各云图横坐标为对应评价因素的取值，纵坐标为各评价因素取值对应的各等级的隶属度；

基于云图和云模型权重向量，利用研究区域中各评价因素实时数据计算评价指标体系的各等级确定度，并根据最大隶属原则，确定滑坡危险性的等级。

进一步地，所述评价指标体系包括内在因素和外在因素；

所述内在因素包括坡度、坡向以及坡高；

所述外在因素包括植被覆盖度、有效降雨量以及降雨强度。

进一步地，所述有效降雨量通过下式获得：