欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022107442430
申请人: 兰州理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,其步骤如下:步骤S1:选取与裂隙病害发育直接相关的因素建立评价指标体系,评价指标包括:隙长、隙开度、裂隙连通率和自然环境特征;

步骤S2:利用模糊层次分析法根据评价指标体系计算主观权重,根据研究区域的评价指标体系的数据利用多变量不安定指数法计算第一客观权重、利用改良熵值法计算第二客观权重,通过等权重加权平均处理主观权重、第一客观权重和第二客观权重得到评价指标的综合权重;

所述第二客观权重的计算方法为:

A1.归一化处理: 其中,Xij表示第i个评价指标的第j项研究区域*

的占比重要程度;Xij表示对于负相关指标归一化后得到的无量纲矩阵元素;maxij表示第i个评价指标的第j项研究区域范围内最大值;minij表示第i个评价指标的第j项研究区域范围内最小值;

*

A2.评价指标平移处理:Xi′j=Xij+p;

其中,p为评价指标平移幅度;Xi′j表示归一化后无量纲矩阵元素经过指标平移得到的新矩阵元素;

A3.计算第i个评价指标下第j个样本占该评价指标的比重:其中,n1表示研究区域的总个数;

A4.计算第i个评价指标的信息熵:

A5.计算第i个评价指标的信息效用值:di=1‑ei;

A6.计算第i个评价指标的第二客观权重为:

步骤S3:利用TOPSIS逼近理想解法评价裂隙病害发育等级:根据步骤S2确定的综合权重计算各评价方案与正负理想解的欧氏距离,通过欧式距离对多个西北干旱区域夯土遗址裂隙病害发育程度进行评价,得到裂隙病害发育等级;

步骤S4:利用机器学习BP神经网络构建BP神经网络预测模型,将评价指标体系的所有评价指标作为输入数据、步骤S3的评价结果作为输出数据对多个西北干旱区域夯土遗址裂隙病害未来发育趋势进行预测,并验证预测结果。

2.根据权利要求1所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述评价指标中的隙长包括总隙长和平均隙长;隙开度包括最大隙开度和平均隙开度;裂隙连通率包括体密度和线密度;自然环境特征包括年均温度、年均降雨量、年均蒸发量、干旱指数和年均日照时数。

3.根据权利要求2所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,对各评价指标的方向性进行判断得到各评价指标的方向性均为负。

4.根据权利要求2或3所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述模糊层次分析法的实现方法为:(1)构建FAHP模型:包括目标层、准则层、指标层,目标层为裂隙病害发育程度A;准则层包括隙长B1、隙开度B2、裂隙连通率B3和环境因素B4;指标层包括总隙长C1、平均隙长C2、最大隙开度C3、平均隙开度C4、体密度C5、线密度C6、年均温度C7、年均降雨量C8、年均蒸发量C9、干旱指数C10和年均日照时数C11;

(2)通过专家打分构造模糊判断矩阵A=(aij)n×n,其中,元素aii=0.5;aij+aji=1,aij≥

0;n表示选取评价指标的个数;

(3)根据模糊判断矩阵A计算各个评价指标的主观权重;

其中,常数 ri表示模糊判断矩阵A的第i行的评价指标标度之和,rj表示与ri相对应的j行元素;rij表示构建的求主观权重Wi的矩阵元素;

(4)一致性检验:

T

通过权重向量(W1,W2,W3..,Wi,...Wn) 构造特征矩阵W=(Wij)n×n,特征矩阵W的元素Wij为:检验模糊判断矩阵A与特征矩阵W的一致性:

构建模糊互补判断矩阵

取阈值α=0.1;阈值α越小,表明模糊判断矩阵A满意度越高、一致性要求越高。

5.根据权利要求4所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述计算主观权重的方法为:通过专家打分构建准则层中关于隙长B1、隙开度B2、裂隙连通率B3和自然环境特征B4的模糊判断矩阵A1,计算准则层的隙长B1、隙开度B2、裂隙连通率B3和自然环境特征B4的权重;通过专家打分分别构建隙长B1的指标层的模糊判断矩阵A2、隙开度B2的指标层的模糊判断矩阵A3、裂隙连通率B3的指标层的模糊判断矩阵A4和自然环境特征B4的指标层的模糊判断矩阵A5,根据模糊判断矩阵A2计算指标层的评价指标的总隙长C1和平均隙长C2的权重,根据模糊判断矩阵A3计算指标层的评价指标的最大隙开度C3和平均隙开度C4的权重,根据模糊判断矩阵A4计算指标层的评价指标的体密度C5和线密度C6的权重,根据模糊判断矩阵A5计算指标层的评价指标的年均气温C7、年均降雨量C8、年均蒸发量C9、干旱指数C10和年均日照时数C11的权重;将指标层的评价指标的权重和对应准则层的权重相乘得到各个评价指标的主观权重。

6.根据权利要求1或5所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述多变量不安定指数法以统计计量的方式分析研究区域各评价指标之间的变异系数,通过数据归一化处理,再依据变异系数计算各评价指标的权重作为第一客观权重;所述改良熵值法通过对研究区域各评价指标数据归一化后对评价指标进行平移处理,确定第二客观权重。

7.根据权利要求6所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述第一客观权重的计算方法为:

1).归一化处理数据:使得数据映射于[0,1]之间;由于评价指标的方向性均为负,则数据归一化为:*

其中,X表示第i个评价指标的第j项研究区域的对应数值;X 表示对于负相关指标归一化后得到的无量纲矩阵元素;max表示第i个评价指标的第j项研究区域范围内最大值;min表示第i个评价指标的第j项研究区域范围内最小值;

2).样本占比分析:各评价指标位于总样本数占比为:

其中,Uij表示归一化后无量纲矩阵的元素;Xij表示第i个评价指标的第j项研究区域的占比重要程度;

3).样本均值 为:

其中,x1、x2、xnl为占比重要程度Xij经过判断重要程度占比的元素;n1表示研究区域的个数;

4).计算样本标准差为:

其中,σi表示标准偏差;

5).计算各评价指标的变异系数为:

6).确定评价指标的第一客观权重W1i为:

8.根据权利要求7所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,采用等权重加权平均的方法将主观权重Wi、第一客观权重W1i和第二客观权重W2i进行组合,得到夯土遗址裂隙病害发育程度评价指标的综合权重为:

9.根据权利要求2、3、5、7或8所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述步骤S3中利用TOPSIS逼近理想解法得到裂隙病害发育等级的实现方法为:B1.建立原始数据的评价矩阵D1;

B2.对评价矩阵D1的数据进行标准化;

B3.构造规范化决策矩阵Z,其中:

其中,Zij表示规范化决策矩阵Z中的元素;

B4.构造加权规范化决策矩阵V,其中,元素Vij=λi×Zij,λi为第i个评价指标的综合权重,Zij为规范化决策矩阵Z的要素;n表示评价指标的个数;

B5.确定正理想解和负理想解分别为:

正理想解:

负理想解:

B6.确定正负理想解与各研究区域裂隙发育程度的距离:+ +

第j个研究区域裂隙发育程度到正理想解V的距离Sj为:‑ ‑

第j个研究区域裂隙发育程度到负理想解V的距离Sj为:B7.确定各研究区域裂隙发育程度与正负理想解的接近度 接近度即是评分值D;

B8.当评分值D∈(0,0.2),研究区域为不易发区;当评分值D∈[0.2,0.35],研究区域为低易发区;当评分值D∈(0.35,0.5],研究区域为中易发区;当评分值D∈(0.5,1),研究区域为高易发区。

10.根据权利要求9所述的夯土遗址裂隙病害发育程度评价及预测方法,其特征在于,所述BP神经网络预测模型是Matlab编程软件构建的,将评价指标的总隙长C1、平均隙长C2、最大隙开度C3、平均隙开度C4、体密度C5、线密度C6、年均温度C7、年均降雨量C8、年均蒸发量C9、干旱指数C10和年均日照时数C11的数据作为输入层数据、平分值D作为输出数据,BP神经网络预测模型的输入层包括11个神经元、输出层包括1个神经元和隐藏层包括4个神经元,BP神经网络预测模型的训练选择levenberg‑marquardt算法;研究区域的评价指标的数据为样本数据,随机选取训练样本为70%样本数据,检验样本为15%样本数据,预测样本为

15%样本数据。