Nothing Special   »   [go: up one dir, main page]

CN114997514B - 一种夯土遗址裂隙病害发育程度评价及预测方法 - Google Patents

一种夯土遗址裂隙病害发育程度评价及预测方法 Download PDF

Info

Publication number
CN114997514B
CN114997514B CN202210744243.0A CN202210744243A CN114997514B CN 114997514 B CN114997514 B CN 114997514B CN 202210744243 A CN202210744243 A CN 202210744243A CN 114997514 B CN114997514 B CN 114997514B
Authority
CN
China
Prior art keywords
evaluation
index
weight
evaluation index
development
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
Application number
CN202210744243.0A
Other languages
English (en)
Other versions
CN114997514A (zh
Inventor
崔凯
俞莉
王东华
于翔鹏
吴国鹏
王冠众
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou University of Technology
Original Assignee
Lanzhou University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lanzhou University of Technology filed Critical Lanzhou University of Technology
Priority to CN202210744243.0A priority Critical patent/CN114997514B/zh
Publication of CN114997514A publication Critical patent/CN114997514A/zh
Application granted granted Critical
Publication of CN114997514B publication Critical patent/CN114997514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种夯土遗址裂隙病害发育程度评价及预测方法，步骤为：选取与裂隙病害发育直接相关的因素建立评价指标体系；利用模糊层次分析法根据评价指标体系计算主观权重，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得到综合权重；利用TOPSIS逼近理想解法和综合权重评价裂隙病害发育等级；构建BP神经网络预测模型，将评价指标的数据作为输入数据、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。本发明基于自然环境特征对夯土遗址裂隙病害发育进行评价、预测，提出高精度预测裂隙病害发展趋势方法，提高裂隙病害治理的有效性、可控性。

Description

一种夯土遗址裂隙病害发育程度评价及预测方法
技术领域
本发明涉及夯土遗址病害发育特征的技术领域，尤其涉及一种夯土遗址裂隙病害发育程度评价及预测方法，基于自然环境特征对夯土遗址裂隙病害发育程度进行评价及建立裂隙病害未来发育趋势预测模型。
背景技术
夯土遗址病害发育的原因比较复杂，总体来讲主要包括内部因素和外部因素两大类，其中内部因素主要包括夯土建筑材料自身因素及遗址建造工艺等，外部因素包括土遗址赋存环境、气象环境、地质环境等方面。夯土遗址的安全和稳定受到温度、降雨、风、盐渍化等自然侵蚀和人类破坏等因素的严重威胁，这也造成了夯土遗址正经历由裂隙、冲沟、掏蚀、片状剥离、坍塌等典型病害的大量发育到快速消亡这一量变到质变的过程。有效的评价、预测、防止、减缓夯土遗址在自然环境特征作用下损毁是一门综合性应用科学，特别是对于分布在西北干旱区域的土遗址，国内外尚缺少对其病害特征、系统评估及预测等方面的针对性研究，缺少针对性的保护措施。鲜少研究基于自然环境特征下通过有效的评价方法从定量方面对病害发育严重等级进行区分，鲜少研究利用有效的预测预警体系对病害未来发育趋势进一步预测分析，进而分层次的科学保护。
发明内容
针对目前缺少对夯土遗址病害发育的科学定量评价、预测预警体系的技术问题，本发明提出一种夯土遗址裂隙病害发育程度评价及预测方法，基于自然环境特征对夯土遗址裂隙病害发育进行评价、预测，综合考虑了影响夯土遗址裂隙病害发育的评价指标；充分考虑主客观组合权重法赋权、选择最优理想解对研究区域的裂隙病害发育程度进行评分，提出高精度预测裂隙病害发展趋势方法，提高裂隙病害治理的有效性、可控性。
为了达到上述目的，本发明的技术方案是这样实现的：一种夯土遗址裂隙病害发育程度评价及预测方法，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；
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。
优选地，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。
优选地，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。
优选地，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；
Figure BDA0003716463070000021
Figure BDA0003716463070000022
Figure BDA0003716463070000023
其中，ri表示模糊判断矩阵A的第i行评价指标标度之和，rj表示与ri相对应的j列元素；rij表示构建的求主观权重Wi的矩阵元素；
(4)一致性检验：
通过权重向量(W1,W2,W3..,Wi,...Wn)T构造特征矩阵W＝(Wij)n×n，特征矩阵W的元素Wij为：
Figure BDA0003716463070000031
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
Figure BDA0003716463070000032
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。
优选地，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。
优选地，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。
优选地，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：
Figure BDA0003716463070000033
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：
Figure BDA0003716463070000041
其中，aij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
Figure BDA0003716463070000042
为：
Figure BDA0003716463070000043
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：
Figure BDA0003716463070000044
其中，σi表示标准偏差；
5).计算各评价指标的变异系数为：
Figure BDA0003716463070000045
6).确定评价指标的第一客观权重W1i为：
Figure BDA0003716463070000046
优选地，所述第二客观权重的计算方法为：
A1.归一化处理：
Figure BDA0003716463070000047
其中，Xij表示第i个评价指标的第j项研究区域的对应数值；X* ij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：X′ij＝X* ij+p；
其中，p为评价指标平移幅度；X′ij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：
Figure BDA0003716463070000048
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：
Figure BDA0003716463070000051
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：
Figure BDA0003716463070000052
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：
Figure BDA0003716463070000053
优选地，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：
Figure BDA0003716463070000054
其中，Zij表示规范化决策矩阵Z中的元素；
Figure BDA0003716463070000055
表示i个评价指标第j个研究区域标准化后的元素；
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：
Figure BDA0003716463070000056
负理想解：
Figure BDA0003716463070000057
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
Figure BDA0003716463070000058
为：
Figure BDA0003716463070000059
第j个研究区域裂隙发育程度到负理想解V-的距离
Figure BDA00037164630700000510
为：
Figure BDA00037164630700000511
B7.确定各研究区域裂隙发育程度与正负理想解的接近度
Figure BDA0003716463070000061
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。
优选地，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。
与现有技术相比，本发明的有益效果：
1.充分考虑了人为主观偏差、数据的变异性、离散性的问题，采用3种评价结合的赋权方法对裂隙病害评价指标进行综合赋权。
2.充分考虑夯土遗址裂隙病害发育程度与自然环境特征响应关系，找出内外因主导评价因子，构建合理的评分值划分标准，建立适用于夯土遗址裂隙病害发育程度评分等级体系，对夯土裂隙病害治理做科学系统评估。
3.在本发明中，主客观综合赋权-TOPSIS评价方法并结合机器学习的BP神经网络预测模型对其他干旱地区的夯土遗址裂隙病害同样可以进行定量评价、预测预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
图2为本发明FAHP方法的评价层次结构模型示意图。
图3为本发明BP神经网络预测模型的结构图。
图4为本发明7种裂隙病害发育程度评价结果分析图。
图5为本发明7种裂隙病害发育程度评价结果低中高易发区分析图。
图6为本发明高中低3个研究区域裂隙病害特征值与自然环境特征值趋势图。
图7为本发明高中低3个研究区裂隙病害发育趋势图。
图8为本发明训练样本的实际评分值与预测评分值的对比图。
图9为本发明BP神经网络预测模型的实际评分值与预测评分值的对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种夯土遗址裂隙病害发育程度评价及预测方法，本实施例以夯土遗址裂隙病害为例，通过调查裂隙病害面积、隙长、隙开度、体密度、线密度等自身因素，并收集区域所处自然气候各因素，分析裂隙自身因素与气候因素响应关系并共同定量评价其病害发育程度等级，以及对未来裂隙发育程度进行预测，具体步骤如下：
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。
选取研究区域与评价指标，评价指标需是与裂隙病害发育直接相关的因素。评价指标其中隙长包括总隙长、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、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、年均日照时数；典型干旱型研究区域与评价指标的数据见表1所示。
隙长指由于地质构造作用(应力释放)、应力重分布、断层及节理构造、建筑工艺材料原因在夯土遗址本体产生卸荷裂隙、变形裂隙、构造裂隙、建筑工艺裂隙病害，其裂隙病害在单位面积本体上发育的长度以下称为隙长，包括总隙长(m)、平均隙长(m)。隙开度指由于地质构造作用(应力释放)、应力重分布、断层及节理构造、建筑工艺材料原因在夯土遗址本体产生卸荷裂隙、变形裂隙、构造裂隙、建筑工艺裂隙病害，其裂隙病害在单位面积本体上发育的宽度以下称为隙开度，包括最大隙开度(cm)、平均隙开度(cm)。
裂隙连通率指由于卸荷裂隙、变形裂隙、构造裂隙、建筑工艺裂隙病害发育对夯土遗址本体产生破碎块体、引发其他病害发育、加剧已有病害发育等影响本体稳定性，其在单位面积本体上产生的密集程度以下称为裂隙连通率，包括体密度和线密度。体密度为单位面积夯土遗址本体产生裂隙连通率的总隙长的密集程度，单位为m.m-2。线密度为单位面积夯土遗址本体产生裂隙连通率的隙长数量的密集程度，单位为条。
表1典型干旱夯土遗址研究区域与研究指标
Figure BDA0003716463070000081
典型干旱型研究区域裂隙病害发育程度评价指标体系，见表2所示，通过经验总结归纳对各评价指标的方向性进行判断并解释。
表2典型干旱型研究区域裂隙病害发育程度评价指标体系
Figure BDA0003716463070000082
隙长、隙开度发育主要是指地质构造作用(应力释放)、应力重分布、断层及节理构造、建筑工艺材料等原因在夯土遗址本体产生卸荷裂隙、变形裂隙、构造裂隙、建筑工艺裂隙病害，进而影响墙体稳定性、产生软弱结构面、破碎块体、引起其他次生病害连环发育，此评价指标方向性为负。
体密度、线密度主要是由于卸荷裂隙、变形裂隙、构造裂隙、建筑工艺裂隙病害发育对夯土遗址本体产生破碎块体、引发其他病害发育、加剧已有病害发育等影响本体稳定性，其在单位面积本体上产生的总隙长、隙长数量的密集程度，密集程度越大则墙体越破碎、稳定性越差，此评价指标方向性为负。
西北干旱区域早晚温差较大，年均气温变化范围1.5～7.7℃，大部分集中在4℃左右。气温越低，夯土遗址裂隙干缩性越严重；随着气温升高，裂隙胀裂性增加，由于温差大，胀缩性变化快速且显著，进而影响裂隙发育，促使裂隙病害发育严重，因此年均气温指标的方向性为负。
年均降雨量变化范围为125～544mm，属于西北西北干旱区域，由于西北西北干旱区气候较为极端，降雨多以集中降雨为主，这对夯土遗址墙体的冲刷比较剧烈，雨水入渗使得已有裂隙病害发育严重且易产生新裂隙病害，因此年均降雨量指标的方向性为负。
年均蒸发量变化范围875～2665mm，由于西北干旱区域气候干燥，在集中式降雨后极度干燥气候使得蒸发量骤增，出现夯土遗址墙体中水盐运移现象，使易溶盐结晶析出造成墙体盐渍化，进一步的晶胀现象诱发墙体裂隙病害发育，因此年均蒸发量指标方向性为负。
干旱指数为年蒸发能力和年降水量的比值，代表气候干旱程度指标，变化范围1.62～9.6，当干旱指数越大，说明干燥程度越严重；由于夯土遗址墙体长期暴露于野外，干燥寒冷风沙大使得墙体表面易形成皲裂，再加上集中式降雨雨水入渗，使得裂隙病害发育严重，因此干旱指数指标的方向性为负。
年均日照时数范围2536～3221h，西北干旱区域整体日照辐射量大、日均辐射时间长，夯土遗址长期在强日照辐射下，表面温度极高，墙体内部温度较低，吸热放热产生温度应力差，墙体易造成热损伤、热破坏，进而加剧裂隙病害发育，因此年均日照时数指标的方向性为负。
元素为正指标使夯土遗址具有抵御劣化的能力，例如抗压、抗拉、抗剪元素指标越大表明夯土遗址力学性质越好、强度越大，墙体抵御外界破坏能力越强，夯土遗址越坚固。元素为负指标使夯土遗址劣化加剧，例如降雨指标、日辐射指标等，负向指标越大造成夯土遗址劣化越强烈。本次选择评价指标均为负向指标，负向评价指标的权重大小体现了其对裂隙病害发育程度的影响大小，符合自然环境特征影响下裂隙发育程度评价主题。由于数据量大、且单位不一致，数据表征不同属性(单位不同)的各特征之间才有可比性，在评价前需要对数据无量纲处理，数据归一化处理中正向、负向指标计算公式不一样，选择计算公式上也需要区分正负指标。
步骤S2：利用模糊层次分析法根据评价指标体系构建FAHP模型计算主观权重，根据研究区域的评价指标的数据利用多变量不安定指数法确定第一客观权重、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。
构建多变量不安定指数、改良熵值法逻辑关系模型，确定客观权重，利用主客观加权法确定指标组合权重。
通过构建FAHP模型包括目标层、准则层、指标层，确定主观权重。构建FAHP模型，见图2所示，分目标层：裂隙病害发育程度A；准则层：隙长B1、隙开度B2、裂隙连通率B3、环境因素B4；指标层：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。
利用模糊层次分析法(FAHP)确定主观权重，通过专家给各评价指标打分，并且构建模糊互补判断矩阵，用模糊互补判断矩阵的相容性来检验权重值的一致性。在处理复杂决策问题时，AHP层次分析法在构造判断矩阵往往没有考虑到判断矩阵的模糊性，模糊层次分析法FAHP很好的解决了这一问题，它是将模糊分析法和层次分析法结合起来的一种方法，其基本思想和步骤与AHP基本一致又将模糊判断引入评价体系中。
1.建立层次分析结构。如图2所示。
2.构造模糊判断矩阵：将两两评价指标做比较判断，一个评价指标比另一个评价指标的重要程度通过定量表示，如表3所示模糊判断矩阵的标度aij含义，得到模糊判断矩阵A＝(aij)n×n，其中aii＝0.5；aij+aji＝1，aij≥0。n表示选取评价指标个数。例如，准则层有B1、B2、B3、B4四个指标，n＝4，构建矩阵就是4×4。
表3模糊判断矩阵的标度含义
Figure BDA0003716463070000101
3.求解模糊判断矩阵A的主观权重公式如下：
Figure BDA0003716463070000102
Figure BDA0003716463070000103
Figure BDA0003716463070000111
其中，ri表示模糊判断矩阵A第i个评价指标标度之和，rj表示与ri相对应的j列元素；rij表示构建求主观权重Wi的矩阵元素。
4.一致性检验。构造模糊判断矩阵A的特征矩阵W，检验模糊判断矩阵A与特征矩阵W的一致性。
(1).通过模糊判断矩阵A的权重向量(W1,W2,W3..,Wi,...Wn)T构造模糊判断矩阵A的特征矩阵W＝(Wij)n×n，特征矩阵W的元素Wij为：
Figure BDA0003716463070000112
(2).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X，利用公式(5)，当α＝0.1左右，即α越小，表明构造模糊判断矩阵A满意度越高、一致性要求越高。
Figure BDA0003716463070000113
通过专家打分构建准则层模糊判断矩阵A，计算得到特征矩阵W、模糊互补判断矩阵X，进行计算权重和一致性检验，见表4所示。
表4准则层构建的矩阵与权重一致性检验
Figure BDA0003716463070000114
Figure BDA0003716463070000121
通过专家打分分别构建B1、B2、B3准则层的模糊判断矩阵，计算其对应的特征矩阵、互补判断矩阵，进行计算权重和一致性检验，如表5所示。
表5指标层B1、B2、B3构建的矩阵与权重一致性检验
Figure BDA0003716463070000122
Figure BDA0003716463070000131
通过专家打分构建B4准则层的模糊判断矩阵，计算其对应的特征矩阵、互补判断矩阵，进行计算权重和一致性检验，如表6所示。
表6指标层B4构建的矩阵与权重一致性检验
Figure BDA0003716463070000132
将准则层和指标层得到权重相乘得到各个评价指标的主观权重，如表7所示。
表7 FAHP主观权重
Figure BDA0003716463070000133
Figure BDA0003716463070000141
利用多变量不安定指数法计算第一客观权重：此方法是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因子的权重作为第一客观权重，方法较为客观，注重数据本身的变异性分析。步骤如下：
1.归一化处理数据。为了除去数据之间不同的量纲和量纲单位，让数据相互具有可比性，线性变换后数据也不会造成“失效”，使得数据映射于[0,1]之间；由于都是方向性为负的指标，所以利用如下公式：
Figure BDA0003716463070000142
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。分析各评价指标位于总样本数占比，占比越高说明此数据的评价指标影响裂隙病害发育程度严重性越高。公式为：
Figure BDA0003716463070000143
其中，aij表示归一化后无量纲矩阵元素。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.
Figure BDA0003716463070000144
为样本均值，反映数组中波动所围绕的中心程度，公式为：
Figure BDA0003716463070000145
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，本实施例取值为14。
4.计算样本标准差。样本偏离样本均值
Figure BDA0003716463070000146
的标准差来衡量数据的离散程度，公式为：
Figure BDA0003716463070000147
其中，σi表示标准偏差。
5.计算各评价指标的变异系数。变异系数表示各评价指标因子对夯土遗址裂隙病害发育程度的敏锐度，变异系数越大则该评价指标因子影响裂隙病害发育几率越高。公式为：
Figure BDA0003716463070000151
6.确定评价指标的第一客观权重。见表8所示，对于夯土遗址裂隙病害发育程度评价指标体系中，各评价因子的第一客观权重的计算方法是将各评价指标因子的变异系数除以全部因子变异系数总和所得即为裂隙病害评价各指标因子权重，公式为：
Figure BDA0003716463070000152
表8多变量不安定指数法确定第一客观权重
Figure BDA0003716463070000153
利用改良熵值法计算第二客观权重，熵是不确定信息的一种度量，从指标离散程度角度反映对评价指标的区分程度。熵值越小离散程度越大，该评价指标在评价中影响越大，即权重也越大。通过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，计算步骤如下：
1.归一化处理。利用
Figure BDA0003716463070000154
其中，Xij表示第i个评价指标的第j项研究区域的对应数值；X* ij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。
2.评价指标平移处理。有些评价指标归一化处理后，可能出现数值较小或者为零情况，为了计算的统一，将归一化后的数值进行平移处理，从而消除这种情况。
X′ij＝X* ij+p 公式(13)
其中，p为评价指标平移幅度，取0.1。X′ij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。指标在经过归一化处理后有些指标为0或者较小，在计算过程中会影响熵值准确性，因此进行统一平移处理。
3.计算第i个评价指标下第j个样本占该评价指标的比重：
Figure BDA0003716463070000161
其中，n1表示研究区域的总个数。
4.计算第i个评价指标的信息熵：
Figure BDA0003716463070000162
其中，yij表示利用比重法对数据进行无量纲化,即评价指标的比重。
5.计算第i个评价指标的信息效用值。
di＝1-ei 公式(16)
6.计算第j个评价指标的第二客观权重，如表9所示，公式如下：
Figure BDA0003716463070000163
表9熵值法确定客观权重
Figure BDA0003716463070000164
模糊层次分析法FAHP确定主观权重，多变量不安定指数法和改良熵值法分别确定第一客观权重和第二客观权重，但是模糊层次分析法FAHP的专家打分主观赋权容易产生主观偏差，多变量不安定指数法着重于数据变异性分析，改良熵值法更关注于数据离散程度，3种方法各有利弊，为了避免主观偏差、避免数据质量或者完整度的客观偏差等问题，采用等权重加权平均的方法将3种方法进行组合，从而得到夯土遗址裂隙病害发育程度评价指标的综合权重，如表10所示，利用如下公式：
Figure BDA0003716463070000165
其中，Wi表示主观权重，W1i表示多变量不安定指数权重，W2i表示熵值法权重，n表示评价指标的个数。
组合权重的优点：①3种权重组合兼顾主观和客观权重的优点，避免了自身存在的缺点；②3种权重的组合方法是一种加权平均的方法避免出现权重极大或者极小赋值情况，考虑了每一个评价因子的重要性；③3种权重+TOPSIS评价方法相比较与单一的权重+TOPSIS、或者其他2种权重+TOPSIS评价方法对裂隙病害发育实际情况更接近，被评价对象有很好的区分度，对后期裂隙病害保护措施有一定指导作用。
表10确定主客观组合权重
Figure BDA0003716463070000171
从综合权重排序可以看出，裂隙连通率影响裂隙病害严重程度最高，尤其是体密度；隙开度和隙长对裂隙病害发育影响程度较为重要，尤其是总隙长和最大隙开度，因为降雨的渗入会使得裂隙进一步发育为冲沟，最后产生贯通面使墙体破坏；在自然环境影响因素中，温度指标较为重要，因为夯土遗址一直处于干旱少雨地区，温度和日照辐射对遗址裂隙病害发育影响程度较高。说明通过主客观赋权后的综合权重具有合理性、适宜性、代表性，可以对干旱研究区夯土遗址裂隙病害发育进行评价。
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。
利用TOPSIS逼近理想解法确定各评价方案与正负理想解的欧氏距离，即依据与最接近理想化程度的距离远近判断合理程度，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、排序，得到病害发育等级。
1.利用表1建立原始数据的评价矩阵。14个待评价方案，11个评价指标，建立原始评价矩阵D。
2.评价矩阵D的数据标准化。评价指标为极大型、极小型指标，根据前面判断评价指标方向性为负，依据公式(12)对数据去量纲化处理。
3.构造规范化决策矩阵Z，利用如下公式：
Figure BDA0003716463070000181
其中，Zij表示规范化决策矩阵Z中的元素；
Figure BDA0003716463070000182
表示i个评价指标第j个研究区域标准化后的元素，nl表示研究区个数。
4.构造加权规范化决策矩阵V，其中，Vij＝λj×Zij，λi为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。
5.确定正理想解和负理想解。加权规范化决策矩阵V中元素Vij值越大表示评价方案j越好。
正理想解：
Figure BDA0003716463070000183
负理想解：
Figure BDA0003716463070000184
7.确定正负理想解与各待研究区裂隙病害发育程度最优评价方案的距离。每个评价方案到正理想解V+的距离S+ i和到负理想解V-的距离S- i，利用如下公式：
Figure BDA0003716463070000185
Figure BDA0003716463070000186
8.确定各研究区域裂隙病害发育程度与正负理想解的接近度，如表11所示。14个研究区域裂隙病害发育程度评分值离正理想解近而且又离负理想解最远，那么这个评分值就是最好的，最佳评价方案。判断最优评价方案，须同时考虑评价方案与正负理想解的距离，评价方案距离S+ i值越大，说明与最优解距离越远，距离S- i值越大，说明与最劣解距离越远；最理解的是距离S+ i值越小同时距离S- i值越大。设定接近度标度为Ci，并按相对接近度的大小排序，Ci的值越大，表示整体水平越高。接近度Ci介于0～1之间，当Ci＝1时，绩效水平最高，达到最优状态；当Ci＝0时，无绩效，处于高度无序混乱状态。计算公式如下：
Figure BDA0003716463070000187
表11研究区裂隙病害发育程度最优方案与正负理想解
Figure BDA0003716463070000188
Figure BDA0003716463070000191
具体来说，夯土遗址裂隙病害发育程度评价划分四个评价等级：不易发、低易发、中易发、高易发，评分值D区间选取及采取保护措施解释见表12所示。由表12可知，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。夯土遗址裂隙病害发育程度的四个评价等级与评分值D的对应关系，充分考虑了自然环境特征与裂隙病害发育程度响应关系，发掘内外因素主导评价因子，选择最优评价方案，构建合理评分值与评价等级的划分标准，建立适用于夯土遗址裂隙病害发育程度评分等级体系，对夯土裂隙病害治理做科学系统评估。
表12夯土遗址裂隙病害发育程度分级划分标准
Figure BDA0003716463070000192
依据TOPSIS逼近理想解法对研究区域夯土遗址裂隙病害发育程度等级进行评分，依据评分值D表12，可将14各研究区域的裂隙评价等级划分如表13所示。
表13研究区域裂隙病害发育程度评分值及等级排序
Figure BDA0003716463070000193
Figure BDA0003716463070000201
从表14研究区裂隙病害发育程度评分值D及评价等级，可以看出通过7种评价方法①FAHP(wi)+多变量不安定指数(w1i)+熵值法(w2i)综合权重+TOPSIS、②FAHP(wi)+TOPSIS、③多变量不安定指数客观权重(w1i)+TOPSIS、④熵值法(w2i)+TOPSIS、⑤FAHP(wi)+多变量不安定指数(w1i)综合权重+TOPSIS，⑥FHAP(wi)+熵值法(w2i)综合权重+TOPSIS，⑦多变量不安定指数(w1i)+熵值法(w2i)综合权重+TOPSIS算出的评分值D进行比较分析，不同的方法算出不同的权重或者是权重组合再结合TOPSIS算出评分值得到评价等级。从图4研究区7种评价方法的评分值D中可以看出，研究区大部分处于中易发区和高易发区，少部分处于低易发区，不易发区没有研究点，符合裂隙病害发育程度的实际情况，评分值划分和评价等级适用于本次评价方法。分析14个研究区的7种评价等级的众数如表15所示，分别为中易发区、低易发区、高易发区、中易发区、高易发区、低易发区、中易发区、中易发区、中易发区、中易发区、中易发区、中易发区、中易发区、高易发区，主观权重+第一客观权重+第二客观权重结合TOPSIS符合7种评价等级的众数，符合裂隙病害发育实际情况，具有一定利用价值。从图5研究区7种评价方法评分值图中可以看出，根据研究区的评分值对研究区低易发区到高易发区进行排序，主观权重、第一客观权重、第二客观权重结合TOPSIS的评价方法的曲线一直处于所有曲线中间位置相对比较稳定，其余评价方法曲线的波动性、离散性都较大，据此得出主观权重、第一客观权重、第二客观权重结合TOPSIS的评价方法适合干旱区裂隙病害发育程度评价。
表14研究区7种评价方法裂隙病害发育程度评分值D及评价等级
Figure BDA0003716463070000202
接上表
Figure BDA0003716463070000211
表15评价等级众数
Figure BDA0003716463070000212
选取评价结果高易发区、中易发区、低易发区中的酒泉、张掖、永昌3个区域进行研究分析，通过图6和图7比较线密度、最大隙开度、体密度、平均隙长、年均温度、干旱指数裂隙病害特征值发现：酒泉＞张掖＞永昌，与实际情况裂隙病害发育程度相符合；根据主客观组合权重结合TOPSIS的评价等级结果高易发区(酒泉)、中易发区(张掖)、低易发区(永昌)与实际裂隙病害发育规模相似，而且年均温度、干旱指数作为环境因素权重较大也从侧面说明自然环境因素对裂隙病害发育起到重要响应。从定量和定性的角度都可以确定主观权重+第一客观权重+第二客观权重结合TOPSIS的评价方法适用于裂隙病害发育程度评价。
通过对14个研究区域夯土遗址裂隙病害发育程度进行等级评价，可以看出大部分裂隙病害处于中易发段，没有裂隙病害处于不易发段，说明墙体裂隙病害发育率、连通率较高，但是危险可控，大部分应采取相应合理的保护措施。大通、酒泉两处裂隙病害处于高易发区说明应该引起足够重视，在裂隙发育成连通破坏面之前采取科学系统的保护措施；永昌、门源裂隙病害处于低易发段，说明裂隙病害发育率稍高，为防止病害进一步发育采取相应保护措施即可。
从主客观综合权重排序可以看出来各评价因子的重要性等级，裂隙连通率权重排序第一，大通、酒泉、红古的裂隙体密度分别为0.12m.m-2、0.11m.m-2、0.07m.m-2这也从侧面反映了三者处于裂隙病害高易发段的原因。因此利用主客观综合权重结合TOPSIS评价方法可以揭示西北干旱区夯土遗址裂隙病害发育的真实情况，找到影响病害发育主要内因和外因，从而采取相应的保护措施对遗址本体进行科学系统的保护，将该方法应用到夯土遗址裂隙病害发育评价问题中具有一定的准确性和合理性。
对于夯土遗址裂隙病害发育程度划分标准及评价等级，充分考虑了自然环境特征与裂隙病害发育程度响应关系，发掘内外因素主导评价因子，选择最优评价方案，构建合理评分值划分标准。引入一个判别标准对14个研究区域裂隙病害发育程度评分值进行处理，判断哪个区域的裂隙病害发育最为严重。
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。
结合主客观组合权重-TOPSIS评价结果，将BP神经网络机器学习方法应用到土遗址裂隙病害保护中，对西北干旱区夯土遗址裂隙病害未来发育趋势进行预测预警，旨在更好的预测已存在裂隙发育走势、墙体本体预计发生裂隙病害可能性，进而提出相应的预防性保护措施，将土遗址保护防患于未然。
西北干旱区夯土遗址裂隙病害BP神经网络预测模型，如图3所示，按结构分为输入层、隐藏层、输出层，输入层1层包括11个神经元，输出层1层包括1个神经元，隐藏层1层包括4个神经元，隐藏层神经元一般用：
Figure BDA0003716463070000221
采用Matlab编程软件构建BP神经网络预测模型，表1中的研究区域为样本数据，随机选取训练样本约70％，检验样本约15％，预测样本约15％，见表16所示。其中，将评价指标C1-C11作为输入层数据、平分值D作为输出数据，训练算法选择levenberg-marquardt算法。数据样本训练、检验、预测阶段的输出结果如表16所示，通过训练阶段、检验阶段及预测阶段的实际评分值与预测评分值对比分析，检验预测的效果和精度，BP神经网络预测模型的输出结果如表17所示。
表16西北干旱区夯土遗址裂隙病害评价指标评价等级
Figure BDA0003716463070000231
表17 BP神经网络预测模型输出结果
Figure BDA0003716463070000232
对BP神经网络预测模型结果进行检验，从图8中可以看出训练样本的实际评分值D与BP神经网络预测模型的评分值T的回归曲线拟合效果非常好，两者相关系数R＝0.99062。从图9中可以看出，对整体样本进行BP神经网络预测，对实际评分值D与预测评分值T进行拟合，两者的回归曲线相关系数R＝0.96546。
进一步对BP神经网络预测模型进行精度检验，引入均方误差(MSE)、绝对方差(R2)以及相对均方根误差(RRMSE)三个评价方法，对训练阶段、检验阶段和预测阶段进行精度测试，具体公式如下，结果如表18所示：
Figure BDA0003716463070000241
Figure BDA0003716463070000242
Figure BDA0003716463070000243
表18 BP神经网络预测模型的输出检测结果
Figure BDA0003716463070000244
其中，D为主客观组合权重-TOPSIS对裂隙病害发育程度的实际评分值，T为BP神经网络预测模型的预测评分值，N为训练、检验及预测阶段的样本数取值分别是10、2、2，均方误差(MSE)、绝对相对均方根误差(RRMSE)值越小，绝对方差R2越大，说明BP神经网络预测模型精度越高。从表18可以看出，实际评分值D和预测评分值T在训练、检验、预测阶段相关系数都属于高度相关，MSE和RRMSE值都比较小，而R2值都接近1比较大。总体说明主客观组合权重-TOPSIS评价方法基础上建立的BP神经网络预测模型精度较高，可以应用到西北干旱区夯土遗址裂隙病害评价中，具有一定的合理性、适宜性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

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：
Figure FDA0003995470250000011
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；X* ij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＝X* ij+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：
Figure FDA0003995470250000012
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：
Figure FDA0003995470250000013
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：
Figure FDA0003995470250000014
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；
Figure FDA0003995470250000021
Figure FDA0003995470250000022
Figure FDA0003995470250000023
其中，常数
Figure FDA0003995470250000024
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：
通过权重向量(W1,W2,W3..,Wi,...Wn)T构造特征矩阵W＝(Wij)n×n，特征矩阵W的元素Wij为：
Figure FDA0003995470250000025
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
Figure FDA0003995470250000031
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：
Figure FDA0003995470250000032
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：
Figure FDA0003995470250000041
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
Figure FDA0003995470250000042
为：
Figure FDA0003995470250000043
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：
Figure FDA0003995470250000044
其中，σi表示标准偏差；
5).计算各评价指标的变异系数为：
Figure FDA0003995470250000045
6).确定评价指标的第一客观权重W1i为：
Figure FDA0003995470250000046
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：
Figure FDA0003995470250000047
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：
Figure FDA0003995470250000048
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：
Figure FDA0003995470250000051
负理想解：
Figure FDA0003995470250000052
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S+ j为：
Figure FDA0003995470250000053
第j个研究区域裂隙发育程度到负理想解V-的距离S- j为：
Figure FDA0003995470250000054
B7.确定各研究区域裂隙发育程度与正负理想解的接近度
Figure FDA0003995470250000055
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。
CN202210744243.0A 2022-06-27 2022-06-27 一种夯土遗址裂隙病害发育程度评价及预测方法 Active CN114997514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210744243.0A CN114997514B (zh) 2022-06-27 2022-06-27 一种夯土遗址裂隙病害发育程度评价及预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210744243.0A CN114997514B (zh) 2022-06-27 2022-06-27 一种夯土遗址裂隙病害发育程度评价及预测方法

Publications (2)

Publication Number Publication Date
CN114997514A CN114997514A (zh) 2022-09-02
CN114997514B true CN114997514B (zh) 2023-02-07

Family

ID=83036099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210744243.0A Active CN114997514B (zh) 2022-06-27 2022-06-27 一种夯土遗址裂隙病害发育程度评价及预测方法

Country Status (1)

Country Link
CN (1) CN114997514B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957413A (zh) * 2023-08-01 2023-10-27 四川省国土科学技术研究院(四川省卫星应用技术中心) 新增建设用地指标分解方法
CN117764454B (zh) * 2023-12-27 2024-07-02 兰州理工大学 一种遗址片状剥离发育程度评价方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9792555B2 (en) * 2013-01-04 2017-10-17 Siemens Energy, Inc. Probabilistic modeling and sizing of embedded flaws in ultrasonic nondestructive inspections for fatigue damage prognostics and structural integrity assessment
CN114444319B (zh) * 2022-02-08 2024-12-24 青海省水文地质工程地质环境地质调查院 一种黄土地下病害体危险性评价方法
CN114548725B (zh) * 2022-02-15 2024-11-26 大连理工大学 一种基于熵权-层次分析模糊综合评价法的深基坑稳定性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于KCPSO算法对闽西地区崩塌地判释;李隘优;《江南大学学报(自然科学版)》;20151228;第14卷(第06期);第746-750页 *

Also Published As

Publication number Publication date
CN114997514A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114997514B (zh) 一种夯土遗址裂隙病害发育程度评价及预测方法
CN115238850A (zh) 一种基于mi-gra与改进pso-lstm的山区边坡位移预测方法
CN113496359A (zh) 一种多组合主客观均匀优化赋权风险评价方法
CN113627735A (zh) 工程建设项目安全风险的预警方法及系统
CN114971345B (zh) 一种建成环境品质测度方法、设备及存储介质
Li et al. An integrated method for evaluating and predicting long-term operation safety of concrete dams considering lag effect
CN114169374A (zh) 一种斜拉桥斜拉索损伤识别方法及电子设备
CN112232561A (zh) 基于约束并行lstm分位数回归的电力负荷概率预测方法
CN107507396A (zh) 一种降雨型滑坡危险性三维多点位多指标的预警方法
CN115270266B (zh) 基于改进层次分析法的边坡监测状态风险判断方法
CN118607041A (zh) 基于数字孪生的预应力钢结构安全评估方法及系统
CN112712284A (zh) 基于ahp-熵权法的城市燃气管道风险评价系统及方法
Wu et al. Parametrized division of exposure zone for marine reinforced concrete structures with a multi-class Boosting method
CN114595581A (zh) 基于影响因素动态权重的区域地质灾害危险性概率模型
CN111582634B (zh) 一种地下大空间施工多因素安全分级方法及系统
CN110990916B (zh) 考虑滞后效应的大坝长期运行安全度评价及预测集成方法
CN118095834A (zh) 一种基于可解释随机森林的交通事故风险研判方法
CN117874509A (zh) 一种基于可解释性集成学习的沥青路面车辙深度预测方法
CN116681205A (zh) 一种夯土遗址冲沟病害发育程度评价及预测方法
CN116384780A (zh) 一种消防系统安全程度判断方法
CN116050912A (zh) 考虑距离耦合与前景理论的能源站健康状态评价方法
CN114118688A (zh) 基于序关系分析的电网工程造价风险预警方法
CN113505954A (zh) 基于几何和性能相似度的钢结构建筑群安全评估方法
CN117764454B (zh) 一种遗址片状剥离发育程度评价方法
CN114021905A (zh) 一种中小企业信用风险评价方法

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