[发明专利]一种溃坝洪水致生命损失的计算方法

权利要求书

1.一种溃坝洪水致生命损失的计算方法，其特征在于，包括：生命损失数据选择模块、生命损失影响因素模块、生命损失子模块以及耦合模型这4个递进计算模块；

所述生命损失数据选择模块以中国溃坝事故为数据材料，采用分层抽样法，均衡考虑水平区域层、垂直海拔层和时间年代层，进行三维时空抽样，并综合考虑各类溃坝条件，优选溃坝案例；

所述生命损失影响因素模块选取的生命损失影响因素包含溃坝洪水严重程度S_F、溃坝发生时间T_B、建筑物损毁N_D、受灾区与大坝平均距离D_D、风险人口P_R、对溃坝理解程度U_B、预警时间T_W、撤离条件E_C、溃坝方式M_B、库容S_R和溃坝时天气W_E；

根据灾害系统三要素——致灾因子D_CF、孕灾环境D_PE及承灾体D_AB，同时考虑救灾能力D_RA对溃坝生命损失有着重要影响，将生命损失影响因素分为4类；

第一类：致灾因子D_CF为诱发灾害的因素，包括S_F、M_B、和S_R；

S_F的计算方法为用计算断面的溃坝峰值流量Q_top与溃坝洪水引起的最大水面宽度W_max之商作为S_F的估计值：S_F≈Q_top/W_max；

从单因素角度考虑，S_F越大，则生命损失L越大；S_F<0.5m²/s，对生命损失影响可以忽略不计；0.5m²/s≤S_F<4.6m²/s，S_F为低严重性；4.6m²/s≤S_F<12.0m²/s，S_F为中严重性；S_F≥12.0m²/s，S_F为高严重性；

M_B表示溃坝方式，从单因素角度考虑，M_B的频率越高，溃坝事故可能性越大，L也越大；

S_R表示库容，从单因素角度考虑，S_R越大，溃坝越严重，L也越大；

第二类：孕灾环境D_PE为形成灾害的外部环境，包括T_B、W_B、N_D和D_D；

T_B表示溃坝发生时间，从单因素角度考虑，从白天工作期逐步进入凌晨睡眠期，人类活动逐步减少，警觉性下降，L的危险性也逐渐增加；

W_E表示溃坝时天气，从单因素角度考虑，W_E越恶劣，L取值越大；

N_D表示建筑物损毁，从单因素角度考虑，N_D越多，对人类威胁性越大，L越多；

D_D表示受灾区与大坝平均距离，从单因素角度考虑，D_D越近，L越多；

第三类：承灾体D_AB为受到损害的对象，包括P_R和U_B；

P_R表示风险人口，为下泄洪水或溃坝洪水淹没范围内的人数，P_R作为L的基数，对L影响巨大，从单因素角度考虑，P_R越多，L相应也越多；

U_B表示对溃坝理解程度，U_B受当地文化教育程度以及当地溃坝洪水灾害宣传情况影响，U_B分为清楚和模糊两类，从单因素角度考虑，U_B越模糊，L越多；

第四类：救灾能力D_RA为受灾对象的自救或被救的条件，包括T_W和E_C；

T_W表示预警时间，从单因素角度考虑，T_W越短，L相应也越多；

E_C表示撤离条件，E_C受到地形环境的影响，对受灾人员救援疏散起着重要作用，将E_C分为好、中、差三类，从单因素角度考虑，E_C越差，L越多；

根据第一类～第四类建立致灾因子子模块M₁，孕灾环境子模块M₂，承灾体子模块M₃，救灾能力子模块M₄；结合熵权法建立所述生命损失子模块，同时分析生命损失影响因素IFL对所述生命损失子模块的贡献率，从而筛选重要的IFL：

溃坝洪水致生命损失的计算方法的步骤如下：

S01，建立判断矩阵：

式(1)中，x_ij为IFL初始值，有m个溃坝事件，n个IFL，n在M₁～M₄中分别取3、4、2、2；

S02，M₁～M₄子模块标准化处理：

r_ij＝x_ij/max{x_ij} (2)

式(2)中，r_ij代表x_ij的标准化值；

S03，根据熵的定义，计算M₁～M₄子模块的信息熵e_j：

式(3)中，k＝1/lnm，熵值反映了信息的无序化程度，可以用来度量信息量的大小，式(3)中IFL比重为pi_j：

S04，IFL权重w_j计算和筛选：

IFL的效用价值越高，则对M₁～M₄子模块的重要性就越大，该IFL的权重也就越大；当w_j＜5％，表明IFL的效用价值太小，删除此IFL，只保留w_j≥5％的IFL；

筛选留下S_F，T_B，N_D，D_D，P_R，T_W，E_C，S_R和W_E共8个重要IFL，得到W₁＝(0.203,0.766)，W₂＝(0.073,0.636,0.254)，W₃＝(0.966)，W₄＝(0.701,0.299)；

S05，子模块M_i：

式(6)中M_i代表M₁～M₄子模块中的任一个；

S06，对f_L与子模块M_i进行多元非线性回归分析，建立L耦合模型：

式(7)中，f_L代表生命损失率；M₁代表致灾因子子模块；M₂代表孕灾环境子模块；M₃代表承灾体子模块；M₄代表救灾能力子模块；

f_L＝L/P_R (8)

式(8)中，L为生命损失，指受到溃坝洪水淹没而遇害的死亡人数；

由式(7)、式(8)可推导出L为：