[发明专利]基于二维云模型的尾矿坝安全等级评估方法

说明书

本发明属于大型建筑、公共设施、精密设备等实际工程的评估领域，具体为提出了一种基于二维云模型的尾矿坝安全等级评估方法。本方法在异类数据联合评估中用二维云模型标尺和二维评估云模型投影评估数据安全等级标尺间关系，利用二维云模型间的相似性测度系数确定安全等级的评估结果。实验结果表明，本文提出的可以基于二维云模型的尾矿坝风险评估方法，对评估中获得的专家预测模块数据和传感器模块数据的随机性和模糊性同时进行处理，为数据的定性、定量精确度量提供了支持。

技术领域

本发明属于大型建筑、公共设施、精密设备等实际工程的评估领域，具体为基于二维云模型的尾矿坝安全等级评估方法。

背景技术

专家预测数据和传感器监测数据从不同侧面反映了实际工程(如大型建筑、公共设施、精密设备等)的运行情况，将两者综合考虑对其将来的安全等级进行有效评估是避免重大灾难性事故发生的重要保障。但由于每个模块中的测评项及其测评子项的数目根据事先定义的测评级别要求不同而变化，而且不同测评人员或专家对不同测评项的理解不同而不同，这对评估的数据带来了不确定性。因此，在尾矿坝安全等级评估对专家预测数据和传感器监测数据的不确定性处理至关重要。

信息的不确定性主要反映是随机性和模糊性。目前，有国内外相关学者在风险评估中对信息的不确定性进行的处理，主要有基于卡尔曼滤波算法的信息融合风险评估、基于经典推理的信息融合风险评估和基于贝叶斯算法的信息融合风险评估等。其中，基于卡尔曼滤波算法的融合，在要求实时得到目标环境动态信息的应用中，这种算法将各传感器得到的数据进行冗余处理。考虑到数据的均方误差，通过一定的融合规则将各传感器的信息进行融合计算，得到最终的决策信息，对数据的随机性进行了处理，缺乏对信息模糊性的处理。基于经典推理的融合的原理是经典推理在假设的前提下得到目标的概率。这种融合方法基于数学推理，因此对于多变量计算时，需要得到目标的先验知识才能计算出目标的概率函数，考虑的是信息的随机性。关于基于贝叶斯算法的融合在处理多传感器数据时，首先需要有目标的先验知识，得到目标的先验分布，使得各传感器有不同的可信度，因此可以降低有偏差的数据信息对最终结果的影响，但是对信息的模糊性处理有所欠缺。而大坝安全评估是一个多因素、多层次、具有复合不确定性的复杂综合评价问题，其不确定性主要表现在数据的随机性和模糊性。如果只考虑一个特性会对评估结果造成严重的影响，甚至造成误判。因此，如何将数据不确定性的随机性和模糊性同时反映在实际工程中安全等级的判定中是确保评估结果全面、高效的重要途径。

发明内容

云模型具有在定性概念和定量数据之间转换的的思想为本申请数据不确定性的描述提供了借鉴。因此，本发明针对尾矿坝安全评估过程中评估数据主要源于专家预测模块和传感器监测模块的多源异类数据的而具有的随机性和模糊性提出了一种基于二维云模型的尾矿坝安全等级评估方法，充分结合云模型具有在定性概念和定量数据之间转换的优势且可以很好地将模糊性和随机性结合起来的优点，对尾矿坝安全评估给出了一个客观、定量的判定结论，以提高评估方法普适性和解决安全等级的误判。

本发明提出了一种基于二维云模型的尾矿坝安全等级评估方法。在异类数据联合评估中用二维云模型标尺和二维评估云模型投影评估数据安全等级标尺间关系，利用二维云模型间的相似性测度系数确定安全等级的评估结果。

本发明是采用如下的技术方案实现的：基于二维云模型的尾矿坝安全等级评估方法，包括以下步骤：

步骤1:建立评估指标体系，利用加权融合法分别对传感器类监测数据和专家评估类数据中各类数据中参评量进行合成，获得两类数据参评量的融合分布，即获得专家测评模块和传感器监测模块；

步骤2：通过专家测评模块和传感器监测模块各个测评等级结果构造尾矿坝安全等级判定的规则；

步骤3：得到不同规则对应的测评等级结果的数字特征，并将其作为二维云发生器的输入，建立尾矿坝系统安全等级的判定二维云模型，得到尾矿坝系统安全等级标尺；