基于投影寻踪与可拓学方法的黄土滑坡危险度评价.docVIP

基于投影寻踪与可拓学方法的黄土滑坡危险度评价 　　摘要：铁路沿线的黄土滑坡对线路的走向具有很大的控制作用。在大量勘察原始资料的基础上，以可拓学和投影寻踪法为手段建立滑坡评价模型，将评价因子与评价标准之间的从属关系拓展到因子与标准之间的距离，从而定量化的描述出研究对象的特征。结果显示，本模型的评价结果与工程实际情况吻合，是合理、科学的评价方法。 　　关键词：危险度 投影寻踪 可拓学 滑坡 　　 　　中图分类号：P642.22文献标识码： A 　　The loess landslide risk assessment by PPC and extenics 　　Song Jianzhangchen 　　（The Third Railway Survey and Design Institute Group Co.,Ltd,Tianjin300251，China） 　　Abstract: Landslide controls the railway trend. In this paper, authors combine the projection pursuit cluster model（PPC）with Extenics method to establish an new risk assessment model. The relationship of factors and evaluation criteria is extended to the distances between factors and evaluation criteria, which describes the quantitative characteristics of the landslid system. The results calculated by this model fits the actual situation, the evaluation is reasonable and scientific. 　　Keywords: danger degreePPC extenicslandslide 　　0 引言 　　黄土滑坡是我国铁路建设中最为常见的一种地质灾害。文中自行搭建程序平台，引入可拓学和投影寻踪法，最终建立新的滑坡危险度评价模型。 　　1 理论介绍 　　1.1 投影寻踪法 　　投影寻踪对处理多因素问题极为便利。可将高维数据转成低维数据，计算出因子权重。该方法结论完全根据原始数据所得，最大程度排除主观干扰。 　　步骤： 　　（1）数据无量纲化 　　为将各数量级数据统一，首先要把原始数据无量纲化处理，计算公式见式（1） 　　 式 （1） 　　其中，xij：因子指标值；i：研究对象数量；j：因子数量；xjmax：某因子中最大指标；xjmin：某因子最小指标值；xij’：无量纲化后的指标值。 　　（2）确定综合特征值 　　将处理后的数据按一定方向进行投影，使每个研究对象都只得到一个反应特征的值。假定投影方向是a=（a1，a2……an）,zi为投影后的数据向量，n是因子数，i是研究对象数量。则 　　 式（2） 　　（3）建目标函数 　　假定目标函数D（a），类间距离dis（a），类内密度den（a），则 　　D（a）= dis（a）* den（a）式（3） 　　 式（4） 　　式（5） 　　其中，，当R＞rik时，f（R-rik）=1，反之，则f（R-rik）=0，R为密度窗宽，取值范围在max（rik）+m/2≤R≤2m。 　　（4）计算贡献度 　　由上面所得投影值，可计算出不同因子在滑坡体系中的贡献度。 　　 式（6） 　　其中m是类内研究对象数量，zij是第i个研究对象第j个因子投影值。 　　1.2 可拓学 　　滑坡形成的地理信息具有多样性、可变性,可拓学的物元理论恰好可以解决上述问题。 　　（1） 确定经典域、节域和物元 　　经典域： 　　式中：R0i是一个物元；Ni是第i个评价类别；Ci是第i个评价指标；Vi是Ci所规定的量值范围，即经典域，V= (i =1，2，…，n；j =1，2，…，m)。 　　节域： 　　式中：P是评价类别的全体；VPi是P关于Ci所取的量值范围。 　　 物元: 　　式中：vi为p关于Ci的量值，即待评事物的所有数据。 　　（2）确定各评价指标对于各类别等级关联度 　　各类别等级的关联度为： 　　式（7） 　　其中， 　　 　　 　　（3）确定待评物元关于等级t的关联度 　　 式（8） 　　式中：Wi是各评价指标的权系数，在这里使用1.1方法确定。 　　（4） 确定评定等级