一种强震区电网脆弱地质环境泥石流发生概率计算方法与流程

本发明涉及电网地质灾害防控技术领域，具体涉及一种电网脆弱地质环境泥石流发生概率计算方法。

背景技术：

“5·12”汶川地震造成强震区地表破裂，剥蚀作用加剧，地质环境更加脆弱，四川电网有171座变电站、1800余条线路遭受严重破坏，直接经济损失超过120亿元。汶川诱发了至少56000处崩塌、滑坡，为泥石流的暴发提供了大量物源，震后多年的雨季中泥石流灾害频繁发生、表现活跃。

泥石流灾害已经成为电网脆弱区域最主要的地质灾害之一。2010年8月14日强震区强降雨诱发岷江干流及支流沿岸产生至少22条群发性泥石流，冲毁道路、堵塞河流，水淹映秀湾、渔子溪和耿达三个电站厂房，349名员工及现场施工人员被困，直接财产损失达两亿多元，下游的映秀镇也遭受洪灾；2013年7月10日强震区岷江干流沿岸张家坪沟暴发大型泥石流，直接经济损失约980万元。可见，能够在给定的地质环境背景条件下，提前预测电网脆弱区域强降雨条件下泥石流的发生概率，对保护人员及电网设备安全至关重要。

计算电网脆弱地质环境泥石流发生频率是电网地质灾害较为有效的非工程减灾措施之一。国内外对地质灾害的发生频率研究开展了大量工作，如滑坡、泥石流危险性评价研究。但对强震区电网脆弱地质环境泥石流发生频率缺乏评价手段，此现状致使无法结合电网特征及强震区地质环境背景计算泥石流发生概率，这些问题直接威胁到电网建设质量和设备的安全，电网发展受到极大制约。

针对以上技术问题，人们开始着手研究电网所处地质环境与地质灾害发生评率关系的一些预估方法，如公开号为cn104299108a，的专利文献公开了一种基于输电线路和滑坡泥石流监测预报数据的关联分析方法，包括以下步骤：1.选取地质灾害发育环境背景因子和地质灾害发生气象条件因子作为计算依据。2.把因子带入模型计算出地质灾害危险度综合指数。3.对地质灾害危险度综合指数进行标准化处理。4.根据标准化后的地质灾害危险度综合评价指数，将地质灾害危险度分级。5.利用gis软件，绘制滑坡泥石流灾害易发区图。

以上述专利为代表的现有技术，技术问题：对提出地质灾害危险性分级制图并与输电线路信息关联，并未结合具体的强震区地质脆弱环境条件，给出泥石流地质灾害的发生概率，致使强震区电网脆弱地质环境泥石流发生的可能性不明确，降低了电网防灾减灾的主动性。

技术实现要素：

本发明所要解决的技术问题是：现有的泥石流发生评估分析方法等并未结合具体的强震区地质脆弱环境条件，给出泥石流地质灾害的发生概率，致使强震区电网脆弱地质环境泥石流发生的可能性不明确，降低了电网防灾减灾的主动性。

本发明提供了解决上述问题的一种强震区电网脆弱地质环境泥石流发生概率计算方法。

本发明通过下述技术方案实现：

一种强震区电网脆弱地质环境泥石流发生概率计算方法，包括包括如下步骤：

步骤一：选取强震区电网脆弱地质环境泥石流的评价因子；

步骤二：利用critic法对各评价因子进行无纲量化处理得到各评价因子的标准化值；

步骤三：利用critic法采用步骤二中的标准化值计算出研究区泥石流各评价因子的权重；

步骤四：采用概率计算公式利用步骤二得到的标准化值和步骤三得到的权重计算得出研究区泥石流发生的概率。

本发明优选一种强震区电网脆弱地质环境泥石流发生概率计算方法，震区泥石流活动较震前频繁、规模大，考虑震后流域物源储备的丰富性，临界雨量的降低现象，震后山地地形的改变等，结合野外调查及前人的研究成果，提取电网脆弱地质环境泥石流7个评价因子，分别为松散固体物质储量f1(×10⁴m³)、泥石流暴发频率f2(％)、流域面积f3(km²)、流域相对高差f4(km)、流域切割密度f5、主沟长度f6(km)、激发雨强f7(mm)。通过这7个评价因子的选择，本发明适用于强降雨诱发的泥石流值，外界诱发因素落脚于强降雨，内部诱发因素落脚于泥石流流域地质环境特征。

本发明优选一种强震区电网脆弱地质环境泥石流发生概率计算方法，所述critic法计算各评价因子权重的具体方法为：利用得到的标准化值，量化各评价因子间的对比强度、冲突性，并根据量化的对比强度和冲突性得到各评价因子包含的信息量，再采用得到的各评价因子包含的信息量计算出研究区泥石流各评价因子的权重。

本发明优选一种强震区电网脆弱地质环境泥石流发生概率计算方法，所述无纲量化处理所用公式为：

其中，x(i,j)为评价因子j中第i个评价单元归一化后的数值，x′(i,j)为评价因子j中第i个评价单元的原始值，min(x′(i,j))为评价因子j中存在的最小值，max(x′(i,j))为评价因子j中存在的最大值。其中，i＝1，2，3…n；j＝1，2，3…7。

各评价因子之间的对比强度由标准差量化表示，所述标准差的计算公式为：

各评价因子之间的冲突性由线性相关系数量化表示，所述线性相关系数的计算公式为：

信息量大小的计算公式为：

cj＝σj*∑(1-r(i，j))(4)

其中σj为评价因子j的标准差，r(j,k)为两评价因子间j和k的线性相关系数，cj为评价因子j所包含的信息量大小，为评价因子j的平均值；为第k个评价因子的平均值；y(i,k)为k评价因子中第i个评价单元归一化后的数值；n为评价单元总个数；k＝1，2，3…7；

权重的计算公式为：

其中，wj为评价因子j的权重。

泥石流发生概率的计算公式为：

r＝∑x(i,j)*wj(6)

其中，r表示泥石流发生的概率。

本发明优选一种强震区电网脆弱地质环境泥石流发生概率计算方法，所述标准差和线性相关系数通过spss数据处理软件计算。

spss为“统计产品与服务解决方案”数据处理软件，为ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，spss分析结果清晰、直观、易学易用，广泛应用于经济学、数学、统计学、地理学、医疗卫生、体育、商业等各个领域。

本发明具有如下的有益效果：

1.本发明通过评价因子的仔细分析和筛选获得的，采用完整的计算流程，填补了强震区电网脆弱地质环境空间泥石流发生概率评价的空白，通过强震区域电网脆弱地质环境泥石流特征因子，提供了一种强震区电网脆弱地质环境泥石流发生概率计算方法；明确了电网泥石流发生的可能性大小，针对国内外强震区电网脆弱地质环境泥石流发生频率评价手段的缺乏，能够结合电网特征及强震区地质环境背景计算泥石流发生的概率，极大的提高了脆弱地质环境条件下，强震区电网设备应对泥石流的主动性。

2.本发明通过将critic客观权重赋权法应用于强震区电网脆弱地质环境泥石流概率的计算，计算目标明确，计算过程简洁，计算结果获取简便，且计算过程客观、计算结果与泥石流冲出规模吻合度达到了80％以上。

3.本发明适用于强震区强降雨诱发的泥石流，外界诱发因素落脚于强降雨，内部诱发因素落脚于泥石流流域地质环境特征。具有预测结果直观、泥石流发生可能性易掌握的特点。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明强震区电网脆弱地质环境典型泥石流沟各评价因子的标准化值。

图2为本发明强震区电网脆弱地质环境典型泥石流发生概率。

图3为本发明强震区电网脆弱地质环境典型泥石流发生概率评价值与泥石流冲出规模验证图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

一种强震区电网脆弱地质环境泥石流发生概率计算方法，按照以下步骤进行：

步骤一：震区泥石流活动较震前频繁、规模大，考虑震后流域物源储备的丰富性，临界雨量的降低现象，震后山地地形的改变等，结合野外调查及前人的研究成果，提取电网脆弱地质环境泥石流7个评价因子，为松散固体物质储量f1(×10⁴m³)、泥石流暴发频率f2(％)、流域面积f3(km²)、流域相对高差f4(km)、流域切割密度f5、主沟长度f6(km)、激发雨强f7(mm)；

步骤二：利用critic法，通过公式(1)对7个评价因子的原始数据进行无量纲化处理。

其中，x(i,j)为第评价因子j中第i个评价单元归一化后的数值，x′(i,j)为评价因子j中第i个评价单元的原始值，min(x′(i,j))为评价因子j中存在的最小值，max(x′(i,j))为评价因子j中存在的最大值。其中，i＝1，2，3…n；j＝1，2，3…7。

步骤三：critic法中第j个指标生成的向量，均有标准差的特点，标准差为σj，可以用来反映指标间的对比强度，利用公式(2)计算；指标间的冲突性，以各指标间的相关性来表示，两评价因子间j和k的线性相关系数r(j,k)，用公式(3)计算；第j个指标所包含的信息量大小cj，通过公式(4)计算：

cj＝σj*∑(1-r(i,j）)(4)

其中，为评价因子j的平均值；为第k个评价因子的平均值；y(i，k)为k评价因子中第i个评价单元归一化后的数值；n为评价单元总个数；k＝1，2，3…7；

步骤四：将cj归一化后，计算各指标的权重：

式中，wj为第j个指标的权重；cj为第j个指标的信息量。

步骤五：将研究区内泥石流的参数无纲量化处理，根据标准化值计算出研究区泥石流7个评价因子的权重，从而根据公式(6)实现研究区泥石流发生概率计算：

r＝∑x(i,j)*wj(6)

评价因子间的对比强度和冲突性，通过“统计产品与服务解决方案”数据处理软件计算，其计算结论客观性更强、更便捷。

下面利用本发明的计算方法对强震区映秀区域进行分析，计算出该地区电网脆弱地质环境泥石流的发生概率：

研究区位于中国四川省汶川县映秀镇附近，面积约460km²。地处四川盆地和青藏高原的过渡地带，主要为深切峡谷，高程约860～3950m。研究区属起源于西北山区的岷江水系，区内的渔子溪为岷江一级支流。岷江干流沿岸基岩以花岗岩，震旦纪火成碎屑岩，石炭纪石灰岩和三叠纪砂岩为主；渔子溪沿岸基岩以晋宁－澄江期岩浆岩、古生界志留系茂县群板岩夹千枚岩为主。构造上属于ne–sw走向的龙门山断层带，其中造成汶川“5·12”地震的“映秀—北川“断裂带贯穿研究区东南部，倾向北西，倾角60°～70°，最大垂直错距约5m，最大水平错距约4.8m。解译2011年高精度worldview-2卫星影像获得映秀地区崩滑体数量共6684处，滑坡5290处，崩塌1394处，为岷江干流、渔子溪沿岸42条泥石流的发展提供了大量的物源。泥石流物源数量随距断层的距离逐渐减少，经统计约90％的泥石流物源分布在距断层12公里范围内。

研究区属于典型的亚热带湿润季风气候，年平均温度约12.9℃。在过去的30年内年平均降雨量约1253.1mm，最大年降雨量为1964年的1688mm，最大降雨强度为1964年的269.8mm/day。每年的降雨周期主要集中在6～9月，占了近全年降雨量的70％。

震区泥石流活动较震前频繁、规模大，考虑震后流域物源储备的丰富性，临界雨量的降低现象，震后山地地形的改变等，结合野外调查及前人的研究成果，提取电网脆弱地质环境泥石流特征：松散固体物质储量f1(×10⁴m³)、泥石流暴发频率f2(％)、流域面积f3(km²)、流域相对高差f4(km)、流域切割密度f5、主沟长度f6(km)、激发雨强f7(mm)7个评价因子，通过野外调查和摇撼技术统计获取到了各评价因子的数值，评价单元的数量为42，其中给出了有代表性的20个评价单元的数值，如下表1所示。

表1

根据公式(1)对强震区电网脆弱地质环境泥石流沟的影响因子进行无量纲化处理得到标准化值，其中，表1的第一排为各评价因子的原始值，得到的标准化值如图1所示。

利用spss数据处理软件处理数据得到各评价因子的标准差及各评价因子间的相关系数矩阵，运算过程为公式(2)和(3)，再通过公式(4)求得各评价因子包含的信息量大小，利用公式(5)进而得出各个评价因子的权重，见表2。

表2强震区电网脆弱地质环境泥石流因子间相关系数及权重

由表2可知，各个评价因子的对比强度不等，说明各评价因子对泥石流的发生规模有不同程度的影响，评价因子的选取具有一定的合理性。

采用评价因子包含的信息量综合反映各评价因子的对比强度和冲突性，cj的大小决定着因子权重的大小。f1权重最大，f2次之，即各评价因子权重排序为：

f1>f2>f7>f3>f6>f4>f5

由于研究区局限性，降雨量变化不大，因此泥石流的暴发受控于流域内物源情况；同时泥石流发生频率越高，则累计造成的危害性越大，因此f1和f2两个因子所占权重较高。

根据公式(6)计算强震区电网脆弱地质环境泥石流发生概率，结合野外调查和前人的相关研究，将研究区42条泥石流敏感性划分为三类：r≤0.27，高可能性泥石流；0.27<r<0.35，中等可能性泥石流；r≥0.35，低可能性泥石流，见图2。

野外调查，“2010.8.14”暴雨之后，df01、df02、df03、df04、df08、df21均暴发大规模泥石流，并作为重点治理对象，以泥石流的形成、运动、堆积等特征可以建立不同的泥石流分类系统。从泥石流的运动特征出发，通过野外现场调查和遥感解译，计算研究区内重点泥石流沟的一次泥石流冲出总量，作为验证泥石流敏感性评价模型的依据，建立电网脆弱地质环境典型泥石流沟的概率评价值与泥石流冲出规模验证图，见图3。

图3可知，强震区电网脆弱地质环境泥石流发生概率计算结果与验证方法结果对比可知，泥石流冲出规模与计算的电网泥石流发生规模吻合率达到了81％，从而证明了强震区电网脆弱地质环境泥石流发生概率计算方法的可行性。

综上所述，本发明能够结合电网特征及强震区地质环境背景计算泥石流发生的概率，明确了电网泥石流发生的可能性大小，外界诱发因素落脚于强降雨，内部诱发因素落脚于电网泥石流流域地质环境特征，填补了强震区电网脆弱地质环境泥石流发生概率评价工作的空白，极大的提高了脆弱地质环境条件下，强震区电网设备应对泥石流的主动性。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。