降雨型滑坡发生的时间概率受地形、地质等综合环境影响,而滑坡易发性能够综合反映多种因素影响的孕灾环境,在不同易发区下开展降雨型滑坡时间概率研究,可充分顾及不同环境下降雨诱发滑坡的差异性,进而提高降雨型滑坡时间概率的估算精度...降雨型滑坡发生的时间概率受地形、地质等综合环境影响,而滑坡易发性能够综合反映多种因素影响的孕灾环境,在不同易发区下开展降雨型滑坡时间概率研究,可充分顾及不同环境下降雨诱发滑坡的差异性,进而提高降雨型滑坡时间概率的估算精度。以云南省绿春县降雨型滑坡为研究对象,首先,基于地理探测器(GeoDetector)与随机森林(random forest,RF)进行滑坡易发性评价,划分不同的易发区;其次,考虑前期有效降雨量,构建基于前期有效降雨量的降雨强度-降雨历时(EI-D)模型;最后,基于EI-D模型构建顾及不同易发区的降雨阈值,并计算不同时段内的累积降雨量。研究结果表明:滑坡易发性模型的曲线下面积(area under the curve,AUC)值为0.969,精度较高;基于滑坡易发性结果对研究区进行不同易发区划分,所构建EI-D模型准确率为80%,其中高易发区的估算效果较好,有70%的验证滑坡点在临界阈值之上。该方法不仅考虑了不同降雨条件对滑坡的影响,还顾及了多种因素综合影响下的易发区,能够满足复杂环境下降雨型滑坡事件时间概率估算的需求。展开更多
在5G移动通信时代,恶意软件或行为不当的应用程序可能触发移动网络信令风暴,导致设备电量耗尽且占用过多的带宽,带来严重危害。信令风暴预测可以帮助识别和监控信令流量,及时采取措施应对信令风暴。现有的基于固定阈值预测信令风暴的方...在5G移动通信时代,恶意软件或行为不当的应用程序可能触发移动网络信令风暴,导致设备电量耗尽且占用过多的带宽,带来严重危害。信令风暴预测可以帮助识别和监控信令流量,及时采取措施应对信令风暴。现有的基于固定阈值预测信令风暴的方式无法准确及时地反映信令风暴的实时态势,具有一定的局限性。因此,提出基于贝叶斯智序网络和自适应阈值的信令风暴预测算法CMAT(CNN-LSTM based Monitoring and Anticipation Tool)。该算法可以根据历史数据预测未来的注册数量,从而提前判别是否发生信令风暴,最大限度地止损。实验结果表明,相较于移动平均线和时态融合变化器(TFT)算法,所提算法的加权绝对百分比误差(WAPE)仅0.052,优势显著。此外,自适应阈值算法可以依据历史注册数量自动调整阈值,从而避免将节假日数据视为异常数据,而基于自适应阈值的异常预测的准确率高于传统的基于固定阈值的异常预测,且所提算法在现网与人工生成信令风暴情况下均表现良好。展开更多
针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将...针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将研究区域划分为若干具有相似特征的子区域,为每个子区域拟合基于实时数据的降雨量阈值,提升阈值的局部适应性和针对性。将分区的实时降雨量阈值与自适应神经树模型(adaptive neural tree,ANT)集成,使ANT模型适应各分区的特定环境条件,并根据累计降雨量与滑坡发生率的关系自动调整预测阈值。以中缅油气管道贵州段为例,将整体阈值和基于K-Means聚类得到的分区实时降雨量阈值分别应用于ANT模型。结果显示,采用聚类分区实时降雨量阈值的ANT模型在精确度、召回率、F1分数和受试者工作特征曲线下面积(receiver operating characteristic area under curve,ROC AUC)值等关键性能指标上均优于仅使用整体阈值的模型。研究表明,基于K-Means聚类的实时降雨量阈值分区方法与ANT模型的集成,能够显著提高滑坡易发性预测的准确率,实现滑坡风险的实时评估。展开更多
The luminance in the road tunnel threshold zone attracts broad attention due to its enormous energy consumption and direct influence on tunnel transportation security.Current lighting design methods in threshold zones...The luminance in the road tunnel threshold zone attracts broad attention due to its enormous energy consumption and direct influence on tunnel transportation security.Current lighting design methods in threshold zones mostly adopt the reduction coefficient method.However,the determination of reduction coefficient k simply considers tunnel design speed and flow rate,while excluding outside tunnel luminance and threshold zone color temperature and luminance,which have a major impact on driver visual adaptation.Existing problems in the determination of k value are analyzed;a visual performance experiment is utilized;and the reaction time of drivers in changeable outside tunnel luminance and threshold zone color temperature and luminance conditions is obtained;thus,the equations concerning reduction coefficient variation law are derived.In the end,a comparative analysis is made of the k values of the reduction coefficient stipulated by various norms under different color temperature conditions.展开更多
文摘降雨型滑坡发生的时间概率受地形、地质等综合环境影响,而滑坡易发性能够综合反映多种因素影响的孕灾环境,在不同易发区下开展降雨型滑坡时间概率研究,可充分顾及不同环境下降雨诱发滑坡的差异性,进而提高降雨型滑坡时间概率的估算精度。以云南省绿春县降雨型滑坡为研究对象,首先,基于地理探测器(GeoDetector)与随机森林(random forest,RF)进行滑坡易发性评价,划分不同的易发区;其次,考虑前期有效降雨量,构建基于前期有效降雨量的降雨强度-降雨历时(EI-D)模型;最后,基于EI-D模型构建顾及不同易发区的降雨阈值,并计算不同时段内的累积降雨量。研究结果表明:滑坡易发性模型的曲线下面积(area under the curve,AUC)值为0.969,精度较高;基于滑坡易发性结果对研究区进行不同易发区划分,所构建EI-D模型准确率为80%,其中高易发区的估算效果较好,有70%的验证滑坡点在临界阈值之上。该方法不仅考虑了不同降雨条件对滑坡的影响,还顾及了多种因素综合影响下的易发区,能够满足复杂环境下降雨型滑坡事件时间概率估算的需求。
文摘在5G移动通信时代,恶意软件或行为不当的应用程序可能触发移动网络信令风暴,导致设备电量耗尽且占用过多的带宽,带来严重危害。信令风暴预测可以帮助识别和监控信令流量,及时采取措施应对信令风暴。现有的基于固定阈值预测信令风暴的方式无法准确及时地反映信令风暴的实时态势,具有一定的局限性。因此,提出基于贝叶斯智序网络和自适应阈值的信令风暴预测算法CMAT(CNN-LSTM based Monitoring and Anticipation Tool)。该算法可以根据历史数据预测未来的注册数量,从而提前判别是否发生信令风暴,最大限度地止损。实验结果表明,相较于移动平均线和时态融合变化器(TFT)算法,所提算法的加权绝对百分比误差(WAPE)仅0.052,优势显著。此外,自适应阈值算法可以依据历史注册数量自动调整阈值,从而避免将节假日数据视为异常数据,而基于自适应阈值的异常预测的准确率高于传统的基于固定阈值的异常预测,且所提算法在现网与人工生成信令风暴情况下均表现良好。
文摘针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将研究区域划分为若干具有相似特征的子区域,为每个子区域拟合基于实时数据的降雨量阈值,提升阈值的局部适应性和针对性。将分区的实时降雨量阈值与自适应神经树模型(adaptive neural tree,ANT)集成,使ANT模型适应各分区的特定环境条件,并根据累计降雨量与滑坡发生率的关系自动调整预测阈值。以中缅油气管道贵州段为例,将整体阈值和基于K-Means聚类得到的分区实时降雨量阈值分别应用于ANT模型。结果显示,采用聚类分区实时降雨量阈值的ANT模型在精确度、召回率、F1分数和受试者工作特征曲线下面积(receiver operating characteristic area under curve,ROC AUC)值等关键性能指标上均优于仅使用整体阈值的模型。研究表明,基于K-Means聚类的实时降雨量阈值分区方法与ANT模型的集成,能够显著提高滑坡易发性预测的准确率,实现滑坡风险的实时评估。
基金Project(51278507)supported by the National Natural Science Foundation of ChinaProject(cstc2017jcyjAX0346)supported by Chongqing Association for Science and Technology,China
文摘The luminance in the road tunnel threshold zone attracts broad attention due to its enormous energy consumption and direct influence on tunnel transportation security.Current lighting design methods in threshold zones mostly adopt the reduction coefficient method.However,the determination of reduction coefficient k simply considers tunnel design speed and flow rate,while excluding outside tunnel luminance and threshold zone color temperature and luminance,which have a major impact on driver visual adaptation.Existing problems in the determination of k value are analyzed;a visual performance experiment is utilized;and the reaction time of drivers in changeable outside tunnel luminance and threshold zone color temperature and luminance conditions is obtained;thus,the equations concerning reduction coefficient variation law are derived.In the end,a comparative analysis is made of the k values of the reduction coefficient stipulated by various norms under different color temperature conditions.
