川藏铁路桥梁施工风险怎么量化？用「动态权重 + 二维云模型」把不确定性转化为风险等级
本文基于一套完整的 MATLAB 实现，拆解二维云模型在川藏铁路桥梁施工风险评估中的建模思路、公式原理、参数设定与结果判读，并给出可直接复现的代码与运行环境说明。
一、研究背景
川藏铁路跨越横断山脉与雅鲁藏布江等地质极复杂区段，桥梁占比高，同时面临高烈度地震、滑坡崩塌、冻土融沉、高原缺氧等多重威胁。传统风险评估常采用固定权重加线性加权，两个短板长期存在：其一，权重一旦确定便不再随对象变化，无法反映指标之间的动态传导；其二，用单一数值（要么只看发生概率，要么只看后果严重度）压缩风险，丢失了随机性与模糊性这两类不确定性。
云模型用期望 Ex、熵 En、超熵 He 三个数字特征统一刻画随机性与模糊性。把概率与后果两个维度分别建云并联合计算，就构成二维云模型；再让熵 En 在超熵 He 的约束下随机波动，权重便从静态转为动态。这套思路正好契合川藏铁路桥梁这种多层级、强耦合、信息不完备的风险场景。
二、主要功能
程序由两个文件组成，功能边界清晰：
generate2DCloud.m：二维正向云发生器，输入概率维与后果维各三个数字特征(Ex, En, He)及云滴数量n，输出云滴坐标(x, y)与联合隶属度μ。Main_test.m：主流程，负责定义标准风险云与综合风险云、生成云滴、绘制三维云图与俯视图、聚合准则层、计算贴近度并判定最终风险等级。
具体能力包括：生成 I～V 五级标准风险云；生成「概率 × 后果」综合风险云；三维散点与俯视图可视化；准则层 G（桥梁自身风险）与 Z（自然地质风险）的聚合云；基于贴近度的风险等级判定。
三、公式原理
正向正态云发生器是全部计算的基础。一维情形下，先让熵围绕 En 以超熵 He 为方差随机抽样：
En′=N(En, He)En' = N(En,\ He)En′=N(En, He)
再以 En' 为方差生成云滴坐标，并计算隶属度：
x=N(Ex, En′),μ=exp(−(x−Ex)22En′2)x = N(Ex,\ En'),\quad \mu = \exp\left(-\frac{(x-Ex)^2}{2{En'}^2}\right)x=N(Ex, En′),μ=exp(−2En′2(x−Ex)2)
二维云把概率维 x 与后果维 y 联合起来，隶属度取两个维度偏差的联合高斯形式：
μ=exp(−(x−Ex)22En′x2−(y−Ey)22En′y2)\mu = \exp\left(-\frac{(x-Ex)^2}{2{En'}_x^2}-\frac{(y-Ey)^2}{2{En'}_y^2}\right)μ=exp(−2En′x2(x−Ex)2−2En′y2(y−Ey)2)
其中 En'_x、En'_y 分别由概率维与后果维的 (En, He) 抽样得到。这正是 generate2DCloud.m 里先 normrnd(En, He) 再套用该式子的来源，也是「动态」一词的技术落点：每生成一个云滴，熵都重新抽样一次，权重随之自适应波动。
风险等级的判定采用贴近度，即综合云期望点与各标准云期望点欧氏距离的倒数：
di=(x0−xi)2+(y0−yi)2,Ci=1did_i=\sqrt{(x_0-x_i)^2+(y_0-y_i)^2},\quad C_i=\frac{1}{d_i}di=(x0−xi)2+(y0−yi)2 ,Ci=di1
距离越近，贴近度越大，对应等级越可信，取贴近度最大的等级作为最终判定结果。
四、算法步骤
- 定义五级标准风险云的数字特征：期望
Ex取 1、3、5、7、9，熵En = 0.33，超熵He = 0.05。 - 定义综合风险云：概率维特征
(7.9766, 0.2751, 0.0746)，后果维特征(7.9823, 0.2915, 0.0607)。 - 调用
generate2DCloud，对每个等级生成 1000 个云滴，综合云同样生成 1000 个云滴。 - 绘制三维风险云图（x=概率、y=后果、z=隶属度）及二维俯视图。
- 读入准则层 G（3 个指标）与 Z（8 个指标）的特征值，按维度取均值聚合为准则层云并绘制。
- 计算综合云期望点
(7.9766, 7.9823)到五个标准点的欧氏距离，取倒数得到贴近度。 - 输出各等级贴近度，取最大值对应的等级作为最终风险等级。
五、技术路线
特征值输入 → 二维正向云发生器 → 标准云与综合云云滴生成 → 三维与俯视图可视化 → 准则层聚合 → 贴近度计算 → 风险等级判定。整条链路不依赖训练数据，属于先验特征驱动的定性定量结合方法，可解释性强，适合专家打分之后再做一层可量化、可视化的决策支撑。
六、参数设定
标准风险云等级与数字特征如下表（概率维与后果维共用同一组期望）：
| 等级 | Ex（概率 = 后果） | En | He |
|---|---|---|---|
| I | 1.0 | 0.33 | 0.05 |
| II | 3.0 | 0.33 | 0.05 |
| III | 5.0 | 0.33 | 0.05 |
| IV | 7.0 | 0.33 | 0.05 |
| V | 9.0 | 0.33 | 0.05 |
综合风险云：概率云 (7.9766, 0.2751, 0.0746)，后果云 (7.9823, 0.2915, 0.0607)。云滴数 n = 1000。准则层 G 含 G1～G3，准则层 Z 含 Z1～Z8，各自在概率维与后果维都有独立特征值，由专家打分或历史数据标定后写入代码。
七、运行结果解读
程序最终打印综合云期望坐标 (7.9766, 7.9823)，并给出五个等级的贴近度：I 级约 0.101，II 级约 0.142，III 级约 0.237，IV 级约 0.722，V 级约 0.693。最大贴近度落在 IV 级，因此判定为 IV 级风险，且数值上已逼近 V 级，说明该桥梁施工风险处于「较高」到「高」的临界带，需要重点防控。
可视化输出：三维风险云图、风险云俯视图、准则层 G/Z 风险云图、贴近度柱状图。综合云（黑色云滴）明显叠加在 IV 级标准云附近，与数值结论互相印证。
八、运行环境
- MATLAB R2020b 及以上
九、应用场景
这套「动态权重 + 二维云模型」框架不止适用于川藏铁路桥梁，凡涉及多层级、多指标、信息不完备且需要同时刻画概率与后果的工程风险评估都可复用：隧道与高边坡施工风险、水利大坝安全评价、矿山与化工安全、重大基础设施运维等。二维云把发生可能性与后果严重度放在同一张图上联合研判，贴近度又给出直观的等级判定，适合作为专家打分之后的一层可量化、可视化的决策支持。
结语
二维云模型的「动态」不在参数调整的炫技，而在超熵 He 对熵 En 的随机化：每一次云滴采样都让不确定性被重新表达，最终通过贴近度收敛到一个可信的风险等级。把这套 MATLAB 代码跑通，再替换成自己项目的指标特征值，即可复用到更广的工程场景。