三峡库区万州主城区第四系堆积层厚度的估算方法及应用

堆积层厚度是区域地质灾害体稳定性预测及定量评估不可或缺的基础数据,传统的空间插值方法制图效率低,精度也较差。以三峡库区万州主城区为研究对象,通过分析区内第四系堆积层厚度标志得出各标志因子,根据已知厚度区域的特点提取堆积层厚度与其标志因子之间的关系,建立了基于随机森林算法的堆积层厚度模型,最后将该模型应用于整个区域估算出堆积层厚度的空间分布。特征点的预测值与实测值的比较结果表明:模型整体的误差变异小,预测的准确度较高,预测结果具有较高的可信度。     

基于XGBoost模型的三峡库区燕山乡滑坡易发性评价与区划

滑坡易发性评价是精细化滑坡灾害风险评价的基础。为了提升滑坡易发性评价模型的精度和稳健性,以三峡库区万州区燕山乡为例,选取工程地质岩组、堆积层厚度等九个影响因子构建滑坡易发性评价指标体系,应用信息量模型定量分析滑坡发育与指标之间的关系。在此基础上,随机选取70%/30%的滑坡样本作为训练/验证数据集,应用极致梯度提升模型(extreme gradient boosting, XGBoost)开展易发性评价。随后从模型预测精度和模型稳定性两方面将其与决策树模型(decision tree, DT)和梯度提升树模型(gradient boosting decision tree, GBDT)进行对比。结果表明：研究区堆积层滑坡主要受长江水系、堆积层厚度和工程地质岩组影响。XGBoost模型具有最高的准确率(94.3%)和预测精度(97.3%)。在模型稳定性验证中,平均预测精度最高(97.3%),优于DT(91.3%)和GBDT(95.7%),模型标准差和变异系数均为0.01,低于其余两种模型。XGBoost在区域滑坡易发性评价与制图中得到了可靠的结果,为滑坡灾害空间预测提供了新的技术支撑。     

镇域尺度下秦巴山区堆积层滑坡易发性不同单元评价性能对比研究

秦巴山区堆积层滑坡数量多、分布广、密度大、频次高,所造成的危害十分严重,且具有孕灾条件复杂多样和部分灾害评价数据获取难度大等特征。笔者选取秦巴山区小岭镇作为研究区,在地质灾害野外调查基础上,结合堆积层滑坡区域特点,采取栅格、斜坡两种单元类型,因地制宜的提取了滑坡孕灾因子,分析其相关性,提选出坡度、坡高、坡面形态、斜坡结构类型、堆积层厚度、距道路、矿区、断裂的距离等8个因子作为堆积层滑坡特征因子,运用随机森林模型方法对该镇域进行了滑坡易发性评价;并通过评价结果频率比、ROC曲线、易发性概率均值与标准差,对栅格单元、斜坡单元两种单元类型的精度与准确性进行了验证,结果表明：两种评价单元的预测结果都有良好的表现,但斜坡单元作为评价单元总体预测性能高于栅格单元,栅格单元在灾害防治具体空间部署上有着更精细的参考。研究成果对秦巴山区镇域地质灾害风险评价工作有一定的理论和实践意义。     

几种聚类优化的机器学习方法在灵台县滑坡易发性评价中的应用

笔者以甘肃省平凉市灵台县为目标研究区域,基于地理空间和历史滑坡数据,利用混合高斯聚类(GMM)优化的逻辑回归(LR)、支持向量机(SVM)、BP神经网络(BP Neural Network)、随机森林(RF)4种机器学习模型构建滑坡易发性评价分析模型。选取高程、坡度、坡向、曲率、黄土侵蚀强度、归一化植被指数、地质构造7个环境因子作为滑坡易发性影响因子,以30m栅格建立影响因子地理空间数据库,将研究区域划分为180万栅格单元。利用混合高斯聚类模型对整个研究区域的栅格单元进行聚类,得出初步的滑坡易发分区,选择易发程度最低类别中的栅格单元作为非滑坡区域,每次随机选择500个单元作为非滑坡单元,并根据历史滑坡数据将203个已知滑坡栅格单元作为滑坡单元,建立4种机器学习分类模型。利用训练好的模型对整个研究区域进行预测,绘制各算法的受试者工作曲线(ROC曲线),对各个算法的预测结果进行对比。分析结果表明,在本目标研究区域,各模型的滑坡易发区划图与实际的滑坡分布情况总体相吻合。随机森林模型的ROC曲线下面积(AUC)最大为0.96,测试集准确率最高为0.93;BP神经网络模型的ROC曲线下面积和测试集准确率次之,为0.90和0.87;支持向量机模型和逻辑回归模型的ROC曲线下面积和测试集准确率分别为0.86、0.81和0.85、0.80,均低于随机森林和BP神经网络模型。     

基于GIS与WOE-BP模型的滑坡易发性评价

区域滑坡易发性研究对地质灾害风险管理具有重要意义.以往研究中,将多元统计模型与机器学习方法相结合用于滑坡易发性评价的研究较少.以三峡库区万州区为例,首先选取9种指标因子（坡度、坡向、剖面曲率、地表纹理、地层岩性、斜坡结构、地质构造、水系分布及土地利用类型）作为滑坡易发性评价指标.基于证据权模型（weights of evidence,WOE）计算得到的对比度和滑坡面积比与分级面积比的相对大小,对各指标因子进行状态分级;再利用粒子群法优化的BP神经网络模型（PSO-BP）得到各指标因子权重.综合两种模型确定的状态分级权重和指标因子权重（WOE-BP）计算滑坡易发性指数（landslide susceptibility index,LSI）,基于GIS平台得到全区滑坡易发性分区图.结果表明:水系、地层岩性和地质构造是影响万州区滑坡发育的主要指标因子;WOE-BP模型的预测精度为80.8%,优于WOE模型的73.1%和BP神经网络模型的71.6%,可为定量计算指标因子权重和优化滑坡易发性评价提供有效途径.      

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

关键影响因子作用下三峡库区堆积层滑坡分布规律及变形破坏响应特征

三峡库区崩滑地质灾害频发,堆积层滑坡是最常见的滑坡类型。在分析三峡库区145处库岸堆积层滑坡资料基础上,选取地形地貌、地质岩性和斜坡构造作为控制因素、降水和库水波动作为主要诱发因素,探究堆积层滑坡在上述关键影响因子下的分布发育规律及变形破坏响应特征,阐明内在机理,结果表明:(1)受区域地质构造和基岩地层岩性显著控制,滑坡发育频次和规模沿长江存在显著空间差异性;(2)砂页岩夹煤层岩组(SC)和泥灰岩与砂泥岩互层岩组(MSM)对库区堆积层滑坡危害最大,软岩、“软-硬”互层二元结构和水-岩(土)相互作用是主导滑坡发育的主要影响因素;(3)大多数滑坡涉水,主要发育在10°~30°斜坡上,前缘高程集中在100~175 m,受库水波动影响严重,岸别和斜坡结构对堆积层滑坡发育没有明显控制作用;(4)库区滑坡主要由降雨-库水下降联合诱发滑体前缘滑移-拉裂,引发牵引式滑坡,降雨与库水波动各自对滑体的影响格局和程度存在明显差异。以期研究成果为有针对性的库区滑坡总体防治提供一定的科学指导。     

基于GIS的滑坡空间数据库研究--以云南小江流域为例

滑坡作为一种典型的地质灾害现象,有其特有的属性特征、方法及事件特征。在面向对象的GIS中,滑坡因素空间数据库是描述滑坡对象的主要指标系统。滑坡因素空间数据库包括滑坡因子数据库和滑坡分布数据库。滑坡因子主要分为静力因子和动力因子。静力因子决定了滑坡空间分布特征及规律。动力因子与新滑坡的变形失稳及老滑坡的再次活动密切相关。通过航片解译和现场勘查等工作建立的滑坡因素空间分布数据库是建立滑坡GIS分析模型的重要环节。滑坡因子数据库与空间分布数据库不仅包括属性数据库,而且包括图形数据库。它们的建立需要经过概念模式设计,逻辑设计,物理设计3个重要的步骤。云南小江流域是我国西南地区典型的滑坡等地质灾害多发区,以其为例对滑坡空间数据库的设计与创建过程进行了详细的说明。     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

祁连山滑坡灾害初步研究

祁连山地处青藏高原北部边缘的甘肃、青海两省交界处,是我国西北地区的重要生态屏障和水源涵养地。祁连山山高谷深、地质构造发育,新构造运动强烈,地震频繁且强度大,再加上高寒低温的恶劣气候条件,滑坡、崩塌等地质灾害较为发育,长期破坏森林、草地,也威胁道路、矿山等安全,对祁连山生态屏障和水源涵养地产生危害和不利影响,近年来有进一步发展趋势。本文根据遥感解译和调查的280余处滑坡,对祁连山甘肃境内滑坡灾害类型、发育分布特征、影响因素和成因进行了初步研究。祁连山滑坡类型主要为岩质滑坡和堆积层滑坡。岩质滑坡规模较大,发育多处巨型滑坡;堆积层滑坡规模较小,其稳定性较差,长期缓慢蠕动。特殊的地质环境孕育了一些形态特殊的碎屑流型滑坡、冻融泥流型滑坡和堰塞湖等典型地貌景观。祁连山滑坡发育分布主要受地形和地质构造控制,总体呈NW—SE向展布,空间分布不均匀且差异较大。滑坡发育主要与石炭系、白垩系、新近系等软岩和第四系堆积层有关。地震、地下水和季节性冻结滞水促滑效应是祁连山滑坡发育的重要动力因素。     

贝叶斯信息标准在滑坡因子敏感性分析中的应用

滑坡因子敏感性分析是滑坡预测和治理的重要前提。以巫山县新址西区作为试验区,运用滑坡影响因素与历史滑坡之间建立的Logistic回归模型,通过贝叶斯信息标准进行模型优劣程度的比较,以期得出本区滑坡因子的敏感程度。设计了逐个加入影响因子进行非嵌套模型的优劣程度对比的试验方法。试验区滑坡因子敏感程度计算结果排队依次为：岩性、高程、距有影响构造线距离、坡度、坡向、坡形。试验为区域斜坡稳定性评价提供了一种新的、可靠的方法。     

基于最大熵模型的中尼交通廊道滑坡易发性分析

中尼交通廊道作为中国近年来建设的重点区域,地质灾害频发,尤其是滑坡灾害层出不穷。文章基于对G216国道沿线地质灾害的实地调查以及遥感解译结果,以最大熵模型为方法,利用169个灾害点数据和8个评价因子图层预测了研究区滑坡灾害的易发性分布。根据占比划分五级风险区。结果表明,滑坡易发概率以G216为中心向外辐射逐渐降低。同时采用刀切法检验评价因子对预测结果的贡献度,确定了滑坡主导因素及其阈值。最后通过ROC曲线验证了模型的可靠性。为中尼边境公路区域建设提供一种地质灾害预测分析模型,也为青藏地区公路边坡防灾减灾提供有效支撑。     

库岸堆积层滑坡位移的分量响应模式及多因子模型

为了更加真实地刻画库岸堆积层滑坡位移与影响因素间的显式关系,克服现有的叠加型分量响应模式难以构造位移回归函数的不足,定义了一种新的分解模式——波动比,将位移增量表述为波动比与趋势项增量之积。结合三峡库区王爷庙滑坡实例,采用低通FFT滤波方法得到趋势项位移分量,确定当月降雨量、当月水位变化、前一月波动比值为核心因子组合,通过K-Means算法建立各单因子与波动比值的相关性函数关系,并提出由诱发因素项和状态控制项组合而成的多因子概化模型。同位移实测值及叠加型的ARIMA、SVR、RF、BP预测模型进行对比分析,该方法运算简便、预测效果较好、且位移成分可解释。选取库区其他4个典型滑坡案例综合比较研究,结果进一步验证了该方法的合理性。该模式及模型能够准确反映出滑坡位移随时间推移、多因素影响、状态约束的综合响应,为研究该类型滑坡的演化机制及时空预测提供了新思路。     

库水位下降及降雨作用下麻柳林滑坡稳定性评价与预测

研究库水位升降与降雨影响下三峡库区堆积层滑坡的稳定性变化特征,并对其进行预测具有重要意义。建立了三峡库区万州区麻柳林滑坡的地质模型,基于P-Ⅲ型分布曲线对降雨重现期进行分析后共设置了12种计算工况;利用Geostudio软件对滑坡稳定性进行了模拟。结果表明:库水位下降和降雨入渗均会使滑坡稳定性系数减小,不仅变化幅度与库水位下降速率和降雨强度均为正相关关系,而且滑坡稳定性对于降雨条件更加敏感。2种最不利工况条件下的滑坡稳定性系数分别为0.95和0.949,此时滑坡失稳破坏。利用灰色模型对最不利工况下的滑坡稳定性系数进行了滚动预测,其MAPE为2.86%,MSE为0.033,预测精度优于多项式模型。     

基于数值模拟的三峡库区典型堆积层滑坡变形预测方法

目前对堆积层滑坡的变形预测大多基于数学模型或方法,忽略了引起滑坡位移显著变化的动力外因及滑坡自身的地质特征,因此,预报准确度和可信度较低。以三峡库区典型堆积层滑坡--鹤峰场镇滑坡为例,通过4组主要控制因素科学组合构建了滑坡的基本地质模型;以此为基础,重点考虑引起滑坡发生变形的库水作用动力因素,建立滑坡的数值-力学模型。通过实际监测点的变形监测结果与数值-力学模型中模型监测点的变形进行拟合分析,获取了实际时间与数值-力学模型中时步的等效关系;基于时间-时步等效关系及三峡水库设计水位调度曲线,得到了不同时步水位的波动特征;通过时步的外延,并在相应的时步段对数值-力学模型施加等效时间的库水作用,预测了滑坡在未来库水位变动条件下的变形。该预测方法既考虑了滑坡的工程地质模型又考虑了地下水作用效应,克服了纯数学方法预测的不足。     

湖北省巴东县新城区滑坡灾害空间预测

论文在综合分析巴东县新城区区域地质背景及滑坡基本特征的基础上,分析了影响滑坡灾害发生的各因素与滑坡发生之间的相关性,提出影响灾害发生的主要因素：地形坡度、斜坡形态、岩性、构造、水的作用、人类工程活动。利用GIS的空间分析功能将各因素图件栅格化为86216个不规则单元。基于逻辑回归的方法对滑坡灾害进行了定量的概率预测。同时,对研究区进行滑坡灾害空间预测分区,将预测结果与该地区历史滑坡灾害发生情况进行对比发现预测精度为85．71％。说明所建立的模型具有较高的预测精度,是可以用于预测分析的。     

基于灰色关联度模型的区域滑坡敏感性评价

数理统计和机器学习模型如支持向量机(support vector machine,SVM)等,在区域滑坡敏感性评价中得到广泛的应用.但这些模型的建模过程往往较复杂,如在对机器学习进行训练和测试时难以选取合理的非滑坡栅格单元,而且有较多的模型参数需要确定.为提高滑坡敏感性评价建模的效率和精度,提出基于灰色关联度的敏感性评价模型.灰色关联度模型能有效计算各比较样本与参考样本之间的定量的关联度,具有建模过程简洁和评价精度高的优点,该模型目前在区域滑坡敏感性评价中的应用还没有引起研究人员的足够关注且有待进一步拓展.拟将灰色关联度模型用于浙江省飞云江流域南田—雅梅图幅(南田地区)的滑坡敏感性评价,并将得到的评价结果与SVM模型的敏感性评价结果作对比分析.结果显示,灰色关联度模型在高和极高敏感区的滑坡预测精度优于SVM模型,而在中等敏感区的滑坡预测精度略低于SVM模型;整体而言,灰色关联度模型对整个南田地区滑坡敏感性分布的预测精度略高于SVM模型.对两个模型建模过程的对比结果显示,灰色关联度模型建模较简单,具有比SVM模型更高的建模效率,为滑坡敏感性评价提供了一种新思路.     

基于邻近域特征的堆积层滑坡多维地电信息成像监测技术研究

堆积层滑坡作为一种非线性系统变形演化规律复杂，准确量化坡体形变过程中滑移面边界变化、降雨入渗边界、水头边界和流量边界等重要参数是堆积层滑坡变形破坏机理研究的基础。此项研究基于电阻率成像技术，可依据岩土体成分、结构的不同和地层间电性的差异实现快速、多维剖面成像，并通过深度神经网络建立了浅层高分辨率电阻率成像数据和各类监测数据的“时间-空间-属性”邻近域特征信息统一表达矩阵，实现了各监测项空间权重的快速收敛。在此基础上，用逐层、逐个递推式回归分析方法分析深层电阻率成像数据，准确构建了反映堆积层滑坡形变过程的内部结构多维电性特征模型。试验证明，该方法有效地提高了各类边界参数基于地电信息成像监测结果的实时性和准确性，为堆积层滑坡形变破坏机理研究提供理论与方法支撑。     

基于栅格数据的巴东新城区滑坡空间预测

针对滑坡空间预测中遇到的问题,简述了滑坡空间预测的主要过程,首先介绍了栅格数据的准备过程,结合栅格数据的存储特点,提出了基于栅格数据的信息量模型预测流程。以三峡库区巴东新城区为例开展了滑坡空间预测,重点阐述了预测过程中关键技术,如基于栅格数据计算信息量的解决方案、预测因素状态的确定方法以及预测结果的分级方法,同时探讨了影响巴东新城区滑坡的重要因素,在此基础上开展了巴东新城区滑坡危险性预测并对预测结果进行了合理性分析。通过解决这些滑坡空间预测中的关键性问题,为滑坡空间预测提供了一个高效合理的解决办法。     

区域滑坡空间分布的变维分形特征研究

定量研究滑坡的空间分布特征对研究滑坡灾害的孕育发展具有重要意义。以陕西省宁强县滑坡为例,采用变维分形方法,探讨滑坡在空间分布上的变维分形特征。结果表明：区域滑坡与不同影响因子,即高程、起伏度、坡度、距河流距离、距断裂带距离和地层岩性之间全部呈一阶累积和变维分形分布特征,且分形维数分别是0.511 1、1.135 7、1.290 6、0.903 8、1.189 5、0.979 9。由此可见滑坡对于不同影响因子的敏感度由高到低分别是坡度＞距断裂带距离＞起伏度＞地层岩性＞距河流距离＞高程。上述研究表明用变维分形理论来研究滑坡的空间分布特征是完全可行的,它能够定量地反映滑坡的空间分布与各影响因素之间的敏感性关系,特别是对于GIS空间叠加分析时权重的确定有着重要的意义。