海量监测数据下分布式BP神经网络区域滑坡空间预测方法

提出BP神经网络的分布式区域滑坡预测方法,算法设计在大数据分布式处理平台Spark下实现,通过构造包含均方误差和L2正则化的代价函数,提高运算实时性和算法泛化能力。统计影响滑坡评价因子的量化指标和定义监测剖面危险级别评价值,并进行评价因子特征选取,用于三峡库区忠县区域9个滑坡11年月监测海量数据挖掘,对研究区所有滑坡监测剖面每月进行危险级别评价,实现以月为周期的区域滑坡危险程度空间预测。试验表明,采用所述方法得到的拟合精度、准确度、效率均比梯度提升决策树、随机森林算法好,预测的滑坡危险级别准确,该方法可作为区域滑坡空间预测的一种新思路。     

基于C5.0决策树-快速聚类模型的万州区库岸段乡镇滑坡易发性区划

以乡镇为评价单元开展区域滑坡易发性评价对用地规划、防灾减灾等方面具有重要意义。以万州区临江段的23个乡镇单元作为研究对象,首先选取地表高程、坡度、坡向、岩性、构造、土地利用类型、地形湿度指数、水系、道路9个指标因子,通过C5.0决策树算法计算该区域发生滑坡的概率,再利用快速聚类算法进行易发性结果分级;基于ArcGIS平台得到各乡镇单元的滑坡易发性分区,结果表明:C5.0决策树-快速聚类模型的易发性评价精度最高,AUC值达到0.950,优于人工神经网络-快速聚类模型的0.826和贝叶斯-快速聚类模型的0.772。利用C5.0决策树-快速聚类模型的计算结果,综合考虑极高(高)易发区面积大小及其占乡镇面积比大小,完成各乡镇单元的滑坡易发性区划。在所有23个乡镇中,滑坡易发性等级高的包括大周镇、万州城区、溪口乡、新田镇等乡镇。通过对比各乡镇滑坡面积占研究区滑坡总面积的比重,发现两者结论基本一致,预测结果可为全区滑坡防灾减灾提供科学依据。     

基于镁铁-超镁铁岩中单斜辉石主量元素含量的决策树集成算法对比

依靠岩浆构造环境的地球化学成分认识岩浆形成过程是岩石地球化学中的重要应用。当前利用岩石地球化学成分判别构造环境的工作还不够深入。用4种基于决策树的机器学习方法对来自全球新生代洋岛玄武岩(OIB)、岛弧玄武岩(IAB)及大洋中脊玄武岩(MORB)等镁铁-超镁铁岩中单斜辉石的13种主量元素构成数据集进行了岩浆构造环境判别和主要特征排序。通过对比4种基于决策树的机器学习方法,验证了树类算法对于地球化学成分识别问题的有效性,并总结出4种方法在处理岩浆构造环境判别问题时的优劣:决策树算法判别过程更易于理解,但是其准确率欠佳;boosting算法中的AdaBoost和GBDT对于岩浆构造环境的鉴别准确度较高,但构造过程复杂;bagging集成算法随机森林在权衡性能和模型可理解性时不失为一个良好的选择。此外,还通过4种算法的特征重要性排序得出Cr_2O_3,TFeO,TiO_2,FeO和Al_2O_3是进行岩浆构造环境判别的重要成分。     

三峡库区岩性智能分类研究

三峡库区岩体上方覆盖着厚实的土壤和茂密的植被,是高植被覆盖区,岩性信息弱,因此岩性识别和分类困难,没有成熟的方法可循。针对三峡库区进行岩性分析,选择三峡库区巴东城区作为研究区域,采用2000年5月成像的ETM+遥感影像,构造纹理、光谱、植被覆盖等17个分类因子,将遥感影像与地质图叠加,选取1 101个样本点,采用决策树C4.5算法,挖掘出三峡库区巴东县处岩性的解译规则和知识,决策树的学习精度为96.6%,剪枝后精度为95.9%,规则提取的精度为93.1%,提取的规则置信度很高,并基于知识驱动和规则匹配实现了岩性的智能分类,分类精度较高为90.11%;将分类结果与IsoData方法、K-Means方法、马氏距离法、最大似然法、最小距离法、平行六面体方法等6种方法的分类结果进行比较,试验结果证明,决策树方法的分类结果最好,精度明显高于其他6种方法。     

基于粗糙集理论滑坡影响因子评价研究——以三峡库区青干河流域为例

运用地理信息系统和遥感技术,从LandsatTM遥感图像获取了一系列滑坡及其影响因子数据。结合粗糙集理论,对三峡库区秭归县青干河流域滑坡发生的影响因子进行了分析,提取了一组基本的滑坡影响条件属性因子,并导出了基于该因子集合的判断滑坡与非滑坡的规则集。研究结果表明,所选择的坡度、高程、斜坡类型、植被指数和岩石地层单元等5个条件属性因子对滑坡是重要的影响因素(核);由粗糙集生成的对预测滑坡相对较有价值的11条决策规则中,3条主要决策规则可作为滑坡影响因子的评价规则。     

基于CART决策树的水位流量序列数据异常值检测

为提高水文数据质量和数据校核效率,提出了一种基于CART决策树的水位流量序列数据异常值检测方法,以提高异常值自动检测水平。首先构造纳入冗余数据样本,再利用水位流量序列数据特性选择检测特征,然后将样本带入特征,结合测站特性和基尼系数算法计算特征阈值,形成决策树,最后利用决策树进行异常值检测,辅助人工数据校核。经过人工判定后的数据,将形成新的样本用于下一次决策树构建。该方法的检测精度和效率能满足实际应用,目前已在全国水文水资源监测信息系统使用。     

基于决策树模型的抗滑桩破坏概率

本文以抗滑桩桩顶位移变形和滑坡地表变形为研究目标,采用决策树模型分别构成抗滑桩桩顶设计位移量、实测位移量、滑坡地表破坏概率的三个决策方案枝,以及抗滑桩破坏概率分析决策终结点的决策树概率分析模型。从而建立了一种分析抗滑桩可靠性的判断方法。该方法的特点是将桩顶位移变形特点与滑坡地表宏观变形现象相结合,对抗滑桩的可靠性作出综合判断,其结果更具合理性。     

滑坡构造力学某些特征分析

滑坡是一种表生地质现象,其产生与地质构造紧密相关.它是在特定的地质环境中,由于以重力为主的自然营力或其与人类工程建设活动相互作用而发生和发展的.随着现代工程活动的迅速发展,国内外越来越多地涉及到性质和规模不同的滑坡.Vaiont滑坡是典型实例,2.6亿立米的岩体滑入水库,导致262米高拱坝失效;其它如美、加、日、苏、西、捷以及我国的铁道、水道、露天采场的滑坡事故,可见诸于有关书刊.这些都是发生于现今地表的滑坡.其实,不同地质历史期的古老滑坡,已逐渐发现和研究,这就是构造地质学中所称的“重力滑动构造”.由于这种封存于地下因剥蚀而露头的古滑坡构造特征在许多方面近似于掩复体,所以就引起了构造地质界的论战.甚或引伸到掩复体构造采用滑坡作用予以解释;相反,古老超巨型滑坡有人又试图采用一般构造成因来解释.Jacoby对岩石滑坡及板块构造机制的异同点做了对比.认为:板块可视为巨大范围的岩石滑坡,两者都是由于物质分布的非均一性和重力的不稳定性而导致位移的.移动的相同基础是软弱“导向面”.许靖华用浊流及颗粒流理论对滑坡堆积作用做了研究.徐邦栋、潘家铮等对滑坡力学作过分析.胡海涛等分析过黄土滑坡的结构、构造特征.看来,滑坡研究不仅具有工程实践方面的意义,而且也有一定的理论     

三峡库区巫山古滑坡系统构造形变场研究

本文分析了三峡库区巫山古滑坡系统的地质结构, 并且重点探讨了古滑坡构造形变场的基本特征。作者指出, 滑坡构造形变场在古滑坡的不同部位具有不同的特征, 且与区域构造形变场有明显的差异, 据此, 可以作为古滑坡前、后缘的界定, 以及用于探索古滑坡的多期演化过程。滑坡构造形变场的研究, 对于鉴定识别古滑坡系统和三峡移民选址, 具有重要意义。     

长江三峡库区构造特征与滑坡分布关系

长江三峡库区滑坡体的形成、演化与滑坡所处区域构造、局部构造特征以及新构造期的构造活动具有密切的成因联系,区域构造演化和局部构造的后期改造控制滑坡体的存在,第一,前期构造的“反转”变形是在薄皮构造控制下滑坡形成的一种可能的形式;第二,裂隙的组合形式、组数及其与河流流向的关系控制滑坡的形成和规模;第三,不同期次构造的复合部位是滑坡发生的主要集中地区,第四,新构造应力场作用下的滑坡的发生、发展、演化不是任意的,地壳不均衡隆升造成坡体不同的演化阶段,控制滑坡类型的时空分布;水平运动对滑坡的滑动方向、滑坡的破坏强度有重要影响,主要体现为新构造应力场与自重应力场的叠加。     

Landslide susceptibility mapping using a modified decision tree classifier in the Xanthi Perfection,Greece

The objective of this study was to validate the outcomes of a modified decision tree classifier by comparing the produced landslide susceptibility map and the actual landslide occurrence, in an area of intensive landslide manifestation, in Xanthi Perfection, Greece. The values that concerned eight landslide conditioning factors for 163 landslides and 163 non-landslide locations were extracted by using advanced spatial GIS functions. Lithological units, elevation, slope angle, slope aspect, distance from tectonic features, distance from hydrographic network, distance from geological boundaries and distance from road network were among the eight landslide conditioning factors that were included in the landslide database used in the training phase. In the present study, landslide and non-landslide locations were randomly divided into two subsets: 80 % of the data (260 instances) were used for training and 20 % of the data (66 instances) for validating the developed classifier. The outcome of the decision tree classifier was a set of rules that expressed the relationship between landslide conditioning factors and the actual landslide occurrence. The landslide susceptibility belief values were obtained by applying a statistical method, the certainty factor method, and by measuring the belief in each rule that the decision tree classifier produced, transforming the discrete type of result into a continuous value that enabled the generation of a landslide susceptibility belief map. In total, four landslide susceptibility maps were produced using the certainty factor method, the Iterative Dichotomizer version 3 algorithm, the J48 algorithm and the modified Iterative Dichotomizer version 3 model in order to evaluate the performance of the developed classifier. The validation results showed that area under the ROC curves for the models varied from 0.7936 to 0.8397 for success rate curve and 0.7766 to 0.8035 for prediction rate curves, respectively. The success rate and prediction curves showed that the modified Iterative Dichotomizer version 3 model had a slightly higher performance with 0.8397 and 0.8035, respectively. From the outcomes of the study, it was induced that the developed modified decision tree classifier could be efficiently used for landslide susceptibility analysis and in general might be used for classification and estimation purposes in spatial predictive models.     

复杂滑坡三维离散建模方法及其在茂县滑坡中的应用

针对3DEC软件在建立滑坡模型前处理功能上的不足,本文提出了一种基于MATLAB平台构建复杂滑坡数值模型的前处理方法。以滑坡发生前后的地形数据为基础,通过Distmesh工具箱进行滑坡区域的三角网格剖分与高程插值,生成三棱柱体构建滑床与滑体。同时借助Multi-Parametric Toolbox几何库中的函数生成Voronoi多面体来模拟滑坡路径上的基底物质,编写相应函数以获取块体的拓扑信息,并依据3DEC的语法规则将其转化输出为3DEC可读取的命令文本文件,实现了复杂滑坡模型的快速建立。最后以四川省茂县新磨村滑坡为例,详细叙述了滑坡数值模型的建模步骤。数值模拟结果表明,该方法建立的模型能够较好地重现滑坡运动过程、沿程铲刮现象以及最终堆积形态,验证了该方法的可行性和实用性。     

A spatial decision support system for extracting the core factors and thresholds for landslide susceptibility map

Spatial decision support system (SDSS) is an interactive, computer-based system designed to support a user in achieving a higher effectiveness of decision-making while solving a semi-structured spatial data. Satellite Remote Sensing and Digital Elevation Modeling are providing a systematic, rational framework for advancing scientific knowledge of our SDSS of geophysical phenomena that, often lead to observe the natural hazards or resources. Taking the advantage of these, more specifically, our study focused on using these to collect and measure the landslide data on a vast area located at Shei Pa National Park, Miao Li, Taiwan. Our source data includes (1) Digital Elevation Modeling is also used to investigate the landform, and (2) remote sensing image data are also employed to analyze the vegetation conditions. In addition, the process of generating landslide susceptibility maps involved on how to effectively extract the site-condition dominant attributes and thresholds for displaying the landslide occurrence accurately. Thus, the information from landslide must be categorized and thoroughly evaluated by an Advanced Data Mining Technique — Entropy-based classification method to construct the landslide knowledge rules. The knowledge scope with regards to core factors and thresholds are solved. Then, the susceptibility hazard maps are drawn and verifications are made. On the other hand, the conventional statistical method of Logistic Regression is used for comparison.     

基于聚类分析的滑坡灾害危险性区划研究

滑坡灾害危险性区划研究在城市规划决策方面具有重要的现实意义。聚类分析以统计学的形式将具有相似特征的数据进行归类,能够实现滑坡灾害危险性空间分布情况的定量评价。根据湖北省巴东县滑坡灾害统计资料,选择具有代表性的滑坡灾害影响因素作为危险性区划评价指标,采用熵权法和层次分析法相结合,综合评判各指标权重。并在此基础上,以MapGIS为操作平台,以C#语言编程实现了快速聚类算法,对研究区86216个单元进行了滑坡灾害属性分类及危险性等级自动识别,预测结果较好。本研究将综合权重评判方法与聚类模型结合,同时克服了聚类结果不能自动排序的困难,对处理大批量,多属性数据具有一定的创新性和实用价值。     

基于BP神经网络的滑坡监测多源异构数据融合算法研究

针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播（Back-Propagation,BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差（RMSE）达到0.4787 mm,从而有效提高了变形预测结果的精度。      

基于数据挖掘技术的白水河滑坡多场信息关联准则分析

为探究滑坡多场监测数据间的关联准则,采用数据挖掘技术中的两步聚类法与Apriori算法,开展滑坡多场信息关联准则研究。以三峡库区白水河滑坡为例,分析ZG93监测点于2003年6月—2016年12月期间的监测数据,选取影响滑坡变形的主要诱发因子,采用两步聚类法对不同的影响因子进行预聚类和聚类,将数值型变量转化为离散型变量后,应用Apriori算法进行处理,生成满足最小置信度的关联准则,建立白水河滑坡多场耦合作用模式下的影响因子与滑坡位移变形关联准则判据。研究表明,关联准则对于滑坡灾害的变形分析具有重要的意义,数据挖掘技术可较好地应用于三峡库区地质灾害位移预测预报中。     

三峡库区典型滑坡地球物理实测及其意义:以万州区四方碑滑坡为例

滑坡是最严重的地质灾害之一,查明滑坡形态特征及滑坡形成机制对于滑坡体稳定性分析、滑坡灾害风险管理和政府治理决策等方面具有重要意义.前人研究滑坡形态及其形成机制较少结合地球物理实测方法,其工程地质剖面绘制多局限于点信息的获取方式,而结合地球物理实测方法有利于从线、面同时获取更丰富的滑坡体地质信息,更加准确量化滑移面埋深和透视滑床形态.鉴于此,以灾害频发的三峡库区万州区为研究对象,采用网格高密度电法实测区内不同深度地层的电阻率值,并以此生成二维电阻率剖面和构建滑床三维形态;同时,将剖面电性分布特征与钻孔资料及地质调查资料相结合,对滑坡区地层结构、滑移面埋深以及滑床形态等多个影响滑坡的重要因素综合分析.结果表明,在研究区开展网格高密度电法实测工作,可获取地层电性结构特征以及构建滑坡体三维形态;实测剖面显示四方碑滑坡属于古滑坡,且存在拉裂槽现象.将实测剖面获取的滑移面埋深和构建的三维滑床形态进行钻孔标定,可对滑坡体内部结构及物质组成进行“透视”,从而为滑坡形成机制分析提供依据,同时也给其他类似区域地质调查中的滑坡稳定性评价及预测预报工作提供理论指导和技术参考.通过高密度电法揭示三峡库区典型滑坡体三维形态特征的理论方法和技术路线成功引入滑坡形成机制分析,可为研究滑坡形成机制和理论提供新思路,具有推广意义.      

基于人工免疫算法的数据压缩技术在滑坡异常提取中的应用研究

滑坡异常信息提取对滑坡预测预报至关重要。以四川丹巴滑坡为例，应用人工免疫算法对滑坡镜2、镜6和镜9的位移监测数据进行压缩，分别获得最优压缩率为0．821，0．819，0．829，保真度为0．95。并在置信水平为0．95的条件下，对压缩后数据进行异常提取，分别获得了3个监测点的4个异常信息。这些异常信息所反映的滑坡变形发展演化规律与滑坡声发射等其他监测信息所反映的规律基本保持一致，说明应用人工免疫算法对滑坡位移监测数据进行压缩处理可以在保持原有数据的特性与规律的同时，有效除去监测数据中的冗余与不相关信息，增加有效数据密度，有利于准确提取滑坡异常信息。     

Regional bias of landslide data in generating susceptibility maps using logistic regression: Case of Hong Kong Island

On the basis of 1,834 landslide data for Hong Kong Island (HKI), landslide susceptibility maps were generated using logistic regression and GIS. Regional bias of the landslide inventory is examined by dividing the whole HKI into a southern and a northern region, separated by an east-west trending water divide. It was found that the susceptibility map of southern HKI generated by using the southern data differs significantly from that generated by using northern data, and similar conclusion can be drawn for the northern HKI. Therefore, a susceptibility map of HKI was established based on regional data analysis, and it was found to reflect closely the spatial distributions of historical landslides. Elevation appears to be the most dominant factor in controlling landslide occurrence, and this probably reflects that human developments are concentrated at certain elevations on the island. Classification plot, goodness of fit, and occurrence ratio were used to examine the reliability of the proposed susceptibility map. The size of landslide susceptible zones varies depending on the data sets used, thus this demonstrates that the historical landslide data may be biased and affected by human activities and geological settings on a regional basis. Therefore, indiscriminate use of regional-biased data should be avoided.