逻辑回归与支持向量机模型在滑坡敏感性评价中的应用

白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子;经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度;分别使用二元逻辑回归模型(LR)和支持向量机模型(SVM)对该区域进行滑坡敏感性评价;最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区;精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。     

基于粗糙集的支持向量机滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。     

基于I-CF模型的四川德格县滑坡危险性评价与区划CSCD

文章以德格县为研究区,以7 m DEM进行地形分析处理,并结合相关调查数据建立了德格县滑坡灾害数据库,通过选取的地震峰值加速度、断裂带、水系、坡度、坡向、高程、岩性等7个指标,在GIS技术支持下,利用信息量模型(I)、层次分析法模型(AHP)、确定性系数模型(CF)相互耦合对研究区灾害敏感性评价,再分析得到活动频率因素对研究区全县域进行危险性评价,将得到的结果分成4个区域,分别为高危险区、较高危险区、中危险区、低危险区,其中高、较高危险区占总面积2.23%。其中,滑坡灾害占总灾害的42%。评价结果与实际调查结果符合程度较高,能够为该地域未进行实地调查的地方进行相关滑坡灾害的预测预报,并对安全防治提供技术支持,亦可以为其他地区滑坡灾害危险性评价提供理论指导和技术参考。     

基于SVM的地下采煤区沉陷灾害发育敏感性分区研究

地下采煤区沉陷灾害发育重点区预测目前尚无固定程式,且敏感区预测结果存在不确定性较大的问题。以山西省太原市西山地区沉陷灾害为研究对象,分别以2012年和2014年核查编录的沉陷灾害数据为建模数据和验证数据,以高程、坡度、坡向、地势起伏度、地面曲率、地层岩组、地质构造为敏感性评价因子,综合运用GIS空间分析、统计分析和支持向量机(SVM)等方法,构建了4种核函数SVM沉陷灾害敏感性分区预测模型,分别从模型的评价因子权重、模型优选、敏感性分区预测结果、预测精度和模型适用性进行了分析。结果表明:多项式核函数SVM模型(PL-SVM)的训练精度(受试者特征曲线下面积AUC=0.854)与验证精度(AUC=0.755)均较高,模型预测能力良好,是4种模型中表现最好的模型,所划分敏感性分区结果合理,极高与高敏感区以较小面积分布较多沉陷灾害点,而低敏感区则以较大面积分布极少沉陷灾害点。PL-SVM模型预测的太原西山地区沉陷灾害发育极高、高、中和低敏感区的面积占比分别为:20.19%、17.43%、21.18%、41.20%,频率比值与敏感性等级之间呈良好的正相关,符合线性函数关系。PL-SVM模型敏感性评价结果可靠,适用性好,对地下采煤区沉陷灾害发育特征研究及灾害普查重点区预判具有参考意义。      

证据权法在区域滑坡危险性评价中的应用以贵州省为例

以GIS为技术平台,采用证据权法对研究区进行了滑坡地质灾害危险性分析。综合分析历史滑坡数据及其环境因素和触发因素,数据源主要有地形图、DEM、地质图,选取地层岩性、构造、高程、坡度、坡向、地形起伏度、道路、水系作为危险性评价因子。首先应用ArcGIS软件对数据源进行处理,提取各个评价因子图层,并对每个图层进行分级、缓冲区分析等处理,建立若干证据层。然后将历史灾害点与评价因子进行空间关联分析,计算每个评价因子等级的权重,最后计算出评价单元的危险性指数,并将危险性分为极高危险区、高危险区、中等危险区、低危险区。采用成功率曲线法对证据权法评价精度进行验证,结果表明本次评价的精度为71%。利用历史滑坡数据对评价结果进行验证,结果显示评价结果与实际情况较为吻合,说明证据权可以客观定量地评价各影响因子对滑坡的影响程度,该方法应用于区域地质灾害危险性评价比较有效。     

基于粒子群优化支持向量机的延长县滑坡易发性评价

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度。以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价。从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19%,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好。     

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.     

基于投影寻踪模型的滑坡危险性等级评价

危险性评价是滑坡灾害预防与减灾工作首要解决的重要内容.在地理信息系统技术支持下, 以山地灾害频发区——小江流域作为研究对象, 选取坡度、土体粘聚力和内摩擦角这3个评价指标构建滑坡危险性分级评价指标体系, 将投影寻踪技术运用到滑坡危险性等级评价中, 对评价样本的各指标因素进行线性投影, 以最优投影方向所对应的投影特征值作为评价依据, 建立了滑坡危险性等级综合评价模型, 绘制了滑坡危险性等级分布图.结果表明: 研究区极高危险区、高危险区、中等危险区、低危险区和极低危险区的面积比例为14.28∶9.41∶69.12∶7.00∶0.19;根据所建立的5级评价指标体系对研究区60个土质滑坡点资料进行了验证, 在占研究区总面积23.69%的高、极高危险区的小范围内, 实际发生土质滑坡数量45个, 占总土质滑坡数量的75.00%;中等危险性级别以上区域拥有的土质滑坡数量占全部土质滑坡的96.67%;不同危险性级别的滑坡体积方量统计结果表明, 滑坡体积方量密度随危险性级别的提高而迅速增加.对比评价结果及实测结果可知, 投影寻踪分级结果符合实际情况, 证实了该方法的正确性, 为滑坡危险性评价提供了一条新思路.      

滑坡灾害空间预测支持向量机模型及其应用

随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问题。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理。以香港自然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比较。结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型。     

高山峡谷区地质灾害危险性评价

针对崩塌、滑坡和泥石流等灾种齐全的高山峡谷区,选取四川省阿坝县为研究区,采用多灾种耦合的评价思路,开展地质灾害危险性精细化评价。崩塌、滑坡等斜坡类灾害危险性评价以栅格为评价单元,泥石流灾害危险性评价以流域为评价单元。基于信息量模型和层次分析法,分别开展危险性评价,进而采用取大值的方法,获取研究区综合地质灾害危险性评价结果。研究表明,工作区综合地质灾害极高危险区、高危险区面积明显大于单灾种评价结果,极高危险区、高危险区主要位于崩塌、滑坡较发育的碎裂岩区域和极度易发的泥石流流域。针对高山峡谷区地质灾害危险性评价,多灾种耦合的评价思路能更合理的反映不同类型灾害在形态及空间上的差异,获取更精确的危险性评价结果。     

不同日降雨工况下万州区滑坡灾害危险性分析

以三峡库区万州区为例,选择具有代表性的地质环境指标,分析各指标等级,利用逻辑回归、支持向量机和决策树3种数理统计模型,计算全区滑坡灾害易发性程度,分析3种日降雨工况下滑坡的发生概率,得到各日降雨工况下万州区滑坡灾害危险性分布图。确定了支持向量机模型为万州区滑坡灾害易发性分析的最优模型;万州区滑坡灾害高易发区和高危险区主要表现出沿河道水系呈带状分布、沿高程垂直分布、在城镇区集中分布的特点;特定工况下,万州区滑坡灾害危险性随着日降雨量增大而增大。     

基于人工神经网络模型的福建南平市滑坡危险性评价

滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据。以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系。使用Spearman相关系数对各因子进行共线性分析。基于1711个滑坡样本和1711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线（ROC）对模型进行验证。结果表明:混淆矩阵精度84.91%,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率。使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区。研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导。     

基于边坡单元的公路沿线滑坡危险度概率分析

公路沿线发生的滑坡、泥石流等自然灾害是造成交通停滞的主要原因。对公路沿线边坡进行稳定性评价及滑坡灾害分析对于公路管理和灾害防治具有重要意义。为了能对大范围边坡应用三维力学模型进行稳定性评价,研究中将较大研究区域划分为多个边坡单元（slope unit）,并介绍了边坡单元划分方法。对每个边坡单元,采用随机生成许多假想滑动面并通过一个基于GIS的边坡稳定性三维分析模型计算其安全系数的方法,找出具有最小安全系数的危险滑动面,同时求出在试算过程中安全系数小于某临界值（通常设为1.0）的结果出现的比率,作为该边坡单元的滑坡发生概率,以此作为指标对研究区域进行危险度评价。通过对日本49号国道沿线边坡中的应用对该方法的实用性进行了验证。     

三峡库区重庆市丰都县滑坡灾害危险性评价

在对三峡库区丰都县滑坡灾害调查和统计分析的基础上,初步概括了滑坡灾害的分布特征和主要影响因素,进而利用综合信息模型评价了丰都县滑坡灾害的危险性,将丰都县滑坡灾害的危险性划分为高危险区、中危险区、低危险区和基本安全区4个等级。其中,高危险区和中危险区分别占全县总面积的2.6%和23.2%,主要分布在长江干流及其支流两岸的居民相对集中区,不同规模的滑坡灾害经常发生,因此潜在危害也很大;低危险区占全县总面积的47.5%,偶有小规模的滑坡灾害发生;基本安全区占全县总面积的25.5%,在人为因素的诱发下可能偶有小规模的滑坡灾害发生,适合于大型工程建设和城镇居民点建设。     

基于GIS的重庆万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设及河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区。采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况。     

基于GIS的重庆市万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设和河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标的权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区.采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况.     

不同组合模型区域滑坡易发性及精度分析

为探索区域滑坡易发性评价模型的适用性和评价结果的合理性,以滑坡灾害高发的白龙江流域为研究区,首先选取坡度、地形起伏度、距断层距离、地层岩性、流域沟壑密度、植被指数等6项影响滑坡发生的孕灾因子作为易发性的评价指标,以研究区2 093处滑坡灾害点为样本数据,依据各指标条件下的信息量值、确定性系数值和证据权重值曲线突变规律,并结合滑坡面积及分级面积频率比曲线作为等级划分的临界值来确定因子分级状态;其次,基于指标因子状态分级和相关性分析结果,采用信息量法、确定性系数法、证据权法分别与逻辑回归组合的3种模型开展区域滑坡灾害易发性评价,并从模型结果、适用性和精度等方面采用多手段对3种组合模型进行比较和讨论。研究结果表明:在区域滑坡易发性评价方面,3组模型均表现较为理想,信息量和逻辑回归组合模型的预测精度为94.6%,其预测精度和准确性优于其他2种组合模型。笔者以白龙江流域中游及其岷江支流段为例,开展滑坡灾害易发性评价模型适用性、评价结果分析以及预测精度评价对比和研究等,成果可为该区地质灾害防灾减灾和国土空间用途管制规划决策提供参考。     

浙江省永嘉县滑坡灾害危险性区划

永嘉县是浙江省滑坡灾害发生频繁的区县之一,其滑坡受地质、地形和人类工程活动等因素的影响。本文根据永嘉县滑坡灾害分布情况,选择了影响滑坡分布的主要因素,将各种因子归一化处理后转换成相同分辨率的定量数据,选择了逻辑回归分析模型和信息量模型进行滑坡灾害危险性评价。在逻辑回归模型中,利用SPSS软件,通过逐步回归分析筛选出影响滑坡的最直接的因子,计算出各个因子的回归系数,得到逻辑回归方程,据此编制了危险性预测分区图。在信息量模型中,通过MAPGIS软件及其二次开发的信息量模型,对永嘉县滑坡灾害进行了危险性区划,并依信息量法的结果编制了该区的危险性预测分区图。两种方法所编制的危险性分区图中高危险区和中危险区重合率达到了87%,具有很高的一致性,起到了相互验证的作用,为滑坡的有效防治提供了依据。最后根据"云娜"台风期间永嘉县实际灾害发生情况的资料分析,新灾害点绝大部分落在危险性预测区中的高危险区,表明模型的预测准确率很高。     

基于GIS的滑坡灾害危险性区划研究——以重庆市万州区为例

为了弥补滑坡灾害危险性区划研究中影响因子和等级划分的不确定性,结合前人研究成果,依据斜坡几何形态、岩性、地质构造、河流侵蚀、土地利用类型、人类工程活动、降水条件等影响因子与研究区实际已发生的滑坡灾害数之间的关系,编制重庆市万州区滑坡灾害危险性评价标准,并基于GIS技术和信息量模型法,计算滑坡评价因子的信息量,就万州区滑坡危险性进行区划,最后基于乡镇行政区对该区滑坡危险性区划进行细化。结果表明：建设用地、坡高为90～200 m的地形、1 024～1 060 mm的年降雨量以及侏罗系中统上沙溪庙组岩层等因素对万州区滑坡发生影响较大;根据滑坡灾害危险性评价标准,万州区滑坡灾害被划分为高、中、低、极低等4个危险区;应用信息量模型法得到的万州区滑坡危险性区划与实际情况比较吻合;高危险区和中危险区面积分别为564.4 km2和848.6 km2,分别占万州区总面积的16.3%和24.5%,主要分布于长江干流及支流两岸的居民相对集中区以及公路干线地段;高危险和中危险乡镇主要分布在万州区经济较为发达的长江干流两岸,尤其是左岸的黄柏乡、太龙镇、天城镇、李河镇等以及万州主城区。     

基于SVM-ANN模型的滑坡易发性评价——以三峡库区巫山县为例

本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。