基于正态云模型的浏阳市永和镇岩溶塌陷易发性研究

在对浏阳市永和镇既有岩溶塌陷进行详细勘查的基础上,选取了岩溶发育程度（钻孔溶蚀率）、与区内断层的距离、上覆土层厚度、岩溶水特征、与人工抽水漏斗中心的距离以及地面塌陷现状（地面塌陷密度）等6个岩溶塌陷易发性评价因子,提出了赋值条件及赋值范围,并根据既有塌陷的评价因子评分状况,采用熵值法获取了评价因子的权重,基于正态云模型对研究区岩溶塌陷灾害的易发性进行了评价。正态云模型评价结果中既有岩溶塌陷均分布在岩溶塌陷高易发区,而层次分析法评价结果中3个既有塌陷分布在岩溶塌陷中易发区,说明正态云模型在处理类似岩溶塌陷易发性评价等模糊性及随机性问题时比层次分析法更精准。     

基于斜坡单元灾害强度的滑坡灾害易损性评价——以湖南省湘乡市为例

以斜坡为单元,基于潜在灾害强度的区域性易损性评价是地质灾害防治亟待解决的重要问题之一。以湖南省湘乡市为研究区,在采用加权信息量方法进行易发性区划的基础上,逐个提取斜坡单元最高易发值点的高程、坡高、坡度、坡向、月平均降雨量为特征参数,分别代入BP神经网络、PSO-BP神经网络、随机森林及支持向量机模型。通过训练与精度测试对比,构建基于PSO优化BP神经网络算法的滑坡体积预测模型,建立以灾害体积为灾害强度指标,以建筑密度、人口密度、财产密度等为脆弱性指标的易损性综合评价模型。针对研究区开展基于潜在灾害强度的区域性易损性评价,完成高易损区（面积占比1.5%）、中易损区（面积占比28.5%）和低易损区（面积占比70%）的区划,实现了区域性易损性评价过程中致灾体灾害强度与承灾体脆弱性的有机结合,增强了评价的客观性和科学性。     

地质灾害易发性评价因子分级的AIFFC算法优化

针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法（fuzzy cover approach for clustering based on adaptive inflation factor, AIFFC）对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法（natural breakpoint classification,NBC）对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果 对AIFFC分级法的优越性进行检验,结果 表明：各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性...