基于3种不同机器学习算法的滑坡易发性评价对比研究

准确的滑坡易发性评价结果是山区滑坡灾害防治的关键,可有效规避潜在滑坡带来的风险。为获得准确、可靠的滑坡预防参考,笔者以云南芒市为研究对象,选取高程、地层岩性、年均降雨量等9项评价因子,通过多重共线性分析,构建研究区滑坡易发性评价指标体系。分别基于支持向量机(SVM)、BP神经网络和随机森林(RF)3种典型机器学习算法进行滑坡易发性评价。利用准确性(ACC)、ROC曲线下面积(AUC)、滑坡比(S_ei)及野外实地考察对模型评价结果精度进行对比验证分析。结果显示RF模型的ACC、AUC和极高易发区的S_eV值最高,分别为0.867、0.94、9.21;BP神经网络模型次之,其S_eV值分别为0.829、0.90、9.14;SVM最低,其S_eV值分别为0.794、0.88、6.85。此外,RF算法所得结果还与实地考察情况保持了较高的一致性。实验结果表明与其他两种算法相比,RF算法在芒市区域具有更高的准确性和可靠性,更适合用于该区域的滑坡易发性建模,且利用该模型获得的评价结果,能够为芒市区域的滑坡防治提供理论依...     

确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用

编制科学的滑坡易发性分区图,可以有效降低灾害带来的损失。以云南省芒市为研究区,利用确定性系数模型（certainty factor,简称CF）方法计算各个因子的敏感值,作为随机森林（random forests,简称RF）的分类数据,选取合适的训练数据和最优化的模型参数进行模型预测,从而对研究区进行滑坡易发性评价分区。采用频率比方法将连续性因子离散化,从而通过确定性系数计算因子不同区间的滑坡易发性,同时利用CF先验模型,对研究区负样本进行选取。通过计算袋外误差得到最优化的RF参数,随后利用RF模型对研究区模型进行训练及预测。绘制ROC曲线和三维遥感影像对预测模型结果分别进行定量和定性评价,结果表明,所得到的模型精度为91%,优于随机抽样得到的结果。最后,采用平均基尼不纯度减少和平均准确度下降两种计算方法计算、评价了研究区各个因子的重要性。基于以上对研究区进行的滑坡易发性评价结果,可以为该区灾害风险评估和管理提供依据。      

芒市河水资源质量评价及其污染控制

针对芒市河污染现状,结合近年收集的相关资料,对芒市河流域污染源、水质现状进行了全面调查与评价,找出了主要污染物及污染源。计算了芒市河水环境容量、污染物削减量,为做好水资源的管理与保护、改善水环境质量、促进水资源的可持续利用提供科学依据。     

滇西潞西(芒市)的奥陶系和志留系

滇西奥陶系潞西组顶部发现丰富的以Hirnantia magna为代表的"赫南特贝动物群",可作为奥陶系-志留系界线的划分标志。Hirnantia-Kinnella组合标志着冰川作用处于高潮期,海退显著,而仁和桥组笔石页岩相则是冰川消融、海平面快速上升后海侵作用所致,这一转换面上下岩性野外易识别,可近似代表滇西奥陶系-志留系界线野外填图划分界面。仁和桥组底部含Parakidograptus acuminatus,Neodiplograptus shanchongensis等化石,其时代为志留系兰多维列统。潞西地层小区与施甸地层小区的志留系研究对比表明,它们的沉积相特征差异明显,前者以碎屑岩为主,而后者碎屑岩与碳酸盐岩各占约1/2且岩石地层较连续,化石丰富。综上所述,滇西地区志留系的地层划分对比还有许多工作可做。     

德宏州芒市2014年“7·21”暴雨洪灾分析

2014年7月受第九号超强台风"威马逊"残余云系影响,德宏州各县市普遍遭到暴雨袭击,伊洛瓦底江和怒江流域发生了特大暴雨洪水,特别严重的是21日6:00,芒市芒海镇发生特大山洪、滑坡、泥石流灾害。分析本次暴雨洪水的雨量、暴雨特性及灾害特征,有助于掌握和了解该地区暴雨洪水的特性,为防洪减灾、防御自然灾害[1]提供依据。