基于机器学习的区域滑坡灾害预警模型研究

中国滑坡灾害严重，区域滑坡灾害预警是防灾减灾的重要手段之一，预警模型是开展区域滑坡灾害预警的关键问题。本文系统开展了基于机器学习的区域滑坡灾害预警模型研究，并以四川省青川县为例，基于近10年地质与气象数据，构建了青川县区域滑坡灾害预警模型并开展实例校验。研究得出如下结论:(1)提出了基于机器学习的区域滑坡灾害预警模型的构建方法，主要包括训练样本集构建、样本学习训练与优化建模、模型保存与预警输出等几个关键步骤。(2)提出了区域滑坡训练样本集的构建方法，即以正样本为基础，在时空约束条件下随机采样获取负样本，最终获得完整的训练样本集。(3)样本学习训练中，以训练样本集的80%作为训练集，20%作为测试集，进行5折交叉验证，采用精确度、ROC曲线和AUC值校验模型准确度和模型泛化能力。采用贝叶斯优化算法进行模型优化。(4)实际预警中，调用训练好的预警模型输出滑坡灾害可能发生的概率。依据概率大小，分级确定预警等级。分级依据为:当输出概率P≥40%且P＜60%时，发布黄色预警；当输出概率P≥60%且P＜80%时，发布橙色预警；当输出概率P≥80%时，发布红色预警。(5)以青川县为例，构建了青川县区域滑坡训练样本集，采用6种机器学习算法进行模型训练，结果显示随机森林算法表现最好，其准确率最高(0.963)，模型无过拟合现象，模型泛化能力最好(AUC=0.986)；其次为逻辑回归算法；再次为人工神经网络算法和决策树算法。选取2018年6月26日的青川县日常预警业务进行实例校验。结果显示:当日17处滑坡灾害点中，100%的灾害点全部落入预警区范围内，其中:70.6%的滑坡落在红色预警区内，17.6%的滑坡落在橙色预警区内，11.8%的滑坡落在黄色预警区内。