基于随机森林的福建省区域滑坡灾害预警模型研究

福建省滑坡灾害群发，点多面广，开展区域滑坡灾害预警业务是有效防灾减灾的重要手段，预警模型的科学性和有效性是预警业务的核心问题。传统区域滑坡灾害预警模型，受到滑坡诱发机理复杂、数据积累有限，以及大数据分析方法不足等限制，存在预警精度有限、精细化不足等问题。本文基于近9年地质与气象大数据，采用随机森林算法，构建了福建省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提出区域滑坡灾害训练样本集构建的优化方法，并构建了福建省区域滑坡灾害训练样本集，样本集包括地质环境、降雨等26个输入特征属性和1个输出特征属性，涵盖了福建省近9年(2010~2018年)全部样本数量达15 589个(其中:正样本3562个，负样本12 027个，正负样本比例约1 : 3.4); ②基于随机森林算法，对福建训练样本集进行学习训练、模型优化和模型存储。模型训练采用5折交叉验证法，采用贝叶斯优化算法进行模型参数优化，采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。优化后的模型准确率和泛化能力均较好(准确率94.3%，AUC为0.954); ③选取2021年6月22日和28日的实际滑坡灾害发生情况，采用本文新提出的预警模型进行实况模拟运行，命中率均为100%。对比原显式统计模型预警结果，新模型命中率是原模型的6倍(6月22日)或相当(6月28日)，新模型预警区内滑坡密度是原模型的1.6~1.7倍。初步验证表明基于随机森林的新模型优势明显，命中率更高，预警区面积更小，能够实现更加精准的预警。后续将继续跟踪研究区新发滑坡灾害情况，进行模型校验与修正完善。