基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

基于SVM多类分类的滑坡区域危险性评价方法研究

近年来，随着新理论、新技术得发展，提出了许多新模型和方法应用于滑坡区域危险性评价中。支持向量机（support vector machine，SVM）是新一代的学习算法，已有前人利用SVM应用于滑坡灾害预测中。然而大多只是利用了SVM的两分类算法，得到的结果只有稳定不稳定两种．这对滑坡区域评价来说是远远不够的。本文尝试利用SVM的多类分类算法进行滑坡危险性区域评价，取得了较好的结果。     

基于ArcGIS可视化建模方式的区域滑坡危险性评价

滑坡危险性评价是滑坡灾害防治的重要前提和基础,简单高效的评价方式是其中的一个研究重点。本文以四川安县作为研究区域,基于ArcGIS中的分析功能,引入可视化的建模工具Modelbuilder,以模型的方式演示和运行整个滑坡危险性评价过程,得到了滑坡危险性的分级图,并进行对比分析。实验结果表明,利用可视化建模方式完成复杂地区的滑坡危险性评价,能够简化操作流程,节约时间和精力。     

基于DInSAR-BP神经网络的震后区域滑坡危险性综合评价研究

地震对人类的威胁不仅是发生时直接造成的人员伤亡和财产损失, 更体现在地震所产生的高隐蔽性、高危险性滑坡隐患体带来的危害, 震后区域滑坡隐患体的快速识别和科学评价在震后抢险、排险工作中至关重要。以九寨沟地区“川主寺—九寨沟”公路沿线区域为研究对象, 建立了基于DInSAR-BP神经网络技术的震后区域滑坡危险性综合评价模型。研究结果显示, 九寨沟地区震后的滑坡高危险性区域面积约为2602.35 km2, 是震前的3.4倍, 并且这些区域主要分布在震中东北方向约20 km附近、九寨沟景区内以及川九路前70 km, 符合震后调查情况; 使用多元非线性回归法可以有效计算震后地表形变值对滑坡危险性的影响, 使震后危险性评价结果精度提高了13.9%, 证明了模型在研究区域内具有良好的适用性。     

基于突变理论的滑坡危险性评价

滑坡危险性评价与预测是滑坡灾害防治中的首要任务,科学合理地评价滑坡危险性十分重要。以岩桑树水电站库区发育的潜在滑坡为例,据其特有的地质环境条件,选取坡体风化程度、斜坡坡度等9个影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性分为轻度危险、中度危险、重度危险和极度危险4个等级。将突变理论运用到滑坡危险性评价中,从而建立了新的稳定性评判模型。基于突变级数法的滑坡危险性评价方法,综合考虑了各评价指标间的相关性,真实地描绘了滑坡系统的内在机制。实例分析结果表明,该方法评判结果准确率高,可为滑坡的防治提供依据。     

基于GIS的天水市滑坡危险性评价

本文通过统计学方法提取可能影响该地区滑坡的因子。并依据二元逻辑回归结果．利用GIS空间分析和建模功能,对研究区滑坡进行建模,再由相关性等级分析方法进一步获取相关影响因子对滑坡的影响范围,最终得出该区域滑坡危险性评价图。而在不同分辨率尺度上,对滑坡产生影响的因子有所相同,当分辨率由1000m-60m时,影响因子明显增多。以逻辑回归模型自身精度、滑坡实际发生比和坡度法为模型判定标准,发现120m分辨率下的滑坡发生概率模型能有效表达研究区滑坡发生状况。     

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。     

Kriging法在区域滑坡危险性评价中的应用

区域滑坡危险性评价是进行区域滑坡风险性研究的基础.由于滑坡演变机制的复杂性,使得目前基于独立分析各因素对滑坡影响的“白箱”型评价模式具有一定风险性,同时这类评价方法要求对滑坡演变和研究区地质地理背景进行非常细致的监测和调查.为了克服这些问题,文章提出了一种基于Kriging插值理论的“黑箱”型评价方法.在利用该方法对历史滑坡点的规模进行评价的基础上,利用Kriging插值法获取研究区的滑坡危险性区划,并以四川省苍溪县为例,验证了运用该方法进行区域滑坡危险性评价的可行性.     

基于GIS技术的区域滑坡灾害危险性预测

基于GIS技术,利用信息量模型开展区域滑坡灾害危险性预测研究,编制滑坡灾害易发分区图,为滑坡灾害的风险预测及实时预警预报提供基础资料。以浙江省永嘉县为例,利用MAPGIS二次开发得到的信息量专业模块,结合永嘉县历史滑坡灾害和2004年以来新发生的灾害点,分别评价了研究区的历史滑坡灾害危险性和现状滑坡灾害危险性;提出用历史滑坡灾害危险性图件结合新发生的灾害点来验证评价模型;将历史灾害点和新灾害点结合生成滑坡灾害危险性预测图件的预测过程;研究成果经在永嘉县的实际验证分析,2004年后3次台风期间（2004年的“云娜” 台风,2005年的“海棠”和“麦莎”台风）发生的有准确地点的滑坡灾害点全部位于滑坡灾害易发区内,表明采用的模型具有较好的实用性和可靠性;采用历史统计和快速聚类相结合的方法进行危险性等级的划分,克服了前人研究工作中人为划分易发区的缺陷,更科学、客观。     

基于GIS的贵州省滑坡灾害危险性评价

中国是受滑坡危害最严重的国家之一,滑坡的突发性和泛生性严重威胁到社会发展及人类生活。从宏观上研究滑坡灾害分布规律并进行危险性评价,对防灾减灾具有战略性指导意义。贡献率是统计学中常用指标,指某因素增长量占总增长量的比重。本文引入贡献率法以定量分析各因素与滑坡的关系,参考国内滑坡危险性评价研究,选取7个指标:地层岩性、断层、河流、道路、NDVI(归一化植被指数)、坡度、坡高。本文以贵州省为例,运用ArcGIS、Yaahp、SAGA等软件平台来评价滑坡危险性。结果显示:(1)侏罗纪地层、断层250m内、河流400m内、道路1km内、NDVI小于0.3、坡度15°~25°、坡高低于50m范围内对贵州省滑坡发育最有利;(2)贵州省滑坡灾害高危险区主要分布于六盘水市、遵义市西北部和铜仁市西部,低危险区主要分布于铜仁市东部和黔东南苗族侗族自治州东部。研究结果表明该方法能够定量且客观地描述滑坡分布规律及评价危险性,且具有可移植性。     

基于改进突变理论的滑坡危险性评价

滑坡危险性评价是滑坡风险评估的重要组成部分,对滑坡的预测和防治意义重大。传统滑坡危险性评价在计算指标间重要性时多采用AHP、专家评判法、模糊综合评判等方法,但存在主观性较强,计算较为复杂等问题。研究基于一种改进的突变理论模型对滑坡进行危险性评价,选取坡度、坡向、高程、平面曲率、剖面曲率、距河流距离、地层岩性、土地利用类型、距断层距离、植被覆盖率、24 h降雨以及人类工程活动等12个因子作为滑坡危险性评价的影响因子,采用熵权法判定指标间的相对重要性,并建立滑坡危险性评价体系;然后对指标进行标准化、归一化,计算总突变结果;最后使用拟合函数对总突变结果进行转换,得到新的滑坡危险性评价准则,并以雅安市的20条滑坡对评价准则进行实例验证。结果表明,突变理论得到的评价结果准确率为90%,评价结果更加直观准确。     

贡献权重模型在区域滑坡危险性评价中的应用

以攀枝花市米易县为研究区域,采用GIS技术,选取坡度、坡向、坡形、地层岩性和相对高差等5个指标作为评价因子,利用贡献权重模型对研究区的滑坡地质灾害进行危险性评价。评价结果经过检验符合实际情况:高危险度区占全区面积31.9%;中危险度区占全区面积52.6%;低危险度区占全区面积15.5%;高、中危险度区所包含的滑坡个数占到全区滑坡总数的95.9%。评价结果表明,GIS技术和贡献权重模型结合能够很好地为滑坡灾害危险性评价服务,可以解决过去危险性评价中效率低、精度差等问题,从而实现滑坡灾害评价的信息化和科学化。     

铜川市滑坡危险性综合评价

本文根据大量的调查资料，采用多指标评判打分法对铜川市区滑坡逐一进行了危险生综合评价，旨在为该区滑坡的预测与防治提供可靠的依据。     

一种改进的区域滑坡危险性评价模型及其应用

区域滑坡危险性评价方法还存在许多需要完善和改进的地方。以工程地质类比法为基础,用滑坡的面密度表示滑坡发生的危险性大小,基于线性代数中QR分解理论,提出了一种用高次多项式拟合致险因子与滑坡危险性间关系的算法,并把该算法与层次分析法模型、条件概率模型相融合,建立了一种改进的区域滑坡危险性评价模型。然后,通过在Visual Studio.Net C#环境下借助ArcEngine组件的二次开发实现了该模型。最后选取陕西省麟游县为实验区域,利用上述模型进行了滑坡危险性评价。经实际资料检验表明,该模型具有较高的可信度,可应用于今后的滑坡危险性区域评价工作中。     

滑坡危险性评价预测的新思路

滑坡的多样性、复杂性、多因素等特征，使其具有很大的破坏性，也增加了其危险性评价与预测的难度。近20年来，滑坡平均每年至少造成150亿元至200亿元的经济损失。由此，滑坡危险性的评价及预测在我国国民经济建设中起着非常重要的作用。国内外许多学者对此也做了深入的研究，提出了很多有效的预测措施，在一定的程度上减少了国家的经济损失。针对目前研究现状，笔者系统分析和总结了当今滑坡危险性评价与预测的研究方法，结合未来灾害学的发展方向，提出了一种基于信息熵理论研究的新思路，并进行了初步探索。     

基于不同统计模型的肯尼亚滑坡危险性评价

肯尼亚是我国“一带一路”倡议在东非重要支点。受高原裂谷地形和显著的雨旱季节影响,肯尼亚地质灾害频发。本文以肯尼亚的历史滑坡数据为样本,选取高度、坡度、坡向、地貌、平面曲率、土壤类型、年平均降雨量、水流强度指数、地形湿度指数及土地利用类型作为评价指标,分别基于信息量模型（IV）、逻辑回归模型（LR）和极限学习机模型（ELM）对肯尼亚滑坡灾害进行危险性区划,其中ELM分别考虑了sigmoid函数、正弦函数和对称阈值型传输函数作为激活函数进行讨论。主要结论如下：（1）肯尼亚滑坡灾害高危险性及以上等级区域集中分布在西南部的高原和高原—裂谷过渡地带;（2）采用ROC曲线对模型精度进行评价,各模型的AUC值分别为0.977(IV)、0.965(LR)、0.859(ELM-SIG)、0.900(ELM-SIN)、0.941(ELM-HARDLIM),评价结果有效;（3）综合PR曲线结果判定,LR模型的召回率和精确率都处于较高的水平,优于其他模型;（4）肯尼亚内罗毕省（Nairobi）、中部省（Central）、尼扬扎省（Nyanza）和西部省（Western）四个省份高危险性区域占比较大。     

基于Monte-Carlo法的多级黄土滑坡危险性评价

针对存在多级滑动面的黄土滑坡,难以用简单的单一滑动面评价其稳定性,基于Monte-Carlo法理论,结合简化Bishop法,在极限平衡条件下建立滑坡稳定可靠性分析的状态函数,提出基于概率的黄土滑坡稳定性计算方法。通过对各级滑坡在滑动时安全余量的相关系数计算,得到多级黄土滑坡破坏过程各个滑面的破坏概率具有相关性,同时建立基于概率理论黄土滑坡危险性评价指标。以阳庄村滑坡为例,分别计算滑坡体上的Ⅲ级滑坡稳定系数及可靠度,定量的表达出阳庄村Ⅲ级滑坡的危险程度,为滑坡的工程治理,预测预警和危险性评价提供依据。     

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.     

基于证据权法的九寨沟地震滑坡危险性评价

2017年8月8日四川省北部九寨沟县暴发了Ms7.0级地震,是继2013年"4·20"芦山Ms7.0级地震后再次发生在巴颜喀拉块体边界的强烈地震,地震诱发了近1 880处滑坡,通过地理信息系统与遥感技术,选取与高程、坡度、坡向、与水系距离、峰值加速度(PGA)、与震中距离、岩性、与断裂距离等8个因素作为九寨沟地震滑坡危险性评价因子,采用加法和减法2种证据权方法,对九寨沟地震滑坡危险性进行评价。结果表明:基于加法证据权的评价模型的准确率为88.29%,基于减法证据权的评价模型的准确率为87.31%。利用自然断点法,将研究区按滑坡危险性程度分为极高危险区、高危险区、中危险区、低危险区与极低危险区。其中,基于加法证据权所计算的极高和高危险区面积之和约300.17 km²,占研究区总面积的33.84%,发育的滑坡面积占滑坡总面积的91.10%;基于减法证据权所计算的极高和高危险区面积之和约214.35 km²,占研究区总面积的24.17%,发育的滑坡面积占滑坡总面积的85.04%。评价结果可为震后地质灾害防治、基础设施重建,特别是九寨沟自然风景区的灾...