顾及样本优化选择的多核支持向量机滑坡灾害易发性分析评价

滑坡灾害易发性分析评价对地质灾害的防治与管理具有重要意义。针对滑坡灾害样本选择策略,单核支持向量机多特征映射不合理的问题,本文提出顾及样本优化选择的多核支持向量机(multiple kernel support vector machine,MKSVM)滑坡灾害易发性分析评价方法。为了保证样本平衡性并提高负样本的合理性,采用相对频率比(relative frequency,RF)综合评价各状态对于滑坡灾害易发性影响的重要程度,实现各评价因子状态的合理划分;利用确定性系数法(certainty factor,CF)计算各评价因子各状态分级影响滑坡灾害的敏感性,并在此基础上进行加权求和得到各栅格单元的滑坡灾害易发性指数,在滑坡灾害易发性指数极低和低易发区内随机选择与滑坡灾害点数目一致的非滑坡灾害点作为负样本数据。利用MKSVM对各特征空间最优核函数进行线性组合,解决了单一核函数映射不合理的问题,提高了模型的分类准确率和预测精度。以湖南省湘西土家族苗族自治州为研究区,从滑坡灾害易发性分区图、分区统计及评价模型精度3个方面对CF样本策略的MKSVM模型、CF样本策略的单核SVM模型、随机样本策略的MKSVM模型、随机样本策略的单核SVM模型进行了对比分析。结果表明,4种模型的受试者工作特征曲线(receiver operating characteristic,ROC)下的面积(area under curve,AUC)分别为0.859、0.809、0.798、0.766,验证了CF样本策略的合理性、有效性及MKSVM模型的可靠性。     

GIS支持下应用PSO-SVM模型预测滑坡易发性

滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术。如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题。本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子。在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization,PSO)-支持向量机(support vector machine,SVM)模型,定量预测滑坡易发性。最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考。     

一种结合SMOTE和卷积神经网络的滑坡易发性评价方法

大规模的人类工程活动诱发和加剧了滑坡灾害的致灾情况,严重威胁工程安全和环境安全。滑坡易发性评价是滑坡监测预警的关键技术。针对传统滑坡监测手段数据源有限、缺乏挖掘滑坡灾害空间分布特征及其诱发因素的有效方法等问题,以位于三峡库区的中国重庆市万州区为研究区,基于地形、地质和遥感影像等多源数据,首先提取了22个滑坡易发性评价因子,并对这些因子进行多重共线性检验;然后采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)解决滑坡和非滑坡样本比例不平衡问题,建立输入训练集;最后构建卷积神经网络(convolutional neural networks,CNN)模型,定量预测滑坡易发性,生成滑坡易发性分区图。采用受试者工作特征曲线分析评价结果,测试数据集模型精度达89.50%,说明该模型是一种高性能的滑坡易发性评价方法。     

旋转森林模型在滑坡易发性评价中的应用研究

以三峡库区万州段为研究区,从多源空间数据中提取29个致灾因子作为区域滑坡易发性分析的评价指标,在数字高程模型基础上采用集水区重叠法划分斜坡单元,构建旋转森林集成学习模型,定量预测滑坡空间易发性,并生成滑坡易发性分区图。在易发性分区图中,高易发区占11.6%,主要分布在万州主城区和长江及支流两岸;不易发区占45.6%,主要分布在人类工程活动低、植被覆盖度高的区域。采用受访者工作特征曲线和曲线下面积对旋转森林模型的滑坡易发性进行评价,结果显示该模型的预测精度为90.7%,其预测能力优于C4.5决策树。研究表明,应用旋转森林进行滑坡易发性评价具有预测能力强、精度高等优点。     

基于不同模型和单元的滑坡易发性评价比较

基于地理信息系统的滑坡灾害空间预测研究发展迅速,出现了多种滑坡空间预测模型。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了决策树和支持向量机2种模型的基本原理。以秭归县一个研究区为例,选取11个滑坡影响因子,采用2种不同的研究单元,分别建立了决策树和支持向量机模型并对滑坡易发性作出了评价。结果表明针对同一模型,面向对象单元的滑坡易发性评价精度优于栅格单元;针对同一数据单元,支持向量机模型的滑坡易发性评价精度优于决策树模型。     

基于卷积神经网络的区域滑坡易发性评价:以三峡库区万州区为例

开展区域滑坡易发性评价是滑坡气象预警与风险评价的关键。针对目前诸多易发性研究未考虑滑坡发生与邻接环境有关的情况,本文提出了一种基于卷积神经网络(CNN)的区域滑坡易发性建模框架。以三峡库区万州区为例,选取坡度、坡向等12个因子构建评价指标体系,通过信息量法分析因子对滑坡发育的影响程度,采用二维矩阵构建数据集,运用CNN进行易发性建模,得到易发性评价图,同时探究构建样本时二维矩阵的大小对精度的影响。研究结果表明,越靠近水库带越易发生滑坡,水系和人类工程活动对于滑坡发育具有较大影响;CNN模型精度为0.925,相比机器学习模型精度明显提升;增大构建样本时的二维矩阵可提高精度。CNN模型在多维空间数据处理方面具有优势,它考虑了滑坡位置及其邻接环境的影响,是一种准确可靠的区域滑坡易发性评价方法。     

GIS支持下滑坡灾害空间预测方法研究

滑坡预测在防灾减灾工作中具有重要意义,它包括空间、时间预测两个方面。基于统计模型进行区域评价与空间预测是滑坡灾害研究的重要方向,但是预测结果往往依赖样本数量和空间分布等。本文以马来西亚金马伦高原为研究区,选择高程、坡度、坡向、地表曲率、构造、土地覆盖、地貌类型、道路和排水系统作为评价因子,探讨运用地理信息系统(GIS)和遥感(RS)获取与管理滑坡灾害信息,以及热带雨林地区湿热环境下滑坡空间预测的方法。支持向量机(SVM)和逻辑(Logistic)回归模型分别应用于滑坡空间预测,结果显示平均预测精度分别为95.9%和86.2%,SVM法具有较高的描述精度,值得推荐;同时,基于SVM模型的滑坡空间预测受样本影响较小,预测结果相对比较稳定,这对于滑坡灾害区域评价与预测的快速实现具有实际意义。     

层次分析法的黄河上游滑坡易发性评价

针对黄河上游龙羊峡至积石峡段滑坡灾害分布易发性评价与区划成图问题,该文以ArcGIS为平台,联系评价区的实际特点,选取地貌类型、地层岩性、降雨、断层、坡度为评价因子,运用层次分析法(AHP)确定各评价因子的权重,建立研究区滑坡易发性评价模型,结合GIS的空间分析功能实现研究区内滑坡灾害的易发性区划。结果表明,滑坡灾害主要集中在龙羊峡库区右岸和群科-尖扎盆地。区划结果与野外实际调查基本吻合,为今后GIS应用于地质灾害区划提供了思路,同时可为区内地质单位进行灾害监测提供基础数据和依据。     

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强...     

新源县汇水域单元滑坡灾害易发性评价

针对滑坡灾害易发性难以定量评价的问题,提出了以汇水域为基本统计单元,层次分析法与信息量法相结合的滑坡易发性评价模型。该模型是在综合分析已有监测数据的基础上,建立了坡度、黄土分布、土地表覆被、水系、断层、高程、地表粗糙度、坡向等8类要素与滑坡稳定性的相关性,根据评价结果将滑坡易发性划分为5个不同的等级。基于新疆新源县滑坡易发性评价的实验结果表明,该模型评价结果与滑坡实际分布情况相符,能够准确对不同汇水域灾害易发性进行分级评价,可以为相关部门进行防灾、预警提供一定的数据支持。提出了一种主观判断与客观分析相结合的方法,回答了"什么地方最容易发生地质灾害"的问题。