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。      

基于信息量模型的涪陵区地质灾害易发性评价

本文以重庆涪陵区为研究区域,选取坡度、坡向、累计汇水面积、地层岩性、水域、降雨量、植被和土地利用分类8个影响因子,提取高分一号遥感数据（2013.12.24）动态影响因子,引入信息量模型,分别计算上述影响因子对应的信息量,对该时期示范区的地质灾害危险性进行评价,并引入ROC曲线和AUC评价指标,对得到的区域地质灾害易发性评价结果进行精度评估。结果显示,2013年12月研究区内高易发区面积占总面积的9.73%,该易发区内含有104个地质灾害点,占所有灾害点的52.7%,灾积比为5.42,明显大于其他易发等级类别。利用ROC评价方法,计算成功率曲线AUC为0.796,预测率曲线AUC为0.748（74.8%）,具有较高的可靠性,证明本文方法在该区域地质灾害易发性评价的适应性良好。     

支持向量机与Newmark模型结合的地震滑坡易发性评估研究

Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明：与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。     

可拓学在济南市地质灾害易发性评价中的应用

介绍了可拓学的基本理论,并应用于地质灾害易发性划分。选取了岩土体类型、地形坡度、地质构造、已有灾害点数量、人类工程活动强度、多年平均降雨量为地质灾害易发性评价指标,运用层次分析法获得了评价指标的权重值,建立了基于可拓学理论的地质灾害易发性评价模型。以济南市为例,对可拓学模型的评价结果进行验证,该方法获得结果与实际情况吻合程度高,证明这一方法是切实可行的。     

基于层次分析法的地质灾害易发性评价应用——以日照市为例

以基础地质数据为数据源,充分研究日照市地质灾害孕灾环境,采用层次分析法,分析选取地貌、构造、地层、岩浆岩、降水量和人类工程活动强度6种评价因子,建立层次结构模型,计算各个影响因子的权重,对各个因子进行分析并进行归一化处理,将各个评价因子与其权重进行加权叠加计算,最终得出日照市地质灾害易发性分区结果,划分出低、中和高易发区3类分区并完成精度检验。日照市地质灾害重点分布于沂沭断裂带的昌邑-大店断裂、安丘-莒县断裂通过的区域和低山、丘陵地貌区以及矿产资源开采引发的采空塌陷等地,此类区域需重点防治。采用层次分析法将地质灾害危险性评价过程层次化、定量化,从一个新的角度对日照市地质灾害危险性进行定量化评价和分区,分区结果较客观地反映实际情况。     

不同栅格尺寸下输电线路地质灾害易发性评价

输电线路的安全运行对国家经济建设与发展具有重要意义,而针对输电线路进行地质灾害易发性评价的研究较少。以京津冀地区的输电线路为例,选取高程、坡度、坡向、地形起伏度、地层岩性、距断层距离、距水系距离、土地利用类型8个指标因子,采用频率比法对各指标因子进行分级,构建易发性评价体系。再利用不同的机器学习模型,使用不同尺寸的栅格单元作为评价单元对研究区进行易发性评价。最后,选取精度最高的机器学习模型与传统的层次分析法完成研究区易发性区划图。研究结果表明：贝叶斯网络模型在区域输电线路易发性评价中的应用效果最好,模型性能最强,最高AUC值为0.876。与传统的层次分析法相比,BN模型在研究区易发性制图中的效果更好,精度更高。此外,采用50 m的栅格作为评价单元在研究区易发性评价中取得了最好的应用效果,研究成果为输电线路地质灾害易发性评价以及栅格尺寸的选用提供了思路以及参考。     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全,进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险。以川东南古蔺县为例,基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子,采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后,进一步利用ArcGIS单元统计功能对比了滑坡和崩塌易发性的信息量值,选取相对更大的信息量值作为该栅格的最终信息量值,绘制了研究区综合地质灾害易发性图,利用自然断点法将古蔺县按信息量值的大小划分为极低、低、中、高和极高易发区。结果表明：地质灾害主要分布在断层和道路附近,断层和人类工程活动是造成研究区地质灾害频发的主要原因;高易发区与极高易发区面积之和为1 315.62 km²,占全区总面积的41.32%;预测模型性能经ROC曲线检验,AUC值为0.812 5,说明栅格最大值法预测的古蔺县综合地灾易发性效果良好。     

基于样本与因子优化的黄冈南部地区地质灾害易发性评价

为对比信息量模型中灾害数量和灾害面积2种样本的适用性，以黄冈南部地区作为研究对象，探讨了评价因子的优化组合形式，采用信息量模型，根据研究区工程地质条件和地质灾害的特征初选评价因子，结合成功率曲线确定2种样本的因子优化组合，进而通过灾害比率及典型地质灾害点验证易发性评价结果。结果表明:①在单因子评价结果中，2种样本的单因子评价结果的AUC值排列顺序不尽相同，但呈现出一定规律性；②各叠加因子评价结果的准确度均达到因子优化组合的94.9%以上，变化幅度相对较小，且呈现出随因子数量增加而增大的趋势，但并不是越多越好；③2种样本的易发性评价结果都显示出高、较高易发区主要集中于研究区中部及北部地区，低易发区和较低易发区多集中于长江沿岸以及研究区南部，与灾害分布位置相符；④2种样本均为地质灾害易发性评价中信息量模型的有效计算样本，且面积样本的准确度明显优于数量样本。      

山东省地质灾害易发程度分区评价

山东省地质灾害种类全、分布广、发生频繁,对社会经济发展带来重大影响。根据地质灾害发育特点以及分布规律,按照地质灾害发育种类和数量将山东省划分为8个易发性分区,并针对易发性分区特征,将其分为重点、次重点、一般防治分区,对每个防治分区内地质灾害治理工作主要内容进行安排,便于治理工作顺利开展。     

烟台市地质灾害现状及易发程度分区评价

加强自然灾害防治关系到国计民生。烟台市域面积13864.5km2,截至2020年末共有崩塌、滑坡、泥石流、岩溶塌陷、采空塌陷5类共405处地质灾害隐患点,数量约占全省总数的1/5。本文基于2020年山东省烟台市地质灾害核查数据,总结了烟台市地质灾害发育现状及灾情损失。采用地质灾害综合危险性指数法,开展了烟台市易发程度分区评价,划分出了高、中、低及不易发区。结合烟台市国民经济和社会发展规划将全市地质灾害防治区划分为重点防治区、次重点防治区和一般防治区,针对不同分区提出了具体的防治工作建议,为烟台市地质灾害防治工作提供了基础依据。     

基于支持向量机的遥感图像分类方法

为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果要好。     

基于GIS的地质灾害易发区划分与评价研究

分析了地质灾害形成条件、诱发因素,将灾点分布密度、斜坡坡度、斜坡坡型、斜坡坡高、河流冲刷、岩土体条件、人类活动等七个因素作为地质灾害易发程度评价指标,利用层次分析法计算出各评价因子的权重。基于GIS将评价因子进行量化,得到了各评价指标归一化图,根据各评价指标的权重,利用空间叠置分析功能将所有评价指标进行叠加分析计算,得到地质灾害高易发区、中易发区、低易发区和不易发区的分级结果。分级结果极大地方便了地方政府相关部门防灾减灾工作,为地质灾害防治提供了决策依据。     

基于支持向量机理论的地下水动态遥感监测模型与应用

地下水是我国内陆干旱地区水资源的重要组成部分,也是极为敏感的生态环境因素之一。地下水动态变化影响着绿洲和湿地的演化,以及土地资源的开发。西北地区地下水监测网尚不完善,动态资料相对缺乏。遥感技术可以弥补传统地下水位监测手段的不足。由于降水极少,西北干旱区地表反射率与地下水水位埋深关系极其密切。选用归一化植被指数(NDVI)、地表温度(LST)数据,应用支持向量机回归方法,建立西北干旱地区地下水位遥感监测模型。提取MODIS影像中的NDVI和LST产品上的地表温度和植被指数信息,作为模型的输入,通过合理选择核函数进行支持向量机的回归分析,从而建立地表植被指数、地表温度与地下水位的相关数学模型,并分析了不同核函数所拟合结果。在河西走廊疏勒河流域的研究成果表明,运用MODIS数据开发地下水动态模型反演水位变化是可行的,模型拟合的结果比较符合实际情况,尤其是对于细土平原地下水浅埋地区模型应用效果更为理想。一次多项式核函数适合模拟埋深小于3m浅埋地下水,径向基函数RBF核函数和三次多项式核函数法则更适合模拟较大埋深情况。开发的地下水位遥感监测模型可为西北干旱区水循环研究和流域水资源管理提供技术手段。     

基于指标规范值的海水水质评价的SVR模型

为了建立具有普适通用的海水水质评价的支持向量机模型,在设置各指标参照值和指标规范变换式,并对指标进行规范变换的基础上,应用免疫进化优化算法,建立基于指标规范值的海水水质评价的回归支持向量机模型。将优化好的模型用于珠江口海水水质的评价,其评价结果与BP神经网络的评价结果基本一致,从而表明基于指标规范值的支持向量机模型用于海水水质评价是可行的,且该模型较传统的支持向量机评价模型具有较好的普适性和通用性。     

支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷

对天然地震、爆破及塌陷的波形数据进行小波变换,并用小波转换系数提取香农熵特征,采用支持向量分类机LIBSVM多类模式识别方法对香农熵特征进行分类识别,识别率在80%~95%之间。结果表明,采用LIBSVM对波形特征进行分类的方法可以较好地识别天然地震、爆破与塌陷。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的.     

基于最小二乘支持向量机与熵特征的地震事件性质辨识研究

为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机（LSSVM）和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多M_S7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上,这对天然地震事件的有效甄别有一定参考价值。     

基于支持向量机的内蒙古地区台网天然地震与人工爆破的自动识别与分析

基于内蒙古地区及其周边(96°～126°E, 36°～54°N)2016～2021年天然地震和爆破事件,首先采用db7、sym6、rbio1.5小波基函数分别对事件波形进行离散、静态、小波包4层小波分解,然后提取能量比、香农熵、能量熵3种特征参数,最后按照不同的小波分解方式、核函数、支持向量机和特征值随机组合的方式进行288组实验。结果表明,“DWT+υ-SVC+db7+线性核+能量比+香农熵+能量熵”的识别率最高为95%,说明该方法更适合内蒙古地区,可为测震台网识别天然地震和爆破事件提供较为可靠的参考依据。