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。     

CF耦合LR模型的地质灾害易发性评价

为对自然灾害频发的西北地区进行地质灾害易发性研究,本文考虑了高程、坡向等10类因素,利用确定性系数(CF)模型和确定性系数耦合逻辑回归(CF-LR)模型对城固县地质灾害易发性进行评价。结果表明,CF模型和CF-LR模型的灾害比均呈递增状态,高、极高灾害点密度分别为4.75、5.97个/km²,且两种模型的测试集受试者工作特征(ROC)曲线下面积(AUC)分别为0.812、0.835,验证集ROC和AUC值分别为0.862、0.891。两种模型均能有效评价区域内地质灾害易发性,且CF-LR模型具有更高的评价精度。     

崆峒区地质灾害易发性区划研究

本文以崆峒区地质灾害易发性为研究对象,以地质灾害调查资料为基础,基于MAPGIS6.7平台采用袭扰系数法生成历史地质灾害易发性区划图;选取地形地貌、坡度、地层岩性、多年降雨、植被覆盖5个地质灾害影响因子对其进行灾害影响分级并确定其灾害易发性影响权重,将各个影响因子分级图叠加到历史地质灾害易发性区划分级图中,绘制出该县的地质灾害易发性散点图,对图件进行整理从而生成崆峒区地质灾害易发性分区图。从图中能很好地看出崆峒区地质灾害的分布及特点,为政府部门采取有效的措施进行统筹规划减灾防灾以及地质灾害治理提供了可靠依据。     

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。     

基于AHP-INF耦合模型的察雅县地质灾害易发性评价

以西藏自治区察雅县为例选取高程、坡度、坡向等9个因子构建地质灾害易发性评价指标体系,采用层次分析法与信息量法(AHP-INF)耦合模型计算得到综合信息量,并结合ROC曲线对评价结果进行精度检验。结果表明,察雅县内极高易发区、高易发区、中易发区和低易发区面积分别为415.74 km²、746.78 km²、2 318.33 km²、4 782.34 km²,其中极高、高易发区集中分布在国道G214、国道G317和水系两侧,中易发区主要围绕极高、高易发区呈带状分布且集中在吉塘镇、烟多镇、荣周乡和香堆镇。评价结果的ROC曲线下方的面积为0.909,说明AHP-INF耦合模型评价精度较高,分区结果合理可靠,适用于察雅县地质灾害易发性评价。     

内江市景观格局对地质灾害易发性的影响分析

为探讨地表土地景观格局对地质灾害易发性的影响,丰富地质灾害易发性评价体系,以内江市为研究区域,选取高程、坡度、降雨量、植被指数、地层岩性和距构造距离为评价指标,利用层次分析法进行地质灾害易发性评价,以乡镇为统计单元,运用空间滞后模型进行回归分析,定量地探讨了景观格局对地质灾害易发性的影响.结果表明:地质灾害易发性和平均斑块面积、景观蔓延度和香农多样性指数显著正相关.地质灾害易发性与部分景观格局指数存在显著的相关性,景观格局可以在一定程度上反映地质灾害易发性的空间分布,可以在今后的地质灾害评价中将景观格局作为评价指标进行考虑,同时也为实现生态保护和防灾减灾的综合治理提供科学参考.     

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。     

融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足，导致预测效果不理想的问题，该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化，重构原始数据以强化特征表达；在卷积神经网络中引入跳层连接，通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价，将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明：该方法取得最佳精度，受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测，易发性制图结果更为准确可靠。     

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。     

层次分析-熵值定权法应用于山区城镇地质灾害易发性评价

我国西南山区很多城镇面临着崩塌、滑坡等地质灾害的威胁,开展山区城镇地质灾害易发性评价研究具有重要意义。本文对重庆市武隆区羊角场镇进行了地质灾害易发性评价研究,在确定区域易发性评价因子的基础上,综合层次分析法和熵权法两种方法确定评价因子的权重,最后采用易发性指数并基于ArcGIS对研究区进行易发性评价和区划。易发性分区结果与已有的地质灾害分布有较好的对应关系。采用的组合赋权法先用层次分析法确定主观权重,然后又结合熵值法对权重进行修正,在一定程度上减少了主观影响,对地质灾害易发性的量化更加准确与合理。本文的研究思路可为山区城镇地质灾害的风险评估和防治提供参考。     

基于高分一号卫星的江西樟树市地质灾害评价

运用高分一号卫星进行江西樟树市地质灾害评价对于科学防治地质灾害,提高国产卫星应用水平具有重要意义。本文通过正射校正、影像融合、几何校正等步骤对高分一号影像进行预处理,然后对处理后的影像进行地质灾害解译,获取樟树市地质灾害分布情况。在进行地质灾害评价过程中采用小流域评价单元,选取灾害点密度、地表水文、构造断裂带、工程活动、岩土类型、地形坡度等6个评价因子,并运用层次分析法确定因子权重,通过加权平均法最终获得樟树市地质灾害易发性综合评价图,其精度为78%。结果表明樟树市易发生地质灾害的地区占全市总面积的34.68%,易发程度最高的地区主要分布在东南部,占全市总面积的7.82%。     

结合信息量与AHP模型的阳泉市矿区地质灾害风险评价

阳泉市矿区地质环境复杂,人类活动频繁,存在塌陷、滑坡等地质灾害隐患。本文在充分调查地质灾害的基础上,构建了矿区风险评价体系,运用信息量法和层次分析法,选取了交通、居民地、矿山等8项指标开展易发性区划;在易发性评价的基础上叠加降雨因子,实现了矿区地质灾害的危险性评价;采用人口、建筑、交通因素构建了承载体易损性模型;并结合危险性和易损性构建了矿区的地质灾害风险评价模型。研究结果表明,矿区中地质灾害高风险地带主要分布在存在矿山活动的赛鱼、蔡洼街道且靠近人口聚集的地方,其影响范围较大,应及时采取监测预报等措施。     

汶川地区地质灾害易发性评价方法对比分析

在比较和分析了目前国内外研究和应用较多的几种地质灾害评价理论和方法的基础上,对汶川县2014年landsat8遥感影像解译并提取了地质灾害信息,利用DEM数据对20014年地质灾害的面积在高程、坡度、坡向等致灾因子进行了统计。采用信息量法、层次分析法、加权信息量对汶川地区地质灾害易发性进行了评价。通过这3种评价方法的结果对比表明:采用单一的信息量法、层次分析法做地质灾害易发性评价时各有优势和不足,将多种易发性评价方法进行合理的综合应用是地质灾害易发性评价的优选方法。     

顾及样本敏感性的滑坡易发性评价

滑坡作为一种危害极大的自然地质现象,严重威胁着人民的生命财产安全。因此,科学、准确地评价滑坡体的易发性至关重要。随着机器学习的发展,基于机器学习的滑坡易发性评价逐渐成为研究热点。而在真实情况中,滑坡区域与非滑坡区域面积占比悬殊,这使得机器学习模型的应用存在较严重的样本不均衡问题。本文采用样本敏感性分析方法,综合多个机器学习模型在不同比例的正负滑坡样本集上的表现,以获取最均衡滑坡样本集;并在此样本集基础上采用深度随机森林模型,在示范研究区开展滑坡易发性评价。最终的评价结果接近真实分布,表明本文方法具有较好的有效性。     

熵指数融入支持向量机的滑坡灾害易发性评价方法——以陕西省为例

滑坡灾害易发性评价可为滑坡灾害风险管理、国土空间规划及滑坡监测提供科学依据。针对现有滑坡灾害易发性评价模型无法消除易发性评价指标因子在量纲、性质等方面的差异,尚未考虑易发性评价指标因子与滑坡灾害相关性,以及精度较高的经典机器学习模型训练效率较低、参数选取困难等问题,引入熵指数(index of entropy,IOE)和粒子群优化(particle swarm optimization,PSO)算法,提出IOE融入支持向量机(support vector machine, SVM)的滑坡灾害易发性评价方法。首先,基于滑坡灾害易发性评价指标因子,利用IOE模型计算SVM的调节因子;然后,采用PSO算法迭代求解SVM最优解,根据SVM二分类得到的隶属度来区分滑坡灾害易发性;最后,以陕西省作为实验区,从滑坡灾害易发性分区图、分区统计及评价模型精度3个方面将所提方法与SVM方法进行了对比,实验结果表明所提方法的准确性、可靠性优于SVM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。     

绍兴市地质灾害易发分区研究

为了对绍兴市的地质灾害易发风险性进行定量评估,本文借助GIS软件对绍兴市进行网格划分,构建地质灾害易发风险性评价指标体系和指数评价模型。通过对地质灾害进行定量评估,将绍兴市地质灾害易发程度划分为高、中、低、不易发4个等级,并绘制了绍兴市地质灾害易发性分区成果图。研究成果支撑绍兴市地质灾害防治“十四五”规划,服务于绍兴市的地质灾害防治管理和决策。     

基于RS与GIS的汶川地区地质灾害易发性评价分析

通过对汶川县2008年landsat5和2014年landsat8遥感影像解译提取了地质灾害信息,利用DEM数据对2014年地质灾害的面积在高程、坡度、坡向等致灾因子下进行统计,利用层次分析法和熵权计分别计算主观和客观权重,进行权重拟合得到综合权重,建立起灾害敏感性评价模型对灾害的易发性进行预测。结果表明:震后新增地质灾害面积与2008年预测的高易发区叠加对比进行验证,两者空间分布基本一致,85.71%的新增地质灾害发生在预测高易发区,面积约为344.94 km2,验证结果良好,表明2014年汶川地质灾害易发性评价结果具备较高的可靠性和可行性。     

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。     

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。