不完备样本条件下基于支持向量回归模型的滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义,在基于统计模型进行评价过程中,样本选取对评价结果有较大影响,构建较稳健的、受样本数量影响小的分析模型非常重要。本文以马来西亚热带雨林地区为例,选择坡度、坡向、地表曲率、地貌类型、岩性、构造、土地覆盖、道路和排水系统等9大要素作为评价因子,结合支持向量回归(SVR)模型计算研究区滑坡易发性指数,并探讨不完备样本条件下易发性评价方法,分析样本数量和评价精度之间的关系。结果显示,基于SVR模型进行该区滑坡易发性分析评价,其成功率验证法的描述精度约为95.9%;同时,样本数量的增减对分析精度影响较小;SVR方法是一种适于热带雨林地区高植被覆盖条件下的分析模型,可为今后同类地区的滑坡灾害管理工作提供支持。     

基于QPSO-LSSVM的边坡变形预测

滑坡变形受外界影响因素作用的机理十分复杂,难以采用简单方法对其进行预测,因此建立快速准确的滑坡预测模型十分重要。采用比一般支持向量机(SVM)预测效果更好且计算速度更快的最小二乘支持向量机(LSSVM)方法,选用RBF核函数对边坡位移时序数据进行训练和预测,并引入量子粒子群算法(QPSO)对LSSVM模型参数γ和σ进行全局寻优,避免了人为选择参数的盲目性,提高了模型的预测精度。将优化模型应用于新滩滑坡和卧龙寺新滑坡的变形预测,并与传统的LSSVM、PSO-LSSVM模型进行预测精度及收敛性对比分析。结果表明,QPSO-LSSVM模型较传统方法在预测精度上有了明显提高,且收敛速度明显加快,说明QPSO-LSSVM模型在边坡位移时序预测中具有良好的应用价值。     

GIS支持下三峡库区秭归县滑坡灾害空间预测

基于GIS空间分析和统计模型相结合进行区域评价与空间预测是滑坡灾害研究的重要方向之一。以三峡库区秭归县为研究区,选择坡度、坡向、边坡结构、工程岩组、排水系统、土地利用和公路开挖作为评价因子。为提高模型的预测精度、可信度和推广能力,利用窗口采样规则降低训练样本之间的空间相关性。建立Logistic回归模型,对滑坡灾害与评价因子进行定量相关性分析。计算研究区滑坡灾害易发性指数,对其进行聚类分析,绘制滑坡易发性分区图,其中高、中易发区占整个研究区面积的38.9%,主要分布在人类工程活动频繁和靠近排水系统的区域。经过验证,该模型的预测精度达到77.57%。     

基于二元逻辑回归模型的新疆果子沟滑坡风险区划

新疆果子沟区域是我国与中亚地区社会、经济、文化交流的重要通道以及我国石油、天然气等能源资源安全大通道,沿途滑坡灾害频发,威胁人类安全、影响社会、经济发展,但该区域针对滑坡灾害的研究程度较低,需借助滑坡灾害易发性分析与风险等级评估结果指导防灾减灾。本文基于GF-1号卫星影像数据进行滑坡解译,选取地层岩性、断层密度、坡度、坡向、地表高程、植被指数等6个评估因子,探讨运用GIS、RS技术及统计分析模型进行滑坡灾害易发性分析与建模。基于频率比法分析各因子敏感性,利用二元Logistic回归模型进行灾害易发性分析,将研究区滑坡灾害风险分为极低、低、中、高、极高五个等级。将模型计算结果与历史滑坡信息进行比较,并借助ROC Curve检验模型准确性,AUC为0.844,表明模型预测结果具有较高准确性,因此建立的分析模型可以满足新疆果子沟区域滑坡灾害分析与评估应用,研究成果可为研究区重大线型工程保护、边坡加固提供辅助决策支持。     

基于改进证据权重法的北海道地震同震滑坡易发性评价

多模型耦合方法被广泛应用于同震滑坡易发性评价研究,但耦合证据权重法和其他方法的改进型证据权重法鲜有涉及。该文以北海道地震震中区为研究区,基于震前和震后高精度遥感影像解译出5977处同震滑坡(以中小型为主),选取高程、坡度、距断层距离、距水系距离等8个滑坡易发性评价因子,对同震滑坡的空间分布规律和控制因子进行分析,发现同震滑坡集中发育在距断层小于5 km、距水系小于800 m、峰值地面加速度(PGA)0.5 g、高程90~250 m、坡度20°~40°、坡向东至东南向、岩性以页岩和砾岩为主的区域内;基于改进型证据权重法,综合考虑地形、地质和水文条件对北海道同震滑坡易发性进行评价,经ROC曲线评价模型验证,发现改进模型曲线下面积(AUC)为0.916,较原模型(AUC为0.870)精度有明显提高。改进模型能为同震滑坡易发性评价提供新的研究思路,并为震后区域防灾减灾提供科学依据。     

“4·20”芦山地震灾区次生山地灾害易发性评价

选择"4·20"芦山地震灾区为研究区,在野外实地考察的基础上,结合高精度遥感影像解译分析,针对地震灾区滑坡、崩塌和泥石流等次生山地灾害的形成条件展开系统分析;在ArcGIS 9.3软件支持下,采用信息量模型,选择坡向、坡度、地层岩性、断裂带、河流冲刷作用、地震烈度和降水量7个影响因子作为芦山地震灾区次生山地灾害易发性评价的指标参数,将其划分为高易发区、中易发区和低易发区,该评价结果与实地考察结果基本吻合。基于GIS的信息量模型能够很好地为芦山地震灾区次生山地灾害易发性区划研究提供指导,其结果可以用来解决次生山地灾害易发性评价中效率低、精度差、费时费力等问题,从而实现次生山地灾害易发性评价的信息化和科学化。     

浅层黄土滑坡易发性评价：以晋西黄土区蔡家川农地小流域为例

黄土高原中部地区极端暴雨事件频发,引发大面积浅层滑坡和泥流灾害。随着全球变暖,降雨增加,中国西北黄土高原植被覆盖发生显著变化,不考虑植被因素的黄土滑坡易发性分区的评价方法需要改进。本文以晋西黄土区蔡家川流域农地小流域为研究对象,基于暴雨前后流域高分辨率图像、数字高程模型,野外滑坡调查和室内岩土测试,利用半定量的信息量模型、信息量-逻辑回归耦合模型和定量的物理模型,按有植被和无植被两种工况开展了浅层黄土滑坡易发性分区,并评估模型精度。结果表明：考虑植被时,半定量模型获取的易发性指数均下降,物理模型计算的稳定区面积显著增大,说明植被对浅层滑坡有抑制作用;考虑植被时,各个模型的评价精度都有所提高,信息量-逻辑回归耦合模型的精度高于信息量模型,物理模型的精度整体高于两个半定量模型。研究结果可为以暴雨滑坡为主要类型的小流域水土流失预测预报提供参考。     

基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例

以阿坝藏族羌族自治州地质灾害频发的理县为研究区,从地形地貌、地质环境、水文条件和人类工程活动等方面选取11个影响因子,通过皮尔森相关系数研究各因子之间的相关性,从而构建滑坡易发性评价指标体系。利用信息量模型计算各影响因子的信息量值,从信息量模型得出的极低和低易发性分区中选取非滑坡样本,在此基础上将样本数据代入随机森林和径向基函数神经网络2种机器学习模型开展滑坡易发性评价,并通过接收灵敏度（Receiver Operating Characteristic,ROC）曲线进行精度验证。结果显示：随机森林模型预测出的高易发区单位面积内分布的滑坡点数量更为集中,在仅占6.666%的区域分布了74.026%的灾害点,评价结果优于径向基函数神经网络模型。ROC曲线中两模型AUC（Area Under Curve）值分别为0.893、0.874,说明随机森林模型具有更高的可靠性,比径向基函数神经网络在该区域地质灾害易发性评价中更具优势。     

鄂西南山区小区域大比例尺滑坡灾害易发性及其精度评价

小范围大比例尺地质灾害易发性评价面临时空数据精度或质量不满足理论要求的现状。如何利用有限的数据实现相对可靠的评价结果,是论文研究的主要目的。论文选取湖北省五峰县渔洋关镇为研究区域,考虑水文、地形、岩性分布、历史灾害规模等因素讨论了斜坡单元的划分方法;将证据权模型分析所得滑坡易发性值转换至各斜坡单元,绘制基于斜坡单元的研究区易发性评价分级图;分别采用ROC曲线和野外核查手段,评价了易发性结论的成功率和预测率。研究表明,斜坡单元的划分一方面要符合实际地形,另一方面更应体现单元的地质差异性;栅格计算结论转化为斜坡单元的表达成果、精度分析的注重和野外核查工作的开展是保证分析结果可靠性的有效途径;湖北省五峰县渔洋关镇易发性评价成功率和预测率分别为84%和74%,野外验核与理论分析结果的一致性较高。     

基于随机森林模型的泥石流易发性评价——以汶川地震重灾区为例

在区域泥石流易发性研究中,科学确定泥石流易发性主控因子及其贡献率既是关键科学问题,也是区域泥石流预警预报和风险管理的重要基础。本研究选取汶川地震重灾区,引入随机森林算法,以小流域为评价单元,集合多元因子指标体系,建立泥石流易发性评价模型,定量分析了汶川地震重灾区内泥石流关键影响因子及贡献率,并探讨了研究区泥石流易发性的空间分布特征。本文初选了63项评价指标,以模型AUC值变化为基础,筛选出35项指标构成易发性评价指标体系,并用于区域内泥石流易发性主控因子的识别,结果表明:流域高差、流域平均坡度、流域内滑坡面积、平均降雨天数是区域内泥石流易发性主控因子,另外,沟长比降、大于10°积温、年均温、人口密度、村落个数、低覆盖度土地利用方式等在泥石流易发性评价中也发挥着重要作用;易发性评价结果显示,极高易发区占比达到了22.94%,主要分布于研究区西部,泥石流易发性较高的小流域主要分布在青藏高原向四川盆地过渡的地形急变带,同时也与地震带、断裂带、干旱河谷区域密切相关。模型验证结果表明,平均AUC值达0.84,模型具有很高的稳定性和准确性,说明随机森林算法非常适用于区域泥石流易发性评价研究,机器学习算法结合小流域为单元的方法对区域泥石流易发性评价有效果良好,可为区域尺度灾害易发性及风险评估提供更为有效的方法参考。     

基于证据权模型的川藏铁路加查——朗县段滑坡易发性评价

川藏铁路加查至朗县段地处西藏自治区东南部,该区新构造活动强烈,地质构造复杂且历史强震频发,一系列大型—巨型滑坡在该区密集分布。本文基于滑坡遥感解译和野外地质灾害调查,建立了川藏铁路加查—朗县段的滑坡空间数据库,选取高程、坡度、坡向、平面曲率、地层岩性、距河流距离、距断裂带距离、距道路距离、植被归一化指数(NDVI)以及年平均降雨量等10个滑坡影响因子,基于ArcGIS软件平台和证据权模型,进行滑坡易发性评价。根据滑坡易发性指数(LSI)的分布特征,结合野外地质调查的认识,将研究区内的滑坡易发程度划分为4个级别,即极高易发区、高易发区、中易发区和低易发区,分别占研究区总面积的17.43%、22.64%、32.21%和27.72%。分析表明,极高易发区和高易发区主要分布在人类工程活动较多的研究区西南部,沿着雅鲁藏布江及其支流呈带状分布,中、低易发区主要分布在植被覆盖率较高、人类工程活动相对较少的东北部。极高易发区和高易发区内发育的滑坡数量约占已调查识别滑坡总数的88%,研究结果与已知滑坡的分布情况较吻合,采用成功率曲线对易发性评价结果进行检验,正确率达到了83%,具有较高的精度。易发性评价结果较好地反映了研究区内滑坡发育分布现状,可以为该区重大工程规划建设和防灾减灾提供理论指导和参考依据。     

苏州太湖三山岛国家湿地公园景观健康评价

苏州太湖三山岛国家湿地公园位于太湖之中,对其进行景观健康评价可以有效评估湿地公园建设绩效,对指导湿地公园的科学性规划与建设具有重要意义。从研究区的景观数据中,提取土地利用类型面积所占比例、道路长度、不同类型坡岸长度等景观评价指标,采用F-score方法和随机森林法,对这些指标进行特征选择,并作为输入特征向量;采用主成分分析方法,分析水质评价指标,将其分为优质、良好、一般和较差4类,并作为输出分类结果。在此基础上,建立支持向量机分类评价模型;通过选择合适的核函数和核参数,实现景观健康评价。研究结果表明,苏州太湖三山岛国家湿地公园景观健康水平具有明显的空间差异性,研究区西部几乎未受到人为干扰,景观健康等级为优质;主岛的东北部位于旅游核心区域,人为干扰程度较重,景观健康等级大多属于一般和较差;主岛东南部建有人工修复湿地,明显改善了该区域的景观健康等级。在模型训练过程中,对比多项式核函数、Sigmoid核函数和高斯核函数三者的分类结果发现,高斯核函数的分类精度最高,训练集精度为90.0%,检核集精度为85.7%。在影响湿地公园景观健康因素众多、野外监测数据较少的条件下,本研究采用的支持向量机方法可以快速取得合理的评价结果,揭示湿地公园景观健康的空间差异。     

基于随机森林的山西省柳林县黄土滑坡空间敏感性评价

基于随机森林模型,以GF-6影像和ALOS DEM数据为基本信息源,结合高程,地形起伏度及地形湿度等11项因子,对山西省柳林县进行滑坡敏感性空间区划。模型精度评价表明：随机森林模型精度为0.75,支持向量机模型精度为0.7,表明随机森林更适合柳林县的滑坡敏感性评价。指标重要性分析结果表明：高程、坡度、距道路距离以及距河流距离,是影响柳林县滑坡发育的主要因素。敏感性空间区划结果表明：高度敏感区约占柳林县总面积的28%,主要分布在三川河流域的南北边界及邻近区域内,其中贾家垣乡分布面积最广。从时间成本、训练难度、稳定度以及精确度考虑,随机森林模型更适合滑坡敏感性评价这类非线性计算问题。     

基于支持向量回归机的耕地保有量组合预测

为提高耕地保有量预测精度,将灰色预测GM(1,1)模型、动力预测模型、BP网络预测模型和加权支持向量回归机预测模型相结合,建立了基于支持向量回归机的耕地保有量组合预测模型,并将其用于温州市耕地保有量预测。结果表明,该模型比任一单一预测模型精度更高,可用于耕地保有量预测。     

三峡库区塌岸灾害易发性评价方法——以奉节—云阳段为例

塌岸灾害广泛分布于中国三峡库区。塌岸易发性评价对库区灾害防治具有重要意义。当前塌岸易发性评价的研究程度低,评价模型的适用性差,评价指标的选取依据不充分,并没有考虑波浪对库岸稳定性的影响。本研究以塌岸灾害广泛发育的三峡库区奉节段至云阳段为研究对象,考虑波浪和库岸形态对研究区塌岸发育的影响,提出江岸宽度、库岸形态、风速这三个指标,并基于研究区塌岸灾害发育和分布特征共选取8个影响因子,构建三峡库区塌岸灾害易发性评价指标体系;采用三种机器学习模型,实现三峡库区塌岸灾害易发性分区及检验、模型精度预测、评价结果的分区和实地验证。结果表明：(1)江岸宽度、岸坡形态和风速等影响因子权重靠前,对奉节段塌岸发育的贡献较大;(2)ANN模型、RF模型与SVM模型的较高-高易发区灾害点数量分别占总灾害点的53.1%、48.9%和39.3%。ANN模型与RF模型塌岸强度从低至高依次增大,分区结果较为合理,而SVM模型分区结果不太理想。(3)ANN模型、RF模型和SVM模型的AUC值分别为0.798、0.793、0.766,三种机器学习模型的预测精度较为可靠;(4)RF模型高易发性区域最符合实际地质条件,其易发性...     

一种适用于逻辑回归模型评价浅层滑坡易发性的网格尺度划分方法 ——以2019年福建省三明市群发浅层滑坡为例

滑坡易发性评价是滑坡防治研究的重要内容之一.在逻辑回归模型中,常用网格单元作为滑坡易发性评价单元,具有划分简单,回归效率高的优点.然而,在构建模型时直接将研究区的栅格数据转换为矩阵,每个栅格表示一个评价单元,存在滑坡样本不平衡,滑坡地形参数指标不能反映真实的滑坡地形等问题,造成评价效果统计显著性低.本文以2019年福建...     

证据权模型在泥石流灾害易发性评价中的应用

利用空间统计方法进行泥石流易发性定量评价的本质是度量影响因子（地形、地貌、岩性等）和响应因子（泥石流）之间的空间关系,最后给出所有影响因子综合作用结果,得到泥石流易发性评价结果。选取高程、坡度、坡向、地形起伏度、岩性、降雨量与水系距离7个因素作为泥石流影响因子,采用证据权模型,对研究区内泥石流进行灾害易发性评价,使用自然间断法将研究区内泥石流易发程度分级,得到研究区泥石流易发后概率图,获得了较高的置信度,方法简单易行,可以在其它灾害易发性评价中推广。     

基于GIS的区域群发性降雨型滑坡时空预报研究

以滑坡灾害突出的雅安市雨城区为例,综合考虑降雨强度、前期降雨量及下垫面(地形、岩性、植被覆盖等)构建了基于GIS分析获取的易发指数+BP型神经网络时空预报模型。首先通过试验确定了模型的网络参数和网络结构,然后通过危险性区划图获取降雨型滑坡易发指数,并利用GIS的空间插值功能和雨量站数据获取相应降雨型滑坡的雨量数据,将量化后下垫面的易发指数和降雨数据作为神经元输入层数据。将模型应用于研究区,其中46个降雨型滑坡数据作为训练样本,10个降雨型滑坡数据作为检验样本,预测精度达到90%,显示该模型对于降雨型滑坡的时空预报精度较高。     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。     

金沙江干热河谷区泥石流易发性评价模型及应用

金沙江上游奔子栏-昌波河段属典型的干热河谷区,气候干热少雨,但泥石流灾害发生频繁。采用指标熵模型对干热河谷区泥石流的影响因子进行敏感性分析,最后筛选出流域地貌熵值、岩土类型、坡向、坡度、植被归一化指数、月均降雨量等6个因子作为泥石流的易发性评价因子。将研究区划分为217个小流域,以流域单元为评价单元,采用权重系数法建立了泥石流的易发性评价模型,并利用该模型制作易发性分区图。分区结果表明:研究区泥石流极高易发区和高易发区主要分布在北部的昌波-贡波段、中东部的徐龙-曲雅贡段和南部的金沙江沿岸。极高易发区和高易发区面积占研究区总面积的36.4%,两区内的泥石流流域面积占泥石流总流域面积的58%。经检验泥石流的预测成功率为69.6%。