基于GIS的Bayes统计推断技术在区域斜坡稳定性评价中的应用

为探讨Bayes理论在区域斜坡稳定性评价中的应用,将巫山县城新址西区作为研究区,综合应用GIS技术和多元统计技术建立了区域斜坡稳定性分析的2个Logistic多元回归模型,即趋势表面模型和因子模型.趋势表面模型的自变量是位置坐标,因子模型的自变量是影响斜坡稳定的因子,包括地形坡度、高程、坡向、岩性、坡形、距有影响构造线的距离.将趋势表面模型结果作为Bayes模型中的先验信息,将因子模型结果作为Bayes模型中的样本信息,通过Bayes基本原理,得到Bayes综合模型.结果表明,在研究区内,因子模型的拟合度为80.33%,Bayes模型的拟合度为80.61%,后者得出的滑坡发生样本的判对率比前者提高了约7%,说明Bayes模型可用于区域斜坡稳定性概率评价.     

基于GIS的分组数据Logistic模型在斜坡稳定性评价中的应用

分组数据Logistic回归是针对因变量为定性变量、自变量为分类变量的一种解决方案,加权最小二乘法可用来求解该方程.将巫山县新城西区作为试验区,选取岩性、坡度、高程、地下水位埋深、距最近有影响构造线距离5种因素为斜坡稳定性影响因素,以试验区历史滑坡发生为因变量,建立了区域斜坡稳定性评价的分组数据Logistic回归方程,进行了回归方程显著性检验和回归系数显著性检验,最后利用回归方程对全区斜坡稳定性进行预测.模型拟合精度为:以滑坡发生概率0.157 9为判据,滑坡发生样本的判对率为72.55%,滑坡不发生样本的判对率为79.69%.