Landslide susceptibility zonation method based on C5.0 decision tree and K-means cluster algorithms to improve the efficiency of risk management

Machine learning algorithms are an important measure with which to perform landslide susceptibility assessments,but most studies use GIS-based classification methods to conduct susceptibility zonation.This study presents a machine learning approach based on the C5.0 decision tree(DT)model and the K-means cluster algorithm to produce a regional landslide susceptibility map.Yanchang County,a typical landslide-prone area located in northwestern China,was taken as the area of interest to introduce the proposed application procedure.A landslide inventory containing 82 landslides was prepared and subse-quently randomly partitioned into two subsets:training data(70％landslide pixels)and validation data(30％landslide pixels).Fourteen landslide influencing factors were considered in the input dataset and were used to calculate the landslide occurrence probability based on the C5.0 decision tree model.Susceptibility zonation was implemented according to the cut-off values calculated by the K-means clus-ter algorithm.The validation results of the model performance analysis showed that the AUC(area under the receiver operating characteristic(ROC)curve)of the proposed model was the highest,reaching 0.88,compared with traditional models(support vector machine(SVM)=0.85,Bayesian network(BN)=0.81,frequency ratio(FR)=0.75,weight of evidence(WOE)=0.76).The landslide frequency ratio and fre-quency density of the high susceptibility zones were 6.76/km2 and 0.88/km2,respectively,which were much higher than those of the low susceptibility zones.The top 20％interval of landslide occurrence probability contained 89％of the historical landslides but only accounted for 10.3％of the total area.Our results indicate that the distribution of high susceptibility zones was more focused without contain-ing more"stable"pixels.Therefore,the obtained susceptibility map is suitable for application to landslide risk management practices.     

四川盆地云和降水观测科学试验设计与实践

2014—2017年四川地区开展了大范围云系观测科学试验。观测对象以盆地层状云系和积层混合云系为主,积状云(对流云)为辅。本文围绕试验目标、区域、观测要素、观测布局设计、观测方案设计、设备技术参数和典型个例等7个方面进行介绍,根据不同类型云系和降水变化特征,设计有针对性的观测方案,获得了不同类型云系和降水的多尺度连续性观测数据,为四川地区开展云和降水关系研究提供详实的综合型外场观测数据。层状降水云典型个例云高可达8km,云强核心部位的云雷达反射率可达28dBz,径向速度可达-6m·s~(-1),在0℃附近,反射率和退偏振因子LDR上有一条明显的亮带,表现为极大值,液态水主要集中于4.5km以下,随着雨强增大,液水含量增加,降水滴谱分布较窄,随着雨强减小,雨滴谱和速度谱变窄,但小粒径数浓度增加,说明对层状云雨强起主导作用的是雨滴直径,而不是数浓度;无降水层状云典型个例云层厚度为3.2km,云顶约为4km,云雷达反射率不超过0dBz,径向速度不超过5m·s~(-1),层状云内整层水汽含量和液水含量较为稳定,云中主要为液态粒子且粒径偏小、小粒径数浓度较高。     

基于位置微博的大风信息提取及应用

利用广东省广州市2017年1月1日至5月30日的大风信息和灾情数据,分析了大城市位置微博的时空特征,在此基础上采用关键词语意分析、风险等级映射、灾情权重值结合GIS热点分析的方法构建基于位置微博的大风信息提取架构,实现大风信息的提取,并利用个例进行验证。研究表明:本文提出基于位置微博的大风信息提取架构,对收集大风信息和灾情具有一定的实用价值。而位置微博信息本身具有及时性强、成本低、数据量大的优势,能作为一种大风信息提取的有效补充手段。     

西太平洋暖池近3万年来的沉积序列及其环境特征-WP92-3柱样的REE记录

WP92-3柱样采自西太平洋暖池核心区。利用稀土元素(REE)特征参数研究了该柱样的沉积物来源和地层序列划分,并对其所揭示的环境变化特征进行了探讨。研究认为:样品的REE分布模式揭示了该海域的沉积物源主要为海相自生沉积;基于REE指标的垂向深度变化特征可将该柱样划分为3个地层序列;∑REE,LREE/HREE和δCe几个指标对环境的温度变化以及地磁场的极性变换均有良好的响应,∑REE高值段基本对应于δ18O和SST所揭示的暖池低温期,而地磁场极性转变的时间正好对应着稀土指标(∑REE,LREE/HREE和δCe)快速大幅波动的层位。REE特征参数较好地记录了暖池区近3万年来的沉积和环境变化信息,是一组对气候环境演化具有潜在良好指示作用的地球化学指标。     

基于神经网络的滑移隔震结构智能半主动控制

考虑上部结构的刚度和阻尼,使用神经网络控制算法计算基底摩擦力的大小,研究了滑移隔震结构的半主动控制。对计算实例的分析表明,通过半主动控制的滑移隔震结构不但具有较好的隔震效果,且能有效地减小基底的最大滑移量及残余位移。为对比各种控制方法的控制效果,文中还利用Bang-Bang控制和瞬时最优控制算法对滑移隔震结构进行了半主动控制。对比分析表明,基于神经网络控制算法的控制效果优于其它控制算法,具有反馈量少,稳健性强等特点。     

侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处...     

机场群航线网络竞合评价方法及实证探讨——以粤港澳大湾区世界级机场群为例

航线网络是机场群市场竞争-合作（竞合）的重要内容。借助图论、集合论、产业经济等理论方法,从整体性市场及交互式市场两个视角探索并建立机场群航线网络竞合关系的量化评价模型,并基于粤港澳大湾区世界级机场群开展实证分析,研究表明：1）从整体市场竞争视角分析,大湾区机场群航点竞合市场由完全垄断市场与弱合作市场主导,但竞争程度在逐步强化;同类通航点的航线竞合指数存在较大的差异性及复杂性,但竞争程度也呈现加剧态势。2）从交互式竞争视角分析,大湾区机场群航线网络的竞合格局整体呈现由合作型向竞争型转变的态势,且航线竞争水平大于通航航点竞争。     

中国大陆西部强震前超低频磁场时空变化特征

对2015年至2019年期间中国大陆西部的磁通门磁力仪秒采样观测资料开展了5—100 s频段的地磁垂直强度极化分析,并运用一些数学方法对分析结果进行了处理.结果显示,极化高值在经向和纬向均无明显的形态和幅值变化,且极化高值与地磁外源场扰动无关.在此基础上筛选出18次极化高值异常事件,利用插值方法得到了极化高值异常的空间...     

Climatology and seasonal variability of satellite-derived chlorophyll a around the Shandong Peninsula

The chlorophyll a (Chl a ) is an important indicator of marine ecosystems. The spatiotemporal variation of the Chl a greatly affects the mariculture and marine ...     

东海丽水-椒江凹陷构造样式与含油气远景

丽水-椒江凹陷位于东海陆架盆地台北坳陷西部,其沉降过程经历了裂陷期、坳陷期、抬升期及区域沉降期4个阶段。盆地构造样式复杂,具有半地堑-地堑式结构并存、频繁变化等特征,断裂构造发育,主要有铲式、坡坪式、多米诺式、"Y"型、阶梯状、地垒和地堑等断裂构造组合。构造活动有效控制油气圈闭的形成,灵峰构造带(潜山构造带)、丽水西次凹中央反转背斜构造带、丽水西次凹屋脊断块构造带、椒江凹陷中部断块半背斜构造带为该区未来勘探的有利区带。