剩余异常分量因子分析法在个旧西区化探异常提取中的应用

以云南省个旧西区1∶1万土壤化探数据为例,采用趋势面分析方法,用不同次数的多项式反映元素含量在空间上的变
化趋势,提取出数据中反映局部异常变化的剩余异常分量,再对剩余异常分量进行R型因子分析,得出4个与矿化密切相关的因
子,分别绘制出研究区主成矿元素Sn、Cu、Pb异常图以及因子得分异常图并进行了地质解释,对该区下一步圈定有利成矿远景区
具有指导意义。      

基于随机森林的滑坡空间易发性评价:以三峡库区湖北段为例

滑坡空间易发性分析有助于开展滑坡防灾减灾工作,训练有效的滑坡预测模型在其中扮演重要角色.以三峡库区湖北段为研究区,选取高程、坡度、斜坡结构、土地利用类型、岩土体类型、断裂距离、路网距离、河网距离、以及归一化植被指数这9个影响因子建立滑坡空间数据库,采用集成学习中的随机森林算法进行滑坡易发性评价.结果显示,随机森林抽样训练的方式有利于确定较优的训练参数,保证随机森林在不过拟合的情况下取得满意的拟合能力和泛化能力.随机森林绘制的滑坡易发性分级图显示出合理的空间分布,其中73.35%的滑坡分布在较高和极高级别区域.而巴东县北部、秭归县中部以及夷陵区南部等区域显示出较高的易发性级别.性能评估及易发性统计结果均表明随机森林是一种出色的算法,在滑坡空间预测领域具有较好的适用性.      

基于确定性系数和支持向量机的地质灾害易发性评价

确定性系数（Certainty Factor,CF）是经典的地质灾害影响因子敏感性分析方法;支持向量机（Support Vector Machine, SVM）作为机器学习的代表方法,能够综合各个影响因子的关系,对地质灾害易发性进行评价。本文以云南省怒江州泸水县为研究区,将高程、坡度、坡向、剖面曲率、距断裂的距离、距河网的距离、距路网的距离、地貌类型、岩土体类型、土地利用类型作为该区域地质灾害影响因子,依据各影响因子灾害面积比和分级面积比曲线对影响因子的状态进行分级。根据381个地质灾害隐患点,采用CF方法计算的各个影响因子的敏感性值,作为SVM的分类数据,建立基于CF-SVM的易发性评估模型,同时与单独SVM模型的评价结果进行对比分析。结果表明,CF-SVM模型得到的极高和高易发区主要分布在怒江两岸河谷地带,涵盖了89.76%的地质灾害隐患点,比单独SVM模型具有更高的成功率;利用ROC曲线和P-R曲线对两个模型进行检验,CF-SVM模型的评价精度分别达到92%和88%,均高于单独的SVM。由此说明,CF-SVM模型对地质灾害易发性评价有较高的预测价值,可以为地质灾害风险评估和管理提供依据。     

国家级地质环境数据仓库的设计与实现

目前由中国地质环境监测院具体实施的国家级地质环境信息化建设工作,以构建国家级地质环境数据中心,实现全国地质环境信息的大综合、大协作和大集成为总体目标.其数据来源多样、数据类型复杂,且体量巨大、结构性和非结构性数据并存.为实现快速、充分地挖掘提炼数据中蕴含的价值,基于大数据思想,运用数据仓库技术,将各类操作型数据面向业务分析整合,形成协同有序的数据中心,按业务进一步划分为地质灾害防治、地下水监测与保护、矿山地质环境监测评价等4个数据集市,每个集市下又包含若干主题或二级主题.应用该数据仓库横向打通了各业务系统的数据,实现了不同维、不同粒度、不同侧面查询和观察数据的功能,为业务分析和决策支持提供了数据保障,为捕获地质环境业务数据价值提出了新模式.