基于加权信息量模型的临潼区滑坡易发性评价

为提高滑坡易发性评价的准确性和精度,结合随机森林(FR)模型和信息量(IV)模型2种方法,提出一种新的加权信息量(WIV)模型。以西安市临潼区为研究区,基于野外调查和因素相关性分析,选取坡度、坡向、高程、曲率、地形起伏、岩土体类型、降雨量、断层、水系和道路10个影响因子,以全区72个滑坡灾害点为样本数据,分别采用FR模型、IV模型和WIV模型对研究区开展滑坡易发性评价。结果表明:WIV模型训练样本的成功率和预测率比FR模型分别高4.9%和1.9%,比IV模型分别高17.80%和4.70%;滑坡灾害点高易发区和极高易发区多分布在断层、河流及道路集中区域,且其滑坡灾害点比例WIV模型比IV模型、FR模型分别提高6.37%和4.45%;WIV模型易发性评价分区结果与研究区实际情况相近。研究成果可为防灾减灾工程提供科学依据。     

基于机器学习模型的福州地区滑坡易发性评价

开展滑坡易发性评价是开展区域地质灾害风险管理的基础性工作,以福州主要陆域区为对象,基于植被覆盖度、高程、坡度、坡向、岩性、距断裂距离和距水系距离共7个影响因子,采用逻辑回归模型和随机森林模型进行滑坡易发性评价,并将模型评价结果分为低、较低、中、较高和高共5个易发性等级区划。研究表明,随机森林模型满足较高和高风险区的面积小、区内滑坡密度大的预测模型评判标准,预测精度更高且泛化能力更好,从而验证研究区基于机器学习模型的滑坡易发性评价的可行性;研究还表明植被覆盖度和高程是研究区滑坡易发性评价的高重要性影响因子,而坡向是最低重要性的影响因子,可以为该区域滑坡灾害风险评估的信息获取提供参考。     

基于LightGBM模型的甘肃省临夏县滑坡易发性评价

甘肃省临夏县地质环境复杂,滑坡灾害发育,对当地居民生产生活造成严重威胁,亦对工程建设的开展造成一定阻碍,因此,选取高效准确的机器学习方法对临夏县进行滑坡易发性评价具有重大意义。首先依据遥感影像和野外勘察资料,选取了1 718处滑坡样本,遴选了滑坡灾变的16种影响因子并建立滑坡影响因子评价体系;再结合预测精度和运行时间等指标对比了轻量级梯度提升机（LightGBM）模型与主流机器学习模型的性能;最后利用混淆矩阵分级方法进行了基于LightGBM模型的临夏县滑坡易发性评价。结果表明：临夏县重要滑坡影响因子为地表植被和地形地貌因子,其中土地覆盖为最主要影响因子;LightGBM模型预测精度高达0.931,且运行速度仅为11.7 s,既能保证高精度又极大提升了运行效率;在抽稀后的数据集上,LightGBM模型的预测表现、校准程度和分级结果均优于随机森林（RF）模型;混淆矩阵分级法的较高和高易发区内滑坡分布更为集中,在14.94％的区域内分布着86.86％的滑坡灾害点。滑坡易发性评价结果较好地反映了研究区内滑坡分布发育情况,可为当地工程建设及防灾减灾工作提供一定指导。     

基于博弈论赋权信息量模型的滑坡易发性评价

针对利用信息量模型进行滑坡易发性区划时,直接将各影响因子的信息量相加或乘以单一权重相加,未同时考虑因子的主、客观权重的问题,提出基于博弈论赋权信息量模型的滑坡易发性评价方法。首先采用层次分析法(AHP)计算出主观权重,通过变异系数法确定客观权重,然后利用博弈论原理进行主、客观权重的优化组合,得到组合权重;基于组合权重对各评价因子的信息量图层进行加权求和,通过自然间断点法将评价结果分为5类。最后以陕西山阳县为研究区,分别从滑坡易发性区划图、分区点密度及ROC曲线,将所提模型与单一权重的信息量模型进行了对比。结果表明,所提方法的准确性、可靠性优于传统的加权信息量法。     

基于径向基神经网络耦合确定性指数的滑坡易发性分区研究

滑坡易发性分区是预测滑坡的有效方法。利用径向基神经网络模型(RBFNN模型)耦合确定性指数(CF指数)构建混合模型(RBFNN-CF模型),开展陕西省汉中市城固县滑坡易发性分区研究。首先选取坡度、坡向、平面曲率、剖面曲率、高程、年平均降雨量、道路缓冲区、水系缓冲区、断层缓冲区、NDVI和地层岩组作为滑坡诱发因子,计算对应的CF指数并量化诱发因子;其次将野外调查的184个滑坡数据按照7∶3的比例划分为训练数据和测试数据,分别利用RBFNN-CF和RBFNN模型绘制滑坡易发性分区图;最后利用受试者工作特征曲线(ROC曲线)下的面积评估和对比分区的结果及模型的分类能力。结果表明:RBFNN-CF模型的分类能力和泛化性均强于RBFNN模型,值得在研究区推广,得到的滑坡易发性分区图可为当地的滑坡防治工作提供参考。     

基于多模态分类模型的芦山地震滑坡易发性评价

为提高地震滑坡易发性评价精度,从多模态数据融合角度提出一种新的地震滑坡易发性评价模型。以芦山地震为例,从多源数据中提取15种滑坡影响因子,将这些影响因子按4种不同类型的模态数据进行融合;以斜坡单元为评价单元,利用多模态分类模型评价地震滑坡易发性,并与逻辑回归模型比较;最后分别采用基于受试者工作特征曲线和区划滑坡灾害点密度2种精度评价方法对评价结果进行检验。结果表明,基于多模态分类模型的地震滑坡易发性评价结果具有更高的精度,其评价结果的曲线下面积、高易发区-极高易发区的滑坡灾害点密度分别为0.86、2.24个/km²,均优于逻辑回归模型,表明该模型在区域内具有较好的适用性。研究结果从数据融合角度为提高地震滑坡易发性评价精度提供了新思路。     

信息量支持下SVM模型滑坡灾害易发性评价

三峡库区是我国滑坡灾害广泛发育的地区之一,滑坡灾害易发性评价对库区的防灾减灾有重要意义。在滑坡灾害易发性指标信息量的基础上,构建了信息量支持下的SVM模型,并对滑坡灾害易发性进行了评价。该模型根据地层岩性、地质构造、坡度、坡向、坡型结构、土地利用类型、水、归一化植被指数,以及上述指标的总信息量,共9类指标组成的数据集进行SVM训练,得到评价模型;运用该评价模型对研究区全区滑坡灾害易发性进行评价,并以模型决策值的零点和突变点确定易发性等级划分标准。并以三峡库区万州主城区为研究区验证模型,研究表明信息量支持下SVM模型的训练样本精度为81.41%,验证样本精度为91.11%,优于常用的信息量模型,滑坡的高易发区和较高易发区占研究区总面积的47.05%,主要集中在人类工程活动强烈的长江干支流两侧,结果与已知滑坡分布基本一致,表明该模型在研究区具备较好的适用性。     

耦合信息量和Logistic回归模型的滑坡易发性评价

区域滑坡易发性预测能准确地反映出特定研究区内滑坡分布的空间概率特征.基于信息量和Logistic回归的耦合模型,对江西省崇义县滑坡易发性进行了预测,首先选取高程、坡度、坡体结构、平面曲率、剖面曲率、地形起伏度、距水系距离、岩性、归一化植被指数(NDVI)和归一化建筑指数(NDBI)等10个影响因子;之后利用各因子的信息...     

区域滑坡空间预测方法研究综述

滑坡具有区域性、群发性、多发性及灾害严重的特点,开展大范围的区域滑坡空间预测评价是实现防灾减灾的有效途径。在区域滑坡空间预测研究方面,还存在预测指标体系的确定方法、预测指标的权重取值及连续数据离散化处理过程中造成的图层信息损失等问题,需要进一步研究解决。分别综述了确定性模型和非确定性模型在滑坡空间预测评价中的应用情况,重点介绍了非确定性模型中的知识驱动模型和数据驱动模型的应用情况及适用条件;并展望了区域滑坡空间预测方法的发展趋势。     

堰塞坝稳定性快速评估模型--以小岗剑(上)堰塞坝为例

为了对堰塞坝的稳定性快速作出定量评价,通过分析历史案例并进行相关性分析,选取堰塞坝坝长、坝宽、坝高、回水长度、库容量作为堰塞坝稳定性评价因素,并进行主成分分析。将单一变量按照主成分大小及权重进行组合,得到坝高因子,高宽比,水流冲击系数,湖面形状系数,坝体形状系数五个复合因素,在此基础上提出一种定量分析堰塞坝稳定性的快速评估模型,同时引入稳定性系数来反映堰塞坝的稳定程度,进行等级划分,并对汶川大地震中形成的小岗剑(上)堰塞坝应用模型进行评估。结果表明所提出的模型判定准确率达89.9%,可以为堰塞坝应急处理提供参考。小岗剑(上)堰塞坝判定为不稳定,需及时采取泄流措施避免灾害损失。     

考虑活动性状态的大型滑坡危险性评价

活动性状态是表达滑坡危险程度的重要指标。以往的研究中滑坡危险性评价是选取易发性指标通过数理分析计算得出危险性程度,大多没有考虑斜坡演化进程及活动性状态,难以精确表达滑坡危险性程度。为此,提出了考虑斜坡活动性状态的大型滑坡危险性评价方法,通过GIS对地质条件和斜坡活动性进行叠合分析,计算大型滑坡危险程度。以西山村滑坡为例,选取坡度、坡高、曲率、坡向、地层岩性、断层、河流、道路、植被覆盖度作为地质条件因子,采用裂缝发育程度和变形监测情况表达斜坡活动性状态,构建了考虑斜坡活动性状态的危险性评价模型,采用GIS分析完成了西山村滑坡危险性评价。最后通过高活动性和高危险性的面积重叠度进行了验证,结果显示评价精度达96.03%。研究成果可为滑坡预警预报和治理措施提供一定的理论依据。     

基于GEP的库区滑坡体危险度模型挖掘及应用

滑坡对大坝的危害程度受滑坡体滑落速度、滑坡体积、滑坡体至大坝的距离、滑坡发生时水库蓄水量等因素影响,通过分析库岸滑坡体影响大坝安全的因素,提出了滑坡危险度评价模型。基于基因自动编程算法,结合工程实际,挖掘了滑坡体影响大坝安全的危险度函数。算例分析结果表明:基于基因自动编程算法挖掘滑坡体危险度分析模型是一种比较有效的方法。     

基于外因响应的滑坡位移预测模型研究

根据滑坡位移序列的单调性和非线性,将滑坡位移分为趋势项和偏离量,建立曲线回归-BP神经网络模型对滑坡位移进行动态预测。以三峡库区树坪滑坡为例,首先通过曲线回归提取滑坡位移趋势项;然后在选取滑坡位移动态变化影响因子的基础上,建立BP神经网络模型逼近位移偏离量;最后将趋势项和偏离量预测值叠加,得到滑坡位移预测值。结果表明,该模型可更好地反映影响因子动态变化对滑坡位移发展的关键作用,预测的平均相对误差为3.3%,有效地提高了预测结果的精度。     

秦巴山区堆积层滑坡易损性评价方法研究

易损性反映了特定社会的人们及其所拥有的财产对自然灾害的承受能力,不同地区的不同承灾体在不同时间里对不同的灾害有不同的易损性特征。通过选取定性评价因子,对易损性进行等级划分,从而做到定性分析;通过对承灾体、时空概率和易损性调查,由引入的易损性指数可以对易损性做到定量分析。最后还提出了易损性的等级划分标准。结论表明:易损性指数是表示各因子在易损性判别中作用大小或强弱的物理量,是一个相对比较的数值,是定性分析的定量表示。