基于证据权和卡方自动交互检测决策树的滑坡易发性预测

滑坡与其环境因子间的非线性关联计算影响滑坡易发性预测建模的不确定性。为研究不确定性因素下易发性建模规律,以中国延长县为例,获取82处滑坡和14种环境因子,通过频率比(Frequency Ratio,FR)和证据权(Weight of Evidence,WOE)等关联法与卡方自动交互检测(Chi-squared Automatic Interaction Detector,CHAID)决策树相耦合进行建模,并用原始环境因子(称为“原始因子数据"”)作为输入变量的单独CHAID决策树进行对比。使用精度、易发性指数均值、标准差和平均秩等评价易发性建模的不确定性。结果表明:WOE-CHAID模型预测的滑坡易发性不确定性低于FR-CHAID模型,可见WOE具有较优秀的非线性关联性能;单独CHAID决策树预测的易发性精度整体略低于WOE-CHAID和FR-CHAID模型,但其建模效率较高;在体现滑坡与其环境因子空间关联性方面,考虑FR和WOE关联法的CHAID决策树模型优势显著。WOE是更优秀的关联分析法,CHAID决策树预测性能好且预测效率高,WOE-CHAID决策树模型的易发性预测不确定性较低且更符合实际滑坡概率分布特征。     

不同分级方法对区域滑坡易发性区划的影响

易发性分区是开展区域地质灾害风险评价的基础步骤，选取合理的分级方法对有效绘制区域滑坡易发性图意义显著，但鲜有研究对比了各易发性分级方法的优缺点，尤其是未能将历史滑坡与预测出的易发性指数相联接。针对该问题，以陕西省延长县为例采用3种机器学习模型计算滑坡易发性指数，即分类和回归树、随机森林和径向基函数；设计了5种易发性分级方法，划分不同的滑坡易发性等级，包括4种常规的基于地理信息系统的分级方法（自然断点、等间隔、分位数和几何间隔），同时考虑了滑坡与易发性指数间的非线性关联性的频率比阈值法。结果表明：3种模型的受试者工作特征（ROC）曲线下面积均大于0.75，但划分的易发性分级图分布模式却存在较大差异，使用几何间隔和分位数法的易发性图能在极高易发区中识别出更多滑坡，但这两种方法划分的极高和高易发区的总面积过大；使用等间隔法和频率比阈值法在极高和高易发区中的滑坡比率更大，说明识别出的滑坡更为集中。本文提出的频率比阈值法用于滑坡易发性分级，能为易发性的准确分区提供思路，为边坡稳定性较差区域的工程选址以及土地利用规划提供科学参考，提高地质安全评估及应急管理能力。     

滑坡易发性预测建模的不确定性：不同“非滑坡样本”选择方式的影响

滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律，拟用5种方式，即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量（IV）法、半监督法来选择出与滑坡等比例的非滑坡样本；进一步将各选择方式与随机森林（RF）耦合构建随机RF、低坡度RF、缓冲区RF、IV–RF及半监督RF等模型。以江西南康区为例，获取高程、岩性、公路密度等19种环境因子和233个滑坡编录，将滑坡编录划分为2 598个滑坡栅格单元构建上述耦合模型的输入–输出数据集。再采用预测精度和易发性指数分布等指标分析其建模不确定性。进一步针对耦合模型预测的滑坡易发性指数分布不合理等问题，在半监督RF建模时采用滑坡与非滑坡比例为1∶2的样本集开展建模并与1∶1等比例样本集工况作对比。结果表明：1）低坡度RF、缓冲区RF、IV–RF和半监督RF等模型的预测精度均大幅优于随机RF模型，可见准确选择非滑坡样本对易发性建模至关重要；2）半监督RF模型选择非滑坡样本的建模性能最优，且半监督RF在滑坡∶非滑坡=1∶2比其在1∶1时预测的易发性指数分布规律更准确可信。后续研究中有必要更深入探索滑坡与非滑坡样本的比例问题。     

基于集成学习的山区中小流域滑坡易发区早期识别优化试验

滑坡作为山洪水沙耦合运动的物源和动力基础,其易发区的识别是山洪水沙灾害预报预警和风险评估的重要前提。以往的山洪水沙灾害防治研究主要关注洪水的影响,而忽视了固体物源的作用。为完善山区中小流域山洪水沙灾害防控体系,提出基于集成学习的山区中小流域滑坡易发区早期识别方法,针对数据样本构建和影响因子选取过程进行优化试验。利用滑坡单元下垫面环境因子频率比作为无监督学习算法数据样本进行聚类分析,根据聚类算法易发性分区结果选取非滑坡单元,结合滑坡单元构建集成学习分类算法数据样本集,比较单体算法和融合算法的易发性分区结果准确率和覆盖度。选取研究区域高分卫星遥感影像建立松散堆积物直接解译标志,基于目视解译识别松散堆积物面积,通过回归分析构建松散堆积物面积-体积幂律关系,形成研究区域松散堆积物空间分布图。将固体物源作为下垫面环境因子,比较引入物源因子前后的滑坡易发性分区结果准确率和覆盖度。结果表明：K-Means-RF（K-Means-AdaBoost）融合算法输出的高易发区覆盖率相对于K-Means单体算法提高9.3%（12.1%）。两类融合算法的易发性分区准确率和泛化能力比较接近,K-Means-AdaBoost融合算法对于滑坡点的预测效果更优。考虑物源因子后的K-Means-RF和K-Means-AdaBoos融合算法易发性分区中的高易发区覆盖率分别提高14.2%和17.7%,召回率都提高12.1%。     

基于耦合信息量法选择负样本的区域滑坡易发性预测

机器学习(Machine Learning, ML)模型预测滑坡易发性时选择合理的负样本对预测结果具有重要影响,现有研究大多从整个研究区或从低坡度等特定属性区内随机选择负样本,这些负样本往往不够准确或以偏概全,降低了易发性制图的可靠性。为解决这一问题,拟提出耦合信息量法(Information Value, IV)的ML模型开展易发性建模。以江西省瑞金市为例,采用IV法将环境因子的属性值转化为对滑坡贡献的信息量值,划定极低和低易发区并从中随机选择出ML模型训练验证用的负样本数据,构建全新的信息量-支持向量机(IV-SVM)、信息量-随机森林(IV-RF)耦合模型并预测瑞金滑坡易发性;进一步与从全区随机选择负样本的单独SVM和RF模型,以及从坡度小于2°的特定属性区内随机选负样本的低坡度SVM和RF模型做对比研究;最后采用Kappa系数和ROC曲线等指标验证和比较建模结果。IV-SVM和IV-RF模型的Kappa系数为0.828和0.9146且对应ROC曲线的AUC值为0.876和0.939,分别高于单独SVM、RF和低坡度SVM、RF模型;同时,IV-SVM和IV-RF模型的易发性概率分布的平均值较小而标准差较大。结果表明：1) IV-SVM和IV-RF模型具有比单独SVM和RF模型,以及低坡度SVM和RF模型更高的滑坡易发性预测精度且更有效的反映了瑞金滑坡易发性分布规律;2) RF模型相较于SVM模型具有更高的预测精度;3) IV-RF等耦合模型能够弥补单独模型存在的负样本采样不准确和低坡度模型对坡度因子区间选择的缺点而提高预测精度更加合适机器学习的滑坡易发性预测建模。总之,本文研究为机器学习预测滑坡易发性的负样本采样方法提供新思路。     

基于半监督机器学习的滑坡易发性预测建模

为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP), 在已知滑坡样本和随机选取的非滑坡样本基础上,用全监督机器学习将初始LSP划分成不同级别;将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加,筛选一定数量的潜在滑坡栅格单元扩充滑坡样本;从极低易发区选取非滑坡栅格单元组合成新的输出变量;将新的输出变量导入全监督机器学习,获得最终LSP并评价其精度. 结果表明：半监督机器学习的LSP精度远高于全监督机器学习的LSP精度.     

基于决策树和有效降雨强度的滑坡危险性预警

以江西省寻乌县为例,采用信息量（IV）、反向传播神经网络（BPNN）和C5.0决策树模型进行滑坡易发性预测（LSP）,比较不同模型的预测性能;基于有效降雨量的概念提出有效降雨强度-历时（EI-D）模型,计算滑坡临界降雨阈值并将其与传统的降雨强度-历时（I-D）阈值做对比;将LSP结果与EI-D模型耦合,实现滑坡灾害预警并进一步验证了预警精度. 结果表明：C5.0决策树的LSP精度高于BPNN和IV,EI-D阈值的预测效果优于I-D模型,且基于滑坡易发性和EI-D阈值的模型能有效实现降雨型滑坡的实时预报.     

基于GIS和信息量法的伊犁黄土滑坡易发性评价

伊犁州位于新疆西北部,黄土分布范围较广,境内降雨丰沛.近年来,随着人类工程活动的增强,黄土滑坡灾害进一步加剧.以新疆伊犁州伊宁县某滑坡密集区域为研究区,在Google Earth平台上采用人工目视方法解译出3424处滑坡.选取高程、坡度、坡向、地形位置指数(TPI)、距道路距离、距河流距离、距断层距离、多年平均降雨量、归一化植被指数(NDVI)共九个滑坡影响因子,运用信息量法进行滑坡易发性评价.将研究区的滑坡易发性分为极低易发区、低易发区、中易发区、高易发区和极高易发区,采用感受性曲线(ROC)对评价结果进行检验.结果 表明:信息量模型训练集和验证集的成功率均在80％以上,信息量模型的评价结果较为理想;高易发区和极高易发区内滑坡数量有2660个,占滑坡总数的77.69％,滑坡面积为2.2 km2,占滑坡总面积的60.27％.基于GI S和信息量法的滑坡易发性评价结果可以为该区域地质灾害防灾减灾工作提供科学依据和可靠参考.     

利用储集层非均质性分维模型研究流动单元

针对流动单元的划分方法提出了一套利用非均质性分维模型定量研究陆相储集层流动单元的方法和流程.该方法利用储集层非均质性分维模型有效地划分储集层宏观流动单元和微观流动单元,并为二者的划分提供参数依据;在储集层沉积微相研究和层组逐级细分对比的基础上,从取芯井入手,通过聚类分析优选参数,建立储集层非均质性分维模型,应用聚类和判别分析,划分流动单元类型,应用储集层随机建模中的分形随机模拟方法预测河流-三角洲沉积储集层井间流动单元,从而定量研究流动单元的空间展布,效果较为理想.     

不确定模糊ID3算法及其在滑坡危险性评价中应用研究

针对传统的决策树区域滑坡预测模型难以刻画诱发因子雨量值的问题,提出了不确定模糊ID3决策树模型.首先设计了面积积分法,结合复合型隶属度函数将不确定属性模糊化以刻画雨量值,并结合ID3决策树算法,构造区域滑坡危险性预测模型,对延安市宝塔区进行滑坡危险性预测.实验数据结果证明,该模型的预测精度达到了可信要求,高于模糊ID3决策树预测模型;与不确定决策树算法和不确定多分类支持向量机算法相比,不确定模糊ID3算法具有预测精度收敛快和受样本数量影响较小等优势,具备较强的实践意义.     

基于GIS的长白山地区山体滑坡易发程度分析

将地理信息系统（GIS）和遥感技术（Rs）相结合,利用地质图、土壤图、土地利用图、坡度图、坡向图对长白山地区进行了山体滑坡易发程度分析．首先基于遥感技术对长白山地区的卫星图像进行了分类,并绘制了土地利用图,然后用长白山地区的数字高程模型分别获取了坡度和坡向信息;其次利用AHP技术计算了5种山体滑坡影响因子的重要度,结果显示坡度重要度最高,坡向重要度最低;最后根据山体滑坡影响因子的重要度,使用GIS的栅格数据叠置功能绘制了山体滑坡易发区划图,图中显示最危险区域（危险度≥O．9）主要分布在集安市、临江市和和龙市周围的山区地带中靠近中朝边界的地区．     

机器学习方法在滑坡易发性评价中的应用

中国山区多、地形复杂,构造发育、地质灾害隐患分布广泛.滑坡作为山区最具灾难性的地质灾害之一,严重威胁着人民群众的生命及财产安全.构建滑坡易发性模型能够量化滑坡发生的可能性,对制定防灾措施、减少潜在风险具有重要作用.由于经验驱动模型难以量化,且往往依赖主观判断,近年来,滑坡易发性模型的精度与准确度在从经验驱动和统计理论模...     

基于混合深度学习模型的企业中央空调蒸汽预测

为解决企业生产车间多空调能耗与生产任务、气候环境匹配的精准供能问题,实现多台大型中央空调机组蒸汽消耗预测,提出一种基于GRU和3DConv-PredRNN++的混合深度学习预测模型. 针对多台空调机组动态联动关系,使用三维卷积和PredRNN++方法提取机组间蒸汽损耗关系作为空间因素特征参与模型预测; 为捕捉蒸汽消耗量序列的总体趋势和局部变化,数据集采用平滑过程模式、趋势性模式和周期性模式作为模型输入; 为提高模型预测性能,基于门控循环单元(GRU)耦合外部因素特征并捕捉时间因素特征; 最后通过参数矩阵融合方式来构建模型. 通过与多种预测模型的对比实验,证明混合深度学习模型预测精度的优越性和空间因素特征参与模型预测的必要性. 与现有模型相比,所提模型平均能耗折标(ASEC)降低了60.09%.     

Landslides susceptibility mapping in Guizhou province based on fuzzy theory

The purpose of this study was to assess the susceptibility of landslides around the area of Guizhou province based on fuzzy theory. In first instance, slope, elevation, lithology, proximity to tectonic lines, proximity to drainage and annual precipitation were taken as independent, causal factors in this study. A landslide hazard evaluation factor system was established by classifying these factors into more subclasses according to some rules. Secondly, a trapezoidal fuzzy number weighting (TFNW) approach was used to assess the importance of six causal factors to landslides in an ArcGIS environment. Thirdly, a landslide susceptibility map was created based on a weighted linear combination model. According to this susceptibility map, the study area was classified into four categories of landslide susceptibility: low, moderate, high and very high. Finally, in order to verify the results obtained, the susceptibility map and the landslide inventory map were combined in the GIS. In addition, the weighting procedure showed that TFNW is an efficient method for weighting causal landslide factors.     

青藏高原东南三江流域滑坡灾害发育特征

青藏高原东南三江流域横跨青藏高原东南的高山峡谷区与藏北高原区,地形地貌与气候特征差异大,新构造运动与地震活动强烈,致使该区地质环境脆弱、地质灾害频发、灾害链特征显著,对区内人民生命财产和工程建设的安全、重要基础设施的正常运营构成了严重威胁。本文在利用遥感解译确定青藏高原东南三江流域滑坡灾害空间分布的基础上,探讨滑坡灾害的发育规律及其主要影响因素。 利用GoogeEarth影像结合现场调查进行滑坡灾害的遥感解译,得到滑坡灾害类型及其空间分布;采用分辨率为90m的SRTM数字高程模型（DEM）进行地形地貌特征分析,得到研究区海拔高程、地形坡度、坡向、相对高差栅格图层;以1:50万地质图的地层岩性为基础进行岩组划分并栅格化形成地层岩组栅格图层,以1:50万地质图中的主要断层为基础并与1:150万青藏高原及邻区大地构造图中的主要断裂进行整编后进行缓冲区分析形成距主要断裂的距离图层;根据1:150万青藏高原及邻区大地构造图获得研究区大地构造单元图层。对上述栅格图层分别进行分带、分类后与滑坡灾害空间分布图层进行叠加分析,以滑坡所占面积的百分比为依据绘制直方图,从而得到研究区滑坡灾害的主要发育特征。 在面积为46.2万km2的青藏高原东南三江流域范围内,累计解译面积不小于0.001km2的滑坡灾害60315处,包括滑坡体、崩塌堆积体和变形体3类;以滑坡体为主,占总数的97.73%。滑坡灾害空间分布具有沿深切峡谷成带分布,沿部分断裂构造,如巴塘断裂、维西-乔后断裂、苏哇龙-雄松断裂的拉哇-昌波段等密集分布的特点。从滑坡所占面积的百分比直方图可以看出,滑坡灾害多发育在坡度20~30°、高程小于4000m、相对高差超过1000m的斜坡内。在18类地层岩组中,碎屑岩、板岩夹灰岩组合、泥页岩与粉砂岩组、蛇绿混杂岩、板岩与千枚岩岩组、火山岩等5类为滑坡灾害发育的明显优势岩组。在25个大地构造单元中,金沙江蛇绿混杂岩、中咱碳酸盐台地、那曲-洛隆弧前盆地、保山陆表海盆地、盐源-丽江陆缘裂谷盆地、北澜沧江蛇绿混杂岩、甘孜-理塘蛇绿混杂岩等7个为滑坡灾害明显优势发育的构造单元。尽管距主要断裂距离、坡向对滑坡灾害发育有一定影响,但不显著。 由此可见,青藏高原东南三江流域滑坡灾害发育,影响滑坡灾害发育的地形地貌与地质因素主要为地形坡度、高程、相对高差、地层岩组及大地构造单元,距主要断裂的距离、坡向的影响不显著。