首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 156 毫秒
1.
针对神经网络模型进行滑坡易发性评价时,传统的随机选取非滑坡单元存在准确性不高的缺点,提出信息量与神经网络结合的易发性评价模型。以江西省上犹县为研究区,首先,基于上犹县滑坡编录与实际调查,选取坡度、高程、坡向、平面曲率、剖面曲率,植被指数(NDVI)、湿度指数(TWI)、距水系距离、距道路距离、土地利用等10个环境因子,其次利用信息量模型对上犹县进行易发性分区,得到上犹县易发性分区图。然后,从信息量模型得出的易发性分区中的低易发区选取非滑坡单元,与滑坡编录中的历史滑坡点组成测试集与训练集,输入神经网络中训练模型,再将上犹县所有栅格输入,预测上犹县栅格的滑坡概率。最后利用自然断点法在上犹县栅格滑坡概率进行分类,得到基于信息量与人工神经网络结合的上犹县易发性分区图。由易发性结果表明:单独的信息量模型的成功率曲线下面积AUC=0.7364,历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的55.6%;基于信息量与神经网络模型的AUC=0.7874;历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的85.8%。信息量–神经网络的评价模型比单独的信息量模型的评价精度提高了5.1%;高易发区与较高易发区所涵盖的灾害数占比高30.2%。信息量–神经网络模型有更好的评价精度,并且证明了在信息量模型中的极低易发区选取非滑坡点具有可行性。  相似文献   

2.
准确的滑坡易发性评价结果是滑坡风险评价的关键,对防灾减灾意义重大。为了提高滑坡易发性评价精度,基于地理信息系统(GIS)平台,将镇康县境内150个滑坡灾害点转换为栅格数据作为评价样本,选取高程、坡度、坡向、起伏度、地形曲率、剖面曲率、地层、断层、年均降雨量、河流、土地利用类型、道路12项评价因子,并通过独立性检验,构建研究区滑坡易发性评价指标体系,利用GIS随机提取70%滑坡栅格作为训练样本,分别采用单一评价模型(归一化频率比(NFR)、信息量(I)、确定性系数(CF))和耦合评价模型(归一化频率比–逻辑回归(NFR-LR)、信息量–逻辑回归(I-LR)、确定性系数–逻辑回归(CF-LR))进行滑坡易发性评价,对未参与训练的30%滑坡栅格进行频率比分析,用AUC值表示评价成功率和预测率,以此进行精度检验。结果显示,6种评价模型得到的滑坡极高易发区和高易发区频率比值之和占总频率比值均超过86%,成功率、预测率均大于0.75;NFR,I,CF分别耦合LR的模型,与单一模型相比具有更高的成功率和预测率,表明耦合LR的模型比单一模型评价精度更高。  相似文献   

3.
滑坡易发性评价可以为有关部门制定滑坡相关的防灾减灾政策提供技术支撑。目前机器学习已被广泛应用于滑坡易发性评价中,而不同的机器学习模型预测精度各异,为对比分析不同异质集成学习模型在滑坡易发性评价中的精度表现,该文以滑坡多发的甘肃省天水市与陕西省宝鸡市交界处为研究区,采用Stacking、Blending和加权平均三种异质集成学习模型,以随机森林、支持向量机和BP神经网络作为基学习器,对研究区进行滑坡易发性评价对比研究。通过使用准确率、Kappa系数以及ROC曲线指标对三种异质集成模型及基学习器进行模型验证和对比分析,结果表明,Stacking集成模型的各项指标都优于其他对比模型,验证了Stacking集成模型在滑坡易发性评价方面较其他对比模型具有更高的预测精度。  相似文献   

4.
文章以云南省迪庆藏族自治州金沙江峡谷区为研究区域,进行滑坡易发性评价。选取坡度、起伏度、植被覆盖指数、地层岩性、构造作用、河流作用、人类工程活动、降雨量八个影响因子。以266个滑坡点为样本,基于信息量法和GIS平台,构建滑坡易发性分区评价指标体系,计算各个影响因子分级状态下的信息量值,绘制各影响因子分级栅格图,通过栅格计算器叠加得到总区域信息量值,采用自然断点法将其分为5级。采用成功率曲线法进行模型评价,曲线下面积(AUC值)为0.7768,准确性较好。  相似文献   

5.
已有的滑坡易发性评估方法所采用的滑坡因子多为静态数据(如地形,地质),缺乏动态数据(如地表形变),无法充分挖掘正在变形的滑坡特征,导致滑坡易发性评估可靠性较差。合成孔径雷达干涉测量(synthetic aperture radar interferometry,In SAR)二维In SAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维In SAR形变数据作为动态因子,结合地形、地质、水文以及人文共计16种滑坡影响因子,构建卷积神经网络模型(convolutional neural network,CNN)进行滑坡易发性动态评估;采用多种评价指标来衡量模型精度,同时对比有无顾及二维In SAR因子的滑坡易发性评估结果,并与支持向量机(support vector machines,SVM)方法进行对比,此外,在不同场景进行应用。实验结果表明,顾及In SAR形变动态因子的多种评价指标整体精度有所提高,模型对正处于缓慢变形的滑坡易发性区域的识别具有良好的效果,在训练数据中,识别率由0.78提高至0.93;在验证数据中,识别率提升0.21,揭示出顾及二维In SAR形变因子可以提升滑坡...  相似文献   

6.
李勇  宋英旭 《矿产勘查》2023,14(12):2434-2446
本研究旨在利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型,对广东省阳春市滑坡易发性进行评价。通过收集大量地质、地形、气象等相关数据,提取了坡度、坡向、工程岩组等11个地质灾害易发性评价指标,构建了全面的滑坡易发性评价指标体系,并采用GBDT模型进行训练和预测。受试者曲线(Receiver Operator Characteristic,ROC曲线)和AUC值(Area Under Curve,AUC)被用于评估模型的准确性,研究结果表明,模型的AUC值达到了0.9414,说明GBDT模型在阳春市滑坡易发性评价中表现出较高的准确性和可靠性。易发性分区统计结果显示,整个阳春市中,高易发区占4.98%,中易发区占8.42%,低易发区占16.39%,非易发区占70.22%。本文研究方法可为开展区域地质灾害易发性评价提供参考。  相似文献   

7.
 以滑坡灾害发育较多的三峡库区万州区为研究区,基于指标因素状态分级和因素相关性分析结果,选取坡度、坡向、坡体结构、地层岩性、地质构造、水的作用以及土地利用7项影响因素,以全区700多个滑坡灾害点为样本数据,依据各因素状态下发生的滑坡频率曲线和信息量曲线的突变点为等级划分的临界值来确定因素状态,并在此基础上建立易发性评价指标体系。基于GIS的栅格数据模型,应用信息量理论开展研究区易发性评价,研究结果表明:易发性高和较高的区域主要分布在土地利用总体规划中的建设用地、侏罗系中统上沙溪庙组第二、三段(J2s2,J2s3)、库水变动带和河网影响带以及万州城区。统计结果表明,处在高易发和较高易发区面积为1 210 km2,其中高易发区和较高易发区分别占研究区总面积的9.71%和25.9%,研究区易发性评价精度高达87%。本文完整的论述了县域滑坡灾害易发性评价的理论方法和技术路线,并以三峡库区万州区为例开展滑坡灾害易发性评价、结果分析以及预测精度评价等,为该区域滑坡灾害防治规划与预测预报提供技术支持,为全国范围内县域滑坡灾害易发性评价提供理论指导和技术参考。  相似文献   

8.
通过地理信息系统(GIS)技术,结合神经网络(NN)和逻辑回归模型(LR)开展汶川县范围内地震诱发滑坡易感性评价,并对两种模型结果进行比较研究。基于2008年5.12 Ms8.0级地震,选取高程、坡度、坡位、坡向、岩性、微地貌、距断层距离、距水系距离、距道路距离、年平均降雨量、归一化植被指数、地震峰值加速度共12个因子作为地震滑坡影响因子,基于ARCGIS10.1平台将这些影响因子专题图层栅格化;采用提取的模型训练样本,由R软件对神经网络(NN)和逻辑回归模型(LR)进行训练;将训练好的模型对整个汶川县地震滑坡易感性进行仿真,并将仿真结果划分为五类滑坡敏感区域:极低,低,中,高和极高,分别得到LR与NN模型仿真的滑坡易发性分区图;根据汶川县实际地震滑坡分布图进行统计分析,以及采用ROC曲线对两种模型的仿真结果进行对比分析,神经网络(NN)和逻辑回归模型(LR)的AUC值分别为0.930和0.941。研究表明两种模型的滑坡易感性评价图与实际滑坡发育基本吻合,评价结果较好,且LR模型预测精度相对较高。  相似文献   

9.
探讨空间分辨率和模型训练测试集比例等因素对滑坡易发性预测不确定性的影响具有重要意义。拟以江西省宁都县的滑坡为例,首先计算各环境因子在不同空间分辨率(15,30,60,90和120m)下的频率比值;然后将滑坡和非滑坡样本按照9/1,8/2,7/3,6/4和5/5的比例划分出不同的模型训练和测试数据集,由此得到25种组合工况下的模型输入和输出变量;再将其导入支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型中开展滑坡易发性预测,最后利用预测精度和易发性指数特征来分析各工况下的易发性建模不确定性。结果表明:(1)15m分辨率、9∶1训练测试集比例和RF模型工况下的易发性预测精度最高,各工况下重要的环境因子分别为高程、坡度和地形起伏度等;(2)随着分辨率的下降或训练测试集比例的减小,SVM和RF模型的预测精度均逐渐下降,易发性指数的均值变大且标准差减小;(3)所有工况下随着分辨率和训练测试集比例的减小,易发性预测精度均逐渐下降且其不确定性增大;(4)各工况下RF预测精度优于SVM,分辨率对RF模型的影响显著大于训练测试集比例,而在SVM中2种因素的影响相差不大。  相似文献   

10.
三峡库区万州区滑坡灾害易发性评价研究   总被引:12,自引:2,他引:10  
滑坡灾害易发性研究在滑坡灾害风险管理与城市规划等方面具有非常重要的现实意义。以往的研究中,鲜有对指标因子状态划分作有关深入分析和讨论的。鉴于此,以滑坡灾害频发的三峡库区万州区为研究对象:首先,选取影响滑坡发生的7个致灾因子(地层岩性、地质构造、水系分布、坡度、坡向、坡体结构及土地利用)作为滑坡易发性的评价指标,依据各指标条件下滑坡累计发生频率曲线斜率的变化,并结合滑坡面积比和分级面积比曲线对指标因子的状态进行分级;其次,根据全区655个历史滑坡数据,分别运用信息量模型和逻辑回归模型建立各自的滑坡易发性评价体系;再则,采用快速聚类法(K-means cluster)对以上2种方法所得到的易发性结果进行分级,并基于GIS平台,得到全区滑坡易发性区划图;最后,从模型结果、精度、适用条件等方面对2个模型进行讨论和比较,研究结果表明:信息量模型和逻辑回归模型的预测精度分别为73.0%和54.9%,前者预测能力要优于后者。  相似文献   

11.
滑坡位移预测模型的选择及其参数的选取是滑坡位移预测中至关重要的2个问题,以往的模型在预测滑坡位移时具有诸多的限制和不足。以三峡库区白水河滑坡为研究对象,基于时间序列分析方法,分离提取出滑坡趋势性位移与周期性位移。前者主要受控于滑坡的内部因素(物质组成、地质构造、地形地貌等),可用最小二乘法对其进行多项式拟合并预测:后者是由外部影响因素(季节性降雨、库水位变动等)导致,取当月降雨量、双月降雨量、库水位高程、月间库水位变化量、双月库水位变化量和年间累计位移增量作为周期性位移的影响因子,提出采用可优化选参的粒子群优化算法(PSO)与支持向量机回归(SVR)相结合的方法对其进行预测;将各分位移预测值叠加得到累计位移预测值。运用多种方法进行分析对比,结果表明,基于时间序列与PSO-SVR耦合模型的滑坡位移预测精度要明显高于BP神经网络模型、网格搜索法优化的支持向量机模型(GS),其在滑坡位移预测中具有一定的理论基础和良好的应用前景。  相似文献   

12.

In this study, the cluster analysis (CA), probabilistic methods, and artificial neural networks (ANNs) are used to predict landslide susceptibility. The Geographic Information System (GIS) is used as the basic tool for spatial data management. CA is applied to select non-landslide dataset for later analysis. A probabilistic method is suggested to calculate the rating of the relative importance of each class belonging to each conditional factor. ANN is applied to calculate the weight (i.e., relative importance) of each factor. Using the ratings and the weights, it is proposed to calculate the landslide susceptibility index (LSI) for each pixel in the study area. The obtained LSI values can then be used to construct the landslide susceptibility map. The aforementioned proposed method was applied to the Longfeng town, a landslide-prone area in Hubei province, China. The following eight conditional factors were selected: lithology, slope angle, distance to stream/reservoir, distance to road, stream power index (SPI), altitude, curvature, and slope aspect. To assess the conditional factor effects, the weights were calculated for four cases, using 8 factors, 6 factors, 5 factors, and 4 factors, respectively. Then, the results of the landslide susceptibility analysis for these four cases, with and without weighting, were obtained. To validate the process, the receiver operating characteristics (ROC) curve and the area under the curve (AUC) were applied. In addition, the results were compared with the existing landslide locations. The validation results showed good agreement between the existing landslides and the computed susceptibility maps. The results with weighting were found to be better than that without weighting. The best accuracy was obtained for the case with 5 conditional factors with weighting.

  相似文献   

13.

The main aim of this study is to propose a novel hybrid intelligent model named MBSVM which is an integration of the MultiBoost ensemble and a support vector machine (SVM) for modeling of susceptibility of landslides in the Uttarakhand State, Northern India. Firstly, a geospatial database for the study area was prepared, which includes 391 historical landslides and 16 landslide-affecting factors. Then, the sensitivity of different combinations of these factors for modeling was validated using the forward elimination technique. The MBSVM landslide model was built using the datasets generated from the best selected factors and validated utilizing the area under the receiver operating characteristic (ROC) curve (AUC), statistical indexes, and the Wilcoxon signed-rank test. Results show that this novel hybrid model has good performance both in terms of goodness of fit with the training dataset (AUC = 0.972) and the capability to predict landslides with the testing dataset (AUC = 0.966). The efficiency of the proposed model was then validated by comparison with logistic regression (LR), a single SVM, and another hybrid model of the AdaBoost ensemble and an SVM (ABSVM). Comparison results show that the MBSVM outperforms the LR, single SVM, and hybrid ABSVM models. Thus, the proposed model is a promising and good alternative tool for landslide hazard assessment in landslide-prone areas.

  相似文献   

14.

Along mountain roads, rainfall-triggered landslides are typical disasters that cause significant human casualties. Thus, to establish effective mitigation measures, it would be very useful were government agencies and practicing land-use planners to have the capability to make an accurate landslide evaluation. Here, we propose a machine learning methodology for the spatial prediction of rainfall-induced landslides along mountain roads which is based on a random forest classifier (RFC) and a GIS-based dataset. The RFC is used as a supervised learning technique to generalize the classification boundary that separates the input information of ten landslide conditioning factors (slope, aspect, relief amplitude, toposhape, topographic wetness index, distance to roads, distance to rivers, lithology, distance to faults, and rainfall) into two distinctive class labels: ‘landslide’ and ‘non-landslide’. Experimental results with a cross validation process and sensitivity analysis on the RFC model parameters reveal that the proposed model achieves a superior prediction accuracy with an area under the curve  of 0.92. The RFC significantly outperforms other benchmarking methods, including discriminant analysis, logistic regression, artificial neural networks, relevance vector machines, and support vector machines. Based on our experimental outcome and comparative analysis, we strongly recommend the RFC as a very capable tool for spatial modeling of rainfall-induced landslides.

  相似文献   

15.
冲击地压预测的PSO-SVM模型   总被引:1,自引:0,他引:1  
 冲击地压是一种复杂的非线性动力学现象,其发生机制非常复杂,而在监测数据的基础上对其进行分析预测,是冲击地压的一个重要研究方法,但是采用传统的数学力学方法很难表达冲击地压与其影响因素之间的复杂非线性关系,其中采用时间序列进行预测是一个重要的研究方向。针对这一问题,将冲击地压看作一时间序列过程,采用支持向量机建立冲击地压序列之间的非线性关系;同时,考虑到支持向量机参数对预测效果的影响,采用微粒群算法对支持向量机参数进行优化选择,从而提出冲击地压预测的PSO-SVM模型,提高支持向量机的推广预测能力,并对一具体算例进行研究分析。研究结果表明,该方法是科学可行的,并具有很好的精度。  相似文献   

16.
双层反翘滑坡弯曲蠕变及时效变形特性研究   总被引:1,自引:0,他引:1  
 为了研究双层反翘滑坡的变形破坏机制,以襄十高速公路韩家垭滑坡为背景,结合非线性蠕变模型建立考虑岩层弯曲蠕变特性的时效变形方程及平面应变条件下反翘弯曲岩层的蠕变压屈方程,对双层反翘滑坡的弯曲蠕变及变形破坏机制进行深入阐述,提出根据岩层反翘弯曲蠕变的变形速率进行滑坡稳定性评价及预测的方法,并就不同荷载水平下岩层的蠕变压屈失稳机制进行探讨,最后将分析结果与现场监测成果进行定性对比,结果表明:在雨季时,滑坡前缘岩层的荷载水平在 > > 之间,岩层的反翘变形逐渐累积,滑坡发生延迟性失稳破坏;在旱季时,其荷载水平为 时,滑坡处于暂时稳定状态。采用本文模型对该滑坡进行定性分析、评价合理可行。  相似文献   

17.
 针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差的不足,提出概率积分法参数辨识的多尺度核偏最小二乘回归(multi-scale KPLS)方法。首先,构建满足容许条件的多尺度高斯核函数;然后,对学习样本进行模糊聚类,以最优分类个数作为多尺度高斯核函数的尺度个数,并采用10次10折交叉验证按照网格搜索方法确定核函数的宽度;最后,详细论述multi-scale KPLS的建模过程。通过实例将multi-scale KPLS的预测结果与3种传统的PLS方法、径向基神经网络(RBF-NN)和SVM模型进行对比分析。结果表明:multi-scale KPLS顾及建模样本的多尺度特性,其预测精度明显高于其他预测模型;multi-scale KPLS有效地克服了各影响因素之间的多重共线性对预测结果的不利影响,具有较强的稳健性;multi-scale KPLS适用于多个因变量对多个自变量的概率积分法参数辨识问题,其建模参数均可自适应确定,在建模效率上优于RBF-NN和SVM。  相似文献   

18.
针对标准BP 神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法(BAS-SCA)优化BP 神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP 的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明:基于BAS-SCA-BP 的估算模型较标准BP 神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP 神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号