基于GWO-XGBoost泥石流灾害预测

针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题，提出一种基于GWO-XGBoost算法模型的泥石流灾害预测方法。首先，对传感器采集到的原始数据进行预处理，得到规范数据，然后通过线性判别分析法进行数据降维得到耦合性低且贡献率较高的致灾因子作为模型输入，对泥石流灾害是否发生进行预测；其次使用灰狼优化算法对模型超参数进行寻优；最后以磨子沟监测数据进行仿真验证。结果表明：经过预处理和线性判别分析法降维后的规范数据解决了模型输入的维数灾难问题，GWO-XGBoost泥石流灾害预测模型的预测准确率为96.64%,相较于随机森林模型、支持向量机模型和极端梯度提升树模型的预测准确率分别提高了6.69%,5.13%和3.86%,丰富了泥石流灾害预测方法并为相关决策部门提供了全新的思路。     

基于组合赋权与物元分析法的滑坡危险性评价

滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据，为使滑坡危险性区域评价结果更为客观、准确，首次引入物元分析理论，结合组合赋权，构建基于物元分析法与组合赋权的滑坡危险性评价模型。首先结合前人研究选取高程、坡度、坡向、土地类型、道路距离、水文条件、降雨量、断裂距离和地层岩性等9个滑坡影响因子，利用改进层次分析法(analytic hierarchy process, AHP)确定各指标的主观权重，确保了判断矩阵的一致性检验更易满足。其次根据熵权法计算各指标的客观权重。基于博弈论原理组合赋权，将组合权重作为物元分析法的输入权重，建立滑坡危险性评价模型。最后，为了验证上述所提模型的有效性，以陕西省商洛市山阳县为研究区，对其进行滑坡危险性评价，所得评价结果准确率为96%,相较于AHP-FCE模型和改进AHP-物元分析模型分别提高了0.22、0.07,为其他同类型的研究区域的滑坡危险性评价提供了借鉴。