基于贝叶斯方法的降雨诱发滑坡概率型预警模型研究

为提高区域降雨型滑坡的预警精度，以陕南秦巴山区为例，首先通过人工神经网络(ANN)和逻辑回归模型(LR)进行滑坡易发性建模，使用滑坡发生频率比(FR)对易发性模型进行检验和校准，用来表达滑坡发生的空间概率；其次在敏感性分析的基础上选取最优的降雨变量组合和衰减系数，在二维贝叶斯公式的基础上构建概率型降雨阈值模型，用以计算滑坡发生的时间概率，并使用2016～2020年的降雨数据进行验证；之后在贝叶斯公式的基础上对滑坡发生的时空概率进行耦合，构建研究区降雨型滑坡的概率型预警模型(PLEWM)，并对2016～2020年的雨季(7～9月份)逐日进行模拟预警；最后分别从预警效果和成本效益角度出发，使用预警成本投入、滑坡造成的损失、预警成功率、漏报率、误报率等指标对预警模型的性能进行评估。结果表明：(1)研究区构建降雨阈值模型最优的变量组合为有效降雨量–持时(EE-D)，最优的衰减系数为0.816;(2)概率型阈值模型预测2016～2020年发生致灾降雨213.71起，实际发生201起，累积误差为10.07%，各概率区间内的预测值与实际发生数量沿着斜率为1的对角线分布；(3)模拟预警结果显示，PLE...