共查询到20条相似文献，搜索用时 31 毫秒
1.
针对随机森林(RF)模型进行泥石流易发性评价过程中存在连续型因子依靠主观意识分级、随机选取的非泥石流样本准确度较低等问题,以位于四川西南部的凉山彝族自治州为研究区,提出基于统计学先验模型抽样的随机森林对研究区进行泥石流易发性评价分区。利用累计灾害频率等曲线的相对变化对连续型因子进行分级处理;采用粗糙集理论(RS)和信息量法(IV)计算加权信息量值,划定极低和低易发性区并从中选择负样本数据。通过袋外误差(OOB)变化曲线确定RF模型的最佳树棵数n＿estimators和分裂特征数max＿features,随后构建加权信息量-随机森林(RSIV-RF)模型预测凉山州泥石流易发性。进一步地,与从全区随机选择非泥石流样本的RF模型开展对比研究。结果表明,训练集和测试集下RSIV-RF模型的准确度分别为0.89,0.83,且对应的ROC曲线的AUC值分别为0.920,0.895,均高于单独的RF模型;RSIV-RF绘制的泥石流易发性评价图与历史灾害分布较为一致,较高和高易发性等级区域占研究区面积比为18.625%,包含了78.57%的泥石流点。性能评估和易发性统计结果均表明基于RSIV-RF能够... 相似文献
2.
滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。 相似文献
3.
为解决基于机器学习的滑坡易发性建模存在的单模型分类能力弱和传统随机抽取非滑坡样本准确性不高的问题，本研究以三峡库区奉节县为例，应用优化的非滑坡样本和Stacking异质集成机器学习模型进行滑坡易发性建模研究。首先，基于地形、地质和遥感影像等数据提取16个评价指标并进行相关性分析，剔除高相关指标，构建易发性评价指标体系；其次，基于信息量模型提出非滑坡样本选取（Non-Landslide Sampling, NLS）指数；最后，应用NLS指数选取更高质量的非滑坡样本，并与滑坡样本组成训练集；采用随机森林(Random Forest, RF)，轻量级梯度提升树（Light Gradient Boosting Machine, LGBM），梯度提升决策树（Gradient Boosting Decision Tree, GBDT），以及以三者为基模型的同质（Boosting）和异质（Stacking）集成方法进行易发性建模。结果表明：应用NLS指数能选取得到质量更高的非滑坡样本，提升了易发性建模精度；Stacking异质集成机器学习模型的精度最高，为0.941，优于3个同质集成模型和3个单模型... 相似文献
4.
四川省地形高低悬殊, 岩性构造发育, 各类地质灾害频发, 开展地质灾害易发性评价具有重要意义。崩塌、泥石流属于广义上的滑坡, 以四川省丹巴县为例, 从考虑不同滑坡类别的区域性地质灾害易发性出发综合考虑崩塌、滑坡、泥石流的空间概率分布。基于ArcGIS通过高精度数字高程模型共选取高程、坡度等10个地质灾害关键控制因素, 采用信息量模型对综合地质灾害进行了易发性评价。最终通过ArcGIS的单元统计(Cell Statistics)功能实现多个栅格图层最大值法合成综合易发性, 进一步利用受试者工作特征曲线(ROC)验证单种滑坡类别易发性模型的精度。按照自然断点法将研究区划分为极低、低、中、高、极高易发区, 高易发区和极高易发区主要集中分布在章谷镇、太平桥乡以及甲居镇等地。研究结果证明信息量模型能对单类地质灾害进行评价, 栅格最大值法是获取综合易发性的一种有效评价方法。 相似文献
5.
为对比信息量模型中灾害数量和灾害面积2种样本的适用性，以黄冈南部地区作为研究对象，探讨了评价因子的优化组合形式，采用信息量模型，根据研究区工程地质条件和地质灾害的特征初选评价因子，结合成功率曲线确定2种样本的因子优化组合，进而通过灾害比率及典型地质灾害点验证易发性评价结果。结果表明:①在单因子评价结果中，2种样本的单因子评价结果的AUC值排列顺序不尽相同，但呈现出一定规律性；②各叠加因子评价结果的准确度均达到因子优化组合的94.9%以上，变化幅度相对较小，且呈现出随因子数量增加而增大的趋势，但并不是越多越好；③2种样本的易发性评价结果都显示出高、较高易发区主要集中于研究区中部及北部地区，低易发区和较低易发区多集中于长江沿岸以及研究区南部，与灾害分布位置相符；④2种样本均为地质灾害易发性评价中信息量模型的有效计算样本，且面积样本的准确度明显优于数量样本。 相似文献
6.
为针对性地采取预防、避让、治理等地质灾害防治与管控提供依据,完善在地质灾害危险性评价中将降雨作为单一诱发因子参与评价体系的弊端,在大雨、暴雨、大暴雨和特大暴雨4种不同降雨工况条件下进行了研究区崩滑地质灾害危险性评价。以云南省元阳县作为研究区域,以栅格单元作为评价单元,选取地貌类型、高程、坡度、坡向、曲率、工程地质岩组、土地利用类型、断层距离和河流距离9个评价因子,采用主观的层次分析法与客观的信息量模型相结合的加权信息量模型对元阳县崩塌、滑坡进行了地质灾害易发性评价。研究结果表明：基于自然间断点法元阳县域可分为低、中、高、极高4类易发区,4类易发区面积分别占元阳县面积的21.55%,35.46%,25.53%和17.16%。利用ROC曲线得出区划结果精度AUC值为0.812,表明区划结果很好。在易发性评价基础上,以年平均最大日降雨量为诱发因素,分别对大雨、暴雨、大暴雨和特大暴雨4种工况条件下的研究区进行了崩塌、滑坡地质灾害危险性评价,得到了大雨([25,50) mm)工况、暴雨([50,100) mm)工况、大暴雨([100, 250]mm)工况和特大暴雨(>250 mm)工况4种... 相似文献
7.
地质灾害威胁着山区人民生命财产安全, 进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险。以川东南古蔺县为例, 基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子, 采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后, 进一步利用ArcGIS单元统计功能对比了滑坡和崩塌易发性的信息量值, 选取相对更大的信息量值作为该栅格的最终信息量值, 绘制了研究区综合地质灾害易发性图, 利用自然断点法将古蔺县按信息量值的大小划分为极低、低、中、高和极高易发区。结果表明: 地质灾害主要分布在断层和道路附近, 断层和人类工程活动是造成研究区地质灾害频发的主要原因; 高易发区与极高易发区面积之和为1 315.62 km2, 占全区总面积的41.32%;预测模型性能经ROC曲线检验, AUC值为0.812 5, 说明栅格最大值法预测的古蔺县综合地灾易发性效果良好。 相似文献
8.
不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异, 另外如何有效识别滑坡易发性的主控因子意义重大。针对上述问题, 以支持向量机(support vector machine, 简称SVM)和随机森林(random forest, 简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性, 创新地提出了"权重均值法"来综合计算出更准确的滑坡主控因子。首先获取陕西省延长县滑坡编录和10类基础环境因子, 将因子频率比值作为SVM和RF的输入变量; 再将滑坡与随机选择的非滑坡样本划分为训练集和测试集, 用训练好的机器学习预测出滑坡易发性并制图; 最后用受试者工作曲线、均值和标准差等来评估建模不确定性, 并计算滑坡主控因子。结果表明: ①机器学习能有效预测出区域滑坡易发性, RF预测的滑坡易发性精度高于SVM, 而其不确定性低于SVM, 但两者的易发性分布规律整体相似; ②权重均值法计算出延长县滑坡主控因子依次是坡度、高程和岩性。实例分析和文献综述显示RF模型相较于其他机器学习模型属于可靠性较高的易发性模型。 相似文献
9.
编制科学的滑坡易发性分区图,可以有效降低灾害带来的损失。以云南省芒市为研究区,利用确定性系数模型（certainty factor,简称CF）方法计算各个因子的敏感值,作为随机森林（random forests,简称RF）的分类数据,选取合适的训练数据和最优化的模型参数进行模型预测,从而对研究区进行滑坡易发性评价分区。采用频率比方法将连续性因子离散化,从而通过确定性系数计算因子不同区间的滑坡易发性,同时利用CF先验模型,对研究区负样本进行选取。通过计算袋外误差得到最优化的RF参数,随后利用RF模型对研究区模型进行训练及预测。绘制ROC曲线和三维遥感影像对预测模型结果分别进行定量和定性评价,结果表明,所得到的模型精度为91%,优于随机抽样得到的结果。最后,采用平均基尼不纯度减少和平均准确度下降两种计算方法计算、评价了研究区各个因子的重要性。基于以上对研究区进行的滑坡易发性评价结果,可以为该区灾害风险评估和管理提供依据。 相似文献
10.
蒙阴县位于山东省东南部,岱崮地貌分布范围较广。近年来,随着人类工程活动的增强,崩塌滑坡泥石流灾害进一步加剧。本文在山东省蒙阴县1∶5万地质灾害风险普查的基础上,结合最新的遥感信息,选取坡度、起伏度、工程地质岩组、地质构造、地貌类型5个影响因子作为研究区地质灾害易发性的评价指标,采用信息量模型法对各评价因子进行信息量计算,通过GIS空间分析平台,建立了蒙阴县地质灾害易发性评价体系,为蒙阴县有效开展防灾减灾救灾工作,切实保障经济社会可持续发展提供有效的科学决策依据。研究区划分为地质灾害高易发区、中易发区、低易发区、非易发区４个等级,特征曲线（ROC）的线下面积（AUC）精度检验值为0.833,表明评价精度较高。 相似文献
11.
本文以易发性评价为基础,从原生因素和诱发因素着手,构建“10因素”指标体系,通过比较目前多种评价模型,建立了EW-AHP-SIM崩塌评价体系,对西南某公路沿线6个隧道进出口进行了崩塌易发性评价。研究表明：熵权法(EW)、层次分析法(AHP)和综合指数(SIM)耦合形式,弥补了熵权法采集数据的不准确和层次分析法的人为主观性,科学合理地确定崩塌影响因子的权重。坡形S3、岩性S4、出露结构面S5、距断裂距离S6和人类活动S10综合权重值相对较高,介于0.102～0.191间,为敏感因子,植被覆盖率S8和年平均降雨量S7综合权重值相对较低,为非敏感因子。基于EW-AHP-SIM评价体系,得到6个低风险区、3个中风险区、3个高风险区,与研究区现场实际情况相一致,可为崩塌地质灾害的预测和危岩落石风险评价提供参考价值。 相似文献
12.
不同的易发性评价模型可以得到有差异的滑坡空间预测结果，选取最优模型甚至综合各模型的优势是提高易发性评价精度的有效方法。为检验模型融合思路的有效性，以鄂西地区五峰县渔洋关镇为研究区，提取坡度、地层、断层、河流、公路等7个滑坡成因条件，分别采用信息量模型、证据权模型和频率比模型进行滑坡易发性评价；并将3种模型分别进行归一化、主成分分析（PCA，Principal component analysis）和优势融合，得到了6幅易发性分区图。结果表明:优势耦合模型精度最高（90.3%），频率比模型次之（89.7%），归一化融合模型和PCA融合模型分别为89.3%和89.1%，以上4种结果的精度均高于证据权模型（87.7%）和信息量模型（87.6%）；6幅预测图对应的评价结论与历史滑坡空间分布的实际情况相符。空间一致性对比结论表明，主成分融合模型与优势耦合模型的同格率高达68%，其预测结果避免了单个模型预测结论带来的偶然性和片面性，说明多模型融合方法与优势耦合模型在提高滑坡易发性预测精度上是可行性的，该思路对其他地区滑坡灾害易发性评价具有借鉴意义。 相似文献
13.
泰安市地处鲁中山区,山地丘陵广泛分布,崩塌、滑坡、泥石流和岩溶塌陷等地质灾害较为发育。本次研究依托新一轮1∶5万地质灾害风险普查,基于ArcGIS平台空间分析功能对高精度DEM、构造、工程地质和水文地质、降雨及植被等数据分析和提取,利用信息量法和层次分析法分别对崩滑泥石流和岩溶塌陷易发性评价,以降雨作为危险性评价因子,综合考虑人口和经济因素选择用地类型作为易损性条件进行风险区划,最终划分为地质灾害风险高、中、低3个等级,为今后有效开展自然灾害综合防治、衔接国土空间规划和保障经济社会可持续发展提供基础依据。 相似文献
14.
基于信息量模型的涪陵区地质灾害易发性评价 总被引：2，自引：0，他引：2
本文以重庆涪陵区为研究区域,选取坡度、坡向、累计汇水面积、地层岩性、水域、降雨量、植被和土地利用分类8个影响因子,提取高分一号遥感数据（2013.12.24）动态影响因子,引入信息量模型,分别计算上述影响因子对应的信息量,对该时期示范区的地质灾害危险性进行评价,并引入ROC曲线和AUC评价指标,对得到的区域地质灾害易发性评价结果进行精度评估。结果显示,2013年12月研究区内高易发区面积占总面积的9.73%,该易发区内含有104个地质灾害点,占所有灾害点的52.7%,灾积比为5.42,明显大于其他易发等级类别。利用ROC评价方法,计算成功率曲线AUC为0.796,预测率曲线AUC为0.748（74.8%）,具有较高的可靠性,证明本文方法在该区域地质灾害易发性评价的适应性良好。 相似文献
15.
基于信息量模型和数据标准化的滑坡易发性评价 总被引：1，自引：0，他引：1
本文以北川曲山-擂鼓片区为研究区,将坡度、坡向、高程、地层、距断层的距离、距水系的距离和距道路的距离作为该区域滑坡易发性评价因子。采用信息量模型计算了各项评价因子的信息量值,并运用4种标准化模型对信息量值进行标准化处理。各评价因子的权重由层次分析法（AHP）确定。在GIS中将权重值和各评价因子的标准化信息量值,进行叠加计算得到区域滑坡总信息量值,并基于自然断点法对其进行重分类,将研究区划分为极高易发区、高易发区、中易发区、低易发区和极低易发区5级易发区。将基于4种标准化模型和信息量模型得到的滑坡易发性评价结果进行了对比分析,结果表明：基于最值标准化信息量模型的滑坡易发性评价结果的ROC曲线下面积AUC值为0.807,高于其余模型的AUC值,说明最值标准化信息量模型的滑坡易发性评价效果最好。极高易发区面积占研究区面积的20.03%,离断层和水系较近,主要分布地层为寒武系、志留系和三迭系。研究结果可为区内滑坡风险评价和灾害防治提供参考。 相似文献
16.
人工神经网络和决策树模型在滑坡易发性分析中的性能对比 总被引：1，自引：0，他引：1
机器学习模型广泛应用于区域性滑坡易发性分析。模型的选择关系到评价结果的可信度、准确率和稳定性。现有滑坡易发性分析模型对比研究侧重模型的预测精度。模型的稳定性和数据量敏感性对机器学习模型的性能评估同样非常重要。本文以福建省南平市蔡源流域为研究区,以四川省绵阳市北川县为验证区,从预测精度、稳定性和数据量敏感性3个方面深入对比BP（Back Propagation）人工神经网络模型和CART（Classification and Regression Tree）决策树模型在滑坡易发性分析中的效果,主要结论如下:① 在逐渐增加一定数量训练样本的过程中,BP人工神经网络模型预测精度的增长率更高。在蔡源流域内,当训练样本数量增加10 000时,BP人工神经网络模型的预测精度上升5.22%,CART决策树模型的预测精度上升2.11%。② BP人工神经网络的预测精度高于CART决策树模型,且较为稳定。在100组数据集上,BP人工神经网络模型验证集预测精度的均值和验证集滑坡样本预测精度的均值分别为81.60%和84.86%,高于CART决策树模型的72.97%和76.59%。与此同时,BP人工神经网络模型对应预测精度的标准差分别是0.32%和0.37%,小于CART决策树模型的0.35%和0.67%。③ BP人工神经网络模型分析的滑坡易发区相比CART决策树模型,更接近实际滑坡的空间分布。最后,北川县的验证实验也出现了相同的现象。 相似文献
17.
马琰祁李伟勤吴育涵钟连诚 《大地测量与地球动力学》2023,(10):1095-1100
提出一种基于卷积神经网络(CNN)和生成对抗网络(GAN)组合模型的可控源电磁反演方法。为突出异常体信息,将总场进行差分预处理,同时修改损失函数以增强GAN的稳定性。将差分总场送入CNN,得到地面接收电场与地下异常体电导率数据之间的结构化因果关系;输出异常体的粗略电导率模型,再将其作为GAN的输入,在GAN中提取特征进行训练,得到高精准和高对比度的电导率反演结果,以达到工程应用的要求。通过将CNN-GAN组合模型与传统神经网络模型的预测结果进行对比发现,CNN-GAN组合模型优于传统神经网络模型,能够更好地预测地下异常体的电导率模型,相似度高达94.38%,比传统CNN和GAN模型分别提高约48%和78%。 相似文献
18.
对潍坊市地质灾害分布范围、现状及易发程度进行了综合研究。潍坊市存在的地质灾害主要有崩塌、滑坡、泥石流和地面塌陷4种类型,规模以中小型为主;崩塌、滑坡和泥石流主要分布在潍坊市西南部的青州、临朐、安丘等地区;地面塌陷主要位于青州、临朐、昌乐、高密、昌邑等矿山采空区。潍坊市地质灾害易发程度主要分为高、中、低和不易发区等4种。潍坊市大部分区域为不易发区,占总面积的78.45%;低易发区主要分布在坊子等膨润土开采区;中易发区主要分布在青州文登、朱崖、马岭杭铁矿采空区、昌乐县五图镇煤田开采区、高密市柴沟镇、安丘景芝镇重晶石开采区;高易发区主要分布在青州西南部、临朐南部、安丘西南部等中、低山区。 相似文献
19.
Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明：与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。 相似文献
20.
以宁远县地质灾害详细调查为基础,结合南方特有的山地丘陵地区的地质环境条件,深入分析宁远县地质灾害的发育特征;基于信息量模型,选取地质灾害现状和影响地质灾害发生、发展的八个因素作为影响因子,利用GIS技术的空间分析和制图功能,计算触发地质灾害发生的各影响因子的信息量值,在Arc GIS平台中将赋有各因子信息量值的因子图层进行叠加,得到了宁远县地质灾害易发性区划图;信息量模型的预测结果与实际调查情况基本吻合,该研究结果对宁远县地质灾害防治规划和地质灾害易发性分区提供重要依据和参考意义。 相似文献