共查询到20条相似文献，搜索用时 484 毫秒
1.
2.
贵州省地质环境条件复杂、地质灾害发育严重,开展基于人工神经网络算法的地质灾害易发性分析,对提高全省易发性评价效率、实现智能化分析具有重要意义。本文通过对各种人工神经网络算法的比较,选取径向基神经网络(RBF)、概率神经网络(PNN)、模糊神经网络(FNN)作为模型算法,采用基于GIS平台的空间数据建模软件(SDM)构建基于人工智能的地质灾害风险分析模型系统,通过数据准备、数据处理、模型训练、模型调用、评估优化等步骤,开展基于三种人工神经网络的贵州山区地质灾害易发性分析应用探索。结果表明:(1)三种人工神经网络计算的易发性结果分区合理、精度检验合格,AUC检验显示具有良好预测价值;(2)通过与专家经验分析结果对比,RBF算法的评价结果与实际更为吻合,表明RBF算法可更好地应用于地质灾害易发性分析。 相似文献
3.
《西北地质》2020,(1)
笔者以甘肃省平凉市灵台县为目标研究区域,基于地理空间和历史滑坡数据,利用混合高斯聚类(GMM)优化的逻辑回归(LR)、支持向量机(SVM)、BP神经网络(BP Neural Network)、随机森林(RF)4种机器学习模型构建滑坡易发性评价分析模型。选取高程、坡度、坡向、曲率、黄土侵蚀强度、归一化植被指数、地质构造7个环境因子作为滑坡易发性影响因子,以30m栅格建立影响因子地理空间数据库,将研究区域划分为180万栅格单元。利用混合高斯聚类模型对整个研究区域的栅格单元进行聚类,得出初步的滑坡易发分区,选择易发程度最低类别中的栅格单元作为非滑坡区域,每次随机选择500个单元作为非滑坡单元,并根据历史滑坡数据将203个已知滑坡栅格单元作为滑坡单元,建立4种机器学习分类模型。利用训练好的模型对整个研究区域进行预测,绘制各算法的受试者工作曲线(ROC曲线),对各个算法的预测结果进行对比。分析结果表明,在本目标研究区域,各模型的滑坡易发区划图与实际的滑坡分布情况总体相吻合。随机森林模型的ROC曲线下面积(AUC)最大为0.96,测试集准确率最高为0.93;BP神经网络模型的ROC曲线下面积和测试集准确率次之,为0.90和0.87;支持向量机模型和逻辑回归模型的ROC曲线下面积和测试集准确率分别为0.86、0.81和0.85、0.80,均低于随机森林和BP神经网络模型。 相似文献
4.
《世界地质》2019,(4)
吉林省永吉县存在大量的斜坡地质灾害,为了给永吉县斜坡地质灾害的防治和预警提供高效直观的分析模型,将吉林省永吉县作为研究区,选取高程、坡度、坡向、剖面曲率、平面曲率、距断层距离、岩性、距河流距离、年均降雨量、地形湿度指数和植被覆盖指数等11个评价因子,利用神经网络模型进行区域斜坡地质灾害易发性分析,再选用频率比、支持向量机模型进行对比。利用ROC曲线对模型的准确性进行验证分析,得出神经网络、频率比和支持向量机模型的成功率分别是91. 3%、89. 3%、90. 2%,预测率分别是87. 3%、84. 3%、85. 6%。结果表明:神经网络模型的精度最高,更适用于永吉县斜坡地质灾害的易发性评价。 相似文献
5.
6.
为更好地开展道路地质灾害预报预警，减轻强降雨对山区高速行车安全的影响，文章利用国家气象站观测雨量数据结合江西省高速公路沿线交通气象站观测数据，在对高速公路沿线地质环境条件和雨量特征进行分析的基础上，结合支持向量机SVM、逻辑回归、K近邻和随机森林4种机器学习方法，开展山区公路地质灾害预报建模和预警试验。结果表明：（1）江西高速公路沿线地质灾害所处的海拔高度以300～450m最多；灾害坡度以20°～35°居多，随地形坡度增加呈现单峰型分布；河网密集和有一定的植被覆盖地区更容易发生地质灾害。（2）提出了诱发公路地质灾害的3种主要降雨类型，分别为长历时降雨、短期降雨和短时降雨。（3）对比分析4种地质灾害机器学习方法，就降雨诱发的地质灾害而言，4种预报模型的准确率均超过0.75，进一步通过分型研究对比发现逻辑回归和随机森林模型在长历时和短时降雨中预报准确率较高，K近邻方法对于短期降雨预报效果较好。 相似文献
7.
《世界地质》2021,(1)
为给四川省雅江县提供直观准确的泥石流易发性图,将四川省雅江县作为研究区,选用高程、坡度、坡向、地形起伏度、平面曲率、剖面曲率、年平均降雨、到河流的距离、到道路的距离、地形湿度指数、归一化差分植被指数及土壤类型12个评价因子,利用Stacking集成学习框架,结合支持向量机、神经网络和随机森林,建立了一种多模型融合的泥石流预测模型。通过ROC曲线验证了模型的准确性,得出Stacking融合模型、随机森林、神经网络和支持向量机模型的成功率分别是98.1%、96.1%、94.5%、93.4%,预测率分别是95.5%、91.6%、90.6%、89.7%。结果表明:Stacking融合模型精度最高,最适合用于雅江县泥石流易发性评价。 相似文献
8.
准确的滑坡易发性评价结果是山区滑坡灾害防治的关键,可有效规避潜在滑坡带来的风险。为获得准确、可靠的滑坡预防参考,笔者以云南芒市为研究对象,选取高程、地层岩性、年均降雨量等9项评价因子,通过多重共线性分析,构建研究区滑坡易发性评价指标体系。分别基于支持向量机(SVM)、BP神经网络和随机森林(RF)3种典型机器学习算法进行滑坡易发性评价。利用准确性(ACC)、ROC曲线下面积(AUC)、滑坡比(Sei)及野外实地考察对模型评价结果精度进行对比验证分析。结果显示RF模型的ACC、AUC和极高易发区的SeV值最高,分别为0.867、0.94、9.21;BP神经网络模型次之,其SeV值分别为0.829、0.90、9.14;SVM最低,其SeV值分别为0.794、0.88、6.85。此外,RF算法所得结果还与实地考察情况保持了较高的一致性。实验结果表明与其他两种算法相比,RF算法在芒市区域具有更高的准确性和可靠性,更适合用于该区域的滑坡易发性建模,且利用该模型获得的评价结果,能够为芒市区域的滑坡防治提供理论依... 相似文献
9.
针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法（fuzzy cover approach for clustering based on adaptive inflation factor, AIFFC）对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法（natural breakpoint classification,NBC）对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果 对AIFFC分级法的优越性进行检验,结果 表明：各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性... 相似文献
10.
基于层次分析法的绵阳市地质灾害易发性评价 总被引：5，自引：0，他引：5
文章阐述了层次分析法应用于地质灾害易发性评价过程及步骤,并运用该方法(AHP)建立地质灾害易发性综合评价的层次分析结构模型及判断矩阵,从而确定了影响地质灾害易发程度因子的权重,建立了地质灾害易发性单灾种评价及区域地质灾害易发性综合评价的数学模型。绵阳市地质灾害易发性评价应用证明,该方法比较合理、有效,具有较高的预测精度,评价结果与实际地质灾害发育区的拟合率大于90%。 相似文献
11.
基于随机森林模型的城市不透水面提取研究 ——以呼和浩特市为例 总被引：1，自引：0，他引：1
城市不透水面信息对于城市生态环境动态演化过程研究具有重要意义。以Landsat 8遥感影像为数据源,以呼和浩特市为实证区域,进行了随机森林模型应用于城市不透水面的提取研究,并与目前应用广泛的支持向量机模型进行了对比分析。研究表明：在不同的抽样比例训练样本条件下,随机森林模型对于城市不透水面的提取精度均优于支持向量机的提取精度;对于随机森林模型和支持向量机模型,70%的训练样本比例均为最佳训练样本抽样比例。在该抽样比例下,随机森林模型提取城市不透水面的总体分类精度为93.29%,Kappa系数为0.9051,支持向量机模型的总体分类精度为91.26%,Kappa系数为0.8757;随机森林模型对于城市裸土的识别度较高,能更好地将城市裸土和不透水面进行区分,而支持向量机模型对于城市裸土、不透水面和绿地的区分能力均弱于随机森林模型。综合而言,随机森林模型对城市不透水面的提取精度优于支持向量机模型,随机森林模型可以有效应用于城市不透水面提取领域,进一步丰富了城市不透水面提取方法体系构成。 相似文献
12.
赣南地区滑坡灾害点多、面广、规模小,具有群发性和突发性的特点,90%以上的滑坡是因人工切坡导致的。为研究赣南地区小型削方滑坡对易发性评价模型的适用性,以赣州市于都县银坑镇为例,基于野外地质调查成果,并利用地理探测器,选取坡度、坡体结构、岩组、断层、道路、植被等6个评价指标,分别选用信息量模型、人工神经网络模型、决策树模型和逻辑回归模型开展易发性评价。结果表明:信息量、人工神经网络、决策树和逻辑回归等模型得到的AUC值分别为0.800、0.708、0.672和0.586,信息量模型所得的易发性结果与研究区滑坡实际分布情况较吻合,高易发区和中易发区滑坡占比近80%。信息量模型较其他三个模型,更适合于赣南地区小型削方滑坡易发性评价,评价结果对该地区地质灾害易发性评价模型选取提供了参考与借鉴。 相似文献
13.
面向高精度地质灾害易发性评价研究中,历史灾害样本数据少而造成的预测准确度低等问题,本文提出基于灰色关联度与层次分析法耦合的地质灾害易发性评价模型。本文以浙江省丽水市云和县崇头镇为工程背景,结合该地区致灾机理,利用现场调查和遥感解释等手段,获取9项地质灾害评价因子。分析了9项评价因子与历史灾害点的关联度,分别以关联度数值、关联度数值指数标度和关联度排名构建了层次分析法的3种判别矩阵,建立了3种类型的灰色关联度与层次分析法耦合评价模型(G-A1、G-A2和G-A3),以及单独灰色关联度评价模型(G),最后对评价结果进行了可靠性分析。结果表明：(1)在易发性综合指数分布方面,耦合模型G-A1和单独模型G较为合理;(2)在预测准确度方面,耦合模型G-A1的ROC曲线AUC指标最大;(3)在易发性分区合理性方面,耦合模型G-A1的高易发区域面积所占比例最小、高易发性强度指数最大,工程适用性强。最终,推荐耦合模型G-A1作为丽水市云和县崇头镇地质灾害易发性评价模型。本文研究成果对浙西南地区地质灾害易发性评价具有重要参考价值,为高精度地质灾害评价和防控工作提供有效的耦合评价模型。 相似文献
14.
基于粗糙集的支持向量机滑坡易发性评价 总被引：4，自引：0，他引：4
区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。 相似文献
15.
对于滑坡易发性预测建模,连续型环境因子在频率比分析时的属性区间划分数量（attribute interval numbers,AIN）和不同易发性预测模型是两个重要不确定性因素.为研究这两个因素对建模的影响规律,以江西省上犹县为例,考虑5种连续型环境因子AIN划分（4、8、12、16及20）和5种数据驱动模型（层次分析法（analytic hierarchy process,AHP）、逻辑回归（logistic regression,LR）、BP神经网络（back-propagation neural network,BPNN）、支持向量机（support vector machine,SVM）和随机森林（random forest,RF））,总计25种不同工况下的滑坡易发性预测研究.再开展滑坡易发性指数的不确定性（包括精度评价和统计规律等）分析.结果表明:（1）对于同一模型,随着AIN值从4增加至8再到20时,易发性预测精度先逐渐提升,然后缓慢提升直至稳定;（2）对于同一AIN值,RF模型预测精度最高,其后依次为SVM、BPNN、LR和AHP模型;（3）在25种组合工况下,AIN=20和RF模型的预测精度最高,AIN=4和AHP模型精度最低,但在AIN=8和RF模型组合下的易发性建模效率较高且精度也较高;（4）更大的AIN值和更先进的机器学习模型预测出的滑坡易发性指数的不确定性相对较低,更符合实际的滑坡概率分布特征.在环境因子属性区间划分为8和RF模型工况下高效准确地构建滑坡易发性预测模型. 相似文献
16.
17.
作为在山地地区易发的自然灾种,地质灾害每年都给中国造成严重的经济损失。为揭示阐明典型高山峡谷区地质灾害易发性影响因素,文章以昌都市为研究区例,基于区内孕灾环境的差异,对其进行流域划分,同时选取海拔、坡度、地形起伏度等10个指标构建地质灾害易发性评价指标体系,基于随机森林模型对各流域地质灾害易发性空间分布进行研究。结果表明：（1）昌都市地质灾害类型主要以小型灾害为主,大型灾害分布相对较少但危害巨大,险情等级较高,同时,区域内地质灾害的空间分布具有沿河流与道路呈条带状分布的特征;（2）总体来看,各流域地质灾害的影响因素大致相同,但仍具有一定的差异性,金沙江流域受海拔与道路影响较为突出,澜沧江流域受居民点密度影响较为突出,而怒江流域受道路因素影响较为突出;（3）各流域地质灾害易发性空间分布存在差异,金沙江流域低易发面积占比最大,澜沧江与怒江流域均为中易发面积占比最大;三大流域均以高易发所占比最小,但在全流域内均有分布,且主要分布于人类活动较为强烈、岩性较软等区域。 相似文献
18.
为深入探讨评价单元和非滑坡样本选取对滑坡易发性预测的影响,构建了一种基于自组织特征映射网络-随机森林模型的滑坡易发性评价模型。该模型针对栅格单元和斜坡单元在滑坡易发性评价中的不足,结合栅格单元和斜坡单元的相互关系,提出了滑坡易发性指数的优化计算方法。在此基础上,基于随机森林Tree Bagger分类器构建滑坡易发性评价模型,通过对比分析自组织特征映射网络和随机方法选取非滑坡样本对评价结果的影响,探讨自组织特征映射网络、随机森林和自组织特征映射网络-随机森林三种评价模型的有效性;将评价模型应用于大余县滑坡易发性评价。结果显示,随机森林模型和自组织特征映射网络-随机森林模型的预测精度较高,分别达到91.19%和94.94%,成功率曲线的AUC值分别为0.822和0.849,表明自组织特征映射网络-随机森林模型具有更高的预测率和成功率, 自组织特征映射网络聚类的预测精度虽然有限,但作为非滑坡样本的选择方法,能够有效提高随机森林模型的评价精度。 相似文献
19.
近年来万源市地质灾害现象频繁发生,为查明该地区地质灾害发育分布特征,制定科学的防治计划,对万源市进行了地质灾害易发性分析。此次分析结合了断层、岩土类型等地质条件和高程、地形起伏等地形因子以及以道路为主的人类工程活动等,在GIS分析功能的支持下,采用层次分析法(analytic hierarchy process)对万源市进行了易发区划分,并通过现有的研究区2016年地质灾害点对其做出了验证。结果表明,研究所得易发区与现有灾害点分布情况较为吻合,AHP模型能够有效地完成万源市地质灾害易发性预测,可在一定程度上为该地区的防灾减灾工作提供借鉴。 相似文献
20.
本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。 相似文献