共查询到20条相似文献，搜索用时 15 毫秒
1.
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
2.
金沙江上游巴塘—德格河段地处青藏高原东部,该区地质、地形、地貌极其复杂,滑坡灾害最为发育,开展区域滑坡易发性评价对防灾减灾工作有着重要的意义。本文以金沙江上游巴塘—德格河段为研究区,在滑坡编录与野外实际调查的基础上,通过对滑坡分布规律和影响因素分析,选取高程、坡度、坡向、曲率、地形起伏度、地表切割度、地表粗糙度、地层岩性、断层、水系和道路等11个影响因子,构建了滑坡易发性评价指标体系。利用皮尔森系数去除高相关性影响因子,运用频率比方法定量分析各个因子与滑坡发育的关系。通过频率比模型选取非滑坡样本,采用集成学习算法模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区、高易发区、中易发区、低易发区及极低易发区5个等级。由滑坡易发性分区图和ROC曲线表明,高和极高易发区主要沿金沙江沿岸和沟谷分布,随机森林模型的成功率曲线下面积AUC=0.84,历史滑坡灾害位于高-极高易发区的灾害数占总滑坡数的84.8%,梯度提升树模型的成功率曲线下面积AUC=0.79,历史滑坡灾害位于高-极高易发区灾害数占总滑坡数的79.3%。由AUC值和历史灾害的分布可知,随机森林模型比梯度提升树模型在本研究区滑坡易发性评价中有着更好的评价精度和更高的预测能力。 相似文献
3.
研究旨在基于随机森林-特征递归消除模型，通过SHAP算法(SHapley Additive exPlanation, SHAP)与部分依赖图(Partial Dependence Plot, PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释，以期为地质灾害防治研究提供参考。利用优化随机森林算法对典型缓丘岭谷地区滑坡易发性进行研究，建立缓丘岭谷滑坡易发性评价模型；利用特征递归消除算法剔除噪声因子，选取地形地貌、地质构造、环境条件、人类活动5个类型16个因子构建重庆合川区滑坡致灾因子数据库；结合合川区754个历史滑坡点，利用随机森林算法对因子重要性进行排序，并根据专家经验法对研究区的滑坡易发性进行划分，将研究区的滑坡易发性分为极低、低、中、高、极高5个等级；应用部分依赖图对合川区滑坡发生影响大的因子进行解释和SHAP算法对个体滑坡进行局部解释。结果表明：与原模型相比，随机森林-特征递归消除模型测试集AUC值提高了0.019,证明了特征递归消除算法的有效性；训练集以及测试集的AUC值分别为0.769、0.755,具有较高的预测精度；缓丘缓坡地区在起伏较大地区滑坡密度较大，历史滑坡多... 相似文献
4.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
5.
针对基于栅格单元与定性定量方法模型在地质灾害易发性评价中存在模型预测精度低且使用较为频繁的不足与弊端,采用斜坡单元与机器学习方法之一的随机森林模型相结合开展元阳县崩滑地质灾害易发性评价。在ArcGIS中,利用曲率分水岭法划分出7 851个斜坡单元。经过大量统计研究与地质环境条件分析,选取工程地质岩组、地貌类型、高程、坡度、坡向、曲率、起伏度、河流距离、断层距离等9个因子作为评价指标,并通过SPSS软件,将9个评价指标与灾点发育特征的关系进行数据分析,得出各评价指标权重。在SPSS中,采用随机森林模型,建立易发性评价模型,将元阳县崩滑地质灾害易发性划分为低、中、高、极高4类,所占面积分别为410.06 km2、470.21 km2、550.02 km2和776.87 km2,分别占元阳县面积的18.58%、21.30%、24.92%和35.20%。经与详查结果对比,评价结果与实际高度吻合。利用ROC曲线得出区划结果精度AUC值为92.7%,区划结果相当好。研究显示,元阳县中部和西南两个部分地质灾害集中... 相似文献
6.
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
7.
《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
8.
《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
9.
为研究康定市泥石流易发性,将康定市划分为421个沟域单元,采用ArcGIS软件中空间分析工具以及SPSS软件分别对评价指标内部叠加情况、评价指标与泥石流灾害相关性进行了分析,通过筛除剔除重叠度高、相关性差的评价因子,选取流域面积、melton比率、形状系数比、流域崩滑密度、流域植被覆盖率、流域道路密度、流域平均径流侵蚀力指数、多年汛期平均降雨量等8个评价指标进行康定市泥石流地质灾害易发性评价。采用信息量模型与熵值法相结合的方法定量评价了泥石流易发性,熵值法定量确定了评价指标权重,计算出评价因子加权信息量值,将康定市泥石流划分为极高易发区、高易发区、中易发区以及低易发区4个等级。通过频率比模型、受试者工作特征曲线(ROC曲线)对泥石流易发性评价结果进行检验,ROC曲线AUC值为0.842,表明评价模型精度较高。 相似文献
10.
《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
11.
基于GIS技术的地质矿产空间数据库综合分析了青海南部"三江"北段斑岩型钼铜矿床成矿条件,建立了区域斑岩型钼铜矿床的资源预测模型,并提取了相关成矿预测因子,采用分级证据权法对成矿预测因子进行了赋值,圈定了区域有利成矿远景区,对区域矿产资源潜力进行了定量预测。研究表明,与斑岩型钼铜矿有关的矿床预测权重包括地层、岩浆岩、构造以及矿化异常等及其相关的定量化分析因子;依据后验概率值将研究区划分两个成矿远景区:纳日贡玛-东莫扎抓成矿远景区(Ⅰ)、阿多-结多成矿远景区(Ⅱ)。在两个成矿远景区内又可划分出A类铜钼矿有利靶区5处、B类铜钼矿有利靶区4处、C类铜钼矿有利靶区4处;利用丰度模型法估算青海"三江"北段区域内铜资源量为7 412 730 t,钼资源量为8 566 180 t。 相似文献
12.
蓉遵高速公路（土城—旺隆段）沿线崩塌频繁发生，威胁公路安全甚至人类的生命财产安全。文章通过实地调查蓉遵高速公路（土城-旺隆段）崩塌地质灾害的影响因素，构建了9个影响因子，分别是地形起伏度、高程、归一化植被指数、坡向、地层岩性、距道路距离、距河流距离、坡度及降雨量。采用确定性系数模型（certain factors, CF）、层次分析法（analytic hierarchy process, AHP）及耦合模型（CF-AHP）对研究区进行崩塌地质灾害易发性评价，并分别采用崩塌地质灾害点频率统计和成功率曲线对3种模型的评价精度进行检验。结果表明，CF、AHP和CF-AHP的AUC预测精度分别为0.848,0.835,0.866，且3种评价模型得到的崩塌地质灾害的高、中易发区频率比值占总频率比值均超过70%。3种模型精确度由大到小分别为CF-AHP、CF、AHP模型，说明CF-AHP模型的滑坡预测优于单一的CF、AHP模型，能精确地评价蓉遵高速公路（土城-旺隆段）崩塌地质灾害易发性，为公路沿线区域崩塌灾害的防灾减灾提供决策依据。 相似文献
13.
基于SPSS和GIS的BP神经网络农用地适宜性评价 总被引：2，自引：0，他引：2
以中原城市群为研究区,在应用GIS基础上运用SPSS软件进行主成分分析,根据因子贡献率提取主导性强的综合因子,利用提取的主导因子进行系统聚类选择典型样本;依据因子的贡献率调整BP神经网络初始权值,建立评价模型,进行农用地适宜性评价方法的探讨。通过检验,改变初始权值建立的BP模型预测合格率为50%,相对误差最大值为18.9%;为了进一步改进BP网络,把第一次调整权值训练得到的网络权值作为下一次建模的初始权值,训练得到的BP模型预测合格率为100%,相对误差最大值为9.5%。其后运用层次分析法、主成分聚类法作为对照,验证了这种BP模型在农用地适宜性评价中的可靠性与精确性。最后根据所建立的BP模型预测获得中原城市群农用地适宜性分区图,各土地类型适宜性从西往东呈现由低到高的分带性,其中高度适宜区占总面积的32.4%;中度适宜、勉强适宜、不适宜区分别占总面积的28.9%、22.1%、16.6%。 相似文献
14.
《西北地质》2021,(2)
为探索区域滑坡易发性评价模型的适用性和评价结果的合理性,以滑坡灾害高发的白龙江流域为研究区,首先选取坡度、地形起伏度、距断层距离、地层岩性、流域沟壑密度、植被指数等6项影响滑坡发生的孕灾因子作为易发性的评价指标,以研究区2 093处滑坡灾害点为样本数据,依据各指标条件下的信息量值、确定性系数值和证据权重值曲线突变规律,并结合滑坡面积及分级面积频率比曲线作为等级划分的临界值来确定因子分级状态;其次,基于指标因子状态分级和相关性分析结果,采用信息量法、确定性系数法、证据权法分别与逻辑回归组合的3种模型开展区域滑坡灾害易发性评价,并从模型结果、适用性和精度等方面采用多手段对3种组合模型进行比较和讨论。研究结果表明:在区域滑坡易发性评价方面,3组模型均表现较为理想,信息量和逻辑回归组合模型的预测精度为94.6%,其预测精度和准确性优于其他2种组合模型。笔者以白龙江流域中游及其岷江支流段为例,开展滑坡灾害易发性评价模型适用性、评价结果分析以及预测精度评价对比和研究等,成果可为该区地质灾害防灾减灾和国土空间用途管制规划决策提供参考。 相似文献
15.
煤层气含量是煤层勘探开发研究的重点参数之一,由于煤层气含量受多因素影响,能有效预测其含量至关重要。本文将斜率关联度法与随机森林算法相结合,以地球物理测井资料为基础进行煤层气含量预测。首先利用改进的斜率关联度法,计算得到对煤层气含量敏感的测井曲线,再利用交叉验证法探究合适的随机森林决策树个数,并结合选出的超参数利用随机森林算法预测煤层气含量。以沁水煤田柿庄北区3号层为例,对该区块进行评价预测,并将预测结果与多元回归模型拟合结果进行对比,同时对本文方法模型的泛化性进行研究分析。结果表明,应用斜率关联度法对测井曲线与煤层气含量进行分析计算能准确有效地找到可用于煤层气含量预测的测井曲线;用随机森林算法训练得到的模型预测非夹矸段煤岩的煤层气含量准确,计算结果可信度高,在夹矸段预测能力较弱,总体对煤层气勘探开发有指导意义,具有实际应用价值。 相似文献
16.
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
17.
多元统计方法在地下水环境研究中的应用——以山西大同盆地为例 总被引：4，自引：0，他引：4
运用快速聚类法和因子分析法对大同盆地原生高砷、高氟地下水的16个水化学指标的空间变化进行了分析。结果表明,采用快速聚类法结合实际地下水性质可将研究区地下水分为6类具有不同水化学特征的地下水。从山前到盆地中心河间洼地,地下水中的砷质量浓度逐渐升高,盐碱化程度逐渐加重,水环境呈恶化趋势。因子分析法解释了研究区81.6%的水化学数据,分别提取出反映地下水盐分、砷、氟和硝态氮、Fe和Mn及微量组分Sr的5个公共因子。结合当地水文地质条件及水化学类型特征分析发现,研究区地下水经历了较强的水-岩相互作用、蒸发浓缩作用、离子交换作用,同时受人为活动影响,最终形成了现有的地下水水化学特征。两种统计方法均发现高盐分、高砷及高氟地下水分布有一定的重叠性,水化学特征相似。利用因子得分判断地下水水质特征,划分出各公共因子高值区分布情况与快速聚类法结果基本一致。 相似文献
18.
湖南省石门县皂市水库地区滑坡地质灾害频发,采用证据权法进行滑坡易发性评价可以为滑坡防治提供科学依据.本文首先以斜坡单元为基本制图单元,利用ArcGIS空间分析功能,结合历史滑坡灾害点实地复核数据、遥感影像、地形图、数字高程模型、地质图等数据,提取了坡度、坡形、斜坡高差、植被覆盖度、地层岩性、斜坡结构类型、断层缓冲距离、道路缓冲距离、河流缓冲距离等9个证据因子并划分证据层;然后基于证据权法分别计算各证据层权重值,生成了研究区滑坡易发性分区图,并进行了预测精度分析.结果表明:(1)研究区滑坡易发性可划分为高易发区、中易发区、低易发区、极低易发区4类,4类分区面积占比分别为7.5％、20.6％、54.9％、17.0％;(2)基于成功率曲线法得出分区准确率为84.7％,评价结果与灾害点分布较为吻合. 相似文献
19.
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
20.
目前基于GIS的泥石流易发性（简称DFS）评价模型中,统计类型模型的因子须保证独立性,且权重受区间划分控制;线性机器学习难以处理非线性问题、而常用非线性模型调试效率低.鉴于随机森林（RF）能有效克服常用模型的诸多不足,且在DFS评价中的应用极少,首先展开基于RF的DFS评价,采用线性、RBF支持向量机、二次判别分析、RF等经贝叶斯优化的模型和26种泥石流影响因子;然后,分别以RF的相对权重排序和蒙特卡洛方法研究因子组合和建模样本变化下DFS评价的可靠性.结果表明:RF不易发和较易发区中有21个因子可指示泥石流孕育环境差异;RF的相对权重排序能有效确定易发模型的局部最优因子组合;随机样本划分导致的评价不确定性在中易发区最大,应通过提高建模样本比例和改善模型降低;RF的预测能力指标AUC为0.86、全局预测精度为0.79、F1分数为0.66、brier分数为0.14,以及它们的可靠度最优,可作为DFS定量评估的优先选择. 相似文献