共查询到10条相似文献，搜索用时 25 毫秒
1.
BP神经网络因具有良好的精度和拟合能力,被广泛地运用在区域性滑坡危险性预测中。本文建立了基于BP神经网络的地震滑坡危险性评价模型并应用于四川九寨沟地区,以2017年8月8日的九寨沟MS7.0地震引发的4834个历史滑坡为例,将其随机划分为70%的训练样本集用于九寨沟地区地震滑坡危险性预测,以及30%的验证样本集对预测结果的精度进行评估。选取高程、坡度、坡向、平行发震断层距离、垂直发震断层距离、震中距离、距道路距离、地面峰值加速度(PGA)以及岩性共9个影响因子,分析发震断层对地震滑坡的控制作用,并总结九寨沟地区地震滑坡空间分布规律特征,其中发震断层、岩性和坡度对九寨沟地区地震滑坡分布产生重要影响。利用模型得到九寨沟地震滑坡危险性预测图,结果显示73.19%的滑坡位于极高和高危险区域,与实际地震滑坡分布基本相符。通过30%的验证样本集来绘制预测成功率曲线,结果表明模型预测成功率(AUC值)为0.90,证实了BP神经网络在九寨沟地区地震滑坡危险性预测中具有良好的精度和拟合能力,评价结果为后续地震滑坡灾害预测和防震减灾工作提供了科学的参考。 相似文献
2.
基于GIS与ANN模型的地震滑坡易发性区划 总被引：1，自引：0，他引：1
基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究.2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡.选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子.这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到.训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置.应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图.分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53％与81.29％,表明ANN模型是一种高效科学的地震滑坡易发性区划模型. 相似文献
3.
滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,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。以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系。使用Spearman相关系数对各因子进行共线性分析。基于1711个滑坡样本和1711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线（ROC）对模型进行验证。结果表明:混淆矩阵精度84.91%,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率。使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区。研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导。 相似文献
4.
2017年8月8日四川省北部九寨沟县暴发了Ms7.0级地震,是继2013年"4·20"芦山Ms7.0级地震后再次发生在巴颜喀拉块体边界的强烈地震,地震诱发了近1 880处滑坡,通过地理信息系统与遥感技术,选取与高程、坡度、坡向、与水系距离、峰值加速度(PGA)、与震中距离、岩性、与断裂距离等8个因素作为九寨沟地震滑坡危险性评价因子,采用加法和减法2种证据权方法,对九寨沟地震滑坡危险性进行评价。结果表明:基于加法证据权的评价模型的准确率为88.29%,基于减法证据权的评价模型的准确率为87.31%。利用自然断点法,将研究区按滑坡危险性程度分为极高危险区、高危险区、中危险区、低危险区与极低危险区。其中,基于加法证据权所计算的极高和高危险区面积之和约300.17 km~2,占研究区总面积的33.84%,发育的滑坡面积占滑坡总面积的91.10%;基于减法证据权所计算的极高和高危险区面积之和约214.35 km~2,占研究区总面积的24.17%,发育的滑坡面积占滑坡总面积的85.04%。评价结果可为震后地质灾害防治、基础设施重建,特别是九寨沟自然风景区的灾后重建工作提供重要的参考。 相似文献
5.
2008年汶川地震滑坡详细编目及其空间分布规律分析 总被引：3，自引：0，他引：3
最新研究成果表明, 2008年5月12日汶川MS 8.0级地震触发了超过197000处滑坡。首先,基于GIS与遥感技术构建了汶川地震滑坡的3类编目图,分别为单体滑坡面分布数据、滑坡中心点位置和滑坡后壁点位置。构建方法为基于地震前后高分辨率遥感影像的目视解译方法,区分单体滑坡并圈定其边界,对滑坡后壁进行识别与定点,并开展了部分滑坡的野外验证工作。这些滑坡分布在一个面积大约为110000km2的区域内,滑坡总面积约为1160km2。选择一个面积约为44031km2的区域作为研究区,区内滑坡数量为196007个,滑坡面积为1150.622km2,这是最详细完整的汶川地震滑坡编录成果,也是单次地震事件触发滑坡最多的记录。其次,开展研究区内的地震滑坡空间分布规律的研究。基于滑坡面与滑坡中心点分别构建滑坡空间分布面积密度图与点密度图,结果表明:滑坡多沿着映秀北川断裂分布,多发生在断裂的上盘。滑坡的高密度区位于映秀北川同震地表破裂的南西段(映秀镇与北川县之间)的上盘区域,这一区域恰对应着逆冲分量为主的断裂上盘,表明逆冲断裂对上盘区域发生滑坡的极强烈的控制作用,而该区域正是形变最大的区域,因此说明是地震滑坡发生的强烈控制作用。基于滑坡面密度(LAP)、滑坡中心点密度(LCND)与滑坡后壁点密度(LTND)这3个衡量指标,使用统计分析方法,评价了汶川地震滑坡与地震参数、地质参数、地形参数的关系。结果表明:LAP、LCND与LTND这3个衡量指标与坡度、地震烈度与PGA存在明显的正相关关系; 与距离震中、距离映秀北川同震地表破裂存在负相关关系; 斜坡曲率越接近0,滑坡越不易发生; LAP、LCND与LTND的高值高程区间为1200～3000m; 滑坡发生的优势坡向为E、SE、S方向; 滑坡发育的易发岩性为砂岩与粉砂岩(Z)、花岗岩; 滑坡与坡位的相关关系不太明显。统计结果还表明LCND与LTND两个衡量指标的差异对地震与地质因子不敏感,而对地形因子较敏感。最后将本文的统计结果与以往的汶川地震滑坡空间分布规律统计成果进行了一些对比,对比结果表明,对于某些因子,如高程、岩性、距离震中、距离映秀北川断裂的统计分析结果,采用不完整的滑坡分布数据或点数据,与采用较完整的滑坡分布面数据会有一定的差异,这种差异并未出现在针对坡度与坡向等因子的统计对比结果中。总之,作者认为一个完备、详细的地震滑坡分布面要素编目图是地震滑坡空间分布规律定量分析、危险性定量分析与滑坡控制的地震区地貌演化研究的重要基础,否则,与实际情况相比,得到统计结果会有一定的偏差,本文的研究成果与以往成果的对比结果证明了这一点。 相似文献
6.
浙江省永嘉县滑坡灾害危险性区划 总被引：7，自引：0，他引：7
永嘉县是浙江省滑坡灾害发生频繁的区县之一,其滑坡受地质、地形和人类工程活动等因素的影响。本文根据永嘉县滑坡灾害分布情况,选择了影响滑坡分布的主要因素,将各种因子归一化处理后转换成相同分辨率的定量数据,选择了逻辑回归分析模型和信息量模型进行滑坡灾害危险性评价。在逻辑回归模型中,利用SPSS软件,通过逐步回归分析筛选出影响滑坡的最直接的因子,计算出各个因子的回归系数,得到逻辑回归方程,据此编制了危险性预测分区图。在信息量模型中,通过MAPGIS软件及其二次开发的信息量模型,对永嘉县滑坡灾害进行了危险性区划,并依信息量法的结果编制了该区的危险性预测分区图。两种方法所编制的危险性分区图中高危险区和中危险区重合率达到了87%,具有很高的一致性,起到了相互验证的作用,为滑坡的有效防治提供了依据。最后根据"云娜"台风期间永嘉县实际灾害发生情况的资料分析,新灾害点绝大部分落在危险性预测区中的高危险区,表明模型的预测准确率很高。 相似文献
7.
地震滑坡发生真实概率研究基本空白。本研究创新性的利用贝叶斯概率方法与机器模型开展了中国地震滑坡危险性真实概率研究,制作了第一代中国地震滑坡危险性概率图。基于9个地震案例开展研究,包括1999年台湾集集、2005年克什米尔、2008年汶川、2010年玉树、2013年芦山、2013岷县、2014鲁甸、2015尼泊尔、2017九寨沟地震,这9次地震中7次发生在中国,2005年克什米尔与2015尼泊尔地震均发生在中国邻区,可以更好的控制模型预测精度。这些地震事件均有详细完整的,利用面要素标识的地震滑坡数据,包括306 435处真实的地震滑坡记录。考虑到真实的地震滑坡发生区域,滑坡面积规模的差别,滑坡与不滑样本的比例等因素,共选取了5 117 000个模型训练样本。选择绝对高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量、地震动峰值加速度共13个地震滑坡影响因子。采用贝叶斯概率方法与机器学习模型相结合,建立地震滑坡发生的多因素影响模型,得到各个连续因子的权重与分类因子的各个分类的权重。再将模型应用到整个中国研究区,地震动峰值加速度因子为触发因子。分别考虑研究区在经历不同地震动峰值加速度（0.1~1 g,每0.1 g一个结果,共10个结果）下的地震滑坡发生真实概率。此外,还结合中国地震动峰值加速度分布图,得到了中国地震动峰值加速度背景下的地震滑坡发生真实概率分布。 相似文献
8.
通过实地调查、遥感解译、资料收集等手段,获取滑坡崩塌体编录、松散堆积层、地质单元的岩土体物理力学参数,使得滑坡编录、地质调查数据与区域Newmark位移模型有机结合。研究表明,在滑坡编录等3个层次中,由第一层次到第三层次,物理力学参数精度逐渐下降,这也反映了滑坡编录在危险性评价中所占据的重要性,更能与实际相吻合。通过对长江上游石棉县城地质灾害潜在危险性的评估,得出了不同尺度峰值加速度下危险性分布区域与规律,经与危险性线性拟合,在峰值加速度a=0.3时,区域危险区面积呈大规模急剧上升,为区域毁灭性灾难的临界值。同时,石棉县城随着峰值加速度数值增大,危险区从滑坡编录控制逐渐过渡到坡度控制,显示了多层次物理力学参数下危险性评估的合理性。 相似文献
9.
2010年4月14日07时49分(北京时间),青海省玉树县发生了Ms7.1级大地震。作者基于高分辨率遥感影像解译与现场调查验证的方法,圈定了2036处本次地震诱发滑坡。这些滑坡受地震地表破裂控制强烈,规模相对较小,常常密集成片分布。滑坡类型多样,以崩塌型滑坡为主,还包括滑动型、流滑型、碎屑流型、复合型等类型的滑坡。本文基于地理信息系统(GIS)与遥感(RS)技术,应用逻辑回归模型开展玉树地震滑坡危险性评价,并对结果合理性进行检验。应用GIS技术建立玉树地震滑坡灾害及相关滑坡影响因子空间数据库,选择高程、斜坡坡度、斜坡坡向、斜坡曲率、与水系距离、坡位、断裂、地层岩性、归一化植被指数(NDVI)、公路、同震地表破裂、地震动峰值加速度(PGA)共12个因子作为玉树地震滑坡影响因子,在GIS平台下将这些因子专题图层栅格化。应用逻辑回归模型得到每个因子分级的回归系数,然后建立滑坡危险性指数分布图。利用玉树地震滑坡空间分布图对滑坡危险性指数图进行检验,正确率达到83.21%。滑坡危险性分级结果表明,在占研究区总面积4.97%的"很高危险度"的较小范围内,实际发育滑坡数量为766个,占总滑坡面积的比例高达37.62%,表明地震滑坡危险性评价结果良好。不同危险性级别的滑坡点密度统计结果表明,滑坡点密度随着危险性级别的升高而非常迅速的升高。 相似文献
10.
本文以涪江上游南坝-水晶流域滑坡为研究对象, 选取坡度、高程、坡向、岩性、岸坡结构等9个影响因子, 基于GIS平台, 采用滑坡确定性系数模型与层次分析模型相结合的 (CF-AHP) 模型对研究区进行滑坡危险性评价。根据评价结果, 将研究区划分为极高危险区 (18. 57%) 、高危险区 (38. 71%) 、中危险区 (23. 92%) 、低危险区 (18. 8%) 四个等级。利用危险性评价结果对比法和受试者工作特征曲线 (ROC) 对评价结果进行验证, 得到ROC曲线下面积AUC值为88. 36%, 表明CF-AHP模型能够较客观准确地对研究区滑坡危险性评价。 相似文献