基于Random Forest的区域性泥石流的预警预测研究——以凤城市为例

以GIS为平台,选取16个预测因子(包括8个遥感因子、3个DEM因子、4个土壤因子和1个地层岩性),提取泥石流发生当日和前一日累计降水数据为响应因子,建立了random forest回归树模型,在区域尺度上对凤城市泥石流灾害进行预警预测.预测的结果表明:岩性、海拔和坡向是影响泥石流发生的主要因素,而持续的降水提高了土壤因子在地质灾害发生中的重要性,各遥感指数中,黏土因子对泥石流的影响最大.在东南部,只有当累计降水量较高时,泥石流才会发生;相反,在西北部,少量的累计降水就会造成泥石流的发生.另外,从1日降水预警图和2日降水预警图比较来看,持续降水容易增加泥石流发生机率.     

基于陆气耦合的城市雨洪模拟技术研究进展

对汇流时间短、暴雨时程集中且短期内降水强度大的城市区域而言,暴雨洪涝灾害预见期的延长可以为制定应急预案和实施防汛抢险争取更多的响应时间,降低城市暴雨洪涝事件带来的潜在危害．延长城市暴雨洪涝灾害预见期的有效措施之一,是采用基于数值天气预报技术和多源/高分辨率数据资料的陆气耦合城市雨洪模拟技术进行雨洪过程模拟和灾害预报．本文归纳总结了城市雨洪过程模拟和预报中常用的5类降水输入数据及各类降水数据的适用条件;总结了数值天气预报技术在区域强降水模拟方面的研究进展及存在的问题;梳理了城市雨洪过程模拟中采用的常见方法及优缺点;总结了数值降水预报技术应用于城市雨洪过程模拟和预报的最新研究进展．在此基础上,提出了基于陆气耦合的城市雨洪模拟技术需要解决的关键问题和应对之策,指出在当前城市雨洪模拟技术较为成熟的情况下,减小数值降水预报结果的不确定性和提高城市雨洪过程模拟的精细化程度是提高城市暴雨洪涝灾害预报准确性的主要手段．      

西沟尾矿泥石流危险范围及短期灾变时序预测

 概述了泥石流危险性评价和危险范围预测的研究现状。分析了西沟尾矿泥石流的孕灾环境地质背景,基于泥石流预测模型对泥石流危险范围进行预测评价,得出基于泥石流模型实验建立的预测模型适合于尾矿泥石流危险范围的预测。构建了灰色系统灾变预测模型,并对近期泥石流灾害的灾变时间序列进行预测,为尾矿泥石流灾害评价及防治减灾提供了重要依据。     

短期区域气候预测系统及回报试验

为了提高短期区域气候预测准确率,针对我国大陆区域及周边海域,通过国家气候中心全球海气耦合模式嵌套一个区域大气-海洋耦合模式,建立了一套短期区域气候预测系统。利用该预测系统对2006-2011年逐年7月的气候特征进行了回报试验,对比分析了区域模式相对于全球模式预测高空形势场的差异,评估了预测系统对地面温度和降水的预测能力。试验表明:同化后,初估场质量显著提高;区域模式在预测高空形势场方面优于全球模式;相对于单独的大气模式,海气耦合模式在预测中低空的温度和湿度方面有一定的改善;系统对地面气温和降水均具有一定的预报能力,其中降水预测稍好。     

基于优化核极限学习机的泥石流危险性评估

山区环境中泥石流的孕育受多种因素的影响，为提高泥石流危险性的预测精度，提出一种萤火虫算法(firefly algorithm, FA)优化核极限学习机(kernel based extreme learning machine, KELM)的预测模型。首先，针对数据维度爆炸的问题，通过主成分分析(principal component analysis, PCA)数据降维，使得留有大部分致灾特征信息的因子输入训练模型；然后，使用萤火虫优化算法更新核极限学习机的参数，将四川省北川县监测数据输入优化后的预测模型，并与其他传统机器学习算法进行对比分析，验证该算法的优越性；最后，使用多种指标综合评估模型的预测效果。结果表明，FA-KELM模型能够有效地简化数据结构，提高泥石流危险性预测的准确性，为泥石流灾害预测方面的研究提供参考和借鉴。     

三明市后山冲沟泥石流易发性评价及预报

2019年5月15—17日和6月7—10日三明市区持续强降雨,其中5月16日24 h降雨量为50年一遇,受强降雨影响,市区东侧后山产生大量浅层滑坡,冲沟内松散固体物源增加,后山冲沟山洪暴发;若在100年一遇甚至200年一遇暴雨作用下,冲沟内产生的浅层滑坡数量及能够参与泥石流活动的松散固体物源量都将会大幅度提高,很可能暴发由浅层滑坡诱发的沟谷泥石流.根据直接指标评价法对三明市区后山20条冲沟的泥石流易发程度进行评价:除了碧桂园后山冲沟为不易发外,其余19条冲沟的泥石流易发程度均为轻度易发;通过19条轻度易发泥石流冲沟的地形数据和2019年5—6月两次降雨过程数据,对浅层滑坡诱发沟谷泥石流降雨预报模型进行验证,结果表明模型预报结果与实际相符;并利用该预报模型给出三明后山冲沟泥石流预报临界降雨值,为该区泥石流预测预报和监测预警指标选取提供参考.     

基于布谷鸟优化轻量梯度提升机的泥石流预测

摘 要： 针对山区环境中引发泥石流的影响因素复杂多样,影响因子之间易存在相互耦合,以及梯度提升树（Light Gradient Boosting Machine,LightGBM）预测模型易陷入局部最优问题,提出了核线性判别分析法（Kernel Linear Discriminant Analysis,KLDA）与经布谷鸟算法（Cuckoo Search,CS）寻优后的LightGBM预测模型。首先,对传感器采集到的原始数据进行清洗,并将“清洗”后得到的规范数据通过KLDA进行降维处理,得到相关性低且贡献率高的影响因子作为预测因子。采用随机取样的方法对降维后数据进行规划,选取70%的数据用于训练模型,剩余30%用于验证模型。然后,将训练数据作为输入,基于CS-LightGBM算法训练出最优预测模型。最后,结合鹅项沟监测数据进行仿真。结果证明,此方法能够将复杂的泥石流影响因子降维成利于建模的预测因子,使预测模型具有较好的预测准确度,为泥石流灾害预测方面的研究提供了新的思路。     

泥石流区域环境量化分析

运用最佳逼近思想建立了泥石流区域环境量化的数学模型,根据所建立起的模型建立了泥石流区域环境优劣等体系。     

基于粗糙集优化支持向量机的泥石流危险度预测模型

为准确预测泥石流危险度,提出了基于粗糙集理论(RS)的粒子群算法(PSO)优化支持向量机(SVM)模型。首先离散化泥石流样本数据形成初始决策表,利用粗糙集理论对10个泥石流危险度影响指标进行属性约简,将约简后的泥石流指标数据归一化处理作为支持向量机的学习样本,通过粒子群算法寻优获得最佳支持向量机模型参数,最终建立基于粗糙集的泥石流危险度预测的优化支持向量机模型。并将构建的RS-PSO-SVM模型用于对测试样本的预测,结果表明：在相同训练样本的条件下,RS-PSO-SVM模型、PSO-SVM模型及RS-PSO-BP模型三者的预测准确率分别为：87.5%,87.5%,75%,说明RS-PSO-SVM模型和PSO-SVM模型具有比RS-PSO-BP模型更高的精度。此外,尽管RS-PSO-SVM模型和PSO-SVM模型具有相同的预测精度,但是由于进行了属性约简,RS-PSO-SVM模型可以有效提高运行效率,降低模型复杂度。     

Multi-Layer Forecast Project of Rain-Induced Debris Flow

Based on four kinds of methods--numerical weather prediction model, cloud image of stationary meteorological satellite, echo image of meteorological radar and telemetric rain gauge, multi space-time scale precipitation prediction products have been achieved, and muhidayer project of debris flow forecast is established with different space-time scale to get different forecast precision. The forecast system has the advantages in combination of regions and ravines, rational compounding of time and space scale. The project, which has debris flow forecast models of Sichuan province, Liangshan district and single ravine, can forecast debris flow in 3 layers and meets the demand of hazard mitigation in corresponding layer.     

基于敏感性制图和数值模拟的泥石流综合评价--以九绵高速公路沙尕沟为例

泥石流等地质灾害的评估对于公路选线和安全运营有着重要的意义。随着科技的发展,越来越准确的泥石流评价和预测体系亟待研究。通过现场勘测和无人机解译,利用自适应神经模糊推理系统(ANFIS)和基于学习优化算法的自适应神经模糊推理系统(TLOA-ANFIS)对泥石流沟进行敏感性评价,并对沙尕沟进行区域划分,结果显示沙尕沟沟口3.5 km范围内泥石流的敏感性评价等级最高。为了更加清楚的研究该范围泥石流的运移堆积情况,对沟内泥石流冲出范围进行数值模拟,结果表明:在降雨频率P=1%的条件下,沙尕沟泥石流流深可达8.76 m,对公路安全运营和基础设施建设有着重要影响,建议相关部门对其进行治理。同时,提供的敏感性制图评价与泥石流危害范围数值模拟结合的方法可以为国内外相似案例提供相关参考。     

基于温湿廓线反演的风云三号D星微波探测仪云区资料同化试验

为了探究云区卫星微波资料的同化应用,利用中国风云三号D星(Fengyun-3D,FY-3D)微波温度计二型(microwave temperature sounder-2,MWTS2)和微波湿度计二型(microwave humidity sounder-2, MWHS2)资料,基于人工神经网络算法研制了云区温湿廓线反演模型,建立了云区资料的间接同化方案。于2019年6月开展晴空和云区同化试验,评估加入云区MWTS2和MWHS2资料对区域模式预报的影响。试验结果表明：MWTS2和MWHS2资料的同化对温湿度预报场有改善,主要体现在模式中高层均方根误差和平均偏差的减小,云区同化的改善幅度比晴空同化更大;同化MWTS2和MWHS2资料对于提高降水预报技巧有积极影响,云区同化对降水预报的改善主要体现在同化后的12～24 h,较晴空同化更明显。针对强降水个例分析表明,MWTS2和MWHS2资料对温度场、湿度场、水汽通量散度场的调整有利于降水预报的改善,而云区同化能够直接对天气系统的初始场进行调整,降水的位置与强度预报效果更好。     

山西龙子祠泉水流量多元回归予报方程的建立

本文根据泉域最近四个山区县多年降水量和泉流量的资料,应用统计学原理,将前一年泉流量及前几年降水量做为予报因子,建立与泉流量相关显著的多元回归方程,可予报下一年的泉水流量,从而为合理利用泉水资源提供可靠依据。     

河南栾川县区域群发性泥石流临界雨量分析

栾川县历史上曾多次暴发区域群发性泥石流,以其为研究对象,选择前5日前期降雨量、当日降雨量、24 h最大降雨量、2 h最大降雨量、前72 h直接降雨量和前120 h直接降雨量为特征参数,根据它们的不同组合对栾川县区域群发性泥石流临界雨量进行分析,确定了泥石流预警的临界雨量基准线。分析结果表明2 h最大降雨量为研究区泥石流预报的重要指标,在不考虑前期雨量的情况下,2 h临界雨量为14 mm,研究结论可为当地泥石流防灾减灾提供参考。     

Disaster Reduction Decision Support System Against Debris Flows and Landslides Along Highway in Mountainous Area

Highways in mountainous areas are easy to be damaged by such natural disasters as debris flows and landslides and disaster reduction decision support system (DRDSS) is one of the important means to mitigate these disasters. Guided by the theories and technologies of debris flow and landslide reduction and supported by geographical information system (GIS), remote sensing and database techniques, a DRDSS against debris flow and landslide along highways in mountainous areas has been established on the basis of such principles as pertinence, systematicness, effectiveness, easy to use, open and expandability. The system consists of database, disaster analysis models and decisions on reduction of debris flows and landslides, mainly functioning to zone disaster dangerous degree, analyze debris flow activity,simulate debris flow deposition and diffusion, analyze landslide stability, select optimal highway renovation scheme and plan disaster prevention and control ergineering. This system has been applied successfully to the debris flow and landslide treatment works along Palongzangbu Section of Sichuan-Tibet Highway.     

基于GIS的云南省海子沟流域泥石流危险性评价

在分析研究泥石流灾害特征的基础上,指出海子沟泥石流的爆发主要受到松散堆积物、坡度、降水、地质、植被等因素影响.据此,建立起泥石流爆发危险性评价数据库、知识库和危险性评价数字环境模型.在ArcGIS的支持下对所选取因子进行详细分析,得到海子沟流域泥石流危险性评价图,为海子沟流域泥石流防治工程提供了重要的依据.     

有限物源流域不同规模的泥石流频率分析--以川西黑水河罗家坝泥石流沟为例

以黑水罗家坝沟1933年、1983年、1984年和1997年泥石流为研究对象,对其流量进行测量和分析计算。从降雨频率与泥石流频率的巨大差异,可知此类泥石流的暴发频率与泥石流的频率差别极大。从历史调查法、地震与土源和产流关系分析法和推理公式与水科院公式的计算模拟推算出罗家坝沟1933年的泥石流远大于百年一遇,1983年的泥石流为百年一遇,1984年的泥石流为50年一遇,1997年泥石流为10年一遇。从一系列的分析计算可知,有限物源流域不同规模的泥石流频率的确定需要考虑多种因素,并进行综合分析。     

降雨条件下城市快速路车速模糊神经网络预测方法

为了提高降雨条件下快速路车速短时预测的准确性,考虑到各影响因素的模糊性以及影响作用非线性变化特点,提出了一个以交通量、占有率和降雨量为输入,以车速为输出的模糊神经网络预测方法.利用上海市快速路的交通流与气象数据确定了最优模型结构,并与自回归积分滑动平均模型、反向传播神经网络模型和支持向量机模型进行对比分析.该方法的预测均方根误差为3.05km·h-1,预测平均误差为3.95%,均优于其他3种方法.     

基于传递函数优化后BP神经网络对泥石流的危险性预测

泥石流危险性预测的可靠性是防治工程建设与减灾救灾相关工作部署的关键,基于Back Propagation神经网络的预测方法,是目前实现危险性等级划分的有效方法之一。利用BP神经网络算法的非线性逼近能力,挑选陇南白龙江小流域26条典型泥石流沟道,结合当地实际情况,选取泥石流危险性的8个主要因素为输入层神经元,以样本数据危险等级为输出神经元,在测试单、双层隐含层网络性能的基础上,提出9种工况组合的传递算法搭配方案,利用L-M算法搜索最优解或者近似最优解,总结传递算法对泥石流预测模型精度的影响及算法的选择顺序。实验结果显示,隐含层采用tansig函数,输出层采用logsig函数,其模型总体误差最小,模型的R训练集、R验证集较大与R测试集分别为0.983 61、0.709 17和0.960 52,准确率达到96.1%。由此可见,选择合适的传递函数可提高网络模型的精准度,能准确划分泥石流风险等级。     

基于FLO-2D数值模拟的结底岗村公路泥石流危险性评价

工布江达县公路沿线泥石流频发，对公路交通安全和县内各区域经济发展造成严重影响。为研究高海拔地区暴雨型泥石流对公路的危害特征和潜在危险性，同时探索基于FLO-2D模型模拟泥石流的方法在高寒、高海拔、强地质构造地区的适用性，本文运用FLO-2D软件，以西藏自治区工布江达县典型公路泥石流——结底岗村泥石流为例，模拟泥石流泥深、流速等方面的冲淤特征，确定泥石流强度并划定危险性分区评价泥石流危险性。以公路沿线典型泥石流沟危险性的“点评价”为基础，通过分析公路泥石流危险分区以及与受威胁路段之间的拓扑关系，定量评估泥石流危险性，可以合理的预测公路泥石流的影响区域和危害程度，为工布江达县公路泥石流灾害分析、预警以及建设设计和公众疏散计划提供技术参考。