基于CF融入SSA优化SVM和RF模型的滑坡易发性评价

针对传统的区域滑坡易发性评价建模过程可能存在的样本数据量纲不统一以及模型参数选取误差等问题,本文以陕西省留坝县为研究区,选取高程、坡度、水系、降雨量、地层岩性等10个评价因子,采用确定性系数模型(CF)计算各评价因子的敏感值作为支持向量机模型(SVM)和随机森林模型(RF)的输入样本属性值,引入麻雀搜索算法(SSA)分别对SVM模型和RF模型的参数进行优化,获取最优参数对两种模型进行训练,最终构建了CF-SSA-SVM和CF-SSA-RF模型,从而对整个研究区进行预测,完成滑坡易发性评价,并通过受试者工作特征曲线(ROC)对两种模型进行精度验证。结果表明,两种模型的评价结果均有较多滑坡点落在极高易发区,无滑坡点落在极低易发区,评价结果均有较高的准确率。其中,CF-SSA-RF模型的成功率和预测率曲线AUC值分别为0.994和0.940,高于CF-SSA-SVM模型;并以三处典型滑坡为例进行验证,结果显示易发性分区与历史滑坡点分布较为吻合。进一步表明CF-SSA-RF模型更适用于留坝县的滑坡易发性评价,为当地滑坡灾害风险评估提供了指导依据。     

随机模型对GPS网平差结果的影响

指出根据观测数据对随机模型验后估计的意义，介绍随机模型验后估计的理论和方法及GPS基线网平差的数学模型，研究用方差分量估计与非负估计方法对不同时段不同分区的方差协方差矩阵进行估计，以评定基线观测值的质量，同时研究它对参数估计的影响，算例的计算结果表明，方差分量估计正确与否对GPS网平差结果的影响可达6mm。因此，在GPS网平差中，合理估计方差分量并定权对改善平差结果具有积极意义。     

全站仪测量点位坐标的偏心改正

由界址点测量的特点和其高精度的要求可知,利用全站仪测定界址点的坐标是最有效的方法,但在观测时由于棱镜中心经常不能准确地放在界址点的铅垂线上,造成了界址点坐标测量的偏心。文中分析了界址点坐标偏心的各种类型、大小以及利用全站仪偏心测量功能加以改正的方法,并在实测中应用,取得了满意的结果。     

基于确定性系数与支持向量机的滑坡易发性评价

准确的滑坡易发性评价对防灾减灾具有重大意义。以略阳县为研究区,在确定性系数模型(certainty factor, CF)易发性分区的基础上,剔除极高和高易发区后选取非滑坡点,提取CF值为支持向量机模型(support vector machine, SVM)的输入值,采取灰狼优化算法得到最优参数建立CF-SVM模型对研究区进行预测,同时与随机选取的非滑坡点SVM模型进行对比。结果表明：CF-SVM模型在极高和高易发区涵盖了74.2%的历史滑坡点,且受试者特征工作曲线下的面积(area under receiver operating characteristic curve, AUC)达到0.95,均高于SVM模型,由此说明CF-SVM模型具有更高的准确率,并且证明了在CF模型基础上选取非滑坡点的可行性,可为该区域的风险管理提供科学依据。