基于K-PSO聚类算法和熵值法的滑坡敏感性

引入K-PSO聚类算法和熵值法,建立滑坡敏感性分析模型.选取旭龙水电站库区22处典型滑坡作为研究对象,确定8个主要影响因子:岩体结构、斜坡结构、断层距离、变形迹象、坡体高度、平均坡度、诱发地震、淹没比例.利用熵值法确定影响因子权重值分别为0.152,0.178,0.035,0.106,0.106,0.169,0.193和0.061.采用K-PSO算法对滑坡进行敏感性划分,结果表明,该库区22处滑坡有8处为轻度敏感,9处为中度敏感,4处为重度敏感和1处极度敏感.将评价结果与现场实际调查情况对比分析知,22处滑坡的敏感度水平与现场实际发育情况具有较好的一致性,该方法对旭龙水电站库区滑坡敏感性评价具有良好的指导作用.     

“5.12汶川地震”映秀极震区地震滑坡编目分析

2008年汶川5.12地震触发了大量滑坡,这些滑坡所造成的损失甚至超过地震本身。系统的滑坡编目是进行滑坡研究的基础技术手段,能为滑坡量化研究提供有效数据。映秀极震区是地震滑坡分布较为集中的区域。基于高精度卫星和航拍影像遥感和现场调查,获得映秀极震区约109.3km 2范围内共1948处地震滑坡的位置、类型及其基本几何特征,并利用GIS软件建立了地震滑坡编目数据库。在此基础上,将地震滑坡编目数据同坡向、坡角、距山脊距离、地质单元与岩性、震中距、距发震断裂距离等环境因子进行叠置分析。分析结果表明：编目区内地震滑坡多分布在坡角为30°～50°的区域,其密度与坡度有较强的正相关性;山脊附近区域的地震滑坡密度较大,说明这些区域对地震波的放大效应是造成坡体破坏的重要原因;彭灌杂岩体区的地震滑坡发育程度比沉积岩区高;震中距、距发震断裂距离与地震滑坡密度呈单指数负相关关系,与已有研究成果具有较好吻合度,且发震断裂上盘地震滑坡发育程度高于下盘。     

三峡库区缓倾红层滑坡成因机理及体积预测研究

以三峡库区9个县(区)30个缓倾红层滑坡为工程实例背景,在总结区域地质条件的基础上,利用数量化理论Ⅲ和优化支持向量机构建滑坡体积预测模型,开展了库区滑坡成因机理研究.结果表明,三峡库区缓倾红层滑坡的成因较为复杂,且滑坡体积的主要影响因素为倾角、物质组成、高差和平均厚度,次要因素为岩性、斜坡坡度和斜坡类型,一般因素为分布...     

基于多元回归数学分析模型某区域内斜坡稳定性研究

基于多元回归数学分析模型对某县城区域内30个滑坡的稳定性进行分析,得出影响斜坡稳定性的最主要因素和该区域的多元回归数学分析模型。此方法对该县城区域斜坡的研究结果表明,得出的回归方程回归效果显著。多元回归分析方法可以用于斜坡稳定性的初步分级,并且方法简单、灵活、成本低,是规划阶段斜坡稳定性评价的有效方法之一。     

川滇地区典型强震诱发滑坡分布对比研究

近年来,川滇地区相继发生了2008年汶川M_s 8.0级地震、2013年芦山M_s 7.0级地震、2014年鲁甸M_s 6.5级地震以及2017年九寨沟M_s7.0级地震,4次地震均引发了大量的地震滑坡灾害。通过统计分析,从地震、地形地貌和地质3个大类因素中,选取地面峰值加速度(ground peak acceleration, PGA)、地震烈度、距断层距离、地层岩性、高程、坡度、坡向7个因子,对比分析此4次强震诱发滑坡分布规律。研究发现它们存在共性特征：(1)4次地震均呈现出滑坡分布(数量和密度)与PGA和震级的正相关关系;(2)地质地貌越复杂地区(沟谷发育、坡降大)滑坡数量越多;(3)滑坡分布最大距离随地震震级增加而增加。此外,也发现了差异性特征：(1)在最大影响距离0.2倍的近断层区域,汶川地震滑坡占76%,而其他3次地震仅占27%;(2)滑坡在相对软弱地层(第四系地层、软层等)分布数量反而较硬岩区滑坡分布最少。针对差异性,从发震断裂性质、震级、地层岩性、地震烈度、断层错动方向讨论了成因。     

白龙江流域斜坡坡向滑坡贡献率研究

以数据库中259起发生在白龙江流域内的大型滑坡案例为研究对象,利用贡献率权重法,对研究区内不同坡向斜坡的滑坡贡献程度展开分析评价.结果表明,利用贡献率权重法对不同坡向滑坡贡献程度进行评价,可以从宏观上准确反映其滑坡灾害的敏感性和滑坡发育规律.斜坡坡向为NE,W,SE时,滑坡贡献程度高,贡献率之和为58.9%,极易发生大型岩质滑坡.斜坡坡向为N,S,SW时,滑坡贡献程度低,贡献率之和仅为15.08%,大型岩质滑坡较不发育.地震作用、区域构造条件和科里奥利力的影响对流域内不同斜坡坡向的滑坡贡献率起主控作用.     

裂缝对灌溉诱发黄土滑坡的影响——以陕西省泾阳南塬为例

泾阳南塬裂缝洞穴很发育,加之当地居民为了提高农业产量一般都采取漫灌方式浇地,这导致了南塬黄土滑坡频繁发生,给当地造成了很大的经济损失,甚至人员伤亡,因此研究裂缝对黄土滑坡的影响有很重要的实际意义。通过现场灌溉试验、地下水位测量和黄土的基本物理力学性质试验,基于非饱和土渗流和强度理论,采用简化Bishop方法,计算黄土斜坡的稳定性。结果表明:南塬塬下在4～5月地下水位最高,平均在地面以下10. 73 m,2015年内变化幅度约为5. 0 m;塬上地下水位埋深约为31. 60 m,年变化幅度较小。农田灌溉水位高出地面约5. 0 cm,历时约100 min。在缝深小于9. 26 m时、距离塬边50 m范围内不灌溉和高的地下水位情况下,裂缝塬边距小于20 m时,泾阳南塬斜坡稳定安全系数随着裂缝塬边距的增加而减小,随着裂缝深度增加而减小;当塬边距大于20 m时,稳定安全系数随着裂缝塬边距和裂缝深度的变化较小,黄土斜坡均处于不稳定状态或者极限平衡状态。得出了保持黄土斜坡稳定时裂缝深度、裂缝位置的临界状态线。当处于状态线以内时,斜坡稳定;否则,不稳定。1976年以前的斜坡稳定性结果验证了以前南塬很少发生滑坡的现象。高的地下水位下,距塬边50 m外灌溉还是不能保证斜坡稳定性。     

2010年海地太子港地震触发滑坡危险性区划和合理性检验

 2010年1月12日海地M_w 7.0级地震触发了数以万计的滑坡。本文应用二元统计分析模型、地理信息系统与遥感技术,开展海地地震区滑坡危险性区划研究,并对结果合理性及模型预测功能进行检验。地震前后多源高分辨率遥感数据目视解译结果表明,海地地震触发了30828处滑坡。选择高程、坡度、坡向、曲率、与水系距离、地震动峰值加速度(PGA)、与恩里基约－芭蕉园断裂距离、沿恩里基约－芭蕉园断裂距离8个地震滑坡影响因子进行海地地震滑坡危险性区划。将这30828处滑坡随机分为训练样本与预测样本两类,分别进行模型的建立与测试,训练样本包括滑坡总数的70%(21579处滑坡,覆盖面积为11.18km²);预测样本包括滑坡总数的30%(9249处滑坡,覆盖面积为4.56km²)。基于滑坡训练样本、8个滑坡影响因子、权重系数模型(二元统计方法模型)和GIS技术,构建了滑坡危险性概率分布图。结果合理性检验表明了模型的正确率为84.966%,预测率为84.547%,两者都表明了实际滑坡位置与滑坡危险性结果图具有良好一致性。按照滑坡危险性索引值的大小,将研究区分为非常高、高、中等、低、非常低5类。本文证明了在地震滑坡危险性区划中,权重系数模型作为一种二元统计方法具有良好的建模与预测能力,可为海地地震灾区恢复重建中滑坡的防灾减灾工作提供参考。     

基于卷积神经网络模型的区域滑坡敏感性评价——以川藏铁路沿线为例

在遥感解译、野外调查及前人研究的基础上,基于共线性诊断与极端随机数算法对13个影响因子的相关性和重要性进行评估,运用一维卷积神经网络构建川藏铁路沿线滑坡敏感性评价模型,使用受试者工作特征（ROC)曲线进行精度验证.结果表明,影响该区滑坡发育的主控因子为距河流距离、道路与断层的距离以及岩性,敏感性极低、低、中、高、极高的面积分别占总面积的66.30%、10.98%、7.55%、6.91%和8.26%.敏感性高的区域主要分布在河流、道路两侧和断层发育的区域;全线滑坡敏感性高低呈分段式分布,在山南-朗县段、波密-理塘段最为严重;一维卷积神经网络的ROC曲线下覆盖的面积为0.958,能有效地进行该区域的滑坡敏感性评价.     

基于小生境遗传算法的支持向量机分类器参数优化

该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法.该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法.将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构.     

1976年龙陵地震诱发滑坡的影响因子敏感性分析

基于前人的研究和龙陵地震滑坡的调查资料,选取了地层岩性、断裂、地震烈度、震中距、地形坡度、坡向、高程、水系等8个因子作为1976年龙陵地震诱发滑坡的影响因子。利用GIS强大的空间分析能力,结合滑坡确定性系数(CF)的方法,对1976年龙陵地震诱发滑坡的诸影响因子进行敏感性分析,确定了该区域内各因子最利于地震滑坡发育的数值区间,为进一步区域地震滑坡稳定性评价奠定基础。     

1976年龙陵地震诱发滑坡的影响因子敏感性分析

基于前人的研究和龙陵地震滑坡的调查资料,选取了地层岩性、断裂、地震烈度、震中距、地形坡度、坡向、高程、水系等8个因子作为1976年龙陵地震诱发滑坡的影响因子。利用GIS强大的空间分析能力,结合滑坡确定性系数(CF)的方法,对1976年龙陵地震诱发滑坡的诸影响因子进行敏感性分析,确定了该区域内各因子最利于地震滑坡发育的数值区间,为进一步区域地震滑坡稳定性评价奠定基础。     

玉树地震滑坡影响因子敏感性分析

 2010年玉树地震触发了2036处滑坡,总面积为1.194km²。采用滑坡面积百分比(LAP)与滑坡点密度(LND)两个指标对地震滑坡影响因子进行敏感性分析,这些因子包括地震因子(震中、宏观震中、地表破裂、地震动峰值加速度、同震位移),地形因子(高程、坡度、坡向、曲率、坡位、水系),地质因子(岩性、断裂),其他因子(公路、归一化植被指数)。结果表明,(1) 距地表破裂越近,滑坡越易发生;除个别分级异常外,距宏观震中越近、同震位移越大,滑坡越易发生;滑坡易发程度与震中、PGA的关系不显著。(2) 坡度越大,滑坡易发程度越高;滑坡的易发高程区间为<4km;易发坡向为北东、东、南东;除平坡外,坡位越低,滑坡越容易发生;距离水系越近,滑坡越易发生;曲率与滑坡对应关系表现出坡面凸凹不平的容易发生滑坡,坡面光滑的不容易发生滑坡。(3) 易发地层是Q₄^al-pl (湖沼淤泥和泥炭沉积)、N(石英细砂岩,底部为角砾岩)、T₃kn¹(灰色长石砂岩、长石石英砂岩夹粉砂岩、板岩、灰岩);滑坡发生与断裂的关系不明显。(4) 越靠近公路,滑坡越容易发生;植被覆盖越少,滑坡越易发生。     

基于机器学习混合模型的滑坡易发性评价

安康市汉滨区地质环境脆弱,滑坡频发对当地居民生命财产安全造成严重威胁,针对该区域进行滑坡易发性评价是滑坡防治的有效措施。自适应提升模型和随机森林模型作为新颖的集成学习方法被应用至中外滑坡易发性评价研究中,但基于两者的混合模型在滑坡易发性中的应用研究尚未开展。为对比混合模型与单一模型的滑坡易发性评价精度,根据地质灾害详查资料圈定509处滑坡,结合研究区地质环境背景,选取高程、坡度、坡向、年均降雨量、地层岩性等13类因子进行评价。受试者工作特性曲线(receiver operating characteristic curve, ROC)结果表明,同单一模型相比,混合模型的训练集正确率和验证集预测率均为最高;混合模型的高易发区滑坡密度达到1.94,高于随机森林(1.86)和自适应提升模型(1.68);通过区内三处历史滑坡进行验证,结果显示区划结果与滑坡分布相吻合,说明自适应提升-随机森林混合模型可作为滑坡易发性评价的新方法,其区划结果可为滑坡防治与土地利用规划提供借鉴。     

相关向量机及其在铜锍吹炼中的应用研究

相关向量机(Relevance Vector Machine,RVM)是一种新的在稀疏贝叶斯概率模型的基础上发展起来的基于统计学习理论的机器学习方法,它比支持向量机( Support Vector Machine,SVM)有更多优点,已成为数据挖掘的又一高效有力工具.本文研究了RVM在铜锍吹炼中的应用.用RVM对某冶炼...     

非完整滑坡编目三参数反Gamma概率分布模型

中国5.12地震震级高,震源浅,于震区内触发了大量滑坡。为了研究地震滑坡的概率分布特征,对四川映秀极震区(约109.3 km2)地震滑坡进行系统编目,该编目属非完整滑坡编目。利用该编目建立三参数反Gamma概率分布模型,其拟合参数分别为b=1.11,a=2.17×10-3 km2及s=-3.925×10-4 km2。基于该模型对编目区内滑坡面积均值、总面积及最大滑坡面积进行计算,并引入滑坡标度及建立指数修正函数分别对5.12四川汶川地震触发滑坡总数及滑坡总面积进行预测,同时建议模型建立原则。研究结果表明:模型的幂律衰减参数值与已有研究结果相近;模型对编目区内滑坡面积均值、总面积及最大滑坡面积的计算结果与实测值之间的相对误差均为10%左右;模型对5.12汶川地震触发滑坡总数及滑坡总面积的预测结果均与已有研究结果比较接近。     

The spatial distribution pattern of landslides triggered by the 20 April 2013 Lushan earthquake of China and its implication to identification of the seismogenic fault

After the 20 April 2013 Lushan MS6.6 earthquake occurred,investigation and identification of the seismogenic fault for this event have become a focused and debatable issue.This work prepared an initial landslide inventory map related to the Lushan earthquake based on field investigations and visual interpretation of high-resolution aerial photographs and provided evidence for solving the issue aforementioned.The analysis of three landslide-density profiles perpendicular to strike direction of the probable seismogenic fault shows that many landslides occurred on the footwall of the Shuangshi–Dachuan fault(SDF),without sudden change of landslide density near the fault.Very few landslides were detected near the Dayi fault(DF)and also no change of landslide density there.While obvious sudden change of landslide density appeared about 1–2 km from the northwest to the western Shangli fault(WSF),and the landslide density on the hanging wall of the fault is obviously higher than that of on the footwall.Therefore,we infer that the seismogenic fault for the Lushan earthquake is neither the SDF nor the DF,rather probably the WSF located between these two faults,which is an evident linear trace on the earth surface.Meanwhile,the coseismic slip did not propagate upward to the ground,implying the Lushan earthquake was spawned by a blind-thrust-fault beneath the WSF.     

滑坡编目的空间数据分析及实例应用

结合滑坡环境因素处理的一些重点问题,对滑坡编目典型空间数据集进行了分析.在滑坡编目空间数据集分析基础上,利用GRASS GIS软件对汶川5.12地震映秀极震区地震滑坡作了编目,获得了编目区内的滑坡类型、分布、几何特征信息及滑坡概率密度与滑坡面积之间的关系.该滑坡编目实例表明利用各类空间数据集和3S技术可快速进行区域性滑坡编目.