基于SVM-LR模型的滑坡易发性评价——以临潼区为例

以临潼区作为研究区,在收集资料的基础上,选取12类影响因素作为评价因子,采用滑坡相对点密度分析滑坡点与评价因子的空间分布关系,通过Spearman对因子相关性进行分析,剔除地形起伏度因子;分别采用支持向量机模型(support vector machine,SVM)与逻辑回归模型(logistic regression,LR)对区内滑坡易发性进行评价,评价结果表明:SVM、LR模型的预测准确率分别为81. 8%、86. 4%。在此基础上,通过建立max{LSI(SVM)、LSI(LR)}函数,提出SVM-LR模型并用于研究区滑坡灾害易发性评价中。最后采用受试者特性曲线(receiver operate curve,ROC)对3种模型的预测精度进行检验与对比,检验结果表明:SVM-LR模型的成功率与预测率均高于SVM、LR模型,在极高易发区—高易发区内,滑坡灾害点所占百分率提高了2. 8%。研究结果可以为滑坡易发性评价提供一种新的思路。     

基于加权信息量模型的滑坡灾害易发性评价——以灞桥区为例

以灞桥区作为研究区,在查阅大量相关文献以及对区域地质环境条件、滑坡特征分析的基础上,选取坡度、坡向、高程、曲率、地形起伏度、地貌类型、地层岩性、断层距离、水系距离、降雨量、归一化植被指数(normalized difference vegetation index, NDVI)、道路距离12类影响因素作为评价因子。基于熵指数模型(index of entropy, IOE)与信息量模型(IV),提出一种新的加权信息量模型(WIV),分别将三种模型用于研究区滑坡灾害易发性评价中。借助ArcGIS软件计算得到整个研究区滑坡易发性指数,根据自然间断点法划分为5个易发等级区,分别为极低、低、中、高、极高易发区,生成最终的滑坡易发性区划图。最后采用ROC曲线对三种评价模型进行检验与比较,结果表明:IOE、IV、WIV三种模型的成功率曲线的训练精度分别为76%、84%、88%;预测率曲线的预测能力分别为72%、86%、90%,由此得出WIV模型较IOE、IV模型预测准确率更高。同时,对三种模型之间的独立性进行了检验,结果表明IOE模型与IV、WIV模型呈低相关度,IV模型与WIV模型呈显著相关。研究结果可为评价模型间的选取以及当地有关部门进行防灾减灾、工程部署以及土地利用规划提供参考。     

基于熵指数与逻辑回归耦合模型的滑坡灾害易发性评价—以蓝田县为例

以蓝田县作为研究区,选取高程、坡度、坡向、曲率、降雨量、距水系距离、地层岩性、距断层距离、距道路距离、归一化植被指数(normalized difference vegetation index, NDVI)共10类评价因子,分别采用皮尔森相关系数、方差膨胀因子、容忍度3种指标对评价因子之间的多重共线性问题进行分析。结果表明,各选取因子之间多重共线性较低,可以认为各因子相对独立。随后,采用频率比法分析各评价因子与滑坡灾害点之间的空间分布关系。分别利用熵指数(index of entropy,IOE)模型、逻辑回归(logistic regression, LR)模型以及两种模型耦合作用下的逻辑回归与熵指数耦合(integration of logistic regression and index of entropy,IOE-LR)模型对研究区滑坡易发性进行评价,得到各模型下的研究区滑坡灾害易发性区划图。最终采用接受者操作特性(receiver operating characterstic, ROC)曲线验证并比较了3种模型的性能。成功率曲线表明,IOE模型、LR模型、IOE-LR模型的ROC曲线下的面积(area under curve, AUC)分别为0.735、0.742和0.805;预测率曲线表明,IOE模型、LR模型、IOE-LR模型的ROC曲线下的面积AUC分别为0.732、0.785和0.830,其中IOE-LR模型均具有最高的准确率。生成的滑坡易发性区划图可以为蓝田县政府合理解决土地利用规划问题以及减轻滑坡风险提供有效参考。     

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。     

基于Logistic回归模型的芦山震后滑坡易发性评价

地震导致山体结构失衡,物质松动,在降雨条件下,滑坡等次生地质灾害极易发生。以"4.20"芦山地震区为研究对象,基于遥感(RS)和地理信息系统技术(GIS),以坡度、起伏度、土地类型、断层的距离、地震动的峰值加速度为评价因子,采用Logistic回归方法构建评价模型评估了研究区滑坡易发性,并通过受试者工作特征曲线(ROC)检验模型的效果。通过对421个滑坡灾害点的回归分析得出断层的距离、地震动的峰值加速度对滑坡的发生贡献最大,研究区域46.63%的地区滑坡极易发生。ROC曲线的线下面积(AUC)为0.772,验证结果显示评价结果与实际情况吻合。     

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。     

基于BP神经网络模型的滑坡易发性评价方法

滑坡是中国频发的地质灾害,滑坡的易发性评价涉及多种影响因素,如何利用多影响因素进行精确、有效的滑坡易发性评价是滑坡减灾防灾工作的重点和前提。为探讨基于反向传播(back propagation, BP)神经网络模型的不同滑坡易发性评价方法的适用性,以川西蒲江县为研究区,通过实地调查与编录,筛选地质、地貌、环境等12类影响因子,分析各影响因子与滑坡的相关性,确定影响因子的权重大小,构建BP神经网络模型,完成因子权重法和栅格赋值法的滑坡易发性评价图编制和精度评价。结果显示：研究区筛选的12类滑坡影响因子不存在线性相关,坡度、地形湿度指数(topographic wetness index, TWI)和距道路距离对区内滑坡发育影响明显,利用滑坡影响因子构建的BP神经网络模型可对滑坡易发性进行有效的定量评价。综合现场调查与接收者操作特征(receiver operating characteristic, ROC)曲线精度分析,结果表明：基于BP神经网络模型的栅格赋值法和因子权重法曲线下面积(area under curve, AUC)分别为0.86和0.798,栅格赋值法评价精度优于因子权重...     

基于粗糙集理论的滑坡易发性评价——以三峡库区秭归县境内为例

以滑坡灾害突出的三峡库区秭归县境内为研究区,利用粗糙集理论将20个初始评价因子进行属性约简至12个核心评价因子,并对其组成的决策表进行知识挖掘获得滑坡与评价因子之间的规则集合.利用知识规则集合对决策表进行分类,得到以斜坡单元为基础的滑坡易发性图.研究结果表明:滑坡易发区面积占研究区总面积的21.7％,主要分布在斜坡结构为顺向坡,地层岩性为软岩、软硬相间岩,以及靠近水系及公路开挖的区域.粗糙集方法的预测精度为87％,其预测能力较KNN算法和Logistic模型的优.粗糙集理论是一种行之有效的区域滑坡易发性评价方法.     

基于信息量-随机森林模型的地震带地质灾害易发性评价：以松潘-较场地震带为例

地震会引起地表振动及破坏,同时加大滑坡、崩塌、泥石流等次生灾害的发生概率,对位于地震带区域城市进行地质灾害易发性预测,是地质灾害防治的有效措施。为了探究地震带区域地质发育程度对地质灾害的影响,以松潘-较场典型地震带的平武县为例,从地形地貌特征、地层地质条件、气象水文、地震带发育特征、土壤植被、人类工程活动影响六个方面选取地质灾害的诱发因子,采用信息量模型、信息量-AHP和信息量-随机森林(RF)三种评价模型对平武县地质灾害进行易发性评价,结果表明信息量-RF模型的对比分析结果优于其他两种模型,ROC曲线精度评估信息量-RF模型的AUC值(0.991)高于信息量模型(0.931)和信息量-AHP模型(0.920),说明基于信息量耦合随机森林的综合易发性评价模型更适用于地震带地区的地质灾害易发性评价,具有良好的预测精度。     

基于信息量和逻辑回归耦合模型的滑坡易发性评价

目前,滑坡易发性评价大多只采用单一模型进行研究,而单一模型存在缺陷,如只采用信息量模型则不能反映各因子对滑坡发生的权重。通过将两个模型进行耦合分析可以很好地发挥各模型的优点和弥补各模型的不足,从而达到模型优化的目的。针对滑坡易发性常用的信息量模型和逻辑回归模型,提出信息量-逻辑回归耦合模型。以江西省宁都地区为例,获取研究区共297个滑坡,提取高程、坡向、坡度、平面曲率、剖面曲率、地形起伏度、距水系距离、岩性、植被覆盖率、地表建筑物指数共10个因子建立评价指标体系,再分别采用上述3个模型开展易发性评价,最后采用预测率曲线(the prediction rate curve, ROC)评价各模型精度。结果表明:信息量模型、逻辑回归模型和信息量-逻辑回归耦合模型预测率曲线与坐标轴围成的面积(area under ROC, AUC)值分别为0.838、0.864和0.876,可见信息量-逻辑回归耦合模型的评价精度更高,建模更为合理。研究区内滑坡主要沿水系两侧分布,高程和岩性对滑坡的发生起主要作用。     

基于斜坡单元的滑坡易发性评价 ——以易贡地区为例

滑坡易发性评价对于滑坡的预测与管理具有重要意义.以往的滑坡易发性评价多基于像素信息进行评价,难以与地质环境相联系.选用以山脊线和山谷线所构成的斜坡单元为评价单元,选取坡度、地形起伏度、地层岩性、多年平均降雨量、河流距离和植被指数等6个指标作为评价因子,建立易发性评价模型,将研究区划分为不易发区、低易发区、中易发区和高易发区,利用研究区内已知滑坡进行验证.结果表明,有21处滑坡位于高易发区,9处位于中易发区,正确率达88%,与实际情况相符.此次评价结果具有较高可信度,为指导滑坡灾害防治工作提供了重要的信息和依据.     

基于支持向量机的滑坡易发性评价

应用支持向量机算法对湖南省靖州县的滑坡易发性进行评价.首先,通过实地调查、卫片判译及滑坡历史记录,共发现滑坡102处及非滑坡点100处,随机用70％数据来训练模型,30％数据来验证模型;其次,选取坡度、坡向、高度、河流距离、断层距离、公路距离、土地利用和人类活动强度8个地质灾害影响因子作为地质灾害易发性评价指标;然后,...     

基于证据权和支持向量机模型的威信县滑坡易发性评价

滑坡易发性评价研究对滑坡灾害防治具有重要意义。多模型耦合在滑坡易发性评价中运用广泛,但将(Weight of evidence,WOE)和支持向量机模型(Support Vector Machine,SVM)模型耦合进行滑坡易发性评价研究较少。以滇东北山区威信县为研究区,选取坡度等12个滑坡评价因子建立滑坡易发性评价指标体系,根据证据权计算得到证据权对比度、滑坡栅格占比和分级栅格占比,对指标因子进行分级,构建WOE-SVM模型计算得到滑坡易发性指数(Landslide susceptibility index,LSI),利用GIS平台得到研究区易发性分级图。结果表明：滑坡极高和高易发区主要分布河流流域和人类工程活动频繁区域,SVM和WOE-SVM模型评价结果与滑坡空间位置分布基本一致,但耦合模型精度高于单一SVM模型,其评价结果也更加合理有效,可为当地滑坡灾害的治理与预防提供一定参考价值。     

基于极端梯度提升算法的滑坡易发性评价模型

机器学习用于地质灾害的易发性评价分析是当前研究的热点之一,不同的学习模型其效果不尽相同。为合理有效地评价滑坡地质灾害的易发性,依托浙江省温州市飞云江流域地质灾害的调查数据,应用地理信息系统（Geographic Information System,GIS）技术提取坡度、坡向、坡形、地表覆盖、地形湿度指数（Topographic Wetness Index,TWI）、极端小时降雨量、内摩擦角、黏聚力、容重与风化层厚度10个滑坡致灾因子,基于极端梯度提升算法（eXtreme Gradient Boosting,XGBoost）构建模型用于滑坡地质灾害的易发性多分类评价。模型结果通过多分类混淆矩阵进行评价,并与支持向量机（Support Vector Machine,SVM）模型进行精度比对分析。研究结果显示,训练后的XGBoost 算法模型对测试集中极高易发区识别的召回率和精确率分别达到了97.92%和98.06%,F1值达到97.99%,均优于SVM,可为研究地区的滑塌地质灾害易发性评价提供模型支持。     

基于不同因子分级的滑坡易发性区划对比——以万州区为例

[目的]基于滑坡点属性与研究区全域点属性作为分类基础数据,对位于三峡库区的万州区滑坡易发性区划对比研究.[方法]选取高程、多年平均降雨量、地表切割深度、坡向、距道路距离、坡度、POI核密度、倾坡类型、岩性、归一化植被指数、曲率、地形起伏度、地形湿度指数等13个因子作为影响因子,分别对滑坡点属性与研究区全域点属性使用 自然断点法进行因子分类,并通过两种分类结果构建模型预测研究区内滑坡易发程度的空间分布情况.[结果]以研究区全域点属性作为分类数据对应的曲线下面积(Area under curve,AUC)值为0.79,对应的模型测试集最高精度为0.755;以滑坡点属性作为分类数据对应的AUC值为0.85,对应的模型测试集最高精度为0.779;高程、地表切割深度和多年平均降雨量的重要性位于前3位,对滑坡的发生有较大影响.[结论]采用滑坡点属性确定因子分类标准建立的随机森林模型精确性和预测能力更优,可对万州区的滑坡灾害危险管理和影响因子分级研究提供参考.     

基于RF和SVM模型的东川泥石流易发性评价研究

泥石流具有很大的破坏力,尤其是在山区,严重威胁着人民的生命财产安全,因此研究山区泥石流易发性评价对国土空间规划、防灾减灾及制定合理的泥石流防治措施等具有重要意义.以泥石流多发地东川区为例,采用随机森林(RF)、支持向量机(SVM)两种机器学习算法,以流域单元作为评价单元,在识别泥石流点的基础上,选取15个指标因子构建山...     

基于逻辑回归树和旋转森林模型的滑坡易发性评价

为进一步探索集成模型在滑坡易发性评价中的适用性,以陕西省汉中市汉台区为例,结合相关资料与野外调查圈定40处滑坡,通过地质类、水文类、人类工程活动类中选取12个影响因子构建逻辑回归树(logistic model tree, LMT)和旋转森林(rotation forest, ROF)模型,分别生成滑坡易发性分区图,采用ROC(receiver operating characteristic)曲线进行模型精度验证与比较。结果表明,研究区滑坡受地形地貌、平面曲率与岩土体类型影响最大;两种模型预测率均较高,易发性等级分区结果与历史滑坡位置分布趋势基本一致;ROF模型的训练集正确率和验证集预测率分别为77.4%和93.1%,高于LMT模型的75.5%和84.0%;ROF模型滑坡极高易发区频率比为6.52,多于LMT模型(2.07),可见ROF模型对研究区滑坡易发性更加敏感,预测结果可靠度高;本文ROF模型滑坡易发性分区结果可为后期研究区防灾减灾与土地规划提供依据。     

考虑最优影响因素组合的滑坡易发性评价——以水城区为例

当前滑坡易发性研究较少考虑不同影响因素组合对模型预测精度的影响。为此,提出了一种考虑最优影响因素组合的滑坡易发性评价模型。以贵州省六盘水市水城区为研究区域,基于该区域滑坡发育的工程地质条件和外界诱发因素,筛选坡度、坡向、曲率、归一化植被指数(normalized difference vegetation index, NDVI)、地层岩性、距断层距离、距水系距离、年平均降雨量、距道路距离和土地利用共10个环境因子作为该区域的滑坡影响因素,然后结合交叉验证和随机森林算法建立考虑最优因素组合的滑坡易发性评价模型;最后,将所提模型的预测准确率与传统诱发因素组合的模型进行对比分析。结果表明：考虑影响因素组合的模型曲线下面积(area under curve, AUC)为0.780,具有较好的预测能力;所提模型预测精度优于传统诱发因素组合模型。     

改进AHP和TOPSIS法在滑坡灾害易发性评价中的应用——以贵州毕节地区为例

滑坡易发性评价是一个涉及多种因素、多个目标的复杂问题,一些关键性指标数据不易采集,量化方面也存在尺度不一、标准不同的现象.本次研究采用改进的AHP法,建立滑坡灾害易发性评价矩阵;通过改进的TOPSIS法,引入卡方检验思想,研究了贵州毕节地区的滑坡灾害易发性,比较8个评价单元与最优方案(最易发等级)的贴近度,编制了该地滑坡灾害易发性等级图.研究结果显示,滑坡灾害极易发区包括毕节市(C毕节=0.110 8)、纳雍县(C纳雍=0.124 2);高易发区包括赫章县(C赫章=0.097 2)、黔西县(C黔西=0.077 6);中易发区包括织金县(C织金 =0.041 9)、大方县(C大方=0.034 4)和金沙县(C金沙 =0.055 7);低易发区为威宁县(C威宁=0.027 1).研究结果与历史灾害统计数据较为吻合;将AHP和TOPSIS法组合应用于滑坡灾害易发性评价属于新的尝试,与传统算法相比,该组合法计算更加简便,评价结果较为准确.     

基于频率比-随机森林模型的滑坡易发性评价

本文以陕西省洋县为研究区,通过搜集资料、实地调查获得研究区滑坡分布状况。结合研究区地质环境特征与前人研究经验,初步选取海拔、坡度、坡向、地形起伏度、曲率、距水系距离、距道路距离、降雨量及岩土体类型,共九种滑坡影响因子展开滑坡易发性研究。首先,采用皮尔森相关系数法对各因子间的相关性进行分析。其次,按照70/30的比例将滑坡数据随机划分为模型训练集与模型验证集。然后,采用模型训练集对频率比模型(FR)、随机森林模型(RF)及两者的耦合模型(FR-RF)进行训练,利用模型验证集对模型训练结果进行检验,并绘制ROC曲线。最后,利用验证后的模型绘制研究区滑坡易发性分区图。结果表明：(1)所选取的9个滑坡影响因子是相互独立的;(2)本研究所采用的三个模型均表现良好,其中FR-RF模型预测准确度最高(0.901),其次为RF模型(0.863),最后为FR(0.833);(3)本研究所绘制的滑坡易发性分区图可为当地政府制定土地利用规划、预防滑坡等方案提供参考借鉴。