基于逻辑回归的巫山县滑坡易发性区划研究

[目的]在已有文献研究基础上,构建基于逻辑回归的滑坡易发性评价模型,并与基于随机森林的模型进行分析比较,探讨出适用于三峡库区巫山县的滑坡易发性评价模型.[方法]选取地质条件、地形地貌、环境条件、人类工程活动等4方面影响下的22个因子作为滑坡易发性影响因子,根据研究区963处历史滑坡点,建立30 m×30 m栅格地理空间...     

基于GIS与改进层次分析法的奉节县滑坡易发性区划

【目的】对三峡库区典型县域重庆市奉节县进行滑坡易发性区划,为该县防灾减灾与城市规划工作提供理论依据。【方法】选取地形地貌、地质条件、环境条件、人类工程活动及诱发因素共5个方面影响下的16个因子作为滑坡易发性影响因子,结合研究区1 520个历史滑坡数据,构建地理空间数据库;在地理空间数据库中进一步利用改进后的层次分析法确定各影响因子权重,构建滑坡易发性模型,进行全域滑坡易发性仿真分析,并将结果划分为低、较低、中、较高、高共5种易发性等级。【结果】较高 高易发区历史滑坡数占滑坡总数的80.29%;区域仿真的受试者工作特征曲线的曲线下面积为0.764;90%新近滑坡点分布于滑坡易发性高 较高区域。【结论】基于改进后的层次分析法构建的滑坡易发性区划模型具有一定的准确性与预测能力。     

基于可解释性机器学习的丘陵缓坡地区滑坡易发性区划研究

【目的】提出一种基于随机森林与Permutation Importance、PDP和LIME结合的可解释性模型,对滑坡易发性区划进行全局和局部解释,旨为滑坡灾害精准防治与城市规划提供理论依据。【方法】以重庆市江津区为例,选取地形地貌、地质构造、气象水文、环境条件和人类活动共5个方面的21个因子,结合江津区899个历史滑坡点,建立30 m×30 m精度的栅格空间数据库,按照滑坡与非滑坡1∶1的比例选取899个非滑坡点,利用随机森林算法构建滑坡易发性模型,将结果分为极低、低、中、高、极高等5个易发性等级,探讨了随机森林模型在三峡库区滑坡易发性区划中的普适性,最后通过Permutation Importance, PDP, LIME方法研究随机森林模型的可解释性。【结果】滑坡高-极高易发区内滑坡点数占历史总滑坡点的71.3%,面积占区域总面积的20.42%,混淆矩阵准确率为0.968,全体数据集AUC值达0.962。通过模型解释可知地形起伏度、年平均降雨量、坡度是滑坡易发性区划中最重要的因子,且地形起伏度、坡度为正影响,当年平均降雨量小于1 300 mm时,对滑坡的发生也产生正影响。【结论】基于可解释性机器学习的滑坡易发性区划模型预测精度高,对滑坡的精准防治有重要的实践意义。     

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。     

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。     

权重线性组合与逻辑回归模型在滑坡易发性区划中的应用与比较

以贵州省为研究区对滑坡易发性进行研究,对预测方法进行比较.其步骤为:首先,选取年均降雨量、岩性、高程、坡向、地形地貌、坡度、至构造线距离、至水系距离、至铁路距离和至公路距离10项评价指标作为影响滑坡发生的致灾因子,分别采用主客观权重线性组合(WLC)模型及结合确定性系数的逻辑回归模型(LR)分析研究区内各致灾因子与滑坡发生的相关性并建立预测模型:其次,基于ArcGIS平台完成贵州省滑坡易发性区划图,结合历史滑坡分布,应用熵值法对2个模型的区划结果进行验证和比较.最后,从模型原理、运行环境和适用条件等方面对2个模型进行比较和讨论.研究结果表明:WLC模型和LR模型的熵权分别为0.255和0.745,表明逻辑回归模型(LR)的区划结果与实际的滑坡情况吻合度更高.     

随机森林赋权层次分析法的崩塌易发性评价

为确定一组合适的指标权重,通过提出随机森林(random forest, RF)模型与层次分析法(analytic hierarchy process, AHP)相结合的模型对不同指标进行客观赋权重,以区分不同指标对崩塌易发性的影响。该耦合模型利用RF模型计算出各指标的客观权重,作为层次分析法的初始权重来修正判断矩阵,最终获得各指标的综合权重。以陕西省绥德县为研究对象,通过分析大量文献及进行相关性分析后选取坡向、曲率、坡度、地貌、降雨量、距水系距离、地层岩性、距道路距离及归一化植被指数(normalized vegetation index, NDVI)9个影响因子作为评价指标,结合ArcGIS空间分析功能,采用RF模型、RF-AHP模型进行崩塌易发性评价,评价结果用受试者特征曲线(receiver operate curve, ROC)进行检验。结果表明:影响崩塌的9个评价指标中,距水系距离对其影响最大;崩塌高易发区呈线性分布在水系及道路附近;RF-AHP模型较RF模型的预测精度提高了4.5%。说明RF-AHP模型更适合此研究区的崩塌易发性评价,评价结果可为绥德县防灾减灾工作提供理论指导。     

基于支持向量机模型的滑坡危险性评价

以长安区为研究区,在分析研究区地质环境条件以及滑坡发育特征的基础上,选取12类因子作为评价指标,通过Spearman对各因子之间的相关性进行分析;分别采用线性核函数(LN)、多项式核函数(PL)、径向基核函数(RBF)、Sigmoid核函数下的支持向量机模型对研究区地质灾害危险性进行评价,利用ArcGIS软件生成最终的危险性评价结果图,将评价结果图划分为四个危险等级,分别为极高危险区、高危险区、中危险区、低危险区;不同核函数下的支持向量机模型经ROC曲线验证得到:RBF-SVM模型的预测精度最高,此核函数下的支持向量机模型更适应于该研究区滑坡灾害危险性评价中。研究结论可以为类似地质环境条件下区域地质灾害危险性评价模型的选取提供参考。     

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。     

信息量支持下的随机森林模型的崩塌易发性评价

地质灾害易发性评价作为预测地质灾害发生概率的重要手段被中外学者广泛应用.以陕西省神木市为研究区,在分析了研究区地质环境、人类活动与崩塌形成条件的基础上选取了高程、坡度、坡向、降雨量、距水系距离、距道路距离、岩性、地貌、曲率、归一化植被指数(normalized vegetation index,NDVI)10个影响因子...