融合多源异构数据的滑坡变形阶段智能判识方法

针对滑坡体不同变形阶段的监测数据样本不均衡,样本扩充量的限定研究较少以及判识模型准确率较低等现实问题,该文提出了一种少数类样本全局扩充量测算方法以及将分类结果混淆矩阵与GSA相结合的基于遗传的多分类样本合成方法MCGSA,可避免产生大量的合成样本,且有效解决了样本不均衡问题;其次借助堆栈泛化思想以及具有较强知识挖掘能力的机器学习模型,结合滑坡体的多源异构监测数据,构建了基于stacking的滑坡变形阶段智能判识模型;最后将该模型应用在多个滑坡隐患点上进行现场实验测试,并进行了对比实验分析,分析结果显示该判识模型的准确率可达89%,F1宏平均值达到了74%。模型的判识结果可为区域内滑坡隐患点的预警信息发布提供辅助决策。     

基于SVM⁃RF的泥石流窗口坝闭塞度判别研究∗

为了研究野外泥石流防治工程中窗口坝的开口闭塞类别,基于量纲分析理论,以室内水槽试验模拟实际工程,分析模型试验与实际工程的相关物理量及对应的相似准数;引入支持向量机和随机森林分类模型,在开源机器学习工具Scikit-Learn中,采用python编程实现算法;以室内水槽试验数据作为支持向量机和随机森林的训练样本,进行机器学习得到分类模型,提出一种用于判别泥石流窗口坝闭塞类型的新方法;将测试结果与经验公式中闭塞度判别值F的分类结果进行正确率对比,结果表明,F值的分类准确率为88%,而支持向量机为92%,随机森林为94%,随机森林分类效果最好,机器学习理论为泥石流窗口坝在实践中的设计提供了新思路。     

基于多普勒天气雷达体扫资料的下击暴流预警方法研究

本文利用新一代多普勒天气雷达体扫数据、自动气象探空站和地面大风测站资料,对2009-2013年湖北省大风天气过程的风暴特征量进行相关统计分析,通过云模型和支持向量机(SVM)等方法确定了包含环境、反射率和径向速度特征的9个下击暴流雷达预警指标。基于已确定的预警指标,分别利用Bayes和BP神经网络两种方法建立了下击暴流预报模型,通过识别结果检验表明,两种算法均能有效区分大风与非大风。Bayes方法大风击中率(POD)可以达到81.8%,大风和非大风预报准确率为86.7%,虚警率(FAR)和失误率(FOM)分别为5.2%和18.1%,TS评分0.77; BP神经网络非线性预报方法对大风的识别准确率为84%。进一步证明了提出的下击暴流雷达指标的可预报性和实用性。     

中国区域降水过程综合强度评估方法研究及应用

在现代化气象服务业务中,经常需要对某区域在一定时段内发生的降水过程综合强度大小进行定量评估或预估。为满足此类服务需求,利用1960-2009年1789个气象观测站的逐日降水资料,统计分析了中国区域降水的时空分布特征、暴雨孕灾环境的脆弱性及气象服务需求等,将中国分为4个暴雨灾害敏感区;基于降水影响对降水过程进行定义,并分析给出了降水强度、覆盖范围、降水持续时间3个降水过程综合强度的评估指标;通过提取分析对4个暴雨灾害敏感类区造成一定影响的历史降水过程,以3个评估指标指数划分为基础,建立了降水过程综合强度等级划分评估模型,界定特强、强、较强、中等4个强度降水过程的划分标准。最后,应用2010-2012年降水资料对该评估模型进行了应用检验。检验结果表明:运用该模型,可以对中国范围内任意区域降雨过程综合强度大小进行快速定量评估和预估,也可为历史降雨过程案例入库及演变特征研究提供科学依据,以提高气象业务中相关服务的时效性和科学支撑能力。     

陕西省延安市地质灾害气象预警信息系统研究——以“7.3”暴雨为例

基于降雨在黄土地质灾害发生过程中的关键作用,在集成地质、地理等基础数据,以及降雨等实时数据的基础上,设计并开发了延安市地质灾害气象预警系统。以Client/Server和Browser/Server模式建立系统的框架,利用信息量模型进行延安市地质灾害易发分区评价,设定三类降雨预警指标实现延安市地质灾害气象预警分级系统,应用系统的预警分析模块计算全区气象预警级别,并发布预警信息。经2013年"7.3"暴雨过程期间进行的汛期灾害调查结果验证分析,预警准确率达到94.3%,证明了系统的可靠性和准确性,该系统可作为合适的地市级地质灾害预警平台予以应用。     

黑龙江省杨树烂皮病气象预报模型的适应性分析

在构建东北地区杨树烂皮病发生发展气象适宜度预报模型的基础上,选取黑龙江省西部地区5个试验点,以1972-1974年当地杨树烂皮病观测记录为标准,对该模型进行局部地区应用试验.结果表明:仅利用当地气象观测站的气象数据进行气象适宜度等级预报的准确率比较低,总体预报准确率仅为38 07％,而对气象要素进行空间插值能把预报准确率提高到72.16％.此研究可为黑龙江省气象部门进行杨树烂皮病的气象适宜度预报提供技术参考.     

基于逻辑回归的地震滑坡易发性评价——以汶川地震、鲁甸地震为例

准确评估地震诱发的滑坡风险,并及时绘制滑坡易发风险图是灾害应急救援的科学前提和理论基础。目前机器学习在滑坡敏感性评估中具有广泛应用,但大多数研究缺乏对模型的普适性探讨,且该类预测模型缺乏定量评价地震动参数对模型精度的影响。该文以2008年5月12日的汶川8级地震和2014年8月3日的鲁甸6.5级地震为例,先通过相关系数及方差膨胀因子选择地震滑坡的影响因子构建数据库,并随机按照7∶3的比例分为训练集和测试集,再分析影响因子在滑坡和非滑坡样本中的频数分布,最后分别利用两次地震的训练集建立逻辑回归模型(Logistic Regression, LR)进行精度验证和易发性评估。结果显示模型在同一次地震的测试集下均达到较高的预测精度(>90%);但是基于汶川地震构建的模型对鲁甸地震诱发滑坡的预测精度整体下降了14%。此外,地震动参数(Modified Mercalli Intensity Scale, MMI)对模型预测精度贡献在5%~29%。结果表明基于历史地震事件建立的模型对未来地震引发滑坡的预测中仍具有较大的局限性,需要增加不同地区不同震情的样本量和新的机器学习方法提高预测模型的普适性。     

基于IPOA的巨型组合框架结构震损快速预测模型研究∗

为实现巨型组合框架结构的地震损伤程度快速评估,提出了一种基于改进鹈鹕优化算法（IPOA）的多参数震损预测方法。设计了5 个不同参数的巨型组合框架结构模型,利用振动台试验和有限元软件进行非线性时程分析获取结构动态响应数据,并采用结构损伤指数量化评估结构的损伤程度。同时,引入K 均值聚类优化策略和惯性权重自适应优化策略改进传统的鹈鹕优化算法。基于振动台试验和有限元分析结果数据,比较了不同输入参数组合预测结构损伤的准确性,构建了能反映结构参数与结构损伤之间非线性关系的智能算法快速预测模型。最后,将模型预测结果与一缩尺比为1/15 的振动台试验模型结构损伤程度进行对比验证。结果表明：（1）改进鹈鹕优化算法模型的准确性和泛化能力均优于其他算法模型;（2）最大层间位移角与结构损伤相关性最高,增加影响结构损伤的输入参数可提高预测模型的准确度和泛化能力;（3）模型预测的结构损伤指数与试验结果相比误差均小于10%,预测结构损伤等级与试验结果一致,所提出的快速预测模型能高效准确地预测结构的损伤指标,为巨型组合框架结构震后损伤快速评估提供了一种新方法。     

重大气象灾害应急防御能力实时评估方法研究

对气象灾害应急防御能力进行实时评估,在提高重大气象灾害应急防御能力方面具有重要意义。传统的重大气象灾害应急防御能力评估方法一直存在评估精度低,误差大的问题,提出基于时空差异的重大气象灾害应急防御能力实时评估方法。通过重大气象灾害风险理论分析,采用时空差异法提取气候灾害风险特征,并以此为基础,建立重大气象灾害应急防御模型,引入分布函数求取应急防御时变率,实时评估重大气象灾害应急防御能力。实验结果表明,采用改进方法进行重大气象灾害应急防御能力评估时,其评估准确率较高,且不易受外界影响,具有一定优势。     

气象灾害模型在电网运检业务中的应用研究

为了探究气象灾害模型在电网运检业务中的应用,从覆冰、污闪两种由气象等因素造成线路故障方面入手,分别构建了覆冰预警模型和污闪预警模型。基于输电线路的覆冰预警模型和污闪预警模型对历史气象灾害数据进行了案例分析。结果表明,输电线路的覆冰和污闪预警模型与实际情况吻合,具有较高的预警准确性。     

大雾消散卫星遥感临近预报及消散型分类——我国中东部案例研究

大雾作为在稳定天气条件下形成的一种天气现象,相关研究较少。大雾生消的预报准确率一直有待提高。尤其是近年来,随着交通运输、航运的发展,大雾造成严重影响的事件日益增多,引起了交通运输、环保、卫生等各行业的重视。在积累的大量卫星探测数据基础上,分析研究了我国中东部地区不同季节、下垫面、地理位置的大雾消散遥感特征。通过加入太阳影响项等,改进了由Gurka等人提出的遥感大雾临近预报方法,提出了使用风云二号等覆盖东亚地区的气象卫星数据来预测中国中东部大雾消散时间的算法和流程,其结果与常规观测、卫星监测进行了比对。就地形、地表状况、季节等影响大雾消散的因素差异进行分析,并作了分类。     

MPSO-BP模型在矿井突水水源判别中的应用

突水水源判别是矿井防治水工作的重要环节。为准确有效地判别矿井突水水源,选取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46种离子作为判别突水来源的依据。对粒子群的惯性权重、两个学习因子进行非线性和线性改进,并引入变异算子对粒子的飞行速度进行改进,提高了标准粒子群(SPSO)算法的性能,确保了粒子群在进化过程中的多样性。运用改进的粒子群(MPSO)算法优化BP神经网络的初始权值与阈值,以某矿的20组水源样本作为训练样本进行学习与训练,并用建立好的MPSO-BP突水水源判别模型对6组待测样本进行判别,并对适应度进化曲线和判别结果进行详细的分析与推理。应用结果表明:相比于SPSO算法,MPSO算法在优化BP神经网络过程中具有全局搜索能力更强、收敛速度更快、精度更高的优点,能够有效克服SPSO算法易早熟收敛的缺点;MPSO-BP模型应用于矿井突水水源的判别具有可行性,其判别结果的精度及稳定性明显优于BP模型和SPSO-BP模型,其具有判别泛化性更强的特点。因此,该方法在判别矿井突水水源方面具有一定的实用价值与开发潜力。     

近距离爆炸下钢筋混凝土柱损伤的图像识别及快速评估

快速准确评估工事爆炸损伤，对于战时指挥具有重要意义。传统上，爆后结构损伤评估多采用有限元法，可靠性得到广泛认可，但计算耗时较长，无法满足战场快速评估要求。为提高评估效率，提出一种由体积判断网络和损伤判断网络组成的全新卷积神经网络模型，基于体积损失率评估近距离爆炸下的损伤。为降低训练成本，采用有限元法获取爆后带损伤的钢筋混凝土柱图像制作包含 8 700 张图片的数据集。新提出的模型在包含 1 740 张图片的测试集上取得 99.71% 的准确率。在钢筋混凝土柱材料参数调整时，微调后的模型在不同材料参数的数据集上取得 82.97% 以上的准确率。在三维打印的模型测试中，该模型在 24 张图片上取得 70.83% 的正确率，平均每次评估测试耗时 0.05 s。结果表明，提出的卷积神经网络模型准确率较高，计算用时远小于有限元方法，损伤评估流程可与结构理论对照解释。     

河北小麦白粉病流行的气象指标研究

以河北省中南部小麦白粉病发生较重的麦区为例，利用白粉病观测资料与区域病情调查资料和气象资料，采用合成分析法、秩和检验法进行了小麦白粉病关键气象影响因子的筛选和预测因子临界值的确定；建立了预测因子指标。基于灾变规律关键时方法，建立了白粉病发生程度的预测指标模型，并对区域小麦白粉病年度发生程度进行了拟合、外延预报。结果表明，10年拟合预报中仅有1年偏差1个等级；2年外延预报结果与实际发生情况完全一致。对1995—2007年，白粉病轻度发生年份的预测准确率为100％，流行年份的预测准确率为83％，模型的总预测准确率达90％以上。     

基于机器学习的流域尺度森林火灾灾害风险预测

森林是碳库,具有强大的固碳增汇功能,在应对气候变化中发挥着重要作用。然而,由于极端高温的影响,频繁发生可燃物自燃而引发森林火灾,除了影响区域水文大气循环过程以外,也给人类带来严重的人员伤亡和经济损失。现有森林火灾预测研究主要侧重可燃物研究和火灾监测等方面,较少关注大尺度地形、气象和人类活动对森林火灾的影响,但这些也是除可燃物外导致森林火灾发生的主要因素。以嘉陵江流域重庆段为研究区,区域内山地受自然火灾影响严峻。基于地理信息系统叠加地理空间因子与火灾分布点获得数据集,构建4种机器学习模型,测试模型性能,评价最优模型进行森林火灾灾害风险制图。研究结果表明,模型评估指标受试者工作曲线下面积(area under the curve, AUC)平均值为95.0%,模型性能梯度提升决策树最优,AUC值为98.3%。利用梯度提升决策树(gradient boosting decision tree, GBDT)模型预测森林火灾风险对防范大尺度森林火灾具有一定的可行性,对山城避灾规划起到借鉴作用,规划引导降低森林火灾风险,从而维护生态平衡和生态系统碳汇能力。     

基于频率比模型和随机森林模型耦合的地质灾害易发性评价

目前利用机器学习进行易发性评价时,非地质灾害单元通常是在研究区范围内随机选取,会导致部分非地质灾害单元落在潜在地质灾害单元之上,造成模型评价结果偏差,所以非地质灾害单元的有效选取成为当前易发性评价的难点问题。以浙江省长兴县李家巷镇为研究区,选取高程、坡度、坡向、剖面曲率、岩组、距水系距离、距断层距离、归一化植被指数和土地利用这9个环境因子作为评价指标,利用频率比模型(frequency radio, FR)进行非地质灾害单元的选取,然后选用随机森林模型(random forest, RF)进行地质灾害易发性评价,并与未经有效筛选非地质灾害单元的RF模型结果进行对比分析。结果表明,与RF模型相比,FR-RF模型的特异性(Specificity)提升了9.51%,说明对非地质灾害单元的预测能力显著提升,同时敏感性(Recall)提升了13.71%,说明对地质灾害单元的预测性能也大幅提升,受试者工作特征曲线下的面积(area under curve, AUC)和准确率(Accuracy)分别提高了6%、11.66%,模型整体性能及预测能力得到改进;地质灾害极高和高易发区主要分布于存在碎屑岩和...     

基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省6 325处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine, SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测。研究结果表明：基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50 a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5 a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

基于梯度提升决策树(GBDT)算法的南方洪涝灾害房屋倒损评估模型

结合影响洪涝灾害损失的10个指标,利用国家减灾中心灾情库中案例作训练样本,建立了基于梯度提升决策树(GBDT)算法的南方洪涝灾害房屋倒损评估模型,可用于洪涝灾害房屋倒损的快速评估。最后,利用2016年7月上旬南方洪涝灾害案例进行了模型验证,总体相对误差为17.9%,证明该模型具有较高的可靠性,能够较好反映洪涝损失总体情况。     

河北省衡水市雾霾灾害天气演变特征分析

以1960-2013年河北省衡水市地面观测站资料为依据,运用线性倾向估计、Morlet小波分析、MannKendall突变检验等方法对衡水市雾、霾日数的演变特征及周期进行了分析,结果表明:1960-2013年衡水市雾日数是增多的趋势,而霾日数(1971-2013年)是减少的趋势。四季中雾日数冬季>秋季>夏季>春季,霾日数冬季>秋季>春季>夏季;雾、霾日数均是12月最多,1月份次之。1971-2013年衡水共出现雾日766 d,其中浓雾日最多,强浓雾最少,共出现霾日491 d,其中轻微霾最多,中度霾最少。连续3 d及以上大雾天气110次,1990年代年平均连续大雾次数最多,1960年代最少,连续大雾多出现在冬季;连续3 d及以上霾日24次,1980年代最多,大部分连续霾日都出现在11月至次年2月。衡水市年雾日数和各月雾日数的周期性特征显著,目前大多处于雾日偏多期,年雾日数和12个月中6个月的雾日数发生了突变。