最优加权组合模型在滑坡变形预测中的应用

根据最优加权组合理论，以某滑坡的变形监测资料为例，在建立Verhulst模型和趋势曲线预测模型的基础上，建立了滑坡变形的最优加权组合模型。对各模型的预测精度进行了分析比较，结果表明，组合模型的预测精度高于任何单一模型的预测精度，采用该组合模型是提高滑坡变形预测精度的有效方法。     

地震作用下滑坡水平运动距离概率预测模型∗

地震诱发滑坡失稳是一种常见的地质灾害。如何预测地震作用下滑坡的水平运动距离对该地质灾害的防治具有重要作用。现有经验预测模型存在不能区分有阻碍滑坡和无阻碍滑坡,依据的案例较少且只能提供滑坡水平运动距离的最优估计值而无法提供其预测误差的局限。针对上述不足,首先建立包含380个案例的地震滑坡水平运动距离案例库,基于最大似然法原理,提出可同时考虑有阻碍滑坡和无阻碍滑坡的地震滑坡运动距离经验模型标定方法。单因素回归分析表明,地震作用下滑坡水平运动距离与滑坡垂直运动距离和滑坡体积具有较高的相关性,与滑坡倾角和滑坡表面长宽比相关性较小。在此基础上,通过逐步回归的方法建立滑坡水平运动距离的多因素预测模型。案例分析表明,提出的模型具有较高的预测精度。提出的地震作用下滑坡水平运动距离预测模型可为地震滑坡危险性评价提供参考。     

基于BIM信息模型的三维滑坡地质灾害预测方法

由于传统方法在预测滑坡地质灾害精度较低,基于此,该文提出基于BIM信息模型的三维滑坡地质灾害预测方法。引入了BIM信息模型的框架,通过最优权重值的确定,完成了三维滑坡地质灾害预测数据的预处理;在BIM信息模型的背景下,利用随机差分方程建立了预测数据之间的依赖关系,通过建立预测序列的数学模型,得到了地质灾害预测的目标函数,完成基于BIM的预测序列模型的构建;通过三维滑坡地质灾害预测算法设计,实现了基于BIM信息模型的三维滑坡地质灾害预测。     

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。     

基于智能算法优化支持向量机模型的滑坡稳定性预测

影响滑坡稳定性的因素较多,利用滑坡稳定性影响因素快速预测滑坡稳定状态是当前滑坡研究的重要内容。利用相关系数、支持向量机、交叉验证法、遗传算法、粒子群优化算法等理论建立支持向量机模型对滑坡稳定性进行了研究。以湖北竹溪县197个滑坡为例,研究结果表明:遗传算法优化的支持向量机滑坡稳定性预测模型预测效果最好,与实际情况吻合得最好。最佳参数c为3.001 6、g为0.041 008,训练集滑坡稳定性预测的正确率为84%,测试集滑坡稳定性预测的正确率为79.32%。因此所提遗传算法优化的支持向量机滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。     

滑坡位移动态预测——以中里滑坡为例

本文以中里滑坡为例，从时间序列分析的方法入手，介绍如何在灰色预测模型的基础上建立改进的灰色预测模型一等维灰数递补动态预测模型及其在滑坡位移预测中的应用。实践表明，该模型在中里滑坡的应用中取得了良好的效果。     

东北玉米热量指数预测方法研究(Ⅲ)——GM(1,1)预测方法

GM(1,1)是开展时间序列环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的GM(1,1)预测模型,各模型的平均预测精度虽低于逐步回归统计模型,但也都达91%以上,可以应用该模型的预测结果指导农业生产。     

东北玉米热量指数预测方法研究(Ⅳ)——均生函数预测方法

均生函数预测方法是开展环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的均生函数预测模型,各模型预测的平均精度基本都达到95%以上,与逐步回归统计模型一致,但普遍要好于GM(1,1)模型,同样可以应用该模型的预测结果指导农业生产。     

基于GIS的热带雨林地区滑坡敏感性分析——马来西亚金马伦高原个案研究

滑坡敏感性分析对灾害评价和预测具有重要的作用。以马来西亚金马伦高原为研究区,选择坡度、坡向、地表曲率、岩性、构造、土地覆盖、地貌类型、道路和排水系统等9个要素作为评价因子,探讨运用G IS和RS技术获取、管理滑坡灾害信息,和热带雨林地区湿热环境下滑坡灾害敏感性的分析方法。条件概率模型和逻辑回归模型分别应用于滑坡灾害敏感性分析与制图,通过比较滑坡敏感性的计算结果与历史滑坡信息,验证了两种方法的有效性,结果显示,条件概率模型和逻辑回归模型的预测精度分别为77.3%和83.6%,逻辑回归法具有较好的描述精度;滑坡敏感性分析中土地利用和土地覆盖、道路设施等因素具有较高权重,人类对雨林的垦殖和开发提升了该地区滑坡发生的敏感度。     

不确定密度聚类分析算法的滑坡危险性评价

针对雨量值无法有效刻画及聚类算法难以适用地质地貌较复杂的大范围滑坡危险程度评估模型建立等问题,采用UM-Chameleon算法建立区域滑坡危险性评估模型,并对延安宝塔区进行评估,试验结果表明,评估结果与实际一致,体现出区内滑坡灾害发育的整体特点,证明该模型的有效性及研究区适用范围的宽广性;其滑坡预测成功率比M-Chameleon算法高,证明该模型能有效刻画雨量值,从而能有效地提高滑坡危险性预测精度。     

GIS支持下的滑坡空间预测与危险等级划分

以日本早池峰山地域为研究对象,借助航片、TM影像、数字化地图以及各种统计资料和现有专题图等主要数据,利用美国MicroImage公司开发的TNTmips地理信息系统,将数量化理论与地理信息系统紧密结合,对区域滑坡进行了空间预测和危险等级划分.提取并计算了滑坡以及包括坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤和地质等8个滑坡影响因子,得到了滑坡及其影响因子的空间分布图.在此基础上,抽取372个样本,应用数量化理论对这些样本进行了分析,建立了区域滑坡预测模型.该模型经研究区域共1296384个样本检验,模型预测精度达80.49%.最后,以滑坡发生概率为基准,对滑坡危险等级进行了划分.     

陕南地区土岩接触带滑坡地质灾害预测研究

陕南地区土岩接触带滑坡地质灾害发生频繁且分布广泛,对人们正常生活造成较大影响,因此该文提出基于GIS的陕南地区土岩接触带滑坡地质灾害预测方法。通过划分研究区预测单元,生成土岩接触带斜坡坡度分布图、岩组类型和断层分布图等基础构件,以此建立滑坡地质灾害信息量预测模型,结合信息量模型与GIS技术,对预测出的滑坡地质灾害信息量进行分级,从而得到预测结果,完成陕南地区土岩接触带滑坡地质灾害预测。实例分析结果可知,在研究区坡度在6°～25°之间时,预测发生滑坡灾害比例较高且包括的信息量较多,且滑坡灾害发生前10 d中,第4 d发生降雨,对滑坡灾害影响最大。     

考虑土层深度分布的浅层滑坡危险性评价——以陕西秦巴山区为例

以广城幅(1:10 000)为例,利用背包钻机获取土层深度,以坡度、曲率及湿度系数为因子,通过统计回归分析建立不同因子组合的土层深度推估公式。运用TRIGRS程序进行浅层滑坡危险性评价,并结合分类误差矩阵探讨不同土层深度模型对危险性评价结果的影响。研究结果表明:简单回归,以坡度为因子作指数回归结果为最佳,多重回归同时考虑了三种因子,其结果优于所有简单回归的结果。恒定深度模型的滑坡预测正确率极低,坡度单因子模型的预测精度为80.38%,成功率曲线下面积(AUC)为0.695,复合因子模型的预测精度为81.26%,成功率曲线下面积为0.744,说明复合因子模式评价结果更为准确。     

基于贝叶斯的滑坡稳定性预测对比分析研究

滑坡稳定性的分析是一个复杂的系统工程,影响滑坡稳定性的因素较多。首先,基于相关系数理论描述滑坡稳定性影响因素对滑坡稳定状态影响的大小。再根据关联度大小筛选出影响滑坡稳定性的主要影响因素。其次,引入贝叶斯理论,滑坡稳定性的主要影响因素和滑坡的稳定状态建立了基于贝叶斯的滑坡稳定性预测模型。最后,在贝叶斯理论分析和MATLAB软件的基础上,以竹溪县197组滑坡数据中的100组滑坡数据作为训练样本,其余97组滑坡数据作为测试样本,代入模型进行判别。研究结果表明:其训练集稳定性预测的正确率为80%,测试集稳定性预测的正确率为80.41%。故基于贝叶斯的滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。同时,相关的方法也可以为其他工程研究提供参考。     

滑坡概率在边坡稳定性分析中的应用

应用逻辑回归模型和确定性系数CF建立滑坡概率预测模型,进行边坡稳定性分析,结合赣南离子型稀土矿山42个边坡实例,选取重度、内聚力、内摩擦角、边坡角、孔隙压力比5个影响因子作为输入,边坡状态作为输出,用SPSS软件进行回归分析,获得可信的滑坡概率拟合函数。将预测模型和分析结果反馈到样本数据,样本数据输入值和预测值差值在10%以下的超过95%,说明了预测模型的合理性;准确预测了9个稀土矿山边坡稳定性,说明了预测模型的准确性。     

基于斜坡单元的地震滑坡敏感性分析

针对斜坡单元大小直接影响地震滑坡敏感性区划结果,论文利用河网密度优选出集水面积阈值,在此基础上生成最优斜坡单元。构建了基于遗传算法的支持向量机敏感性分区预测模型,并实现了宝盛乡地震滑坡敏感性分区。结果显示,在优选出的斜坡单元基础上完成的地震滑坡敏感性分析的精度达到了98.72%。利用优选斜坡单元结合基于遗传算法的支持向量机构建的地震滑坡预测模型是滑坡预测的有效工具,可为防灾减灾提供决策支持。     

基于XGBoost模型的降雨诱发阶跃型滑坡位移预测

滑坡位移预测一直是滑坡研究的热点之一。近年来，随着计算机科学的发展，越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型，集成算法中的XGBoost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点，目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例，运用Python搭建XGBoost模型，并通过最大信息系数的比较来选定与位移高度相关的特征，输入至模型中对滑坡位移进行预测。结果表明，XGBoost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点，相较于大多数机器学习模型，能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。     

Kappa系数在干旱预测模型精度评价中的应用——以关中平原的干旱预测为例

Kappa系数较多地用在评价遥感影像分类精度中。通过对分类影像和参考影像逐个像元统计,并建立误差矩阵,可以较准确地验证遥感影像分类的精度。将Kappa系数引入到关中平原地区加权马尔可夫和自回归移动平均两种干旱预测模型的精度评价中,基于标准降水化指数和条件温度植被指数两种干旱指标,对干旱监测数据和模型预测数据建立误差矩阵,得到了错估误差、漏估误差、总体精度和Kappa系数。综合应用4种评价指标分析模型的预测结果表明,错估误差和漏估误差能够验证预测模型的局部适用性,总体精度在一定范围内不能够直接反映模型的预测精度,Kappa系数可以较精确地评价不同时空间尺度的干旱预测模型精度。当参与预测的样本数目增加到一定程度时,Kappa系数和总体精度基本相等,可以更准确地评价模型预测精度。     

非线性时序法在城市大气污染预测中的应用

建立城市大气污染预测模型是治理城市大气污染的重要工作。在简述时间序列方法基本原理的基础上，分析了系数为变量的自回归滑动平均（ARMA）模型、截断ARMA模型，和残差为自回归综合滑动平均（ARIMA）的半参数方法等城市大气污染预测模型。以法国某城市为例，分别采用AR模型和系数为变量的AR模型对大气污染进行了预测。通过比较预测结果可知，基于非线性时间序列方法的城市大气污染预测模型可以提高预测精度，降低预测误差。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响，变化趋势复杂，很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计，采用多模型信息融合技术对边坡位移进行了预测。首先，将边坡这类影响因素复杂的系统看成是一个灰色系统，分别采用GM（1，1）模型、Verhulst模型和DGM（2，1）模型对位移值进行预测。其次，考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制，利用神经网络的办法对不同的灰色预测模型进行组合，生成灰色神经网络模型，该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合，通过反复训练、学习，自动调节，可以得出各模型在组合模型中的合理权重，从而输出满意的结果。通过对比发现，利用组合灰色神经网络模型预测的位移值，比单独的灰色模型预测的位移值具有更高的精度。