基于影响因子反馈校准的北川县滑坡地质灾害易发性评价

层次分析法是地质灾害易发性评价中常用的一种方法,但该方法在专家打分构建判断矩阵的过程中主要依赖于专家的主观经验,具有局限性。通过追踪各个影响因子评价曲线AUC值的叠加增长过程,提出一种对影响因子分级权重进行反馈校准的滑坡灾害易发性评价方法,从而实现对层次分析法的改进。将该方法应用于北川新县城周边地区的滑坡地质灾害易发性评价,选择坡度、坡向、岩性、距水系距离、距断裂距离和归一化植被指数作为6个影响因子,建立影响因子及其分级的判断矩阵,并依据各个影响因子评价曲线AUC值对该判断矩阵进行反馈校准。结果表明:校准后所划分的研究区滑坡地质灾害易发性分区结果比校准前有明显的精度提升,说明基于影响因子反馈校准的层次分析法可以提高传统层次分析法的预测精度,且具有方法简单、易于实现的优点。     

基于GIS的中秦岭地区滑坡灾害易发性研究

本文以中秦岭地区为滑坡易发性评价对象,针对研究区的情况,选取了坡度、起伏度、地貌类型、岩性、土壤侵蚀强度、活动断裂距、地震动参数、地下水类型、多年平均降雨量9个评价因子,建立了研究区滑坡易发性评价的数据库。运用单因子概率比率模型对各因子和滑坡的相关性进行了评价,揭示了该区滑坡灾害类型特点及空间分布规律,明确了中秦岭地区滑坡地质灾害的极高易发、高易发三大聚集地区的位置。     

基于随机森林模型的乌江高陡岸坡滑坡地质灾害易发性评价

重庆乌江河谷地区地形陡峻,滑坡地质灾害沿河谷地带多发,开展乌江高陡岸坡滑坡地质灾害易发性评价对减少地质灾害风险与线路工程规划具有重要意义。选取乌江龙溪-石朝门段高陡岸坡为研究区,提取高程、坡度、斜坡结构、斜坡形态、冲沟、岩组分类、地质构造和道路评价指标因子信息,采用随机森林模型对研究区滑坡地质灾害易发性进行了评价与精度分析,并研究了各评价指标因子的贡献程度。结果表明:斜坡物质和斜坡结构是影响研究区滑坡地质灾害发育的主要因素;通过混淆矩阵和ROC曲线对随机森林模型的预测精度进行评估,结果显示随机森林模型在高陡岸坡滑坡地质灾害易发性评价中的预测精度较高,是一种滑坡地质灾害易发性评价的可靠方法。     

两种斜坡单元划分方法对滑坡灾害易发性评价的对比研究

斜坡单元的划分方法会影响大比例尺滑坡灾害易发性评价的效果,目前斜坡单元划分方法尚不统一且用于滑坡灾害易发性评价的使用效果不明确。从斜坡单元形态、面积大小、数量以及滑坡灾害易发性评价精度方面,对比分析了水文分析法和曲率分水岭法用于1:10 000尺度区域斜坡单元提取和滑坡灾害易发性评价的效果,并以湖北省咸丰县高乐山镇为研究区,研究发现曲率分水岭法能划分出形状分布更均匀、更接近历史滑坡面积大小的单元,且能得到评价精度更高的滑坡灾害易发性分区结果。     

基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价

滑坡易发性评价是区域滑坡灾害风险评估和防控的基础。以滑坡灾害高易发区三峡库区奉节县为研究区,首先初步选取坡度、坡向、高程、剖面曲率、断裂带距离、岩土体类型、水系距离、降雨量、道路距离和植被覆盖度10项基本指标,构建滑坡易发性初始评价指标体系,并采用频率比法对各评价指标进行分级;然后,采用ROC曲线(Receiver Operating Characteristic curve受试者工作特征曲线)法定量分析各评价指标对滑坡易发性建模精度的影响程度,确定对研究区滑坡易发性建模影响的关键评价指标体系;最后,分别应用确定性系数法和逻辑回归模型对研究区滑坡易发性进行建模与分区,并对比分析两种模型评价结果的精度。结果表明:确定性系数法的成功率和预测率为82.1%和82.0%,其值高于逻辑回归模型的80.5%和79.5%;确定性系数法中92.24%的滑坡分布在高易发区和较高易发区,其值高于逻辑回归模型的80.65%,表明集成ROC曲线法与确定性系数法的区域滑坡易发性评价方法具有可靠性和精确性,可为完善滑坡灾害易发性评价理论和技术方法提供新的思路。     

基于信息量模型的厦门市崩塌和滑坡地质灾害易发性评价

地质灾害易发性评价是地质灾害危险性评价与风险性评价的基础,是地质灾害调查研究的重点内容,其结果可以有效地指导地方政府的防灾减灾工作。厦门市地质灾害的类型主要为崩塌和滑坡,根据其发育特征,选取地形坡度、地面高程、地质构造、工程地质岩组、年平均降雨量、土地利用与人类活动、道路7大影响因素作为研究区崩塌和滑坡地质灾害易发性评价的评价因子,采用信息量法并结合GIS技术对厦门市崩塌和滑坡地质灾害的易发性进行评价。结果表明:评价结果与实际情况相吻合,可为厦门市地质灾害的防治提供依据。     

基于影响因子分析的滑坡位移预测模型研究

将滑坡的影响因索引入到滑坡的位移预测模型中．从滑坡的位移动态变化特征和响应组成组分研究入手,将滑坡的位移分解为趋势项、周期项、脉动项和随机项．针对每一项进行研究,分别选取合适的影响因子变量和函数关系来模拟,并将各项耦合在一起得到位移的初步预测模型。通过对监测数据进行非线性多元统计回归分析,得到位移的最终预测模型。以长江三峡库区的新滩滑坡为实例,通过验证研究,发现将滑坡的影响因子引入滑坡的预测预报模型中的思路是有效可行的,而且可以明显地改善预测预报的时间尺度。     

模糊综合评判在崩塌预测中的应用

本文用模糊数学理论建立了崩塌易发性预测模型,模型中通过对崩塌影响因素的分析,选取8种因素作为预测因子,4个等级作为评价集,并引入k次抛物型模糊分布作为隶属函数。之后采用层次分析法求出权重,使用matlab软件检验权重的一致性并计算结果向量,从而实现对崩塌发育影响因素严重性等级综合评判。实例表明:模糊综合评价方法可操作性强、效果较好,可在一般崩塌发育影响因素分析评价中广泛应用。     

基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究

为研究信息量(I)模型和支持向量机(SVM)模型以及其耦合模型(I-SVM)3种模型在滑坡灾害易发性评价中的可靠性,以宜昌市五峰县采花乡栗子坪村及其周边部分区域为研究区,通过对评价因子进行相关性和重要性检验,筛选出相对高差、坡度、斜坡结构、工程地质岩组、距构造距离、距水系距离6个评价因子,建立滑坡灾害易发性评价指标体系,并利用曲线下面积(AUC-ROC)方法对模型预测精度进行检验。结果表明：3种评价模型的AUC值分别为0.809、0.866、0.930,I-SVM耦合模型相较于单一模型其预测精度分别提高了14.96%和7.39%,说明I-SVM耦合模型能够有效提高滑坡灾害易发性预测精度。     

海岛地区地质灾害易发性评价模型构建研究 ——以岱山县衢山镇为例

以岱山县衢山镇为研究区,以斜坡单元为评价单元,在重点分析地质环境条件与地质灾害相关性的基础上,筛选影响地质灾害易发性的主要参评因子,构建评价模型,并完成指标因子的分析与量化,并借助层次分析法和综合危险指数法确定易发性的综合评分,进而划定易发程度等级和修编易发程度分区.评价模型的构建过程可为海岛地区地质灾害易发性评价提供...     

ARIMA模型和GM(1,1)与ARMA(p,q)组合模型在滑坡短期预报中的对比分析

滑坡的短期预报研究是当前国内外滑坡领域的重要研究方向之一。在滑坡的中短期时间预报中,基于统计学的预测模型是主要的分析预测工具。采用两种理论上比较成熟的ARIMA模型和GM(1,1)与ARMA(p,q)组合模型来模拟滑坡的累积位移量,并对这两种模型的优缺点以及各自适用条件进行了对比分析。结果表明:两种模型都能较好地拟合滑坡累积位移量时间序列并做出一定精度的预测,但是两种模型的适用条件不同。本研究可为滑坡短期预报提供借鉴和参考。     

基于信息熵与KPSO聚类法滑坡敏感性分析

选取南京地区滑坡为研究对象。基于DEM及遥感影像数据,选取样本,提取滑坡影响因素,计算影响因素熵值。利用K折粒子群优化(K PSO)方法,在GIS环境下针对地质资料缺乏情况,生成一个可靠的南京地区滑坡敏感图。自组织特征映射网络(SOM)法用作一个并行研究,结果作为K PSO法结果对比。结果表明,K PSO法聚类准确率为85%,自组织映射(S OM)法聚类结果准确率为80%,由此说明K PSO聚类法在地质资料不足前提下形成滑坡敏感区是一种行之有效的方法。     

基于Newmark模型的地震诱发滑坡易发性分析方法的研究

以芦山地震诱发滑坡数据为研究对象,开展Newmark模型在区域性地震诱发滑坡空间易发性分析中的应用研究.首先采用网格形式进行数据处理,完成地形坡度、地震参数等数据的统一化,重点利用地层岩性数据对Newmark模型内参数开展区域定量化赋值,在此基础上根据Newmark模型及地震参数相关公式分别计算了安全系数、临界加速度和...     

浙江省磐安县滑坡灾害空间预测

结合浙江省磐安县滑坡灾害发生的环境和基本特征,分析了影响灾害发生的各因素与灾害发生之间的相关性,提取出影响灾害发生的主要因素:地形、坡度、岩性、构造、水系、公路。利用GIS的空间分析功能将各因素图件栅格化为250 m×250 m的单元共19765个。采用二元逻辑回归方法对研究区滑坡灾害进行了定量的概率预测,为解决滑坡灾害定量风险预测研究提供参考方法,同时也做了危险性定性空间预测分区图,将预测结果与该区历史滑坡灾害发生情况进行对比发现,预测精度为75．8％。2004年8月浙江省遭遇“云娜”台风期间,浙江省突发性地质灾害预警预报系统采用该方法进行了试运行发现,预测范围内新发生的灾害点均落在了高、中易发区范围内。     

空气质量与气象因子间关联规则的挖掘方法研究

传统数据相关性分析仅能揭示空气质量与气象因子之间的相关系数,关联规则挖掘方法使用支持度、置信度、作用度、兴趣度等指标能够发掘隐藏在大量监测数据内部的关联规则。文章使用SQL语言实现了Apriori算法,挖掘出研究区内空气主要污染物浓度与气象因子之间的关联规则,定量表示气象因子变化对主要污染物浓度的影响。     

XGBoost-LSTM变权组合模型支持下短期PM2.5浓度预测——以上海为例

为进一步提高PM_2.5浓度预测的精度,基于XGBoost和LSTM进行改进得到变权组合模型XGBoost-LSTM（Variable）.过对预测因子进行相关性分析,得到其它大气污染物和气象因素对PM_2.5浓度的影响,确定最优PM_2.5浓度预测因子,再将预处理后数据集输入LSTM模型和XGBoost模型分别进行预测,采用基于残差改进的自适应变权组合方法得到最终预测结果.结果表明,污染物变量的相对重要性高于气象因子变量,其中当前PM_2.5和CO浓度的相对重要性较高,而平均风速和相对湿度重要性较低.XGBoost-LSTM（Variable）模型的RMSE、MAE和MAPE值为1.75、1.12和6.06,优于LSTM、XGBoost、SVR、XGBoost-LSTM（Equal）和XGBoost-LSTM（Residual）模型.分季节预测结果表明,XGBoost-LSTM（Variable）模型在春季预测精度最好,而夏季预测精度较差.模型预测精度高的原因在于其不仅考虑了数据的时间序列特征,又兼顾了数据的非线性特征.     

基于阶段式时序注意力网络的PM2.5鲁棒预测

PM_2.5浓度的预测对于大气污染治理、改善环境质量等起到重要作用。受气象条件变化与大气污染物排放等多种因素的交叉影响,PM_2.5预测通常易受突变事件及噪声数据干扰。因此,基于对气象条件以及大气污染物与PM_2.5的相关性分析,提出阶段式时序注意力网络模型（staged temporal-attention network,STAN）,该方法融合多段注意力学习模块与循环神经网络,建模气象因素与大气污染物对PM_2.5浓度的交叉影响。统计分析北京市、上海市、广州市预测结果的绝对误差值,可知:1）对比广泛使用的单一类模型支持向量机（support vector machine,SVM）、长短期时序记忆方法（long short-term memory,LSTM）和多层感知机（multilayer perceptron,MLP）,STAN可达到10%以上的性能领先;对比最新的融合类模型U型网络（U-net）,STAN领先了7%的优势。2）以北京市冬季预测结果为例进行统计分析,STAN的预测值与实测值之间的拟合系数可有95.2%的性能领先。此外,在鲁棒性分析中发现,STAN在含有10%噪声的数据上进行预测,误差上升幅度仅为9.3%。结果表明:注意力机制与时序学习模块相结合能够深度挖掘PM_2.5变化规律并抑制噪声数据,且STAN模型可以进行PM_2.5浓度的鲁棒预测。     

基于变维分形理论的四川省低山丘陵区滑坡孕灾环境因素敏感性分析

定量分析滑坡孕灾环境因素的敏感性有利于研究滑坡的形成机制和空间分布特征。基于变维分形理论,应用累计变换和次数和分维值两个分形指标,对研究区内滑坡与孕灾环境因素的关系进行定量分析,为构建滑坡敏感性分析评价指标体系提供分形学依据。研究表明:植被覆盖、岩土类型和坡度等因素对滑坡发育的影响程度较高,是研究区内滑坡空间分布的主要控制因素;断裂构造和河流两个因素对滑坡发育的影响程度较低,对研究区内滑坡空间分布的控制能力较弱。     

区域滑坡地质灾害危险性评价与风险管理

<正>随着社会经济的飞速发展,人类生存空间不断向山区扩展,使得近年滑坡等山地灾害的发生越来越频繁,人们越来越认识到防范和减轻滑坡等地质灾害对社会经济发展的重要性,迫切需要寻求对滑坡地质灾害进行更为有效地控制和管理的现实途径。而区域滑坡地质灾害危险性评价是滑坡地质灾害风险评价和风险管理的基础,本文在这一领域做了有益的探讨,取得了以下主要成果: