华南台风灾害的风险熵-极限学习机预测模型研究

结合广义模糊熵原理和模糊c均值聚类方法构建华南台风灾害风险熵模型,对华南台风灾害进行风险分析,讨论其分布情况;利用灰色关联分析法,探讨华南台风灾害的灾情因子、致灾源因子分别和灾害风险熵之间的关系以及二者对风险熵的影响程度;建立基于极限学习机的非线性回归模型,以多元线性回归和BP神经网络两种方法作为对照组,进一步探讨风险熵与灾情因子和致灾源因子关系。结果表明,华南台风灾害风险熵值呈正态分布,与灾情因子和致灾源因子的灰色关联度分别为0.716 2和0.794 9,受灾情因子和致灾源因子的影响较大;利用构建的极限学习机模型预测的华南台风灾害风险熵值平均绝对误差为0.059,拟合优度为92.82%,将预测结果与常规的多元线性回归和BP神经网络方法的预测结果进行对比分析,结果表明,用构建的极限学习机模型预测华南台风灾害风险熵值,其性能比常规多元线性回归和BP神经网络方法有明显的改进。     

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...     

三峡库区地质灾害类型和灾害机理研究

为了全面分析三峡库区地质灾害类型和灾害机理,需要对三峡库区地质灾害发育度和潜势度进行研究,得到影响二者的基础因子和影响因子,并得到二者的表达式,在此基础上使用Logistic回归模型构建地质灾害预警模型,实现库区地质灾害有效预警。实验结果证明,使用地质灾害预警模型得到三峡库区不同地质灾害发生次数分别为38次、39次、7次和13次,地震位移数据和实际数据误差低于2 mm,且有效分析了滑坡地质灾害的加速度变化规律,说明该模型能够详细分析三峡库区地质灾害类型和灾害机理,并准确预警地质灾害。     

川藏铁路四川段沿线诱发地质灾害降水阈值研究

利用2009—2019年川藏铁路沿线四川段地质灾害数据、国家气象中心逐小时降水量资料,统计了地质灾害与降水的关系,发现研究区89%的滑坡灾害和96.6%的泥石流均发生在汛期,且地质灾害高发路段位于青衣江暴雨区,与四川地区降水时空分布特征相吻合。分析雨型、降雨强度、前期降雨等因子对地质灾害的影响,发现快速激发,中速激发和慢速激发的地质灾害分别约占33.3%、25.9%、40.8%,表明降雨历时并不是影响地质灾害发生的最直接因子,前期降雨的作用不可忽视;结合环境因子对地质灾害进行了分区,基于降雨历时-雨强(I-D)预报模型建立了川藏铁路沿线四川段引发地质灾害的降水阈值分布。利用该降水阈值的分布特征,检验了2019年引发地质灾害的降水量,发现阈值雨量的判别方法较为科学,具有较强的参考价值。     

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。     

云娜台风灾害特点与浙江省台风灾害初步研究

从云娜台风造成的灾害入手，系统地分析了浙江台风灾害发生的基本特点和规律，主要结论为台风灾害主要表现为罕见的强降水、创纪录的风力、部分地区的洪涝和多发的次生灾害。影响浙江的台风（或热带低压）的时间在5—11月，主要在7—9月，其影响可分为直接影响和间接影响两类。直接影响主要表现为台风暴雨引起洪涝灾害、地质灾害，强风造成房屋倒塌，有时遇到“三碰头”导致严重风暴潮灾害；间接影响主要是在浙江地区产生强降水，进而引发洪涝灾害，诱发地质灾害，沿海地区常会因为东风波或东风系统中的云团“登陆”而产生强降水，并引发洪涝和地质灾害。     

基于层次分析法的绵阳市地质灾害易发性评价

在对层次分析法(AHP)作了简要的介绍后,阐述了该方法应用于地质灾害易发性评价的过程及步骤,并在此基础上运用AHP建立了地质灾害易发性综合评价的层次分析结构模型及其判断矩阵,从而确定了影响地质灾害易发程度因子的权重,建立了地质灾害易发性单灾种评价及区域地质灾害易发性综合评价的数学模型.绵阳市地质灾害易发性评价应用说明,该方法是比较合理、有效的,具有较高的预测精度,评价结果与实际地质灾害发育区的拟合率大于90%.     

基于优化MaxEnt模型的高山峡谷区地质灾害易发性评价——以云南省德钦县为例

高山峡谷区滑坡、泥石流、崩塌等地质灾害频发,严重威胁当地居民的生命财产安全。选取云南省德钦县为研究区,基于328个地质灾害分布点数据和9个环境变量,利用R语言的kuenm数据包对MaxEnt模型的主要影响参数调控倍频(Regularization Multiplier,RM)和特征组合(Feature Combination,FC)进行调整,选择最优模型对德钦县地质灾害易发性进行分区,同时采用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)评价模型精度,采用刀切法分析各环境变量的权重。结果表明：(1)基于优化MaxEnt模型的滑坡、泥石流、崩塌的ROC曲线下面积(Area Under Curve,AUC)值分别为0.948、0.957、0.944,说明预测结果精确可靠。(2)研究区滑坡、泥石流、崩塌的高、极高易发区分别占总面积的9.93%、5.81%、8.52%,三类灾害综合易发区的高、极高易发区占总面积的8.25%,主要集中在研究区西部、东部以及东南部的公路沿线。在所有环境变量中,高程和距公路距离是研究区地质灾害发生的主要驱...     

县域国土空间斜坡地质灾害敏感性评价研究

地质灾害敏感性评价对灾害预测具有重要作用,由于县域国土空间面积较小,斜坡地质灾害发育数量相对较少,导致敏感性评价模型不同而预测结果差异较大,难以真正有效的服务防灾救灾工作。本文以山西省五寨县为研究区,以高程、坡度、坡向、地势起伏度、地质构造、地层岩组、道路工程扰动、河流水系和植被覆盖为敏感性评价因子,综合运用GIS空间分析、相关性分析、确定性系数、支持向量机、随机森林等方法,将基于统计思想的确定性系数模型（CF）和基于机器学习的支持向量机模型（SVM）进行组合,构建CF-SVM组合模型,利用研究区93处斜坡地质灾害点,分别采用CF模型、SVM模型、随机森林模型（RF）和CF-SVM模型进行敏感性评价,并对4种模型的评价结果、模型精度、模型适用性进行了分析。结果表明：CF-SVM模型精度最高（AUC=0.828）,所划分极高敏感区分布较SVM模型更合理,以较小面积分布较多灾害点,而低敏感区分布较CF模型更符合实际情况,以较大面积分布极少灾害点。其次是RF模型（AUC=0.823）,再次是SVM模型（AUC=0.817）,CF模型精度则相对较低（AUC=0.780）。CF-SVM模型融合了...     

基于GIS的“8.8”九寨沟地震景区地质灾害风险评价

风险评价是防灾减灾的重要非工程手段,针对九寨沟景区在2017年8月8日M_s 7.0级地震后地质灾害加剧的问题,在GIS环境下进行地质灾害风险及治理工程效益评价研究。本文选取了构造因子、地形因子、地质因子及其它因子等9个指标建立危险性评价模型,易损性选取人口、道路、建筑物、旅游基础设施、景观、防治工程等6个承灾因子,分别采用信息量模型和层次分析法进行地质灾害危险性和易损性评价。结果表明,研究区划分为极低风险区(41.36%)、低风险区(40.52%)、中度风险区(16.02%)、高风险区(1.84%)和极高风险区(0.27%),高-极高风险区总面积为13.79 km~2,其中村寨、诺日朗及熊猫海周边均为地质灾害极高风险区,建议设为重点防治区域;现有防治条件下高-极高风险区面积减少了26.73%,防治效益良好,该结果可以为景区恢复重建和区域规划提供参考。     

台风过程引发洪涝灾害的风险评估——以海南岛为例

海南岛是一个受台风影响频繁的区域,台风过程中的暴雨过程极易引发洪涝灾害。在分析洪涝灾害形成的各主要因子的基础上,提出了基于G IS的台风过程引发海南岛洪涝灾害的评估模型,以台风过程中发生的暴雨的危险性指数、地形因子和社会经济易损为主要指标,得出了海南岛台风过程引发洪灾的风险综合区划图。     

基于模糊信息概率区间数的突发地质灾害降水因子评价研究

根据2010、2012两年云南省的820个地质灾害监测记录,基于模糊信息概率区间数的大小来开展降水量因子的评价研究。结果表明:突发地质灾害发生前10 d的单日降水量与灾害的关系很小,基本不能用于预警模型的建立和风险评价分析;累积降水量与突发地质灾害关系明显,特别是5~10 d的累积降水量预测概括率已达60%以上,可以用于突发地质灾害预警模型的建立和实际的监测预警;加衰减系数的有效累积降水量因子对突发地质灾害预测效果并无提升,与普通累积降水量因子相比并无优势。     

河南省地质灾害险情评估

通过对河南省66个县（市）地质灾害调查与区划等相关地质灾害资料分析,认为全省地质灾害类型为滑坡、崩塌、泥石流、地面塌陷、地裂缝、地面沉降,地质灾害具有地域性强、分布集中、一灾为主,多灾并发的特征。采用地质灾害危险度、威胁人数和潜在财产损失来组成地质灾害险情评价模型,将河南省全省划分为6 680个单元,在单元险情评价的基础上进行全省地质灾害险情评估,将全省地质灾害险情划分为:险情特大区、险情大区、险情中区、险情小区和险情轻微区。     

地形因子对海南岛台风降水分布影响的估算

台风登陆过程中,地形对台风降水有明显的作用,及时了解台风过程中降水的空间分布信息对灾害预测预警有着重要的意义。基于最小二乘的多元线性回归方法,利用1953-2005年间登陆海南岛的台风(不包括其他热带气旋)的降水资料,建立了台风过程中年平均降水量与地形因子(地形高程、坡度、坡向)的关系模型,估算了海南岛台风过程中降水量的分布,分析了地形对其的影响,为后期台风灾害过程中降水的地形影响分析提供参考。     

基于地理加权回归模型的云南省地质灾害易发性评价

云南省是我国各种地质灾害的多发区。该文以2000-2014年云南省发生的500个典型地质灾害事件为基础,选取与地质灾害相关的诱发因素因子和潜在形成条件因子,构建了相应的评价指标体系。然后采用地理加权回归模型对其进行易发性评价,并对结果进行了等级划分。最后利用引入空间准确测量思想的成功率曲线和ROC曲线,对评价结果进行了精度验证和分析比较。结果表明:(1)云南省地质灾害较高和极高易发区主要位于西北部地区,且以泸水县、中甸县和维西傈僳族自治县为最高;(2)对评价结果进行了分级,从低到高不同易发性等级的面积百分比分别为6.14%,24.80%,18.41%,24.68%,20.78%和5.18%;(3)在未引入空间准确测量思想情况前,成功率曲线和ROC曲线的AUC值分别为0.503 8和0.965 1;引入空间准确测量思想后,AUC值分别为0.681 3和0.992 7,证明所提基于地理加权回归模型的云南省地质灾害易发性评价具有较高的可靠性。     

基于加权信息量和迭代自组织聚类的地质灾害易发性评价

以三峡库区忠县-方斗山地区为研究对象,首先选取坡度、坡向、坡高、岩土体类型、坡体结构、构造、水的作用、人类工程活动等8个评价因子建立地质灾害易发性评价指标体系,并对因子状态进行分级;然后,采用层次分析法计算各指标因子的权重,应用加权信息量模型进行地质灾害易发性评价;再者,利用迭代自组织聚类模型对地质灾害易发性评价结果进行分级区划;最后,对地质灾害易发性评价的精度进行定量评价。结果表明:地质灾害易发性评价结果与实际地质灾害发生的吻合度高、评价结果可靠、评价方法精度高、适用性强;岩土体类型、坡体结构、水的作用及人类工程活动是地质灾害发育的最主要控制因素;地质灾害易发性划分为极高易发、高易发、中易发、低易发、极低易发五个等级。建立的评价方法从权重确定和等级划分方面完善了地质灾害易发性评价理论体系,可为区域地质灾害易发性评价提供理论指导和技术参考。     

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。     

基于模糊数学的风电场地质灾害危险性综合评价模型

提出一种基于模糊数学的风电场地质灾害危险性综合评价模型。该模型首先分析了灾害发育的特征,根据风电场内地质环境条件、地质灾害的主要引发因素,结合模糊数学理论按照灾害危险点和非危险点进行划分,构建灾害危险性评价指标体系;结合模糊最优识别理论建立危险性初步评价的模糊识别模型。利用该模型对某风电场地质灾害危险性进行了分析评价,结果表明,该模型给出的危险性等级与实际评估区域危险性等级接近相同,评估误差较小,具有很高的准确性。     

纵剖面形态的黄土斜坡地震危险性Logistic回归模型∗

强震诱发斜坡失稳破坏是黄土地区主要震害之一,快速准确判别黄土斜坡地震危险性对城市抗震规划和震后应急救援具有重要意义。利用野外实地调查的1920年海原地震诱发620组滑坡和380组未滑斜坡数据,验证纵剖面形态对黄土斜坡地震危险性的影响,对斜坡纵剖面形态进行单因素wald检验,单因素wald检验结果表明纵剖面形态对于滑坡地震危险性快速判别有积极意义。利用野外调查中简单易得的坡高、坡角、纵剖面形态和地震烈度几个因子,建立黄土高原区斜坡地震危险性判别的Logistic回归模型,给出黄土斜坡地震危险性的快速判别公式,使用该公式对1920年海原地震诱发滑坡回判和1718年通渭地震诱发黄土滑坡校验,同时对比了不考虑纵剖面形态的logistic回归模型的结果。计算表明:利用Logistic回归模型快速判别黄土斜坡地震危险性,合理确定影响因子并调整Logistic回归中各影响因子的参数,计算得到的斜坡失稳与实际滑坡发育情况较为吻合;斜坡纵剖面形态是影响斜坡地震危险性的重要影响因素,在Logistics回归模型中考虑该因素得到的预测公式,判别斜坡失稳准确度比不考虑该因素时高3%左右。     

西南山区县域单元的地质灾害风险评价——以怒江流域泸水市为例

西南山区作为中国西部地区的高山峡谷区域,区内地质灾害十分发育,具有人口、房屋多集中于斜坡坡脚分布的特点,亟需寻找一套新的易损性评价方法,针对该区域进行有效合理的风险性评价。文中选取具有典型西部山区特征的泸水市,利用地质灾害基础数据,基于GIS平台和逻辑回归理论,对模型进行评估、多元共线性诊断、拟合度检验,建立地质灾害危险性评价模型,同时考虑承灾体可能遭受的破坏状态和类型,构建了不同类型承灾体的易损性指标分级赋值表,首次提出了针对西南山区人口、房屋等承灾体分布特征的易损性评价方法,综合评价地质灾害危险性、易损性及风险性。结果表明：泸水县城北部为地质灾害极高风险区和高风险区,县城及周边大部分区域为中风险区和低风险区,与野外调查评价结果基本一致。提出的风险评估方法能有效反应县域范围内地质灾害的风险现状。