基于改进神经网络的恐怖袭击风险预警系统

为提高恐怖袭击应急管理的效率,设计了恐怖袭击的风险评估和预测系统。评估模型通过因子分析方法计算各类目标的相对风险指数,评估指标包含"威胁"、"脆弱性"、"后果"三大因素,具体数据从全球恐怖主义数据库(GTD)中进行采集。预测模型通过神经网络实现风险指数的预测,由于BP神经网络的梯度下降算法收敛较慢且易陷入局部最优点,因此利用遗传算法对神经网络的初始权值阈值进行优化,并提高预测精度。最后,对GTD数据库中的21类主要袭击目标进行算例分析,验证了该模型的可行性和准确性,同时还根据这些目标的风险指数进行原因分析和策略建议。     

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...     

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。     

森林火险天气等级预测及火情监测应用

通过对1989-2003年500hPa高空天气形势的分析，给出了冬、春季森林火险戒严期的4种主要天气模型。根据林火气象条件的统计分析，找出了与森林火险天气密切相关的主要气象及物候因素，并对其进行了火险天气指数的等级划分。应用vb6．0软件开发建立了运行稳定、精度较高的未来24～48h森林火险预测平台，采用气象卫星遥感技术对森林火情进行准确定位的实时监测，提出了森林防火的一些安全措施，为森林火险等级预测和林火及时扑救抢险提供积极的气象保障条件。     

基于随机森林算法的云南昆磨高速公路气象风险研究

利用2018—2021年昆磨高速沿线交通气象观测站点数据,计算了总降水量及能见度低于500 m的天数,将其与地灾点、隧道点和桥梁点核密度以及道路曲率半径栅格数据输入到基于随机森林算法的预测模型中,最终昆磨高速危险路段回归预测结果R²值为0.790,P值为0.001,满足显著性检验要求,且预测结果与验证数据之间高度拟合。结果表明：(1)中度危险性以上路段集中在昆磨高速沿线“上—中”段的呈贡区、晋宁县、红塔区、峨山县、宁洱县以及景洪市,其中重大危险等级路段主要分布在景洪市和宁洱县;(2)从随机森林算法预测结果来看,隧道点核密度重要性占比为26%,能见度小于500 m的天数重要性占比为24%,2项综合占比为50%,说明隧道的分布和能见度低的天气状况对昆磨高速沿线行车安全影响最大。     

基于贝叶斯网络的恐怖袭击预警模型研究

反恐预警能够有效地防控恐怖袭击,已受到世界各国的关注和重视。但是直接在我国建立恐怖袭击预警模型,面临着样本数据不足的情况,使模型难以准确建立。因此,该文提出了利用贝叶斯网络结合案例适配性原则的方法解决这一问题。为保证其案例适配性,指定了数据筛选和节点选取的规则,利用国外恐怖袭击样本建立了贝叶斯网络模型,并对其实用性和通用性进行了检验。然后根据案例适配性原则,结合我国实际数据,利用EM算法更新参数学习,进而对模型进行修正。经过校验,结果表明模型精度大幅提高,更加符合我国实际情况。最后,利用该模型对恐怖袭击事件进行预警,得出了人员伤亡突出的结论,为决策者进行防控袭击提供了有效的预警信息。     

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。     

基于贝叶斯网络的干旱—森林火灾灾害链定量建模研究

为理解干旱-森林火灾灾害链的演化过程,以陕西省和湖北省为研究区域,分析了干旱发生条件及干旱气候因子与森林火灾之间的因果关系,构建了干旱-森林火灾灾害链的贝叶斯网络模型。通过对两省气候数据、干旱数据和林火数据的统计分析,获得了该网络结构上各个变量的条件概率,再根据贝叶斯网络推理的原理,计算了不同的变量取值下森林火灾的发生概率,并结合已知事实和Brier检验方法评价了该网络模型的准确性。实验结果表明,本文构建的干旱-森林火灾灾害链贝叶斯网络模型能够较为准确地预测森林火灾的发生,以定量化的手段初步揭示了干旱-森林火灾灾害链的演化过程。在此基础上可提出针对性的森林火灾防治措施,从而减少链式灾害带来的巨大损失。     

基于随机森林算法的城市火灾风险评估研究

为定量分析城市火灾风险,引入随机森林算法。首先设计基于随机森林算法的递归特征消除方法优化初选的14个自变量指标,剔除无关或冗余变量;其次基于随机森林算法的平均准确度降低方法计算特征重要度,将其归一化结果作为指标的权重;最后结合指标数据,使用线性加权法评估城市火灾风险。以济南市区为例的实证研究显示:经过特征选择操作后发现只有10个指标时模型误差最小,MSE为7.43×10-4;用于计算指标权重的随机森林模型与实际火灾密度拟合的决定系数R2>0.85,精度较高,可用于对指标的客观赋权;火灾风险评估结果不仅显示历史火灾较多的区域是高风险区,也可得到火灾发生较少区域的风险值。     

森林火灾的自组织临界行为及其在中国林火数据中的体现

森林火灾元胞自动机模型是研究自组织临界行为的一个经典模型。本文从该模型出发,讨论了它的自组织临界行为,考虑到环境和人为因素对森林火灾的影响,对经典的森林火灾模型进行了改进,加入了降雨、人工烧除等森林火灾模型的演化规则。将经典模型和改进模型的演化计算结果与中国近40年来的森林火灾数据以及美国的有关数据进行了比较。结果表明,改进模型克服了经典森林火灾模型的不足,与真实森林火灾的演化符合得较好。     

高科技灭火

近几年来,由于气候反常等不利因素,致使全球森林火灾频繁发生。一些国家采用了一系列预防和扑救森林火灾的先进手段,不仅避免了特大森林火灾的发生,而且使一般森林火灾的损失逐年下降。     

基于时空融合技术的森林火灾遥感动态监测

针对单一时空融合方法或使用单一中等空间分辨率影像（如Landsat影像）和MODIS影像时空融合的不足,本文提出综合利用经典的STARFM算法、基于地物内组分时相变化模型的地表反射率时空融合算法,联合使用多种空间分辨率更优（≤30 m）的传感器影像,以“时间最邻近及空间分辨率优先”为原则对传统单一中等空间分辨率影像预测周期（如Landsat影像为16天）进行分段独立预测,并优化组合两种预测方法的预测结果,进而获取更为精确的逐日中等空间分辨率预测影像。基于上述方法所得结果,可应用于森林火灾监测场景中。以四川凉山木里县3·30森林大火为例,综合利用MOD09GA、Landsat8 OLI、Sentinel-2、GF-1 WFV遥感影像数据进行实验研究,基于预测所得逐日中等空间分辨率影像提取火灾指标因子（燃烧面积指数和归一化燃烧指数）,分析森林火灾演化态势。结果表明：(1)多类型中高空间分辨率遥感影像的综合利用,有利于解决传统单一中等空间分辨率影像预测周期跨度过长、总体精确度低的问题,可获取更为精确的逐日中等空间分辨率预测影像;(2)两种算法在不同类型遥感数据融合应用中各有其局限性,两种方法...     

城市强降雨致涝风险评估与区划研究——以武汉市为例

以武汉市为研究区域，从遥感影像中提取相关淹没点数据并从致灾因子、孕灾环境及承灾体三方面出发选取12个洪涝灾害风险影响因素；基于随机森林、梯度提升决策树、XGBoost和逻辑斯蒂回归四种模型拟合淹没点与影响因素间的非线性关系，进而得到不同影响因素对风险水平的作用程度，并据此计算各指标权重，建立风险评估模型。基于所建立的模型，对武汉市洪涝灾害风险区进行识别。其结果为：(1)相比于随机森林、梯度提升决策树和逻辑斯蒂回归，XGBoost模型在拟合影响因素与淹没点之间的非线性关系方面具有更优的性能；(2)武汉市洪涝灾害风险水平主要受高程、人口密度和年平均降雨量的影响，高风险区域主要分布在中部主城区和东南部梁子湖附近；(3)承灾体暴露性急剧增加是武汉市洪涝灾害高风险地区形成的主要原因。     

基于petri网的森林火灾应急救援流程网络模型及时效研究

为了对森林火灾的应急救援流程进行优化,以提升应急救援效率,依据森林火灾应急救援预案、有关规定与实际救援案例,从信息传递的角度对森林火灾应急救援流程进行了直观描述。基于petri网相关理论,运用PIPEv5.2.0,构建了森林火灾应急救援随机petri网模型与其同构马尔可夫链,在模型有界、活性、安全且可达的基础上,通过确定模型的库所繁忙率、变迁利用率、平均延迟时间,得到如下结果：(1)森林火灾应急救援活动早期的灾情信息多且复杂,随着森林火灾的发展呈现动态变化,火灾发生后如何高效地获取过火面积、火线长度、风向、风力、植被载量以及地形等关键信息是优化的重点。(2)避免信息堆积,基于火灾规模、强度、形式、火头方向等重要任务信息变量,实现实时快速决策、动态处置,是保证森林火灾应急救援活动的时效性的关键。     

基于地理信息系统的森林火灾扑救辅助决策系统的研究

森林火灾的蔓延和扑救受林区地形,植被,水系及道路等多种地理因素的影响,本文通过建立林区地理信息系统,结合火蔓延数学模型,实现了对得杂条件下林火蔓延的计算机模拟预测,并在预测结果的基础上提出了合理,优化的防火道开设方案。     

基于逐步多元线性回归和随机森林模型预测黄河流域极端气温事件

全球变暖背景下,极端气候事件频发,且对黄河流域等地区的经济发展及人民生活造成严重危害。基于1961—2020年黄河流域80个站点的日气温数据提取了6个逐月极端气温指数(ETI)。利用多重共线性分析去除有相依性的环流指数,并考虑滞后性进行Pearson相关分析,筛选出各ETI的关键环流指数及最佳滞后时间;之后基于最佳滞后时间下的关键环流指数建立逐步多元线性回归(SMLR)和随机森林(RF)模型。对模型进行精度评价,探究环流指数在单站点及整个流域的重要性,并预测了2022年11月的6个ETI值。结果表明：黄河流域ETI中最高气温(TXx)、暖昼天数(TX90p)、酷热天数(TD30)和最低气温(TNn)呈波动上升趋势,而霜冻天数(FD0)和冷夜天数(TN10p)呈下降趋势;极端高温事件的强度和发生频率的空间分布特征与极端低温事件基本相反。以靖远站TXx为例,各关键环流指数对TXx具有不同程度的影响(0.10max<0.89),r_max对应的最佳滞后时间主要为5、6、11、12个月。SMLR和RF模型对黄河流域各ETI的预测能力都较...     

气候变暖背景下火干扰对森林生态系统碳循环的影响

人类活动所引起的温室效应及由此造成的气候变化和对全球生态环境的影响已受到国际社会的普遍关注。火干扰作为森林生态系统重要的干扰因子,对森林生态系统碳循环产生重要影响以及对未来气候变化的响应更是人们关注的重点。正确理解气候变暖、火干扰与森林生态系统碳循环之间的因果循环关系,了解气候变暖背景下火干扰对森林生态系统碳循环的影响,对制定科学合理的林火管理策略、充分发挥林火管理在森林生态系统碳循环和碳平衡以及缓解碳排放中的作用均有重要的意义。系统论述了气候变暖、火干扰与森林生态系统碳循环之间的逻辑循环关系,并对相关的研究进展进行综述。重点剖析了气候变暖对火干扰的影响,气候变暖背景下火干扰对森林生态系统碳循环的影响,并提出了全球变暖背景下科学有效的林火管理策略与措施,以及今后需要加强的一些研究领域及方向。     

基于TRIGRS与Scoops3D耦合模型的潜在滑坡稳定性时空动态预测

中巴公路是全球气候变化最为敏感和复杂的地区之一,沿线滑坡灾害十分发育,快速准确地预测公路沿线滑坡时空分布情况对中巴经济走廊建设具有重大意义。本研究选取中巴公路沿线加格洛特-哈维连段作为研究区段,将TRIGRS模型中的降雨入渗模型与考虑斜坡体三维几何特征的Scoops3D斜坡稳定性分析模型进行耦合,动态识别研究区潜在滑坡分布,分析了潜在滑坡的时空分布及动态变化,并对比分析了一维TRIGRS模型与三维耦合模型的预测结果。结果表明：研究区潜在滑坡对降雨条件响应明显,降雨1 h潜在滑坡面积占比(18.44%)约为天然状态下(4.13%)的4.5倍;随时间延续潜在滑坡分布范围逐渐增大,主要分布在加格洛特-吉拉斯段与瑟津-达比尔段;一维TRIGRS模型存在过度预测问题,三维耦合模型显示了更符合实际的滑坡预测结果。相关研究成果可为中巴经济走廊防灾减灾提供理论支撑。