基于不同机器学习的震后滑坡易发性建模研究.pdf
《基于不同机器学习的震后滑坡易发性建模研究.pdf》由会员分享,可在线阅读,更多相关《基于不同机器学习的震后滑坡易发性建模研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月自 然 灾 害 学 报 .收稿日期:修回日期:基金项目:国家重点研发计划项目():()作者简介:周天游()男工程师主要从事地质灾害调查与评价方面的研究:.文章编号:()./.基于不同机器学习的震后滑坡易发性建模研究周天游刘 畅薛 鹏杨 豹舒建冬(.中国地质科学院探矿工艺研究所四川 成都 .万融建工有限公司四川 成都.中冶成都勘察研究总院有限公司四川 成都 .四川省华地建设工程有限责任公司四川 成都)摘 要:不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异高精度地评价震后滑坡灾害易发性是实现有效防灾减灾的关键 首先建立了九寨沟“”地震震后滑坡数据库通过开展因子共线性
2、诊断从 个初始滑坡影响因子中剔除了 个因子最终选取了 个因子参与滑坡易发性建模 然后选取逻辑回归()、支持向量机()、随机森林()和人工神经网络()种机器学习模型和 折交叉验证数据取样方法利用受试者特征 曲线和易发性指数分布特征(均值和标准差)等来探讨基于机器学习的滑坡易发性建模及其不确定性 结果表明震后滑坡高易发区主要沿震中附近和沟谷发育分布 种模型准确率 值均超过.对于预测研究区潜在震后滑坡均具有良好的适用性 易发性指数均值和标准差均较小表明模型对滑坡有较好的识别能力其预测精度均值 最高(.)其他模型依次为(.)、(.)和(.)研究结果对推广和促进机器学习模型在其他地区的易发性预测建模具有
3、极其重要的意义关键词:震后滑坡滑坡易发性评价机器学习 折交叉验证防灾减灾中图分类号:.文献标识码:(.):.()()()().().自 然 灾 害 学 报第 卷 (.)(.)(.)(.).:引言滑坡易发性评价是指在对区域滑坡调查的基础上进行区域滑坡易发条件和空间发生概率的预测主要包括滑坡编录与基础环境因子获取、训练与测试集的确定、易发性评价模型的选择、模型参数的确定、易发性评价结果分析等 现阶段滑坡易发性评价方法可被划分为启发式、基于力学模型的确定性方法、数据驱动模型(包含数理统计和机器学习模型)以及集成模型等 其中常见的机器学习模型包括逻辑回归、神经网络、多层感知器、模糊数学、支持向量机、决
4、策树、随机森林以及深度学习算法等 研究表明机器学习相比常规数理统计模型具有样本数据少、泛化能力强、建模过程简单高效和精度高等优点因此越来越多的学者在区域面积较大的滑坡易发性研究中视其为更好的选择不同机器学习模型的易发性建模过程、预测精度甚至易发性指数分布特征结果往往差异较大难以确定哪种模型效果最优例如黄发明等采用逻辑回归、多层感知器、支持向量机和.决策树等方法分别构建了基于原始滑坡因子和改进因子的机器学习模型以预测滑坡易发性结果表明决策树模型预测性能最好李文斌等以江西省瑞金市为例通过 种联结方法耦合 种机器学习模型开展了 种模型下的滑坡易发性预测研究和易发性指数的不确定性分析谢明娟等开展了机器
5、学习模型预测滑坡易发性的对比分析认为支持向量机模型具有预测结果较为稳定和认可度较高等优点 值得说明的是不同区域内的地质条件和环境背景差异较大模型性能受到由特定研究区域内生成的建模数据的影响因此所得到的滑坡易发性分区结果的准确性及合理性也有所差异在构造活跃的西南山区地震诱发滑坡是重要的次生灾害类型之一地震波使得斜坡存在“裂”而未“滑”、“松”而未“动”的震裂山体在强降雨和重力作用下会形成“滑坡/崩塌碎屑流泥石流”等链式次生灾害因此在震后及时准确地基于 平台开展滑坡易发性预测建模有助于滑坡灾害防治及震后灾害演化机制研究工作的开展 吉日伍呷等以鲁甸地震为例选取逻辑回归、近邻、朴素贝叶斯和随机森林算法
6、分别构建了 种滑坡易发性评价模型并对模型的预测精度进行了对比 针对九寨沟.地震同震滑坡灾害张玘恺等比较了信息量、确定性系数、逻辑回归模型及其耦合模型的快速评估方法对于九寨沟县范围内滑坡灾害开展易发性评价的适用性罗路广等基于层次分析法、确定性系数、逻辑回归模型、信息量模型、广义加权统计模型等不同评价方法和评价单元开展了评价模型的比较与耦合、历史地震情景滑坡发生概率反演、因子组合选取及风险评价等研究 上述研究结果均表明数理统计模型能较好地评价九寨沟地区滑坡灾害易发性然而机器学习模型是否具有适用性仍有待验证 针对此问题本文选取 种代表性机器学习模型选取地震因子、地形地貌因子、地质因子、水文因子以及人
7、类工程活动等五个方面共 个滑坡初始环境因子在因子共线性诊断的基础上采用 折交叉验证数据取样方法、受试者特征 曲线和易发性指数分布特征(均值和标准差)等来探讨基于机器学习的滑坡易发性建模及其不确定性 以期对九寨沟地区震后短期或长期防灾减灾及推广机器学习模型在其他地区的易发性预测建模具有一定的参考价值机器学习模型本文利用逻辑回归()、支持向量机()、随机森林()、人工神经网络()种机器学习模型预测输出震后滑坡易发性指数(范围介于 和 之间)并分别以.或 为正相关表明一个因子随另一个因子的增加而增加 为负相关情况则刚好相反 从图 可知各因子间基本不存在共线性或相关性较弱可以忽略不计然而地震动峰值加速
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 不同 机器 学习 滑坡 易发性 建模 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。