基于BP神经网络和决策树的...市东川区滑坡空间易发性评价_张越.pdf
《基于BP神经网络和决策树的...市东川区滑坡空间易发性评价_张越.pdf》由会员分享,可在线阅读,更多相关《基于BP神经网络和决策树的...市东川区滑坡空间易发性评价_张越.pdf(4页珍藏版)》请在咨信网上搜索。
1、文章编号:1003-7853(2023)02-0067-04基金项目:国家自然科学基金项目(42161067)基于 BP 神经网络和决策树的昆明市东川区滑坡空间易发性评价张 越,宋炜炜*(昆明理工大学 国土资源工程学院,云南 昆明 650031)摘要:滑坡是一种破坏性强、突发性高、诱导条件复杂的地质灾害类型,通过多源数据融合、采用机器学习方法训练有效的滑坡训练模型,对评价滑坡灾害易发性具有重要意义。以云南省昆明市东川区为研究区,选取高程、坡度、坡向、道路、水系等 5个评价影响因子,结合实际的滑坡灾害隐患点的空间特征和属性特征数据,分别采用 BP 神经网络和决策树算法对滑坡易发性构建预测模型,通
2、过 ROC 曲线进行模型精度验证和比较。结果表明,决策树模型对研究区滑坡易发性更敏感,预测结果可靠度高;用决策树模型生成滑坡易发性分区图,滑坡易发性分区结果可更有效地得出易发性评价,对防灾减灾部门准确评估滑坡易发性、有针对性地提高灾害预测及应急响应工作效率提供了一种有效的计算模型。关键词:滑坡;地质灾害;评价影响因子;BP 神经网络;决策树中图分类号:P642.22文献标识码:Adoi:10.16202/ki.tnrs.2023.02.015Spatial Susceptibility Evaluation of Landslidein Dongchuan District of Kunmin
3、g Based onBP Neural Network and Decision TreeZhang Yue,Song Weiwei*(Kunming University of Science and Technology,Faculty of Landand Resources Engineering,Kunming Yunnan 650031,China)Abstract:Landslide is a type of geological disaster with strongdestruction,high burst and complex induction conditions
4、.Trainingan effective landslide training model through multi-source datafusion and machine learning method is of great significance toevaluate the susceptibility of landslide disaster.Taking DongchuanDistrict,Kunming City,Yunnan Province as the study area,fiveevaluation impact factors such as elevat
5、ion,slope,slope direction,road and water system are selected.Combined with the actualspatial and attribute characteristic data of landslide hazard hiddenpoints,BP neural network and decision tree algorithm are used toconstruct the prediction model of landslide susceptibility,and themodel accuracy is
6、 verified and compared through ROC curve.Theresults show that the decision tree model is more sensitive to thesusceptibility of landslide in the study area and the predictionresults are reliable.The decision tree model is used to generatethe landslide susceptibility zoning map.The landslide suscepti
7、bilityzoningresultscanmoreeffectivelyobtainthesusceptibilityevaluation,and provide an effective calculation model for thedisaster prevention and reduction department to accurately evaluate国土与自然资源研究2023No.2TERRITORY&NATURAL RESOURCES STUDY67the landslide susceptibility and improve the efficiency of d
8、isasterprediction and emergency response.Key words:landslide;geological hazards;evaluate impact factors;BP neural network;decision tree0引言滑坡是一种危害性高、易发性难以评估的地质灾害。我国滑坡发生十分频繁,每年由于滑坡导致死亡的人数近百人,直接经济损失达到 10 亿,云南省昆明市东川区尤为明显,该区域海拔高,地形起伏大,自然环境复杂多变,滑坡灾害经常发生,对国家和个人都造成了严重损失1。目前国内外学者常用的滑坡易发性评价模型就是机器学习模型(BP 神经网络、
9、决策树)。在滑坡易发性评价中,机器学习算法客观高效,在滑坡灾害易发性评价中具有良好的适用性2。各个国家和地区都开展过或正在开展地质灾害的早期预测工作和减少灾害危害工作,我国在区域滑坡空间易发性分析上取得了很好的成效3。武雪玲等4通过支持向量机的方式对三峡库区长江干流岸滑坡易发性进行精度预测;郭子正等5通过证据权法和 BP 神经网络相结合对三峡库区万州区滑坡进行易发性评价。云南省昆明市东川区是滑坡频发地区,2020 年东川区滑坡隐患点153 处,潜在经济损失达 8 000 万元,精准地对云南省昆明市东川区滑坡进行易发性评价对当地预防灾害发生有重要意义。本文基于地理信息技术,根据 BP 神经网络和
10、决策树算法对云南省昆明市东川区滑坡地区进行研究,进而实现对云南省昆明市东川区滑坡的易发性评价。1研究区概况及数据准备1.1研究区概况自然资源部发布最新自然灾害报告,报告显示在2020 年全国共发生地质灾害 7 840 起,地裂缝 143 起,地面坍塌 183 起,崩塌 1 797 起,山体滑坡 4 810 起,滑坡占全部地质灾害比例最大。云南省昆明市东川区,坐落于云南省东北部和昆明市最北端,距离昆明 150 公里,东川区地处云贵高原北部边缘,境内最高海拔为4 344.1 米,最低海拔为 695 米,最高最低相差 3 649.1米6。由于地形特殊,海拔差异大,地质构造复杂,在降雨和气温的共同作用
11、下,地质灾害频发,滑坡频繁发生。本文以云南省昆明市东川区为研究区域,对其进行滑坡易发性评价。通过两种机器学习方法(BP 神经网络和决策树)对云南省昆明市东川区滑坡进行研究,进行昆明市东川区滑坡易发性评价,辅助决策部门对滑坡灾害隐患点分级分类管理,针对不同易发性的灾害隐患点进行监控及防控。1.2数据准备及评价因子选取1.2.1研究区滑坡易发性评价多源数据。基于地质灾害的调查资料和遥感影像以及 GIS 工具,建立一个研究区滑坡空间数据集。主要数据来源为:(1)研究区空间分辨率为 30 米的数字高程数据,通过 ArcGIS 软件获得高程、坡度、坡向等地形数据。(2)云南省昆明市行政区图,获得研究区行
12、政区数据。(3)第三次全国土地调查数据,获得研究区内道路、水系等数据。(4)东川区滑坡灾害隐患点数据,我国地质灾害管理部门通过多年工作,结合实际灾害发生的历史情况,记录了东川区的滑坡灾害隐患点数据,作为地质灾害监测管理的本底数据,滑坡隐患点为 126 处,分布情况如图 1 所示。图 1东川区滑坡隐患点图68张越等 基于 BP 神经网络和决策树的昆明市东川区滑坡空间易发性评价N0 2 481216miles图 例灾害点行政边界东川区注:该图基于自然资源部标准地图服务网站下载的审图号为 GS(2019)3333 号的标准地图制作,底图无修改。1.2.2滑坡易发性评价影响因子。滑坡是在地形地貌、地质
13、、降水以及人为条件共同作用下形成的现象。因此滑坡评价影响因子的选择是在滑坡预测中的关键一步7。地形因子能对斜坡进行控制,能在很大程度上决定滑坡发育情况和分布情况,高程、坡度、坡向成为不可缺少的因素。人类活动频繁的区域也是滑坡灾害易发地,道路、水系是诱发地质灾害的重要因素。结合研究区的地质灾害报告相关资料,研究区内滑坡受地形地貌控制,由于斜坡高陡、海拔差异以及人类活动为滑坡的发生提供条件。因此本文选择高程、坡向、坡度、道路、水系 5 种影响因子作为东川区滑坡地质灾害发生的评价影响因子。本文结合每个评价因子的特点,采用多种分级标准,对评价因子进行分级。高程和坡度坡向为连续型因子,道路水系为离散型因
14、子。高程和坡度按照自然间断点方法进行分级,按照方向将坡向进行分级。考虑到人类活动的相关因素,道路按照 1 000 米为步长进行分级,水系按照 2 000 米为步长进行分级。2研究方法BP 神经网络和决策树模型被广泛地应用在滑坡预测上,S.Lee 等人8基于 GIS 平台,将统计学和神经网络作为基础对滑坡敏感性进行研究;Rohan Kumar 等9基于地势、曲率、坡度角和排水距离等因素采用神经网络进行训练和预测,实现山区滑坡的易发性评价;黄发明等人10用决策树模型对江西省寻乌县滑坡进行危险性预测;朱清华11基于 RF 模型和 SVM 模型对陕西省灞桥区地质灾害进行易发性评价。BP 网络通过训练样
15、本数据,不断修正网络权值和阈值使误差函数沿负梯度方向下降,逼近期望输出。它是一种应用较为广泛的神经网络模型,多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。决策树算法是一种比较典型的预测方法,它是逼近离散函数值的一种算法,决策树预测易于理解和实现,数据准备比较简单,在相对短的时间内能对大型数据源做出可行且良好的效果。2.1BP 神经网络BP 神经网络是一种按照误差逆向传播算法训练的传递非线性函数的前馈型神经网络。BP 神经网络模型的拓扑结构由三部分组成,主要包括输入层、隐含层和输出层,是一种多层前馈神经网络。神经网络中的每个神经元都是相互独立的,不会相互影响,层与层之间通过信号传递建立
- 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 BP 神经网络 决策树 东川 滑坡 空间 易发性 评价
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。