[发明专利]基于GIS与Logistic回归模型的泥石流易发性预测方法

权利要求书

1.基于GIS与Logistic回归模型的泥石流易发性预测方法，其特征在于，包括如下步骤：

步骤1、确定评价单元：

所述评价单元的确定方式为，基于数字高程模型数据，利用ArcGIS平台提取小流域，并结合遥感图像进行人为修改，将修改后的小流域确定为所述评价单元，且相应的具有泥石流灾害发生的历史数据；

步骤2、评价参数的选取与处理：

选取评价参数，并对所选的评价参数进行无量纲化处理得到评价因子；

步骤3、构建训练样本集：

所述训练样本集依据所述评价单元内泥石流灾害发生的历史数据以及所述评价因子组成；

步骤4、聚类分析：

采用模糊C均值聚类法对训练样本集进行聚类分析，使同类子样本间的相似度最大，而不同子样本间的差异性最明显；

步骤5、因子分析：

依据所述聚类分析结果，分别对每一组聚类分析后的子样本进行因子分析得出每一组的公因子及计算相应的因子得分；

步骤6、建立Logistic回归模型：

依据每组所述因子分析结果作为自变量以及所述评价单元内泥石流的发生情况作为因变量建立Logistic回归模型；

步骤7、Logistic回归模型的分析：

对所建立的Logistic回归模型进行拟合度分析、显著性分析以及回代法误判率分析；

步骤8、评价结果的分类：

采用自然断点法对评价结果进行分类，分为高易发性、中易发性、较低易发性及低易发性四类；

步骤9、预测待评价区域内泥石流灾害的易发性：

具体地，获取待评价区域内各评价因子的评价指标值输入已建立好的Logistic回归模型，计算出各评价单元发生泥石流灾害的概率。最后，根据已划分好的易发性等级进行分类。

2.根据权利要求1所述基于GIS与Logistic回归模型的泥石流易发性预测方法，其特征在于：所述模糊C均值聚类法所涉及的方程式为：

3.根据权利要求2所述基于GIS与Logistic回归模型的泥石流易发性预测方法，其特征在于：所述模糊C均值聚类法分析步骤为，

步骤1、设置计算参数：

设置模糊指数m，最大迭代次数maxTimes以及目标函数精度ε；

步骤2、确定聚类数目：

引入聚类有效性函数Vcs确定聚类中心数目；

步骤3、初始化聚类中心；

步骤4、更新隶属度矩阵和聚类中心：

更新隶属度矩阵和聚类中心，若样本点和聚类中心的距离为0，则将该点与对应类的隶属度值设为1；

步骤5、计算距离及目标函数值J：

计算每个样本点到每个类的聚类中心的距离，并计算目标函数值J；

步骤6、迭代计算：

若计算达到最大迭代次数或前后两次J的绝对值差小于ε，则停止计算，否则返回步骤4；

步骤7、按最大隶属度原理判断样本点归属。

4.根据权利要求3所述基于GIS与Logistic回归模型的泥石流易发性预测方法，其特征在于：所述聚类有效性函数Vcs由紧致度和离散度组成，其中，紧致度的定义如下：

其中，