[发明专利]一种基于最优组合策略的区域滑坡敏感性分析方法

说明书

本发明公开了一种基于最优组合策略的区域滑坡敏感性分析方法，首先选取线性判别模型(LDA)、二次判别模型(QDA)和逻辑回归模型(LR)等传统滑坡敏感性分析模型，分别得到单模型的滑坡敏感性评价与分级结果；然后在训练阶段和验证阶段对单模型的拟合度、准确率和不确定性进行评价，选取拟合度和准确率高、不确定性低的模型作为优质模型；最后采用逻辑回归方法对优质模型进行组合和滑坡敏感性预测，以降低传统评价模型中的随机性和不确定性，提高滑坡敏感性评价的质量。

技术领域

本发明属于滑坡风险评价领域，具体涉及一种滑坡敏感性分析方法。

背景技术

在山区，由于复杂的地形地质背景条件，在降雨、融雪、地震和人类工程活动等外界因子触发下，极易发生滑坡，导致生命财产损失和自然环境的破坏。为了满足区域防灾减灾、国土资源规划利用以及基础设施建设的需求，需要进行区域滑坡敏感性评价。滑坡敏感性评价指根据局部的地域情况得到滑坡在某个区域发生的可能性，即某一个地形单元中受斜坡移动的可能影响程度，用数学语言表述为：在给定的环境因子条件下，滑坡发生的空间可能性。

在过去几十年中，得益于计算机技术的高速发展，滑坡敏感性评价研究得到了快速的发展，已有研究中提出了大量的滑坡敏感性分析模型，最常见的模型类别依次为逻辑回归、神经网络和层次分析法。不同的模型得到的预测结果往往存在差异，如何对这些结果进行评价并组合以得到最优的预测是当前仍未解决的一个技术难题，现有技术在确定区域滑坡敏感性评价的最优策略和最佳方法的操作执行方面仍然十分欠缺。

发明内容

本发明的目的在于针对现有技术的不足，通过对现有滑坡敏感性评价模型进行误差分析和质量评估，提出一种基于最优组合策略的区域滑坡敏感性分析方法，以降低评价模型中的随机性和不确定性，提高滑坡敏感性评价的质量。

本发明提供的基于最优组合策略的区域滑坡敏感性分析方法，包括以下内容：

(1)数据准备

通过资料收集、遥感解译、现场调查等手段收集滑坡敏感性分析区域的地形地貌、地质条件、滑坡分布等数据和信息，获取滑坡样本；采用GIS软件建立区域地质环境条件和滑坡灾害分布数据库；采用栅格单元或斜坡单元对分析区域进行评价单元划分和编号，根据经验和相关性分析选取对滑坡发育影响大的因素作为指标因子(解释变量)，各评价单元的指标因子经归一化处理后作为自变量，每个评价单元的滑坡敏感性作为因变量；每个评价单元作为一个样本，对所有评价单元提取自变量和因变量，形成样本集；采用留出法、按照保留类别比例的采样方式将样本划分为训练样本集和测试样本集。

在进行滑坡敏感性分析之前，需要选择一个合适的评价单元，该单元能将地形进行有效的分割。所述栅格单元为基于像素点单元，所述斜坡单元为通过高分辨率的地形数据分割成不同的水文单元而得到，具有显著的地理空间意义。

所述因变量，又称分组变量，实际意义为该变量是否为滑坡变量，数字1代表为滑坡变量，数字0代表非滑坡变量(滑坡单元赋值为1，非滑坡单元赋值为0)，数据来源于历史滑坡数据库。所述自变量，又称解释变量，表示滑坡孕灾指标因子，主题信息可以分为地貌、水文、地层岩性、地表覆盖、人类活动等信息，数据种类越丰富，越详细，越有利于滑坡敏感性的评价。

所述留出法原理如下：将样本集D划分为两个互斥的集合，其中一个集合作为训练样本集S,另一个集合作为测试样本集T:

式中：表示为空集，集合S用来训练模型，集合T用来评估误差。

为避免因数据的划分过程引入的偏差对最终结果产生影响，保证数据分布的一致性，按照保留类别比例的采样方式进行“分层采样”。例如从1000个数据里，分层采样获得70％样本的训练样本集S和30％样本的测试样本集T，若D包含500个正例，500个反例，则分层采样得到的S应包含350个正例，350个反例，T应包含150个正例，150个反例。