基于分形—机器学习混合模型的滑坡易发性评估方法技术

本发明专利技术公开基于分形—机器学习混合模型的滑坡易发性评估方法，滑坡易发性评估因子的选择；基于分形模型来分析实验区中的历史滑坡地质灾害点与滑坡易发性评估因子之间的分形关系，在求解滑坡易发性评估因子与历史地质灾害点之间的分形维度的基础上，计算初步的滑坡易发性指数；构建多场景样本数据集：3种非滑坡样本连同统一的滑坡样本构建3种不同场景的样本数据集；3种场景的样本数据集分别作为NB模型和SVM模型的输入开展滑坡易发性评估研究。基于分形模型定量选择的负样本相对于传统滑坡易发性研究中从低坡度区、无滑坡区产生的负样本能够改善滑坡易发性评估样本的质量，分形—机器学习混合模型的使用能提高滑坡易发性评估的精度。

【技术实现步骤摘要】
基于分形—机器学习混合模型的滑坡易发性评估方法
本专利技术涉及机器学习模型的滑坡易发性评估
具体地说是基于分形—机器学习混合模型的滑坡易发性评估方法。
技术介绍
在基于机器学习模型的滑坡易发性评估研究中，正、负样本的选择是影响滑坡易发性评估模型预测性能以及滑坡易发性评估成果精度的重要方面。传统滑坡易发性研究中是从低坡度区、无滑坡区产生的负样本：基于坡度信息产生的负样本会造成最终的易发性评估结果过分依赖于坡度单一信息，而弱化了其他地理—环境因子对滑坡的影响。当使用的坡度地图精度较低时，会直接导致产生于低坡度区的非滑坡样本在空间明显集聚，出现严重的不平衡分布现象，最终导致机器学习模型的泛化能力受到影响；而非滑坡样本的生成方式是纯定性的，仅根据当前研究区的滑坡发生情况，将至今尚未发生滑坡的区域认定为无滑坡区，而这些区域在未来阶段具有发生滑坡地质灾害的可能性，从无滑坡区生成负样本的方式完全忽略了包括坡度信息在内的所有地理—环境因素对滑坡地质灾害的影响。
技术实现思路
为此，本专利技术所要解决的技术问题在于提供一种能提高滑坡易本文档来自技高网...

【技术保护点】
1.基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，包括如下步骤：/n(1)滑坡易发性评估因子的选择；/n(2)基于分形模型来分析实验区中的历史滑坡地质灾害点与滑坡易发性评估因子之间的分形关系，在求解滑坡易发性评估因子与历史地质灾害点之间的分形维度的基础上，计算初步的滑坡易发性指数；/n(3)构建多场景样本数据集：3种非滑坡样本连同统一的滑坡样本构建3种不同场景的样本数据集；/n(4)3种场景的样本数据集分别作为NB模型和SVM模型的输入开展滑坡易发性评估研究。/n

【技术特征摘要】
1.基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，包括如下步骤：
(1)滑坡易发性评估因子的选择；
(2)基于分形模型来分析实验区中的历史滑坡地质灾害点与滑坡易发性评估因子之间的分形关系，在求解滑坡易发性评估因子与历史地质灾害点之间的分形维度的基础上，计算初步的滑坡易发性指数；
(3)构建多场景样本数据集：3种非滑坡样本连同统一的滑坡样本构建3种不同场景的样本数据集；
(4)3种场景的样本数据集分别作为NB模型和SVM模型的输入开展滑坡易发性评估研究。


2.根据权利要求1所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，在步骤(1)中：选定高程、坡向、坡度变率、坡向变率、地质岩性、土地利用、地面曲率、距断裂距离、降雨、统一化植被指数NDVI10个弱相关的地理—环境因子作为滑坡易发性评估因子开展滑坡易发性评估研究；
高程、坡向、地面曲率、坡度变率和坡向变率是由地理空间数据云平台(http://www.gscloud.cn)上提供的30m分辨率的DEM数据计算所得；
地质岩性和距断裂距离由中国地质大学(北京)全国矿产资源潜力评价项目组提供；在对断裂构造的分析中，以0.2km缓冲区为间隔，分析了距离断裂构造2km的范围内断裂构造对滑坡地质灾害的影响；
降雨数据来源于中国科学院资源与环境数据云平台(http://www.resdc.cn/)，根据2006年至2015年的年平均降雨量数据绘制了多年平均降雨量图；
NDVI数据是通过GoogleEatrhEngine平台，利用2015/1/1～2016/1/1之间的Landsat8影像计算了实验区的均值NDVI，并采用等间隔分类方法将NDVI划分为12类；
土地利用数据来源于2017年的GlobalLand30(http://www.globallandcover.com/)产品。


3.根据权利要求2所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，10个弱相关的地理—环境因子，在在GIS软件的辅助下将其转换成统一的0.1km×0.1km尺度的规则网格用于的滑坡易发性评估研究。


4.根据权利要求1所述的基于分形—机器学习混合模型的滑坡易发性评估方法，其特征在于，在步骤(2)中，通过对滑坡易发性评估因子的累积和变换，将滑坡地质灾害与滑坡易发性评估因子之间的变维分形关系转换成定维分形关系，从而客观评价每个滑坡易发性评估因子对滑坡地质灾害的影响程度；包括如下步骤：
(2-1)对滑坡易发性建模的滑坡易发性评估因子进行分级处理，将滑坡易发性评估因子划分为一定数量的级别或类别，简化滑坡易发性评估因子；
其中：高程、地面曲率、坡度变率、坡向变率、降雨、统一化植被指数NDVI为连续型评估因子；以密度系数划分方法作为级别划分标准；密度系数划分方法是在以“小间距”对评估因子进行等间距分级的前提下，统计滑坡在当前评估因子各区段中的滑坡密度值，滑坡密度值包括滑坡单元比例和网格单元比例，继而将密度相近的相邻区段进行合并，从而合理控制连续型评估因子的级别划分；
坡向、地质岩性、土地利用为离散型评估因子；以离散性的属性信息来作为状态划分的标准，每一“离散”特征均表示为一类；
距断裂距离为线型评估因子；按照一定的间隔对线性评估因子进行缓冲区分析，不同缓冲区距离对应不同的级别；
(2-2)据对不同类型的滑坡易发性评估因子的分级处理结果，分别计算划级后的每个评估因子每个内部级别的滑坡单元密度，如公式5所示：



式中，Pld表示滑坡易发性评估因子某个级别中包含的滑坡评估单元个数Nl占整个研究区滑坡单元总数N的比率；Pgd表示滑坡易发性评估因子某个级别中的网格单元个数Mg占整个研究区网格单元总数M的比率；P表示该评估因子在当前级别中的滑坡单元密度；
(2-3)参照每个滑坡易发性评估因子对应分级中所计算的滑坡单元密度值，按照滑坡单元密度值的大小进行降序排列，如果某个级别中的P值为0，则该级别不作考虑，然后分别对按照降序排列的滑坡易发性评估因子级别进行数值编号，即按照滑坡单元密度值的由大到小进行数值编号，各滑坡易发性评估因子所对应的级别分别编号r＝0，1，2…；接着，将分型模型的基本数学公式(1-1)以不同级别r及其所对应的P进行对数变换，如式(2-1)所示，得到(ln(r)和ln(P)；并以坐标(ln(r)，ln(P))的坐标点形式进行成图，最后采用线性拟合的方式对一系列坐标点(ln(r)，ln(P))进行线性拟合；
P(r)＝C×r-...

【专利技术属性】
技术研发人员：周艺，王世新，王福涛，胡桥，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11