【技术实现步骤摘要】
基于半监督支持向量机模型的滑坡易发性预测方法及系统
[0001]本专利技术涉及地质灾害预测
，特别是涉及一种基于半监督支持向量机模型的滑坡易发性预测方法及系统。
技术介绍
[0002]特殊的地形地貌、极端气候等因素导致滑坡灾害频繁发生，往往对当地的居民安全、建筑设施和环境等造成严重损失。采用合适的评价模型或方法计算滑坡灾害发生的可能性，然后开展滑坡易发性评价，识别出极易发生滑坡的区域，减少滑坡的不利影响，对于防灾减灾具有重要的指导意义。因此有必要加强区域滑坡易发性预测研究以指导滑坡高发地区的防灾减灾工作。
[0003]机器学习是一门多学科交叉专业，包括了概率论知识、统计学知识、近似理论知识和算法复杂理论知识，以计算机为工具并致力于真实、实时地模拟人类学习行为，并将现有知识结构重新组织来提高学习效率。
[0004]机器学习有下面几种定义:
[0005](1)机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
[0006](2)机器学习是...
【技术保护点】
【技术特征摘要】
1.一种基于半监督支持向量机模型的滑坡易发性预测方法，其特征在于，包括：获取研究区域的评价因子和已知滑坡样本；所述评价因子包括高程、坡度、坡向、岩性、断裂构造、距道路距离、距水系距离、植被覆盖、降雨量、土地利用类型和土壤类型；计算各所述评价因子的确定性系数值；根据所述确定性系数值对所述研究区域进行易发性分区，将所述研究区域划分为五类滑坡易发性级别；所述五类滑坡易发性级别包括极低易发区、低易发区、中等易发区、高易发区和极高易发区；在所述极低易发区和所述低易发区中随机选取与所述已知滑坡样本等比例的非滑坡样本，与所述已知滑坡样本共同构成第一训练测试数据集；根据所述第一训练测试数据集对支持向量机模型进行训练测试，生成训练测试好的支持向量机模型；采用所述训练测试好的支持向量机模型预测得到所述研究区域的初始滑坡易发性值；根据所述初始滑坡易发性值确定扩充后的滑坡样本和二次选取的非滑坡样本，共同构成第二训练测试数据集；根据所述第二训练测试数据集对支持向量机模型进行训练测试，生成半监督支持向量机模型；采用所述半监督支持向量机模型对所述研究区域进行滑坡易发性预测。2.根据权利要求1所述的方法，其特征在于，所述计算各所述评价因子的确定性系数值，具体包括：采用公式计算各所述评价因子的确定性系数值CF；其中PPa为地质灾害在评价因子a类中发生的概率，PPs为地质灾害在整个所述研究区域发生的先验概率；将各所述评价因子的确定性系数值CF归一化至[0,1]之间。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一训练测试数据集对支持向量机模型进行训练测试，生成训练测试好的支持向量机模型，具体包括：将所述第一训练测试数据集按照7:3的比例随机划分为训练集和测试集；采用所述训练集对所述支持向量机模型进行训练，采用所述测试集对所述支持向量机模型进行测试，生成所述训练测试好的支持向量机模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述初始滑坡易发性值确定扩充后的滑坡样本和二次选取的非滑坡样本，具体包括：将所述初始滑坡易发性值导入ArcGIS软件中生成初始滑坡易发性图；利用自然间断点分级法，根据所述初始滑坡易发性图确定所述研究区域的极高易发区和极低易发区；获取所述研究区域的遥感影像；根据所述遥感影像分析区域滑坡遥感解译标志；根据所述滑坡遥感解译标志解译出所述极高易发区内的滑坡隐患点作为扩充滑坡样
本；所述扩充滑坡样本与所述已知滑坡样本共同构成所述扩充后的滑坡样本；从所述极低易发区中随机选取与所述扩充后的滑坡样本等比例的栅格单元，作为所述二次选取的非滑坡样本。5.一种基于半监督支持向量机模型的滑坡易发性预测系统，其特征在于，包括：数据获取模块，用于获取研究区域的评价因子和已知滑坡样本；所述评价...
【专利技术属性】
技术研发人员：李益敏，邓选伦，谈树成，赵志芳，赵娟珍，吴博闻，
申请(专利权)人：云南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。