一种联合多源数据的地质灾害易发性评价方法技术

本发明专利技术涉及一种联合多源数据的地质灾害易发性评价方法，包括以下步骤：1)基于SBAS

【技术实现步骤摘要】
一种联合多源数据的地质灾害易发性评价方法


[0001]本专利技术属于评价方法
，尤其是涉及一种联合多源数据的地质灾害易发性评价方法


技术介绍

[0002]本专利技术涉及一种地质灾害易发性评价方法，具体为联合SBAS
‑
InSAR技术和SSA
‑
BP神经网络算法的地质灾害易发性评价方法。
[0003]目前，国内外对于地质灾害易发性评价的方法主要有三类：第一类是经验模型，根据专业技术人员对研究区整体的经验认识对地质灾害易发性进行推测评价，主要有模糊评价法、层次分析法等，但该方法依赖于专家的先验知识，结果受人为因素影响较大。第二类是统计分析模型，通过计算各评价因子与是否为地质灾害之间的相关性，统计各评价因子对地质灾害发生的贡献程度进行加权叠加，主要包括信息量法、确定系数法等，但该方法未考虑地质灾害发生的非线性特征，导致获取的评价结果精度不高。第三类是机器学习模型，该方法利用计算机对评价因子进行训练验证，输出地质灾害易发性概率，主要包括支持向量机、随机森林、人工神经网络等，但有些模型仍存在学习效率低，收敛速度慢等问题。
[0004]以上三种方法都已经被证明在地质灾害易发性评价中的有效性，但现有的评价模型仍存在一定的弊端：
①
基于历史地质灾害数据进行评价，新发生的地质灾害没有被记录或已发生的历史地质灾害被成功治理，会导致评价结果时效性较差、精度不高，甚至出现错判和误判。
②
繁琐的权值计算，地质灾害的发生是复杂的非线性问题，评价结果取决于各致灾因子的权重叠加，当数据量较大时，权值难以确定。

技术实现思路

[0005]本专利技术正是为了解决上述问题缺陷，提供一种联合多源数据的地质灾害易发性评价方法。
[0006]本专利技术采用如下技术方案实现。
[0007]一种联合多源数据的地质灾害易发性评价方法，本专利技术所述的地质灾害易发性评价方法包括以下步骤：1)基于SBAS
‑
InSAR技术的地表形变信息获取及地质灾害识别；2)划分评价单元和评价因子的分析选取；3)评价模型构建和地质灾害易发性评价。
[0008]进一步为，本专利技术所述步骤1)具体包括：首先，定轨星历修正升降轨SLC影像；然后，经数据导入、裁剪并设置临界基线最大百分比和最大时间基线为5％和36d生成像对，设置多视数为1：4能够较好的抑制斑点噪声，采用Minimum Cost Flow解缠和Goldstein滤波进行干涉工作流处理，生成干涉图并将不理想的像对剔除，继续进行轨道精炼和重去平，利用最小二乘法和奇异值矩阵分解进行形变反演；最后，经过地理编码后得到研究区内升降轨道下的雷达视线向形变信息。
[0009]进一步为，本专利技术所述步骤2)所述的评价因子包括高程、坡度、坡向、曲率、地质岩性、距断层距离、降雨量、地表温度、土地利用类型、归一化植被指数、升轨形变速率、降轨形
变速率。
[0010]进一步为，本专利技术所述步骤2)包括对评价因子进行灰色关联分析；通过确定参考数据与若干个比较数据之间几何形状的相似程度来判断参考数据与比较数据之间是否存在关联性，第i个比较数据的第j个指标数值与参考数据的第j个指标数值的灰色关联度系数为：
[0011][0012]其中ρ为分辨率系数，取值区间为(0，1)，一般取0.5。
[0013]进一步为，本专利技术所述步骤2)包括对评价因子进行共线性诊断；共线性诊断是基于对自变量构成的矩阵进行分析，使用反映自变量间相关性的指标，容差TOL或方差膨胀因子VIF是常见的共线性诊断统计指标，VIF是回归系数的估计量由于自变量的共线性使其方差增加的一个相对度量；第i个回归系数，其方差膨胀因子定义为：
[0014][0015]进一步为，本专利技术设置当容差TOL小于0.2或方差膨胀因子VIF大于5则说明存在多重共线性。
[0016]进一步为，本专利技术所述步骤3包括SSA
‑
BP模型构建；具体为：使用麻雀搜优算法SSA优化BP神经网络；麻雀在捕食过程中，能量储备高的麻雀被称为发现者，负责找寻食物，发现者位置更新如下：
[0017][0018]式中，X
i,j
为麻雀个体位置；i为当前迭代次数；α为[0,1]内的一个随机数；iter
max
为最大迭代次数；R2和ST分别为预警值和安全值R2∈[0,1]，ST∈[0.5,1]；Q为服从正态分布的随机数；L为一个1
×
d的矩阵，矩阵中元素都为1。
[0019]能量储备低的麻雀被称为加入者，跟随发现者进行捕食，加入者位置更新如下：
[0020][0021]式中，X
p
为最优发现者的位置；X
worst
为当前最差位置；n为种群规模；A
+
为一个1
×
d的矩阵，矩阵中每个元素随机赋值为1或
‑
1。
[0022]在种群中，加入者会与能量储备高的同伴争夺食物，以提高自身的捕食率，此外，当麻雀种群意识到危险时会根据环境作出反捕食行为，这些意识到危险的麻雀被称为警戒者，占种群总数的10％
‑
20％，警戒者位置更新如下：
[0023][0024]式中，X
best
为当前全局最优位置；β为步长控制参数，其值服从均值为0，方差为1的正态分布随机数；K为[
‑
1，1]内一个随机数；f
i
为适应度值，f
g
和f
w
分别为最优和最差适应度；ε为避免分母为0的常数。
[0025]即在麻雀种群中找到处于最佳捕食位置的麻雀，用以优化BP神经网络的初始权值和阈值。
[0026]进一步为，本专利技术所述SSA
‑
BP模型构建的参数及设置为：训练次数，设置值300000；学习速率，设置值0.01；训练目标，设置值0.001；种群规模，设置值30；进化代数，设置值50；发现者：加入者，设置值7：3。
[0027]本专利技术的有益效果为，本专利技术首先采用SBAS
‑
InSAR技术识别研究区潜在的地质灾害隐患点，更新地质灾害编目数据，然后以11个评价因子作为输入层，是否为地质灾害为输出层构建SSA
‑
BP模型，从预测的角度跳过评价因子的权值计算得到各网格单元的地质灾害易发性指数，最后通过自然间断点法分级得到地质灾害易发性评价结果。经比较，本专利技术的评价方法明显优于传统BP法、信息量法、随机森林法，非常值得扩大应用和推广。
[0028]下面结合附图和具体实施方式本专利技术做进一步解释。
附图说明
[0029]图1为升轨地质灾害识别结果图；具体为2021.01
‑
2022.09升轨Sentinel
‑
1数据的SBAS
‑
InSAR结果，整体形变速率范围为
‑
209.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合多源数据的地质灾害易发性评价方法，其特征在于，所述的地质灾害易发性评价方法包括以下步骤：1)基于SBAS
‑
InSAR技术的地表形变信息获取及地质灾害识别；2)划分评价单元和评价因子的分析选取；3)评价模型构建和地质灾害易发性评价。2.根据权利要求1所述的一种联合多源数据的地质灾害易发性评价方法，其特征在于，所述步骤1)具体包括：首先，定轨星历修正升降轨SLC影像；然后，经数据导入、裁剪并设置临界基线最大百分比和最大时间基线为5％和36d生成像对，设置多视数为1：4能够较好的抑制斑点噪声，采用Minimum Cost Flow解缠和Goldstein滤波进行干涉工作流处理，生成干涉图并将不理想的像对剔除，继续进行轨道精炼和重去平，利用最小二乘法和奇异值矩阵分解进行形变反演；最后，经过地理编码后得到研究区内升降轨道下的雷达视线向形变信息。3.根据权利要求1所述的一种联合多源数据的地质灾害易发性评价方法，其特征在于，所述步骤2)所述的评价因子包括高程、坡度、坡向、曲率、地质岩性、距断层距离、降雨量、地表温度、土地利用类型、归一化植被指数、升轨形变速率、降轨形变速率。4.根据权利要求3所述的一种联合多源数据的地质灾害易发性评价方法，其特征在于，所述步骤2)包括对评价因子进行灰色关联分析；通过确定参考数据与若干个比较数据之间几何形状的相似程度来判断参考数据与比较数据之间是否存在关联性，第i个比较数据的第j个指标数值与参考数据的第j个指标数值的灰色关联度系数为：其中ρ为分辨率系数，取值区间为(0，1)，一般取0.5。5.根据权利要求1所述的一种联合多源数据的地质灾害易发性评价方法，其特征在于，所述步骤2)包括对评价因子进行共线性诊断；共线性诊断是基于对自变量构成的矩阵进行分析，使用反映自变量间相关性的指标，容差TOL或方差膨胀因子VIF是常见的共线性诊断统计指标，VIF是回归系数的估计量由于自变量的共线性使其方差增加的一个相对度量；第i个回归系数，其方差膨胀因子定义为：6.根据权利要求5所述的一种联合多源数据的地质灾害易发性评价方法，其特征在于，设置当容差TOL小于0.2或方差膨胀因子VIF大于5则说明存在多重共线性。7.根据权利要求1所述...

【专利技术属性】
技术研发人员：喜文飞，郭峻杞，钱堂慧，黄丹，杨正荣，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：