【技术实现步骤摘要】
一种基于实时气象预报信息的台风诱发滑坡时空预测方法
[0001]本专利技术涉及台风诱发滑坡预测
，尤其是涉及一种基于实时气象预报信息的台风诱发滑坡时空预测方法。
技术介绍
[0002]现有台风诱发滑坡预测方法存在如下问题：（1）对比于非台风诱发滑坡，台风诱发滑坡的特征因子具有更大的取值范围，而现有方法在台风诱发滑坡基础度计算时，未考虑台风诱发滑坡与非台风诱发滑坡在特征因子上的区别；（2）现有方法的预测结果将研究区域划分为台风诱发滑坡易发生区和台风诱发滑坡不易发生区2类，在实际应用时，为将可能发生台风诱发滑坡的隐患点均纳入易发生区内，往往导致易发生区范围过大，使预测结果对灾害预防工作的参考价值较小，降低了灾害防治措施的针对性和灾害防治资金的使用效率。
技术实现思路
[0003]本专利技术的目的是提供一种基于实时气象预报信息的台风诱发滑坡时空预测方法，预测结果通过概率矩阵方式表征研究区域不同地区发生台风诱发滑坡的可能性，并将研究区域划分为绿色预警、黄色预警、蓝色预警和红色预警4级预警区，可以揭示台风诱发滑坡...
【技术保护点】
【技术特征摘要】
1.一种基于实时气象预报信息的台风诱发滑坡时空预测方法，其特征在于，包括以下步骤：S1、获取研究区域台风诱发滑坡数据，随机选取与台风诱发滑坡数量一致的未发生过滑坡的普通边坡；S2、确定台风诱发滑坡初选特征因子，并对初选特征因子进行筛选；S3、获取台风诱发滑坡区域的数字高程模型，对数字高程模型进行重采样；S4、明确台风诱发滑坡和未发生过滑坡的普通边坡各栅格特征因子取值，绘制研究区域各特征因子分布图；S5、将台风诱发滑坡和未发生过滑坡的普通边坡栅格分为n份，随机选取n
‑
1份为模型训练样本、1份为模型验证样本，各样本输入部分为特征因子取值，输出部分为0或1，其中，台风诱发滑坡栅格为1，未发生过滑坡的普通边坡栅格为0；S6、采用n折交叉验证法，分别基于模型训练样本对多种机器学习算法进行n次训练；S7、基于训练好的模型对模型验证样本进行预测，计算预测结果的曲线下面积AUC均值和FR指数均值，确定预测效果最好的模型；S8、基于预测效果最好的模型和研究区域各特征因子分布图，绘制研究区域台风诱发滑坡基础度分布图，将基础度分为JC1、JC2、JC3、JC4、JC5、JC6、JC7、JC8、JC9和JC10共10级；S9、统计研究区域台风诱发滑坡发生当日各灾害点位置处的台风降水量和台风有效降水量，统计研究区域各雨量站有历史纪录以来未诱发滑坡的最大台风日降水量和台风有效降水量；S10、基于格利金法对研究区域各雨量站有历史纪录以来未诱发滑坡的最大台风日降水量和台风有效降水量进行插值，得到各台风诱发滑坡灾害点位置处的台风日降水量和台风有效降水量；S11、若步骤S9得到的台风日降水量和台风有效降水量不小于步骤S10得到的台风日降水量和台风有效降水量，则选取步骤S10得到的台风日降水量和台风有效降水量为该灾害点位置处的台风诱发滑坡降水启动阈值；反之，则选取步骤S9得到的台风日降水量和台风有效降水量为该灾害点位置处的台风诱发滑坡降水启动阈值；S12、基于格利金法对各灾害点位置处的台风诱发滑坡降水启动阈值进行插值，得到研究区域台风诱发滑坡降水启动阈值分布图；S13、基于实时气象预报信息，计算研究区域不同地区预测日台风降水量系数k1和台风有效降水量系数k2，根据k1、k2确定TS1、TS2、TS3、TS4、TS5、TS6、TS7、TS8、TS9和TS10共10级台风降水等级；S14、结合研究区域台风诱发滑坡基础度分级和台风降水等级，确定研究区域不同地区预测日台风诱发滑坡概率预测结果；S15、融合研究区域台风诱发滑坡基础度分布图和实时气象预报信息，绘制研究区域预测日台风诱发滑坡概率性预测图，通过气象预报信息的更新实现研究区域台风诱发滑坡实时预测。2.根据权利要求1所述的一种基于实时气象预报信息的台风诱发滑坡时空预测方法，其特征在于，步骤S2中，初选特征因子包括台风诱发滑坡特有因子和滑坡共性因子，其中，初选特有因子包括高程、水流强度指数、地表流沙输送量、地形湿度指数；滑坡共性因子包
括坡度、坡向、剖面曲率、平面曲率、距河流距离、距道路距离、土地利用类型、距断层距...
【专利技术属性】
技术研发人员：尹超，陈洪凯，刘新良，李树枫，陈佳固，马雪冰，张溪轩，
申请(专利权)人：山东理工大学，
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。