[發明專利]一種考慮地震位移場的震后區域性滑坡危險性評估方法

有效

• 申請號: 201910489435.X
• 申請日: 2019-06-06
• 公開（公告）號: CN110111377B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 張建經;朱崇浩;劉陽;馬東華;胡君龍;閆世杰
• 申請（專利權）人: 西南交通大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04;G06N3/08;G01S13/90
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 劉凱

本發明公開一種考慮地震位移場的震后區域性滑坡危險性評估方法，使用BP神經網絡，建立滑坡敏感性評估模型；根據滑坡樣本，對BP神經網絡滑坡敏感性評估模型進行訓練，當訓練誤差達到目標誤差時停止訓練，獲得評估模型的最終形態；通過最終形態的評估模型，將待評估區域的影響因子集輸入到模型，獲得敏感性評估值集；根據待評估區域的震前、震后兩張雷達衛星干涉影像對，進行差分干涉計算，獲得待評估區域的震后位移場；對滑坡敏感性評估值和震后位移場進行擬合，獲得最優擬合方程；根據最優擬合方程，對待評估區域進行全區域的震后滑坡危險性評估。本發明表形態更新速度快，考慮了震后損傷，能及時發現震后滑坡危險性改變區域。

技術領域

本發明涉及地質災害危險性評估技術領域，具體為一種考慮地震位移場的震后區域性滑坡危險性評估方法。

背景技術

滑坡危險性評估是一種通過經驗方法或物理力學模型確定個體或者區域性滑坡危險性的方法。經驗模型具有較快的評估速度和較好的評估精度，因此對于區域性滑坡危險性評估，經常使用經驗模型。經驗模型通常不考慮單一滑坡的具體物理力學指標，而是通過收集區域中一定數量的滑坡樣本，基于數學統計或機器學習的方法，建立滑坡影響因子與危險性之間的非線性關系，最終通過輸入不同的影響因子信息來獲得整個區域的滑坡危險性，其中人工神經網絡、邏輯回歸、支持向量機、隨機森林、多元回歸分析是目前研究成果比較成熟的幾種方法。

對于震后地區的區域性滑坡危險性的評估，現在主要依賴于現場勘查、考證的手段，原因是區域地形信息在地表形態發生巨大變化后，需要大量的人力、物力投入才能獲得一次更新。因此，受限于地形因素不能快速更新，傳統的經驗模型無法及時發現震后滑坡危險性改變的區域。

隨著遙感衛星技術的迅猛發展，區域地表形態的更新速度逐步加快，其中差分雷達干涉測量技術（Differential Interferometric synthetic aperture radar，DInSAR）可以對同一地區的兩副雷達影像（SAR影像）進行干涉差分處理，從而獲得厘米級或更微小的地表形變信息。DInSAR技術的最大特點就是可以快速、高精度獲得震后地區的地表形變信息，因此它可以彌補傳統的區域地質災害危險性評估方法的不足，如果將二者進行適當的結合，形成一種綜合分析方法，那么在理論上可以提高震后區域地質災害危險性評估的精確性和適用性，同時還可以節省一定的人力、物力。

發明內容

針對上述問題，本發明的目的在于提供一種能夠解決現有技術中地表形態更新速度慢、無法考慮震后損傷、不能及時發現震后滑坡危險性改變區域的問題的考慮地震位移場的震后區域性滑坡危險性評估方法。技術方案如下：

步驟1：使用BP神經網絡，建立滑坡敏感性評估模型：

模型的幾何拓撲結構包括輸入層、隱含層、輸出層；輸入層包括M個節點，隱含層也包括q個節點，用來模擬輸入層與輸出層之間的非線性關系；輸出層包括1個節點，代表滑坡敏感性評估值S；

步驟2：根據滑坡樣本，對BP神經網絡滑坡敏感性評估模型進行訓練，當訓練誤差達到目標誤差時停止訓練，獲得評估模型的最終形態；

步驟3：通過最終形態的評估模型，將待評估區域的影響因子集輸入到模型，獲得敏感性評估值集；

步驟4：根據待評估區域的震前、震后兩張雷達衛星干涉影像對，進行差分干涉計算，獲得待評估區域的震后位移場D；

步驟5：對滑坡敏感性評估值S和震后位移場D進行擬合，獲得震后危險性評價值與S和D的最優擬合方程；

步驟6：根據所述最優擬合方程，對待評估區域進行全區域的震后滑坡危險性評估。