[發明專利]一種基于最優組合策略的區域滑坡敏感性分析方法

有效

• 申請號: 202110490738.0
• 申請日: 2021-05-06
• 公開（公告）號: CN113191642B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 魏進兵;楊仲康;陳俊衡;楊浩然;劉鵬;雷昌鴻
• 申請（專利權）人: 四川大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06F16/2458;G06F16/29
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 周敏

1.一種基于最優組合策略的區域滑坡敏感性分析方法，其特征在于，包括以下步驟：

（1）數據準備

通過資料收集、遙感解譯和現場調查手段收集滑坡敏感性分析區域的地形地貌、地質條件和滑坡分布數據和信息，獲取滑坡樣本；采用GIS軟件建立區域地質環境條件和滑坡災害分布數據庫；采用柵格單元或斜坡單元對分析區域進行評價單元劃分和編號，根據經驗和相關性分析選取對滑坡發育影響大的因素作為指標因子，各評價單元的指標因子經歸一化處理后作為自變量，每個評價單元的滑坡敏感性作為因變量；每個評價單元作為一個樣本，對所有評價單元提取自變量和因變量，形成樣本集；采用留出法并按照保留類別比例的采樣方式將樣本劃分為訓練樣本集和測試樣本集；

（2）單模型滑坡敏感性分析

選取線性判別模型、二次判別模型、邏輯回歸模型三個單模型，采用訓練樣本集分別對每個單模型進行訓練，確定和量化因變量和自變量的關系；采用測試樣本集對訓練后的單模型進行驗證，得到單模型的滑坡敏感性分級結果；

（3）單模型滑坡敏感性分析的質量評價

分別在步驟（2）的訓練階段和驗證階段采用四重權重分布圖、受試者工作特征曲線（ROC曲線）對單模型的準確率和擬合度進行評價；

采用不確定性量化方法對單模型的不確定性進行評價：采用分層隨機抽樣技術準備不同的數據集，每一個數據集包括一定數量的評價單元，在R語言運行環境中通過獨立編寫bootstrap_smples_model_variablity命令代碼，進行單模型不確定評估中的樣本選取與參數設置，每一個評價單元分別運行該命令代碼數百次，每次采用不同的訓練樣本；

采用統計分析方法計算每一個評價單元發生滑坡概率的均值μ和標準差σ，得到單模型的不確定性分析曲線，根據對單模型敏感性分析的質量評價和對比，選取擬合度和準確率高且不確定性低的單模型作為優質單模型；

（4）最優組合模型敏感性分析

將步驟（3）選出的優質單模型的滑坡敏感性預測值作為自變量，以評價單元是否為滑坡單元作為因變量，使用邏輯回歸算法作為機器學習模型對單模型預測成果進行集成學習，得到最優的滑坡敏感性分析結果。

2.根據權利要求1所述方法，其特征在于，步驟（1）采用以下4種方式中的一種來進行滑坡樣本采集：（1）利用整個滑坡多邊形生成的質心作為柵格單元；（2）選取整個滑坡多邊形；（3）選取滑坡后緣及其周圍的單元；（4）種子細胞方法，選取滑坡后緣上部和兩側周圍的緩沖多邊形。

3.根據權利要求1所述方法，其特征在于，步驟（1）中訓練樣本集的數據量占比為樣本總數的2/3。

4.根據權利要求1所述方法，其特征在于，步驟（3）采用不確定性量化方法對單模型的不確定性進行評價，方法如下：采用分層隨機抽樣技術，準備100組不同的數據集，每一個數據集包括2000個評價單元，其中包含1000個滑坡單元，1000個非滑坡單元，在R語言運行環境中通過獨立編寫bootstrap_smples_model_variablity命令代碼，進行模型不確定評估中的樣本選取與參數設置，每一個單一評價單元分別運行代碼200次，每次所采用的訓練樣本不同。