[發明專利]一種區域級降雨滑坡概率性預測方法及預測終端

有效

• 申請號: 202310395180.7
• 申請日: 2023-04-14
• 公開（公告）號: CN116151483B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 尹超;李仲波;譚子永
• 申請（專利權）人: 山東理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N7/01;G06N20/00
• 代理公司: 濟南聯合竟成知識產權代理事務所(普通合伙) 37371
• 代理人: 倫文知

本發明屬于降雨滑坡預測領域，具體提供一種區域級降雨滑坡概率性預測方法及預測終端，本發明提出的降雨數據降尺度模型通過選取適應不同下墊面條件、不同時相、不同空間分辨率的特征因子和泛化能力強、魯棒性高的降尺度算法，能夠克服植被、低能見度天氣等對季節性降雨的時滯效應和降雨分布異常問題，提高降雨數據降尺度的準確率。基于兩階段響應面法的降雨閾值模型不依賴滑坡易發性概率與降雨變量相互獨立的假定，可以大幅提高滑坡概率性預測模型的泛化能力和魯棒性。還對研究區域滑坡易發性評價結果和氣象部門發布的氣象預報產品進行融合，搭建區域級降雨滑坡預測平臺，繪制研究區域的降雨滑坡概率性預測圖并更新實現降雨滑坡實時預測。

技術領域

本發明屬于降雨滑坡預測領域，尤其涉及一種區域級降雨滑坡概率性預測方法及預測終端。

背景技術

降雨是滑坡最重要的誘發因素，降雨滑坡具有分布范圍廣、發生頻率高、危害性大等特點。降雨滑坡概率性預測在空間尺度上分為區域級（數百至數千km²）和小流域級（100km²以下）2種，其中，區域級降雨滑坡概率性預測可以得到研究區域的降雨滑坡概率性預測圖，為滑坡防治政策制定和防治資金分配提供理論依據。

區域級降雨滑坡概率性預測方法包括基于機器學習算法的降雨數據降尺度模型構建、基于兩階段響應面法的概率性降雨閾值模型構建、基于ArcGIS?Engine的區域級降雨滑坡預測平臺開發等關鍵問題。現有方法存在的問題包括：

（1）在降雨數據降尺度模型中，選取的特征因子無法克服植被、低能見度天氣等對季節性降雨的時滯效應；

（2）已有的降雨閾值模型假定滑坡發生的時間概率與空間概率相互獨立；

（3）對短歷時強降雨和連陰雨條件下滑坡發生的解釋能力較弱。

發明內容

本發明提供一種區域級降雨滑坡概率性預測方法，可以揭示降雨滑坡發生的時空規律及其與孕災環境的互饋機制，可以有效的對地質災害氣象進行預測，還與單體滑坡穩定性分析與預測相銜接，形成完整的滑坡預測預報體系。

方法包括：

步驟1：選取降雨數據降尺度模型的初選特征因子；

步驟2：通過Pearson相關系數法對初選特征因子進行篩選，使剩余因子不包含重復信息并采用方差膨脹系數法檢驗剩余因子的多重共線性；

步驟3：在研究區域內，設定n₁個雨量站，調取n₂天的雨量站降雨觀測數據和相應的TRMM?3B43數據，計算得到n₁·n₂個日降雨量觀測數據與TRMM?3B43數據的差值，將75%的差值數據作為模型訓練樣本，25%作為模型驗證樣本；

步驟4：基于模型訓練樣本，并通過預設機器學習算法揭示特征因子與差值數據的非線性映射關系；

步驟5：采用已揭示的映射關系預測模型驗證樣本的降雨量，并與觀測值進行對比；再通過均方根誤差、平均絕對誤差和確定性系數選取預測效果滿足預設要求的機器學習算法；

步驟6：將研究區域的DEM數據重采樣至500m×500m分辨率，采用已選取的特征因子和機器學習算法逐柵格計算差值數據，并對TRMM?3B43數據和差值數據求和得到各柵格的降雨數據，實現降雨數據降尺度；

步驟7：設定第t+1天的滑坡發生概率與第t天、第t-1天、……、第t-L+1天共L天的降雨狀況和滑坡發生概率相關，與第t-L+1天之前的降雨狀況和滑坡發生概率無關；

步驟8：通過對研究區域Landsat?TM影像進行遙感解譯，結合歷史滑坡數據和現場踏勘明確各次歷史滑坡的發生時間和地點；