本文關鍵詞：區(qū)域地震滑坡危險性評估技術研究

  更多相關文章： GIS 滑坡預測評估 證據(jù)權 多元邏輯回歸 BP神經(jīng)網(wǎng)絡 粒子群優(yōu)化 Arc Engine

【摘要】：地震滑坡因巨大的破壞程度成了近些年廣為研究的重大課題。3S(地理信息系統(tǒng)、遙感、全球定位)技術,在提供多角度、多層次、不同深度的海量數(shù)據(jù)的同時,也提供了大量的空間數(shù)據(jù)處理分析工具。為了減輕地震滑坡造成的損失,本文基于GIS(地理信息系統(tǒng))和遙感相關技術,利用定性和定量相結(jié)合的方法,進行了區(qū)域地震滑坡危險性評估技術研究。本文主要取得了以下成果:1)本文通過GIS平臺處理汶川滑坡,轉(zhuǎn)換成柵格格網(wǎng)并進行分級表達;在滑坡面的重心生成滑坡樣本,在未發(fā)生滑坡地區(qū)隨機生成不滑樣本,最終獲得17286個樣本。在數(shù)據(jù)處理基礎上,分別使用了證據(jù)權、二分類邏輯回歸、BP神經(jīng)網(wǎng)絡三種數(shù)學模型對研究區(qū)范圍(E103°~E105°,N30.8°~N32°)開展了地震滑坡危險性評價研究。2)根據(jù)證據(jù)權模型,求取汶川區(qū)域地震研究區(qū)各地震滑坡影響因子的證據(jù)權權重,然后運用GIS空間疊置法對各個影響因子進行綜合分析,最后獲取研究區(qū)的地震滑坡危險性專題圖,并利用面積占有比累積曲線評價滑坡危險性區(qū)劃的有效率,評價曲線呈顯出陡凸的走勢,曲線下面積為90.24%。利用SPSS回歸分析軟件,對17286個地震滑坡記錄進行二分類邏輯回歸分析,獲取各貢獻因子的貢獻系數(shù),并通過空間疊加各個影響因子圖層,獲取地震滑坡危險性評價專題圖,面積占有比累積曲線下面積占有比達到了81.94%。利用神經(jīng)網(wǎng)絡方法,對汶川研究區(qū)內(nèi)汶川地震滑坡進行識別以及易發(fā)性評價研究。結(jié)果顯示:用BP神經(jīng)網(wǎng)絡對滑坡的識別正確率達到了85.3%。曲線下面積比達到了83.94%,評價曲線呈現(xiàn)出陡凸趨勢。3)通過三種粒子群優(yōu)化神經(jīng)網(wǎng)絡算法對汶川滑坡樣本進行了識別研究,并與未進行優(yōu)化神經(jīng)網(wǎng)絡的滑坡識別結(jié)果進行了對比,結(jié)果表明:優(yōu)化后的神經(jīng)網(wǎng)路收斂速度明顯加快,識別正確率和評價曲線下面積占優(yōu)比提高了約3個百分點。4)通過C#可視化編程環(huán)境和二次開發(fā)組件ArcEngine編寫區(qū)域地震滑坡危險評價地理信息系統(tǒng),為相關部門進行區(qū)域地震滑坡?lián)岆U、救援技術提供支持。
【關鍵詞】：GIS 滑坡預測評估 證據(jù)權 多元邏輯回歸 BP神經(jīng)網(wǎng)絡 粒子群優(yōu)化 Arc Engine
【學位授予單位】：河南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P642.22
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究背景和意義9-10
• 1.2 研究近況以及存在問題10-12
• 1.3 論文研究思路和研究內(nèi)容12-15
• 2 地震滑坡危險性評價的理論基礎15-25
• 2.1 影響地震滑坡的主要因素15-16
• 2.2 本文地震滑坡危險性預估的技術路線16
• 2.3 證據(jù)權滑坡預測模型16-17
• 2.4 二分類邏輯回歸17-18
• 2.5 人工神經(jīng)網(wǎng)絡18-22
• 2.6 粒子群優(yōu)化算法22-24
• 2.7 本章小結(jié)24-25
• 3 GIS相關技術和數(shù)據(jù)處理25-39
• 3.1 GIS介紹25-26
• 3.2 GIS空間分析26-28
• 3.3 二次開發(fā)技術介紹28-31
• 3.4 樣本因子選取31-38
• 3.5 本章小結(jié)38-39
• 4 汶川區(qū)域地震滑坡危險性評價39-59
• 4.1 基于證據(jù)權模型的區(qū)域地震滑坡危險性評價39-49
• 4.2 基于二分類邏輯回歸的區(qū)域地震危險性評價49-51
• 4.3 基于人工神經(jīng)網(wǎng)絡的區(qū)域地震滑坡危險性評價51-57
• 4.4 三種方式比較及地震滑坡危險性區(qū)劃57-58
• 4.5 本章小結(jié)58-59
• 5 基于粒子群優(yōu)化神經(jīng)網(wǎng)絡的汶川滑坡識別59-67
• 5.1 基于粒子群協(xié)同神經(jīng)網(wǎng)絡權值方法59-61
• 5.2 基于粒子群混合神經(jīng)網(wǎng)絡的權值優(yōu)化算法61-63
• 5.3 基于模擬退火的粒子群優(yōu)化算法63-64
• 5.4 三種粒子群優(yōu)化算法在汶川滑坡識別中的應用64-66
• 5.5 本章小結(jié)66-67
• 6 區(qū)域地震滑坡危險性評價系統(tǒng)67-71
• 6.1 開發(fā)平臺的選擇67-68
• 6.2 基于組件式GIS的區(qū)域地震滑坡危險性評價系統(tǒng)68-69
• 6.3 系統(tǒng)展示69-70
• 6.4 本章小結(jié)70-71
• 7 總結(jié)與展望71-73
• 7.1 總結(jié)71
• 7.2 展望71-73
• 參考文獻73-77
• 致謝77-78
• 個人簡歷78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高寧;;半?yún)?shù)GM(1,1)模型參數(shù)辨識及滑坡變形預測[J];遼寧工程技術大學學報(自然科學版);2016年03期

2 賀可強;;復雜堆積層滑坡的穩(wěn)定性評價方法分析與展望[J];青島理工大學學報;2016年01期

3 張羽;尹明玉;魏美璇;李娜;喬天罡;楊清福;;基于GIS的吉林省預測地震滑坡區(qū)劃研究[J];東北師大學報(自然科學版);2015年04期

4 劉超云;尹小波;張彬;;基于Kalman濾波數(shù)據(jù)融合技術的滑坡變形分析與預測[J];中國地質(zhì)災害與防治學報;2015年04期

5 高彩云;崔希民;;滑坡變形預測灰色神經(jīng)網(wǎng)絡耦合模型的構建及適用性分析[J];大地測量與地球動力學;2015年05期

6 張如前;;基于強度折減法和神經(jīng)網(wǎng)絡的邊坡失穩(wěn)預測方法[J];山西建筑;2015年26期

7 吳維義;;滑坡預測預報技術淺談[J];水利科技與經(jīng)濟;2015年03期

8 庾露;單新建;陳曉利;;基于綜合指標法的蘆山地震滑坡危險區(qū)等級快速劃分[J];地震地質(zhì);2014年04期

9 劉麗娜;許沖;徐錫偉;陳劍;;GIS支持下基于AHP方法的2013年蘆山地震區(qū)滑坡危險性評價[J];災害學;2014年04期

10 張鐸;吳中海;李家存;蔣瑤;;國內(nèi)外地震滑坡研究綜述[J];地質(zhì)力學學報;2013年03期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 陳曉利;人工智能在地震滑坡危險性評價中的應用[D];中國地震局地質(zhì)研究所;2007年

，

本文編號：962585