【摘要】：滑坡災害是地質(zhì)災害中一個非常重要的災種,它不僅給人類生命安全帶來威脅,而且對環(huán)境、資源、財產(chǎn)等都具有嚴重的破壞性。我國是一個地質(zhì)災害頻發(fā)的國家,每年都造成了巨大的經(jīng)濟損失和人員傷亡。如2017年茂縣滑坡,造成百余人死亡。受庫水位周期性調(diào)度和強降雨影響,三峽庫區(qū)發(fā)育了大量滑坡災害。根據(jù)三峽庫區(qū)防治減災工作的需要,開展有效的滑坡早期識別、危險性評價和預測預警研究具有重要的理論和實際意義。合成孔徑雷達干涉測量是近年來新發(fā)展的一種地表變形監(jiān)測技術(shù),與常規(guī)地表變形監(jiān)測方法相比,具有監(jiān)測范圍廣、密度大、精度高等優(yōu)點,并且不受天氣條件的限制,為滑坡研究提供了一種新的技術(shù)手段。但是,如何將InSAR技術(shù)和滑坡研究更好的結(jié)合,有效的提高滑坡監(jiān)測預警和風險評價的精度和時效性,仍是一個處于探索階段且亟待解決的問題。論文以三峽庫區(qū)滑坡為研究對象,基于37景Sentinel-1雷達影像,利用時間序列InSAR技術(shù)反演了研究區(qū)的地表變形速率,結(jié)合工程地質(zhì)原理和機器學習技術(shù),開展了區(qū)域滑坡早期識別、動態(tài)危險性評價和預測預警研究。主要內(nèi)容和研究成果如下:(1)應用時間序列InSAR技術(shù)開展了區(qū)域滑坡早期識別研究�；赟entinel-1雷達影像,應用時間序列InSAR技術(shù)反演了三峽庫區(qū)萬州至巫山段的地表變形信息,通過速度投影方法將變形速率從雷達視向線投影至最大坡度向,剔除變形速率異常點,應用Getis Ord Gi*統(tǒng)計和核密度估計方法對區(qū)域地表變形進行熱力分析,實現(xiàn)對滑坡的初步定位;結(jié)合InSAR變形速率值,實現(xiàn)最終的識別。本次研究共發(fā)現(xiàn)活動斜坡50處,包含已知滑坡40處,未知滑坡10處。通過滑坡編錄數(shù)據(jù)分析和野外驗證,發(fā)現(xiàn)InSAR技術(shù)是一種可靠的地表變形監(jiān)測方法,能有效對滑坡進行早期識別。(2)基于機器學習技術(shù)的區(qū)域滑坡易發(fā)性評價研究。以巫山庫岸段為例,基于信息量模型定量分析了滑坡影響因素與其發(fā)育的關(guān)系;通過計算指標間容差和方差膨脹因子分析其共線性,并應用信息增益率算法對評價指標的重要性進行定量計算,把存在共線性的指標和不重要指標進行剔除;應用支持向量機、人工神經(jīng)網(wǎng)絡、邏輯回歸和分類回歸樹模型進行易發(fā)性建模。由精度對比分析可知:支持向量機的預測性能最好;河流、地層巖性等是影響研究區(qū)滑坡發(fā)育的主要因素,剔除不重要指標能有效提高滑坡易發(fā)性評價的精度。(3)集成時間序列InSAR技術(shù)的區(qū)域滑坡動態(tài)危險性評價。統(tǒng)計分析了滑坡歷史編錄數(shù)據(jù)和降雨數(shù)據(jù),計算了在特定降雨誘發(fā)事件下滑坡發(fā)生的概率;結(jié)合滑坡易發(fā)性評價結(jié)果進行了滑坡危險性評價;應用時間序列InSAR技術(shù)對研究區(qū)不同時期的地表變形速率進行了反演,并結(jié)合初始危險性評價結(jié)果,開展了滑坡危險性動態(tài)評價研究。結(jié)果發(fā)現(xiàn),不同時期的滑坡危險性存在較大差異;通過地表變形的動態(tài)監(jiān)測,實現(xiàn)了滑坡危險性的動態(tài)評價;同時,該方法能有效的降低危險性評價中的假陽性和假陰性誤差。(4)基于時間序列InSAR技術(shù)的庫岸滑坡時空變形分析。以樹坪滑坡和木魚包滑坡為例,基于2016年3月至2017年9月37景Sentinel-1影像,應用時間序列InSAR技術(shù)反演了兩個滑坡在影像獲取期間的變形速率。通過分析發(fā)現(xiàn):樹坪滑坡的變形主要發(fā)生在庫水位下降期(5-7月),累積位移呈階躍狀,變形較大區(qū)域位于滑坡中部及右側(cè),且主滑區(qū)位移具有同步性;木魚包滑坡的累積位移在時間上呈直線型,右側(cè)后緣的滑體變形較大,中部滑體次之,左側(cè)滑體變形最小。(5)基于機器學習和誘發(fā)因素分析的滑坡位移預測研究。以三峽庫區(qū)樹坪滑坡和木魚包滑坡為例,基于InSAR技術(shù)提取的滑坡位移時間序列,應用小波分析將InSAR位移序列分解為趨勢項位移、周期項位移和噪音項;分別選取各位移分項的影響因素,應用人工蜂群算法優(yōu)化的核極限學習機(ABC-KELM)、極限學習機和支持向量機模型分別進行預測,將預測的各位移分項相加得到預測總位移。由預測結(jié)果精度評價可知:三個模型都有較好的預測性能,能對不同類型滑坡的變形準確預測;考慮誘發(fā)因素的ABC-KELM耦合模型預測精度最高且性能穩(wěn)定,是一種有效的滑坡位移預測方法。
【圖文】：

第一章 緒論1.1 立題依據(jù)和背景滑坡是一種在地球斜坡表面常見的地質(zhì)災害類型，在城鎮(zhèn)區(qū)、交通遠山區(qū)等都造成了嚴重的經(jīng)濟損失和人員傷亡。在全球范圍內(nèi)，許每年都有大量的滑坡災害發(fā)生（圖 1.1、圖 1.2），且由滑坡及其次生員傷亡數(shù)以萬計[1-3]。2014 年 5 月 2 日，受連續(xù)強降雨影響，阿富汗尚省發(fā)生特大型山體滑坡災害，造成將近 2700 人死亡和 300 多間017 年 8 月 13 日，印度北部的喜馬偕爾邦山區(qū)發(fā)生特大型滑坡，造，近 300 米的高速公路被完全摧毀�；旅磕暝斐傻慕�(jīng)濟損失近百國在 20 世紀 70 年代，，每年由滑坡災害造成的經(jīng)濟損失高達 10 億美

每年都有大量的滑坡災害發(fā)生（圖 1.1、圖 1.2），且由滑坡及其次生災害導致員傷亡數(shù)以萬計[1-3]。2014 年 5 月 2 日，受連續(xù)強降雨影響，阿富汗東北部巴尚省發(fā)生特大型山體滑坡災害，造成將近 2700 人死亡和 300 多間房屋被淹[4017 年 8 月 13 日，印度北部的喜馬偕爾邦山區(qū)發(fā)生特大型滑坡，造成了 47 人，近 300 米的高速公路被完全摧毀�；旅磕暝斐傻慕�(jīng)濟損失近百億美元，國在 20 世紀 70 年代，每年由滑坡災害造成的經(jīng)濟損失高達 10 億美元[5-6]。圖 1.1 全球重大滑坡災害點分布圖（2004-2016）[3]
【學位授予單位】：中國地質(zhì)大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：P642.22;P237

【相似文獻】

相關(guān)期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J];計算機應用;2017年02期

2 王金策;楊寧;;時間序列趨勢預測[J];現(xiàn)代計算機(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點的證券時間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價預測及實證研究[J];智富時代;2017年02期

5 周仰;;《漫長的告別》(年度資助攝影圖書)[J];中國攝影;2017年04期

6 王嵬;;王嵬作品[J];當代油畫;2017年07期

7 劉明華;張晉昕;;時間序列的異常點診斷方法[J];中國衛(wèi)生統(tǒng)計;2011年04期

8 郭崇慧;蘇木亞;;基于獨立成分分析的時間序列譜聚類方法[J];系統(tǒng)工程理論與實踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時間序列的分類方法[J];計算機研究與發(fā)展;2011年S3期

10 萬里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時間序列分類框架[J];電子與信息學報;2010年02期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預報方法及其應用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術(shù)年會論文集[C];1999年

2 張可;李媛;柴毅;黃磊;;基于分段趨勢的符號化時間序列聚類表示[A];第37屆中國控制會議論文集（D）[C];2018年

3 徐光晶;;統(tǒng)計學在大地電磁測深時間序列處理中的應用[A];2017中國地球科學聯(lián)合學術(shù)年會論文集（二十九）——專題57：電磁地球物理學研究及其應用[C];2017年

4 毛宇清;王詠青;王革麗;;支持向量機方法應用于理想時間序列的預測研究[A];中國氣象學會2008年年會氣候預測研究與預測方法分會場論文集[C];2008年

5 吳麗娜;黃領(lǐng)梅;沈冰;呂繼強;;黃河上游降水時間序列混沌特性識別與預測年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國水論壇論文集[C];2009年

6 吳堅忠;路子愚;鄭應平;;時間序列社會悖論模型及分析[A];1989年控制理論及其應用年會論文集（上）[C];1989年

7 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對復雜時間序列的熵分析的影響研究[A];中國力學大會-2015論文摘要集[C];2015年

8 王兆甲;王海良;;一種相似時間序列挖掘算法及其在汽車運動分析中的應用[A];2014中國汽車工程學會年會論文集[C];2014年

9 林忠輝;莫興國;薛玲;;用NDVI時間序列確定作物物侯和作物類型判別[A];第十四屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2003年

10 王冬;章家義;陳宗;;配電網(wǎng)時間序列數(shù)據(jù)的云計算集群快速壓縮模型[A];2017年江西省電機工程學會年會論文集[C];2018年

相關(guān)重要報紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動率的均值回復特征[N];期貨日報;2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

3 國家統(tǒng)計局核算司 呂峰;不變價GDP時間序列數(shù)據(jù)的構(gòu)造[N];中國信息報;2016年

4 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

5 何德旭 王朝陽;時間序列計量經(jīng)濟學：協(xié)整與有條件的異方差自回歸[N];中國社會科學院院報;2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀經(jīng)濟報道;2003年

7 卞紀;我國多時間序列濕地遙感制圖完成[N];中國氣象報;2011年

8 權(quán)證一級交易商 國信證券;正股走勢及時間序列主導下半年權(quán)證市場運行結(jié)構(gòu)[N];證券時報;2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場升勢或?qū)⑿纬蒣N];上海證券報;2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應用[N];期貨日報;2014年

相關(guān)博士學位論文 前10條

1 馬俊;GPS坐標時間序列嚴密三維噪聲模型建立方法[D];武漢大學;2018年

2 周超;集成時間序列InSAR技術(shù)的滑坡早期識別與預測研究[D];中國地質(zhì)大學;2018年

3 康峻;基于時間序列遙感數(shù)據(jù)的植被精細分類與覆蓋度反演研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2018年

4 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡模型的遙感影像時間序列分類及變化檢測方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2018年

5 丁紅;柳江徑流分析與預測研究[D];武漢理工大學;2016年

6 丁超;MODIS時間序列重建方法與應用[D];中國地質(zhì)大學(北京);2018年

7 魏永強;煤礦瓦斯監(jiān)測數(shù)據(jù)插值與預測研究[D];中國礦業(yè)大學(北京);2015年

8 楊玉軍;基于機器學習的時間序列模型研究及其應用[D];電子科技大學;2018年

9 魯韻帆;隨機交互金融模型的構(gòu)建及金融時間序列的統(tǒng)計分析[D];北京交通大學;2018年

10 郭珩;復雜網(wǎng)絡在非線性時間序列分析中的應用[D];華東師范大學;2018年

相關(guān)碩士學位論文 前10條

1 許小芬;基于時間序列的磨削顫振預測方法研究[D];浙江理工大學;2019年

2 廉雯清;基于波動率調(diào)整的動量策略收益分析[D];東北財經(jīng)大學;2018年

3 吳孟韓;基于模糊時間序列近似匹配的股票指數(shù)預測方法[D];東北大學;2017年

4 顏永逸;基于模糊聚類和時間序列的結(jié)構(gòu)損傷識別方法研究[D];華中科技大學;2018年

5 曾琛;基于分類的時間序列特征選擇方法[D];武漢大學;2018年

6 趙益;多時間序列上時序關(guān)聯(lián)規(guī)則的挖掘[D];東華大學;2018年

7 宮志晨;模型空間中的時間序列分類算法及其在不平衡數(shù)據(jù)上的應用[D];中國科學技術(shù)大學;2018年

8 卞松寒;時間序列的細化二元熵和遞歸性研究[D];北京交通大學;2018年

9 劉成功;時間序列的復雜性和遞歸性研究[D];北京交通大學;2018年

10 江粉桃;非線性方法的時間序列組合模型在農(nóng)產(chǎn)品價格預測中的應用研究[D];蘭州交通大學;2018年

本文編號：2659438