地質(zhì)災(zāi)害預(yù)測預(yù)警在自然災(zāi)害防治中的地位日益凸顯,而地質(zhì)災(zāi)害易發(fā)性評估是地質(zhì)災(zāi)害預(yù)測預(yù)警的基礎(chǔ)。文章以北京西南地區(qū)的公路崩塌災(zāi)害為研究對象,利用GIS技術(shù)從多來源、多時相的數(shù)據(jù)源中提取了包括高程、地層巖性和降水在內(nèi)的多種崩塌致災(zāi)因素;嘗試將新型的XGBoost機器學(xué)習(xí)模型應(yīng)用于地質(zhì)災(zāi)害易發(fā)性研究,將452個公路崩塌災(zāi)害樣本分為70%的訓(xùn)練集與30%的驗證集進(jìn)行訓(xùn)練,利用召回率、ROC曲線以及模型的不確定性等指標(biāo)對模型結(jié)果進(jìn)行評價,并與常用的SVM模型進(jìn)行對比。結(jié)果表明,XGBoost模型的訓(xùn)練集和驗證集的召回率分別為1.00和0.87,ROC曲線下面積分別為1.00和0.91,均優(yōu)于SVM模型,并且其預(yù)測價值大的樣本(崩塌發(fā)生概率為0.75～1和0～0.25)占比達(dá)到93%,遠(yuǎn)高于SVM模型。將訓(xùn)練得到的評估模型應(yīng)用于北京西南地區(qū),疊加區(qū)域路網(wǎng)數(shù)據(jù),繪制北京西南地區(qū)的公路崩塌易發(fā)性圖。用"8·11"房山崩塌災(zāi)害樣本驗證了易發(fā)性圖的可靠性,并通過易發(fā)性圖識別出需要重點防范的崩塌高易發(fā)性公路路段。 

【文章來源】：公路. 2020年07期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

研究區(qū)地理位置示意

受地形地貌與地質(zhì)構(gòu)造等自然條件的控制，疊加日益頻繁的人類工程活動所造成的破壞，本區(qū)地質(zhì)災(zāi)害隱患比較突出。依據(jù)最新的地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)，本區(qū)主要有5種地質(zhì)災(zāi)害隱患類型，包括崩塌、不穩(wěn)定斜坡、泥石流、地面塌陷和滑坡。地質(zhì)災(zāi)害隱患點共計971個，其中崩塌452個，占總數(shù)的47%，為本區(qū)主要的地質(zhì)災(zāi)害隱患。本文中的北京西南地區(qū)崩塌災(zāi)害樣本來源于高德手機版地圖中的地質(zhì)災(zāi)害地圖，結(jié)合實地考察共獲得452個崩塌災(zāi)害具體點位（圖2(a））。2 研究方法

從雷達(dá)圖中可以更明顯地比較XGBoost模型和SVM模型的預(yù)測結(jié)果分選性。如圖4所示，XGBoost模型在預(yù)測價值大的區(qū)間（崩塌發(fā)生概率0.75～1和0～0.25）非常集中，而SVM模型在各區(qū)間分布較為均一，預(yù)測結(jié)果分選性不如XGBoost模型。因此，綜合模型預(yù)測結(jié)果的精度和分選性，XGBoost模型整體優(yōu)于SVM模型，可以顯著提升公路崩塌災(zāi)害易發(fā)性評估的效果。3.2 北京西南地區(qū)的公路崩塌災(zāi)害易發(fā)性評估

【參考文獻(xiàn)】：
期刊論文
[1]基于地質(zhì)大數(shù)據(jù)的泥石流災(zāi)害易發(fā)性評價[J]. 張永宏,葛濤濤,田偉,夏廣浩,何靜.  計算機應(yīng)用. 2018(11)
[2]機器學(xué)習(xí)方法在股指期貨預(yù)測中的應(yīng)用研究——基于BP神經(jīng)網(wǎng)絡(luò)、SVM和XGBoost的比較分析[J]. 黃卿,謝合亮.  數(shù)學(xué)的實踐與認(rèn)識. 2018(08)
[3]基于XGBoost模型的股骨頸骨折手術(shù)預(yù)后質(zhì)量評分預(yù)測[J]. 賈文慧,孫林子,景英川.  太原理工大學(xué)學(xué)報. 2018(01)
[4]支持向量機與Newmark模型結(jié)合的地震滑坡易發(fā)性評估研究[J]. 林齊根,劉燕儀,劉連友,王瑛.  地球信息科學(xué)學(xué)報. 2017(12)
[5]基于XGBoost的遙感圖像中道路網(wǎng)絡(luò)的提取[J]. 楊燦.  微型機與應(yīng)用. 2017(24)
[6]Xgboost在滾動軸承故障診斷中的應(yīng)用[J]. 張鈺,陳珺,王曉峰,劉飛.  噪聲與振動控制. 2017(04)
[7]基于Xgboost的商業(yè)銷售預(yù)測[J]. 葉倩怡,饒泓,姬名書.  南昌大學(xué)學(xué)報(理科版). 2017(03)
[8]公路泥石流災(zāi)害危險性分區(qū)研究[J]. 趙歡,田偉平,李家春,齊洪亮,尹超.  災(zāi)害學(xué). 2016(02)
[9]基于GIS和信息量的滑坡災(zāi)害易發(fā)性評價——以三峽庫區(qū)萬州區(qū)為例[J]. 王佳佳,殷坤龍,肖莉麗.  巖石力學(xué)與工程學(xué)報. 2014(04)
[10]基于GIS與ANN模型的地震滑坡易發(fā)性區(qū)劃[J]. 許沖,徐錫偉.  地質(zhì)科技情報. 2012(03)

博士論文
[1]基于多源遙感影像的動態(tài)滑坡災(zāi)害空間預(yù)測模型研究[D]. 許石羅.中國地質(zhì)大學(xué) 2018
[2]基于3S和人工智能的滑坡位移預(yù)測與易發(fā)性評價[D]. 黃發(fā)明.中國地質(zhì)大學(xué) 2017
[3]區(qū)域滑坡崩塌地質(zhì)災(zāi)害特征分析及其易發(fā)性和危險性評價研究[D]. 邱海軍.西北大學(xué) 2012



本文編號：2922521