买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南石油大学

摘要：本发明公开了一种滑坡易发性动态评价方法，该方法结合机器学习和SBAS‑InSAR技术，在考虑评价指标区间划分方法选择和非滑坡负样本选择的基础上，采用XGBoost模型、SVM模型、RF模型进行超参数寻优，构建滑坡易发性评价模型，完成单位面积区域的滑坡易发性评价，建立动态评价矩阵，结合SBAS‑InSAR形变信息和滑坡易发性评价区划图，完成单位面积区域的滑坡易发性动态评价，本发明在获取单位面积区域的升轨Sentinel‑1A影像数据的基础上，使用SBAS‑InSAR技术提取地表形变信息，将地表形变信息分为5个等级，结合效果最好的滑坡易发性评价模型—DBO‑RF模型得到的滑坡易发性区划图和SABS‑InSAR形变信息，基于动态评价矩阵完成单位面积区域滑坡易发性动态评价，为滑坡灾害预测预防提供理论参考。

主权项：1.一种滑坡易发性动态评价方法，其特征在于,该方法包括：步骤S1、滑坡信息获取；通过应用技术手段、统计资料方式获取单位面积区域滑坡编录信息，综合考虑单位面积区域滑坡孕灾机理及孕灾环境，从灾害类型和分布规律两个方面分析单位面积区域的滑坡分布特征，提取5个类别的10个评价指标；步骤S2、评价指标体系构建；分别采用等间距分类法、标准差法、分位数法、几何间隔法、自然间断点法和ChiMerge离散化方法对数据型评价指标进行区间划分，利用地理探测器计算不同区间划分方法得到的评价指标q值，选取q值最大的评价指标区间划分方法实现评价指标的合理区间划分；选取通过多重共线性检验的评价指标基于加权信息量模型进行区域滑坡易发性初步预测，在加权信息量模型的极低易发区随机选择与滑坡点数目一致的非滑坡点作为非滑坡负样本，负样本的选择满足随机性和低易发性的需求；步骤S3、机器学习模型构建；整合历史滑坡正样本和非滑坡负样本构成单位面积区域滑坡易发性建模的训练样本集，引入蜣螂算法对XGBoost模型、支持向量机模型、随机森林模型进行参数寻优，选取最优参数建立机器学习滑坡易发性预测模型，完成单位面积区域的滑坡易发性评价，绘制滑坡灾害易发性分区图，进行分区统计及机器学习模型精度评价，从混淆矩阵、统计参数、受试者工作曲线3个方面对XGBoost模型、支持向量机模型、随机森林模型的结果进行对比，分析单位面积区域滑坡易发性预测模型的准确性；步骤S4、滑坡易发性动态评价；基于单位面积区域的升轨Sentinel-1A影像数据，利用SBAS-InSAR技术提取地表形变信息，结合形变信息分析单位面积区域滑坡灾害的空间分布特征；对比DBO-XGBoost模型、DBO-SVM模型、DBO-RF模型在单位面积区域滑坡易发性预测结果的应用和性能，结合DBO-RF模型得到的滑坡易发性结果图和SABS-InSAR形变信息，建立单位面积区域滑坡易发性动态评价矩阵，进行单位面积区域滑坡易发性动态评价；所述等间距分类法利用相等间隔将评价指标的范围划分为若干个大小相等的子范围，利用ArcGISPro软件中的重分类工具进行评价指标栅格图层的等间距分类法区间划分，基于主观经验法将间隔数设定为6；所述自然间断点法在ArcGISPro软件中对评价指标的区间进行自动分类，利用ArcGISPro软件中的重分类工具进行评价指标栅格图层的自然间断点分类法区间划分，基于主观经验法将间隔数设定为6；所述分位数法利用ArcGISPro软件中的重分类工具进行评价指标栅格图层的分位数分类法区间划分，基于主观经验法将间隔数设定为6；所述几何间隔法利用ArcGISPro软件中的重分类工具进行评价指标栅格图层的几何间隔分类法区间划分，基于主观经验法将间隔数设定为6；所述标准差法利用ArcGISPro软件中的重分类工具进行评价指标栅格图层的标准差分类法区间划分，间隔设定为1倍；所述ChiMerge离散化方法对数据型评价指标进行区间划分，在IBMSPSSStatistics26.0软件中，利用卡方分箱工具对高程、坡度、地形起伏度连续型评价指标进行ChiMerge离散化，设定阈值为0.05；所述地理探测器用于通过计算评价指标的空间异质性来揭示其驱动力，选择分异及因子探测器对滑坡进行解释程度的探测，表达式为： 其中，i表示滑坡评价指标的分层数，i＝1,2,…,m；Ni表示滑坡评价指标的第i层的单元数；N表示评价指标全区域的单元数；表示滑坡评价指标第i层对应滑坡Y值的方差；σ2表示评价指标全区域对应滑坡Y值的方差；SL表示层内分成之和；ST表示全区域总方差；所述多重共线性检验用于发现变量之间的线性或非线性关系，当TOL0.1和VIF10时，评价指标之间不存在多重共线性，计算表达式为： 其中，表示决定系数，Tolerances表示容差，VIF表示方差膨胀因子；利用IBMSPSSStatistics26.0软件的线性分析中的共线性诊断工具计算单位面积区域滑坡易发性评价指标的VIF和TOL，排除具有高度共线性的评价指标，选取的3个名词型评价指标和经过地理探测器模型得到最优区间划分方法的7个数值型评价指标未表现出很强的共线性，作为输入变量，用于构建滑坡易发性预测模型；所述信息量模型，计算公式为： 其中，Iy,x1,x2,…xn表示评价指标组合x1,x2,…,xn对地质灾害所提供的信息量；Py|x1,x2,…,xn表示评价指标x1,x2,…,xn组合条件下滑坡灾害发生的概率；Py表示滑坡灾害发生的概率；表示评价指标x1存在下，评价指标x2对滑坡易发性评价结果提供的信息量；当Iy,x1,x2,…xn0，表示因素组合有利于滑坡灾害的发生；反之，Iy,x1,x2,…xn0，表示因素组合不利于滑坡灾害的发生；计算各个评价指标各不同级别状态对滑坡灾害提供的信息量值，表达式为： 其中，Pxi,D表示在评价指标xi某一状态分类级别中出现的概率；Pxi表示滑坡灾害分布概率；对各评价指标信息量的计算，表达式为： 其中，Ni表示某评价指标某分级状态下xi发育地质灾害数量；N表示整个单位面积区域内地质灾害发生的总数量；Si表示某评价因子某分级状态xi的栅格数量；S—整个单位面积区域的栅格单元数；对每个栅格单元内总信息量值的计算，表达式为： 其中，n表示参与滑坡易发性评价的评价指标数量；所述非滑坡负样本，利用加权信息量模型对单位面积区域滑坡易发性进行初步预测，在预测结果中的极低易发区随机选取与滑坡样本数目一致的非滑坡样本点，通过基于栅格单元的机器学习模型完成单位面积区域的滑坡灾害易发性评价，利用加权信息量模型的滑坡易发性区划结果在ArcGISPro3.0软件中利用随机点生成工具随机选取与滑坡点数目一致的非滑坡点；所述XGBoost模型，利用随机选取的训练集数据建立基于XGBoost模型的滑坡易发性评价模型，利用测试集数据对模型的预测精度进行验证，采用蜣螂算法进行模型的n_estimators和max_depth参数进行优化，进行模型的精确度的提高，n_estimators表示树的数量，max_depth表示树的最大深度，XGBoost模型中的每棵树都是深度有限的，通过限制树的深度防止过拟合，在蜣螂算法优化XGBoost模型的过程中，设定算法迭代次数为50次，计算每次迭代得到的模型准确率，迭代完成后，得到最优参数组合下的XGBoost模型；所述随机森林模型，利用随机选取的训练集数据建立基于随机森林模型的滑坡易发性评价模型，利用测试集数据对模型的预测精度进行验证，采用蜣螂算法进行模型的n_estimators和max_depth参数进行优化，进行模型的精确度提高，在蜣螂算法优化随机森林模型的过程中，算法迭代次数设定为50次，计算每次迭代得到的模型准确率；迭代完成后，得到最优参数组合下的随机森林模型，用得到的最优参数重新构建模型，评估模型训练完成后，将单位面积区域的整体数据集输入到模型中，进行单位面积区域的滑坡易发性评价，输出预测结果，最终得到整个单位面积区域所有栅格单元的滑坡发生概率；栅格单元所对应的预测值越接近0，说明栅格单元越稳定，发生滑坡的概率越小；反之预测值越接近1，说明此栅格单元越不稳定，发生滑坡的可能性越大。

全文数据：

权利要求：

百度查询： 西南石油大学 一种滑坡易发性动态评价方法