一种滑坡地质灾害的空间预测方法、装置和计算机设备制造方法及图纸

本发明专利技术公开了一种滑坡地质灾害的空间预测方法，包括：获取滑坡地质灾害的影响因子；将影响因子输入基于KDE

【技术实现步骤摘要】
一种滑坡地质灾害的空间预测方法、装置和计算机设备


[0001]本专利技术涉及滑坡地质灾害领域，特别涉及一种滑坡地质灾害的空间预测方法、装置和计算机设备。

技术介绍

[0002]滑坡地质灾害的研究已有100多年的历史，滑坡地质灾害敏感区域的识别是缓解滑坡灾害造成影响的重要环节之一，滑坡敏感性的科学评估可以减少死亡、伤害和财产损失等损失。此外，它们还为决策者提供区域可持续发展和土地利用规划的关键信息支持。滑坡的预测研究可追溯到20世纪60年代日本学者斋藤借助于蠕变试验成果进行滑坡预测。随着Aleotti and Chowdhury将灾害点的历史分布特征加入滑坡的预警体系中，引入了更多滑坡易发性评价的影响因子后，逐步经历了经验预测、统计分析预测、动态模型跟踪预测、结合GIS等技术进行数字化建模预测等阶段。在经过一系列相关理论体系的完善后，结合已有研究的成果，国内外学者对区域地质灾害空间定量预测模型方面进行了大量的探索性研究，包括：经验模型(如模糊逻辑、逻辑回归、广义加法模型等)，统计分析模型(如确定性系数法、证据权法、熵等，模式识别模型(如人工神经网络、支持向量机、自适应神经模糊推理系统(ANFIS)等)。随着越来越多的模型与方法应用于地质灾害的预测和评价领域，对这些模型和方法进行分类并比较其结果的精确性则十分必要。其中，LR模型是一种非线性多元统计模型，因其具有计算简单、物理意义明确等优点，在滑坡敏感性评价中应用较为广泛，但多数LR模型运用在滑坡灾害预测中的因变量均为发生(记为1)和不发生(记为0)的二元逻辑变量，未考虑滑坡灾害的空间效应，若忽略了这种影响，势必会导致较大的预测偏差。因此，探讨滑坡灾害的空间效应有利于提高滑坡地质灾害空间分析的准确性和预测的精确性，从而为其他类似山地型区域滑坡敏感性评估和灾害管理提供参考依据。
[0003]KDE是一个高效的空间分析工具，在空间密度评价过程中起着重要的作用，它用于估计每个输出栅格像元周围的点或线要素的密度。它是根据点或折线特征计算每个单位面积的量，以使每个点或折线适合光滑的圆锥形表面。近年来，核密度估计法作为最常用的热点分析方法，应用广泛。程朋根等以南昌市中心城区为研究对象，结合POI数据及夜间遥感影像数据，运用核密度估计法对其空间分布热点、空间尺度、集聚程度等几方面进行了研究分析，全面揭示了南昌市休闲旅游空间的集聚特征；陈斌等选取了POI数据等进行了核密度分析，然后对其进行空间网格化处理，并通过双因素制图法等方法得到了这两种数据的空间接合关系，从而分析了武汉市主城区的城市空间分布特征；郭鹏等结合核密度估计法，将国家旅游资源空间作为对象进行空间特征阐述；刘俊等采用KDE在其空间分布特征进行了讨论，有利于开发长江娱乐地带新热点和消费新热点；佟玉权等运用核密度估计研究了中国传统村落的空间分布特征，这使传统村落形成机制的解释力度提高了；周莹等以云南省昆明市作为研究对象，应用KDE方法其空间效应进行一定的分析，并且讨论影响其空间结构的因子；陈晨、修春良等将研究目标选择为北京地名文化景观。利用KDE方法研究其空间效应及特征，对于探索历史时期北京的社会经济发展具有一定的标杆意义；熊俊楠等结合重
庆山洪历史资料和KDE分析法对其时间和空间进行分析，对清晰地认识重庆山洪灾害的分布规律，减少灾害带来的损失，促进重庆发展具有一定的现实意义；王新胜等选择重庆市中心城区典型滑坡作为研究对象，利用KDE方法分析了其空间分布特征，从各方面表明了重庆市滑坡灾害点具有较强的聚集特征。
[0004]滑坡灾害在空间上的分布看似为随机状态，但实际上具有内在的规律性，滑坡灾害的空间效应会导致不同的滑坡灾害易发性和危险性分区。对于灾害空间分布规律的研究众多，例如：Guang and Zhu利用空间数据分析方法，从不同角度对地质灾害点(滑坡、泥石流等)空间聚集
‑
离散的分布特征进行定性和定量的分析；Liu等从历史灾害特征出发，分析了地质灾害时空布局和影响因素；Xiong等采用平均中心、标准差椭圆、核密度分析和M
‑
K突变检测等方法分析了重庆市历史山洪灾害时空分布规律。此外，较多学者将空间自相关方法在医学、交通、遥感影像等领域运用广泛。
[0005]在对滑坡灾害的现有解决技术方案中，首先对研究区收集到的数据进行预处理，随后，构建滑坡灾害风险评估指标体系，最后采用不同的方法对滑坡灾害的敏感性进行研究。以往对滑坡地质灾害空间量化建模中多是基于数理统计角度研究灾害发育特征(灾害发生与否)，即现有的对滑坡灾害的技术方案中，无论采取传统的数学方法，还是结合大数据分析技术的人工智能方法，均以滑坡灾害影响因素为自变量，发生滑坡(Y＝1)和未发生滑坡(Y＝0)为因变量，随机选取部分数据集作为数学模型的训练样本，并将剩余的数据用来预测，最终利用受试者工作特征曲线(ROC)和预测正确率等模型性能评估指标对模型进行评估，进而对研究区的滑坡灾害进行敏感性分析。
[0006]现有技术中，滑坡地质灾害在空间上表现为地质灾害的多发地段或地质灾害的群发性，但以往对滑坡地质灾害空间量化建模中多是基于数理统计角度研究灾害发育特征(灾害发生与否)，未充分考虑重灾区的滑坡地质灾害空间效应。实际滑坡灾害是面域，容易受到滑坡灾害区域的影响，才导致其发生滑坡，也容易导致实际滑坡灾害区域被当做非滑坡区域来进行分析，从而降低滑坡危险性评价图的准确度。

技术实现思路

[0007]基于此，有必要针对上述技术问题，提供一种滑坡地质灾害的空间预测方法、装置和计算机设备。
[0008]本专利技术实施例提供一种滑坡地质灾害的空间预测方法，包括：
[0009]获取滑坡地质灾害的影响因子；
[0010]将影响因子输入基于KDE
‑
LR的滑坡灾害空间量化模型中，获得滑坡地质灾害的空间预测结果；
[0011]其中，所述基于KDE
‑
LR的滑坡灾害空间量化模型的确定，包括：
[0012]获取滑坡地质灾害的空间位置和滑坡灾害数量；
[0013]采用核密度估计法KDE，结合空间位置和滑坡灾害数量，确定滑坡地质灾害的空间效应；其中，所述空间效应为滑坡地质灾害评价中的多分类因变量；
[0014]采用多分类逻辑回归法LR，将影响因子作为自变量，将空间效应作为因变量，构建基于KDE
‑
LR的滑坡灾害空间量化模型。
[0015]在其中一个实施例中，所述影响因子，包括：地形复杂度、与公路距离、与水系距
离、地层岩性、与断层距离、地震动峰值加速度PGA。
[0016]在其中一个实施例中，所述采用核密度估计法KDE，结合空间位置和滑坡灾害数量，确定滑坡地质灾害的空间效应，具体包括：
[0017]根据空间位置和滑坡灾害数量，确定滑坡地质灾害某点处的二维核密度；
[0018]根据滑坡地质灾害空间中的二维核密度，确定滑坡灾害点群的聚集或离散分布特征；
[0019]根据滑坡灾害点群的聚集或离散分布特征，确定滑坡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滑坡地质灾害的空间预测方法，其特征在于，包括：获取滑坡地质灾害的影响因子；将影响因子输入基于KDE
‑
LR的滑坡灾害空间量化模型中，获得滑坡地质灾害的空间预测结果；其中，所述基于KDE
‑
LR的滑坡灾害空间量化模型的确定，包括：获取滑坡地质灾害的空间位置和滑坡灾害数量；采用核密度估计法KDE，结合空间位置和滑坡灾害数量，确定滑坡地质灾害的空间效应；其中，所述空间效应为滑坡地质灾害评价中的多分类因变量；采用多分类逻辑回归法LR，将影响因子作为自变量，将空间效应作为因变量，构建基于KDE
‑
LR的滑坡灾害空间量化模型。2.如权利要求1所述的滑坡地质灾害的空间预测方法，其特征在于，所述影响因子，包括：地形复杂度、与公路距离、与水系距离、地层岩性、与断层距离、地震动峰值加速度PGA。3.如权利要求1所述的滑坡地质灾害的空间预测方法，其特征在于，所述采用核密度估计法KDE，结合空间位置和滑坡灾害数量，确定滑坡地质灾害的空间效应，具体包括：根据空间位置和滑坡灾害数量，确定滑坡地质灾害某点处的二维核密度；根据滑坡地质灾害空间中的二维核密度，确定滑坡灾害点群的聚集或离散分布特征；根据滑坡灾害点群的聚集或离散分布特征，确定滑坡地质灾害的空间效应。4.如权利要求3所述的滑坡地质灾害的空间预测方法，其特征在于，当所述空间效应为滑坡地质灾害评价中的3分类因变量时，所述空间效应，包括：未发生滑坡灾害情况、空间效应中等灾害情况、空间效应高灾害情况。5.如权利要求3所述的滑坡地质灾害的空间预测方法，其特征在于，所述滑坡地质灾害空间中的二维核密度为：空间中的二维核密度为：空间中的二维核密度为：空间中的二维核密度为：式中，s为某点空间位置，n为带宽范围内的滑坡灾害点个数，d
is
为第i个滑坡点到s处的距离，h为带宽；D
m
为各个滑坡点到平均中心距离的中位数，N为滑坡灾害点的总和，SD为标准距离，M为总滑坡点个数，x
i
，y
i
...

【专利技术属性】
技术研发人员：韩素月，周仲礼，刘斌，胡先莉，樊鑫月，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：